一种电力光传输网运行状态评估方法

针对现有电力光传输网评估方法考虑方面单一、主观性占比多等问题,提出了一种电力光传输网运行状态评估方法。首先从设备、光缆和系统3个维度选取指标,从网络规模、运行质量和管理因素3个方面建立评估指标体系,设计重叠信息分析法对评估指标体系进行优化。其次改进基于区间模糊层次分析法和熵权法的主客观组合权重赋值法计算指标权重。然后设计基于模糊综合评价法、效用函数法、可拓耦合评价法以及组合评估方法的运行状态评估算法评估光传输网运行状态。通过真实实例分析,验证了该方法能够更加全面、客观地评估光传输网的运行状态,辨识电力光传输网薄弱环节,为运维、检修和规划建设提供参考。     

弱电网下基于谐波状态空间模型的光储-虚拟同步发电机稳定性分析与优化控制研究

虚拟同步发电机(virtual synchronous generator, VSG)技术因提供阻尼和惯量而被广泛用于新能源并网逆变器。光储并入弱电网易发生频率耦合等问题,因而VSG并网稳定性分析变得更加复杂。针对光储并入弱电网系统,考虑频率耦合,在dq域中建立基于谐波状态空间(harmonic state space, HSS)理论的多时间尺度虚拟同步发电机模型。采用归一化参数灵敏度分析法,揭示功率环、电压环和低通滤波中虚拟惯量J、虚拟阻尼Dp、下垂系数Ku、比例系数kpu和截止频率ωc等关键控制参数根轨迹的特性和电网强度对系统稳定性的影响。并通过调整优化控制参数,提高系统稳定性。最后在Matlab/Simulink仿真平台验证谐波状态空间模型精确度和关键参数根轨迹特性。     

基于谐波电阻的变压器箔式绕组温升在线修正

绕组热点温度是配电变压器在线监测的重要指标,而现有的绕组温升在线计算方法未考虑箔式绕组结构产生的影响。通过配电变压器不同谐波下等效电阻比值对箔式绕组结构进行辨识,然后对比线绕式和箔式两种绕组结构发热差异,对一种通过绕组电阻变化计算绕组温升的算法进行了在线修正。该方法提供了一种通过谐波电阻比值预测箔式绕组热点温度的新思路。     

基于Blending集成学习模型的电力市场日前出清电价预测

精准的掌握未来电价信息对把握市场的运行状态、支撑市场参与各方进行有效决策、推动市场主体合理优化资源配置具有重要意义。因此基于Blending集成学习机制构建了一种面向于日前电价预测的综合模型。该模型充分考虑电价的高波动性特点,采用Ashin变换,减小了输入数据波动性对预测模型的影响;选取SVM、LightGBM、EWNN、SARIMAX 4种较为成熟的单一电价预测模型作为初级学习器,进而保证了基于Blending集成学习模型的预测精度。选用美国PJM电力市场实际运行数据对上述构建的电价预测模型进行验证,通过对预测结果的对比分析,表明构建的基于Blending 集成学习机制的电价综合预测模型集成了多种传统预测模型的优点,具有较好的准确性与稳定性。     

创新优化电力需求响应，支撑新型电力系统建设

电力需求响应充分调动需求侧灵活性,可有效促进源荷互动,将在新型电力系统建设中发挥重要作用。首先梳理了近年来需求响应的政策与实践,分析其在保安全、促消纳等方面的进展与成效;然后结合电力系统转型变革关键期,分析了电力需求响应发展面临的新形势新要求;最后提出了创新优化电力需求响应的政策建议。     

蓄意流量攻击下基于确定网络演算的互联电网自适应负荷频率控制策略

蓄意流量攻击通过抢占有限的网络带宽降低正常数据流的时效性。对于网络化负荷频率控制(load frequency control, LFC),流量攻击将造成稳定裕度下降、频率偏差幅度上升甚至越限事故。现有控制方案一般采用单一且固定的控制器保证最大攻击强度下的渐进稳定性,存在设计约束多、保守性大的缺点。因此提出了一种跟随攻击强度自适应调整控制器增益的LFC策略。首先,基于确定性网络演算,得到了无攻击场景下数据流传输延时上边界,并预设了一系列表征不同攻击强度的传输延时范围。其次,通过构造Lyapunov泛函,推导了针对每个攻击强度的控制器设计准则。最后,基于切换控制理论,确定了所提自适应方案所能容忍的最大攻击强度变化频率。仿真表明,与现有控制方案相比,所提方法的频率偏差幅度可下降12.60%,区域控制误差的绝对值误差积分可下降10.85%。     

基于SOGI-PLL载波移相的机车谐波抑制技术

为了抑制机车四象限脉冲整流器在网侧产生的高频谐波,防止车网发生高次谐波共振,提出一种基于二阶广义积分器锁相环SOGI-PLL（second-order generalized integral phase-locked loop）载波移相控制策略。将锁相环输出的电网相位作为同步基准信号,针对网压频率异常波动,快速同步校正PWM载波周期,保证了各单元之间移相角的准确性,获得最优谐波对消效果。同时,该策略对电网谐波和幅值异常跳变不敏感,具有良好的抗干扰性和自适应性。最后通过半实物仿真和地面联调试验,验证了该策略的可行性和对谐波抑制的有效性。     

基于云相似度与证据融合的电力变压器状态评价方法

针对电力变压器状态评价过程中存在的不确定性,提出一种基于云相似度和证据融合的电力变压器状态评价方法。首先,考虑到各指标在状态等级边界处的随机性与模糊性问题,采用云模型来建立状态评价的基本框架。其次,为兼顾状态等级划分的严明性和模糊性,采用改进的云熵优化算法确定云模型的熵值。然后,考虑到指标数据本身的不确定性,利用正向云发生器和云合成算法生成各试验项目待识别云和标尺云,并采用模糊贴近度计算二者间的相似度作为证据源的基本概率分配。最后,采用考虑证据可信度和不确定度的冲突证据修正方法修正证据源,并融合不同证据以判断电力变压器的最终状态。经实例验证,相较于传统方法,所提方法能够有效处理状态评价过程中的不确定性,评价结果符合电力变压器的真实情况,对电力设备状态评价有一定参考价值。     

基于改进的电力关键部件识别算法研究

针对无人机在电力巡检过程中存在的待识别部件背景复杂、轮廓特征不清晰、各类部件尺寸相差较大等问题,提出一种改进的YOLOv4算法对电力关键部件进行识别。首先搭建深度可分离卷积残差块(M-Resblock-body),用其代替原特征提取网络中的部分普通卷积残差块,在不降低特征提取能力的情况下减少参数量,加快模型的推理速度。然后引入自适应调节感受野网络(SKNet),对输入的感受野进行自适应调节,捕获不同尺度的目标,通过合理分配特征通道的权重来对特征进行有效的表达,提高模型检测精度。最后为了增强模型的泛化能力,对训练集进行一系列数据增强。实验结果表明,改进后的YOLOv4算法在测试集上精度比原始网络提高8.85%,速度提升2.24 frame/s,能够有效实现电力巡检中关键部件的识别及缺陷检测。     

基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。