【目的】由于传统故障自愈方法存在故障定位精度和效率较低等问题,为提高配电系统故障处理能力,提出了一种基于决策树和多代理(agent)系统的配电主站故障自愈方法。【方法】采用分层多代理技术构建配电主站故障自愈系统,包含节点区域代理层和馈线代理层。节点区域代理层采集配电网数据以及利用梯度提升决策树(GBDT)算法完成故障定位,并将故障数据传至馈线代理层。馈线代理层汇总数据,并综合考虑重要负荷恢复顺序、转供裕度和线损这3个方面的影响,构建了故障自愈优化模型,通过多agent演化算法进行求解,从而得到最优的配电主站故障自愈恢复方案。【结果】基于IEEE-29系统对本文方法进行实验分析,结果表明GBDT故障定位算法在迭代150次后准确率接近97％,该方法的重要负荷恢复量、网损、转供容量裕度和故障自愈时间分别为100％、90.58 kW、11.26 kW和2.79 s,且自愈恢复率均大于91％、自愈控制操作复杂度最高不超过5,均优于其他对比方法。【结论】GBDT故障定位算法能够实现更理想的准确率和效率,并且该方法能够在最短时间内恢复全部的重要负荷,保证网损最小。此外,本文方法的自愈能力较为稳定,能够更好地协调新能源发电,并能适应新型电力系统的快速发展,实现电力系统的高质量供电。针对传统故障自愈方法的集中式处理模式导致的工作量大、准确率较低等问题,本文方法基于多代理系统构建配电主站故障自愈系统,通过分布式协同监测各个节点的运行状态实现故障快速精准的检测与恢复。相比于决策树算法,GBDT算法通过在每轮迭代中拟合前一轮残差构建新学习器的方式逐步提高分析精度,更适用于配电主站一级的故障定位,为故障自愈提供精准的数据支撑。相比于传统寻优方法,GBDT算法采用多agent演化算法进行故障自愈优化模型求解,通过将目标分配至各agent并行执行,大幅提升了寻优效率,并汇总所有agent的优良解形成最终方案,保证了全局最优效果。

【目的】微型电流互感器是一种用于电流测量的关键装置,其核心部件包括一次绕组、二次绕组及磁路系统。其中,一次绕组直接串联于被测电流回路中,主要承担感应被测电流所产生磁场的功能;二次绕组与测量仪表或保护装置连接,用于输出与一次电流成比例的电信号。磁路系统由高性能磁性材料构成,如高导磁率的铁氧体或纳米晶合金等,具备优异的导磁性能,能够有效引导和汇聚磁场,确保互感器在复杂电磁环境下依然保持稳定可靠的性能。然而在实际应用中,由于微型电流互感器励磁绕组在饱和区内表现出显著的非线性特性,传统线性建模方法在励磁电压计算中易产生较大误差,严重制约了互感器在智能电网等高要求应用场景中的测量精度与稳定性。为提升微型电流互感器的计量精度,突破现有技术瓶颈,本文提出了一种微型电流互感器计量绕组误差的智能检测方法。【方法】针对微型电流互感器励磁绕组的非线性饱和特性,提出分段线性化建模方法,构建微型电流互感器等值电路,以实现运行状态下的实时信号采集,从而有效弥补线性模型在饱和区适用性不足的问题,为后续误差分析提供更为准确的数据支撑。设计融合Sine Tapers窗函数与离散小波变换的混合滤波算法,对采集信号进行多重滤波处理,并结合维纳滤波与小波阈值去噪技术,有效提高信噪比,实现高频噪声与有效信号的精准分离,显著提升信号质量。对滤波后的数据开展相关性分析,采用奇异值分解提取主元子空间,并在残差子空间中构建统计量,利用主元分析方法将信号分解为主元子空间与残差子空间,通过统计量与贡献率计算实现误差的定量检测与精确定位。引入期望值运算对温度漂移进行补偿,基于误差波动量建模实现快速暂态响应,结合统计量变化实现对计量绕组误差的实时监测与智能检测。【结果】实验结果表明,本文提出的基于多谱自适应小波滤波与主元空间分解的微型电流互感器误差检测方法相较传统方法具有显著优势,信号采集结果与伏安特性曲线的拟合度更高,在比差与角差检测中均表现出较高的检测精度与可靠性。【结论】本研究通过多学科技术的深度集成,有效解决了微型电流互感器误差检测中的关键技术难题,实现了计量绕组误差的高精度检测与快速定位,可显著提升电力系统运行的测量稳定性与安全性。

【目的】绝缘子在架空输电线路的运行中承担着关键的绝缘和机械支撑作用。然而,在复杂多变的自然环境下,绝缘子表面易附着灰尘、盐分等污秽物,形成不均匀染污。这种不均匀染污会显著改变绝缘子的电气性能,影响其直流闪络特性,增加线路发生闪络事故的风险,可能引发停电等严重后果,对电力系统的安全稳定运行构成威胁。因此,本文旨在分析不均匀染污绝缘子的直流闪络特性。【方法】通过制作不均匀染污绝缘子模型,模拟实际运行中污秽分布不均的情况。基于电磁场理论,模拟架空输电线路中不均匀染污绝缘子的直流闪络过程。为全面探究污秽对绝缘子闪络特性的影响,选取灰密和盐密作为关键参数。其中,灰密反映绝缘子表面非可溶性污秽物的含量,盐密则表示可溶性污秽物的含量。风速会影响污秽物的沉积速率及分布特性,故采用调节风速的方法,模拟不同污秽程度下污秽在绝缘子表面的附着状态。在不同风速条件下,记录各灰密与盐密组合下绝缘子的直流闪络电压。【结果】不均匀染污会显著改变绝缘子表面的电场分布,使原本均匀的电场出现局部增强,而局部区域电场强度过高,则可能提高闪络发生的概率。非可溶性污秽物所形成的灰密在一定程度上可降低闪络风险,因为其虽改变了表面粗糙度,却不具导电性,能够在一定程度上抑制电流传导,使闪络电压升高。相反,盐密中的可溶性污秽物在潮湿环境下易形成导电通道,显著降低绝缘性能,导致闪络电压下降。为验证分析结果的准确性,进一步对试验数据进行了拟合分析,结果显示拟合系数较高,表明所得结论与实际情况具有较好的一致性。【结论】通过模拟风速对绝缘子表面污秽状态的影响,真实地反映了实际运行环境,为研究不均匀染污绝缘子的直流闪络特性提供了新思路与新方法。本研究为架空输电线路绝缘子选型、防污闪措施的制定及电力系统的安全稳定运行提供了重要的理论依据和技术支持,有助于降低因绝缘子闪络导致的停电事故发生率,提升电力供应的可靠性。

【目的】传统灰色模型因其对小样本、贫信息数据的适应性较好而被广泛应用于短期负荷预测,然而其在处理兼具指数和线性增长趋势的复杂电力用能数据时,存在预测精度不足、对数据噪声敏感、泛化能力较弱等固有局限,难以满足现代精细化电力管理需求。针对传统灰色模型的不足,提出一种综合改进预测框架,以显著提升电力用能行为预测的准确性和实用性,为电力系统智能化管理提供更可靠的数据支撑。【方法】在数据预处理阶段,采用标准差法识别并剔除异常值,采用线性插值法对采集周期密集的电力用能数据进行缺失值填充。在用户用能行为分析阶段,应用K-means聚类算法处理负荷曲线,利用肘部法则确定最优聚类数,识别相似用能模式用户群。在预测模型构建阶段,提出改进灰色模型,即通过融合传统灰色模型与线性回归模型,构建灰色线性回归融合模型。该融合模型通过累加生成序列,利用融合方程进行拟合,并结合序列变换与最小二乘法进行参数估计。利用融合模型预测残差序列,引入傅里叶变换进行频谱分析和降噪,构造傅里叶基矩阵并利用最小二乘法求解相关系数以修正原始预测值。【结果】基于某地区205户用电用户实际数据进行验证后发现,改进模型通过聚类分析成功识别4类典型电力用能模式。将提出的改进灰色模型与传统灰色模型、灰色模型+线性模型、灰色模型+残差修正三种基准模型进行对比后发现,改进灰色模型在用户类别和预测时间点方面,平均绝对误差和平均绝对误差百分比均显著低于其他三种模型,尤其在前几个预测时段其优势更为明显,表明改进模型更适用于短期负荷预测。【结论】改进灰色模型融合K-means聚类、线性补偿和傅里叶残差修正为一体,K-means聚类为精细化用户管理提供了分类基础,线性回归有效弥补传统模型线性拟合缺陷,傅里叶残差修正显著降低噪声与系统误差,三者结合使得改进模型在精度与泛化性上实现显著提升。改进模型在短期负荷预测方面表现优异,对电力实时调度、需求响应、经济用能和降低成本等方面具有重要实践价值。改进模型主要适用于短期电力负荷预测,未来将探索融合机器学习或引入更多因子以提升其中长期电力负荷预测能力。

