基于广义深度学习的含DG配网故障诊断方法

针对传统故障定位方法难以满足含分布式电源配电网的问题,提出一种基于广义深度学习的故障定位方法。利用广义深度学习在逼近能力和容错性方面的优势,挖掘响应数据与故障位置之间的映射关系,建立含分布式电源配电网故障定位的模型。IEEE34节点仿真结果表明,该方法可有效实现含分布式电源配电网的故障定位,准确率高,速度快,且在信息畸变或缺失时容错性好。     

基于改进非支配排序遗传算法的含DG配电网优化配置

分布式电源的接入对配电网中潮流分布、有功损耗和电压分布有很大影响。针对含DG配电网运行优化问题,建立了以DG最大出力、有功网损最小及电压偏差最小的多目标优化模型,提出一种改进的非支配排序遗传算法求解分布式电源的最优化有功出力。在NSGA-Ⅱ算法基础上改进了非支配排序策略、选择截断策略,采用改进的NSGA-II算法求解含DG配电网优化控制问题。通过IEEE33节点算例分析,结果表明该模型可以在分布式电源最大出力、有功网损最小及电压偏差最小方面,较为全面地实现配电网分布式电源的优化控制。     

基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法

广义短路比能有效反映多馈入直流系统受端交流电网的强度,其计算通常基于直流馈入节点处受端交流电网的戴维南等值导纳矩阵,忽略了交流电网各元件动态对电网强度的影响。本文提出了一种基于暂态数据戴维南等值参数辨识的时变广义短路比计算方法,将隐含系统元件动态特性的端口节点电压与注入端口节点功率作为辨识数据,基于多端口戴维南等值模型与最小二乘法辨识受端交流电网时变导纳矩阵,进而计算出时变广义短路比,准确地反映了系统动态对受端交流电网强度的影响。最后,以单馈入直流系统算例验证了方法的精确性,以某省级电网算例验证了其实用性,分析了负荷动态特性对时变广义短路比的影响。     

基于混沌RBF神经网络的汽油机瞬态工况油膜参数辨识研究

提出了基于混沌径向基(RBF)神经网络的汽油机瞬态工况油膜参数辨识方法。利用混沌优化算法确定隐含层高斯函数径向基中心和输出层连接权值,使其达到全局最优,有效地提高RBF神经网络的收敛速度;同时,利用混沌算法训练RBF神经网络,使目标函数取全局最小值或逼近全局最小值,有效地提高辨识模型的辨识精度,并与BP神经网络模型及最小二乘法辨识进行了分析和比较。仿真结果表明:混沌RBF神经网络模型收敛速度快,具有更强的非线性辨识能力,能够有效地提高油膜动态参数的辨识精度,进而得出不同工况下的油膜参数动态特征。     

工频变化量距离保护在含DG配电网中的应用分析

针对分布式电源的接入使配电网中各个支路的电流流向及大小复杂化,对传统电流保护造成很大影响,分析了工频变化量距离保护在含DG典型配电网故障时的动作情况.结果表明,工频变化量距离保护方向性明确、动作快速,其可靠性、灵敏度等性能均优于配电网传统的距离保护和电流保护,适于35 kV及以下电压等级电网.分析了电动机馈送短路电流对工频变化量距离保护的影响,大型电动机与DG在配电网故障时表现相似,工频变化量距离保护同样可正确动作.     

基于MMPSO算法的风电场多机等值模型参数辨识

为了解决基于容量加权法的风电场等值模型参数难以充分反映风电场全部运行状态的问题,文章针对多机等值模型进行了参数辨识。首先,以电网侧故障为激励,根据各等值机组参数的轨迹灵敏度大小区分关键参数和一般参数。然后,采用改进的多粒子群优化算法分步辨识电气与控制器部分的关键参数。最后,通过仿真分析了各等值机组参数轨迹灵敏度大小与输出功率的关系及其变化规律,得到了参数修正后具有更优动态性能的多机等值模型。     

考虑受端励磁系统的交直流稳定性分析

直流输电能否安全落地不仅与自身的控制方式与参数相关,还与受端系统紧密相联。在稳定分析时,受端系统戴维南等值模型固定,不能反映受端的调节能力,其支撑能力的强弱未能体现。考虑受端励磁系统的作用,详细分析了其对直流输电系统的影响,指出励磁达到极限时,受端系统负荷波动导致戴维南等值发生变化较大,随即影响直流输电系统的安全性。修改的IEEE39节点系统证明所提方法的有效性。     

基于多代理系统的含DG辐射状配电网故障定位

分布式电源（DG）的高渗透接入使配电网结构发生了改变,导致传统的配电网故障定位算法失效。基于含多DG辐射状配电网拓扑结构的特点,构建多代理系统的配电网故障定位框架,该系统主代理根据子代理上传的电源端故障量测量建立RBF神经网络故障测距模型,估计各电源端到故障点的故障距离,考虑上传量测量误差对相邻线路分界点故障定位的影响,应用相邻线路故障信息修正故障线路定位信息;子代理根据主代理下传的故障线路定位结果,利用并行线路首端过流信息校验故障线路。基于MATLAB/ SIMULINK搭建32节点配电系统仿真模型,分析不同故障距离、不同故障位置（包含相邻线路分界点附近、分支线路）的故障测距结果和故障定位结果的正确性,结果表明,RBF模型的测距精度高,基于多代理的故障定位方法能够精确定位故障位置,且定位结果不受量测量误差与分支线路的影响。     

