电力信息物理融合系统数据区块链生成算法

随着电力信息物理融合系统(CPS)的发展,传统集中式数据采集架构运行存在透明度差、数据安全风险高等不足,利用区块链的去中心化、安全可信等特性,提出一种电力CPS数据区块链生成算法,以提升数据交互和使用过程的安全可信性。基于电力CPS数据的私有化特征,提出数据区块建链架构,并采用区块生成节点内排队机制和节点间按需路由数据交换机制提升CPS数据区块的建链速度,结合数据特征验证机制和私有化区块链的特性,确保数据能够实时传输、存储。采用5种不同IEEE标准算例对所提算法进行验证,结果表明所提算法具有更短的数据区块建链时间和更好的传输性能。

基于压缩感知的盲源信号分离检测方法

接入电网的各种分布式电源、非线性负荷使得电能质量污染问题日益严重,对各种电能质量信号进行特征提取与正确分离是改善电能质量的切入点.针对电能质量信号的结构特点,构建了压缩感知电能质量信号分离模型,并针对该模型提出一种基于压缩感知的盲源信号分离检测算法CS-SCA(compressed sensing-sparse component analysis).根据已有的电能质量信号理论知识,确定电能质量信号在频域的稀疏性,进而对信号预处理降噪.通过两步法解决预处理后电能质量观测信号的分离检测问题.第1步通过观测信号向量方向特性估计出电能质量源信号个数,并利用线性聚类估计混合矩阵;第2步采用压缩感知恢复算法分离得出电能质量源信号.通过实验验证,提出算法所分离出基波、各次谐波信号分离信干比均大于10,dB.

电力系统对角加边模型的数据中心求解方法

随着超大规模区域互联电网的发展,智能电子设备和相量测量单元广泛应用,如何实现对所产生的PB级大数据的高速处理成为完成实时(超实时)计算的关键。云计算作为一种新型的互联网计算模式,为实现电力系统大数据分析和复杂电网高效并行计算提供了可能。针对电力系统基本计算单元对角加边模型(block bordered diagonal form,BBDF)和分解协调并行算法,提出一种低能耗数据中心的优化映射和并行计算方法。依据任务间计算耦合性,将分解协调并行算法进行拆分,并提出依据任务计算复杂度的任务到虚拟机偏好绑定放置方法。随后建立以虚拟机的CPU利用率、内存利用率为约束条件,以节能为目标的Bin-Packing模型,求解BBDF分解协调并行计算到数据中心映射的最优配置。通过Cloud Sim平台对IEEE 118节点电网模型和含有538节点和1133节点的大规模电网进行仿真计算。结果表明,应用虚拟机技术的数据中心计算在时间和系统能耗方面都优于传统单机多线程并行计算。IEEE 118节点算例计算时间降低42.32%,随着系统规模增大,1133节点实际电网计算时间降低75.8%。

电力通信网络边扩充二分算法

随着智能电网的发展,电力通信系统自动交换光网络(ASON)的网架结构日趋复杂,拓扑优化方法成为保证可靠通信、提升网络健壮性的首要关键技术.为此,对电力通信ASON网络拓扑优化问题建模,并提出一种以代数连通度为测度的网络边扩充优化二分算法.通过理论证明赋权图的拉普拉斯矩阵对应特征方程式的单调性,进而采用二分算法快速求解该单调非线性特征方程式的根,确定最优边扩充策略.仿真结果表明在链路失效时,网络边扩充优化二分算法能够以O(4mn lb(???))低复杂度找到精确解,降低端到端通信路径长度,提升网络效能函数.

基于需求侧响应的数据中心联络线功率控制方法

新能源接入为解决数据中心高耗能和运行费用问题提供了有效方案。但与传统供电模式相比,新能源具有间歇性、随机性,当此类能源出力接入数据中心园区后,不仅影响数据中心各类设备的正常运行、园区供电可靠性,同时也对主网运行的稳定性造成不利的冲击。通过分析数据中心组成结构特征,及各类用户请求任务特性发现,数据中心服务器集群负荷具有可调控性,并配合园区冗余不间断电源(uninterruptible power system,UPS)储能系统,提出一种新的数据中心联络线功率控制方法,建立基于任务延时机制的服务器集群负荷模型,建立服务器集群可控负荷需求侧响应模型和UPS需求侧响应模型,基于模型提出数据中心园区联络线功率控制方法,在保证用户服务质量和供电可靠性的前提下,通过动态调整服务器集群负荷和UPS蓄电池组的荷电状态有效平抑数据中心园区联络线功率波动。最后通过实验验证了所提方法的有效性,并分析各参数对功率波动平抑效果的影响。