【目的】配电网电源侧故障易引发三相电流不平衡问题,进而导致区域供电中断,威胁电网安全稳定运行。传统负荷转移策略通常仅关注功率平衡,未充分考量负序电流分布对系统恢复的影响,易造成恢复效率偏低或开关操作频繁等弊端。为此,针对配电网电源侧故障场景,提出一种区域检修负荷转移方法,以期实现故障后电网的高效恢复,并优化负荷损失、网损及开关操作次数。【方法】采用对称分量法求解故障复合序网中的负序电流,通过对比故障相电压相量与负序电流的相位差值并合理设定门槛值,精准定位待恢复区与失电区。区域划分完成后进行负荷转移,构建以联合负荷损失最小、联络开关操作次数最少及附加网损最小为目标的多目标负荷转移优化模型,并设置拓扑结构、负荷可控性等6个方面的约束条件。鉴于多目标函数间存在相互冲突,采用遗传算法与启发式搜索算法相结合的混合算法进行求解,该算法可有效避免陷入局部最优解。基于拓扑分析与判定结果,搜索可用联络开关与初步负荷转移方案,结合多方面影响因素,运用混合算法获取最优转移路径,生成最佳负荷转移方案,通过调整联络开关状态,实现负荷由待恢复区向失电区的转移,从而恢复配供电。【结果】为验证本文方法的有效性,选取某地区10 kV配电网开展仿真测试。测试结果表明,本文方法的负荷损失均值仅为0.215 3 kW,附加网损数值相对较小,联络开关操作次数最少仅为9次,且各节点电压普遍维持在较高水平,同时保障了供电可靠性。【结论】本文方法通过精准分析负序电流分布、合理划分故障影响区域,并基于多目标优化实现负荷转移,有效规避了传统策略中的性能折中现象。该方法能够兼顾供电可靠性、经济性与快速恢复性,为配电网电源侧故障处理提供了全新技术路径,具有显著的工程实用价值与推广前景。未来研究将进一步结合动态拓扑重构与智能预测技术,增强其在复杂故障场景下的适应性。

【目的】传统电力巡检方式主要依赖人工巡检,存在效率低、成本高、危险性大的问题,难以满足现代电力系统对高效、安全、智能化巡检的需求。近年来,无人机技术的快速发展为电力巡检提供了新的解决方案。无人机具有灵活性强、覆盖范围广、成本相对较低等优势,能够有效提升巡检效率,降低人工巡检的风险。然而,无人机电力巡检系统在实际应用中仍面临诸多挑战,尤其是在复杂环境下精确定位、导航和数据传输等方面。北斗卫星导航系统作为中国自主研发的全球卫星导航系统,具有高精度、高可靠性和全球覆盖特点,为无人机电力巡检系统提供了强大的技术支持。【方法】本文通过引入北斗卫星技术,设计一种能够在复杂场景下保持高准确性和稳定性的无人机电力巡检系统,以提升电力设备的监测和维护效率。本文研究的核心在于对无人机电力巡检系统的硬件框架进行重构设计,以实现与北斗卫星技术的深度融合。在硬件框架重构的基础上,设计了基于北斗卫星定位PPP-RTK函数模型的软件算法。该算法可实时获取无人机的高精度位置信息,从而有效克服复杂环境对巡检精度的干扰。通过这一技术路线,实现了无人机在复杂场景下的稳定、精准巡检。研究过程中,通过对硬件框架的重构,确保无人机能够稳定接收并高效处理北斗卫星信号,并依托大量实验数据对系统性能进行了充分验证。【结果】实验结果表明,在复杂场景下,本文所提出的无人机电力巡检系统可显著提升巡检结果的准确性和稳定性,有效降低环境因素对巡检质量的影响。验证了融合北斗卫星技术的无人机电力巡检系统在复杂场景下的有效性和优越性。【结论】通过硬件框架的重构设计和软件算法的优化,显著提升了无人机在复杂环境下的巡检能力,为电力设备的监测和维护提供了更加可靠的技术支持。本文的创新之处在于将北斗卫星技术引入无人机电力巡检系统,并基于PPP-RTK函数模型实现了高精度定位,有效解决了传统系统在复杂场景下的巡检难题。该研究不仅提升了无人机电力巡检的准确性和稳定性,更为电力设备的智能化、精准化监测与维护提供了新的技术路径,具有重要的理论价值和实践意义。

【目的】电力物联网设备固件的安全性对保障关键基础设施稳定运行至关重要。然而,固件特征复杂且分析维度单一,导致现有漏洞检测方法存在精度低、适应性差的问题。为此,研究一种适用于泛在物联背景下的智慧电力物联网固件多粒度漏洞检测方法,以提升漏洞检测的全面性与准确性。【方法】本文设计了i2vBi模型,将地址空间操作数映射为8类控制装载基址,从而精确生成指令词向量;利用Softmax函数计算上下文词概率,训练极大似然估计模型,并通过双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)聚合指令向量,得到蕴含前后向语义信息的基本块嵌入向量。利用基本块嵌入向量构建属性控制流图,以提取函数内部的细粒度结构特征;采用主邻域聚合(principal neighbourhood aggregation,PNA)算法,并结合多种聚合器与基于节点度的缩放器,自适应地聚合节点邻域信息,生成表达力更强的图嵌入向量,完成函数级别的中观粒度特征提取。随后,利用卷积神经网络(convolutional neural network,CNN)与自注意力机制从图嵌入向量中提取函数执行顺序的局部模式特征,并将该顺序特征与基本块嵌入向量构建的属性控制流图特征输入多层感知机进行融合,形成最终的综合特征向量。引入语义分析维度,将已知漏洞函数转化为自然语言文本,通过基于双向编码器(bidirectional encoder representations from transformers,BERT)表示的语义嵌入模型进行掩码建模与均值池化,生成语义向量;计算其与目标函数综合特征向量的余弦相似度,通过设定阈值实现基于语义相似度的多粒度漏洞判定。【结果】为验证本文方法的有效性,在包含真实电力物联网固件镜像的数据集上进行了测试。实验结果表明:本文方法的曲线下面积(area under the curve,AUC)值稳定在0.85～0.95之间,显著高于对比方法,证明了其优异的整体分类性能;Kappa系数位于0.85～0.95的高位区间,表明检测结果与真实情况具有高度一致性;海明距离值始终保持较低水平,说明本文方法的误报率与漏报率得到了有效控制,预测结果更为精确。【结论】本文方法通过融合指令、基本块、函数控制流及语义等多个层次的特征,有效克服了特征维度单一的局限。该方法不仅显著提升了漏洞检测的精度与鲁棒性,而且因其对代码语义的理解而具备更好的环境适应性。研究成果为实现智慧电力物联网固件的自动化、智能化安全分析提供了可靠的技术途径,对增强电力物联网系统的整体安全性与稳定性具有积极意义。

