低压智能配电系统在改善油气站场电能质量中的应用研究

近年来,我国持续加大力度保障电力网络的安稳运营,智能配电系统逐渐广泛应用于电力行业、冶金行业、建筑行业等领域中。相较于其他行业,油气管道地面站场电气智能化发展较慢,电力扰动、电压暂降等一系列电能质量问题亟待解决。为此,将低压智能配电系统应用于北方某长输管道油气站场,以解决非线性大功率负载易对传统低压配电网络造成的一定干扰并引起三相不平衡、电压暂降等电能质量问题。该系统包括三相不平衡调节设备、可灵活平滑调控的SVG无功功率动态补偿装置、APF有源电力滤波器等相关仪表设备。现场应用结果表明,该系统能有效提高长输管道油气站场的电能质量,保障了长输管道油气站场供电质量的可靠性与稳定性。

深度学习驱动的电网无功-电压优化控制策略模型

文章在应用深度神经网络的基础之上,提出一种可对电网网络损耗进行有效评估与优化的方法。该方法通过神经网络寻求电网中无功补偿设备、变压器运行状态与系统网络中网络损耗的内在联系,结合改进遗传算法对无功补偿设备、变压器变比进行优化求解实现快速调节控制。该方法解决了电网使用传统最优潮流计算求解非线性混合变量规划时存在的收敛性问题,文中放弃了使用潮流分布数据进行训练而是采用节点电压数据替代,实现降维的同时保证了电力系统全局响应信息;通过佳点集抽样样本优化神经网络训练的效果,并改进传统遗传算法提升搜索的全局性或收敛的速度;文中以IEEE 30节点系统对本套方案进行仿真验证,证明了改进方法的有效性。

考虑灵活性供需匹配的孤岛微网优化调度策略

为使孤岛微网能更大程度地实现源侧发电功率与荷侧用电需求之间的匹配程度,以灵活性理论为依据,提出考虑灵活性供需匹配的优化调度模型。以最大化经济效益和最大化灵活性供需匹配程度为目标,利用多目标粒子群优化算法得到该优化问题的Pareto解集,并从中选取更符合实际需求的解。算例仿真结果表明,所提优化调度策略能有效提升系统应对可再生能源发电机组出力的波动性与随机性的能力,提高经济效益。

基于时间卷积网络和门控循环单元的短期用电量预测方法

针对智能电网建设环境下用电数据所呈现出的采集频率低、时变性显著等特点,提出了一种基于时间卷积网络和门控循环单元的短期用电量预测方法。考虑电类特征、环境特征和时间特征,从常见用户用电量的影响因素中筛选出模型的输入数据,分别训练时间卷积网络和门控循环单元两种深度学习模型并建立所提方法的整体架构。对某地区低采集频率用电数据进行仿真分析,与传统的长短期记忆网络、一维卷积及多层感知机等方法相比,所提方法具有更高的预测精度,有效可行。