变电站二次接线图纸连接关系智能识别算法研究

在研究了变电站二次接线图现有图纸的绘图规则的基础上，采用YOLO目标检测算法进行目标检测，基于电力历史图纸，训练得到最佳的检测模型，进一步识别获取图纸中的端子排号以及端子号；利用语义分割判断出图纸中的端子间的连接关系，从而建立图纸中的端子排信息的数据台账，最终生成计算机可读的二次回路端子台账，为工作人员检索和现场识别提供了准确的接线信息，避免了重复的人工劳动，保障电网端子排接线及校核工作的高效运行。     

基于人工智能图像深度学习技术的二次回路智能校核系统研究

通过人工智能图像深度学习技术，实现了电力系统二次回路的智能校核。对二次系统图纸、现场照片或视频等图像素材进行机器深度学习，提取图像中的端子接线、二次元件标签标识等元素，结合二次回路设计相关规则和技术要求，实现对二次回路图实一致性智能核对，达到用机器代替人工，减少人力投入，消除作业人员主观因素干扰，提升校核工作质量的目的。基于AI图像深度学习技术的二次回路及定值智能校核系统的开发，将作为电网运行检修的强有力的辅助手段。     

基于运行层面相关性场景的含风机配电网多目标无功优化

针对含间歇性分布式电源(distribution generation,DG)配电网的无功优化问题,研究了基于运行层面相关性场景的配电网多目标无功优化模型及决策方法。从运行层面对风速和负荷进行了不确定性建模,构建了运行层面的相关性场景;以静态电压稳定性最好、网损期望最小和电压偏移期望最少为目标函数,建立了含间歇性DG配电网的多目标无功优化模型,并提出了基于优先级的多目标决策方法进行最优非支配解的选取。算例验证了所提方法的有效性,结果表明:基于运行层面的相关性场景构建方法可提高配电网的无功优化性能,基于优先级的多目标决策方法可根据系统实际运行状态动态调整目标偏好,从而保证系统运行稳定、经济及优质供电。     

基于负荷分类增长的分布式风电源与电容器联合动态规划

研究了分布式风电源(distributed wind generation,DWG)和电容器联合规划问题。考虑了不同节点负荷增长差异,并按行业对负荷分类;基于时序耦合多场景技术,以DWG和电容器安装时间、地点和容量为控制变量,分别以规划期利润和时段场景效益最大为目标函数,建立了DWG和电容器的双层联合动态规划模型。算例仿真结果表明,DWG与电容器联合动态规划可保证系统电压约束,实现整体效益的最大化;负荷分类增长方式能更好模拟实际运行环境,从而进一步优化规划方案,降低系统网损;负荷增长速率对规划结果影响较大,因而负荷的准确预测对规划至关重要。