基于Bagging二次加权集成的孤立森林窃电检测算法

随着智能电网的高速发展,窃电方式呈现多样化,窃电数据也具有难以标注且样本类不平衡的特征。针对窃电数据无标签且类不平衡的窃电检测问题,提出一种基于Bagging二次加权集成的孤立森林窃电检测算法。首先,通过分析居民和商业用户存在的窃电模式,基于孤立类间相似度最低准则,对各类窃电模式的孤立特征顺序进行优选并训练对应的孤立森林模型;其次,使用加权投票法获得二次集成孤立森林模型,实现了窃电模式不平衡分布条件下的窃电检测。对7种常用学习算法和Bagging异质集成学习算法进行了比较,仿真实验结果表明所提算法的孤立特征顺序优选策略有效提高了无标签且类不平衡条件下的窃电检测效果,二次加权集成策略提高了窃电模式不平衡分布条件下的窃电检测效果。     

基于综合阻抗序分量的孤岛检测新方法

由于传统被动式孤岛检测方法存在较大盲区,而主动孤岛检测方法对电能质量有一定影响,针对此问题,提出了一种基于综合序阻抗的孤岛检测新方法。该方法将传统阻抗方法中的突变量改为逆变器并网点的综合阻抗序分量,检测PCC点处综合阻抗序分量的变化,当其值超过限定范围时,判定为发生孤岛现象。最后,利用PSCAD搭建单PV光伏并网发电逆变器系统模型,基于该模型,获得仿真数据,然后利用Matlab对仿真数据进行处理,对所提孤岛算法进行仿真验证,仿真结果表明了理论推导的正确性及所提出孤岛检测方法的有效性。     

基于阻抗测量的分布式光伏孤岛检测方法

针对分布式光伏并网点孤岛检测问题,提出了基于阻抗测量的分布式光伏主动孤岛检测方法,通过在并网点加入信号发生器,引入高频信号,主动判断系统阻抗变化,进行微网或光伏孤岛检测,优于目前通用的被动式孤岛检测算法,从而消除检测盲区。最后对主动孤岛检测算法进行仿真,分析可知基于阻抗的孤岛检测方法可有效规避检测盲区,提高孤岛产生时的电网运行安全性,且高频电压信号的引入对原有分布式光伏正常运行无明显影响。     

运行条件下GIS局部放电严重程度评估方法

运行条件下气体绝缘组合电器(gasinsulatedswitchgears,GIS)的局部放电检测已取得了大量的应用,但对于检测到局部放电信号的严重程度评估仍然是亟待解决的难题。利用变电站现场GIS的局部放电检测数据,结合长短时记忆网络(long short-term memory network,LSTM)和Bagging集成学习方法,提出一种运行条件下GIS局部放电严重程度评估方法。先明确了用GIS设备未来1个月内的故障概率来定义局部放电严重程度,并基于该定义对大量的变电站现场检测数据确定了数据标签,建立了数据集。针对数据样本不均衡,利用Bagging集成学习方法将N个LSTM深度网络构建成适用于局部放电严重程度评估的集成学习模型。通过对由局部放电数据特征值、局部放电技术影响因素、设备运行信息等组成的特征向量进行分析,模型最终可以输出局部放电严重程度评估结果。通过与普通LSTM网络、反向传播神经网络(backpropagationneuralnetwork,BPNN)以及Bagging-BPNN方法的对比,以及变电站现场检测案例分析,结果表明所提方法可以有效地对运行条件下GIS局部放电进行严重程度评估,易于实施,与普通LSTM、BPNN和Bagging-BPNN相比评估结果的可信度更高。     

