基于相量测量单元(PMU)部分观测的传输线断路故障定位

在大规模智能电网中,迅速并准确定位电力线断路故障是保证电网安全运行的必备条件.本文提出一种新颖的基于局部电气量观测来定位全网中电力线断路故障的算法,根据一定的分隔准则,将网络节点分为可观测的内部节点和不可观测的外部节点两部分,进而通过内部节点的相量测量单元(PMU)的量测数据和拓扑信息,利用观测矩阵分块和故障线路的稀疏表示,结合压缩感知的正交匹配追踪算法(OMP),以实现对外部故障线路的实时定位.通过对IEEE 118节点模型的仿真结果表明所提出的方法具有定位准确、抗噪声能力强的优点.     

基于主成分分析和凸优化的低压配电网拓扑识别方法

低压配电网拓扑结构是配电网管理系统的重要组成部分,也是各种分析计算的基础.然而,由于电力线路的重新配置、维护和检修,低压配电网的拓扑结构会发生变化,影响电网运行的稳定性和电能计量的准确性.因此,提出一种基于主成分分析和凸优化的低压配电网拓扑识别方法.该方法首先分析了低压配电网的典型拓扑结构,并基于电量测量时间序列和电能...     

基于智能电表数据的配电网络拓扑修正

在现代的智能电网系统中,一个优秀的配电网络,不仅要能稳定高效地为千家万户传输电力,而且还要能获得清晰的拓扑网络关系,这对整个电网的研究有着重要的作用。对于网络拓扑的研究,通常采用的是传统的树搜索法等算法进行拓扑关系辨识,但是这些方法的辨识效果不高。随着智能电表地普及与应用,对配电网络的辨识提供了一种有效的方法。为了得到更加精确的拓扑关系,提出一种基于智能电表数据的配电网络拓扑的修正方法,相比之下有更高的辨识效果。     

基于概率输电介数的电网关键线路辨识

现有的关键线路辨识方法大多基于确定运行状态.考虑随机波动负荷的影响,提出基于概率输电介数的辨识方法.以概率潮流为研究基础,考虑负荷不确定性建立了半不变量概率潮流模型;考虑电网拓扑结构和运行状态提出改进功率传输分布因子的改进输电介数,将两方面结合构成概率输电介数用于辨识电网关键线路.在MATPOWER环境下对IEEE30节点系统进行仿真验证、分析,仿真结果证明了本方法的合理性和优越性.     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

基于拓扑辨识的配电网故障定位算法

针对配电网存在T接点的情况,提出了基于拓扑辨识的配电网故障定位算法。该算法将配电网络的拓扑描述矩阵分析成不含区域和只含区域的矩阵描述方式,有效地解决配电网的故障区段判断;同时可以自动定位区域的顶点,适应多变的网络结构。     

基于零序电压小波包能量比的配网单相高阻接地故障辨识分析

配网高阻故障大多是架空线接触高阻抗物体引起的单相高阻接地故障,难以通过稳态特征进行识别。基于等值网络分析故障产生高频分量的原因并考虑正常状态对辨识的影响,提出一种基于零序电压小波包能量比的配网单相高阻接地故障辨识方法。利用小波包频段分解对零序电压进行能量特征提取,提取低频段能量与高频段能量的比值作为高阻故障的识别特征量。基于某10 kV配电网对方法进行测试,通过BP神经网络的辨识对比结果,证实了方法的有效性;通过中性点接地方式、拓扑结构及故障条件变化等多种因素的分析及仿真,验证了方法的适用性。     

计及检修计划的智能配电网运行风险等级划分定量分析方法

为解决计划检修导致配电网发生潮流越限和负荷损失等问题,提出了一种考虑检修计划的智能配电网运行风险等级划分定量分析方法. 首先,分析了检修计划对配电网安全运行的影响,从运维因素、外部因素、设备因素等三个方面建立智能配电网风险评估指标体系;其次,引入区间算法,采用了主客观混合评估方法进行指标赋权,并结合权重因子得到组合权重;再次,基于风险评估指标及其所占权重,获得了智能配电网运行风险值,并划分了运行风险等级,实现了对故障发生概率和影响后果的综合风险量化评估;最后,结合天津电网的年度运行数据,采用Ada-DT算法对其运行风险等级进行了相关分析,验证了本文所提配电网运行风险评估指标体系及等级划分方法的有效性. 结果表明,所提方法可有效划分智能配电网运行风险等级,辨识配电网薄弱环节并给出针对性防控措施,为计划检修人员提供参考.     

基于增量最小二乘算法的配电网状态估计

利用配电网实时量测数据和规格化的负荷历史数据,以各负荷的有功功率和无功功率的增量作为状态量,使状态量与目标函数近似线性关系,在小区间内迭代线性最小二乘法逐次逼近非线性关系,在线估计配电网用户的实时负荷。通过IEEE典型算例验证该方法可行。     

自适应神经网络及其在刀具智能监控中的应用

讨论了神经网络的拓扑结构的学习和神经元激活函数等问题,提出了自构形神经网络的概念和算法,较好地解决了隐节点数目选取问题.将自适应神经网络用于刀具加工状态智能监控的信号融合之中,取得了满意的结果.     

