认知物联网中继传感节点最小功耗布置方法研究

物联网数据传输过程中,中继传感节点能量不足或者能量消耗过多将导致部分节点失效,降低物联网的使用寿命。为解决这一问题,提出认知物联网中继传感节点最小功耗布置方法。根据中继节点结构特征、有向加权图,建立数据传输功耗的数学模型;以最小功耗布置为目的,制定数据流向、通信容量、数据最大传输次数的约束条件,阻止中继节点逆向传输,使节点满足通信容量范围的同时,避免出现逐条传输数据的事件;引入贪婪算法布置中继传感节点,实现中继传感节点最小功耗布置。仿真结果表明,所提方法的中继传感节点布置最大功耗为17.58 J;在传感节点分布密度为370个/m^(3)时,中继节点布置数量为126个;在11.9 s内即可完成150个中继节点的布置。

动态拓扑下基于终端数据挖掘的配电网异常节点检测

异常节点检测用于发现由窃电、设备故障等现象导致的功率、电压等电气参数的量测值与实际值不同的节点,是配电网态势感知、运行和管理的基础。为此,提出一种基于终端数据挖掘的异常检测方法。首先,通过挖掘节点电压、功率间的潮流约束关系,构建了一种潮流映射框架下的异常检测体系,将不符合约束关系的节点判断为异常。其次,构建对冲反向传播-残差神经网络拟合潮流约束关系,在配电网拓扑和参数信息缺失的情况下实现快速准确的电压计算。再次,针对配电网拓扑变动导致方法失效问题,引入模型回溯概念和生成树算法进行识别,将变动信息反馈给主模型,实现检测方法在动态拓扑下的应用。最后,结合实际案例与仿真实验验证了所提方法的有效性。

基于潮流追踪的用户碳排放水平计算与评估方法

新型电力系统用户侧泛在资源分布零散、数量多、容量小以及随机性大的特点,给用户侧精细化碳排放计算造成了困难。为了准确衡量与评估电力系统中用户碳排放水平,首先通过潮流追踪方法分析了电力系统各节点潮流的来源,确定了各节点的间接碳排放责任;然后依照比例共享原则结合不同来源的碳排放强度得到了电力系统碳流分布情况;最后通过提出的负荷侧各项电力碳排放指标,评估了不同节点的清洁程度从而引导用户更多地使用清洁能源以降低自身碳排放。并采用实际电力系统数据进行算例验证,验证了所提方法的合理性与可用性。

面向交直流混联系统的潮流计算数据生成策略

随着电力系统中多类型直流线路占比的逐步提升,调度系统与异构平台间的潮流数据交换需求明显增大,亟需研究新形态下交直流混联系统的潮流计算数据生成问题。该文从拓扑转换、网络拓扑分析、设备建模以及数据生成策略4个主要步骤,实现含交直流系统的基于可扩展标记语言的通用信息模型(common information model/extensible markup language,CIM/XML)数据到潮流计算输入数据的转换。首先,该文从设备间开关拓扑的角度,进行深度优先算法(depth first search,DFS)搜索和设备拓扑拼接,实现开关/节点模型到母线/支路模型的转换;其次,在筛选出活拓扑岛、剔除不带电设备后,着重分析了CIM/XML中换流器建模对交直流节点选取的影响,进而提出了直流节点选取规则和具备普适性的直流数据生成策略。最后,以某地调度500kV及以上交直流网络导出的CIM/XML数据为算例,潮流计算结果与数据采集与监视控制系统(supervisory control and data acquisition,SCADA)量测数据比对验证所提策略的有效性。

基于支持向量回归数据驱动的配电网潮流回归

随着大量分布式电源接入配电网,配电网潮流分布由原来的单向流动转为双向流动,配电网潮流分布不均、电压越限等问题频现,研究适用于主动配电网的潮流计算更为重要.由于中低压配电网电气参数往往收集不到,量测系统也不如输电网完备,开关动作导致的拓扑变化难以实时反映到监控系统.实践中难以将基于导纳矩阵的输电网潮流方法应用到中低压配电网中.鉴于此,本文提出一种数据驱动的潮流线性回归模型,以实现不依赖于配电网物理模型的潮流计算与分析.首先建立不同类型的母线已知量与未知量的映射关系;其次,进一步推导该模型母线类型变换的更新方式;然后构建基于支持向量回归(support vector regression,SVR)的潮流回归模型,通过嵌入高斯核函数以及对样本进行聚类更好地拟合潮流的非线性;最后,在多个IEEE标准系统和改进的IEEE33节点系统仿真验证了所提方法的有效性.

