人工智能背景下基于云技术的电网运行指挥体系设计

为了研究如何利用云技术实现对城市电网进行调度管理,对电网运行指挥体系进行了设计。引入虚拟化技术、海量数据存储技术和海量数据管理技术这三种云技术中的关键技术,设计微电网控制策略实现对云平台的实时掌控,并通过分析BP与RBF两个神经网络的结构特点对微电控制策略进行优化,提升光伏发电功率的精准性。即时预测电网状况,并给予技术条件,为城市用电提前做出解决策略。建立光储云平台微电网指挥体系,实现对各方面发电功率数据的收集和预测,实现整个系统的统一性、实时性。实验结果证明,设计的指挥体系可以合理进行储能资源的调配,以满足当日城市的日常用电需求。

基于RB-XGBoost算法的智能电网调度控制系统健康度评价模型

针对智能电网调度控制系统(D5000系统)健康度评价,基于专家经验的传统评价方法存在主观性较大的问题,机器学习多分类方法是提高评价客观性的一种有效手段,但健康度各等级样本数目间存在的不平衡问题导致分类准确率较低,为此提出一种基于随机平衡和极端梯度提升(RB-XGBoost)算法的D5000系统健康度评价模型。首先,针对系统各评价等级样本数目严重不平衡的问题,提出一种自适应随机平衡(RB)的混合采样方法,分别以等级间样本数目的最大值、最小值作为采样区间的上、下限,生成多个随机数对各等级样本数据进行欠采样或过采样,增加训练数据的多样性并降低其不平衡程度;然后,训练平衡后的样本数据,建立极端梯度提升(XGBoost)算法子模型,考虑到各子模型重要度的一致性,提出采用硬投票方式集成所有子模型,得到与D5000系统各子模块对应的评价模型;最后,根据该系统指标层级关系,在评价过程中采用并、串行结合的计算方式,构建包含17个RB-XGBoost模型的D5000系统整体健康度评价模型。8组KEEL数据库中多类不平衡数据集的实验结果表明,与现有同类典型方法相比,所提方法的平均分类准确率最高提升了6.79%,平均提升了2.03%;某网省级D5000系统的实时采集数据验证了所提方法的有效性。

综合标准化理论在智能电网调度控制系统的研究及应用

为了提高电力系统调控领域技术标准的协调性和整体质量,提高解决具体实际问题的能力,把综合标准化理论应用到调度控制领域,开展智能电网调度控制系统综合标准化工作。介绍综合标准化的含义和发展历史,通过准备、规划、标准制修订、组织实施4个阶段开展智能调度控制系统综合标准化工作。基于系统分析理论,分析智能调度控制系统相关要素,并确定各要素范围,分析综合标准化目标,进行目标分解,基于前期分析成果编制标准综合体规划,确定需制修订的标准。后期将制定详细工作计划,开展标准综合体编制工作,形成协调统一的技术标准综合体,并组织实施,形成闭环反馈机制,建立全面质量管理的工作方式,循环往复以保证智能调度控制系统技术标准整体质量和实用性。通过智能电网调度控制系统综合标准化工作的开展,将很好地解决各技术标准的矛盾、重复、陈旧等问题,提高各技术标准整体质量,以指导运行与控制业务工作顺利开展。

机器学习下随机森林算法在电网故障分析指挥系统中的应用

针对电网系统的故障问题,在Weka语言软件上对随机森林算法为核心的电网故障分析系统模型进行实例分析。同时将随机森林算法与决策树(decision tree)算法、神经网络算法(Neural Network Algorithm, NNA)以及支持向量机(Support Vector Machines, SVM)的预测准确率进行对比,验证随机森林算法的优越性。结果表明,随机森林算法非常适合应用在电网故障分析系统中,在预测准确率方面,故障等级越高预测难度越大,准确率较低,而故障等级越低其故障预测的准确率越高。