基于调配控服一体化监控体系的讨论与研究

面对电力供应及服务的新形势和新任务,供电企业主动优化营商环境,升级内部生产和营销服务调度指挥体系。本文以实现调配控服一体化的贵安供电局为代表,进一步探讨服务调度与电网调配控融合。通过整合主配网生产、营销服务业务的监控,探讨建立调配控服一体化运营监控体系,使各专业衔接更加紧密,提升生产和服务的运营效率和客户满意度,推进调配控服一体化高质量发展。     

基于台区电压合格率函数的中压母线电压调控方法∗

传统的台区往往只存在低电压现象,但近年来呈现电压波动性较强的问题,不少台区电压还存在偏高现象.而中压母线的电压质量以固定的阈值进行调控,电压的中低压调控存在普遍的失配问题.为此提出一种考虑台区电压合格率函数的中压母线电压调控方法.首先建立台区的电压合格率函数模型,负荷率、抽头挡位等信息综合拟合,充分表征台区的电压质量特性;在此基础上,分别探讨和比较不考虑、考虑台区首端电压及考虑台区电压合格率函数的三种中压母线调控优化策略.最后通过算例进行验证,探讨在不增加设备的前提下,如何有效利用电网侧资源提高台区的电压质量水平.     

基于机器学习的变电站信息清洗与重构的研究

目前采用人工对信号进行判断、识别、梳理。但人为的梳理结果不甚理想,进度也极为缓慢,且依赖人员的专业水平和经验,同时人工识别的正确率难以保证,容易出现误判、疏漏。因此,亟需采取人工智能领域相关技术,遵循依托南方电网调度与自动化专业领域标准规范和业务要求,构建一套监控信息的数据清洗与重构,构建变电站信息清洗与重构机器学习模型,提高信号识别匹配能力、降低安全技术风险、减轻人员工作负担,为智能告警的实现提供准备,全面提升电网的监控效率。     

微电网耦合碳捕集封存与需求响应的多时间尺度鲁棒优化调度

随着可再生能源的普及,微电网成为了一个可持续能源供应的重要工具。然而,由于其源荷多不确定性和碳排放挑战,优化调度成为了一个难题。本文提出了一种基于储液式碳捕集封存和需求响应的多时间尺度鲁棒优化调度方法,旨在降低微电网的碳排放和提高其运行性能。该方法在日前阶段以1小时时间间隔进行调度,采用鲁棒优化处理不确定性中的低频分量,同时结合碳捕集技术和需求响应以促进调度计划的低碳经济性。日内阶段以15分钟时间间隔进行调度,采用模型预测控制跟踪并滚动修正日前鲁棒经济调度计划,以应对源荷预测误差和不确定性中的高频分量,确保微电网实际功率平衡。仿真分析表明,这种方法可以显著降低微电网的总成本和碳排放量,提高了微电网的运行性能和可持续性。     

人工智能在电网调控全业务链路中的探讨

针对智能化的电网调控技术支持体系进行进一步优化和信息数据重构,本文提出了深度学习在电网调控全业务链路中的应用与探讨。构建基于调控全业务链路的三岗机器人(值长、正值、副值),构建具有智能监视、大脑思维决策、智能交互、代理操作的机器人软件,进一步提升电网调控运行的智能化水平,提高电网安全稳定运行水平。     

基于深度并行CNN-BiLSTM的能源互联网电负荷和热负荷联合预测模型

为提升电、热负荷预测能力,适应能源互联网的多能源互联状态,设计由双向长短期记忆网络和并行卷积神经子网络组成的深层次电、热负荷联合预测模型,以便联合捕获强依赖性、多维度、抽象的电、热负荷特征信息。经仿真可知,该联合预测模型的综合负荷误差均值比低于串行网络模型约3%;其联合预测方式的综合负荷误差均值比低于单负荷预测模型约3%,同时其训练时长和预测时长均约为单负荷预测模型的一半;与同领域RNN-Net、LSTMNet、CNN-Net、Shi-Net相比,其电负荷、热负荷、综合负荷误差均值比最低,分别为0.031 5、0.030 1和0.031 1。说明本模型与串行网络相比,其并行网络有利于捕获多层次负荷特征;与单负荷预测方式相比,其联合预测方式可采用较高效率捕获电、热负荷的互联信息;它具备较优的电、热负荷联合预测性能,适用于电负荷、热负荷联合预测任务。     

含多利益主体的配电系统协同优化调度

分布式能源技术不断发展,电力体制改革纵深推进,配网将呈现多利益主体特性.为刻画不同利益主体的利益需求以及技术特性,同时实现配网冷、热、电多能耦合以及电力电量平衡,维持电力系统安全稳定运行,采用分析目标级联理论(analysis target cascading,ATC)对市场环境下配网运营商主体、分布式能源商主体、冷热电三联供型负荷集成商主体的协同优化调度问题进行研究.对各主体内部多能元件技术运行特性、以及主体间的相互联系和存在的不同利益诉求进行建模,各主体通过交换联络变量信息进行协同优化并最终收敛.最后,基于IEEE33节点配网系统的算例对模型和算法进行验证.     

基于深度学习的电力服务调度工单智能处理的研究

为打造以客户为中心的现代供电服务体系,进一步提升为民服务的质量和水平,强化电力保障和优质服务,贵安供电局开展海量工单分析,从而实现服务调度业务薄弱点的发现和改进。因此,提出基于深度学习的工单识别分类技术应用,通过深度学习进行建模、工单的标签特征进行提炼、并建立训练模型进行学习、对故障单和意见单进行识别,优化投诉风险预警与管理工作,缓解服务调度工作人员服务压力。     

基于专家系统的智能变电站GOOSE网络分析系统的研究与探讨

智能变电站内二次设备GOOSE网络运行状态缺乏科学有效的监测手段,使得GOOSE网络相关缺陷处理效率低下,给电网安全稳定运行了带来不良影响。本文提出了一种基于专家知识库的智能变电站GOOSE网络智能分析系统,以实现对智能变电站内二次设备的GOOSE网络在线监视和异常预警,实现二次设备运行管理从离线模式向在线分析转变,实现二次设备运维的规范化、远程化、集约化。