基于关注指标和深度学习的台区配变重过载预警方法研究

针对现行配变重过载治理方法过于被动的问题,结合电力大数据和深度学习技术提出了一种适用于大规模配电网分析的台区配变重过载预测方法。首先基于配变负载特性建立重载关注指标并建立二级过滤系统筛选出重过载风险较高的台区配变及其日期作为预测对象。然后充分考虑内外影响因素,建立卷积神经网络-门限循环单元深度学习模型实现负载率预测并转化为预警等级。实例证明了所提方法的有效性。     

基于改进K-means聚类的城市配网组团规划方法

针对快速发展城市配电网规划所面临的负荷密度快速增长、用地矛盾突出等新问题,提出了一种配电网组团规划新方法。该方法以改进的K-means聚类算法为工具,结合变电站的等效圆形供电范围和变电站间的界间距,将供电范围较大的供电区域划分为若干个组团。以组团为单位分区供电,组团内部电网紧密相连,组团间互为备用,可有效控制短路电流,减小电气计算的计算量,提高电网运行灵活性。该组团规划方法在某一实际配电网中得到应用,验证了该组团规划方法的可行性。     

基于运监数据的配变重过载监测分析

文章结合云南曲靖地区配电网运维中配变重过载监测分析存在的问题,基于运监数据监测各系统之间数据的关联性对配变重过载资产规模、监测终端、关键参数等方面进行监测分析,找准问题,并针对问题提出解决方法,改善重过载治理工作现状,提高重过载设备的治理效率和效果.     

基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。     

配变重过载下的配网运营动态监控平台实时任务容错调度算法

研究配变重过载下的配网运营动态监控平台实时任务容错调度算法,以解决配网运营动态监控平台执行配变重过载监控任务时可调度性差的问题。依据分层调度思想,将实时任务容错调度划分为上层调度算法和下层调度算法,通过上层调度算法利用Logistic模型预测是否存在配变重过载情况,存在配变重过载情况时,进入下层调度算法。下层调度算法利用平台的优先级属性列表,建立平台管理机执行配变重过载动态监控任务时的有效传递函数,利用码元调制方法获取平台任务调度输出,保障配网运营动态监控平台稳定执行配变重过载动态监控任务。实例分析结果表明,配网运营动态监控同时执行30个配变重过载动态监控任务时,其容错调度成功率高于93%,验证该算法具有良好的实时任务容错调度有效性。     

基于改进K-means聚类和SBR算法的风电场景缩减方法研究

场景法是适应风电高占比电力系统优化调度的重要方法。作为场景分析方法的研究热点,场景缩减的意义在于用少量代表性场景描述大量复杂性场景特征,达到降低计算复杂度的目的。针对风电出力提出一种基于改进的K-means聚类和同步回代消除算法(simultaneous backward reduction,SBR)相结合的场景缩减方法。首先基于改进的K-means聚类算法对原始场景进行快速分类,其次针对每一类簇中的场景集合采用基于Kantorovich距离的SBR算法进行缩减。该方法可以在保证计算精度的同时,提高规模较大场景集合缩减的计算效率。最后采用我国西北某省网风功率实际数据开展实证分析,通过布莱尔分数(Brier score,BS)指标和风功率波动的高斯混合模型验证了所提场景缩减方法的有效性和优越性。     

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。     

基于K-means聚类方法和相似时段的特高压并联电抗器油温预测

为及时评估特高压并联电抗器内部的绝缘状态,提出了一种特高压并联电抗器油温预测方法.首先基于特高压并联电抗器油温曲线的"单峰单谷"变化趋势,利用K-means聚类方法将油温曲线划分为低谷时段和高峰时段2个部分.然后分析了特高压并联电抗器油温的主要影响因素,并根据K-means聚类和时间"近大远小"原则,基于气象、油温和时...     

基于K-Means聚类算法的改进

本文基于传统的K-means聚类方法提出来一种基于密度的改进K-means聚类方法。改进后的方法,首先选取数据集中密度最大的点作为第一个聚类中心点,以此为基准,选取离此点最远的点作为第二个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第三个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止。实验结果表明,本文提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路。     

基于ART2wNF神经网络和K-means算法的光伏输出功率曲线聚类

为弥补传统单一聚类方法存在的各种缺陷,提出一种将K-means算法和ART2wNF网络相结合的聚类方法来对数据进行处理,以提高数据聚类的精确性和可靠性。结合Ashland光伏电站(5 kW)2001全年的实测数据,详细说明了数据在该方法下的聚类流程,并绘制出聚类效果图,完成了对各类数据的对比分析,验证了该聚类方法的精度和可靠性。     

非晶合金配电变压器的过载性能研究

研究了非晶合金配电变压器的过载性能,通过模拟实际过载情况与基于《油浸式电力变压器负载导则》的理论计算得出了过载性能数据,给出了试验结果并进行了技术分析。     

基于相变蓄热技术的高过载配电变压器研制与应用

本文中作者提出了一种基于相变蓄热技术的高过载变压器,采用石蜡蓄热方式显著提升其抗过载发热能力,并通过试验验证了其实用价值。     

一种农网高过载配电变压器

本文中作者详细地介绍了农网高过载配电变压器的性能参数要求、设计要点、设计思路、全寿命周期计算及经济效果。     

浅谈高过载能力配电变压器的温升计算方法

本文中作者介绍了针对高过载能力配电变压器在过载时各部位温升的计算方法,对该变压器的实测与计算值进行了对比,了解了高过载能力变压器的温升分布情况。     

基于电池储能装置的配电变压器重过载治理与功率因数提升方法

针对配电变压器的重过载、功率因数低问题以及传统解决方法投资大且易造成设备利用率低的不足,提出一种在配电变压器低压侧安装电池储能装置的配电变压器重过载治理与功率因数提升方法。根据电池储能装置在配电网中的安装位置,从配电变压器的负载率和台区电压2个方面分析电池储能装置对配电网的影响;电池储能装置变换器采用电流内环解耦控制策略;基于江西某地区配电网的数据,搭建在该地区重载配电变压器低压侧投入电池储能装置的MATLAB/Simulink仿真模型,仿真结果验证了所提方法的有效性。     

关于农网高过载能力配电变压器技术导则的讨论

对农网高过载能力配电变压器技术导则进行了分析,对过载能力及过载能力试验进行了研究,对高过载能力配电变压器提出了相关的见解与建议。     

计及负荷不确定性的配电变压器重过载风险预警

传统配电变压器重过载预警方法主要基于确定性的预测,容易忽视由于负荷不确定性带来的风险影响。针对该问题,提出计及负荷不确定性的配电变压器重过载风险预警方法。首先,采用门控循环单元分位数回归算法预测配电变压器在不同分位点上的负荷水平,并结合核密度估计方法进一步得到未来负荷的概率密度函数,以提供反映负荷不确定性的预测信息;其次,通过效用函数描述配电变压器承受重过载事故的严重程度,结合电力系统风险理论,评估配电变压器可能面临的重过载风险水平;最后,根据预先定义好的标准划分重过载风险等级,进而生成涵盖风险详情的告警信息。结合广东省某地区配电网展开具体的算例分析,验证了所提方法的可行性和有效性。     

基于油色谱在线监测的变压器状态预警

分析了不同类型的数据变化与变压器内部潜伏性故障的关系。建立了变压器状态预警模型,并制定了相应的状态检修策略,提高了变压器的运行可靠性。     

基于GSM的中小型配电变压器监控系统

介绍了一种基于GSM通信的中小型配电变压器智能监控系统的设计,讨论了它的硬件组成以及抗干扰措施。