考虑相关性的配电网分布式光伏承载能力提升方法

配电网中分布式光伏渗透率的不断提升对其充分消纳提出了更高的要求。针对配电网分布式光伏承载能力提升的问题,提出一种考虑相关性的分布式光伏承载能力提升方法。首先,利用Frank-Copula函数描述分布式光伏出力与负荷间的相关性,基于Nataf变换得到各随机变量的相关性样本矩阵,并进行概率潮流计算。然后,以分布式光伏接入容量最大为目标,电网运行安全指标为约束,建立分布式光伏承载能力提升模型。最后,提出采用非线性反向学习鲸鱼算法对模型进行求解,以IEEE 33节点系统为算例进行仿真分析。结果表明,所提方法能够有效提升配电网分布式光伏承载能力。

基于比例失效模型的开关柜电缆接头状态评估

电缆接头是开关柜内的薄弱环节,为保证开关柜的稳定运行,需要对电缆接头状态进行准确评估。结合开关柜内电缆接头的实际运行特点,有必要考虑开关柜负载率对电缆接头状态的影响。因此,提出了一种基于比例失效模型的电缆接头状态评估方法。首先利用开关柜电缆接头的历史故障数据和温度数据,并结合开关柜的负载率构建比例失效函数。然后基于比例失效函数定义决策量和告警阈值函数,其中决策量表示电缆接头的综合运行状态,告警阈值函数由电缆接头处于损耗故障期且状态协变量均为危险值时确定;当电缆接头状态决策量的值大于其告警阈值函数值时,此时对电缆接头进行状态告警,并实施检修。最后由仿真分析结果,评估模型判断的结果与实际观测的现象一致,验证了该评估方法的有效性。

人工智能背景下高职学生就业技能提升研究

人工智能是新型通用目的技术,改变了传统的职业分布、工作任务和就业技能构成。高职教育直面工作岗位,培养的人才大多数从事基础性工作,被人工智能替代的风险较大。人工智能的发展和应用,对人才的认知技能和非认知技能提出了新的要求,促使国家重视相关就业技能的提升。但是,当前高职教育存在对相关技能的认识不足、教师掌握的技能不高以及有效提升技能的平台缺乏等问题。对此,高职院校应顺应人工智能发展态势,重视培养适应人工智能发展的技能,尤其是注重认知技能和非认知技能的提升,从而保障学生就业,助力技能型社会建设。

基于改进CNN-SVM的光伏组件红外图像故障诊断方法

为识别光伏组件故障类型,提高光伏系统发电效率,提出了一种基于改进CNN-SVM模型的光伏组件红外图像故障诊断方法。首先以光伏组件红外图像为输入样本构建改进CNN模型,采用全局平均池化层代替传统CNN模型的全连接层,在进行图像特征提取的同时降低模型参数量;利用数据增强和批归一化技术提高模型泛化能力,降低模型过拟合。其次采用非线性支持向量机SVM代替传统CNN模型中的Softmax分类器,以提高光伏组件红外图像故障识别准确率。最后采用Infrared Solar Modules数据集对所提模型进行了实例验证。结果表明:与传统CNN模型相比,改进CNN-SVM模型故障诊断准确率高,对各故障类型的识别能力强。

10 kV电缆接头局部放电趋势分析及预警方法研究

电缆接头是局部放电频发的位置,针对目前对局部放电趋势研究的不足和预警不及时的问题,提出了一种基于Mann-Kendall检验法和长短期神经网络(LSTM)的局部放电的趋势分析和预警方法。为了清晰地揭示局部放电数据的趋势特征,文中采用Mann-Kendall检验法对采集的暂态地电压(TEV)数据进行处理,定量计算趋势变化及突变点检测。文中提出基于Mann-Kendall检验法和LSTM算法的综合预警模型,该模型利用LSTM预测TEV序列幅值,并用Mann-Kendall计算预测值的趋势参数,通过综合考虑TEV幅值大小和趋势参数实现了电缆接头局部放电主动预警。算例结果表明,Mann-Kendall能清晰揭示局部放电变化趋势,LSTM对局部放电数据预测效果良好,基于二者构建的预警模型能较好地对局部放电进行预警。