用于励磁控制器参数优化的发电机外部动态等值系统参数辨识

针对静态等值系统不能完全反映近端机组对被研究发电机的动态影响,提出了一种动态等值系统,即将远方复杂的大电网和近端同母线机组分别等值为无穷大母线和动态机组,通过Matlab编程搭建了动态等值系统,提出了穷举辨识算法,仅根据研究发电机机端数据即可辨识出动态等值系统的参数,并通过大电网数据辨识及PSS参数优化验证了动态等值系统参数辨识的有效性。     

基于响应的电压稳定性评估和控制方法

提出了一种根据电力系统网络节点的实时信息评估系统电压稳定性的方法,当系统电压稳定裕度较低时,根据全网响应信息获得相应的切负荷量。该方法基于两节点电力系统等值网络,得到了系统电压稳定性的评估指标;从系统等值网络的等值过程出发,将节点等值负荷分成自身负荷和转移负荷两部分,推导了该节点电压稳定性的评估指标与有功负荷量之间的关系式,从而获得了该节点在满足一定电压稳定指标情况下的最大有功负荷量,进而得到该节点所需要的切负荷量。该方法首先利用电压稳定性的评估指标在线监视电网中各节点的电压稳定性,辨识危险节点;当系统电压稳定性不满足要求时,根据全网的电压、电流量等响应信息计算危险节点需要的减载量。在IEEE14节点系统和IEEE24节点系统下的仿真结果表明,所提方案能够保证电网的电压稳定性。     

一种基于神经网络的配电网作业风险辨识方法

配电网作业工作次数多且工作面覆盖广,作业时易发生人员人身触电、设备损坏等电力安全事故事件,为了维护作业人员安全及电网稳定运行,有必要开展作业风险辨识及预控研究。基于此,论文根据配电网作业任务及相关标准文件建立作业单元和风险预控的数据库,采用深度神经网络训练作业单元和风险预控基础数据,建立对应关系。实测表明该方法能够有效辨识作业风险,降低现场违章作业次数,提高配电作业施工安全。     

基于相关分析的汽轮机调节系统参数辨识研究

参数辨识是实现汽轮机的自适应控制和调节系统状态监测与故障诊断的重要手段之一。在简要介绍了相关辨识的基本原理之后,将其应用于汽轮机调节系统的参数辨识。数值仿真结果表明,相关辨识可以实现汽轮机调节系统的参数辨识,得到比较准确的系统组成环节的时间常数和参数。     

基于Petri网的含DG配电网区域故障定位新方法

针对含DG配电网区域保护中故障定位存在矩阵运算计算量大、耗时长等不足问题,提出了一种基于Petri网区域保护的故障定位新方法。在非故障时段,利用SCADA系统所汇集FTU的信息,在故障前更新网络拓扑,减小了定位耗时;当故障发生时,根据保护采集的故障信息,通过对PN模型中位置的不同定义,将故障定位问题转换为对锁定单一AFTU的Petri网求解问题,避免了不断修改矩阵参数;通过分层2次定位,减小了单次定位矩阵运算维度,进一步提高区域保护的速动性。通过详细的分析和仿真验证,结果表明：该方法有效提高了区域保护的通用性、简易性、快速性和准确性,具有高的实用价值。     

基于相关分析的汽轮机调节系统参数辨识的试验研究

通过现场试验对相关辨识应用于汽轮机调节系统的参数辨识进行了研究，结果表明机组并列运行时，利用同步器给定斜坡保持信号实现激励能够很好地实现系统的参数辨识，获得比较准确的系统和环节的时间常数与参数；证实了相关辨识应用于汽轮机调节系统参数辨识的可靠性和准确性，为系统的在线辨识和状态监测提供了可能。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

基于配电自动化终端的含DG配电网故障定位优化算法

针对故障定位传统矩阵算法在含分布式电源配电网适用性变差,在未考虑实际馈线中含有不同类型终端及信息漏报情形下,需再次获取节点信息二次构造网络描述矩阵和难以处理T接线误判的问题,提出一种故障定位优化矩阵算法,该算法基于故障设备一定只含过流流入特性,建立新的设备故障判据,提出运用特殊量标记相关终端告警信息,通过类矩阵初等变换...     

基于分层分区的含DG配网故障恢复策略

为实现计及DG随机性出力的主动配电网分层分区故障恢复,建立了基于DG时段出力模型的主动配电网故障孤岛划分策略,并建立了主动配电网故障两阶段恢复模型,第一阶段综合考虑负荷的波动性和DG出力的随机性,建立考虑负荷恢复价值最优的主动配电网区域恢复方案;第二阶段利用可中断负荷建立配电网开关操作次数最优的全局优化模型,实现主动配电网故障后的故障恢复,既保证重要负荷的优化恢复,又延长了开关寿命,提高了经济性。采用改进的IEEE69节点系统进行仿真验证,验证了文中方案的有效性。     

基于故障模式分析法对含DG的配电网供电可靠性评估

分析DG的接入对小型配电网供电可靠性的影响,利用故障模式后果分析法对含有DG的配电网进行供电可靠性计算和分析,得出接人DG后供电可靠性较接人DG之前有提高,故采用正确的方式将DG接入配电网,有利于提高用户的供电可靠性。     

基于Walsh变换的水轮机调节系统参数辨识

连续系统辨识方法在电力系统辨识理论研究与工程应用中具有重要意义,针对连续系统辨识的难点,通过积分变换将信号微分项进行积分运算消除误差,考虑Walsh变换的快速特性和积分变换特性,提出基于Walsh变换的电力系统参数辨识方法,并进行了水轮机调节系统参数辨识试验。结果表明,该方法有效,参数辨识精度高,抗干扰能力强。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。