【目的】当前高压电力终端线路局部放电监测装置存在局部放电模式误判、误报率较高的问题,且无法对无通信信号覆盖区域实现实时局部放电监测。为此,本文基于电力北斗系统与改进DBN模型,开展高压电力终端局部放电监测算法研究。【方法】本文提出的高压电力终端局部放电监测算法,主要包括基于电力北斗系统的数据采集与同步,以及基于灰度图矩-KHA-DBN的局部放电模式识别与定位两部分。在数据采集与同步阶段,利用北斗系统短报文通信与定位功能,实现无通信信号覆盖区域内电力终端监测数据的实时传输,并同步携带监测设备的地理位置信息;同时利用北斗系统同步授时功能,完成多终端传感器采集时间的统一校准,提高多区域监测数据共享的同步性,进而依靠数据的时空特性提升局部放电定位精度。局部放电模式识别与定位阶段主要涉及数据采集、特征提取与模式识别3个环节。通过分析局部放电模式与产生机理,设置内部放电、沿面放电、电晕放电与悬浮放电4种典型局部放电模式,并采用高频电流法采集上述4种放电模式信号与设备正常状态信号;为降低多类放电模式模态混叠的影响,采用空间关系特征增强方法,将监测数据时频分布图划分为若干区域,分别提取3个低阶灰度特征参数;基于多尺度排列熵理论选取合适的尺度参数,对强时序特征数据进行细化处理并计算熵值,进一步增强多尺度数据特征的独立性。本文采用改进KHA优化DBN参数,并将优化结果作为DBN初始参数。具体而言,首先通过Logistic混沌映射生成KHA初始种群,再采用高斯变异操作更新IK适应度值以完成KHA参数寻优;在确定DBN初始参数后,利用训练样本集对DBN模型进行训练,并分析不同隐藏层数与节点数对识别准确率的影响;最后确定灰度图矩-KHA-DBN局部放电模式识别算法的最优结构。【结果】搭建模型训练数据采集试验平台,采用与实际场景数据规模相当的样本开展测试,分析了隐藏层数与节点数对局部放电模式识别准确率的影响,确定最优隐藏层数为5、节点数为26。与基于极限学习机、支持向量机的局部放电模式识别算法相比,本文算法的平均识别准确率分别提升了4.87％和3.22％,展现出更优的模式识别性能。【结论】本文算法可识别的局部放电模式类型较为齐全,能够满足工程实际应用需求。融合电力北斗系统后,利用北斗系统短报文通信、定位与同步授时功能,可实现电力终端监测数据自动化传输、终端定位与多区域传感器采集时间校准,还可为提高局部放电故障定位精度提供理论支撑。

【目的】配电网作为电能分配的核心环节,其运行稳定性直接影响电力供应的连续性与可靠性。高压绝缘子作为配电网中的关键组件,具备电气隔离和导线支撑功能,但在长期运行中易受到环境因素、气候变化及材料老化等影响而发生故障。一旦发生故障,不仅可能降低配电网的运行稳定性,影响电能供应质量,还可能引发短路、跳闸等事故,对电力企业和用户造成严重经济与社会影响。因此,实现高压绝缘子故障的及时、准确检测与处置对于保障配电网安全稳定运行具有重要意义。【方法】针对上述问题,本文提出了一种基于自回归(auto regressive,AR)数字化模型的高压绝缘子故障检测与处置技术。设计并实现了用于配电网高压绝缘子状态数据实时采集的模块,可高效处理特高压直流输电系统中的差值信号,为后续数据分析提供高质量数据基础。在此基础上,建立AR数字化模型,通过参数估计和滤波处理提取信号关键信息,有效抑制噪声干扰。进一步,通过比较滤波后残差序列及其方差,实现对异常数据的精确识别。故障检测阶段,采用极限学习机建立高压绝缘子故障检测模型,将异常数据残差序列输入模型,可快速准确地判断故障类型、故障位置及故障时间,实现精准检测。基于此,构建高压绝缘子故障快速处理模型,通过预设处置流程与算法,实现故障的快速维修和更换。【结果】实验结果表明,该方法能够实现高压绝缘子状态的实时监测与故障预警,有效提升故障检测的准确性与效率,缩短故障处置时间,降低运行成本。同时,该技术具有较强的适应性和可扩展性,可为配电网的安全稳定运行提供可靠技术支撑。【结论】综合研究结果可知,所提出的基于AR数字化模型的高压绝缘子故障检测与处置方法不仅提高了故障检测的准确性和效率,还为配电网安全稳定运行提供了一条可行的技术途径。该方法在实践中具有重要应用价值,有助于减少因绝缘子故障导致的电力中断,提升电力系统整体稳定性与供电质量。

