基于耦合隐马尔可夫模型的输电线路状态评估

架空输电线路是输电网络的重要组成部分,其运行状态将直接影响整个输电系统的运行可靠性。为了更好地掌握架空输电线路的运行状态,需要准确地对其进行状态评估。为此,提出了一种基于人工智能的机器学习方法—耦合隐马尔可夫模型来对架空输电线路进行状态评估。根据评估要求收集架空输电线路在正常、注意、异常、严重四种状态下的历史评估数据并将数据进行归一化处理。利用该人工智能算法对归一化后的四类数据进行模型训练,得到四组不同状态下的模型参数,建立起正常、注意、异常、严重四个状态的耦合隐马尔可夫模型。将归一化后的评估数据带入建立好的四组模型当中,得到四个状态评估值,其中评估值最大的该组模型所对应的状态组别就是评估数据所反映的线路状态。采用该机器学习模型对某条架空输电线路进行实证分析和评估,并将评估结果与实际的监控情况进行比较。分析和评估结果表明,所提出的方法具有一定的实用性和可行性。

电力电子变压器输出侧电能质量改善策略

通过对电力电子变压器(PET)输出阻抗进行重塑,进而提高PET的供电质量。首先对PET输出电压出现三相不对称且畸变的原因展开详细分析,在此基础上,提出一种虚拟阻抗的方法,即通过将PET输出电流中的谐波分量和负序分量乘以系数反馈到参考电压中,能够使得PET在负序和各次谐波频率处的等效阻抗减小,从而使得PET输出电压不仅谐波少且三相对称。其次对PET控制器参数设计进行了分析。最后,基于PSCAD仿真和搭建实验平台进行了验证,结果表明所提控制方法能够有效地提高PET的供电质量。

考虑子系统恢复时间的停电电网分区策略

停电电网分区能够并行恢复停电系统,加快电力系统的恢复。但现有分区研究中未考虑分区结果对子系统恢复的影响。由于建立考虑子系统恢复时间的分区优化模型较为困难,文中在谱聚类分区结果的基础上,提出了基于粗糙集的分区调整策略。以恢复时间为综合评价每个分区指标及优化模型的目标函数,运用基于粗糙集的带有不确定度的决策表对恢复时间较长的分区中的机组进行筛选,调整筛选出的机组集合得到优化后的分区方案,最后以IEEE 39标准测试系统和IEEE 118标准测试系统为例验证文中算法的有效性。算例证明了基于粗糙集的分区调整策略具有较高的求解效率,能够有效优化初步分区结果,缩短分区恢复时间。