高级量测电气信息流多服务质量传输约束路由算法

智能微电网是实现可再生能源高效利用的有效途径,系统要求具有鲁棒自愈性。高级量测和可靠通信技术是实现以上目标的核心支持技术。基于流量工程理论和分布式代理技术,该文提出一种应用于智能微电网高级量测(AMI)系统的电气信息流传输多服务质量(QoS)保证路由算法(EIF-MQC)。首先设计了基于IEC61850电气标准的信息分形差分服务代码点(DSCP)映射模型,实现异构电气参量数据整形标记。并通过电气信息流多服务质量传输约束路由算法(EIF-MQC)选择满足流量QoS需求的最优路由。理论证明算法计算传输路径是有效最短路径。仿真实验采用"电气可靠性技术解决方案联合会(CERTS)微网系统"结构进行算法性能评价,在轻度和重度通信负载条件下,算法均具有较好带宽利用率,并比基于链路状态路由协议(OSPF)和负载均衡最短路径路由协议(LB-SPR)配置路径传输延迟低且丢包率小,从而有效避免网络拥塞,提升AMI系统传输性能。

弱电网下计及锁相环影响的并网逆变器输出阻抗重塑

比例积分+谐振补偿控制器(resonant harmonic compensators,HCs)可以用来抑制电网背景谐波引起的并网电流畸变。然而在电网阻抗较大时,锁相环(phase-locked loop,PLL)、电流控制器与电网阻抗相互耦合,降低了并网逆变器系统的稳定性。为了改善弱电网下锁相环对并网逆变器系统的不利影响,首先建立了考虑锁相环影响的并网逆变器小信号模型,分析了锁相环导致系统稳定性的原因,揭示了电网阻抗影响并网逆变器-电网交互系统稳定性的本质规律。然后,提出一种基于二阶低通滤波器(low-pass filter,LPF)的锁相环优化控制与参数设计方法,以重塑并网逆变器输出阻抗。最后对所提策略进行了仿真与实验验证。研究结果表明,改进的策略可以提高弱电网下并网逆变器系统的稳定性,改善其对电网的适应性,从而证明了理论分析的正确性与所提策略的有效性。

基于熵权-层次分析的智能电能表关键元器件选型方法

智能电能表作为智能电网中近用户侧的量测终端,是智能电网高级量测体系中与用户交互的核心环节,其可靠性需要重点关注。针对现有智能电能表的核心部件-元器件的选型依据主观经验选型的不足之处,提出一种智能电能表关键元器件选型方法,攻克经验选型方法中严重依赖于主观的不足之处。采用层次分析法设定智能电能表中元器件选择模型;针对层次分析法过于依赖专家经验而存在的客观赋权不足之处,采用熵权法进一步自适应调整层次分析方法中指标数据的权重;通过智能电能表中关键元器件的选型实验,验证出所提方法在智能电能表中的关键元器件选型的可行性和有效性,可为智能电能表的可靠计量提供保障。

基于层次分析法的智能电能表器件选型

智能电能表是智能电网的终端,它除了具备传统电能表基本的计量功能之外,为了适应新能源与智能电网的使用,还具备通信功能、故障预测、相位检测等智能化功能。但是,关于智能电能表的基本核心器件的选型,目前还没有统一的标准,基于此,文中提出一种基于层次分析法的对智能电能表元器件选型方案,该方案依据智能电网的发展需求和业务特征,具体分析了智能电网对智能电能表的功能需求,并分别针对智能电能表具体功能模块的需求特性设置准则层,从而选择出该智能电能表所需最优的元器件,为智能电能表元器件选型提供科学化依据,支撑智能电网的发展。

基于极小连通支配集的电力线载波路由算法

用电信息采集系统中低压电力线载波环境复杂,为提高载波通信系统可靠性,本文提出了一种高可靠性载波路由算法.算法以误码率作为可靠性测度指标,首先分析了线路环境以及设备信噪比对低压载波通信误码率的作用机理,然后建立以设备信噪比为权重的赋权网络可靠性分析模型.为减少冗余转发节点、节省网络资源,本文结合图论中极小连通支配集概念,提出了一种应用于低压电力线载波路由的极小连通支配集路由算法.选取50节点的载波台区进行实验,实验结果表明,与分簇路由算法相比,在BPSK调制模式下,本文算法实现了误码率降低14.9%,以上,并实现不同规模台区的低压电力线载波通信网络的可靠组网.

