基于主成分分析和凸优化的低压配电网拓扑识别方法

低压配电网拓扑结构是配电网管理系统的重要组成部分,也是各种分析计算的基础.然而,由于电力线路的重新配置、维护和检修,低压配电网的拓扑结构会发生变化,影响电网运行的稳定性和电能计量的准确性.因此,提出一种基于主成分分析和凸优化的低压配电网拓扑识别方法.该方法首先分析了低压配电网的典型拓扑结构,并基于电量测量时间序列和电能守恒定律建立了低压配电网的拓扑识别模型;然后利用主成分分析(PCA)对电量测量数据集矩阵进行降维压缩,从而保留了原始数据间的本质信息;最后结合范数逼近和凸松弛原理,将低压配电网拓扑识别问题转化为可解的凸优化问题,避免了算法陷入局部最优解.基于12节点的相位识别算例和大型低压配电网拓扑识别的仿真,验证了所提方法的可行性和高效性.此外,在电量测量数不充足的情况下,相比于传统主成分分析算法,拓扑识别准确率有所提高;含20 dB高斯噪声的电量测量数据集下的仿真结果表明,实现准确拓扑识别所需的电量测量数从248减少到200;实验表明,该方法的时间复杂度主要与低压配电网节点数有关,受电量测量数的影响为微秒级,当电量测量数分别大于82和90时,所提出的两种范数优化方法的仿真时间低于传统的范数优化算法,因此该方法在数据集规模较大的情况下具有较高的识别效率.

基于图信号交替优化的居民用户非侵入式负荷监测方法

非侵入式负荷监测(non-intrusive load monitoring,NILM)是研究居民用户负荷信息的常用方法,但存在分解准确度低、算法泛化性能低等系列问题。为此,该文应用图信号处理(graph signal processing,GSP)理论,提出一种基于图信号交替优化的居民用户NILM方法。该方法根据总负荷数据构建图信号模型,并基于图信号模型得到关于功率损耗的约束条件,较好地解决了传统方法缺乏负荷数据相关性研究的问题。相比于传统方法需要对模型参数多次调整,交替优化法可以自动调整参数,提高了实时监测能力,降低了电网运营成本。仿真结果表明,在1min采样率下,基于图信号交替优化法的总负荷分解准确度比NILM-GSP提高了15%,计算时间降低了10%,充分体现了该文算法性能的优越性。

基于可见光携能通信的线性迭代定位算法

可见光通信(visible light communication,VLC)无电磁干扰、成本低且绿色低碳,符合国家节能减排战略.将VLC系统与无线能量传输技术结合在一起,可实现可见光携能通信.因此针对电网中高压输电线路的巡检问题,对点对多点(单光源多接收机)的VLC进行研究,通过收集可见光信号携带的能量可实现信息与能量的同时传输,基于接收功率和接收机的相对位置,提出三角定位算法.为提高计算速率实现实时定位,根据泰勒公式和隐函数存在定理并引入时间变量,进一步提出线性迭代定位算法.此外,针对信道模型中噪声对定位精度的影响,利用隐马尔可夫模型(hidden Markov model,HMM)进行在线去噪,实现光源定位算法的优化.仿真结果表明,提出的线性迭代算法只有固定开销,测量次数不会影响其计算速度,测量误差可以控制在6 cm范围之内;经在线去噪后,90%的数据点测量误差可控制在5 cm范围之内.

采用ACO-OFDM调制新型可见光-射频识别标签系统

针对电磁波通信的传统射频识别标签系统有辐射,稳定性差的问题,提出一种采用非均匀限幅光正交频分复用调制(asymmetrically clipped optical-orthogonal frequency division multiplexing,ACO-OFDM)终端为数字标签的可见光通信系统。该系统将ACO-OFDM调制技术与可见光通信系统结合,对终端标签完成读写操作。为了提高可见光通信的稳定性,采用了ACO-OFDM调制提高了可见光信道的带宽利用率并且有效抵抗了信道间干扰,增强了可见光信道的稳定性。按照系统的设计分层,依次对终端标签芯片、调制解调、光发射机、接收机进行介绍。其中,终端标签芯片以及发射机,接收机电路基于UMC18 CMOS工艺流片,调制解调模块基于FPGA设计。仿真结果表明,该可见光射频识别标签系统的数字部分和模拟部分均能正常工作,实现了可见光对终端标签进行读写。