【目的】随着可再生能源渗透率的持续提升,“鸭子曲线”问题将愈发严峻,系统净负荷曲线短时间内的迅速爬升现象会更加突出,这对电力系统的灵活性提出了更高要求。灵活爬坡产品作为一种新型辅助服务交易品种,可通过激励机组在本时段预留灵活爬坡容量,以应对下一时段的净负荷变化,提供该产品的机组也能借此获得相应回报。当前研究对灵活爬坡需求价格曲线的不确定性考虑不足,对该产品影响市场均衡的讨论较为欠缺,且未充分纳入多资源主体的不同特性,上述问题仍需要进一步研究解决。【方法】本文提出了一种考虑源荷不确定性的灵活爬坡需求价格曲线计算模型。该模型结合系统净负荷中负荷与新能源功率预测误差受不同因素影响的特征,采用分位数回归方法拟合得到系统负荷预测误差的上、下限曲线方程,进而计算出系统灵活爬坡需求;在此基础上,结合系统净负荷预测误差的概率密度分布函数,确定灵活爬坡需求价格曲线。以该计算模型为基础,本文进一步构建了考虑多类型资源接入的电能量-灵活爬坡市场均衡模型,将原有仅以发电成本最小化为目标的数学模型,扩展为电能量与灵活爬坡产品供应的总成本最小化模型。【结果】以IEEE30节点系统为算例,结合某地实际光伏与负荷数据开展仿真分析:首先通过计算误差回归曲线得到净负荷预测误差,进而绘制系统灵活爬坡需求价格曲线,为灵活爬坡产品定价提供依据;其次通过多场景市场均衡分析发现,所构建模型下的电能量出清价格可有效反映系统灵活爬坡供需关系,实现机组及系统的经济性最优;再次对各场景光伏出力曲线的分析表明,该模型能有效减少弃光现象;最后验证得出,独立储能的接入可替代部分高发电成本的燃气机组,从而降低系统总购电成本。【结论】通过所构建模型,系统可有效调整灵活爬坡产品的采购量,减少因未采购灵活爬坡容量产生的损失成本,显著提升系统运行经济性;在市场价格的引导下,灵活爬坡产品能够激励更多灵活资源并网并提供灵活爬坡容量,为新能源消纳能力的进一步提升创造条件;此外,独立储能可较好地匹配系统灵活性需求,在缓解系统灵活性供需压力的同时,为自身争取更多盈利机会。

【目的】针对电动汽车的广泛使用导致电力系统峰谷差增大、电网局部过负荷等问题,提出了一种基于多目标粒子群优化的电动汽车充电与能源调度策略。该策略在满足用户用电成本最低和电网安全运行的基础上,通过对电动汽车充电方式的优化调度,降低了电网负荷的峰谷差,有效保障了电力系统的安全可靠运行。【方法】设计采用多目标粒子群算法求解电动汽车优化调度函数。构建了粒子群状态评价指标,并以此为依据动态调整粒子群算法的惯性权重和学习因子,利用Sigmoid函数映射方式确保惯性权重和学习因子随评价指标的变化而动态调整。在此基础上,利用高斯变异防止算法陷入早熟收敛或停滞状态,进一步提高了算法的可靠性和稳定性。【结果】研究通过建立电动汽车优化调度目标函数,利用多目标粒子群算法对该函数进行求解。从算法的收敛速度、目标函数值的标准差等方面对算法性能进行了对比分析,最终选定自适应权重优化结合高斯变异的粒子群优化算法作为求解方案。对固定电价和分时电价的优化策略进行了仿真分析,仿真结果表明,本文提出的调度策略在分时电价和固定电价下均可实现削峰填谷效果。【结论】采用自适应权重优化和高斯变异粒子群优化算法虽然收敛速度有所降低,但其具有稳定性和可靠性方面的优势。优化调度之后固定电价负荷曲线峰谷差较原始负荷峰谷差减小37.26%,分时电价负荷曲线峰谷差较原始负荷峰谷差减小53.62%。该算法对不同分时电价策略同样适用。本文的创新点在于:1)提出了一种粒子群收敛状态评价指标,用于评估种群收敛状态,并以此为依据,动态调整粒子群优化算法的惯性权重和学习因子,充分发挥了粒子群优化算法的性能;2)针对多目标函数优化,引入了基于高斯变异优化的粒子群变异策略,避免了种群处于早熟收敛或停滞状态,提升了算法的稳定性和可靠性。