考虑多时间尺度信息的风力发电机滚动轴承故障预测

风电机组滚动轴承故障会造成风电机组长时间停机,为准确预测风电机组滚动轴承故障,提出一种考虑多时间尺度信息的风力发电机滚动轴承故障预测方法。首先,采用连续变分模式分解(successive variational mode decomposition,SVMD)自适应提取轴承健康数据温度多维特征;其次,将分解的本征模态函数(intrinsic mode functions,IMFs)输入Informer模型提取多尺度时间信息训练,基于树状结构Parzen密度估计的非标准贝叶斯优化算法(tree structure Parzen density estimation,TPE)优化Informer模型超参数;然后,构建基于残差的故障指标,采用核密度估计(kernel density estimation,KDE)确定故障预警阈值;最后,将运行数据输入训练后的Informer模型进行故障预测。选取某风电场的风力发电机轴承温度数据进行故障预测,仿真结果表明,考虑多时间尺度信息的SVMD-TPE-Informer模型在发电机轴承温度预测上具有更高的预测精度和计算效率,所提方法在两个故障案例上分别能够提前15.5 h和10 h预测到故障,且不会出现误报现象,验证所提模型的有效性和稳定性。

基于改进边缘注意力生成对抗网络的电力设备热成像超分辨率重建

针对低分辨率电力设备热成像图像,提出一种基于改进边缘注意力生成对抗网络的超分辨率重建方法。首先,在边缘注意力的基础上,引入通道注意力和位置注意力的双注意力模块(dual attention, DA),捕获特征图不同位置间和不同通道间的依赖关系,并将两组依赖关系进行融合,以加大全局信息的提取程度。然后针对参数修正线性单元激活函数(parametric rectified linear unit, PReLU)对网络中神经元进行无差别激活,导致网络特征表达能力受限问题。采用改进β-ACONC自适应控制激活函数替代PRe LU函数,在辨识有效特征的基础上,对神经元进行选择性激活,以强化有效特征、弱化无效特征,提升网络的自适应激活能力和特征表达能力。最后对所提改进边缘注意力生成对抗网络模型(edge-attention generative adversarial network, EA-GAN)进行实验验证。结果表明,与Bi Cubic双三次插值模型和原EA-GAN模型边缘注意力生成对抗网络模型相比,所提改进模型网络性能最好,重建图像质量最高,客观评价指标峰值信噪比(peaksignal-to-noiseratio, PSNR)均值、结构相似性(structural similarity,SSIM)均值和均方误差损失(mean square error loss, MSE-loss)均值最优,在电力设备红外图像重建领域普适性较高,具有一定的工程应用价值。

事件触发改进一致性算法的孤岛混合微电网并联互联变流器分布式协调控制策略

在交直流混合微电网中,并联互联变流器(parallel bidirectional power converters,BPCs)可以实现大容量的功率传输,以满足新型电力系统在空间上的供需匹配。如何在占用更少资源的同时协调控制BPCs实现功率的比例共享,是交直流混合微电网中BPCs控制的研究难点。因此,该文设计了一种针对BPCs的事件触发改进一致性协调控制策略。以归一化下垂控制为基础,提出了改进的比例功率一致性算法,实现BPCs间高精度比例功率共享。在此之上,基于BPCs比例功率误差建立事件触发改进一致性算法,并预设触发函数的预判阈值,从而降低系统在稳定状态下的通信次数。最后进行仿真对比分析,结果表明该文提出的方法相比基本一致性算法通信量减少98.35%;同时,与现有控制策略相比,该文提出的方法有着更好的控制性能。

考虑极端天气冲击过程的风电机组竞争失效可靠性评估

针对风电机组的运行可靠性易受极端天气影响的问题,提出了一种考虑极端天气冲击过程的风电机组竞争失效可靠性评估方法。同时考虑风电机组自然退化、极端天气冲击导致的瞬时退化以及极端天气持续过程产生的加速退化,构建极端天气下的风电机组综合退化模型;考虑风电机组退化过程对其耐冲击性能的影响,建立风电机组竞争失效可靠度模型以评估风电机组可靠性;基于我国北方某风电场工程数据和极端天气历史数据评估了某2 MW风电机组的可靠性并进行了参数灵敏度分析。结果显示,到第5年时,仅考虑自然退化的方法评估风电机组可靠度为0.84,而考虑极端天气冲击过程的方法评估风电机组可靠度为0.178,后者更加符合工程实际。通过模型参数的灵敏度分析发现,运行时间超过3年后,退化失效开始逐渐影响风电机组的可靠性。

