基于特征线性调制深度学习网络的馈线负荷构成特征识别

随着电网规模越来越大,结构越来越复杂,供电可靠性的要求越来越高,通过现场试验的方式获取电力负荷的动态特性变得十分困难。提出了基于统计综合法的思想,运用电力系统仿真软件,通过仿真计算的方式得出对应电力负荷的动态特性。为了获得馈线负荷构成比例识别所需的负荷数据库,建立了包含变频空调负荷、分布式光伏负荷、感应电机负荷以及静态负荷的电网模型,通过设置电压跌落,得到不同负荷情况馈线功率数据,建立馈线负荷数据库,运用基于特征线性调制的改进深度学习网络的方法挖掘负荷节点或馈线功率变化的特征,并对负荷构成进行识别。结果经过训练后,与传统BP神经网络进行对比,识别准确率达到99%以上,部分负荷可以达到99.6%以上,有着较高的识别准确度。

基于扩张状态观测器的非线性最优变频空调频率控制

空调系统作为办公建筑耗电量最大的用电设备之一,在一些大中城市的所有负荷中,空调负荷已经占到夏季尖峰负荷的30%~40%。因此在保证所处环境中人的舒适性前提下,研究变频空调频率的最优节能控制,对促进节能减排,构建节约型社会具有重要意义。应用DIgSILENT仿真软件,搭建基于电磁暂态的变频空调模型,包含变频器模型、电动机模型、压缩机模型和热交换模型。由于变频空调以往的频率控制方式算法复杂,精度较低,误差较大。因此从压缩机频率控制器入手,设计了基于扩张状态观测器(Extended State Observer,ESO)的非线性最优变频空调频率控制器。通过仿真分析,验证了基于ESO的非线性最优控制的变频空调频率控制器能够提高空调温度的控制精度并且降低能量的损耗。

变电设备带电检测中热成像技术的应用研究

通过采用先进的热成像技术,能够有效地对高压电气设备进行及时的检测和分析,能够逐步地应用于我国的电力系统中,成为可靠成熟的电力系统检测技术,及时地发现电力系统在运行过程中可能存在的问题,并判断变电设备发热部位的产生原因,积极采取优化措施,减少后续非计划排电,为设备维修提供一定的基础,减少设备的超负荷运转,更好地发挥热成像技术的优势,切实地实现预期的检测目标,保障电力系统的稳定运行。