【目的】视力障碍群体的规模与需求不容忽视,触觉传感器在辅助阅读领域的应用尤其值得关注,它既可集成于机器人或假肢系统,又能为视力障碍群体提供有效的盲文阅读工具,研究具有信息交互能力的视力辅助装置与盲文识别技术,对于实现视力障碍群体的技术支持具有重要意义。【方法】基于仿生原理模拟仿生毛发功能,采用具有磁性的铁镓合金丝作为仿生毛发,以霍尔元件作为毛发根部的感受器,并根据盲文字母阵点的尺寸,设计了一种仿生电磁触觉传感器。基于磁化强度、磁感应强度理论及力学方程,推导了传感器作用力与输出电压之间的关系曲线。搭建了由信号发生器、功率放大器、激振器、数据采集卡、计算机和直流稳压电源组成的动态特性测试系统,测试了触觉传感器的动态特性。【结果】测试结果表明,触觉传感器在0～1.5 N范围内可以实现作用力与电信号的转换,输出电压在0～1.5 N作用力范围内随力的增加逐渐增大,当接触力小于0.5 N时,二者近似呈线性关系。传感器在1 Hz频率、0.2～1.4 N作用力范围内的输出电压稳定性较高;在1 Hz、1.0 N作用力下的灵敏度为34.5 mV/N;在1 Hz、0.5 N作用力时响应时间和恢复时间分别为20 ms和18 ms。利用所设计的仿生电磁触觉传感器,构建了由二指机械手、电机驱动滑台、数据采集卡和计算机等组成的盲文识别系统,通过对盲文阵点的扫描,确定了盲文字母与输出电压波形的对应关系。【结论】对所研制的电磁触觉传感器的输出特性进行了测试,实验结果与计算值较好吻合,表明计算模型能够描述作用力与输出电压之间的关系。设计的触觉传感器输出电压具有稳定性好、灵敏度高、响应速度快的特点,可用于静态和动态作用力的检测。应用盲文识别系统确定了盲文字母对应的电压波形,指出电压波形峰数、电压峰值强度和峰起始点所对应的时间可以作为识别盲文字母的判据,表明盲文识别系统具有识别盲文字母能力。研究成果可为视力障碍群体提供新的盲文识别工具和技术路径,可将触觉传感器与识别技术进行深度融合,面向视力障碍群体构建辅助技术支持系统。

【目的】针对现有变电站造价估计方法在预测精度和计算效率方面存在的不足,提出一种基于改进长短期记忆网络的变电站造价预测模型——时空长短期记忆(spatio-temporal long short-term memory,ST-LSTM)网络,以提升造价预测的准确性与效率。该模型以建筑信息模型(BIM)数据为基础,通过引入双流记忆转换机制和之字形(ZigZag)时空记忆流,实现对时空数据中复杂动态特征的有效捕捉与学习,从而统一建模短期空间细节变化与长期时间动态演化过程。【方法】首先对BIM造价数据进行预处理,包括数据清洗、标准化处理和时间序列划分,以保证数据的完整性与可用性。随后构建ST-LSTM网络模型,通过改进传统LSTM网络的三门控结构,引入ZigZag时空记忆流和双流记忆转换机制,以增强模型对时空特征的提取与融合能力。在模型训练阶段,采用网格搜索方法对隐藏层神经元数量进行优化,并以均方误差(MSE)作为损失函数,结合Adam优化器完成模型参数更新。实验选取105个变电站的实际BIM造价数据,按照3∶1∶1的比例划分训练集、验证集和测试集,用于模型训练与性能评估。【结果】通过多轮仿真实验,对ST-LSTM模型、粒子群优化算法以及传统LSTM网络模型的预测性能进行了对比分析。采用平均绝对百分比误差(MAPE)、均方根误差(RMSE)和皮尔逊相关系数作为评价指标。结果表明,ST-LSTM网络模型在短期预测中的准确率最高约为95％,在长期预测中的准确率亦超过90％,整体平均预测准确率超过90％,显著优于粒子群优化算法和传统LSTM网络模型。在计算效率方面,ST-LSTM网络模型的平均运行时间为1.1 s,略高于粒子群优化算法的0.5 s,但低于传统LSTM网络模型的1.2 s,均处于工程应用可接受范围内。进一步分析发现,在处理规模较大、时空特征复杂的数据集时,ST-LSTM网络模型的预测优势更加明显。【结论】基于ST-LSTM网络模型的变电站造价预测方法能够有效提取并融合多维时空特征,显著提升短期与长期造价预测的准确性和整体计算效率。与粒子群优化算法和传统LSTM网络模型相比,ST-LSTM网络模型在预测性能方面具有明显优势,但其计算复杂度相对较高,对计算资源和训练时间要求较高。未来研究将重点围绕模型结构优化与计算复杂度降低展开,以进一步提升其在工程实践中的应用可行性与推广价值。

【目的】在全球能源转型和“双碳”目标背景下,寒冷区域由于低温、降雪与冻土等自然条件导致能源需求大幅增长,储能系统效率、寿命及运行安全性受到影响。发展适应寒冷区域的新型储能技术,亟须构建全服役周期综合效能评价体系,支撑产业化推广与绿色能源利用。研究旨在构建评价框架与技术比较,推动不同储能路径的合理布局,满足区域能源安全与可持续发展需求。【方法】研究聚焦电化学、机械、热与氢储能四大类型,围绕经济性、技术性、安全可靠性、环境友好性及生命周期能量效益5个评价指标进行系统梳理。经济性方面采用总资本成本与平均化成本分析,并引入低温修正系数;技术性方面分析低温适应性、能效表现与循环寿命;安全可靠性方面结合故障诊断方法构建多维度安全分级体系;环境友好性方面涵盖原材料获取、生产制造与电站建设的全链条;生命周期能量效益则通过能源投资回报率(EROI)与能源投入回报率(ESOI)指标衡量能量投入产出效率。通过横向比较与纵向归纳,揭示寒冷环境对各类储能技术性能与成本的差异化影响。【结果】研究结果表明,低温条件下锂离子电池寿命与安全性降低,液流电池寿命长且循环稳定性高,但电化学储能存在热失控风险。压缩空气储能在长时供能与成本可控性方面优势突出且生命周期能量效益高于电化学储能,但受地质条件限制;飞轮储能响应速度快但低温下制造与维护成本高。热储能系统中显热与化学储热在寒冷地区展现出季节性调节潜力。氢储能则凭借高比能量和多能耦合特性,在跨季节调峰和微电网应用中展现独特价值,但面临高压泄漏与氢脆问题。【结论】未来应加大低温适应性改造与温控补贴力度,推动建设多能互补储能调度中心,提升系统整体韧性,并制定覆盖建设、运行和回收全周期的寒冷区域储能标准体系,以保障经济性与安全性的统一,促进储能产业在寒冷地区的健康发展。

【目的】在电力系统中,负荷数据分析对电网调度、规划和管理至关重要。然而,随着电力系统的复杂化与智能化程度的加深,电力负荷数据呈现高维度、稀疏性等特点,导致传统数据分析方法在处理效率和捕捉负荷变化内在信息方面面临较大挑战。本文提出一种高效无监督数据挖掘算法,旨在提升高维稀疏电力负荷数据的处理效率与信息提取能力。【方法】首先,采用基于信息熵的特征排序法确定特征重要度。通过计算互信息、开展中心化、标准化处理等完成数据初始化,选择互信息最大的特征扩充特征集合,通过计算相关信息熵筛选特征子集,以支持向量机(SVM)分类器为基准模型优化子集筛选过程,引入改进粒子群算法进行特征二次选择,同时借助SVM分类器完成特征初步筛选。然后,引入主成分分析(PCA)实施降维。对样本矩阵进行中心化处理,构建协方差矩阵,获取特征值与特征向量,选择特征向量构建新的矩阵以实现降维。最后,引入基于无监督学习的自编码网络开展数据无监督挖掘。编码阶段将输入数据转化为特征表示,解码阶段完成数据恢复,通过设定数据、执行聚类操作、筛选数据点、开展数据均衡处理、获取训练模型分类界面等步骤,实现隐藏特征提取与网络调节。【结果】本文算法在整个测试过程中兰德指数一直大于0.60,呈现较高的聚类准确性。在60次迭代实验中,最大内存开销占比约为8.3％,表明本文算法的计算资源利用率较高。与其他传统算法相比,本文算法在处理高维稀疏电力负荷数据时,能够表现出更高的处理效率和更优的挖掘效果。【结论】无监督挖掘算法在高维稀疏电力负荷数据分析中表现优异,本文算法通过特征选择与降维处理减少计算量,并借助自编码网络挖掘非线性特征,显著提升了数据挖掘的准确性与效率,具有很强的适用性与可行性。本文算法的创新之处在于,融合信息熵特征排序、支持向量机、改进粒子群、主成分分析与自编码网络等多种方法,从特征处理到数据挖掘形成完整体系,既能有效应对高维稀疏电力负荷数据的挖掘难题,又为电力系统负荷数据分析提供了新的有效手段,因而对推动电力系统智能化发展具有重要意义。

