基于改进最小二乘法的低压集抄系统故障量化诊断方法

低压集抄系统的电力线路会因大电磁干扰效应等问题,使其载波通信效率和精准度受到影响。为提高低压集抄系统故障诊断的实时性和准确性,避免传统最小二乘法实现曲线拟合的高阶复杂计算,提出基于改进最小二乘法的低压集抄系统故障量化诊断方法,并考虑提高不同天气条件下完成低压集抄系统故障量化诊断的可靠性和实际运行质量的评估水平。通过改进重要抽样算法获取低压集抄系统故障指标,采用单指标值归一化函数统一量纲处理各个故障指标,并用层次分析法和熵值法获取各项故障指标的主观权重和客观权重,再利用改进最小二乘法组合优化主观权重与客观权重,获取各指标的综合权重,实现低压集抄系统的故障量化诊断。以辽宁某电网公司的低压集抄系统为试验对象,对其管辖范围的不同居住区进行低压集抄系统的故障量化诊断实测,试验样本的总户数为362户,其中别墅区98户、高层居住区206户、农村58户。故障指标的评估测试结果表明,运行中的故障指标评估测试较精准;故障指标识别成功率测试中分别统计了在阴天、雪天、雷雨天等3种气候环境下,试验样本的单点实召正向有功电量响应时间、批量实召正向有功电量响应时间、日冻结数据抄读成功率、重点用户整点数据抄读成功率、拉合闸成功率等5项故障指标的识别成功率,结果表明,识别成功率均达到97.5%以上。实时性评估测试分别对阴天、雪天、雷雨天等3种气候环境下,3种居住区的低压集抄系统故障诊断速度进行评估,取其5次诊断速度的平均值作为最终的速度评估结果,结果显示试验的实时性评估效果都明显优于传统方法。故所提方法可实现不同气候条件下、不同居住区的低压集抄系统故障的准确、实时诊断,为低压集抄系统的故障量化诊断提供有价值的方案。

适用于光功率预测的神经网络研究

光伏功率预测按照计算方法分为理论推导方法、神经网络方法以及两者混合方法。神经网络的自适应特性能很好地适应工程现场之间差异大、全国各地气候条件差异大的实际情况,得到了广泛的应用。文章从理论角度分析得出神经网络的合理输入、输出、结构,然后结合工程实际情况,对理论分析进行检验。

蓝牙5.0 mesh组网技术及其在光伏电站中的应用

传统光伏电站光伏阵列内一般采用RS485总线通信方式组网,存在施工量大、组网困难、不易维护等弊端。Wifi、Zigbee、4G这3种无线通信技术较为成熟,已经在光伏发电领域取得了应用,但分别存在技术复杂、通信速率低、成本过高的问题。为了解决上述问题,文中引进了全新的蓝牙5.0技术,该技术具有实现简单、通信速率高、经济性好的特点。在分析了现有蓝牙组网技术的基础上,提出了一种光伏电站蓝牙网格网(mesh)组网方案,给出了具体的组网过程和简单可行的路由算法,通过分析计算论证了该方案具有较小的通信延时、良好的抗干扰性和较高的安全性,为光伏电站组网提供了新思路。

提升新能源光伏电站功率预测精度的措施

电能是我国经济发展不可缺少的动力能源,积极进行电能的生产有着重要意义。从当前的具体分析来看,我国光伏发电行业已经具备了较大规模,对于工业的支持力度也在普遍提升。研究发现,光伏电站普遍存在功率预测精度不高的问题,此问题的长期存在对于电站的经济效益提升非常不利,因此做好光伏电站功率预测精度的提升是目前光伏发电企业需要重点解决的问题。本文就如何提升新能源光伏电站的功率预测精度进行了分析,旨在指导发电企业实践和生产。