基于互联网的电力计量运营模式分析

阐述“互联网+电费”运营模式的优势、存在的问题,提出互联网计量运营模式的解决方案,包括加强数据保护、数据加密、防火墙技术、注册登录验证、安全协议的技术措施。

基于虚拟现实技术的配电网故障仿真培训平台

常规的仿真培训平台不能准确模拟配电网故障的实际情况,导致模拟培训误差较大。因此,提出了一种基于虚拟现实技术的配电网故障仿真培训平台。采用HB-DRL型号的仿真测试仪设计平台,OTT netDL 500/1000型号的收集器收集培训数据。先从一次训练阶段和二次模拟阶段分析培训平台的运行数据并进行仿真平台的模拟训练,接着融合虚拟现实技术构建仿真平台的培训模型,最后运用三维图形学搭建仿真培训平台。平台性能测试结果表明,配电网故障仿真培训平台在5次模拟下均保持0.5%~1.5%的误差值,仿真误差值较小。

湍流值对风电功率预测的影响与分析

风电功率预测是缓解弃风现象的有效手段。文中针对风电波动性,提出了一种在模糊C均值聚类算法(Fuzzy C-Means algorithm,FCM)中引入湍流值IT的风电功率预测方法。在FCM算法中引入湍流值IT对训练样本进行聚类,可以进一步增强训练样本与预测样本间的相似性,避免因训练样本减少,导致风电功率波动性影响能力增大的情况。以山西某风电场实测数据为依据,在MATLAB平台上通过支持向量机(Support Vector Machine,SVM)对FCM的聚类结果进行训练和预测,仿真结果表明,FCM-IT-SVM能有效增强风电功率的相似性,减小预测误差。

基于相似样本的风速组合预测

风速预测是减小大规模风力发电对电网造成不利影响的有效手段,但是风速的非线性与非平稳性特点将给预测带来极大挑战。笔者采用一种基于灰色关联度的层次聚类算法HCGRDA和带高斯扰动的模拟退火果蝇算法GDSAFOA优化SVM的短期风速组合预测方法。该方法利用HCGRDA获得相似的样本空间,采用集合经验模态分解EEMD算法分解风速时间序列,利用经混沌相空间重构的SVM与NARX网络进行线性组合预测。以山西某风电场实测数据为例进行建模,结果表明本文所采用方法合理、有效。

考虑频率偏差的多目标备用优化分配策略

充裕的电力系统备用对于稳定系统频率及电压、保证电网的安全运行具有非常重要的意义。兼顾系统运行可靠性和经济性,考虑机组故障、风电出力和负荷波动等不确定因素,建立了以最小化系统备用成本和系统频率偏差为目标的多目标机会约束规划模型,并基于改进快速排序技术的遗传算法对优化模型进行求解,得到了系统旋转备用最优分配方案。通过IEEE测试算例验证了文中优化模型及算法的有效性。本文的研究为电力系统备用优化配置提供了新的思路。

机器学习缓解的广域阻尼控制系统异常检测

为了建立攻击弹性,以抵抗对测量信号和控制信号段的隐蔽网络攻击,提出了一种基于机器学习缓解策略的广域阻尼控制系统异常检测方法。首先提出基于信号熵的特征提取,从而提高机器学习模型的训练检测精度和鲁棒性。然后提出一种基于电力系统运行条件和网络攻击事件的组合数据集生成方法,以便用于任何大规模电网模型。引入的缓解模块能够调谐系统信号,并同时在测量和控制信号上进行攻击检测。在2区域4机电力系统的测试环境下对本文方法的性能进行了评估。结果表明:所提方法能够实现高精度的异常检测。

基于智能电表量测的配电网非侵入式窃电检测

先进的传感技术和通信功能在改善量测和控制功能的同时,也使得配电网面临着各种可能的网络攻击。当攻击者通过特定手段篡改其他用户和自身量测记录,从而实现在维持总电量数据不变情况下的窃电行为,对于这种情况传统基于电量平衡的窃电监测方法难以有效识别。因此,基于智能电表量测数据的高阶统计信息,提出一种基于智能电表量测的配电网非侵入式窃电检测方法,实现对攻击发起方和受害方进行检测。实验证明,所提方法通过利用更高阶的用电量统计信息高效地检测到非侵入式攻击,并能够识别出所涉及的用户(攻击者和受害者),获得了理想的效果。