基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

基于潮流分布矩阵的电力系统碳排放流计算方法

电力系统是我国碳排放的主要来源。研究电力系统的碳排放理论、提高碳流分析结果的准确性,是完善碳交易市场建设、促进电力碳减排的重要前提。本文提出了一种基于潮流分布矩阵的电力系统碳排放流计算方法,旨在解决现有方法过于粗放、无法准确实现功率与碳流分摊的不足。其主要思路是结合精确潮流计算结果,采用比例分配原则,通过分析功率在网络中的流动过程,构造潮流分布矩阵,从而准确建立机组功率与节点流过功率之间的联系;然后根据发电机组类型的不同,考虑其技术水平与运行状态等因素影响,构建火电机组的精准碳排放模型。基于该模型,利用碳排放流依附于潮流的特征,将机组碳排放分摊到各节点负荷、各支路功率以及网络损耗,成功实现了电力系统碳排放流的准确追踪与溯源。采用4节点和30节点系统进行测试,测试结果验证了本文方法的正确性和有效性。     

基于图像编码与深度学习的非侵入式负荷识别方法

非侵入式负荷识别(non-intrusive load monitoring,NILM)是一种不依赖用户内部装置,仅凭借外部分析工具和手段即可实现用户用电行为自动感知的方法.提高非侵入式负荷识别的精度,对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于彩色图像编码与深度学习的电力负荷识别方法.该方法首先在传统电压-电流(V-I)灰色轨迹法的基础上,利用双线性插值技术有效解决了像素点不连续的问题;然后考虑了特征之间的互补性,通过构造电流(R)、电压(G)和相位(B)3个通道,将数值特征嵌入灰色V-I轨迹中,从而得到了蕴含丰富电气特征的彩色V-I图像;最后,采用AlexNet深度学习算法对彩色V-I图像和对应设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果表明,提出的负荷识别方法的准确率高达97.7％.该结果充分验证了上述方法的有效性.     

考虑拓扑规划与管线选型的区域综合能源系统优化配置方法

区域综合能源系统是一种集多种能源生产与转换为一体的,具有能源利用效率高、多能源协调互补以及清洁低碳为特征的综合性能源生产形式。研究综合能源系统的优化配置方法有助于系统节能减排、保障地区用能安全以及促进可再生能源大幅消纳。本文建立了含拓扑规划的区域综合能源系统优化配置模型。其基本思路是以分布式能源站为基本供能单元,通过引入电力线路与输热管道的选型和容量配置约束,将分布在不同地区的能源系统连接在一起;其次,考虑了管网损耗、容量上限以及电压幅值等因素影响,以经济性最优为目标,综合考虑投资成本、替换成本与设备残值收益,构建了面向多区域能源互联系统的混合整数线性规划模型。算例测试结果表明,本文建立的规划模型可以有效减少冗余设备的安装容量,提高规划方案的经济性以及系统的综合能效,对于多区域综合能源系统的规划及建设具有一定的参考价值。     

含储能装置的园区综合能源系统三级协同规划设计方法

研究综合能源系统的配置和优化策略对于保障区域用能平衡、降低系统投资成本、提高运行的经济性具有重要的意义和价值.提出了含储能装置的园区型综合能源系统的三级协同规划方法,首先将综合能源系统的设计过程划分为设备选型、容量配置与运行优化三个阶段;然后根据各阶段之间的递进和耦合关系,采用系统级的建模方法,对各类设备的选型与运行约束进行总结和提炼,并引入储能装置约束,从而形成了结构简洁、约束紧凑的综合能源系统规划模型.针对该模型中的非线性函数项,引入了辅助变量和约束,将其等价转化为易于求解的混合整数线性规划问题.最后,分三种情形对某园区待建综合能源系统进行优化配置.算例测试结果验证了所提模型和方法的有效性.