泛在电力物联网释义与研究展望

能源互联网是以电力能源为中心,多种能源协同,消费协同,集中式、分布式协同,大众广泛参与的新型生态化能源系统,主要表现为坚强智能电网与泛在电力物联网深度融合。其中,泛在电力物联网还处于起步阶段,是能源互联网建设的关键一步。泛在电力物联网的建设对提升用户体验、提升电网运营水平、促进新能源消纳和培育新兴业务有明显的积极意义。从物联网概述、泛在电力物联网特征、支撑泛在电力物联网的关键技术以及典型应用场景几个层面对泛在电力物联网进行释义,最后对泛在电力物联网的发展进行了分析和展望。

基于深度强化学习的综合能源系统动态经济调度

综合能源系统的优化调度对于实现系统的多能互补和经济运行具有重要意义。然而,系统中可再生能源的间歇性以及用户用能需求的不确定性造成了系统中供需双方的随机波动,传统的调度方法难以准确地适应实际环境的动态变化。针对这一问题,提出了一种考虑可再生能源和负荷时变特性的综合能源系统动态经济调度方法。首先对综合能源系统动态经济调度问题进行数学描述,然后将该调度决策问题表述为强化学习框架,定义了系统的观测状态、调度动作和奖励函数,继而采用深度确定性策略梯度算法进行连续状态和动作空间下的动态调度决策。所提方法不需要对不确定性进行预测或建模,能够动态地对源和荷的随机波动做出响应。最后通过算例仿真验证了所提方法的有效性。

云计算数据中心HDFS差异性存储节能优化算法

摘要在云计算的基础设施———数据中心内,Hadoop分布式文件存储系统(Hadoop Distributed File System,HDFS)以高容错性、高可靠性、高可扩展性的优势被广泛使用.但HDFS中遵循机架感知的存储策略没有考虑数据间的差异性和使用频度,所有数据以相同副本数复制后分散存储在不同的DataNode节点中,这势必会开启过多的DataNode而导致数据中心能耗过高.针对这一问题,突破现有HDFS对数据块的恒定副本个数存储的限制,提出保证数据块可用性的可变副本存储策略.建立了分布式文件存储超图模型,数学表述了数据块、文件和DataNode间的多对多关系.基于模型提出一种■横贯超边计算方法实现数据中心HDFS可变■重极小覆盖集选择,从而确定保证数据可用性的最小数量DataNode开启集合,实现数据中心存储单元节能.在原问题的可行域中会存在多个最优解的情况,即在满足数据块■覆盖的条件下,存在开启DataNode数目最少且相等的多种方案,因此该问题是一个多态函数优化问题,该文提出采用贪心萤火虫算法加以求解.算法性能测试实验通过Hadoop环境下的WordCount、TeraSort和Grep三种典型计算实例运算实验,进行了数据可用性实验,HDFS集群存储负载均衡实验,集群能耗分析以及数据中心网络性能试验.实验结果表明,可变■数据副本最小覆盖集算法在保证数据块和文件可用的条件下,可以实现更少的DataNode开启,有效节省HDFS集群能耗,并且通过开启DataNode的合理配置,缓解了网络传输拥塞.

基于时-频域混合特征的变电站通信网异常流量检测方法

准确快速检测智能变电站通信网络异常流量是发现系统异常、实现安全态势感知和主动防御的关键技术,对保证智能电网安全稳定运行有着重要意义。文中提出了基于时-频域混合特征的智能变电站通信网络异常流量检测新方法。首先,设计了基于分形自回归积分滑动平均(FARIMA)流量模型和小波包分析方法的流量频域特征提取方法,并结合电力信息流时域特征构建时-频域混合特征集。进而,采用人工蜂群优化的支持向量机算法进行异常流量辨识。最后,基于某110 kV变电站的站内实际网络流量和CIC DDoS2019数据集、KDD99数据集进行仿真,结果表明所提算法对网络异常流量识别有更低的误判率和漏检率。

基于矩阵填充的泛在电力物联网电能质量数据修复算法

电网智能优化运行依赖于对系统的泛在感知和完整正确的数据支持,这也是泛在电力物联网感知层必然要达到的最基本要求。在泛在电力物联网应用中,获取完整正确的量测数据是治理电能质量问题的基础。然而,在实际电网采集传输的全环节中,会不可避免地发生数据残缺。针对上述情况,提出基于低秩矩阵填充理论的泛在电力物联网电能质量感知数据补全新方法。首先证明了电能质量数据具有近似低秩的特性,以此为依据,设计多范数联合的秩优化模型,并应用交替方向乘子法将其分解为若干子问题分别求解。同时针对传统交替方向乘子法求解缓慢的问题,提出自适应迭代步长最优选取策略,加快模型求解速度。通过电压暂升、电压中断、脉冲振荡、电压暂降、谐波污染等高频故障场景验证所提方法的有效性,实验结果表明所提方法适用于多场景下的电能质量数据恢复,在缺失50%数据时仍能保证数据矩阵恢复误差在3%以内。