【目的】干式空心电抗器(dry-type air-core reactor,DAR)在运行中易发生匝间短路故障,该类故障具有隐蔽性强、难以实时察觉的特点,对电网的安全稳定运行构成严重威胁。工程中广泛采用的基于磁感应强度幅值的检测方法存在局限性,其对内层绕组匝间短路的响应不灵敏,且在多台DAR并列运行时,邻近设备产生的磁场干扰会显著影响检测准确性。为提升故障识别能力并实现早期预警,本文提出一种基于磁场方向角(magnetic field direction angle,MFDA)的DAR匝间短路检测方法。【方法】基于有限元仿真技术,模拟了单相DAR在正常运行及不同位置发生匝间短路时的周围磁场分布;通过在DAR周围设置多个监测点,采集磁感应强度数据,分析了故障发生前后磁感应强度的变化规律;依据磁场叠加原理,计算并分析了三相DAR中故障相附近各监测点MFDA的时序变化规律;对比单台与多台DAR并列运行的MFDA数据,量化评估了邻近正常运行DAR对故障检测的干扰程度,并优化了监测点的布局。【结果】仿真结果表明,单相DAR发生匝间短路后,其周围的磁感应强度幅值和方向均发生了显著变化;与基于幅值的检测方法相比,MFDA对匝间短路表现出更高的响应灵敏度,能够准确捕捉故障所引起的电磁特性变化;通过分析故障发生前后各监测点MFDA的时序变化并设定故障判定阈值,可实现单相DAR匝间短路的诊断;对于三相DAR并列运行场景,在故障相附近、正常相对称中垂线上设置监测点,可有效减少邻近DAR的磁场干扰,结合MFDA时序特征与故障判定阈值,仍能实现短路故障诊断。【结论】提出的基于MFDA的检测方法能够有效弥补磁感应强度幅值检测法在灵敏度和抗干扰能力方面的不足,为DAR运行状态的实时监测与故障预警提供了一种可靠的技术手段。该方法基于仿真研究,展现出良好的工程应用潜力,对提升电网设备运维水平、保障电力系统安全稳定运行具有实际应用价值。

【目的】随着变电站数字化进程的加快,传统评估方法在可靠性分析方面的精度与适应性均存在不足,而变电站可靠性对电力系统的稳定运行至关重要。为此,本文提出一种基于改进动态贝叶斯网络(dynamic Bayesian network,DBN)的110 kV变电站数字化模型可靠性分析方法,以实现对系统状态的实时检测与准确评估。【方法】首先,对变电站内各类设备与元件的故障率等关键参数进行统计,构建可靠性评估基础数据。其次,引入DBN作为建模工具,并针对温度、湿度、负荷波动等环境因素引入变结构机制,以增强模型在非平稳运行环境下的适应性。最后,结合故障树分析(fault tree analysis,FTA)识别系统级故障逻辑关系,并将结果映射至DBN中,形成兼具层次性与因果性的概率推理模型。该方法可在信息不完整或数据缺失条件下,通过概率推理弥补信息空白,从而提升推理的稳健性与准确度。【结果】在110 kV变电站数字化模型实验中,本文方法的ROC曲线下面积最接近1,分析结果与实际值最为接近;在3个变电站的可靠性分析中均表现出最低误差率和较强稳定性;其准确率、精确率、召回率和F₁分数分别达到0.891、0.875、0.904和0.889,整体性能优于对比方法。【结论】本文方法在准确性、稳定性与适应性方面均具有显著优势。通过融合FTA的结构化建模能力与DBN的自适应推理机制,有效克服了传统方法在动态环境和信息缺失条件下评估精度不足的局限性。该方法不仅能够实现对变电站数字化模型可靠性指标的动态量化,还可为系统状态监测与智能运维提供理论支撑和实用工具,具有良好的工程应用前景。

【目的】在“双碳”目标推动下,高比例新能源并网导致系统惯量和阻尼特性削弱,严重威胁了电网稳定性。构网型虚拟同步机控制技术虽然能够主动为电网提供惯量支撑,但新能源系统复杂非线性特点使传统VSG控制在非理想工况下面临着角频率和输出电压失稳的风险,传统方法控制效果不理想。针对这一问题,提出一种基于无源控制的构网型换流器控制策略,突破传统线性控制方法的局限,提高系统动态响应性能、抗干扰能力和鲁棒性。【方法】采用非线性控制设计框架,根据VSG控制原理模拟同步发电机转子运动方程,实现有功频率调节,同时模拟励磁系统实现无功电压控制,建立了包含构网型控制的哈密顿系统模型。基于无源控制理论的核心思想,对建立的哈密顿模型进行数学变换,将其转化为具有端口特性的耗散哈密顿标准形式,该模型具备天然的稳定分析优势,可为控制器设计提供理论基础。同时,根据系统稳定运行需求,设定期望的工作平衡点。为加速系统能量向期望平衡点的耗散,有效抑制振荡并加快收敛速度,注入阻尼项,最终推导得到适用于构网型换流器的有功和无功控制律,实现非线性系统的全局渐进稳定。【结果】仿真测试结果表明,在功率变化、电网电压不平衡、短路故障以及负荷变化的非理想条件下,基于无源控制的构网型换流器控制策略在系统角频率的稳定性方面显著优于传统VSG控制,频率波动幅度明显变小,恢复至期望值的时间大幅缩短。输出电压的超调量降低,调节过程更为平滑,电压恢复稳定的速度更快,有效增强了电压稳定性。【结论】本文提出的基于无源控制理论的构网型换流器并网稳定控制策略,通过将无源控制理论引入到VSG控制设计中,建立了基于耗散哈密顿模型的非线性设计框架。本文设计了基于能量整型和阻尼注入的控制策略,所推导的控制律具有强鲁棒性,无需依赖精确系统模型即可适应复杂运行条件,有效解决了传统VSG控制在面对系统非线性特性时稳定性不足、动态响应慢的缺陷,突破了线性控制参数固化的局限性,为新能源并网系统提供了抗干扰能力强、动态响应快的控制策略,能够支撑新型电力系统稳定运行。

【目的】在电力系统中,输电线路作为关键组成部分,常因地处偏僻且绵延千里,易遭受雷击等自然灾害影响导致故障。我国输电线路雷击故障约占总事故的50％。雷击会引发杆塔绝缘闪络、电压异常甚至供电中断,还会损坏电子设备,造成较大经济损失。为提高输电线路对雷击的抗性,本文对110 kV线路绝缘子雷击闪络电压特性进行分析,以改进输电线路设计,增强其抗雷电能力。【方法】基于电场理论和能量守恒原理,构建电场内电子的能量守恒方程,结合3种粒子(正属性粒子、负属性粒子、中性粒子)的运动方程和泊松方程,建立绝缘子雷击数学模型。通过数学模型计算雷击电流过电压,获取雷电冲击输电线路的电流标准波形。同时,分析输电线路耐雷电水平与绝缘子串闪络电压的关系,通过过电压分析绝缘子雷击闪络电压特性,进而获取雷击点的电流值与雷击电流过电压。此外,选用110 kV线路的硅橡胶绝缘子进行实验,模拟不同呼高、接地电阻、雷电电流波形和绝缘距离等参数,分析各参数对电压波形的影响。【结果】实验结果表明,绝缘子在遭受不同波形雷击时,电压值会在12 μs后趋于平缓。其中双指数型电压峰值最大,斜角型模型对电压的控制效果最优,绝缘距离大于5 m时电压波形更趋于稳定。与其他方法相比,本文方法得到的电压波形与实际情况更为接近,误差低于1 kV,准确性较高。【结论】杆塔呼高为25 m时绝缘子对雷击冲击响应最敏感,接地电阻增大,电压峰值随之增大,斜角型雷击电流模型控制电压效果最佳,绝缘距离大于5 m时可提高绝缘子抵抗雷电冲击的能力。研究将数学模型与电场理论结合,综合考虑多种参数对绝缘子的影响,建立了更全面准确的绝缘子串电压波形和数学方程。该研究成果为输电线路设计提供了科学依据,对提高输电线路抗雷电能力,保障电力系统安全稳定运行具有较高的工程应用价值和借鉴意义。

