基于电气距离与层次聚类分析的配电网分区策略研究

配电网区域划分是开展无功电压控制的研究基础。本文提出了一种基于电压对无功灵敏度的聚类模型,采用映射函数求得各电气距离指标形成电气距离集,再依据层次聚类算法选取簇中心进而实现区域分区。论文最后通过IEEE 123节点系统验证了该方法的有效性。

基于改进K-means聚类k值选择算法的配网电压数据异常检测

K-means聚类算法因计算速度快、准确率高等优势被应用于大规模配电网数据异常检测,但当聚类数不合适时,可能导致聚类结果不理想。为此,提出一种基于改进elbow method和轮廓系数的聚类数选择算法IES,首先,该算法利用elbow method的聚类评价指标和聚类数上限,确定随数据集不同而自适应变化的阈值,通过自适应阈值求解聚类数下限;其次,在聚类数上下限内计算轮廓系数,并提出“一个极大值”规则避免计算所有轮廓系数,提高算法速度;最后,利用轮廓系数选取合适聚类数,并通过召回率评价异常检测效果,说明为K-means聚类算法选取合适聚类数对异常检测的重要性。算例结果表明:IES算法能在自适应获取最佳聚类数的同时大大削减计算时间,提高K-means算法在线监测的准确率和高效性。

基于双向长短期记忆神经网络的配网电压异常数据检测

受自然环境、计量仪器等影响,量测数据会出现异常,导致调度人员错误决策,威胁电力系统安全稳定运行。为保障电力系统安全稳定运行,提出了一种基于双向长短期记忆(bidirectional long short-term memory,Bi-LSTM)神经网络的配网电压无监督异常数据检测方法。利用Bi-LSTM神经网络处理时序数据的双向特性,建立时序预测模型,通过对比预测值和实际值的误差检测异常数据。最后,基于某实际配网电压数据进行仿真验证,仿真结果表明:所提方法在准确率、F1分数等指标方面均优于决策树、K近邻、支持向量机、长短期记忆(long short-term memory,LSTM)神经网络。

高渗透率分布式光伏下的配电网问题及解决方式

分布式光伏发电在配电网中渗透率的增加,既加剧原有配电网电压闪变、电压波动、谐波污染为主的电能质量问题,也带来网络损耗不确定性增加、配电网规划困难等新问题。为此,首先分析了问题产生的本质,然后提出分区域建设统一储能设备、虚拟电厂等配电网规划,建设运行调度更加灵活的主动配电网,最后展望了分布式光伏发电在实现“双碳”目标中的重要作用。

电压暂降对敏感电气设备影响及其改进措施

针对云南电网典型地区发生的典型电压暂降事件特征,对典型用户的敏感电气设备脱网事件原因进行了分析,并给出了抗晃电改造的建议。

基于CEEMDAN与BiLSTM算法的短期电力负荷预测

针对单一预测模型在长时间序列存在序列特征信息丢失,数据间结构信息紊乱等问题,提出一种基于CEEMDAN-BiLSTM的组合预测模型解决分解信号时模态混叠问题及LSTM计算量过大造成序列特征信息丢失问题。

断路器操作机构TBJ误动作风险分析

断路器是用来接通或断开电路,尤其是在电力系统发生短路故障时,断路器迅速动作将故障点切除,断路器工作性能好坏除了与本身的电气、机械、绝缘等性能有关,还与其控制、保护及二次回路接线是否完善合理有很大关系。某变电站110 kV断路器跳闸出口压板接地,造成断路器操作箱TBJ电流保持继电器励磁动作,导致运行中的断路器跳闸,本文对其动作原因进行分析,并提出防范断路器操作箱TBJ误动作风险改进措施和建议。