基于数据潮流模型的高比例光伏配电网三相不平衡优化

随着分布式光伏的大规模接入,配电网固有的三相不平衡问题日益严重,给系统的电能质量、经济运行等带来不利影响。此外,高比例光伏的接入使得配电网的物理结构和运行方式更加复杂多变,导致当前依赖精确拓扑结构和线路参数的三相不平衡优化方法难以应用。因此,提出一种基于数据潮流模型的高比例光伏配电网三相不平衡优化方法。首先,采用基于双阶段注意力机制的循环神经网络方法建立数据潮流模型,拟合三相潮流约束中变量之间的函数关系。同时,提出图特征嵌入的方法将部分已知的拓扑信息嵌入到数据潮流模型中以提高拟合精度。其次,以训练后的数据潮流模型为基础重建配电网三相不平衡优化模型。最后,通过条件梯度下降方法求解该模型,以修改的IEEE33节点配电网络为例,验证了所提方法的有效性。

数据产权新范式下的企业数据持有者权

企业数据权属不清给数据产品市场化交易带来巨大障碍,延用传统产权保护模式已经捉襟见肘,如何寻求更为合理的产权配置方案已成为学界日益关注的焦点。《数据二十条》创新性提出构建数据产权“三权分置”的新范式,赋予企业数据持有者权,是促进数据社会化流通和数字经济发展的必然要求。但该政策指引并不能直接与法定权利作等价转换,需要通过立法程序予以法定化,个人利益和共同善则为其权利建构提供了正当化依据。从本质上看,企业数据持有者权是一种对数据的“弱支配权”,其淡化了所有权的绝对排他支配性,强调企业对数据的事实支配控制。在权利内容上,包含持有、处理、收益和处分权能,旨在实现数据的使用与交换双重价值,以此化解企业数据上承载的多元主体利益冲突,保护企业合法权益,实现数据要素价值。

基于分区选择的主动配电网分布式最优潮流分析

基于交替方向乘子法(ADMM)在分布式形式下解决主动配电系统最优潮流问题(OPF),针对分布式算法性能受到配电系统区域划分影响的问题,提出了一种基于量测数据驱动的电网分区方法,以加速优化算法的收敛速度。与传统的ADMM算法依赖于全局信息不同,本文引入了一致性方法来协调区域交界的平衡问题,从而实现最优潮流问题的完全分布式求解。此外,本文采用LinDistFlow(Linearized Distribution Flow)交流近似模型来应对配电网最优潮流问题的非凸性挑战。通过在不同规模的IEEE配电网案例上进行测试,验证了所提方法的有效性,且其在优化算法的迭代次数、计算时间和误差精度等性能上均优于其他分区方法。

基于数据驱动的管道流致振动计算方法

高速流体在流经管路系统中的弯头、阀门、三通、孔板等节流组件时,流体冲击载荷容易诱发管道的振动,甚至导致管道及其附件的损坏。常规的管道流致振动分析需要开展流体在管内流场以及流体与管道流固耦合计算,耗费计算工时较长不具备通用性。通过基于数据驱动的神经网络方法分析,建立典型流体元件的流动特性数据库,采用神经网络分析,可以在较短时间内完成流致振动的计算。该方法可以在设计阶段对可能发生振动的管道进行分析和计算,并通过改变管道设计来避免或减轻管道的振动,该方法也可适用于其他行业管道系统的流致振动分析。

