新型电力负荷管理系统国内标准体系研究与建议

现阶段,电力负荷管理系统标准体系化程度需要进一步加强。国内相关标准主要分布在电力负荷管理、用电信息采集两个业务分支内,各项标准内容与当前信息通信技术、自动化控制技术、大数据分析技术的发展不匹配,标准的功能及性能指标缺乏先进性,很多关键内容难以适应当下负荷精准分类、实时监测、实时控制的需要。首先阐述了国内电力负荷管理系统标准体系架构,包括系统类、终端类、接口类和管理类4个方面内容;其次对电力负荷管理系统标准体系现状进行分类梳理和解读,每个方面选取典型标准进行介绍,探讨了各个环节标准发展现状及实际应用中存在的问题;最后结合电网发展对电力负荷管理系统的新要求以及实际运行中面临的新问题,提出新型电力负荷管理系统标准体系完善建议及重点行动计划,对今后新型电力负荷管理系统相关标准的修订具有一定参考价值。     

基于智能负荷控制的分布式能源系统调控策略研究

为提高分布式能源系统（DES）经济性及运行效率,提出基于智能负荷控制的DES调控策略。首先,基于智能电表的测量数据,采用监督学习技术训练神经网络,构建智能负荷神经网络模型计算住宅可控有功功率;其次,考虑智能负荷与DES之间的互动关系,结合DES各设备运行及互补特性,构建智能分布式能源管理系统模型,分析其可控负荷的调度策略,并给出求解流程,利用IEEE-6节点系统进行算例分析。结果表明,DES总运行成本将随着需求响应控制的加强而降低,考虑智能负荷参与能源系统互动,可有效改善系统负荷曲线,减少切负荷现象,促进风电、光伏清洁能源的消纳。     

基于改进自适应密度峰值算法的日负荷曲线聚类分析

电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。     

基于自适应神经模糊推理系统的智能电表大数据分析研究

随着电力需求的不断增长和智能电表的大量应用,电力数据量大幅提升,对智能电表大数据分析分析提出了更高的要求。为此本文从模糊数学理论和人工神经网络出发建立了自适应神经模糊推理模型,基于安装在用电户的智能电表实际计量得到的电力大数据,进行了模型的训练和测试,最后利用预测模型进行了用电户在24小时内的电力功耗预测,并与智能电表实际测得的功耗数据进行了对比。研究结果表明基于当前智能电表采集的电力大数据,本文提出的预测模型精度得到了较大提升,总体预测精度为84.02%;其中白天时段由于用电随机性较大预测精度在70%左右,而夜间的预测精度均在90%以上。     

变频调速节能技术在防爆电机中的应用

阐述防爆电机的变频调速技术在气化炉渣油进料泵防爆电机上的应用,在加热炉鼓风机防爆电机上的应用,在液氨输送泵在高压防爆电动机中的应用。     

基于自适应积分滑模与扰动观测的多PMSM同步控制

为了克服多电机差速失步振荡及同步稳定性变差等问题,提出了基于新型自适应积分滑模和扰动观测的多 PMSM 同步控制方法。首先,构建了一种改进型偏差耦合同步控制结构。其次,设计了基于新型自适应积分滑模(new adaptive integral sliding mode control, NAISMC)的 PMSM 控制器。同时,利用滑模扰动观测器(sliding mode disturbance observer, SMDO)对电机负载扰动进行观测,并与改进的偏差耦合同步控制结构相结合,提出了基于NAISMC与SMDO的多 PMSM 的改进型偏差耦合同步控制方法。最后,进行了实验分析。其结果表明所提出的同步控制方法能有效地保证4个电机具有良好的同步性能,提高了其抗扰动的能力,确保了多电机同步的稳定性。