【目的】针对光伏电站内部空间辐照分布不均匀导致发电预测准确性不高的问题,突破传统方法在捕捉时空动态特性方面的局限性,提出一种融合时空辐照分布特性的超短期预测算法,以提升晴天及阴天等复杂条件下的预测可靠性,满足电网实时调度需求。【方法】通过三个关键维度(大气层外太阳辐射照度、大气质量、大气透明度)构建辐照度计算体系。结合时角修正和太阳高度角确定入射角度;引入太阳常数和大气衰减系数以量化外层辐射强度;通过大气质量和透明度参数表征大气衰减效应;整合直接辐射与散射辐射,形成完整的辐照度计算框架。为提高预测准确性引入相似日概念,通过计算日相似度和前趋势相似度,并结合二者建立目标函数以选取与预测日辐照度分布相似的历史日期。在发电预测方面,结合多层感知机(multi-layer perceptron,MLP)和深度置信网络(deep belief network,DBN)构建MLP-DBN模型,利用相似日选取方法及太阳辐照度数据构建预测样本。将太阳辐照度样本输入MLP模块,得出发电初始预测值并计算残差,DBN模块根据残差进行精准预测,通过相关表达式计算隐藏层及输出层输出,并建立目标函数以调整网络权值,训练MLP直至均方误差最小化,最终输出光伏电站超短期发电预测结果。【结果】实验结果表明,在晴天和阴天条件下,本文算法计算出的辐照度与实际值高度吻合,而传统方法存在明显偏差。此外,发电预测曲线显示,本文算法的预测结果更贴近实际值,得益于高效的历史相似辐射日筛选机制。定量分析进一步表明,该算法在晴天和阴天下决定系数均优于对比方法,尤其是在阴天条件下的稳定性突出,验证了其强鲁棒性。本文算法模型能够从样本中学习复杂非线性关系和高层次特征,从而精准捕捉不同气象条件下的细微差异。【结论】本研究既通过整合辐照度时空分布特性和深度学习技术准确刻画了大气辐射传输过程,又通过深度网络有效提取了天气相关的非线性特征。该方法为光伏电站参与电力市场竞价和电网调度提供了可靠的技术支持,对促进新能源消纳具有重要实践价值。

【目的】随着数据技术的发展,输变电工程领域积累了大量多源异构数据,同时电网工程造价的影响因素具有多样性和非线性特征,这两大问题导致传统造价预测模型准确率普遍偏低。针对这一痛点,本文旨在提升输变电工程造价预测的准确率,为工程成本管理提供可靠的决策依据。【方法】本文提出一种融合强关联性样本平衡算法与投票集成学习算法的造价预测方法。首先,利用Pearson相关系数筛选影响输变电工程成本的关键因素,并对数据进行归一化处理;其次,运用样本平衡算法随机生成多个不同规模的训练子数据集,基于各子数据集分别构建卷积神经网络(CNN)子模型;最后,依据各子模型在验证阶段的表现,计算不同类别预测结果的权重,通过加权投票集成策略得到最终预测结果。该方法设计原理为:Pearson相关系数可精准锁定关键影响因素,有效削减冗余信息;样本平衡算法能够解决数据分布不平衡问题,确保模型对各类样本具备均衡的识别能力;投票集成学习可融合多个CNN子模型的优势,显著增强模型的泛化能力。【结果】以某地区电力企业220 kV变电站的30组项目成本样本数据为实验对象,选取前20组作为训练集,后10组作为测试集开展验证。在参数条件一致的前提下,基于Pearson相关性分析的CNN投票集成模型,其训练与测试阶段的性能均优于Pearson-CNN算法及单一CNN模型。实验结果显示,该模型的训练准确率与测试准确率分别达到97％和96.7％,训练集与测试集的损失函数分别为0.35和0.45,平均预测精度高达97.2％,整体表现出优异的预测性能。【结论】本文模型可有效融合多源异构的不平衡数据。该模型通过将Pearson相关性分析、样本平衡算法与投票集成学习相结合,显著提升了预测性能,解决了输变电工程领域因数据不平衡导致的预测精度不足难题,有助于优化工程成本管理流程,为工程决策提供更为精确、可靠的数据支撑。

【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。