基于统计数据的开关设备故障诊断模式分析北大核心CSCD

随着我国电网规模的快速发展,电网运维环境变得愈加复杂。开关设备作为变电环节中的重要设备之一,采取合理有效的手段对其进行故障诊断模式分析,能够起到预防设备故障发生、减少设备维修时间、提高设备维修质量、节约设备维修费用等积极作用。针对现有的开关设备故障诊断方法无法满足复杂多变的新型电网运维需求的现状,文中基于某生产厂家实际投运的11种型号10 kV真空断路器在运行中的故障统计数据,结合一种广泛应用在航空航天等机械领域的故障诊断方法FMECA(failure mode,effects and criticality analysis)对获得的数据进行统计分析。分析结果包括设备每个部位的故障发生原因、危害程度、发生故障的可能性,并给出针对性的故障解决办法,从而指导产品的设计/生产/运维过程,能够有效减少设备故障发生概率。结果证明,其他领域中成熟故障分析方法经过合理的运用,依旧能够指导开关设备的故障诊断模式分析,这为学者们寻找新型开关设备故障模式分析方法提供了新的思路。     

基于随机矩阵和支持向量机的两阶段配电网综合优化

无功优化对保障电力系统安全、经济运行具有重要的意义。提出了一种考虑重构的基于随机矩阵和支持向量机的两阶段配电网综合优化方法,先确定当前配电网的拓扑结构,再确定无功优化控制策略。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将传统无功控制策略和开关状态作为输出,利用支持向量机学习系统特征与优化运行策略之间的非线性映射关系,建立基于两阶段支持向量机组合决策的配电网综合优化模型。基于改进的IEEE-37节点主动配电网仿真模型,对比分析了传统优化方法、场景匹配方法和所提方法的优化效果。结果表明,所提方法可进一步提高优化效果,实现了无功优化与配电网重构间的协调控制,不需要配电网的模型和参数,在线决策速度快,为基于大数据的配电网优化运行提供了一条新途径。     

基于集成深度置信网络的精细化电力系统暂态稳定评估

为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。     

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。     

基于自由熵理论和智能场景匹配的 配电网无功优化

无功优化对保障电力系统安全、经济运行具有重要的意义。提出了一种基于自由熵理论和智能场景匹配的配电网无功优化方法。介绍了适用于配电网场景匹配和无功优化的自由熵指标的构建方法,基于自由熵指标进行智能场景匹配,从历史数据库中快速找出与待优化时刻最为接近的场景,并将其对应的控制方案作为待优化时刻的无功优化方案,以减小有功网损和节点电压偏移。最后,采用Matlab+Open DSS建立了IEEE37节点的主动配电网仿真模型,并增加了光伏/风电分布式发电和电动汽车等随机负荷模型,算例结果验证了所提方法的有效性和优越性。     

基于两阶段集成深度置信网络的电力系统暂态稳定评估EI北大核心CSCD

随着人工智能的发展,深度学习技术开始应用于电力系统暂态稳定评估,但面临着模型结构选择和评估性能优化等困难。为充分发挥深度学习的优势,提出一种两阶段集成深度置信网络(deep belief network,DBN)的评估方法。第1阶段预测故障后电力系统的暂态稳定性,由于输入特征和模型结构对暂态稳定评估的影响较大,选择原始电气特征、人工经验特征和堆叠降噪自动编码器提取的特征分别作为输入,训练不同结构的DBN模型,按概率集成机制,建立集成DBN模型,并评价结果的可信度。第2阶段,利用DBN暂稳程度回归预测模型进一步评估可信样本的稳定或失稳程度。在新英格兰10机39节点系统上的仿真结果表明所提方法预测精度高,具有良好的故障筛选性能,同时还能准确衡量可信样本的稳定或失稳程度,为后续控制提供可靠的参考信息。     

直扩序列射频调制无线通讯发射机的FPGA实现

基于现场可编程门阵列(field-programmable gate array,FPGA)设计了一种适用于无人电力设备监控的直扩序列无线通讯发射机.在FPGA中首先对数据进行编码、成帧,然后用伪随机m序列对基带数字信号进行数字调制以完成数字扩频.扩频后的数字信号对射频载波直接进行QPSK调制,然后送到天线发射出去.实...     

基于李雅普诺夫优化框架的风光储独立微网实时优化调度策略

微电网是整合分布式电源、储能和负荷的重要形式,对提高能源利用效率和系统运行经济性具有重要作用。针对独立微网新能源发电功率的不确定性,文章提出了一种基于在线优化思想的风光储独立微网实时调度策略。有别于传统微电网调度结合历史数据或预测数据生成调度策略的思路,文章基于李雅普诺夫优化框架,以新能源发电随机变量的实时取值作为唯一信息源,以长期收益期望最大化为目标,逐时段求取满足系统约束的实时优化调度策略。算例分析结果表明,文章所提出的在线调度策略与基于完全信息的离线优化调度策略所获长期平均收益之差控制在很小的范围内,可以有效保障独立微网运行的经济性。     

基于数据驱动和深度置信网络的配电网无功优化

随着分布式电源和随机负荷电动汽车等的大量接入,配电网的运行环境日益复杂,对在线无功优化及其快速性提出了更高的要求。该文将"深度学习"引入配电网无功优化,提出了基于深度置信网络的无功优化方法。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将历史控制策略进行编码作为输出,利用先无监督后有监督的方式训练深层架构,学习系统特征与无功优化策略之间的映射关系,建立基于数据驱动和深度置信网络的配电网无功优化模型。基于改造的IEEE-37节点主动配电网仿真模型,对比分析了历史数据量和分布式电源渗透率场景对传统优化方法,场景匹配方法和所提方法的无功优化效果的影响。结果表明,所提方法可明显降低网络损耗和节点电压偏移,它不依赖于系统的模型和参数,在线决策速度快,且对历史数据量要求较低,在高渗透率分布式发电等未知场景下仍能表现优良,验证了该方法的正确性、有效性和较强的鲁棒性。     

一种无功功率扰动的孤岛检测新方法

在分布式电源接入配电网规模逐渐增大的环境下，为减少正常并网时无功功率扰动向电网带来的电能质量影响，提高扰动情况下孤岛检测的精度。提出一种小波包模糊熵和无功功率扰动相结合的孤岛检测算法。该方法利用小波包变换和模糊熵对公共耦合点（point of common coupling，PCC）电压信号中孤岛状态的高频分量特征信息进行提取和放大，实现对疑似孤岛状态的标定；注入无功功率扰动使孤岛发生后的频率快速偏移直至越限。利用PSCAD和Matlab进行仿真和数据分析，对所提算法的准确性和抗干扰性进行仿真验证。结果表明：所提方法不仅能在多光伏接入配电网系统中准确检测出孤岛现象，还能有效地防止非孤岛扰动情况下发生误判。