Identification of Type of a Fault in Distribution System Using Shallow Neural Network with Distributed Generation

A distributed generation system(DG)has several benefits over a traditional centralized power system.However,the protection area in the case of the distributed generator requires special attention as it encounters stability loss,failure re-closure,fluctuations in voltage,etc.And thereby,it demands immediate attention in identifying the location&type of a fault without delay especially when occurred in a small,distributed generation system,as it would adversely affect the overall system and its operation.In the past,several methods were proposed for classification and localisation of a fault in a distributed generation system.Many of those methods were accurate in identifying location,but the accuracy in identifying the type of fault was not up to the acceptable mark.The proposed work here uses a shallow artificial neural network(sANN)model for identifying a particular type of fault that could happen in a specific distribution network when used in conjunction with distributed generators.Firstly,a distribution network consisting of two similar distributed generators(DG1 and DG2),one grid,and a 100 Km distribution line is modeled.Thereafter,different voltages and currents corresponding to various faults(line to line,line to ground)at different locations are tabulated,resulting in a matrix of 500×18 inputs.Secondly,the sANN is formulated for identifying the types of faults in the system in which the above-obtained data is used to train,validate,and test the neural network.The overall result shows an unprecedented almost zero percent error in identifying the type of the faults.

An Optimized Algorithm for Renewable Energy Forecasting Based on Machine Learning

The large-scale application of renewable energy power generation technology brings new challenges to the operation of traditional power grids andenergy management on the load side. Microgrid can effectively solve this problemby using its regulation and flexibility, and is considered to be an ideal platform.The traditional method of computing total transfer capability is difficult due tothe central integration of wind farms. As a result, the differential evolutionextreme learning machine is offered as a data mining approach for extractingoperating rules for the total transfer capability of tie-lines in wind-integratedpower systems. K-medoids clustering under the two-dimensional “wind power-load consumption” feature space is used to define representative operational scenarios initially. Then, using stochastic sampling and repetitive power flow, aknowledge base for total transfer capability operating rule mining is created.Then, a novel method is used to filter redundant characteristics and find featuresthat are closely associated to the total transfer capability in order to decrease theultra-high dimensionality of operational features. Finally, by feeding the trainingdata into the proposed algorithm, the total transfer capability operation rules arederived from the knowledge base. It can be seen that, the proposed algorithmcan optimize the system performance with good accuracy and generality, according to numerical data.

Optimal Implementation of Photovoltaic and Battery Energy Storage in Distribution Networks

Recently,implementation of Battery Energy Storage(BES)with photovoltaic(PV)array in distribution networks is becoming very popular in overall the world.Integrating PV alone in distribution networks generates variable output power during 24-hours as it depends on variable natural source.PV can be able to generate constant output power during 24-hours by installing BES with it.Therefore,this paper presents a new application of a recent metaheuristic algorithm,called Slime Mould Algorithm(SMA),to determine the best size,and location of photovoltaic alone or with battery energy storage in the radial distribution system(RDS).This algorithm is modeled from the behavior of SMA in nature.During the optimization process,the total active power loss during 24-hours is used as an objective function considering the equality and inequality constraints.In addition,the presented function is based on the probabilistic for PV output and different types of system load.The candidate buses for integrating PV and BES in the distribution network are determined by the real power loss sensitivity factor(PLSF).IEEE 69-bus RDS with different types of loads is used as a test system.The effectiveness of SMA is validated by comparing its results with those obtained by other well-known optimization algorithms.

Evolutionary Game-theoretic Modeling of Massive Distributed Renewable Energy Deployment Towards Low-carbon Distribution Networks

This paper proposes an evolutionary game-theoretic model of massive distributed renewable energy deployment in order to shed light on the self-organization sustainable developments of renewable energies in distribution networks towards low-carbon targets. Since neighboring buses can interact in terms of energy exchanges, the return matrices of individual buses in the evolutionary game are established based on profiles of loads and renewable energy generation. More specifically, an evolutionary strategy is proposed based on the return matrices for individual buses to determine whether or not to deploy renewable energies in the next round of the game. Then, a dynamic model is derived for analyzing the renewable energy penetration rate in the distribution network throughout the multi-round evolutionary game. In theory, this model can reveal the self-organization process of renewable energy deployment in the distribution network. With this model, the distribution network operator would be aided in designing the incentives for buses deploying renewable energies toward a pre-defined low-carbon target. Numerical results on an actual 141-bus system and a synthetic 2000-bus system have demonstrated the validity and efficiency of the proposed model.

