智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

面向智能电网广域通信的可靠路由算法研究

无线传感器网络是智能电网广域通信中的基础组成单元,传统的无线传感器网络分簇路由协议虽能在一定程度上简化网络拓扑,但仍存在簇首选择不合理且系统能耗较高的问题。针对此,文中基于粒子群优化算法提出了一种改进的分簇路由协议。该协议利用粒子群算法的参数寻优特性对簇首搜寻方案加以改进,使得新方案考虑了距离、剩余能量、数据传输精度等多种因素。同时还使用粒子群自适应函数对该方案进行优化,从而提高了原算法的可靠性。在能耗实验测试中,所提算法迭代1 300次后的剩余能耗为31.2 J,在对比算法中为最优。而对路由路径的测试中,改进算法的平均运行时延为1.79 ms,平均误码率为0.212 5,在所有算法中均为最低,证明了该算法具有良好的实时性和可靠性。

基于广域信息处理的配电网故障隔离技术研究

针对分布式电源并入配电网后,传统算法进行故障检测时存在定位准确度偏低、反应速度较慢的问题,文中基于广域信息处理技术提出了一种配电网故障隔离方法。该方法采用模态分解算法将故障复杂信号分解为多种类基础小信号,使用支持向量机对这些小信号进行数据分类。但由于传统支持向量机的收敛速度较慢,因此通过引入粒子群算法对其参数加以优化,从而提升模型的运算速度。实验结果表明,在加入分布式电源的电网中,所提算法的故障定位准确率为96.7%,平均运行时间则为43.9 s,且这两项参数在对比算法中均为最优。由此证明,该算法可应用于实际工程中,为配电网故障隔离提供技术支撑。

基于区块链且可验证的智能电网多维数据聚合与分享方案

针对如何支持轻量级多维数据聚合,实现系统整体过程中多维数据的双端完整性验证,以及处理云服务器集中化等问题,提出了一种基于区块链且可验证的智能电网多维数据聚合与分享方案。首先,为了满足智能电网对电量数据细粒度分析的需求,利用掩蔽值和霍纳法则实现了隐私保护多维数据聚合。在此基础上,针对现有数据聚合方案在云存储数据与第三方分享方面存在的数据完整性验证问题,借用基于RSA的乘法同态承诺方案和同态哈希函数的同态性设计了一种新的签名算法,使云服务器不仅可以验证聚合数据的完整性,还可以验证数据分享阶段的完整性,即实现了云存储数据的双端可验证性,并且可以抵抗内部攻击。同时,提出了一种基于联盟链多链的聚合数据分享体系结构,有效地避免单机处理瓶颈和易受攻击等集中化问题。理论分析证明了所提方案的安全性。性能实验表明,所提方案比已有方案具有更低的计算和通信成本。

基于GATv2模型的虚假数据注入攻击检测方法

虚假数据注入攻击(False data injection attack,FDIA)能够躲避传统不良数据检测器,给智能电网的稳定运行带来了挑战。因此,提出了一种基于改进图注意力网络(Graph attention network v2,GATv2)模型的FDIA检测方法。首先,基于电力系统结构和FDIA的特性,构建模型所需数据集;然后,根据电力系统的拓扑信息和运行信息建立图数据;设计基于GATv2的检测模型对电网图数据的空间特征进行提取,进而检测注入的虚假数据攻击;最后,在IEEE 14节点和IEEE 118节点系统上验证了GATv2模型的有效性,且仿真结果表明GATv2模型检测性能优于其他模型,检测准确率达到98%以上,在不同攻击节点数和不同攻击强度情况中都具有较好的鲁棒性。

基于微服务和物联网的配电网智能计量架构

为实现电力系统向智能电网模式的演进,依赖于配电网(DN)的自动化,需要新的基础设施、技术和应用。提出一种基于微服务和物联网(IoT)的配电网自动化的智能计量设施,支持各种有助于实现配电网自动化和管理的服务。首先,在测量基础设施中对特定硬件、设备和底层协议进行抽线;然后,利用消息队列遥测传输(MQTT)作为以事件为导向的发布/订阅协议来实现,同时支持发布/订阅和请求/响应机制来实现;最后,使用以大数据为导向的可群集软件模块来实现可扩展性。分布式状态估计(SE)和网络拓扑重构算法验证了智能计量设施支持交互和协同操作。

