配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法 ,被广泛应用于各研究领域。在城市配电网优化规划的研究中 ,现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作 ,而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知 ,提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法 ,对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性 ,在该方法的基础上引入几个简单的概念 ,构成一个基本的机器学习模块 ,该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中 ,以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后 ,新型遗传算法具有更高的计算效率和求解质量。

基于配电网拓扑结构聚类的设备改造分区划分研究

目前,配电网设备改造计划安排主要依据设备的健康水平、运行年限等指标,改造项目间的协调优化尚有欠缺,分散无序的改造会导致配电网运行存在安全隐患。提出设备运行状态评分指标,利用改进凝聚聚类分析技术对配电网设备改造需求进行分析,用配电网拓扑结构联络关系作为约束判据,将需要改造的设备进行聚类分区划分。算例分析表明基于配电网拓扑结构聚类的设备改造分区划分方法优于传统的设备改造计划安排,能够统筹设备改造各类影响因素,为改造项目时序安排提供有效依据。

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。

C波段高清卫星传输车交流配电系统设计分析

C波段卫星传输车因其抗雨衰的性能优势在广播电视户外直播信号传输中得到广泛应用,本文介绍了广东广播电视台C波段卫星车配电系统的设计,统计了信号传输系统的基本用电需求,介绍了与传输系统配套的配电拓扑结构,结合外场实际情况和用电需求对系统的电气设备选型和线路保护的选择性进行了分析与确定,介绍了纳入监控系统的测点与仪表。

一种配电网基于模型诊断的专属最小碰集算法

现有配电网故障诊断的最小碰集算法由于没有考虑配电网的拓扑结构特点,导致其求解速度和准确率不高,对此,提出了一种仅适用于配电网故障的改进最小碰集算法。该算法首先分析了现有各适应度函数的特点,通过加权融合的方式构建出一种新适应度函数。其次,通过分析配电网的拓扑结构,得出配电网故障的最小冲突集之间没有交集的特点,并利用该特点,提出了最小碰集判据。最后,算例分析结果表明,所提最小碰集算法在求解速度上都有较大提高,在求解准确率上略微上升,且更加适合配电网故障的基于模型诊断。