基于改进LightGBM的电力通信数据流量异常检测方法

针对电力通信网络攻击模式多变、检测泛化能力不足的问题,提出基于改进轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)的电力通信数据流量异常检测方法。结合最近邻规则(Edited Nearest Neighbor,ENN)算法、小波包分解技术和信息熵分析方法,提取电力通信数据流量异常特征,引入直方图算法和带深度限制的Leaf-wise生长策略,通过改进LightGBM算法建立电力通信数据流量异常检测模型,在模型中找到最优超参数配置,提高电力通信数据流量异常检测的准确率和效率。实验结果表明,设计方法在准确识别不同网络攻击类型和增强检测泛化能力方面具有显著优势,能够更好地应对电力通信网络中复杂多变的网络威胁,为电力通信系统的安全稳定运行提供有力保障。

基于最大流算法的电力负荷坏数据辨识系统

用电负荷坏数据会对电力供电产生很大的破坏性,为了提高对电力负荷坏数据的检测能力,设计基于最大流算法的电力负荷坏数据辨识系统。硬件主要包括采集器、处理器、信号识别器三部分,采集器在高压电池侧边需要放置微控制单元,处理器将波形数据转换为数字信息实现控制。信息识别器的连接结构为阅读芯片与单片机的输入端口互相连接,单片机的输出端口与通信状态显示屏相互连接,载波发生器与调制器相互连接。利用最大流算法建立拓扑模型,在电力系统网络流中,采用中心性指标完成对点到边、边到点、点到点、边到边之间的电力数据划分,利用最大流算法对坏数据完成辨识。实验结果表明,所设计系统可以确保电网受到攻击后剩余流量高于95%,辨识准确率高于90%。

流量测量罐设计与数据修正研究

当前对电力系统相关设备的出厂要求越来越高,同时电厂对设备安装周期的要求也越来越短。为了提高出厂设备的可靠性,在设备出厂时进行性能试验,以此来验证出厂设备是否满足设计要求。文章结合生产实践,针对工厂自制罐式流量计测量原理及测量数据修正过程进行分析及阐述,以此验证设备流量参数准确性及可靠性。

基于数据物理融合驱动配电网三相线性化潮流及线损分析应用

分布式电源规模化并网引入了下垂控制等非光滑本地控制约束,易导致传统基于前推回代法的潮流计算方法收敛失败,且由于分布式电源并网改变系统潮流方向,导致传统等值电阻法、压降法等理论线损计算方法不再适用。为解决上述问题,提出计及有载调压变压器调压、分布式光伏下垂控制的光滑化模型,构建了基于数据物理融合驱动的三相配电网线性化理论线损快速计算模型。在传统基于稳态运行特性线性化、一阶泰勒展开线性化的基础上,利用偏最小二乘法补偿线性化误差。相比纯物理驱动线性化,在负荷重载条件下仍具有较高精度;相比于纯数据驱动线性化,能够保留支路拓扑信息,适用于开关状态变化场景。所提模型仅对线性化误差进行拟合补偿,在保证线性化精度的前提下,极大地提高了潮流模型的收敛性与计算效率,且能够适应不同负荷水平实现精确误差补偿。基于实际42节点三相配电网系统仿真,验证了所提模型具有较高精度,且能够实现配电网理论线损鲁棒、快速计算。

基于数据驱动的汽轮机主蒸汽流量软测量

为提高主蒸汽流量的计算准确性,以汽水系统稳态工况下基于热量平衡和流量平衡计算的主蒸汽流量作为目标值,将模型输入参数限制在高压缸范围内,以此建立主蒸汽流量预测模型,借助高压缸内蒸汽的高流速带来的参数之间近乎零迟滞的特性,使得以稳态工况数据训练的模型可直接应用于非稳态工况,最后通过实例对所提方法进行验证。结果表明:所提软测量模型适用工况范围大,受其他因素干扰较少,实际案例验证了模型的准确性,具备工程实际应用价值。