基于人工蜂群算法的配电网无功优化调度研究

为了改善现有无功功率调度时算法执行效率,解决模型易陷入局部极值问题,提出一种基于改进人工蜂群算法模型。在分析等式和不等式约束的情况下,建立最小化实际功率损耗、电压偏差和电压稳定增强的无功功率调度目标函数。提出一种基于邻域半径选择的改进人工蜂群算法,设计一种新的邻域选择机制和改进的搜索策略。实验阶段,以IEEE39总线电力系统为例,对所提算法有效性和执行效率进行验证。与线性规划(LP)、粒子群优化(PSO)算法和基础人工蜂群(ABC)算法相比,改进ABC算法比其他算法执行效率更优,且解的质量更高。该模型为配电网电力调度及稳定性运行的发展提供了一定借鉴作用。

计及需求响应动态特性的分布式智能电网运行优化方法研究

提出计及需求响应动态特性的分布式智能电网运行优化方法。引入Transformer构建需求响应动态特征方程;刻画了包含分布式能源、微电网、可调节负荷、独立储能以及分布式智能电网调度中心的分布式智能电网系统;设计以弃风弃光成本与运行成本最小为优化目标建立分布式智能电网运行优化模型;运用金豺优化算法(GJO)对模型进行求解。算例结果表明,分布式智能电网运行优化方法能够在保证供电可靠前提下以较低的成本实现风光的高消纳,验证了分布式智能电网的可行性。

基于计算智能的电力数据智能分析及应用研究

为了提升智能电网负荷预测准确率,提出了一种基于深度学习的短期电力负荷预测模型。在长短时记忆网络和卷积神经网络基础上,构建混合CNN-LSTM预测模型结构。利用基于叠加卷积降噪自动编码器对电力数据进行特征提取,提出包含2个堆叠的LSTM层和1个线性输出层的负荷预测模型。24 h短期负荷预测结果表明,所提模型MAE、RMSE、MAPE和R2指标分别为232.08、292.19、0.0322、0.909,与XGBoost模型相比,性能分别提升74.8%、73.8%、70.8%和10.9%。

基于DS证据理论的电网信息自动融合模型构建

多智能体感知的智能电网信息中,通常存在信息冗余与缺失等问题。为解决这些问题,研究构建智能电网多智能体信息自动化融合模型,精准自动化融合多智能体信息,改进DS证据组合规则,完成决策级信息自动化融合,提升自动化融合效果,为智能电网的后续应用,提供更加全面的信息。

基于自编码器与时域卷积神经网络算法的配电网线损分析

复杂的配电网环境中存在线损计算精确性、实时性不足的问题,因此提出基于循环神经网络自编码器改进的TCN-BiGRU配电网线损预测方法。选用擅长处理时间序列的TCN神经网络模型作为主干特征提取网络,在TCN中融入BiGRU单元以有效解决梯度消失问题。在此基础上,结合循环神经网络自编码器对线损异常值进行无监督分类并标记,通过softmax损失函数预测线损率异常原因,并制定相应降损措施,同时利用改进后的TCN-BiGRU算法对线损进行预测及成因分析。实验结果表明,与传统的配电网线损预测方法相比,该线损预测方法的均方根误差相较于传统的EMD-LSTM与PSO-CNN算法分别降低了0.03699和0.00402,在线损成因分析方面的准确率相较于ResNet50与DBN-DNN算法分别提高了1.500%和5.841%,为分布式电源接入后配电网节能降损、实现电网双碳目标提供了科学的参考依据。

智慧城市电网电子化移交自动管控系统

当前对不同类型电力数据无同步处理,电力数据移交任务中成功转换的次数减少,移交时间长,为此设计智慧城市电网电子化移交的自动管控系统。以服务形式向多个业务中心转移数据,控制电网电子驱动电流和电压,完成恒定功率下的快速响应,通过应答通讯电网数据移交模块回应不同电量下电网数据指令,平衡处理智慧电网电子化移交数据,构建电网神经网络信息移交模型。测试结果表明,当电力数据移交执行次数设定为500次时,所设计系统能够一次性执行成功,任务移交时间为5.2 s,而对比系统需要进行五次任务转换,所需时间分别为16.4 s和21.2 s,该系统的优势比较明显。

