基于注意力机制-卷积神经网络的配电网单相接地故障选线方法

针对配电网发生单相接地故障的电气量特征难以提取，故障选线准确性与鲁棒性难以保证，给电网安全稳定运行带来巨大隐患问题，提出一种基于注意力(attention)机制-卷积神经网络(convolutional neural networks, CNN)的配电网单相接地故障选线方法。首先，采用S变换将故障各线路时序零序电流数据转化为CNN可识别的二维输入矩阵；其次，在传统CNN分类算法进行故障选线的基础上引入注意力机制，建立了基于Attention-CNN的故障选线新模型；最后，通过仿真数据与工程实际数据验证模型的选线结果，并将所提Attention-CNN模型与同类CNN优化方法在不同干扰条件下的性能进行对比。结果表明，所提Attention-CNN模型能够大幅提高选线效率，减少迭代次数，实现更高效、准确的故障选线，具有较强的实际应用价值。     

基于清洁能源消纳的风电规模入网机组启停间歇控制研究

风电规模入网机组启停间歇控制的传统方法忽略了对清洁能源发电量的检测，导致机组温度和风机能耗的控制效果较差。提出基于清洁能源消纳的风电规模入网机组启停间歇控制研究，根据风电规模入网机组的结构及特性，构建以清洁能源发电量最大为模型的运行目标函数。基于清洁能源消纳制定数学模型，通过能源计量系统获取用电量，判断风电规模入网情况，实现风电规模入网机组启停间歇控制。实验结果表明，该方法对机组温度和风机能耗具有良好控制效果，有利于提高风电站的清洁能源消纳比例。     

基于清洁能源消纳的风电规模入网机组启停间歇控制研究

风电规模入网机组启停间歇控制的传统方法忽略了对清洁能源发电量的检测，导致机组温度和风机能耗的控制效果较差。提出基于清洁能源消纳的风电规模入网机组启停间歇控制研究，根据风电规模入网机组的结构及特性，构建以清洁能源发电量最大为模型的运行目标函数。基于清洁能源消纳制定数学模型，通过能源计量系统获取用电量，判断风电规模入网情况，实现风电规模入网机组启停间歇控制。实验结果表明，该方法对机组温度和风机能耗具有良好控制效果，有利于提高风电站的清洁能源消纳比例。     

基于多智能体算法的多微电网-配电网分层协同调度策略

近年来，作为消纳可再生能源的有效方式之一，微电网在新型电力系统中扮演了愈来愈重要的角色，取得了显著的发展。但微电网的大量接入，改变了传统配电网的单级调度模式，使得调度过程中所面临的计算和通信任务日益繁重，而现行调度策略难以兼顾配电网运营商及微电网等多主体的利益诉求，也难以满足调度过程的计算高效性与通信私密性要求。对此，提出了一种基于多智能体算法的多微电网-配电网分层协同调度策略。首先，考虑配电网运营商与微电网在电力市场运行中的主从关系，构建了基于双层Stackelberg博弈的多微电网-配电网电力交易模型；然后，将多微电网-配电网协同调度表述为马尔可夫决策过程，采用基于数据驱动的多智能体深度策略性梯度算法求解Stackelberg均衡；最后，基于改进IEEE 33节点系统开展算例分析，验证了所提模型及算法的有效性。