大规模风电入网下的风气火电力系统联合优化调度

建立综合考虑机组能耗成本最低、环境成本最低、火电机组平稳运行为目标的风气火联合优化动态经济调度模型。采用启发式搜索确定机组组合,避免火电机组频繁启停及过大的系统容量冗余。提出一种改进的混合粒子群算法,通过10机测试系统验证了该算法的优越性。以某地区电网为例进行仿真计算,结果验证了所提调度模型与改进的粒子群算法的可行性和有效性。     

基于负荷平衡的配电网重构遗传算法研究

以负荷平衡为目的建立了一种新的配电网重构方案的数学模型,即负荷的不平衡度以负荷平衡指数来衡量。采用遗传算法,染色体以开关的状态为基因进行编码,通过杂交、变异等操作综合分析计算出基于适应度函数的最优方案,也就是具有最小的负荷平衡指数的重构方案为最优。作为对比,计算出了负荷平衡指数较小时的网损,发现优化重构后配电网的网损也相应降低了。以三馈线IEEE16节点系统对该方法的有效性进行了验证,结果表明该方案用于配电网重构能显著改善负荷,降低网损。     

考虑能源环境效益的含风电场多目标优化调度

随着大规模风电场的并网运行,电力系统调度过程需要考虑风电的影响;而日益严重的气候变化问题和人类社会可持续发展战略,也对电力行业提出了清洁化发展的要求.在传统电力系统优化调度的基础上,引入"能源环境效益"概念对包含风电场的电力系统优化调度模型进行修正,同时     

采用体验性游戏模型的配电网运行仿真培训系统设计

将体验式学习理论和教育游戏理念引入配电网运行仿真培训系统的研发过程,利用体验性游戏模型理论建立了配电网运行仿真模型。配电网运行仿真培训系统采用面向服务的体系结构,实现了配电运行三维场景的组态式构建及仿真应用功能的灵活扩展,可应用于配电运行、检修、调试及调度人员的技能培训,改善了配电生产运行人员的仿真培训效果。     

基于等劣化理论和设备风险的检修策略优化

电力公司的重要任务是实现它的经济目标和社会责任。作为实现这些目标的最有前途的方法之一,资产管理受到了越来越多的重视。全寿命周期成本管理(LCCM)是资产评估中的一个非常有效的工具。为了使电力设备全寿命周期成本最优,针对目前关于设备检修策略的研究中存在着诸如忽略了设备检修对于设备故障率的影响以及设备在全寿命周期中可靠性在不断劣化的趋势等这类问题,本文将机械工程领域的设备等劣化理论引入到电力设备运行分析中,在此基础上,推导出了各检修周期内设备可靠度之间的关系,结合设备的风险定义以及役龄回退因子,建立了设备基于风险的检修策略优化模型。这种方法实质上是为了在设备自身价值和设备给系统带来的经济效益之间,在LCCM和设备检修之间,以及在电力系统的技术与管理之间寻求平衡点。最后文中结合一个具体算例,求得了最优检修间隔,并与传统的定期检修进行了简要的对比分析。     

输电线路故障定位的最小二乘法实现

当输电线路发生故障时，要求尽快查找到故障并进行处理后恢复供电。这就要求定位装置有尽可能高的精度。故障定位精度的高低除了受所采用的算法原理影响外，还受对所采集的数据的处理方法的影响。文中输电线路故障定位采用R-L模型的微分方程算法。由最小二乘法获得的估计在高斯白噪声条件下具有最佳的统计特性，辅助变量法在噪声系统模型未知情况下具有一致性的估计，故用最小二乘法进行估计后，再运用辅助变量法进行修正。经过数字仿真和静模试验，结果比较稳定。说明该算法抗干扰能力较强，精度满足工程要求。     

GPS同步采样装置中防止干扰GPS秒脉冲信号的措施

为削弱和消除干扰对基于GPS同步采样装置的影响，在简要介绍GPS同步采样装置的基础上，根据秒脉冲总是位于2 s交界处的特点，提出了防止干扰GPS秒脉冲信号的软硬件措施。其中，软件鉴别法简单可行，适用于CPU内部资源充足的情况下；而硬件措施节约了CPU的片内资源，适用于CPU负担较重的应用场合。试验结果表明，该方法可有效地克服干扰信号对GPS同步采样装置的影响。     

一种利用行波自然频率的杆塔故障定位新方法

为解决传统基于行波自然频率的单端故障测距方法在单相或远距离故障时测距精度不高的问题,提出了一种基于行波自然频率的杆塔故障定位新方法,该方法对主自然频率辨识精度不敏感,具备较好的抗差性能,提高了单相或远距离故障情况下的测距效果。通过辨识线路两端故障电流中的主自然频率值,并根据行波主自然频率值与故障距离间的倒数关系,由线路两端的主自然频率值之比,确定故障距离占线路全长的比例。仿真结果表明,所述方法故障定位精度高、稳定性好,定位结果不受季节、弧垂变化及故障距离和故障类型的影响,利于实际现场中故障位置的查找。     

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。     

基于虚拟现实技术的变电站仿真培训系统

介绍了虚拟变电站仿真培训系统的结构及虚拟变电站的建模方法,采用虚拟现实建模语言建立了三维虚拟电气设备及虚拟变电站,将基于MATLAB的电力系统仿真软件与虚拟变电站连接起来模拟变电站的各种运行状态。该系统不仅具有三维显示、实时交互及动态仿真等特点,还可以在PC机和Windows操作系统环境下运行,因此具有经济、高效、便于使用等优点。