考虑大用户报装的新兴区域负荷预测研究与应用

负荷预测是电网节能经济调度的基础,而有效的大用户负荷预测是提高整个电网负荷预测准确率的关键因素。以典型的新兴区域远景负荷预测为例,综合对比常规负荷预测结果及部分大用户报装容量之间的数据差异,通过对预计新增大用户负荷进行统计分析并进行负荷预测校验修正,从而制定大用户供电策略,不仅提高了地区负荷预测的精度,还对电网规划、安全经济运行等提供了有力支撑。

基于CNN-AE-MAML的低压配电网自适应分类方法

低压配电网分类有利于提高低压配电网经济运行管理措施及新能源规划运行方案制定的效率。随着各类新能源、充电桩等新型源荷的不断接入,低压配电网原有负荷特征发生变化,一方面导致配电网负荷特征复杂,另一方面导致变化后可用的新负荷特征数据较少,给配电网分类带来挑战。针对以上挑战,提出一种基于卷积自编码器和模型不可知元学习(convolutional neural network-auto encoder-model agnostic meta learning,CNN-AE-MAML)的低压配电网自适应分类方法。首先,利用卷积自编码器(convolutional neural network auto encoder,CNN-AE)提取可表征低压配电网的配变负荷、光伏发电特征,采用谱聚类(spectral clustering,SC)对低压配电网进行分类;然后,构建基于softmax配电网类型识别方法,利用低压配电网实际数据的降维特征识别配电网类型;此外,利用模型不可知元学习(model-agnostic meta-learning,MAML)方法训练CNN-AE特征提取模型,使CNN-AE模型在少量数据下能自适应提取配电网新负荷特征,最终实现低压配电网准确、快速自适应分类。最后,利用低压配电网实际数据验证了所提方法的有效性。

基于物联网技术的配电设备运行状态实时监测研究

配电设备由于环境、人为、老化等因素的影响,使得运行状态日益变差,容易引发安全事故,威胁配电网的安全运行。为了避免上述事件的发生,提出基于物联网技术的配电设备运行状态实时监测研究。基于物联网技术搭建配电设备运行状态实时监测框架,以此为基础,结合配电设备主要故障类型,选取合适的配电设备运行状态实时监测指标,联合应用层次分析法与熵值赋权法确定监测指标的权重数值,通过累乘求和获取最终的监测结果,根据制定的运行状态判定规则,即可实现配电设备运行状态的实时监测。实验数据表明:应用提出方法后获得的监测结果与实际监测结果基本一致,充分证实了提出方法具备较佳的设备状态监测功能,符合配电设备的检修需求。