基于Adaboost算法的并网光伏发电系统的孤岛检测法

目前光伏并网发电系统的孤岛检测多采用主、被动法结合的方法,然而无法有效确定参考电气量的阈值,导致孤岛检测存在死区,同时也可能影响电能质量。基于此,提出了一种基于Adaboost算法的智能被动式孤岛检测方法,通过仿真建立光伏系统并网和孤岛运行的数据库,提取可判断并网和孤岛运行两种状态的特征量,利用Adaboost算法建立判断并网和孤岛运行状态的二分类模型,应用该模型根据某一运行状态下的特征量对其进行分类。该方法需要建立比较完备的数据库,选择合适的电气量作为判据。该方法避免了传统孤岛检测法各电气量阈值无法确定的问题,不引入扰动信号,不干扰电能质量。最后通过仿真验证了其检测孤岛的可靠性。     

基于REST和IEC61970的智能电网数据集成方法

针对电力系统信息不能互联造成的信息孤岛现象,根据智能电网信息平台一体化要求,在IEC61970标准的基础上提出一种基于REST架构风格的数据集成方案。通过定义公用信息模型(CIM),统一了电力系统中各种数据格式。采用REST架构风格构建轻量级Web服务。算例分析表明,所提方案能够有效地实现智能电网数据集成,提高了系统的可扩展性和应用性。     

基于XGBoost算法的并网光伏系统智能孤岛检测方法

目前常用的孤岛检测方法中,依然存在着难以有效确定电气特征量阈值的问题,从而导致检测盲区的产生,部分主动式检测方法还会对电能质量产生一定的影响.基于此,提出了一种基于XGBoost算法的智能孤岛检测方法,通过Matlab/Simulink仿真建立光伏系统并网和孤岛运行模型,提取相关电气特征量组成数据库,再利用XGBoost算法训练生成二分类预测模型.该方法对阈值的划分是根据系统自身运行情况由算法智能确定,改善了传统孤岛检测方法阈值整定困难的问题,同时通过对多个电气量的综合判断,使得检测盲区不易相互重叠,大大提高了检测的准确率,并且不会影响电能质量.最后利用仿真模拟进行验证并与5个常用的智能检测方法进行对比,结果表明该方法具有一定的优势和可靠性.     

应用于微电网光伏并网逆变器的孤岛检测

光伏发电系统以微源形式接入电网,是解决能源及分布式接入问题的一种很好的方式,而孤岛检测能力是关系微电网安全稳定运行的关键问题之一。通过分析几种传统的并网逆变器孤岛检测方法,提出一种基于小波分析的clark-park孤岛检测法,该方法检测快、精度高且克服了检测盲区及谐波污染问题,最后通过仿真对比验证了其有效性和优越性。     

可视化电能质量监测系统的构建与应用

针对传统电能质量监测系统无法直观地用于电能质量问题的分析与处理,提出了基于SVG和IEC61970标准的可视化电能质量监测系统。通过分析采样数据与分析数据,利用SVG图元与监测设备的关联关系,将SVG元数据标签、text标签与分析指标数据关联,并将多个分析模块智能地集成到可视化平台中。在不对SCADA系统的CIM/XML数据源做任何修改的情况下,仅对电能质量监测系统各模块作简单配置修改,即可实现能够快速、直观定位电能质量问题的、集成的可视化电能质量监测系统。     

基于可解释性XGBoost的电力系统惯量短期预测方法

对于新型电力系统,提前预测系统惯量水平是消除系统惯量薄弱风险的重要前提。而预测所使用的机器学习模型大多是“黑箱”模型,存在可解释性不足的问题。为此,提出了一种基于可解释性极端梯度提升算法(extreme gradient boosting, XGBoost)的电力系统惯量短期预测方法。该方法根据系统惯量响应特性分析,选择电力系统运行数据和气象数据作为输入特征。基于SHAP归因方法构建可解释性XGBoost的解释机制,通过计算Shapley值来量化各特征的重要程度,从而对模型预测结果进行多维度解构分析。以实际系统为例进行实证分析,结果表明,所提方法能够有效地预测电力系统短期惯量以及解释特征对预测的影响。     