高比例分布式可再生能源交直流混合配电网运行调控:科学问题与技术框架

随着分布式可再生能源发电与中低压直流组网技术的快速发展,未来配电网必然向复杂的交直流混合形态演进,其运行调控技术面临许多新的挑战。在高比例分布式可再生能源交直流混合配电网(HR-HDN)运行调控技术发展需求分析的基础上,提炼出HR-HDN运行调控技术的3个科学问题,并以多类型可控设备协同、源-网-荷-储高度互动化和市场化需求为研究主线,从稳定控制、故障主动防御与恢复、电力市场机制辅助调控以及“平台+数据”数字化集成调控4个方面,提出了HR-HDN的运行调控技术框架。最后,对HR-HDN运行调控关键技术的未来发展进行了展望。

考虑分级重构的配电网安全低碳两阶段运行优化方法

随着配电网拓扑结构的复杂程度提高,针对高比例可再生能源出力预测误差会导致配电网优化调度决策的准确性下降的问题,提出考虑分级重构方法的配电网安全低碳两阶段优化方法。首先,分析了配电网两类分级开关的影响程度和两阶段运行优化框架。其次,提出了配电网日前-日内两阶段优化方法,通过协调分级开关动作、储能系统、工业负荷需求响应等手段实现配电网最优化运行。然后,考虑到光伏出力在不同时间尺度上预测误差,分别构建了以低碳性为目标的日前全局低碳经济调度模型及以安全性为目标的日内滚动安全经济调度模型。最后,算例验证了所提模型能够在光伏高比例渗透背景下,有效支撑复杂配电网安全低碳运行。

考虑多源协同的主动配电网故障恢复策略

随着科技的发展,主动配电网中面临了多项重要问题,首先,随着大量柔性负荷和电动汽车的接入,负荷种类显著多元化,增加了电网管理的复杂性。其次,可再生能源的随机性和波动性对电网的故障恢复提出了重要挑战。为了应对这些问题,研究提出了一种针对各种能源互动的主动配电网故障恢复策略。该策略建立了一个优化模型,以最大数量可控分布式电源行动和最小功率损失为目标,同时满足系统安全约束。为了建立该模型,使用了改进的二进制粒子群算法和遗传算法。通过在IEEE33节点配电网模型上的仿真分析,实验结果表明,该策略能够有效降低电网损失,并最大程度地恢复失电负荷,为面对可再生能源和多元化负荷挑战的电网管理提供了一种潜在的解决方案。

含储能接入的三相配电网分布式可再生能源可调度域建模与计算

分布式可再生能源(distributed renewable energy,DRE)发电可调度域用于定量描述电力系统适应DRE发电不确定性的能力。目前可调度域的相关研究聚焦于采用单相模型描述输电系统,鲜有讨论具有高阻抗比与三相不平衡特性的配电网,亦未计及储能系统广泛接入所带来的影响,因此难以准确地应用于新型配电网分析。针对上述问题,该文建立了含储能接入的配电系统可调度域数学模型,充分考虑了配电网相间耦合与三相不平衡特点以及储能系统的充放互补特性;采用凸包松弛和多面体外近似重构配电网交流潮流模型,并通过凸包络近似替代处理储能的互补松弛约束,得到配电网可调度域的多面体外近似模型,从而由自适应约束生成算法构建其线性边界。算例仿真结果表明所提出模型能较好地适应含储能接入的三相配电网可调度域分析,并验证了所提出方法的结果准确性与计算效率。

调整能源结构对港口集装箱集疏运网络碳排放的影响

港口作为国家重要的物流枢纽,其集疏运网络的能源结构对于碳排放的影响尤为显著。以广州港集装箱集疏运网络碳排放为研究对象,探讨调整能源结构对港口集装箱集疏运网络碳排放的影响。通过建立碳排放计算模型,分析不同运输方式、能源类型和运输距离等因素对碳排放的影响。结果表明,采用清洁能源替代传统能源,如天然气、纯电代替柴油等燃油,能显著减少港口集疏运网络碳排放。

