基于改进SAX算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法

新型电力系统下配电网运行方式调整愈来愈频繁,配电网负荷-馈线匹配面临采样数据高维异构且价值密度低、现有匹配算法对负荷物理特征依赖度高、参数设置灵活性弱等难点,为此提出一种基于改进SAX(符号聚合近似)算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法。首先,建立面向离散符号化时间数据序列的数据价值提升模型,将高维异构的数据近似表示为低维统一的符号,修正和填充异常数据、空白数据。其次,构建改进CNN-LSTM(卷积神经网络-长短期记忆)混合神经网络,对负荷数据进行所属馈线匹配分类训练,利用多头注意力机制深入挖掘负荷数据的潜在数学关系,降低对负荷物理特征的依赖度。然后,引入贝叶斯超参数优化算法对神经网络训练参数进行逐次更新,提高馈线拓扑变化时神经网络模型的灵活性与适应性。最后,对某地区100条馈线进行负荷匹配实验验证,结果证明所提方法较传统方法具有更高的匹配精度。

面向配电网设备状态管控的工单驱动引擎研究

为保障稳定、优质电力供应,本文以提高设备运维质效、优化配电网运行状态,提升供电可靠性为主要目标展开研究。结合配网设备常态运行标准及各类状态异常的关键治理要求,提出由工单驱动的配网设备运行状态实时管控模式。同步探索工单驱动引擎架构搭建,推动配网设备状态管控向着过程透明、信息在线、流程高效的方向发展。

基于定子电流信号和噪声信号的异步电动机转子断条故障诊断

给出了异步电动机发生转子断条故障时的磁动势的表达式,得出基于定子电流信号的转子断条故障诊断方法。以磁动势表达式为基础,进而推导出发生断条故障时的径向力表达式,并提出了一种全新的基于径向力频谱分析的转子断条故障诊断方法,即通过检测径向力频谱图中的(2-4s)f1、(4-4s)f1、(6-4s)f1谐波分量来诊断异步电动机的断条故障。有限元仿真的结果验证了上述结论。

大数据分析在智能配电网状态监测及故障处理

随着现代科技的快速发展 , 智能配电网在实践中逐步成型 , 其关键因素在于大数据技术的融入 , 通过数据分析实现对智能配电网状态的监测 , 及时掌握配电网络的运行状态 , 并实现故障问题的快速处理。据此 , 针对智能配电网以往的监测模式中 , 存在整定复杂、容错性弱、适应性差等问题 , 本文尝试提出一种基于大数据分析下的监测及故障处理机制 , 结合数据预处理、数据融合、数据分析与可视化、状态辨识与处理等环节 , 同时依据数据节点实现故障判断、识别和定位 , 实现对智能配电网状态的综合监测。经证实其具有故障判定及定位精确、可靠性高等优势 ,具有良好的参考和应用价值。

分层分区对常州电网安全运行的影响

本文阐述了分层分区运行的概念,介绍了常州电网分层分区运行产生的背景。常州220kV电网分为三个分区运行后,在对常州电网安全运行带来有利因素的同时也带来了一些负面影响。并结合常州电网年度运行方式,具体分析了常州电网220kV三个分区存在的问题及对策,并介绍了目前运行方式下的事故预案。