基于IEEE14节点模型的电气参量分析与窃电指标判别

随着科学技术的发展,电力窃电行为出现高科技手段,呈现出广泛性、多样性的特点,且隐蔽性不断提高,严重阻碍了电力部门窃电检测工作的进行,窃电行为检测的效率低下。针对上述问题,本文建立IEEE-14节点标准配电仿真模型,采用潮流计算方法,模拟用电网络分析窃电时,网络中支路和节点中电压、电流、支路功率以及线路损耗的电气参量变化情况,找到窃电时的数据变化特征。结果表明:电网中电压、电流的变化并不能直接反映窃电行为的发生,但是支路功率以及线路损耗可作为窃电线路的判别指标。

航天电子系统IEEE1394总线可靠性模型研究

数据总线作为综合电子系统的核心,它的可靠性是保证综合电子系统功能有效实现的关键。针对IEEE 1394总线,研究容错总线结构,分别分析基于stack-tree拓扑的双冗余以及环形冗余结构的节点失效模型。其中环形冗余stack-tree的模型运用递归函数。使用matlab仿真计算上述模型,定量的分析比较它们的容错性,得出环形冗余结构的可靠性更高,可超过0.99,且更稳定。研究结果对1394b总线的空间应用具有一定的参考意义。

基于自适应网络的电网电压稳定评估方法

为了提高电网电压稳定评估能力,构建健康、安全的自适应网络,构建出电网节点模型,通过IEEE 30节点模型分析电网稳定机理,探究不同参数对电压稳定的影响。从电网静态和动态两方面出发,设计电网电压和功率灵敏度、有功功率裕度以及节点能量堆积三个指标,同时将上述指标作为电网的多参数节点稳定指标。采用自适应神经网络对多参数节点稳定指标与电网电压稳定的关系进行计算分析,通过自适应网络对电网节点模型进行处理,得出不同节点指标对电压稳定的影响和预测。试验证明,电网电压评估方法稳定、适应性强,与传统神经网络相比可以有效优化电网运行。

考虑低压配电网弹性提升的两阶段风险控制方法

为进一步提高低压配电网的供电可靠性与稳定性,提出考虑低压配电网弹性提升的两阶段风险控制方法,增强低压配电网的极端气象灾害应对能力。首先,构建考虑配电线路故障的低压配电网运行风险鉴定模型,提出包含预防控制和纠正控制的低压配电网风险控制框架;其次,建立电力用户需求响应(DR)模型,以激励并引导电力用户参与供电恢复。在此基础上,构建基于运行风险的低压配电网预防控制模型;再次,为降低故障发生时的应急风险成本,提出低压配电网纠正控制方法;最后,利用改进型IEEE 33节点配电系统针对不同弹性提升方法进行对比分析。结果表明,所提出的两阶段风险控制方法能够有效降低低压配电网的运行成本,并有助于缓解低压配电网潜在故障发生时的负荷削减情况。

基于神经网络模型的智能电网线损估计方法

为了准确、有效、实时估计智能电网中配电网线损,提出了一种基于神经网络模型的智能电网线损估计方法.在BP神经网络算法的基础上采用LM算法对神经网络权重和阈值进行连续优化从而实现网络自适应调节,进而搭建神经网络模型.将模型应用于IEEE33节点系统进行实验,实时估计每条线路的功率损耗并将估计线损值与实际测得的线损值进行比较并提出相应的评估指标对方法有效性进行评估.结果表明,与传统的潮流法相比,所提出的方法具有更优的运算速度和准确度.

基于支路法的串联谐振分析

为有效分析电力系统串联谐振引起的支路谐波过电流问题,提出了基于支路法的串联谐振分析方法,应用该方法对三母线系统和IEEE14节点系统进行了测试分析,并与成熟的模态分析法,即通过求解网络导纳奇异矩阵特征根分析谐振机理的方法进行了比较.利用串联支路出现导纳极大值获得的谐振频率与利用模态分析法得到的谐振频率相近这一结果表明,提出的方法能准确地识别电力系统中的串联谐振频率,有效分析串联谐振问题,具有较好的实用性.

基于多端SNOP的柔性互联配电网无功优化

针对含多端SNOP的柔性互联配电网无功优化问题,提出一种兼顾有功网损最小和电压偏差最小的优化模型。对于目标函数的不同约束条件,利用多目标遗传算法对目标函数进行求解寻优。在改进的IEEE 14节点系统中,对所提出的运行优化模型进行验证和分析。仿真结果表明,智能软开关的引入可以有效提升柔性互联配电网性能,减少电压波动,提高电网的稳定运行水平与能量传输能力。

基于Matlab工具的电力系统故障分析

基于Matlab工具构建有关电力系统故障分析模型是当前最为行之有效的一种技术手段,其实质是利用一种SIMULINK模块完成对不同设备地点多种故障类型的成因分析,对各种电力系统故障予以采样分析,预测各相波形并能对Matlab工具涉及到的各种电力系统故障理论进行可行性预估。下文,将选取IEEE11节点作为研究对象,专门制作图形对话窗口,定位具体电力系统故障位置和故障类型,将电力系统故障的相波于图形对话窗口中加以显示,比对实际相波和理论相波之间的异同之处,最终提出与之相应的改良方法,仅供参考。

基于分子动理论优化算法的最优潮流计算

最优潮流是一个离散的、非线性化、规模庞大的问题。用传统的方法求解时会存在收敛速度慢、局部收敛等问题。本文用分子动理论优化算法来求解最优潮流。并通过IEEE14节点系统对该算法进行测试,由测试结果可知,该算法收敛精度高、寻优能力强。