基于正序突变量相轨迹辨识的可再生能源配电网电流保护

【目的】随着可再生能源的大量接入,中性点经小电阻接地的配电网潮流不确定性使得传统三段式电流保护的整定变得日趋复杂,其灵敏性和可靠性都有所降低。为了解决上述问题,提出了一种基于正序突变量电流相轨迹辨识的新型电流保护方法予以应对。【方法】首先,分析了故障点上游、下游的正序突变量电流大小及其分布特征;其次,利用亲和力聚类算法,根据聚类结果识别定义的主故障路径;最后,提出一种搜索方法,将搜索得到的正序突变量产生源头,即位于主故障路径上的最后一级馈线视为故障馈线。【结果】基于PSCAD的仿真研究表明,所提出的保护方法能够适应各种故障工况,不受分布式电源加入的影响,具有较高的灵敏度和可靠性。【结论】研究结果有助于提升中性点经小电阻接地的配电网运行安全性,同时提升故障排查效率。

基于增量交换的主动配电网分布式多目标最优潮流

接入高比例可再生能源的主动配电系统,配电网络运营商和能源运营商之间存在竞争与合作的复杂利益关系。为了提高分布式能源利用率,提出了一种基于增量交换的分布式多目标最优潮流(MO-OPF)算法。在MO-OPF模型中,网络运营商和能源运营商分布追求自己的运营目标,同时确保整个网络的电压和支路功率安全限制得到满足。该算法能够以分散的方式求解MO-OPF问题,而不会向网络运营商暴露任何能源运营商的私有信息。其核心思想是利用耦合变量增量的二次函数来描述能源运营商对网络运营商的影响,网络运营商通过求解累积二次规划问题来计算耦合变量的增量。以IEEE 33节点配电系统为例,验证所提方法不仅可以提供与使用集中式优化相同的帕累托最优解,而且具有电压调节能力。

基于可再生能源的配电网电力调度优化模型研究

为了降低线路损耗与运行越限风险,构建基于可再生能源的配电网电力调度优化模型。针对可再生能源的波动性,以最低线路损耗与运行越限风险为目标函数,以电压约束、储能功率约束、潮流约束、结构调整约束为约束条件,建立配电网电力调度优化模型,利用基于帝国分裂的帝国竞争算法求解电力调度优化模型,获取最低线路损耗与运行越限风险对应的电力调度策略。实验证明:该模型可有效完成配电网电力调度,降低线路损耗与运行越限风险,抑制电压波动;在不同可再生能源渗透率时,该模型也可有效完成配电电力调度,提升电能质量。

高比例可再生能源接入下含自愈性能的分布式配电网重构策略研究

【目的】随着可再生能源电网占比逐年增加,电网的波动性和不确定性显著提升,给配电网的安全运行带来挑战。针对高比例新能源电网分布式配网重构问题,提出一种在线滚动优化框架方法。【方法】通过分布式共识协议获取网络拓扑和节点运行信息,在N-1和N-2线路故障状态下自动重构,实现配电网无额外外部触发信号情况下自动恢复正常运行,保证电网经济运行。同时采用滚动优化方法处理高比例可再生能源所导致的电网波动问题,并利用生成对抗网络(generative adversarial network,GAN)技术生成新数据,结合历史数据实现电网运行数据高精度预测。【结果】所提方法在正常状态、单点故障和两点故障3种情况下,均能实现电网的自动经济运行优化和自愈修复。【结论】与鲁棒规划和随机规划等方法相比,所提出方法可提升电网预测精度。

计及交互功率不确定性和柔性负荷的输配协同优化调度

分布式新能源高比例渗透和负荷主动响应加深了输配电网之间的耦合,给输配电网安全可靠运行带来巨大的挑战。为实现输配电网协同运行,提出一种考虑交互功率非参数概率特征和柔性负荷的输配协同双层优化方法。首先,建立计及柔性负荷的下层配电网最优潮流模型,基于KKT条件构建配电网边界交互功率和新能源出力之间的解析映射关系,进而结合高斯混合模型,以非参数形式刻画交互功率的概率分布,提升交互功率不确定性描述的准确性。然后建立考虑交互功率安全区间约束和机组组合的输电网上层优化模型,基于KKT条件得到下层优化模型的解析解,将双层模型转化为单层模型进行求解,保证输配优化调度的协同性和可行性。最后,采用IEEE-30节点输电系统和IEEE-33节点配电系统算例仿真验证所提方法的有效性和准确性。