西藏配电网智能路径规划方法研究

藏中电力联网工程建成投运为西藏清洁能源的开发与外送创造了有利条件,而传统电力输送路径规划方法较少考虑清洁能源接入的影响。为此,将人工智能思想融入配电网路径规划模型,计及风能、太阳能2类清洁能源接入,研究以路径建设成本及运维费用最小化为目标的路径规划优化问题。提出了精英蚂蚁策略以改进传统蚁群算法,并采用网架结构与路径规划迭代优化的策略解决配电网规划中的非凸问题。根据地理信息系统的数据进行仿真计算,结果表明:计及清洁能源接入的精英蚂蚁群体算法实现了线路架设投资成本和运维费用最小化的目标,其收敛速度相比传统蚁群算法有较大提升。

基于土地使用性质的饱和空间负荷预测研究

精准预测电力负荷对提升电网规划和建设质量意义重大,传统饱和负荷预测方法受历史信息影响较大,且预测结果的计算复杂、精度低,为此提出一种基于误差模型变换的饱和负荷预测方法。该方法首先考虑城市用地性质及开发时间,将片区地块分成同质地块和同时地块;继而提出迭代式负荷预测系统架构,将片区负荷预测问题转换为网格化分区的参数估计和模型的整合预测2个子问题相互迭代;最后利用误差模型变换改进极大似然估计,使负荷预测结果不再依赖于地块历史信息。仿真结果表明,该方法的负荷预测结果精确度较高,且受误差影响较小。

人工智能算法在西藏地区配电网路径规划中的应用研究

西藏地区海拔高,用电负荷相对分散且配电线路较长,电力廊道建设对可靠性要求高、且投资成本大,科学的路径规划对保证西藏电网的安全稳定运行并减少线路投资具有重要意义。在电力输送路径规划方面,传统方案过多依靠专家经验,其合理性和经济性得不到保证。针对这种情况,设计了一种基于人工智能算法的配电网路径优化规划方法。对蚁群算法进行优化改进,结合GIS的大数据处理功能,将人工智能思想融入配电网路径规划模型,并对西藏某地区的线路架设方案以及网架结构进行设计及仿真。结果表明,人工智能算法实现了降低线路架设投资成本和运维费用的目标,与符合IEEE标准的传统仿真方法相比,算法收敛速度有较大提升,该算法的应用能够有效提升配电网路径规划的可靠性、经济性及可扩展性。

基于城市用地性质及开发时间的改进空间负荷预测方法研究

传统的空间负荷预测方法涉及数据量大、模型复杂度高、预测速度及精度难以保证。考虑城市用地性质及开发时间,提出了一种基于Logistic回归的改进空间负荷预测方法。该方法将负荷预测问题转换为网格化分区的参数训练和模型的整合预测两个问题,在预测模型中重新构建基于发展速度以及中位年份的参数训练方案,并通过改进Logistic函数的最大似然估计来降低负荷预测的复杂度。仿真结果验证,提出的改进空间负荷预测方法在简化计算复杂度和提升预测精度两方面都优于传统方法,能够有效应用于片区负荷预测。

改进型ACO-OFDM调制系统及其FPGA实现

非对称削波光正交频分复用(ACO-OFDM)是一种适用于光通信的高效数字调制解调系统.传统具有高速傅里叶变换模块(FFT)的ACO-OFDM系统,由于FFT模块的架构与系统本身不完全匹配,造成了硬件资源的大量占用与频谱资源的浪费.为了解决这个问题,完成了基2标准时延结构流水线型FFT处理器的设计验证,在150 MHz的系统时钟下,输出延迟为990 ns,功能表现良好.并通过加入载波同步单元,降低了约60%误码率.仿真结果表明,该方法提高了ACO-OFDM系统的通信性能.