基于FSOM神经网络的电能质量数据缺失修复算法

电力物联网承载的电气量测数据在采集、传输、转换等各个环节中受到干扰而导致数据出现缺失,影响状态估计精度和系统稳定运行。针对传统修复策略仅考虑一维量测数据横向分布规律造成数据修复精度较低的不足之处,充分考虑电力系统量测数据缺失点的邻域数据以及量测数据的周期性变化规律,提出一种基于模糊自组织(fuzzy self organizing map,FSOM)神经网络的电能质量量测缺失数据修复方法。首先,通过将电能质量一维测量数据映射为二维灰度图像,提升数据间的时-空相关性解析。进而采用人工智能FSOM神经网络算法对原始数据进行聚类,析构出数据的多层特征值,进行对聚类后数据的分层修复。最后,以劳伦斯伯克利国家实验室实测电能质量数据为基础实验验证FSOM算法性能。实验结果表明,无论是在随机缺失还是连续缺失情况下,提出的FSOM修复算法比现有算法在数据低丢失率和高丢失率下都有更低的修复误差和更高的信噪比。

基于拓扑势均衡的配电网信息物理系统规划算法

配电网信息物理系统(cyber physical system for distribution networks,CPSDN)是自动化技术、信息技术和通信技术与电网的深度融合产物。其与传统通信系统规划的一个显著区别在于CPS系统内的网元异构性。基于数据场理论,建立了CPS广义节点质量模型,数学量化了节点差异,进而定义CPS势函数,以系统可靠性为测度建立配电网CPS规划问题的势均衡数学模型。对该规划问题,提出改进的二进制粒子群算法进行求解。采用IEEE LVNTS算例及实际电网算例计算,实验表明所建立模型和算法符合配电网CPS系统规划,所提出方法规划CPS网络,可准确辨识网络关键节点,建立高可靠性CPS网络拓扑,实现效能的提升。

基于改进SOM的壁画图像裂缝自动识别与修复

针对壁画中存在的裂缝这一常见病害,提出一种基于人工神经网络(ANN)的自组织映射(SOM)图像修复算法,将人工智能技术应用于古建筑壁画修复领域.基于壁画裂缝本身的线性结构特征,对图像进行多尺度形态学边缘梯度检测提取边缘信息,使得裂缝边界区域灰度变化剧烈,从而达到边界突出的效果;对变换后的图像进行自适应阈值分割处理,以保证图像中每个像素点都属于目标区域;选取面积作为目标区域的连通规则进行度量以去除虚假目标,达到精确提取的目的,实现对破损像素的自动识别和标注;对壁画中已标注的破损区域采用改进的SOM算法进行修复,通过SOM聚类对图像进行分层,在单个图层中迭代计算出破损像素的值,实现对图像的并行化分层修复,在保障修复精度的同时提升修复的速率;合并图层,完成标注区域修复部分;最后通过对3种类型裂缝的壁画修复,本文所提出的改进SOM算法在修复图像峰值信噪比PSNR、特征相似度FSIM等4类指标显著提升,并且修复时间平均缩短40.34%,表明方法对于古建筑壁画裂缝修复的有效性和优越性.

计及隐私数据保护的多虚拟电厂协同调度方法

针对高比例分布式能源和灵活可调负荷接入下,虚拟电厂(virtual power plant,VPP)调度特性复杂、各主体隐私数据保护困难的问题,本文提出一种基于联邦强化学习的多VPP安全协同隐私数据保护方法,实现多VPP可调资源协同优化与敏感数据的可用不可见.首先,通过分析VPP内部可调资源的时空耦合性和时变性,构建了多VPP协同的全网调频备用资源调度模型和VPP内部可调资源物理模型.其次,将VPP可调资源的响应行为转化为一个时序马尔可夫决策过程,建立VPP内部深度Q网络(deep Q-network,DQN)优化调度模型,以经济优化为目标响应调度需求.然后,提出了基于改进横向联邦平均算法的多个DQN模型协同训练方法,通过联邦平均优化全局模型训练参数,并设计全局模型更新间隔自适应调整机制,提升DQN模型训练效率与精度.整个训练过程各VPP无需向上层调度中心上报详细物理模型,无需在训练过程中对等交互信息.最后,结合某地区调频辅助服务市场数据与IEEE-39节点网络算例,对提出算法进行仿真验证,并讨论了不同调度策略对不确定性调节资源的适应能力.与同类算法的对比结果表明,所提算法隐私泄露方差为0.11,调度成本最大可降低22.5%,在各调节时段,能够保护VPP运行和物理模型数据并实现可调资源高效低成本参与电力市场.