基于AdaBoost.M2-ISSA-ELM算法的电力变压器故障诊断方法

为提高电力变压器故障诊断精度,将集成学习和群体智能优化算法相结合,提出一种电力变压器故障诊断方法。使用极限学习机(ELM)作为基学习算法,构建集成学习框架下的基分类器,并针对ELM模型性能受参数初始化影响较大、易陷入局部最优问题,引入基于正弦优化的改进麻雀搜索算法(ISSA)优化相关参数,提高基分类器的分类性能。使用改进的自适应增强(AdaBoost.M2)算法构建集成学习模型,扩展基分类器的输出,并引入伪损失函数替代传统AdaBoost算法中的加权误差,以增强集成分类器综合表达能力,得到基于AdaBoost.M2-ISSA-ELM算法的电力变压器故障诊断模型,进一步提高模型识别精度。通过909组油中溶解气体分析(DGA)样本对所提方法进行实例分析,结果表明该方法具有较好的诊断精度和分类性能,能够实现电力变压器故障类型的准确识别。

URLLC场景下信道可靠连通度预测

第五代移动通信技术(5th generation,5G)中高可靠低时延通信(ultra reliability and low latency communication,URLLC)应用场景,十分契合航空5G机场场面宽带移动通信系统建设要求。以丢包率为定义的可靠性指标没有反应时变无线信道的时间依赖性和不同URLLC服务所需的持续时间。针对以上存在的问题,运用生存分析的方法,将URLLC关键技术与可靠性理论中失效率相结合,提出了可靠连通度指标,基于接收端信号强度,建立理论分布模型和数据驱动模型,对时变信道在未来1子帧内可靠连通度进行预测,并建立城市宏单元非视距簇时延线信道模型算例对模型进行对比分析,并在不同雨衰条件下,分析信道系统的可靠连通度。结果表明,数据驱动模型可靠性预测的均方误差(mean square error,MSE)可达0.1%,优于理论分布模型,且在恶劣天气情况下,多输入多输出信道可靠性相比于多输入单输出信道具有更高的抗衰落能力。

基于反射系数谱的配电电缆局部缺陷识别定位

传统配电电缆在局部缺陷识别与精准定位上灵敏度较差,位置范围识别受到限制,为解决现有技术在配电电缆缺陷诊断上存在的不足,提出一种基于反射系数谱的配电电缆局部缺陷识别定位方法。首先依据电缆分布参数模型,获得配电电缆完好状态与存在局部缺陷段的反射系数谱,然后利用广义正交积分法,将反射系数谱的虚部从频域转换到空间域,建立积分诊断图,得到具有直观性的定位图谱,根据积分诊断图实现配电电缆局部缺陷的识别与精准定位,方法适用于同时存在多处电缆缺陷的情况。最后,在实验室50 m长的配电电缆上制作老化与破损两种缺陷,用于验证所提方法的有效性。仿真和实验结果表明,该方法对不同缺陷情况均具有较高的识别精度,定位误差小于0.15 m。

基于物联感知数据和张量融合的电力变压器绕组绝缘劣化评估方法

针对目前缺乏依托在线物联感知数据的电力变压器绕组绝缘劣化评估方法的问题,该文考虑电、热、机械劣化因素对电力变压器绕组绝缘的损伤累积效应,提出基于物联感知数据和张量融合的电力变压器绕组绝缘劣化评估方法。首先,研究电、热、机械因素对绕组绝缘的累积损伤机理,依托电压、电流、温度、局部放电物联感知数据构建变压器绕组绝缘的电性能、热性能和机械性能劣化损伤指标;然后,构建三种劣化损伤指标的特征张量,基于张量融合对三种劣化损伤指标进行特征融合,提取劣化损伤指标间的高维劣化特征关联信息;最后,采用基于自组织映射网络(SOM)的最小量化误差方法构建绕组绝缘的综合劣化评估指标,实现对绕组绝缘劣化状态的评估。该文通过多种评价准则评价构建综合劣化指标,算例结果表明,所提方法能准确评估变压器绕组绝缘的真实劣化程度。

利用混杂系统理论进行电力系统建模的研究

描述了电力系统离散事件与连续动态相互作用的混杂行为,介绍了离散事件系统的模型工具Petri网与混杂系统的模型工具可编程赋时Petri网。提出了利用可编程赋时Petri网来建立混杂电力系统模型的方法。该方法将复杂的电力系统分成离散状态逻辑层和连续动态层来描述,由逻辑层进行协调各连续动态系统的模式切换。同时,文中给出了一个利用可编程赋时Petri网对具有有载调压变压器的简单电力系统的建模实例,并利用多Lyapunov函数方法进行了系统的逻辑切换稳定性分析。仿真结果表明了在有载调压变压器能够调节的范围内,系统的模式切换是稳定的,以此证实这种建模方法的有效性。

