基于聚类LSTM深度学习模型的主动配电网电能质量预测

针对较长时间跨度上电能质量(PQ)数据的时序性和非线性特点,提出一种基于K-means聚类和长短期记忆(LSTM)网络的主动配电网(ADN)电能质量预测方法。在构建LSTM深度学习模型的基础上,将大量的电能质量历史数据、环境因素及负荷数据以多维向量的形式进行K-means聚类,并针对每一类数据集分别使用LSTM模型进行网络的训练和性能评估,然后利用完成训练和评估的聚类LSTM网络模型进行主动配电网电能质量稳态指标项的预测。最后,通过IEEE-13节点含分布式电源的主动配电网仿真算例,分析验证了所提聚类LSTM网络法比时间序列预测法、反向传播(BP)神经网络法和标准LSTM网络法具有更优的预测性能。

面向用户的电能质量经济性损失分析方法研究

电能质量(PQ)问题常会给用户带来巨大的经济损失。文章在参考大量文献的基础上,总结了量化PQ经济性影响的方法及流程,并详细介绍了获取PQ损失经济性数据的方法;此外,还介绍了净现值法在评估PQ解决方案上的应用。综合上述几个方面,最后提出了符合中国国情的PQ经济性损失研究方案。

电能质量电压暂降问题及应对方案

介绍了电压暂降产生的原因和危害及电压暂降相关的国际标准,叙述了电压补偿型装置、失压脱扣装置和高压供电安全防护墙等电压暂降应对方案,指出电压暂降问题需从供电侧和用电侧同时考虑、分别治理,依据标准,针对不同用户和设备特性,采取减少或消除电压暂降冲击的手段,以达到满意的动态电能质量需求。

钢铁厂负荷稳控电能质量在线监测系统的开发与应用

钢铁厂所用大多是非线性负荷,造成区域电网波形畸变、电压波动、闪变、晃电等一系列电能质量问题。针对这种情况,采用在线监测技术,建立负荷稳控电能质量(PQ)在线监测系统,可实时采集企业配电网的运行数据,并对数据进行管理和分析。保证了钢铁企业配电网的安全运行,降低了用电成本。

济钢四降压电能质量测试评估及SVC运行效果分析

通过对济钢四降压电能质量的测试,利用电能质量控制技术,在电能质量、经济运行、安全运行3个方面进行了评估,并针对出现的电能质量问题提出了解决方案,加装相应的定补装置或动补装置,考虑谐波滤波问题。同时,通过对投入运行的SVC补偿装置进行的仿真及计算,分析了其运行效果,结果表明仿真数据有效可靠。

混合动力系统电能质量扰动分析及治理

基于并联有源滤波器(shunt active power filter, SAPF)和动态电压调节器(dynamic voltage restorer, DVR),首先,搭建了包含光伏和风机的混合动力系统,用以模拟分布式电源接入配电网中产生的电能质量(power quality, PQ)扰动。其次,利用模糊逻辑、神经网络和自适应神经模糊推理系统控制算法对SAPF的动态性能进行优化,对电能质量扰动进行治理,使用人工智能技术进行管理,使光伏和风能系统均实现最大功率点跟踪(maximum power point tracking, MPPT)。最后,在搭建的仿真系统中进行验证,线性负载和非线性负载输出侧谐波畸变率分别降至0.20%和2.05%,满足配电系统对于电能质量的要求。