基于深度学习的配网运维技术改进研究

为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition,VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运维故障信号特征输入改进的ResNet模型中,实现配网运维故障的准确识别。仿真结果表明,所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障,平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型,所提方法在各项性能指标上表现优异的性能,且具有良好的抗噪性能。

配电网运维检修管理的创新路径探索

电力是由各种形式能源转化而成,在人们生活中扮演重要角色,促进了经济发展。供电公司的配电网直接关系到用户对电能的需求和用电质量,在社会数字化发展的形势下,配电网运维检修管理工作得以发展,在一定程度上提高了配电网的智能化和自动化水平。然而,配电网运维检修管理工作在取得成效的同时,也还面临不少困境,如运维管理和考核制度不科学、相关技术运用水平偏低等,加大了运维成本,运维效果没有达到预期,运维工作人员的工作热情较低,为公司今后的发展留下问题隐患。此次研究主要围绕电力公司配电网运维检修管理目前存在的艰难处境,提出全新的发展道路。

配电网分布式电源承载力评估探析

以风电、光伏等为代表的能源事业迅猛发展,规模化接入已是大势所趋。需要对其在配电网络中的可接入能力进行评价,合理确定其接入网络的容量和建设规模,从而引导其良性、有序发展。如何有效地使用配电网络中的代表性调节装置和手段,以提升配电网络的新能源消纳能力具有重要的意义。因此,亟需分析适应未来配电网分布式新能源发展的承载力评估策略,为后续分布式电源接入提供相关支撑依据。