大规模用电数据流的快速聚类和异常检测技术

对近年来在电力系统中出现的大规模数据流进行了探讨,目的是利用流式计算技术提高系统的实时性和安全性。针对大规模用电信息采集中用电数据流的快速聚类和异常检测技术展开研究。结合分布式流式计算平台Spark Streaming,基于用电行为在纵向时间和横向空间上表现出的聚类特性,即同类用户具有相似用电模式和同一用户历史数据具有相似性,设计并实现了流式DBSCAN聚类算法,以实现对大规模用电数据流的快速异常检测。设计并搭建了支持大规模数据流处理的实验环境,证明了算法的有效性。

基于子空间方法的风机齿轮箱故障预测算法

为了减少风机齿轮箱严重故障的发生,提出了一种基于随机子空间识别方法的齿轮箱故障预测算法。该算法首先建立齿轮箱的随机状态空间模型,并利用正常运行时的振动监测数据计算模型的参数矩阵的特征值,并将其作为参考特征值;然后将由实际振动数据所求得的特征值与参考特征值进行比较,如果两者误差很小,则说明齿轮箱正常,反之则异常。为了减少计算量,引入均方根误差(RMSE)作为齿轮箱故障判别指标,并利用统计过程控制(SPC)原理定义该指标的阈值。最后,对一台实际风机的振动监测数据进行仿真,结果表明了所提出算法的有效性。

考虑不完全维修的风电机组状态–机会维修策略

风电机组主要部件维修费用昂贵、可用度低,且不总能够通过维修恢复如新。针对这一问题,提出一种考虑不完全维修的风电机组状态–机会维修策略。该策略应用比例强度模型来描述风电机组部件的不完全维修,通过状态指示器来表述部件的运行状态,并根据状态指示器与状态维修阈值函数和机会维修阈值函数之间的大小关系来确定部件的维修时间和维修方式。在维修因子取值不同的情况下,两条维修阈值函数可通过单位运行时间内平均维修费用最小的方法优化得到。最后,利用风电机组部件的历史故障数据和状态监测数据,从经济性和可用度两方面进行仿真,来验证该策略的有效性和实际应用价值。

基于编码PETRI网的电力系统故障诊断模型研究

文中对基于编码原理和Petri网建模方法的电力系统故障诊断进行了进一步的研究,介绍了冗余嵌入Petri网、Petri网的故障模型及根据范德蒙矩阵构造生成矩阵的方法;重点分析了电力系统元件故障诊断Petri网模型的特点:母线及线路的Petri网模型的标准型与电网规模无关等;提出了电网拓扑结构发生变化时模型的快速修正方法,即根据模型标准型进行添加或删减,以使该方法更加适应大型电网多变的运行方式。以IEEE-118母线系统为例验证了故障诊断的正确性和模型修正方法的快速性。最后,经对文中方法和文献中的另外2种方法进行比较,证明文中方法具有诊断速度快,精度高,具有电网拓扑结构变化能力,适用于大型电网故障诊断。

需求响应对配电网供电可靠性的影响

鉴于峰谷分时电价能够引导用户用电行为,促使用户积极参与到电力系统的削峰填谷行为中,而负荷与可靠性之间存在着复杂的非线性关系,文中重点研究了需求侧响应对配电网供电可靠性的影响。首先,建立分时电价优化模型:进行时段划分、确定电力价格弹性矩阵和制定各时段电价,再以峰负荷最小及峰谷负荷差最小确定多目标优化函数,考虑电网和电力市场基本约束条件建立分时电价优化模型;然后,在基于二分法的聚类负荷分析法中引入依据电力报价的负荷修正环节;最后,将不同负荷水平下的可靠性指标按持续时间进行加权平均,得到精确的可靠性指标。利用上述模型和方法,对改进的RBTS BUS6测试系统进行分时电价建模和可靠性评估。结果表明,需求响应策略改善了配电网的供电可靠性。

基于编码PETRI网的电网故障诊断

作者将离散动态系统故障诊断方法用于电力系统,对基于 Petri 网的电网故障诊断方法进行了进一步的研究。以一条电力线为例,建立了以该线路为对象的 Petri 网模型,引入冗余库所监督原 Petri 网库所状态。讨论了该线路所有可能发生的故障,提出了新的故障映射方法。结合差错控制原理,利用一致校验矩阵和错误伴随式,对 Petri 网库所状态进行检错,纠错。文中给出了关键矩阵(生成矩阵)的构造方法。仿真计算结果表明该方法计算简单,仿真速度快,采用差错控制原理,可保证诊断精度。可应用于在线实时监控系统。