针对D-PMU数据的网络攻击分析及应对策略

相较于主网相量测量单元(phasor measurement unit,PMU)数据较为安全的专网传输环境,配网相量测量单元(distribution network PMU,D-PMU)数据的传输一般采用有线+无线通信的方式,容易受到不法分子的攻击。本文对D-PMU数据特点进行了分析,揭示了针对D-PMU数据的网络攻击原理。提出了基于认知无线电技术的数据传输网络和相邻设备连续加密算法,增强了数据传输的安全性。最后通过仿真验证了所提方法的正确性。

配电网D-PMU优化配置方法和软件实现技术

随着量测技术的不断发展,配电网同步相量测量装置(distribution phasor measurement unit,D-PMU)逐渐成熟并得到应用,科学合理的配置对配电网的运行监测及D-PMU的大规模推广具有重要意义。本文针对D-PMU优化配置问题,首先分别给出了满足系统可观性的一次性D-PMU优化配置方法,以及考虑测量冗余度和不可观测深度的分阶段优化配置方法和规划方案。其次考虑不同的应用场景,提出了适应多类型优化配置需求的D-PMU优化配置辅助决策软件系统体系架构、数据流图及具体模块设计流程图,构建了D-PMU优化配置辅助决策平台。最后基于广东某实际配电网进行应用分析,验证了本文所提方法的有效性。

基于D-PMU的配电网故障选线和定位方法

配电网发生单相接地故障时,故障信号微弱且易受噪声干扰,准确选线和故障定位困难。为此,提出一种基于配电网同步相量测量装置(D-PMU)的故障选线和定位新方法。研制了D-PMU功能扩展模块——行波故障采集模块;搭建了配电网故障选线和定位系统;依据全网波头时差构建故障前、后时间特征矩阵,并引入最小二乘法模型以消除行波波头到达时刻标定误差。通过分析得出故障前、后时间特征矩阵中元素的变化规律,实现配电网故障选线和精确定位。仿真分析及现场试验结果表明,D-PMU现场运行稳定,所提方法不受线路参数和网络拓扑结构的影响且实用性强。

基于PCA和XGBoost的D-PMU实时扰动预测研究

随着具有高频数据流特性的D-PMU设备的广泛应用和普及,配电网系统中的量测数据量爆炸式增长,对大数据处理技术的要求越来越高。为了配电网能够可靠稳定运行,准确并及时对D-PMU存在的扰动进行在线预测分类显得非常重要。因此,提出了基于Spark的计算平台,采用PCA算法对D-PMU时间序列特征进行提取,结合XGBoost算法对D-PMU主要的扰动特征进行预测分类。实验结果表明提出的方法提高了D-PMU扰动分类的准确性,并且算法的计算速度也有显著的提升,确保了数据处理的实时性。

提高配电网PMU测量精度的全景补偿方法

配电网线路长度通常较短,且受噪声及谐波影响严重,要实现配电网的监测、控制和状态估计,亟须研制配电网同步相量测量装置(D-PMU)。高精度的测量是配电网可观可控的基石,而交流采样环节是保证D-PMU测量性能的核心。基于交流采样环节的硬件误差来源分析,提出了误差渐进减小的工程全方位应用场景补偿方法(简称全景补偿方法):①通过出厂标校,消除系统固定误差;②通过三次多项式拟合进行全量程补偿,被试装置达到应用需求精度;③通过二次多项式拟合进行温漂补偿,提升D-PMU现场运行精度。基于提出的全景补偿方法改进D-PMU,搭建了人工模拟环境,测试结果表明所提方法可有效提高D-PMU相量测量精度。

同步相量测量装置的一种异地校核方法

提出利用对晶振信号进行整数分频并结合GPS同步时钟生成相量测量装置(PMU)异地同步校核中基准信号的方法。通过分析可知,只要晶振频率足够高,生成的基准信号就有足够高的精度,而且信号的参量具有良好的可调节性。该方法可有效解决PMu测量网络中异地同步校核和自校核问题。

基于云边架构和小波神经网络的配电网故障诊断方法

电力物联网的建设促进了配电网故障诊断技术的发展。提出了基于云边架构和小波神经网络的配电网故障诊断方法,利用电力物联网的智能传感和通信技术,实现配电网故障诊断的同步数据量测及智能化信息分析。根据配电网同步相量测量单元(distributed phasor measurement unit,D-PMU)等装置对配电网故障进行分层处理,将经过小波变换的故障电流信号进行小波包变换分解得到故障特征向量,带入神经网络训练,输出诊断结果,实现快速收敛并减少了故障时间,提高了故障诊断精度。通过仿真算例验证,证明了所提方法的有效性。