基于点估计法的有源配电网概率可靠性评估

分布式可再生能源的接入增强了配电网可靠性的不确定性,而应用现有方法进行的配电网可靠性评估无法全面反映孤岛内电源和负荷的随机波动性,为此提出了基于点估计法的有源配电网概率可靠性评估方法。以蒙特卡洛模拟法为框架,首先确定有源配电网故障分区,建立孤岛随机变量概率模型,其次通过基于点估计法的独立随机变量非线性变换方法,对孤岛概率可靠性进行评估,最后将多次模拟故障的可靠性结果概率叠加,得出系统概率可靠性指标,实现了对有源配电网可靠性的全面评估和分析。通过对改造的IEEE RBTS Bus6中的多分支馈线模型进行仿真计算,验证了此种评估方法的有效性和准确性。     

具有增量学习能力的智能孤岛检测方法

基于机器学习的智能孤岛检测方法能有效地提高防孤岛保护的性能,但现有方法皆采用离线学习方案,对配电网因运行条件变化而导致的概念漂移现象缺乏自适应性。提出了一种具有在线增量学习能力的孤岛检测方法。首先,提出利用保护自采数据以及数据采集与监视控制(SCADA)系统采集的开关状态构成原始样本,并基于增量聚类方法进行样本筛选,实现有效样本的在线积累;然后,以各子样本集对系统最新状况的分类性能作为竞争准则,提出了一种样本集的优选方法,并利用加权支持向量机完成了增量学习。仿真结果表明,所提方法能够自主探测概念漂移的发生并进行持续的学习,有效地提高了孤岛检测的准确性和自适应性。     

基于能量谱分析的被动式孤岛检测方法

提出了一种新的基于信号能量谱分析ESA(energy spectrum analysis)的孤岛检测方法,并对所提出的检测特征量在孤岛发生前后的变化进行了深入分析,对ESA方法的孤岛检测有效性及抗扰动性进行了仿真及实验验证。实验结果表明,ESA方法在分布式发电单元与本地并联谐振负载间存在功率匹配,传统过/欠电压、过/欠频率方法落入盲区内时仍可有效识别孤岛,检测需时远小于IEEE 1547-2003标准所规定的时间,且不易受系统暂态过程影响;同时,由于没有向系统中加入扰动信号,不会对电能质量产生影响。     

基于SVG功率因数调节的光伏电站集中孤岛检测法

传统的主/被动式孤岛保护法应用于光伏电站孤岛检测时存在孤岛检测死区。文中首先分析孤岛前后电压和频率的变化情况,以及传统主动孤岛检测法应用于光伏电站时的失效机理,提出基于静止无功发生器(SVG)的集中防孤岛保护策略。根据光伏电站集中无功补偿的结构特点,在光伏电站低有功功率输出可能与本地负载功率匹配时,控制SVG输出的无功功率使得功率因数小幅波动,导致光伏电站系统输出的无功功率与本地负载消耗的无功功率不能匹配,以此来集中检测光伏电站的孤岛。理论分析和仿真验证结果证明该方法可以无死区检测孤岛。     

基于频率-功率因数角组合判据的新型孤岛检测法

为解决传统的孤岛检测方法难以兼顾电能质量和检测效率的问题,在综合分析孤岛前后孤岛内公共耦合点的频率和功率因数角之间变化关系的基础上,推导出了两者的定量关系,提出了一种基于组合判据的新型孤岛检测方法。该方法将频率变化与功率因数角的变化相结合,提高了判据的灵敏性,并且通过延时提高了新方法的可靠性。仿真证明,相对于传统的被动式孤岛检测法,在不同性质的本地负荷下,新方法具有较高的检测效率,且在系统发生扰动时,有较高的鲁棒性。新方法是一种被动法,在系统并网运行时不会影响电能质量。     