【目的】强雷电活动区域的输电线路运行时易遭雷击,同塔双回线路因结构紧凑、电磁耦合效应显著,雷击故障率一直偏高。现有防雷措施多依赖统计经验,无法有效区别绕击、反击等不同类型的雷击故障,难以实现精准防护,导致线路跳闸事故仍时有发生,严重威胁电网安全稳定运行。为此,本文提出一种基于深度学习的雷击故障识别方法,可实现绕击与反击的高精度自动识别,为输电线路的差异化防雷设计及运行维护提供有效的技术支撑。【方法】采用电磁暂态仿真软件ATP-EMTP,构建220 kV同塔双回输电线路雷击故障仿真模型,获取不同雷电流幅值、接地电阻条件下的过电压响应数据。针对雷击信号的非平稳性及模态混叠问题,引入集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法,通过加入高斯白噪声抑制模态混叠,提取前4阶本征模态函数(intrinsic mode function,IMF)以保留主要特征成分。随后采用频率切片小波变换(frequency slice wavelet transform,FSWT)计算多频段能量比,并与雷电流幅值、接地电阻共同构建多维特征集。在分类模型方面,提出CNN-LSTM-Attention深度学习架构:利用CNN提取空间特征,通过LSTM捕捉时序依赖特征,借助Attention机制聚焦关键信息,从而实现复杂信号特征的有效融合与识别。【结果】实验结果表明,本文方法在绕击与反击识别任务中表现优异。模型整体识别准确率达98.6％,查准率与查全率均超过98.5％,F₁分数最低为0.99。与SVM、CNN等基准模型相比,该方法在识别精度上具有明显优势。10次独立对照实验结果显示,模型平均准确率达到99.7％,方差为0.000 93,充分验证了该模型的稳定性和可靠性。【结论】基于EEMD-FSWT特征提取与CNN-LSTM-Attention融合模型的雷击故障识别方法,能有效表征同塔双回输电线路雷击信号的时频特性,实现绕击与反击的高精度区分。该方法不仅提升了故障诊断的准确性和实时性,更为电网差异化防雷策略的制定提供了重要数据支持。研究成果对降低输电线路雷击跳闸事故率、保障电力系统安全稳定运行具有重要工程应用价值与良好推广前景。

【目的】在电力系统运行过程中,继电保护装置起到至关重要的作用。然而,设备长期运行,老化和损坏现象不可避免,其会导致继电保护装置产生异常变位数据,这些异常数据如果不能得到妥善处理,将会影响电力系统的安全稳定运行。因此,如何有效处理继电保护装置的异常变位数据成为一个亟待解决的问题。【方法】研究提出了一种自主可控的容错存储算法,该算法通过对继电保护装置的状态进行评估,分析潜在的扰动因素。在此基础上,运用模型预测控制(MPC)技术预测可能出现的异常数据。MPC是基于系统的动态模型,通过预测未来系统的状态来提前进行决策,并针对预测到的异常数据实施校正,旨在将数据恢复到原始状态。同时,利用数据弹性理论和粒度率来计算补偿存储强度,数据弹性理论有助于衡量系统在面对故障时的承受能力,而粒度率则与数据的细化程度相关,通过将两者结合确保数据的准确性和完整性。在研究过程中,构建了基于上述算法的实验环境,通过模拟继电保护装置在不同工况下产生的异常变位数据对算法进行测试。【结果】通过实验验证该算法的效果,算法的容错率高于0.89,意味着在面对大量异常数据时,算法能够成功处理其中绝大部分的数据错误。存储所需占用内存在20 MB以下,表明算法在存储数据时对内存资源的占用较少。在数据量为10 000个的情况下,数据传输次数仅为401次,体现了算法在数据传输方面的高效性。【结论】通过研究可知,所提出的自主可控容错存储算法能够有效增强继电保护装置的数据容错能力。对异常数据的准确预测、校正以及合理的存储策略,确保了数据的准确性和完整性,从而提升了继电保护装置在面对设备老化和损坏时的应对能力。在电力系统中采用本文算法有助于提高继电保护装置的可靠性,进而保障电力系统的安全稳定运行。本研究创新之处在于将模型预测控制、数据弹性理论和粒度率相结合,构建了一种全新的容错存储算法。这种综合运用多种技术的方法在处理继电保护装置异常变位数据方面具有独特的优势。本文算法能够提高继电保护装置的数据处理能力,减少因数据异常导致的电力系统故障风险,对于保障电力系统的安全稳定运行具有重要意义。

【目的】在新型电力系统建设背景下,高比例可再生能源的大规模接入及柔性负荷的广泛普及,显著加剧了系统的随机性、波动性,叠加电网规模的不断扩大,导致控制变量急剧增多,对传统电网电压和潮流控制策略提出了严峻挑战。现有电网分区方法主要依赖节点间电气距离进行无功分区,难以适应源荷双侧特性剧烈变化的新型电力系统运行需求。为此,本研究提出一种综合考虑多重因素的电网分区优化方法,旨在降低高比例新能源接入下的电网整体控制难度,提升分区自治运行能力。【方法】本研究的核心在于建立了一套分区指标体系及优化模型,突破传统分区仅关注拓扑连接的局限,创新性地同时考虑分区内部电气连接紧密程度和源荷匹配程度,分别构建了基于电气距离的无功分区指标和基于源荷匹配的有功分区指标。以此为基础,构建了电网分区优化模型,以最小化无功分区指标为主要优化目标,旨在最大化分区内部电气紧密程度,简化无功电压控制。将有功分区指标满足要求作为关键约束条件,用以限制分区间有功功率的频繁交互,并减少分区内部净负荷的剧烈波动,保障分区内部源荷平衡。同时,为高效求解所构建的非线性复杂优化模型,提升寻优速度并避免算法陷入局部最优解,本研究创新性地提出一种仿生联合优化策略,充分利用了遗传算法的全局搜索能力和萤火虫算法的快速局部求精能力。【结果】采用标准IEEE 39节点系统进行算例验证。仿真结果表明,本文算法能够显著提升分区内部源荷匹配度,有效降低分区之间及分区内部的净负荷波动,减少了不必要的潮流交互,有效降低系统无功控制难度,使分区内部节点电气紧密性增强,简化了分区内部的电压无功调节过程。萤火虫-遗传仿生联合算法表现出优越的求解性能,能够快速、有效地获得优化的分区方案。【结论】本研究的创新点主要是在电网分区模型中同时集成了基于电气距离的无功控制优化目标和基于源荷匹配的有功平衡约束,克服了传统方法对源荷变化适应性不足的缺陷。提出了高效、鲁棒性强的萤火虫-遗传仿生联合优化算法以求解分区模型,有效提升了寻优速度和精度。本文算法为解决新型电力系统复杂网络结构下的分区运行控制难题提供了新的技术途径,对提升电网安全稳定运行水平和促进新能源高效消纳具有较高的理论价值与实际意义。

【目的】针对常规继电保护受光伏助增和汲出电流的影响,导致保护装置难以发挥有效作用的问题,提出了一种适用于含高渗透率分布式光伏接入条件的配电网继电保护定值多目标整定方法,以期在满足经济性和实用性的基础上,提高保护的速动性、灵敏性及选择性,有效保护电网安全,支持分布式光伏的广泛接入。【方法】分析了光伏助增和汲出对配电网保护配置的影响,将距离保护与电流速断保护作为保护判据,规避了光伏接入导致的配电网保护误动和拒动问题。以确保速动性、灵敏性及选择性指标参数最优构建保护定值多目标优化模型,并利用动态分裂算子对粒子群算法进行了改进,使得保护定值的求解能够满足实际应用需求。【结果】高渗透率光伏接入会导致配网保护误动或者拒动,而采用距离保护结合电流速断保护作为保护判据有效规避了这一问题。研究构建了多目标优化的保护配置模型,形成了对某一区域整体保护效果的评价指标,基于粒子群算法完成了对保护定值的求解,实现了高渗透率光伏接入情况下保护效果的整体评估,同时提升了保护的速动性、灵敏性和选择性。【结论】研究结果表明,采用距离保护结合电流速断保护的方式可以有效避免光伏助增作用对传统电流速断保护的影响。利用多目标优化方案,可有效提高保护性能。采用均衡策略时,其速动性指标提升约82.2％,灵敏性指标提升约3.8％,选择性指标提升约33.1％。本文创新点在于:采用距离保护结合电流速断保护的方式形成保护判据,规避了由于光伏接入导致的配电网保护误动和拒动的问题;构建了保护定值的多目标优化方案,并利用动态分裂算子对粒子群算法进行了改进,避免了粒子群算法的局限性,同时提高了保护定值的可靠性和适用性。

