融合时空特征的光伏气象因子预测模型

光伏发电极易受到天气的影响而具有波动性和不确定性,因此对气象因子的准确预测对光伏电站的运维具有重要意义。提出了一种基于深度学习的时空特征融合模型,实现对光伏气象因子的精准预测。在时间维度上,设计了一种改进的长短期记忆模块,融合注意力机制和遗传算法,得到最优注意力参数以提高预测精度;在空间维度上,将光伏电站所在区域按照经纬度划分,利用张量分解对区域内气象因子进行预测。在中国东南部某光伏系统的真实数据集上,对该模型的有效性进行了评估。结果表明,该模型在时间维度和空间维度均具有较高预测精度,同时对稀疏数据有较强的鲁棒性。     

基于瞬态油流量测量的电力变压器故障油流涌动特性

近些年,外部短路冲击导致的瓦斯保护误动事件频繁出现,在此背景下,对变压器的运行效率造成威胁.为探究外部短路故障时管道内的油流特性,在电力变压器上建立瞬态油流测量系统,开展外部短路故障测试试验.试验结果证实,短路电流引起的变压器绕组变形和振动会导致油流涌过管道.由于液体惯性,试验所测得的油流动作出现的时间延迟长可达数百毫...     

基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测

准确预测风速对风电规模化并网至关重要。为提高短期风速预测精度,提出一种基于小波分解和改进的萤火虫算法优化最小二乘支持向量机超参数的风速预测模型。首先利用小波变换将风速时序分解为近似序列和细节序列,然后对各序列分别利用一种新颖的混沌萤火虫算法优化LSSVM进行预测,最后将各序列预测值叠加得到最终风速预测值。在两种时间尺度的实测数据上进行仿真计算。结果表明,该算法较交叉验证的LSSVM, IPSO-LSSVM, WD-DE-LSSVM及BP神经网络等多种经典算法预测精度更高,表明了该算法的有效性和优越性。     

基于Petri网的智能电网故障诊断定位方法

现今智能电网相关技术快速发展,本文提出了一种基于Petri网（PN）的智能电网故障识别及定位的方法,该方法利既能检测数据传输故障,又能识别含高渗透率DG的配电系统中的故障。本文首先介绍了关于PN模型的基础理论,然后通过通过对单保护系统和电流检测器的多个PN模型进行系统组合,实现了配电网系统PN模型的设计,并通过一个示例详细地说明了故障过程与故障检测方法。最后进行了算例分析,结果证明了所提方法可大幅降低相关数据分析的复杂性。     

考虑信息物理融合的电网脆弱社团评估方法

针对目前元件级的电力信息物理脆弱性评估应用于实际大规模电力信息物理网时存在计算复杂度高和脆弱性保护配置难的问题,充分考虑网络的介观局域特征和社团结构,提出了一种考虑信息物理融合的电网脆弱社团评估方法。以电力系统潮流为边权重,采用Fast Unfolding算法对电网进行社团划分,根据电网和通信网对应分层分区建设的现状和实际耦合关系划分通信网社团,IEEE标准算例的仿真结果证明所采用社团划分方法的优越性。在不同的社团内部耦合关系下采用不同的攻击策略攻击电网中各个社团,根据整个信息物理融合系统故障后的最大连通子集指标评估电网中的脆弱社团,符合我国电网和通信网分层分区建设的现状,有利于减少计算复杂度和脆弱性保护模块化配置的难度。华中500 kV电网信息物理系统的仿真结果证明了所提方法的可行性。     

电力系统连锁故障研究综述

大停电事故的发生、发展过程通常表现为连锁故障,如何应对灾难性连锁故障、提高电力系统可靠性是目前电力系统运行与发展的主要任务之一。分析多重故障、相继故障和连锁故障的特点关系,对连锁故障进行定义。分析连锁故障的主导模式及其特点,包括过载主导型、配合主导型和结构主导型,并将大停电事故按照连锁故障机理进行分类。总结归纳连锁故障模型和控制的研究现状,提出电力系统在连锁故障仿真、连锁故障预测和连锁故障控制方面需要进一步突破的关键技术问题。