含储能系统与DSTATCOM的主动配电网协调优化运行探究

为解决可再生能源接入配电网后存在的各种问题,确保系统电能质量能够得到有效提高,业界学者开始对含储能系统和配电静止同步补偿器(Distribution Static Synchronous Compensator,DSTATCOM)主动配电网协调方式方法展开探讨。为确定出最佳协调方式,保证协调优化效果能够达到预期,将通过对协调基本思路的介绍,在对储能系统和DSTATCOM等内容展开深度研究的基础上,对含储能系统与DSTATCOM主动配网协调优化方式方法展开深度研究。通过对优化方式方法的不断探讨,明确合理优化解决方案,保证可再生能源能够科学接入配电网,实现对可再生能源的高质量应用,为我国电力行业绿色化、节能化发展提供可靠助力。

面向5G融合配电网的基站能量共享方法

针对5G融合配电网的经济性多基站能量共享机理及实现方法这一关键性问题,首先,构建基站能量共享系统,提出基站能量共享能力模型,建立基站间能量共享连接以及配电网-基站购电模型;之后,提出基于一对多升价匹配的低成本基站能量共享方法,解决能量共享冲突问题;最后,通过仿真验证所提算法的性能。仿真结果表明,相较于基于单边匹配的基站能量共享算法和基站最优购电算法,所提算法能够使基站群购电成本和弃光量分别降低14.37%、41.80%和56.80%、85.58%,可促进基站购电成本降低与新能源就地消纳,助力5G网络及新型电力系统建设。

基于优化小波变换神经网络的分布式新能源信息预测方法

分布式新能源发电是低碳化电力系统中重要的一部分.随着分布式新能源在城市电网中的占比逐渐增加,负荷随机波动和天气随机变化对于城市电网的影响日益增强,对分布式新能源信息的预测准确性提出了更高的要求.目前,分布式新能源的主要发电方式是分布式光伏发电以及分布式风力发电.城市用电负荷的变化兼具周期性和随机性,而风速和辐照强度等因素分别对于分布式风力发电和分布式光伏发电有重要影响.为了准确预测出分布式新能源的信息,构建了基于小波变换神经网络的分布式新能源信息预测方法.首先,通过分析分布式新能源的工作原理,建立分布式新能源的模型;然后,优化小波变换神经网络,以风力发电和光伏发电为例对负荷用电功率和辐照强度等对电网作用显著的参数进行预测;最后,算例验证模型对分布式新能源信息进行预测的准确性.

计及可再生能源不确定性的储能系统优化配置方法研究

为减少配电网的功率损耗,提升系统的可靠性和灵活性,提出了计及可再生能源不确定性的的储能系统多目标优化配置方法。首先,通过概率密度函数对光伏、风电等可再生能源的不确定性进行了分析,并基于可再生能源的不确定性构建储能系统优化配置模型;其次,提出改进海鸥优化算法求解优化配置模型,通过引入Logistic映射模型、非线性移动系数和局部收敛挖掘算子以克服传统算法中早熟收敛和局部最优问题;最后,在IEEE 14节点系统中进行案例分析。案例分析结果验证了所提模型的可行性和所提算法的有效性,配电网运行的可靠性和灵活性得到了有效的提高。

配电网电能储存技术与调度策略研究

文章旨在探讨配电网中电能储存技术与调度策略的研究,以增强配电网的稳定性和可靠性。通过综述电能储存技术的分类及原理,分析电能储存技术在配电网中的应用情况。提出基于数据驱动的电能储存调度模型和多场景调度策略,并通过仿真与实验验证其有效性。结果表明,文章所提出的调度策略能够实现对储能设备的智能调度和优化运行,为配电网的稳定运行提供理论支持和技术指导。

配电网规划优化中考虑储能系统的设计与应用分析

文章针对配电网规划优化中储能系统设计与应用的重要性展开研究,分析储能系统在配电网中的作用,探讨其在提升系统稳定性、降低运行成本以及促进可再生能源普及等方面的潜在价值。同时,结合实际案例,提出了储能系统针对不同应用场景的设计方案,分析评估其应用效果。研究结果显示,储能系统是未来配电网智能化发展的关键技术之一,在配电网规划中扮演着重要角色,能够为系统提供弹性和可靠性。