雾霾对冲击放电路径影响特性的分析

由于经济规模的迅速扩大和城市化进程的加快,雾霾现象日趋严重,这些雾霾多发地区是我国输电走廊或用电高负荷密度地区。为研究雾霾对放电发展的影响,利用水雾、粉煤灰等模拟雾霾天气,采用雷电冲击电压进行了雾霾对击穿电压和放电路径影响的实验研究。研究结果表明:当雾霾的粒径范围<0.01mm时,雾霾间隙的击穿电压始终较空气间隙的高,放电路径选择雾霾的概率<50%;当粒径范围为0.01～0.1mm时,正电压下选择概率<50%,雾霾间隙的击穿电压较空气间隙的高,而负电压下选择概率>50%,雾霾间隙的击穿电压较空气间隙的低。雾霾中放电发展是电场的畸变和雾霾颗粒与粒子间作用联合影响的结果。     

广域保护与预防控制系统在都匀电网应用的探讨

对广域保护与预防控制系统的简介及对传统保护现状的分析,提出了在都匀南部电网采用双主站配置方式,站域保护层采用单主站配置方式,利用原有保护操作箱实现跳、合闸功能的广域保护与预防控制系统。     

计及恶劣天气因素的复杂电网连锁故障事故链模型

恶劣天气条件下电网各元件发生故障的机率明显增加,加大了电网恶性事故发生的概率。通过电网自组织临界态的演化与事故链各环节发展的对比,指出事故链可以作为表征电网自组织临界态进程的有效工具。在传统电网事故链模型基础之上,基于自组织临界理论,建立计及恶劣天气因素的复杂电网连锁故障事故链模型及其仿真算法,以事故链的形式仿真电网自临界状态演化进程中潜在的连锁故障传播途径,为运行方式制订人员甄别恶劣天气下电网危险环节提供重要依据。对河南电网的实例分析,证明了所提出模型的有效性和可行性。     

一种基于多普勒天气雷达基数据的三维建模算法

根据多普勒天气雷达基数据空间呈锥状分布的特点,提出了基于基数据的移动梯状多面体三维建模算法(MTPD).该方法采用梯状多面体作为体积单元,根据雷达三维建模空间范围选择六面体索引和四面体索引两种不同模式构建三维等值面,以平衡算法效率和建模结果精度.在该算法基础上利用WebGL技术开发了多普勒天气雷达三维可视化平台.结果表明：与传统三维建模算法相比,MTPD在保证建模精度的条件下明显提升了算法效率,六面体索引模式和四面体索引模式计算效率分别提高62.5%和23.0%,四面体索引模式得到的回波三维结构更连续,基于WebGL的多普勒天气雷达三维可视化平台提供了跨平台的雷达三维展示,能够直观反映对流云的三维结构.     

节假日和极端天气电力负荷特征的萃取模型

负荷预测是电力系统的一个传统研究问题,通常情况下,相近日期的负荷曲线有较强的相似性,然而在特殊节假日和极端气象条件下,负荷的预测具有较强的不确定性。提出了一种节假日和极端天气条件下的电力负荷特征萃取模型,对传统遗传算法的编码机制和遗传操作进行了重新规定。以黑龙江省电网公司的历史负荷数据和气象数据为基础,从中萃取节假日和极端天气对负荷影响的相关规则,并通过实践证明了这些规则的可行性。     

计及统一潮流控制器的电力系统双层协调弹性调度

极端天气造成的故障会引发潮流转移,触发连锁故障,从而增加了大规模停电事故发生的概率。高比例电力电子设备接入电网的趋势增加了电网调度的灵活性。因此,提出计及统一潮流控制器的电力系统双层协调弹性调度策略。采用随机场景生成的方法模拟极端天气事件;通过潮流熵定量描述极端天气下潮流分布的不均衡性,以表征发生连锁故障的风险;将弹性调度代价最低和潮流熵最低分别作为上下层模型的目标函数,同时基于统一潮流控制器的调节潮流特性,构建双层弹性调度模型;基于KKT条件和对偶原则,将原双层调度模型转化为单层混合整数线性优化模型进行求解,并通过装有统一潮流控制器的IEEE 39和IEEE118节点系统进行算例仿真,验证了所提模型在降低大规模停电事故概率和提升系统弹性方面的有效性。     

天气敏感型神经网络在电网短期负荷预测中的应用

针对运城地区电网易受气象影响的特点，应用了一种具有天气敏感性的基于快速反应BP算法的神经网络预测模型，模型中合理地考虑了影响负荷变化的气温和降水量等主要气象因素，使其能够适应天气的变化。对运城地区的实际负荷进行预测，结果较好地满足了现场要求．从而验证了该模型和算法的有效性。     

面向高比例新能源接入的配电网电压时空分布感知方法

随着配电网中新能源渗透率不断增加,电压越限、潮流过载等安全性问题愈发严峻。为此,文中提出一种面向高比例新能源渗透的配电网电压时空分布感知方法,通过数据驱动的方法实现在缺乏配电网潮流模型条件下的短期、高精度的节点电压感知预测。所提方法包含三部分:基于数值气象预报的分布式风光预测,建立气象数据与分布式能源出力之间的时空映射关系;基于广义回归神经网络(GRNN)的电压灵敏度矩阵学习机制,在缺乏配电网潮流模型条件下构建数据驱动的节点功率-电压映射;基于核密度估计(KDE)的GRNN预测样本修正法(KDE-GRNN),进一步降低因原始样本局部密度偏差导致的预测误差。基于IEEE 33和委内瑞拉141节点配电网验证了所提方法的有效性。对比同类算法,验证了提出的KDE-GRNN在预测精度、收敛速度方面的优势。     

基于因子和趋势分析反馈的多元回归负荷预测

提出一种基于因子和趋势分析反馈的考虑气象因素的多元回归预测模型,降低预测算法精度验证的计算负担。首先通过因子分析对气象和负荷指标进行相关性计算;其次,通过趋势分析量化历史负荷数据在时间尺度上的变化;然后,通过多元非线性回归模型,将气象指标作为自变量,负荷数据作为因变量进行函数拟合;最后,通过拟合出的历史预测数据与气象指标进行因子分析和趋势分析,并与第一步得到的数据进行动态相对误差计算,将动态误差反馈给多元回归预测模型。以某地区的实际负荷为例进行验证,结果表明该方法得到的预测精度高,且计算时间短。     

不同气象条件下交通规律分析

尽管天气对交通拥堵有负面影响,目前国外也存在天气情况、交通流之间关系的研究,然而,由于传统数据采集局限性,国内鲜有针对两者关系的研究.采用上海市宝山区交通中心实测交通流数据对交通拥堵,尤其是间断性拥堵与不同天气的数量关系进行了研究.结果表明,产生间断性拥堵的原因中,与天气相关的主要因素是中雨和大雨,小雨对交叉口交通(即拥堵)影响不大.此外也研究了车种构成及大车率与不同雨量天气的关系.最后提出用于缓解交通拥挤压力的三类策略:控制、应对、优先通行.