【目的】随着AI与5G技术的不断发展,数据中心已经成为未来发展的重要基础设施。数据中心的高能耗特性与当前低碳发展需求间存在突出矛盾,而单纯依赖清洁能源供电的优化路径又存在多重瓶颈,如废热回收难和效率低等问题。因此,本文针对数据中心的余热回收问题展开研究,提出一种规模化制氢容量配置方法,以期为数据中心供能系统的绿色低碳发展与绿氢生产效率提升提供新思路。【方法】首先,分析数据中心能耗架构,构建水冷模式数据中心输出热能的数学模型,并建立有关电解液温度变化对电解制氢效率影响的数学模型,将电解液温升系数作为数据中心与电解制氢的耦合节点,为后续废温水协同机制的构建奠定基础。其次,分析数据中心能耗特征与氢能需求,基于废热回收加热电解液理论,构建数据中心+清洁能源+绿氢运行架构并设计与之匹配的运行模式。建立系统整体动态供需平衡模型后,根据清洁能源出力情况与数据中心运行情况制定电解制氢的多种运行模式。最后,综合考虑数据中心负荷特性、清洁能源出力波动、氢能市场需求等因素,构建了以系统经济性、碳排放量、可再生能源消纳率为优化目标的制氢容量配置模型,设计了基于改进时序差分算法和粒子群算法的多目标优化求解方法,并采用Matlab软件进行了仿真分析。【结果】数据中心+清洁能源+绿氢协同运行模式能够在典型日场景下减少2.59％的年用电量能耗,辅助调峰市场的定价方法可以引导系统按不同目标运行,并能在不同程度上满足系统的经济性与低碳性需求。多维度技术的创新性耦合,推动了数据中心能源系统的结构性变革。【结论】本文提出的规模化电解制氢容量配置方法,既能满足数据中心废热利用的消纳需求,又能降低供能系统对化石能源(柴油)的依赖程度,可为数据中心构建可调负荷-储能-供能三位一体的新型能源系统提供新的技术路径,进而助力我国经济的数字化转型及“双碳”目标的稳步推进。

【目的】在变电站继电保护装置定值校核过程中,传统方法主要依赖人工校核或简单程序校核。人工校核的准确性存在较大差异,且校核效率较低;简单程序校核在效率方面有所提升,但在准确性上仍有改进空间。针对上述不足,本研究提出一种基于深度学习的智能变电站继电保护装置定值校核方法。【方法】首先采用改进卷积循环神经网络(convolutional recurrent neural network,CRNN)对继电保护定值进行识别并利用卷积神经网络(CNN)将文本图像转换为特征序列,其次通过循环神经网络(recurrent neural network,RNN)对特征序列进行识别,最后使用基于词典的连接时序分类(connectionist temporal classification,CTC)损失函数实现转录,从而获得定值文本信息。在此基础上,引入转换门控单元对RNN模块进行改进,形成双向转换门控长短时记忆(bidirectional convert gate long short-term memory,Bi-CGLSTM)网络模型,以实现数据权值的自适应调节。随后,结合中文分词技术开展定值校核并构建完整的定值名称词典,采用Levenshtein距离算法计算待校核文本与标准文本的相似度,并结合改进的正向最大匹配算法完成定值文本匹配,从而实现对继电保护装置定值的逐一校核。【结果】为验证本文方法可行性和有效性,选取某供电公司240份包含10种常用设备型号的定值单作为实验样本进行验证。深度学习模型的训练参数设置为迭代次数100、学习率0.001,权重和偏置参数优化器为Adam。实验结果表明,改进CRNN模型的识别准确率高于97％,本文方法的校核准确率达97.07％,平均校核时间较短,整体性能显著优于对比方法。【结论】改进的深度神经网络能够有效提升大规模数据条件下继电保护装置定值文本的识别精度。基于Levenshtein距离算法与改进正向最大匹配算法的联合应用,不仅保证了校核准确率,还显著提升了校核效率。该方法为智能变电站的智慧运维提供了有力的技术支撑。

【目的】随着风能和太阳能等可再生能源在电网中的高比例接入,其固有的间歇性和波动性对电网末端电压稳定性提出了严峻挑战。特别是在区域电网末端,风光荷出力的不确定性导致电压快速下降风险加剧,可能引发设备损坏甚至连锁故障。现有研究在风光荷出力预测误差处理和多目标协同优化等方面存在明显不足,例如全纯嵌入灵敏度分析方法未能充分考虑预测误差的影响,而源网荷协调控制框架忽视了预测误差对协作效果的影响。针对这些问题,本文提出了一种新的低电压快速调节算法,通过量化风光荷出力的不确定性,构建安全、效能与成本兼顾的多目标优化模型,实现电网末端低电压的快速稳定调节,从而提升高比例可再生能源接入电网的可靠性和适应性。【方法】采用协同进化遗传算法(CGA)作为核心求解方法,首先针对风电、光伏及负荷出力的随机性建立了精确的概率密度函数模型。风电出力通过结合风速的Weibull分布及预测误差正态分布进行量化;光伏出力则关联光照强度与光电转化效率并引入预测误差项进行表征;负荷出力通过概率密度函数反映其波动性。在此基础上,构建了以安全、效能和成本兼顾为优化目标的低电压调节模型,其中安全指标量化电网末端缺电总损失量,效能指标综合计算网损值与电压偏差,成本指标计算全寿命周期成本。通过整实数混合编码方案和动态调整的交叉概率与变异概率,能够有效优化种群并输出满足电压稳定裕度要求的最优解。【结果】基于广州市某地区实际电网数据进行仿真实验,结果验证了本文算法的有效性。在不确定性处理方面,本文算法对风电和光伏出力的预测结果与实际数据吻合度显著高于其他传统方法,这得益于本文算法将出力功率预测误差作为随机变量进行建模,更准确地反映了实际系统中的不确定性。在电压调节效果方面,当风光荷出力波动和负荷增加导致电压降低时,该算法能够快速有效地将节点电压恢复至正常水平,调节效果优于基于电网稳态模型和双环电压-电流控制算法的传统方法。在静态电压稳定裕度方面,本文算法在多种测试场景下均能保持较高的电压稳定裕度,始终维持在0.8以上,表现出良好的电压调节能力。此外,本文算法在保证电压稳定的同时,兼顾了电网运行的经济性和效能。【结论】低电压快速调节算法通过深度融合风光荷出力不确定性建模与多目标优化,有效解决了高比例可再生能源接入电网末端低电压失稳问题。该算法创新性地引入概率密度函数量化预测误差,显著提升了风光荷出力预测精度;通过CGA协同优化安全、效能与成本兼顾的目标,实现了电压的快速动态调节。实验结果表明,本文算法在调节速度、稳定裕度及经济性等方面均优于其他传统算法,为高比例可再生能源电网的智能化调控提供了可靠技术支撑。该研究成果不仅具有重要的理论价值,在实际工程应用中也展现出广阔前景,未来可进一步探索多时间尺度下的电压协同控制策略,以持续提升电网运行的稳定性和经济性。

