GIS断路器操作机构更换平台与操作方法设计

随着气体绝缘金属封闭开关设备在中国电力系统中应用数量日益增多,如何在有限的停电时间和空间内提高其操作机构拆装效率、保障其可靠性已引起广泛关注。首先分析气体绝缘金属封闭开关设备的组成和其断路器操作机构的安装要求;然后设计了一种断路器操作机构更换平台,重点涉及平台整体架构、电源与动力、操作终端与通信,并且研究了该平台具体操作方法;最后通过三维仿真,与传统常用手拉葫芦吊装设备进行了对比。结果表明,所设计更换平台操作方便灵活,能够避免现场高空作业、降低操作人员工作强度、提高拆装效率,具有推广应用价值。

风光储综合能源系统建模与小干扰稳定性分析

采用多频段阻尼控制策略可抑制风光储综合能源系统接入电网导致的多频振荡现象。搭建采用多频段阻尼控制策略的风光储综合能源系统的数学模型,基于特征值分析法分析风光储综合能源系统的小干扰稳定性。最后,为验证采用多频段阻尼控制策略可实现风光储综合能源系统在小干扰下可稳定可靠运行,利用Matlab/simulink搭建了仿真模型并进行分析。仿真实验结果表明:风光储综合能源系统中储能装置采用多频段阻尼控制策略时,可增加不同频段的阻尼能力,有效抑制多频段振荡,实现小干扰稳定。

基于VMD-SE和GAElman神经网络的短期负荷预测模型

针对电力负荷序列的非平稳性和非线性等特点,提出了一种基于变分模态分解技术VMD-样本熵SE和遗传算法GA优化的Elman神经网络短期负荷预测模型。为了降低原始序列的复杂度和不稳定性,首先利用VMD-SE将原始电力序列分解成多个子序列;然后根据各子序列的特点分别构造经GA遗传算法优化的Elman神经网络预测模型;最后将各个子序列的预测结果叠加得到最终结果,实现短期负荷预测。应用于实例,结果表明,该模型能有效提高预测精度。

基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型

传统的短期负荷预测模型未考虑组合预测模型的在数据处理上的优势,为了提高短期负荷预测的精度,本文提出了一种短期负荷预测的模型。首先,以降低电力负荷序列非平稳性的影响为目的,采用了变分模态分解方法将原始电力负荷序列分解为一系列的不同特征信息且相对较平稳的固有模态分量,分析掌握每个分量的变化规律;其次,利用样本熵理论对分解的各个分量进行复杂度分析以减少计算规模,提高预测模型的计算效率;然后考虑相关因素对负荷影响的延迟效应,采用了计及延迟效应的互信息特征选择技术重构原始输入序列;最后,结合深度信念网络预测模型,建立基于变分模态分解样本熵延迟效应互信息深度信念网络的组合预测模型,仿真结果表明该模型的有效性。

计及延迟效应的两段特征选择技术在负荷预测中的应用

针对特征变量对负荷的影响具有延迟效应,在现有的两段特征选择技术基础上提出了一种计及延迟效应的两段特征选择技术。基于延迟交互信息(Delay Mutual Information,DMI)寻找特征与负荷之间最佳预测参考点,并借助该参考点调整相空间。对该相空间进行基于DMI的两段特征选择,即不相关滤波和冗余滤波,将滤波后的相空间输入预测引擎进行预测。实例对多个可能相关的变量进行分析,验证了该方法可降低预测误差和时间。

基于数据挖掘的电力需求侧管理综述

电力需求侧管理突破了传统的电力管理模式,改变了依靠单纯地扩大供应能力以满足日益增长的电力需要的方式,在更高层次上处理供应侧和需求侧的关系,特别强调用户参与负荷管理的积极性,做到和用户共同实施用电管理。针对这一特点,通过分析时下最热门的数据挖掘技术的现状,并结合数据挖掘技术分别从电力需求侧管理的需求侧响应,有序用电和能效管理三个方面对基于数据挖掘的电力需求侧管理进行了综述。结论得出,基于数据挖掘的电力需求侧管理是未来电力需求侧管理的主要发展方向,研究如何将数据挖掘技术应用到用户需求侧管理中,不仅可以推动电力需求侧管理的进一步发展,还可以加快电力行业的快速转型,为能源互联网的快速建设提供技术支持。