基于双向长短期记忆网络的电力系统暂态稳定评估

为进一步提升电力系统暂态稳定评估的准确率,依据电力系统暂态过程数据的时序特性,建立了一种基于双向长短期记忆(Bi-LSTM)网络的暂态稳定评估模型。该方法通过Bi-LSTM网络建立底层量测数据与电力系统暂态稳定类别之间的非线性映射关系,采用准确率、F1指标和FPR指标综合评估Bi-LSTM网络模型性能的优劣,在此基础上,采用t分布随机近邻嵌入(t-SNE)降维方法和k最近邻(KNN)分类器进一步提升暂态稳定评估的准确率。新英格兰10机39节点系统算例表明:所提模型比传统的机器学习模型和部分深度学习模型拥有更好的评估性能。通过可视化方法和网络预测分数对评估模型进行分析,结果表明Bi-LSTM网络模型具有较强的电力系统暂态过程特征提取能力,适用于电力系统暂态稳定性的评估。进一步研究了底层输入数据的归一化模式和方法对暂态评估模型的影响,结果表明z-score归一化方法要优于min-max归一化方法,采用总维数归一化模式的模型评估性能更好。

结合图嵌入算法的电力系统多任务暂态稳定评估

电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一。考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入。考虑到电力系统多种稳定性问题往往交织在一起,首先,提出了基于多任务学习的暂态稳定评估模型,并实现了电力系统功角稳定性和电压稳定性的同步评估;然后根据评估结果,确定电力系统失稳区域并实现可视化;最后,采用新英格兰10机39节点测试系统验证了评估模型的有效性。

计及蓄电池寿命的冷热电联供型微电网多目标经济优化运行

冷热电联供(combined cooling,heating and power,CCHP)型微电网不仅能为清洁能源的开发利用提供良好的平台,降低能源消费带来的环境污染,而且能够改善供电电能质量,降低系统损耗。为使CCHP型微电网经济计算更加符合实际运行工况,考虑将蓄电池寿命损耗带来的经济损失加入经济调度计算模型,同时考虑CCHP型微电网的经济性和环保性,建立CCHP型微电网的多目标优化模型。根据最大满意度的原则将多目标优化模型转化为单目标优化模型,利用改进型遗传算法,优化日内各微源的出力。通过算例对比分析多目标优化和各个单目标优化对微电网中各微源出力的影响,结果表明:多目标优化模型能够兼顾CCHP型微电网的经济性和环保性,更加接近CCHP型微电网的实际运行工况。

基于ResNet-18-KNN的变电站人员电气违规行为识别

为了降低变电站工作人员在作业过程中的电气违规行为发生率,减少电力事故频次,将迁移学习方法、残差网络和K最近邻(KNN)分类器进行有效结合,建立了ResNet-18-KNN模型。使用图像增强方法对样本进行数据增强扩充,解决样本数据不足且不均衡的问题;使用残差网络完成数据特征向量的提取;采用KNN分类器完成变电站人员电气违规行为的识别。根据实际电网算例,该方法与其他网络模型相比较,具有更好的性能,可以准确地判断变电站人员是否有电气违规行为,准确率达到90.7%。

Dayaowan Harbour Construction Project in Dalian Port

Located at the southern end of the Liaodong Peninsular, Dalian seaport has ideal natural conditions with a deep-water and ice-free port. As a vast harbour, this port is the hub of the waterways from north to south of China, playing a key role in the transport of import and export goods for the provinces of northeastern China and the vast eastern part of Inner Mongolia.