基于GA-ADAM优化的BPNN配电网潮流计算

潮流计算是电力系统运行与控制的基础。为解决配电网可再生能源渗透率不断增加带来的负荷点电压波动的不确定性,以及传统电力系统潮流数据收集能力不足导致潮流计算不准确等问题。本文提出了一种基于数据驱动的潮流分析模型,构建了一种基于BPNN结合GA-ADAM优化算法模型来分析随机性下配电网的潮流计算方法。首先,引入潮流初值信息、拓扑结构特征以及功率因数指标构建训练集,通过对回归模型的训练,充分挖掘节点电压与功率之间的映射关系。其次,使用GA-ADAM算法优化模型初值和权重参数。最后,基于IEEE-33节点配电网模型进行验证,本文模型潮流计算的最大误差3.93×10^(-3),平均绝对误差1.46×10^(-3),均方根误差1.81×10^(-3),优化后的BPNN潮流计算电压误差值降低37.66%。实际算例仿真结果表明,与其他方法比较,本文构建的模型各误差指标小、准确度高,提高了潮流计算的效率和准确性。

基于数据驱动的新型电力系统潮流分析方法

为满足未来新型电力系统高精度实时潮流分析的需求,提出一种基于数据驱动的新型电力系统潮流分析方法。该方法可充分利用现有的海量数据,并应用数据驱动技术进行电力大数据挖掘。首先,基于传统潮流分析模型与源-网-荷运行特点,构建表征潮流分析的输入和输出特征;其次,根据系统规模及数据复杂度,在传统全连接深度神经网络基础上,选择部分隐含层进行随机失活设计,以提高深度学习的泛化性能;最后,基于某供电局110 kV电网历史运行的15 min级颗粒度数据,对设计的网络进行模型训练,并验证了数据驱动算法的有效性和可行性。

基于RNN的智能电网拓扑变异型FDI攻击检测方法

针对近年来对智能电网运行状态构成严重安全威胁的虚假数据注入问题,提出一种基于循环神经网络的智能电网拓扑变异型虚假数据注入攻击检测方法.通过分析电力系统状态估计方法的不足和虚假数据注入攻击绕过系统监测与防御的入侵方式,引入循环神经网络分析连续数据序列的时序变化,并在IEEE-30节点系统上进行仿真验证.仿真结果表明,提出的方法能够高效、准确地检测智能电网中产生的虚假数据注入攻击行为,其检测准确率可达99.9%,相比于其他检测方法具有较大的优势.

部分可观测条件下的配电网数据驱动最优潮流模型

电力系统最优潮流计算是典型的非线性非凸问题,线性化潮流模型主要用于将原始最优潮流问题转化为凸优化问题。配电网覆盖范围广,设备众多,模型参数维护困难,已有的基于数据驱动的线性化潮流模型多基于完备的系统量测数据,而实际中考虑经济性安装的测量单元,无法覆盖所有设备,系统量测通常是部分可观测的。为解决量测的部分可观测性问题,提出一种数据驱动线性潮流模型,并基于此构建基于数据驱动的线性化最优潮流模型,该模型对量测中的不良数据具有鲁棒性。通过对不同部分可观测场景的测试,验证了所提模型的有效性。

基于深度残差网络的电力系统潮流计算

为更简单、快速地进行潮流计算,提出了一种基于深度残差网络的多节点电力系统潮流算法。首先,应用仿真软件Power World Simulator中的一个典型电网实例采集样本;然后,在TensorFlow平台搭建基于深度残差网络的多节点电力系统潮流计算模型;最后,根据模型预测结果完成对方法的分析。结果表明:与传统潮流算法及基于人工神经网络的潮流算法相比,所提方法在快速性、收敛性及精度方面具有极大的优越性。

贝叶斯数据驱动的精确解耦线性潮流模型

为解决配电网不准确、不可知物理参数影响常规潮流计算的问题,基于配电网节点交流方程及现场母线电压幅值和相角取值特征,解耦电压幅值和相角,给出了解耦线性潮流模型,通过建立数据驱动与解耦线性潮流的映射模型,利用贝叶斯数据驱动方法进行线性回归,精确计算潮流,采用IEEE标准节点系统验证文中模型的精确性和有效性。结果表明,文中方法不仅可以保证所求电压相角的误差在0.2%以内,还可以求解出各节点的电压幅值,误差小于0.088%。