基于特征量和卷积神经网络的暂态电压稳定评估

针对目前传统方法无法准确快速判断系统暂态电压稳定性的问题,提出一种基于特征量和卷积神经网络(convolutional neural networks,CNN)的暂态电压稳定评估方法.首先基于传统电压稳定指标分解及响应数据,从原始电气量中进行36维电压稳定构建特征量,将特征量输入卷积神经网络中进行有监督学习,最后将训练所得到的模型应用于电力系统暂态稳定评估中.利用新英格兰10机39节点标准算例对电网进行了仿真,结果表明该方法具有错误率低、精确率高、测试时间短的特点,能够准确快速判断出系统的暂态电压失稳,提高了电力系统的稳定性.

基于随机矩阵理论的特高压直流送端电网异常状态判别

特高压直流输电在我国发展迅速,而特高压直流输电的投运使电力系统运行状态更加复杂多变,在这种情况下,如何充分利用广域量测系统(wide area monitoring system,WAMS)形成的电力大数据快速准确地判别电网的异常状态是个难题。首先,介绍了随机矩阵理论常用的定义与定理;然后,将无法直接判断异常状态的圆环律图形转换为数字指标,用平均谱半径(mean spectral radius,MSR)构建异常状态评价指标,并考虑圆环律得到的内环数据点比例,提出基于圆环律与平均谱半径的电网异常状态检测指标与电网异常状态严重程度的谱分布检测指标最后,基于某实际送端电网仿真数据,形成随机矩阵,验证所提出指标的正确性和有效性。

基于分布式光纤传感器的电力综合管廊沉降监测

随着城镇化步伐的加快,城市地下空间合理利用越来越受到重视,地下综合管廊建设规模也在不断加大。电力综合管廊对城镇电力线路的建设具有集约化、安全等特点,方便统一管理,可以满足城市安全建设以及环境美化的要求。虽然电力综合管廊在保障电力线路安全方面有一定的优势,但是管廊会受外部地面环境或者外力破坏,管廊结构存在潜在的安全隐患。传统的管廊通道运行维护技术又无法适应现代电力基础设施的检修要求。因此,研究一种基于分布式光纤传感器的电力综合管廊沉降监测,通过实时获取和分析电力管廊通道内的光纤传感器数据,利用温度补偿特性,实现对管廊内部结构沉降的监测和预警。实验证明,提出的方法对管廊沉降监测,具有较高的测量精度,可以满足电力综合管廊内部结构沉降监测的需求,确保电力综合管廊健康状况的实时监测以及出现沉降故障时快速预警。