【目的】在电力系统的运行与管理中,中低压配电网作为连接电源与用户的关键环节,其运行效率和稳定性直接关系到整个电力系统的安全性与可靠性。三相线损作为衡量配电网运行效率的重要指标,不仅反映了电能传输过程中的能量损耗,还直接关系到电网的电压质量、电力消耗以及设备的安全运行。然而,配电网的三相线损数据具有复杂的分布特性,呈现多峰、非对称等特征,在动态变化过程中,难以准确捕捉数据的内在模式和结构,从而降低了异常识别的准确性。为此,本文提出一种中低压配电网三相线损异常智能识别方法。【方法】配电网三相线损数据在采集过程中易受电磁干扰、设备误差等多重因素的影响,导致数据中夹杂着大量噪声和异常值。这些噪声不仅降低了数据的信噪比,还会掩盖数据的真实特征,进而影响后续分析的准确性。由此,采用径向基函数(RBF)神经网络对采集到的三相线损数据进行特征提取,通过对输入数据的非线性映射,有效抑制噪声的干扰,提高数据的信噪比。对预处理后的数据进行归一化处理,可进一步提高数据采集的完整性和准确性。基于回路电流的方法,将配电网中的电路分解成多个独立的回路,并在每个回路中计算电压和电流的实部值和虚部值。通过对这些值在时间和相位上的变化特性进行详细分析,可以深入理解电路的运行状态,并准确识别出潜在的异常模式。根据三相分支电路上的电压和电流的实部值和虚部值结果,构建高斯混合分布模型。该模型利用多个高斯分布描述三相线损数据的复杂分布特性,更准确地捕捉数据的内在模式和结构。再利用极大期望值方法拟合归一化后的线损率,构造一个由多个高斯混合分布模型构成的混合型高斯模型,计算维本征矢量的似然概率函数,并根据预设的概率阈值判断数据是否异常。若似然概率低于阈值,判定为异常;否则,判定为正常。【结果】由实验结果可以看出,本文方法可以准确辨识三相线路损耗节点,降低误判、漏判的危险。【结论】本文方法可以及时发现和处理配电网中的故障,对提高电力系统的运行效率和可靠性具有重要意义。

【目的】针对电力应用中无人机通信环境安全进行评估,并设计提出一种有效的安全架构与设计方案,以解决电力巡检中无人机通信面临的电磁干扰、数据安全等问题,确保无人机在复杂电磁环境下的高效协同作业和数据安全传输。【方法】研究分析了无人机协作无线网络结构及其面临的安全威胁,特别是电力线附近强烈的电磁干扰对无人机通信的影响。提出了一种基于身份密码学的无人机协作无线网络解决方案,通过设计增强型通信协议与防干扰机制,确保无人机在强电磁环境下仍能稳定地传输关键数据。此外,研究还引入了实体间的相互验证、签名及通信数据的身份验证机制,以提升无人机通信的整体安全性。【结果】实验结果表明,所提出的安全评估架构设计方案在不同无人机数量、通信失败率、电磁干扰强度和数据包大小下均表现出较高的数据恢复率和较少的资源消耗。特别是在高电磁干扰环境下,系统仍能保持较高的数据恢复率和容错能力,可有效抵御潜在的网络入侵和数据窜改威胁。【结论】提出的安全评估架构与设计方案能够显著提升电力巡检中无人机通信的安全性和可靠性,降低信息泄露的风险,并在复杂电磁环境下实现高效协同作业。研究创新之处在于:结合了身份密码学和公钥机制,设计了一种轻量且高效的安全解决方案,为电力巡检任务中的无人机通信网络提供了有效安全保障。

【目的】高压断路器作为电力系统中关键的控制和保护设备,其可靠运行对电网的安全稳定至关重要。然而,高压断路器在长期运行过程中,会因机械磨损、部件老化等问题引发各类故障。当前,对高压断路器的检测面临检测信号多样、故障检测难度大和精度低等问题。因此,研究一种高效、准确的高压断路器机械状态检测方法,对保障电力系统安全稳定运行具有重要意义。【方法】本文提出了一种基于多模态高效Transformer的高压断路器机械状态检测模型。在数据采集环节,综合运用振动传感器、电流传感器和位移传感器,同步获取高压断路器运行过程中的振动信号、电流信号和位移信号,构建多模态信号数据集。在信号预处理阶段,采用小波变换技术对采集到的多模态信号进行处理,将信号分解到不同的频率尺度上,从而有效去除信号中的噪声成分,同时增强故障特征信号,进而显著提升信号质量。在模型构建方面,引入高效Transformer模块。Transformer模块凭借其强大的自注意力机制,能够有效捕捉信号序列中的长距离依赖关系,对多模态信号中的复杂特征进行深入挖掘,通过将高压断路器的运行状态分为正常运行、合闸无法保持、软连接松动、单相触头磨损、绝缘拉杆松动和分闸弹簧断裂,实现对断路器机械状态的准确诊断。【结果】在仿真实验中,构建了高压断路器不同故障类型的仿真模型,模拟实际运行中的各种工况,生成多模态信号数据。将这些数据输入到本文检测模型中进行测试,结果显示模型能够准确识别不同故障类型。在实际实验中,选取了多台高压断路器作为实验对象,在其正常运行和设置不同故障状态下,采集多模态信号数据。实验结果表明,相比传统检测方法,本文方法在保证检测速度的同时,使检测精度有了显著提升。【结论】本文提出的基于多模态高效Transformer的高压断路器机械状态检测模型,有效解决了检测信号复杂、噪声干扰大的问题;借助高效Transformer的强大特征提取和分类能力,实现了对高压断路器多种机械状态故障的准确识别。仿真分析与实验结果证明,本文方法在检测精度和速度上均表现良好,能够为电力系统中高压断路器的状态监测和故障诊断提供可靠的技术支持,有助于及时发现设备潜在故障,在保障电力系统的安全稳定运行方面具有一定的应用价值和推广前景。

【目的】随着输变电工程在配电网中地位的日益提升,传统造价估算方法因误差较大、耗时较长等问题,难以满足现代工程管理的需求。为提高输变电工程的执行效率和估算精度,设计提出了一种基于径向基函数神经网络(RBFNN)和显著性成本理论的造价估算技术。该技术旨在通过优化神经网络结构和特征筛选,打破传统方法在复杂工程造价估算中的局限性,同时提升模型的鲁棒性和适应性。【方法】基于显著性成本理论对历史工程数据进行特征筛选,确定影响输变电工程造价的关键因素,并将其作为神经网络的输入特征。通过引入径向基函数(RBF)对传统人工神经网络(ANN)结构进行深度改造,设计适用于输变电工程的造价估算模型。该模型采用高斯函数处理输入层数据,结合K-means聚类算法初始化隐含层中心值,并利用最小二乘法和梯度下降法分别完成输出层和隐含层的训练。此外,为验证模型的有效性,通过100组输变电工程项目的仿真数据,对比传统造价估算方法(单位造价法和指标估算法)与本文模型的累计绝对误差率和平均执行时间,并采用SHAP值分析法量化关键因子对估算误差率的影响。【结果】仿真结果表明,基于径向基函数神经网络的造价估算方法在累计绝对误差率和平均执行时间上均优于传统方法。当测试样本量增至20组时,单位造价法的累计误差率达440％,指标估算法为180％,而本文模型的累计误差率稳定在110％以内。在执行时间方面,传统方法平均耗时5 s,而本文模型仅需0.5 s。此外,对SHAP值分析显示,电线截面积、钢管杆和回路数量等显著性因子对造价估算误差率的影响最为显著,其SHAP值远高于其他因子。这一发现为模型优化和成本控制提供了重要依据。【结论】本文提出的基于径向基函数神经网络和显著性成本理论的造价估算技术,能够有效提升输变电工程造价估算的精确度和运行效率。尽管该方法在复杂施工环境下仍存在一定的误差,但其整体性能优于传统方法,具有较强的实用性和推广价值。未来研究将进一步结合回归分析、支持向量机等机器学习算法,优化模型的精确度,以更好地适应输变电工程的复杂性和多样性。

【目的】随着新能源占比的持续提升,基于锁相环同步的传统跟网型控制在弱电网条件下逐渐暴露出稳定性不足的缺陷,具备自主同步源特性的构网型控制逐步成为热点解决方案,但当前研究大多聚焦于其电压或同步稳定特性,较少关注其频率调节能力和特性。【方法】本文概述了下垂控制、虚拟同步机控制、匹配控制和虚拟振荡器控制这4种主流构网型控制方式的发展进程和调频控制原理,并从控制环路、适用场景等方面分析了以上方式的优势与不足。在此基础上,构建了新能源并网仿真模型,模拟分析了不同调频控制在多样化场景下的调频响应特性,总结了构网型控制在策略优化、参数整定和多机协同等方面所面临的挑战,并对其发展趋势进行了展望。【结果】下垂控制通过响应系统频率偏差调节机组有功功率,具有结构简单、电网强度适应性强的优点,但该控制方式缺乏惯量支撑,调频性能相对较弱;虚拟同步机控制在下垂控制的基础上,模拟了传统同步机的惯量响应特性,能更好地抑制系统频率变化性能,但面临参数整定、故障穿越和多机协同等挑战;匹配控制以直流电容的动态特性模拟传统同步机惯量特性,抑制了系统频率变化性能,但难以在频率暂稳态区间长期为系统提供支撑;虚拟振荡器控制因幅值和频率由振荡器动态方程直接生成,调频响应类似下垂控制,但输出谐波含量较高难以满足并网要求。【结论】虚拟同步机控制在参与系统调频中凭借其兼顾调频性能和电网强度适应性的技术优势,成为构网型控制中最具前景的研究方向,但需要突破同步稳定、故障穿越和协同控制等技术难题。未来应针对控制策略与参数优化、多机协同控制等方面进行深化研究,进而推动构网型控制的规模化应用。

