基于PI数据库的实时动态监测系统(WAMS)的建设与应用

介绍了重庆电网基于PI数据库的实时动态监测系统(WAMS)的总体结构、建设目标和基本功能。该系统采用的PI数据库平台具有独特的数据压缩技术,大大降低了存储所需的容量,提高了数据查询速度,解决了WAMS系统数据存储的技术难题,系统内采用的低频振荡监测算法具有计算快速、准确的特点,目前该系统已投入试运行。

基于标准操作程序管控的调控运行业务流程全过程审计监督

实施背景电力生产中,调控运行作为电网调度、指挥的中枢,承担着电网安全稳定运行的重任。近年来,强化业务安全内控一直是各级调控机构工作的重点,按照标准作业程序(以下简称SOP)构建调控业务流程、以系统为依托规范流程运转是安全内控的重要手段。但将流程中的关键控制节点进行细化和量化[1][2],必然带来业务量增加和业务人员的不适应。

基于数据挖掘的分布式电网故障检测与分类策略

分布式能源入网规模的日益增大对传统过流继电器的故障检测及分类产生了重大影响。通过新兴的图学习技术构建了能有效检测分布式电网故障的时空递归图神经网络模型。该神经网络结构可以通过检测母线电压单元数据来提取时空特征,并根据数据的时空特征进行故障事件检测、故障类型分类、故障相位识别及故障定位。在IEEE 123节点系统上进行仿真模拟。结果表明,所提的基于电压测量的故障诊断策略与已有的传统方案相比具有较高的精度。所提策略仅需要提取电压信号而非电流信号,不受继电器安装数量的限制,因此所提策略更具有实操性与通用性。

低频振荡综合监测算法研究

为提高低频振荡在线监测和分析水平,文章根据离线低频振荡模式识别算法设计了基于改进滤波器法、短时傅里叶分析理论和改进Prony算法的低频振荡综合监测算法,该算法能够对广域测量系统(wide area measurement systems,WAMS)中输电线路的有功功率进行在线监视,识别系统振荡特性。该算法为低频振荡监测算法的设计开发提供了新思路,现场运行证明了该算法的有效性。

基于区块链理念的电网安全运行穿透式管控

为有效应对电网停电风险管控,解决电网安全运行管理面临的层级问题和专业壁垒问题,提升精益化管理水平,迫切需要建立电网安全运行关键指标穿透式管控体系。本文采用区块链去中心化思想,分布式存储电网运行数据,应用大数据挖掘,构建多层级、多专业协同评价的穿透式管控机制,把相对独立的管理主体紧密链接在一起,协同开展本质安全分析管控,发现电网薄弱环节和管理漏洞,提升电网运行安全管控水平。文章使用FPGrowth和KNN算法建立模型对停电事件进行大数据挖掘和分析,不但提高了存储和检索效率,也增强了停电分类的准确性,保证停电事件责任主体的准确判定。目前,该方案已在重庆电网正式运行,在电网停电风险管控上取得较好成效,可供相关电网企业参考借鉴。

电力系统自然频率特性系数区间预测方法

电力系统自然频率特性系数β是整定区域互联电网自动发电控制(automatic generation control,AGC)策略中频率偏差系数B的重要依据.理想情况下,系数B的整定原则是使其恰好等于β系数,从而使系统AGC调节量能准确跟踪系统功率偏差.然而,电力系统β系数具有非线性与时变性,现有B系数整定方法难以有效追踪其变化.对此,提出了基于深度神经网络(deep neural network,DNN)与Bootstrap的自然频率特性系数区间预测方法.该方法利用DNN强大的非线性特征提取能力建立系统功率扰动、备用容量、机组启停方式与β系数间的映射关系,实现β系数的预测,并结合Bootstrap方法得到β系数预测结果的置信区间,可为系统B系数的整定提供有力支撑.算例仿真结果验证了所提方法的准确性与鲁棒性.