基于电力大数据的用电拉动贡献率指标构建与应用研究

电力数据因其及时性、精准性、可靠性特征,能够更有效地反映经济发展形势。当今国内外复杂多变的环境态势给整体用电需求带来不确定影响,由于结构升级、低碳转型、贸易摩擦等多种因素的叠加,分析预判和精准调控变得困难,迫切需要对不同行业、地区和影响因素进行深入的量化分析,以为电网企业经营管理提供科学建议,为政府精准施政提供科学支撑。通过对比“增速”“贡献率”“拉动率”等传统的电量分析指标,构建一种基于“惯性增速”的“用电拉动贡献率”及其算法方法,并将其应用到行业电量分析、经济运行走势预判等领域。研究结果表明,“用电拉动贡献率”能更及时地捕捉用电增速的变化趋势,灵敏地发现一段时间内新出现的扰动因素,有利于更准确地预测用电量和经济发展的变化趋势。

基于改进爬山算法的风机最大功率点控制策略研究

爬山搜索法是风力发电最大功率点的跟踪控制策略的主要方法之一。传统的爬山搜索法对于惯量大的风力发电系统,由于时间常数大使转速滞后,导致无法进行正确的搜索控制,因此,提出了改进变步长爬山搜索法,并与基于斜率变步长爬山搜索法做对比,仿真结果表明,改进之后的爬山搜索法对小型风电系统的最大功率点的跟踪有良好的效果,能够避免在风速稳定时的机械振荡和提高风能利用率。

不平衡电网电压下双馈风力发电系统功率谐振补偿控制

为消减电网电压不平衡对双馈风力发电系统运行和控制所造成的影响,提高风力发电系统的电能质量,提出了一种基于功率谐振补偿的控制方法。该控制方法需设计两部分控制器,其中主控制器的作用是控制电网电压正常情况部分,辅助控制器的作用是对电压不平衡下的二倍频脉动功率进行相应的补偿控制。通过在MATLAB/Simulink环境下搭建相应的模型并进行仿真研究,证明了该控制方法性能的优越。

基于显著性加强和YOLOv5算法的输电线路异物快速识别方法研究

输电线路是电网中非常重要的一部分,它是电力转移和传输的载体。但是在输电线路上会经常出现异物,进而导致输电故障,造成经济损失和安全隐患。输电线路异物的快速识别能够及时发现隐患,避免故障产生。为此,提出一种基于显著性加强和YOLOV5算法的输电线路异物快速识别方法。结合某地区的输电线路检修相关图像数据进行验证,结果表明,该方法能够很好地提高输电线异物识别的精准度和速度。