【目的】配电网工程造价受规模容量、设备材料成本、地理条件等多维度因素影响,传统统计方法难以有效处理高维非线性数据,而现有机器学习方法虽引入特征降维技术,但仍存在一定局限性,主成分分析(PCA)虽能降低维度却牺牲了预测精度,而灰色关联分析(GRA)忽略了特征间的交互作用。因此,亟须构建一种既能保留关键特征信息、又能兼顾特征间复杂关系的预测方法。通过融合递归特征消除(RFE)法与随机森林(RF)算法构建RFE-RF预测模型,旨在解决特征冗余与非线性建模难题。【方法】采用“特征选择-模型构建-实验验证”技术路线,选用RFE法进行特征选择,通过迭代训练模型逐步剔除对预测贡献最小的特征并保留最优特征子集。采用RF算法进行模型构建,基于集成学习思路构建多棵决策树,通过平均化输出结果有效抑制过拟合,提升模型鲁棒性。RF对噪声数据不敏感且能量化特征重要性,可为RFE提供可靠的特征排序依据,从而可将RFE嵌入RF训练流程形成闭环优化过程。【结果】选用某电网公司190个配电网工程项目数据,数据涵盖电压等级、线路长度、设备价格等21个初始特征,对分类型特征进行数值化映射并保留原始分布特征。通过五折交叉验证与均方根误差优化,确定包括线路长度、电缆综合价格、电压等级等关键因素的12个最佳特征子集。与传统线性回归(LR)算法、随机森林算法、基于互信息的随机森林(MI-RF)算法相比,RFE-RF算法在测试集上的预测平均绝对误差为8.6579,预测平均绝对百分误差为6.97％,显著优于其他算法。RFE-RF算法在测试集的平均绝对误差仅比训练集增加约4.5％,其过拟合风险低于其他算法,表明可以通过特征选择有效提升算法稳定性。【结论】特征选择成为提升配电网造价预测精度的关键,RFE法能够通过动态迭代来剔除冗余特征,显著降低数据维度与噪声干扰。RFE-RF模型兼具高精度与强解释性,其平均绝对误差相比传统模型大为降低,且能够清晰量化不同特征对造价的影响权重。将RFE与RF结合应用于配电网造价预测,能够解决特征交互与冗余筛选难题,可为复杂工程系统的数据建模提供新范式。RFE-RF模型可为电网企业提供精准造价预测工具,辅助投资决策与成本控制,推动配电网工程建设的智能化与精细化,并可通过揭示特征选择对机器学习模型泛化能力的影响机制,为高维非线性数据的特征优化提供实践参考。

【目的】随着全球能源结构的转型与清洁能源的大力发展,高渗透率光伏电源在配网台区中的接入比例日益增加。然而,光伏电源受光照强度、温度等自然因素影响,其输出功率具有显著的波动性和不确定性。当大量此类电源接入配网台区时,会引发电网电压波动、频率变化等一系列问题,进而给停电故障预测工作带来巨大挑战。传统的停电故障预测方法在面对含高渗透率光伏电源的复杂配网环境时,难以准确捕捉故障特征,导致其预测准确度下降、效率降低,无法满足配网台区稳定运营的需求。【方法】为了提升预测准确度和效率,提出含高渗透率光伏电源的配网台区停电故障预测方法。建立光伏电源接入电网模型,分析接入后的光伏电源对配网台区故障电流的影响机制。通过该模型清晰了解光伏电源在不同运行工况下对电网故障,电流大小、分布等方面的影响,为后续故障区域推断提供理论基础。结合电网拓扑结构和负载不均衡特征,推断可能发生停电故障的区域。电网拓扑结构反映了电网中各元件的连接关系,负载不均衡特征则体现了不同区域负荷的差异情况,综合考虑这两方面因素,更准确地定位潜在故障区域。引入潮流熵判断电路负荷是否处于临界状态。同时,提取发生故障区域线路包含故障发生时的关键信息的潮流值特征。将提取的特征输入经过优化的SA-SAE中进行训练,通过对大量样本数据的学习,自动挖掘数据中的潜在规律,实现配网台区停电故障的精准预测。【结果】实验结果表明,本文方法在含高渗透率光伏电源的配网台区故障定位中预测准确度较高,准确识别了故障区段(K5~K8线路的3~6段)和故障类型,且预测耗时仅为2.236s,显著优于对比方法。【结论】通过综合考虑光伏电源接入影响、电网拓扑、负载特征等多方面因素,并运用潮流熵和SA-SAE,可以实现对配网台区停电故障的高准确度、高效率预测。本文方法不仅有助于提高配网台区停电故障预测的准确性和及时性,降低停电事故发生的概率,减少经济损失,还能为电网的规划、运行和维护提供有力支持,保障配网台区的稳定运营,推动清洁能源在配网中的大规模应用。

【目的】随着无人机在电力巡检、应急救援等复杂场景中应用需求的不断提升,单架无人机在任务执行时的局限性日益突出。多无人机编队能够有效提升巡检效率、扩大作业覆盖范围,但在实际应用过程中,编队队形保持、航迹协同优化及对复杂环境的适应能力仍面临诸多挑战。针对无人机集群在平面大机动飞行过程中的队形保持与路径优化难题,提出了一种结合虚拟弹簧力和hp自适应伪谱法的最优控制方法,旨在提升无人机编队协同飞行的稳定性、灵活性及抗干扰能力,为电力巡检等无人机高要求场景提供技术支撑。【方法】建立多无人机系统的动力学模型,并将虚拟弹簧机制引入编队控制体系,实现机间柔性约束和弹性自调节。通过将虚拟弹簧法与传统领航跟随法结合,设计了一种可兼顾队形刚性支撑与自适应调整能力的编队策略。在此基础上,采用hp自适应伪谱法对无人机编队的最优控制问题进行求解。该方法通过在Legendre-Gauss节点上离散状态量与控制量,构造全局插值多项式,将无人机编队路径优化问题转化为非线性规划问题,并结合动力学、能耗、速度等约束条件进行高精度数值求解。仿真实验中,设定了典型的四机菱形编队场景,全面考察了算法在不同地形、风扰和任务需求下的适应性。【结果】仿真结果显示,基于虚拟弹簧的hp自适应伪谱法能够有效实现无人机编队的平滑转弯和速度控制。在编队90°大机动转弯过程中,无人机不仅能够满足航迹偏转、速度变化等多重约束,还能保持良好的编队队形。与传统领航跟随法和人工势场法相比,本文方法在位置误差、队形保持、抗风扰能力等方面均表现出显著优势。在10m/s强风干扰情形下,本文方法队形稳定性可达70％以上,显著优于其他对比算法。三维地形仿真和实际飞行测试进一步验证了算法的适应性和鲁棒性,方法在丘陵、山区、峡谷等多种地形下,依然能够维持较低的队形变形率和较小的航迹跟踪误差,能耗控制合理,具备较强的工程实用性。【结论】本文创新性地将虚拟弹簧弹性约束机制与hp自适应伪谱法深度融合,提出一种适用于复杂环境下多无人机编队航迹规划的最优控制技术。该方法不仅突破了传统编队的刚性约束,实现了队形的柔性保持和自适应调整,还显著提升了编队航迹优化的精度与效率。研究结果为无人机集群在电力巡检、应急救援等高难度任务中的协同编队飞行提供高效、可靠的技术路径。后续研究可进一步拓展该方法在多编队协同、复杂障碍环境下的应用潜力,推动无人机编队的智能化、实用化发展。