证据理论在配电网故障定位中的应用

将不同的故障指示器当作独立的传感器,利用其采集的故障信息形成不同的证据,然后通过改进的D-S证据理论对形成的证据进行融合,最后依据改进的决策原则得到最终的故障定位结果。仿真分析表明,该方法在故障信息误报或漏报的情况下,定位结果仍然可信。为基于故障指示器的故障定位方法提供了新的参考。     

农村配电网 10 kV 线路重合闸成功率的影响因素研究

重合闸是电力系统中提高供电可靠性的一种有效手段。目前,大部分的农村配电网10 kV线路都装设有重合闸装置,然而实际运行时重合闸成功率普遍不高。针对此问题,首先总结了重合闸时间整定原则,然后对影响农村配电网10 kV线路重合闸成功率的相关因素进行了详细的分析,最后依据短时停电的定义和要求,梳理了几点建议,为电力企业在提高农村配电网10 kV线路重合闸成功率方面提供参考。     

基于卫星共视技术的泛在电力物联网时间同步网

为了实现泛在电力物联网下调控中心之间、调控中心与变电站、变电站之间的高准确度跨区域时间同步,研究了基于卫星共视技术的天基时间同步网实现方法,研制了卫星共视授时装置,搭建了天基时间同步网实验系统。基于卫星共视的天基时间同步网,不仅消除卫星钟差、星历误差等影响因素而提高了时间同步的准确度,而且解决了标准量值传递的溯源问题。     

基于GA优化BP神经网络的有源配电网高阻接地故障选线方法

当配电网发生高阻接地故障时,逆变型分布式电源的接入会向零序网络中注入不平衡的谐波电流,改变原有故障特征的分布规律,导致传统高阻故障选线方法失效。考虑光伏电源接入对配电网的影响,提出了一种基于GA优化BP神经网络通过融合多种故障特征的有源配电网高阻接地故障选线方法。首先,利用Matlab/Simulink搭建谐振接地系统仿真得到选定周波的故障零序电流,根据小波包变换从中提取小波包能量熵和模极大值,并将其作为数据样本。然后,将数据输入优化后的网络中进行训练,得到能够实现智能选线的机器学习模型。最后,算例分析表明该方法较传统算法提高了迭代速度和训练精度,在多种复杂故障条件下具有良好的选线容错率,且具有一定的抗噪能力。     

考虑配电网结构变化的DG规划

为了更合理地将分布式电源并入配电网中,提出考虑配网结构变化影响的DG规划。首先采用损耗灵敏度因子对DG进行最优布置,然后建立了以最大减少系统网损为目标的网络重构与DG容量配置的综合优化模型,并通过改进的细菌觅食算法对所提模型进行求解,最后用IEEE33和IEEE69节点系统进行仿真计算。计算结果表明,考虑配电网结构变化的DG规划更加实际、有效。     

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。     

考虑容错的配电自动化主站故障定位方法

为避免配电线路故障指示器信号不健全时配电自动化主站故障判定方法失效,从容错的角度对主站定位方法进行了探索。首先分析了故障指示器故障时上报的遥测、遥信等多种信息的特点,提出了上报信息对应的故障决策表,再根据不同的决策表得到初始的故障定位结果,然后通过加性策略对初始的定位结果进行融合,得到最终的故障定位结果。最后通过算例分析,该方法适用于信息漏报和误报的情况,且能获得更加可信的定位结果,为配电自动化主站的故障定位提供一种新的思路。     

基于模糊匹配的配电网短路故障区段定位方法

针对传统10 kV配电网短路故障方法难以适应非健全信息环境的难题,文中利用配电网配用电信息系统的多源数据,以Elman神经网络模型为中心,建立基于模糊匹配的短路故障区段定位方法。首先,以配用电信息系统数据库为基础,对配电网短路故障相关的信号与电气量进行分析,建立配电网短路故障诊断特征库。然后通过I-Relief算法进行主要特征的筛选选取,来作为Elman神经网络的数据输入,并基于Elman神经网络模型对多源数据和配电网短路故障类型及位置进行模糊匹配。最后通过西南某地区实际算例分析,证明所提模型能高效快速地对10 kV配电网短路故障进行区段定位,且具有较好的容错性和实用性。     

考虑分散式资源互动响应的虚拟电厂智能化调峰定价

随着新型电力系统的提出,电网灵活性需求不断提高,传统电力调峰压力增大,而目前调峰服务逐渐市场化,虚拟电厂等概念的发展使各类分散式资源参与电网调峰成为研究热点。基于此,提出考虑分散式资源互动响应的虚拟电厂智能化调峰定价策略。基于虚拟电厂技术特性与调峰市场要求构建虚拟电厂与内部资源互动的框架,分析响应补偿机制;利用大量历史用电信息建立基于循环神经网络的资源响应行为预测模型,并以虚拟电厂运营收益最大化和调峰偏差量最小化为目标制定响应价格;采用强化学习智能化方法对调峰环境进行学习感知,并针对价格策略改进更新此方法;利用MATLAB进行仿真分析和方法对比,仿真结果验证了所提模型的有效性。     

计及网络传导能力与抗干扰能力的节点综合脆弱评估模型

网络元件受扰动后所表现出的脆弱程度是自身抗干扰能力与网络传导能力的综合表现。从元件间关联性出发,在熵权度数的基础上,考虑系统潮流分布情况和全局功率传输特性,构建以线路潮流与电气介数乘积为边权的改进熵权度数。同时结合节点负荷水平,提出网络传导能力模型,由此定义节点的网络重要性;根据系统安全裕度和元件关联作用,提出考虑线路过负荷以及节点失压危险的元件抗干扰能力模型,由此定义节点的故障风险性。采用综合脆弱评估模型对计及网络传导能力与抗干扰能力的节点脆弱性进行仿真计算,结果表明:所提模型在辨识元件脆弱时精准度更高,能更有效地反映系统节点在网络中的重要程度与抗扰程度,验证了模型的合理性和有效性。