基于混合蝙蝠算法的高比例风电电力系统调度方法

针对传统电力系统调度计算时间较长、均方根误差大、结果不准确的问题,文章提出一种基于混合蝙蝠算法的高比例风电电力系统调度方法。通过模糊机会约束规划和可信理论,将高比例风电电力系统约束转换为模糊机会约束,设定模糊置信度为递增向量,结合预测精度变化情况以及决策者对调度运行可靠性的期望变化,获取经过优化的调度结果。仿真实验结果表明,所提方法能够有效降低计算时间和均方根误差,同时还能够获取比较满意的高比例风电电力系统调度方案。

基于广义向后差分方法的电力调度自动化AVC闭环控制方法

目前提出的电力调度自动化AVC闭环控制方法控制有效率低,电力调度数据信号接收程度差。利用广义向后差分方法稳定电力调度数据状态,同时标定新的电力调度数值,转变数值获取模式,强化内部电网运行机制调控手段,实现对电力调度系统的数据调整操作。选用广义向后差分方法对电力调度自动化AVC闭环控制信息进行系统处理,判断在不同的运算环境下的电力调度信息控制能力。实验结果表明,基于广义向后差分方法的电力调度自动化AVC闭环控制方法控制有效率高,电力调度数据信号接收程度较好。

变电站安全运维装置技术方案

当前在变电站内无论是生产设备运维还是生产系统运维,都需要外部计算机或U盘的介入,这给变电站运维带来极大的不安全性及管理难度,为此提出一种安全运维解决方案,使用一台移动计算机设备满足变电站内所有的运维工作。变电站内的运维场景多种多样,从应用层完全覆盖较为困难,针对这一问题,技术偏向更为底层的虚拟化技术,结合一整套管理方法,对变电站运维的基础设施进行管理,有效分割各个运维环境,并且在运维当中优化操作流程,减少运维人员对底层技术的关注。虚拟机的管理对使用人员相对透明,使得变电站内运维更加安全、易用、可控和高效,并通过一个试点项目,验证了运维装置可行且易用。

基于深度学习的调度自动化报文合规性研究与实现

本文基于大数据及机器学习,通过分析调度自动化系统特定规约的下行控制报文,找出自动控制及人工控制的报文合规性,形成合规专家库;对海量的典型调度自动化系统主站和厂站间的交互控制报文进行关联性识别,基于大数据及深度机器学习,分析101、104等调度自动化系统规约报文在时间、控制频率、电网状态关联性、控制范围等方面的规律,形成调度自动化系统控制功能的报文合规专家库,并通过模拟试验并且同时对CIM模型、操作票进行解释,对异常报文进行告警。

基于递归神经网络的智能电网虚假数据检测

虚假数据注入(FDI)攻击为智能电网的稳定运行带来了挑战,特别是虚假数据经过人为精心构造后,能够绕过电力系统中的常规错误数据检测技术,为电网安全运行带来了安全隐患。为此本文应用递归神经网络(RNN)来检测智能电网中的虚假数据攻击(FDI攻击)。通过编写检测算法,基于IEEE-30总线系统以及从实际电网中获得的为期五年的潮流数据,对FDI进行了仿真模拟。仿真结果表明,本文提出的基于递归神经网络的算法通过观察连续数据序列的时间变化,有效检测出了混入正常潮流数据中的虚假攻击数据。