基于大数据分析的电网多数据源实时在线诊断方法

针对传统电网多数据源诊断方法中存在的吞吐量大、延迟处理时间长,导致电网多数据源诊断精准度低的问题,提出了基于大数据分析的电网多数据源实时在线诊断方法。分析电网多数据源特征,获取电网处于不确定程度故障状态下的信息量,避免产生过多数据。通过诊断方案的拓扑实现过程,构建电网多数据源多维诊断模型,由此触发多维大数据节点,确定不同节点间的关联性。标识唯一ID,设计数据处理流程,通过迭代处理更新聚类中心,依据异常情况实时诊断流程,简化计算量,实现电网多数据源实时在线诊断。由实验结果可知,该方法吞吐量诊断结果和延迟处理时间诊断结果与实际结果一致,误差为0,诊断结果较为精准。

电网调控运行安全风险在线监控系统设计

为了提升安全风险监控的准确性和全面性,设计了基于人工智能的电网调控运行安全风险在线监控系统。对配电线路监测终端内置网络状态监测模块,传输的异常数据信息,实行故障逻辑判断,并利用反向隔离装置,将故障判断结果传送给配电自动化通信前端,经正向隔离装置输送至监测装置外网组件,实现电网调控运行安全风险的监测和控制。实验结果显示:该系统的监控平均绝对百分误差均低于5%,监控准确性较高,可监控到全部异常节点的异常情况,具有全面、稳定的特征,且监控的空间复杂度和时间复杂度较低。

基于简化粒子群优化算法的可再生微电网随机优化调度策略研究

高比例可再生能源微电网的优化调度对于推动新型电力系统的绿色转型具有重要意义。针对微电网因天气条件等环境因素而具有的不确定性和随机性问题,提出了一种基于简化粒子群优化算法,以微电网运行成本最小化为目标的可再生微电网随机优化调度策略。首先,建立了风力发电机、光伏系统、燃料电池、微型涡轮机等动力装置的数学模型,并对其性能进行了说明;其次,设计了简化粒子群优化算法模型及其执行流程;最后,利用以上建立的四种微源模型的每小时预测输出功率来优化微电网的运营成本,得到了适应度值为23,微电网运营成本得到有效控制的最佳适应度解。本研究通过考虑负载需求,对微电网可再生能源的优化管理做出决策,提供了更加稳健的解决方案。