基于量测数据的发电机参数辨识

本文介绍了一种基于PMU量测数据的发电机参数辨识方法.文章推导了参数辨识所需方程和辨识过程,并在单机无穷大系统上进行了仿真,有很高的辨识精度,证明了该方法的有效性.     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

计及配电终端可靠性的配电网运行风险分析方法

针对现有配电网运行风险评估存在计算繁杂、误差较大和不确定因考虑不全面等问题,提出了计及配电终端可靠性的配电网运行风险分析方法。首先根据配电终端设备历史运维数据利用数据驱动与机器学习的方法对配电终端可靠性与运行状态进行评估,然后分析配电终端状态对配电网运行风险的影响,基于多目标卷积神经网络评估配电网综合运行风险,并以IEEE33节点配电网验证了所设计方法的有效性。     

基于统一特征的配电网故障诊断方法

目前的配电网故障诊断方案大多需要大量故障模拟作为支撑.随着配电网规模不断扩大，故障概率逐年增加，该类方法极易受不同故障类型及个数的限制，使得模拟计算量骤增，难以快速诊断，为此本文提出了一种基于统一特征的配电网故障诊断方法.首先利用稀疏测点电压增量关系，推导出配电网的统一故障特征；然后引入神经网络构建故障诊断模型，结合实例测试统一特征诊断方法并分析其计算量优势；最后将统一特征诊断方法推广至大规模配电网，通过撕裂法进行分区，实现各子网并行诊断.多个诊断实例结果表明，所提方法利用稀疏电压增量值即可有效诊断，其模拟次数与故障类型及个数无关，仅取决于支路条数，大大降低了计算量，且对测量数据无严格同步要求.     

分布式电源接入对配电网络重构影响分析

分析分布式电源接入对配电网络重构的影响对于智能配电网自愈控制的研究具有十分重要的意义.利用配电系统仿真程序OpenDSS,通过IEEE33节点系统的仿真发现分布式电源接入对配电网络重构产生了积极的影响.当网络正常运行时,分布式电源的接入可以提高配电网络重构可行解数量,降低配电网络重构优化解对应的网络损耗,优化了配电网运行.当网络发生故障导致不存在满足网络约束条件的拓扑结构时,分布式电源的接入可以产生网络可行解,从而保障了网络的正常供电.     

一种基于面的拓扑元素永久命名及辨识方法

通过对面的合并、分割拓扑结构演化和设计意图的分析,提出和实现一个基于面的拓扑元素新的命名和辨识方法.该命名方法采用基于面拓扑结构演化的动态命名和可变长字符串编码,将造型过程中面复杂的拓扑变化简单地通过一个可变长字符串编码描述;设置特征引用拓扑元素的实名和虚名,基于命名编码子集操作和特征拓扑相关性分析,辨识特征引用拓扑元素;并将边元素引用统一按基于面的命名和辨识方法处理.该法较好地实现了参数化特征造型中拓扑结构变化情况下拓扑元素的辩识,并成功应用于自主版权的基于历史和特征的造型软件系统--JhSolid中.     

基于蚁群算法的配电网谐波量测点优化配置

谐波量测点的优化配置能有效提高配电网谐波状态估计的可观性和准确性。结合配电网特性,确定配电网量测装置配置原则,基于配电网拓扑数学模型计算系统状态的可观性。综合考虑配电网的节点状态可观测度和冗余度建立谐波量测点优化配置的数学模型,提出应用蚁群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况择优选择。算例分析结果验证了该算法的有效性,PMU配置位置的优化减少了节点冗余度,增加了可观节点数目。     

基于图论和改进模糊遗传算法的配电网转供方法

针对复杂配电网的故障恢复问题,提出一种基于图论和改进模糊遗传算法的配电网负荷转供判断方法.首先基于图形库JGraphT进行配电网数据建模,将馈线拓扑结构和元件参数整合在一起,显式地利用配电网拓扑结构,避免了繁琐的节点编码规则和冗杂的邻接表、矩阵存储模式;基于JGraphT集成的图论算法实现快速的故障区域类型区分、网络拓扑约束判断,开发出基于图论递归运算的前推回代潮流算法;然后结合配电网特点提出改进的模糊遗传算法,动态调整遗传算法的初始解和遗传算子以提高算法寻优性能,通过对模糊输入量和模糊规则进行完善,提高遗传算法的收敛速度,避免不成熟收敛的发生;算例结果表明,文中算法在潮流计算效率和寻优效率方面均具有更好的效果.     

5G承载网下基于经验小波变换和卷积神经网络的配网故障诊断方法

配电网拓扑结构复杂、分支众多、潮流分布不平衡,且存在通信网络覆盖不完善问题,给精确故障诊断带来很大难度.首先,基于5G承载网络的分布式配电网故障诊断系统,提出了网络时延和丢包模型,测试了实际网络时延.其次,提出了基于经验小波变换(empirical wavelet transform,EWT)和卷积神经网络(convolutional neural network,CNN)的故障诊断方法,对网络传输后的录波电气量进行经验小波变换,得到不同频域分量.最后,对各分量构建卷积神经网络模型,形成EWT-CNN配电网故障诊断方法,给出故障判断报告.实验结果表明,所提出的5G承载网络下的EWT-CNN配电网故障诊断方法可有效诊断出配电网故障点,且具有很好的泛化能力.     

分布式HDP领导-跟随者系统最优一致控制研究

为研究行为未知的非线性多智能体系统领导-跟随者最优一致控制问题,针对智能体动态方程未知的情况,设计神经网络辨识器学习智能体动力学行为;构造以多智能体系统局部误差为输入的性能指标函数,将多智能体系统领导-跟随者一致性问题转换为求解智能体局部性能指标函数最优值的优化控制问题;结合自适应动态规划思想设计分布式迭代算法求解该优化问题,并讨论了算法的收敛性;设计基于神经网络的评价-执行结构分布式控制器来近似局部性能指标函数,通过神经网络学习迭代寻找局部性能指标函数的最优解,实现多智能体系统的最优一致控制策略。设计的分布式控制器能够根据智能体状态数据自适应产生控制策略,使多智能体系统趋于一致。