基于配网功率预估的输配网全局潮流计算

在输配网全局潮流计算中,当前的需求是有效减少配网潮流计算量并保证收敛精度。对此,提出一种基于配网功率预估的输配网全局潮流计算方法。首先,建立边界点交互功率预估函数,在此基础上构建主从迭代和预估迭代交替使用的输配网潮流计算模型,通过主从迭代得到配网功率和边界点电压,求解功率预估函数参数进行预估迭代,减少了主从迭代次数。在潮流迭代的过程中不断修正预估函数,使功率预估值不断逼近真实值,保证了潮流的收敛精度。采用修正函数对配网潮流计算初值进行修正,使初值更接近真实值,减少了每次主从迭代中配网子迭代次数。仿真及其分析表明,所提方法在提高计算速度方面效果非常显著,同时计算结果具有很小的误差。     

一种基于LSTM模型的电力负荷辨识方法

文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法。在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负荷事件,提取谐波分量作为负荷特征标签作为LSTM模型的输入,进而建立起内在信息间的映射关系,并依次进行模型的离线训练与负荷数据的在线辨识,实现对用电设备类型及其运行状态的精准辨识。经实验数据证明所提出的方法能准确完成对用电设备状态的辨识。