含分布式电源的复杂配电网故障恢复

考虑到实际配电网复杂多变及负荷等量测数据大量缺乏,建立基于等效负荷的配电网简化模型,减小了计算时间,并可以反映配电网的潮流分布。提出了一种针对含分布式电源的复杂配电网故障恢复方案,当配电网发生故障引起大面积停电时,首先在已知分布式电源容量的情况下确定各孤岛系统的最佳供电范围,转入孤岛运行模式以保证重要负荷的持续供电,然后依据启发式规则对剩余失电网络进行供电恢复并利用改进支路交换法对恢复后的网络进行重构优化,使得失电负荷和网损都尽可能少。算例表明,提出的方案能够有效地解决含分布式电源的配电网故障恢复问题。     

小波熵和BP神经网络在孤岛检测与扰动辨识中的应用

传统的孤岛检测在受到电网扰动时可能导致误判,从而将光伏系统切除,所以孤岛检测技术必须具备区分扰动与孤岛的能力。将小波变换的多分辨率分析与信息熵技术结合,提出基于小波熵和BP神经网络的孤岛检测技术,该检测技术在符合国际标准中对孤岛检测的标准要求的同时．能够有效区分电网扰动与孤岛现象的内在不同。仿真实验表明该方法具有较高的准确性。     

一种快速小盲区的主动移频式孤岛检测方法研究

针对光伏PV并网发电系统中孤岛检测速度、检测盲区等问题,提出了一种快速小盲区的带正反馈的主动频率偏移检测方法。该方法根据第0个检测周期的公共耦合点PCC的电压频率与电网电压额定频率之差来确定初始斩波因子及施加扰动方向;并对第i个检测周期以前PCC点电压频率变化量分别取绝对值后进行累加,将累加值作为正反馈量施加至PCC点,在规定的检测周期内,完成孤岛的检测。采用Qf0×Cnorm坐标系对算法的检测盲区进行描述,利用Matlab/Simulink对孤岛检测性能进行仿真分析。结果表明:相比AFDPF法,新方法在满足并网电能质量的同时,具有更小的检测盲区;对感性负载的孤岛检测时间缩短至0.06 s,对容性负载只需0.04 s即可检测出孤岛;孤岛检测结果符合我国孤岛检测标准要求。     

基于双向谐波电压变动的光伏并网孤岛检测

针对传统的被动式光伏并网孤岛检测存在的检测死区问题,提出一种基于双向谐波电压变化量的光伏并网孤岛检测方法。通过分析孤岛前后谐波电压的变动及传统谐波电压检测法的失效机理,提出基于双向谐波电压的孤岛检测策略。利用加窗傅里叶变换同步计算光伏集中并网发电系统送出线路电流及所接母线电压的谐波,从而获得各次谐波功率;由并网运行时谐波功率的正负极性判断各次谐波源方向,并根据正、负最大谐波功率值选择系统侧、光伏侧谐波的特征频次;利用滑动加窗傅里叶变换分析这2个频次的母线谐波电压变化量,建立孤岛检测判据,若系统侧谐波电压减小量和光伏侧谐波电压增加量均满足判据,则发生孤岛。仿真结果验证了所提方法的有效性。该方法不影响并网逆变器输出的电能质量,且能在较严重背景谐波下有效检测孤岛,检测死区较小。     

基于周期交替电流扰动的孤岛检测方法

对于分布式电源并网系统,当电网断电时可以使用主动频率偏移法检测孤岛效应。但是,若在非检测区内电流扰动角与负载角相匹配,则主动频率偏移法将出现无法识别孤岛效应的问题。针对上述问题,文中提出了一种新颖的基于周期交替电流扰动的孤岛检测方法。在保证扰动电流与公共耦合点电压同步前提下,前一个周期扰动电流频率向上偏移,当前周期扰动电流频率向下偏移。根据公共耦合点电压频率是否周期高低交替变化来识别孤岛现象。经过仿真和实验验证,该方法不但可以准确识别孤岛效应,而且解决了主动频率偏移法存在的非检测区问题。