基于混合聚类算法的高压配电网网架规划

以高压配电网为研究对象,建立了含建设运营、故障停电损失及资产回收等成本的全寿命周期成本规划模型,提出一种基于混合聚类算法的高压配电网规划方法.首先,根据规划区域的负荷分布情况,利用DBSCAN算法与K-means算法相结合的混合聚类算法对供电分区及变电站进行划分;然后,结合区域容载比的要求,确定各供电区待建变电站总容量;最后,利用Floyd-Warshall算法求解满足目标函数要求的变电站站址和接线形式,得到整个供电区域内的高压配电网规划方案.通过某实际规划区作为算例,验证了模型和方法的实用性和有效性.     

基于智能变电站远动通信的自动对点调试系统

基于远动通信框架,采用模块化思想,以四遥、图像及告警信息为对象,本文将厂站仿真实验平台、调度主站平台的功能分成不同的模块,可直观体现出自动对点的行为逻辑.其中,每一个模块独立开发且互不干扰,相互之间具有可借鉴性,在很大程度上降低了开发难度.在校验检测中,本文采用循环冗余算法,其与和校验法相比略复杂,但准确度更高.由此构建出一套智能变电站远动快速自动对点系统,以保证智能变电站的可靠运行.     

上好三堂课激发新活力

山东电力检修公司突出央企特色、突出学用结合、突出惠及员工、突出担当作为,用心上好“三堂课”,提高广大党员的政治判断力、政治领悟力、政治执行力,推动党史学习教育走深走实。     

基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测

针对电价序列具有非线性强、波动性大的特点,提出一种基于变分模态分解(VMD)和改进粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的短期电价预测模型.首先利用VMD将原始电价数据分解为多个子序列,然后采取LSSVM模型分别对子序列进行预测.对于LSSVM预测模型的最优参数选择问题,利用改进的PSO优化LSSVM模型的参数,能够很好地提高模型预测精度.最后集成各子序列预测结果,获得最终电价预测值.为了验证所提模型的有效性,以美国PJM市场电价数据为例进行分析,并与其他预测模型进行对比,结果表明,所提模型能够很好地对短期电价进行预测.     

基于绿色证书交易机制的含风电场电力系统动态环境经济调度

为了促进风电消纳以及提高电力系统的经济性,构建基于绿色证书交易机制的含风电场电力系统多目标动态环境经济调度（DEED）模型,提出一种基于反向学习混沌搜索的OLCS-MOEA/D算法的DEED调度求解方法。首先,采用广义反向学习初始化种群提高种群多样性,并引入基于Logistic映射的混沌搜索算法以增强算法局部搜索能力。然后,为了验证算法的性能,采用标准测试函数F1—F7进行测试,同时将该算法对模型进行求解,获得了比其他算法范围更广和分布均匀的Pareto解集前沿。最后,对基于绿色证书交易机制的动态环境经济调度与传统动态环境经济调度进行结果对比分析,通过仿真算例验证该模型和算法的有效性和优越性。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

基于改进深度强化学习的智能微电网群控制优化方法

针对微电网群控制的经济效益、负荷波动以及碳排放问题,提出一种基于改进深度强化学习的智能微电网群运行优化方法。首先,计及分布式电源、电动汽车及负荷特性,提出微电网的系统模型。然后,针对微电网群的运行特点,提出4个系统优化目标和5个约束条件,并且引入分时电价机制调控负荷运行。最后,利用改进深度强化学习算法对微电网群进行优化,合理调控多种能源协同出力,调整负荷状态,实现电网经济运行。仿真结果表明了所提方法的有效性,与其他方法相比,其收益较高且碳排放量较小,可实现系统的经济环保运行。     

基于粒子群优化算法的配电网故障指示器优化配置

近年来,故障指示器凭借其接入灵活性和经济性被广泛应用于配电网故障定位中.然而过多的安装是没有必要的,合理选择安装故障指示器的数量及位置能达到配电网可靠性及经济性的综合最优.针对配电网中故障指示器优化配置问题,提出了一个综合考虑配电网可靠性指标及经济性的目标函数,并运用二进制粒子群优化算法进行了优化求解.通过在IEEE 33节点配电系统中的测试,验证了所建模型的有效性.同时,与免疫算法的优化结果进行了对比,分析结果表明,二进制粒子群算法由于其收敛速度快,所需迭代次数少,对于求解该问题具有优势.     

动态场景图像去模糊技术研究进展

模糊是图像退化的主要降质因素之一,图像去模糊技术一直是计算机视觉和图像处理领域的一个重要课题,广泛应用于安防、刑侦、交通、金融、医疗图像等领域.首先,对传统去模糊算法进行阐述并说明其存在的问题.然后,在此基础上对现有基于深度学习的图像去模糊方法进行综述并分析了算法存在的优势与不足,着重讨论了基于动态网络的非均匀模糊处理新趋势.最后,结合最新的研究成果,展望了图像去模糊技术未来的发展方向.     

基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.