电力系统继电保护所存在的问题研究

电力系统继电保护是指在整个电力系统发生异常或系统事故的情况下,能够保证整个电力系统以及电气设备的安全运行的自动化设施。由于诸多因素的影响(人为或非人为因素),目前我国电力系统继电保护仍存在着诸多问题,本文结合作者的工作经验,提出了一些自己的看法。希望能够更好的促进我国电力系统继电保护实效性的提升。

浅谈光纤通信技术的发展

光导纤维通信,简称"光纤通讯",主要是通过将图像、数据信号进行调制到光载波之上,借助于光导纤维进行传输,进而达到信息快速传递目的一种较为先进的通信方式。光纤通信技术从其产生到发展经历了一个相对较长的时期。本文认为对光纤通信技术的发展历程进行深入的探讨具有着重要意义,本文结合作者对大量文献的阅读,提出了一些自己的看法。

基于多尺度卷积神经网络的短期电力负荷预测

为了提高电力系统短期负荷预测的准确率,提出了一种基于深度学习技术的多尺度信息融合卷积神经网络(MS-ConvNet)模型.引入了全卷积网络结构和因果逻辑约束增强时间序列特征表达;利用多尺度卷积提取不同长度时域数据相互关系来获取更加丰富的序列特征;并设计残差网络结构增加网络深度,以增加输出神经元的接受域并提升预测精度.仿真结果表明,MS-ConvNet模型的准确率及稳定性优于多层感知机、长短期记忆网络及门控循环单元网络,说明该模型在电力负荷预测方面具有良好的应用前景.

基于多模型融合神经网络的短期负荷预测

短期负荷预测在为电力系统制定经济、可靠和安全的运行策略中起着关键作用。为了提高预测精度,提出了一种基于多模型融合神经网络的短期负荷预测方法。首先将三种不同的神经网络单独训练:再将单独模型的输出作为输入,训练一个顶层全连接神经网络;最后并行排列三种单独模型,再将3个模型的输出层组合作为顶层全连接神经网络的输入层,使4个模型融合为一个模型,并进行精调训练。短期负荷预测的实验结果表明,该方法的精度优于单个全连接神经网络、长短期记忆网络或残差网络。说明该方法具有良好的实用价值。

基于FFT优化ResNet模型的短期负荷预测方法

电力行业需要精确的短期电力负荷预测,为电力系统的控制和调度提供精确的负载需求。为提高短期电力负荷预测的精度,提出了一种基于FFT优化ResNet模型的方法。模型首先将电力负荷预测定义为时间序列问题,随后引入一维ResNet进行电力负荷的回归预测,并提出使用FFT优化ResNet,通过对一层卷积结果进行FFT变换,赋予模型提取数据中周期性特征的能力。实验表明,在6 h电力负荷预测中,FFT-ResNet的预测精度优于几种基准模型,说明该方法在电力负荷预测方面具有良好的应用前景。

农网建设与改造问题分析与研究

农网建设与改造工作进行到现在已经有好些年头了,这项工作也一直在持续进行阶段,要保持对这项工作的积极性,不能一时松懈,完成全面建设农网的工作需要从长远进行考虑,技术革新是很重要的,只有符合时代的要求,农网的建设与改造才有意义。要把握这项工作的本质与核心,才能顺利完成这项工作。

基于离散傅里叶变换的微电网混合储能容量优化

针对并网型微电网中由蓄电池和超级电容组成的混合储能系统进行容量的优化配置。光伏发电和负荷之间产生的净负荷功率由大电网和混合储能装置来共同进行平抑。建立一个俩阶段混合储能容量优化的数学模型,利用离散傅里叶变换对微电网中产生的净负荷功率进行分解,第一阶段在满足联络线功率波动要求的基础上来选取联络线功率和混合储能系统功率的分界点使得联络线利用率最高的;第二阶段以混合储能容量配置的经济成本最低为目标选取蓄电池功率和超级电容功率的分界点;从而得到联络线、蓄电池和超级电容的功率分配。利用遗传算法对混合储能容量的优化模型进行求解,得到最优的混合储能容量的配置。通过算例进行了验证分析。

计及复杂气象影响的含光伏电源的母线峰值负荷预测

光伏电源并网后,配电网母线负荷波动会更复杂,峰值负荷预测更加困难。为提高母线峰值负荷预测精度,文章提出了计及复杂气象影响的母线峰值负荷预测方法。首先,根据不同气象日下累积的历史数据,通过条件互信息分析母线峰荷数据与高维气象、社会等特征间相关性,获得特征重要度排序;其次,在条件互信息降低潜在特征集合特征间冗余性基础上,针对不同气象日,以改进粒子群优化极限学习机预测精度为决策变量,开展针对性前向特征选择,确定不同最优特征子集;最后,根据最优特征子集,针对性建立不同气象日下母线峰值负荷最优预测模型。以某地区实际含高渗透率光伏电源母线负荷开展实验,证明所提方法可有效提高母线峰荷预测精度。

基于分位数损失的短期概率负荷预测

为提高电力负荷预测精度,并针对用电不规律导致的负荷数据波动性大的问题,提出一种分位数损失引导的门控卷积神经网络模型。首先,使用卷积神经网络提取出历史数据中更多的重要特征;其次,在模型训练过程中采用分位数损失指导训练,然后添加门控单元使得关键特征更加明显;最后,模型输出每个分位点的预测值。实验结果表明,相对于多种概率负荷预测模型,所提的分位数引导的门控卷积神经网络模型在概率负荷预测方面具有更好的预测精度,同时具有良好的实际应用前景。

基于IBDG的微网控制建模及故障仿真分析

微网中含有大量的逆变型分布式电源(IBDG),其运行控制及故障特性与传统同步发电机不同。分析了IBDG的逆变器控制方式,在DIgSILENT仿真软件上建立了微网在不同运行控制模式(并网、孤岛)下IBDG的控制模型。分析了在不同控制下线路发生短路故障时IBDG侧与线路侧的故障特性,比较分析了微网不同运行控制模式下故障保护受到的影响,为含IBDG的微网保护策略提供依据。