基于粒子群优化和卷积神经网络的电力系统运行状态辨识

随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm optimization and convolutional neural network,PSO-CNN)的高精度电力系统实时运行状态辨识方法。首先,该方法同时考虑电力系统安全域与稳定域下的暂态问题,适用于暂态稳定故障前、故障中及故障后多场景的电力系统运行状态辨识。其次,为确保样本数据中新能源机组出力方式的全面性,采用拉丁超立方抽样方法对精细化仿真数据采样,考虑到实际电力系统中存在状态类别极端不平衡问题,引入PSO算法调节模型不同类别损失函数权重以提高模型对极端不均衡样本的辨识效果。最后,分别在IEEE39节点系统及某省级电网系统中对所提方法进行评估,实验结果证明了所提状态辨识方法的有效性及鲁棒性。

基于卡尔曼滤波的电力系统运行状态实时监测

在监测电力系统运行状态时,监测数据与电力系统的实时数据存在异步问题,导致监测结果的精度偏低,因此提出基于卡尔曼滤波的电力系统运行状态实时监测方法。在对电力系统数据进行同步处理时,引入了卡尔曼滤波器,从噪声污染的电力系统运行状态数据中分离出目标电力系统运行状态数据,并构建了对应的目标电力系统运行状态数据状态方程和观测方程。在电力系统运行状态监测阶段,引入神经网络对电力系统的同步误差分析结果进行深度学习,以此实现对监测结果的有效补偿,实现精准监测。在测试结果中,设计方法对于电力系统最大输入电压监测结果与设置值的误差始终稳定在1.0 V以内,具有较高的稳定性和准确性。

新一代电力系统运行状态显示平台构想

电力系统的广泛互联和市场化需要调度人员更深刻地洞察运行状态的变化,更广泛地相互沟通,以避免重大安全事故的发生,而现有运行状态显示手段已不能满足这一要求。以所提出的电力系统运行状态显化概念和动态关联多屏技术为基础,合理运用多通道、多种通信媒体等计算机软硬件和网络通信技术,利用心理学、认知学和人工智能等理论,充分融合现有运行状态分析与显示研究成果,构建基于多通道—动态关联多屏的人—机交互体系,研究基于多种通信媒体的调度员交互(人—人交互)系统,提出运行状态的分层显示构想。借助人因工程学理论反复推究、逐步完善,最终形成一套较为完整的运行状态显化理论体系,构建全新的运行状态显示平台。

电力系统运行状态的耦合多屏显示

针对现有能量管理系统显示方式中存在数据显示困难和显示效率低下等问题,文章提出了运行状态显示的新概念:耦合多屏显示。其要点是:强调屏幕画面之间的耦合关系,了屏幕画面随着主屏幕的命令操作和事件发生动态更新,从而以多屏的视野实现对同一任务的监控操作,有效分流了数据信息。文章从理论上分析了实现耦合多屏显示的技术要点,论述了该技术在电力系统中的应用前景。

基于随机森林的电力系统运行状态辨识方法

电力系统运行状态的实时监测成为系统安全稳定运行的重要手段之一。文章研究重点是辨别电力系统的运行状态,提出了基于随机森林的方法来辨识电力系统运行状态。

电力系统的运行状态及其控制

简要介绍了电力系统运行的几种状态及其控制,阐述了提高系统稳定的基本措施。

电力系统的运行状态及其控制

简要介绍了电力系统运行的几种状态及其控制,阐述了提高系统稳定的基本措施。

浅谈电气工程技术在电力系统运行中的应用

电力的供应实施是当今社会最为重要的基础设施之一,电气工程的顺利实施也是社会繁荣经济增长的关键支柱。基于目前的电气科技水平,电力系统的控制和调整基本上都依赖于电气自动化设备,从这个角度来讲,电气工程和电气自动化设备及相关技术是密不可分的一个整体。因此,本文就电气工程中,电气自动化技术的应用进行论述和探讨。

研究电力系统及其自动化技术的应用

近几年,我国信息技术和计算机得到了飞速发展,电力系统自动化技术的出现,为确保我国供电效应和供电质量提供了强有力的支持。自动化技术在电力系统中的应用能够为电力系统的稳步运行提供重要的保障,经过自动化处理后电力系统的运行状态能够得到有效提升,从而能够为电力系统的后续各项工作的开展打下良好的基础,提升电力系统的工作效率。同时,自动化技术在电力系统中的应用能够起到较好的降低风险的目的,它能够辅助工作人员建立更加合理的维护计划,大大提升了电力维护工作的安全性与可靠性。

数据融合技术在大型企业电网数据平台的研究与应用

由于大型企业电网智能化程度的提高和接入设备的增加,导致电网监测与数据分析的难度加大,提出了利用先进的数据融合技术实现电网数据的准确收集和整理,能更好地管理和检测电力系统的运行状态和故障信息,非常适合于电力系统这种大型复杂的系统。