时序加权密度峰值聚类算法及用电负荷特性分类模型

针对现有的密度峰值快速搜索算法没有考虑数据的时序性、无法处理动态时间序列数据的问题,在密度峰值快速搜索算法基础之上,增加时序加权因子对数据点间的拓扑关系进行改进,提出了时序加权密度峰值聚类算法,使密度峰值快速搜索算法具有处理动态时序数据的能力.使用基于时序加权密度峰值聚类算法的用户负荷分类模型对OpenEI公布的用户电力负荷数据集进行处理,其聚类效果对比基于密度峰值聚类算法的用户负荷分类模型结果更准确,且统计学评价指标均有所提升.

基于IRSO算法的含分布式电源配电网重构

在智能电网的背景下,为了减少含分布式电源(distributed generation,DG)配电网的网络损耗,同时提高电网安全性,提出“单条支路安全系数”“最小安全系数”“平均安全系数”三个安全性评价指标,并建立以网损、“平均安全系数”“最小安全系数”为目标的配电网重构数学模型,采用改进鼠群优化算法进行求解。针对传统鼠群算法随机初始种群的迭代次数较多问题,采用有序环网配合启发式规则在初始化阶段生成一个初始解;针对传统算法在运行过程中产生众多无效变异的问题,提出“映射规则”,最大化调用鼠群变异规则;为了避免最后结果未优化到最优,提出“最优个体微调策略”。采用IEEE33节点电力系统和Taipower84节点电力系统进行对比验证分析,证明了该文方法的通用性和有效性。

万物互联视角下的能源物联网:现状、技术和案例分析

[目的]万物互联(IoE)时代酝酿着的新一代物联网(IoT)的发展,正在通过选择和组合其中的新信息、新功能、新应用,来实现其多样化发展。基于物联网技术的能源物联网,将物理事物之间的信息交换和能源交换,在同一张动态网络中连接起来。能源物联网催生着新的服务模式和能源的组织、交换、管理方式;它不仅涵盖能源即服务(Energy-as-a-service)和产销者(Prosumer)等新概念,还引领智慧建筑、智能抄表、智慧电网、分布式能源、虚拟电厂等创新应用。[方法]文章分析了能源物联网的现状,包括其关键的行业驱动因素、潜在的技术和应用,及其相关的研究进展。[结果]从学术和行业应用的角度讨论和比较了能源互联网与能源物联网的定义,并分析了面向能源物联网演进的一些主要阶段和需要关注的问题。[结论]文章为能源物联网的进一步研究和实践提供有益的参考。

基于多智能体一致性理论的智能电网内分布式储能系统自治控制方法

针对智能电网中不同电网阻抗差异性引起各电网内分布式储能一次下垂控制器响应速度不一致,且下垂控制方法种类多(P-f/Q-U下垂、改进P-f/Q-U下垂和改进P-U/Q-f下垂等)难以协调,控制器设计复杂等问题,文中提出了一种基于多智能体一致性理论的智能电网内分布式储能系统自治控制方法,以实现不同下垂控制方式的高效协调,有效提升分布式储能PCC处电压频率控制效果,以及各储能系统的精确功率分配。首先,该方法深入研究了不同阻抗电网条件下的分布式储能控制下垂模型,并采用分布式控制理论,设计了分布式储能统一二次控制器,以控制分布式储能PCC点的频率和电压,并按比例分配储能系统的有功和无功输出功率;然后,由于不同电网相距距离较远,通信延迟会影响控制效果,甚至破坏控制系统稳定性,文中采用多智能体相关理论,设计了一种定向通信方法,推导出了在不损失控制系统稳定性的情况下实现控制目标的时延上界条件;最后,通过在改进IEEE 118节点电力系统上仿真分析,验证了所提方法的有效性。

含电动汽车和5G基站的综合能源系统优化调度

综合能源系统中的风光发电受环境因素影响较大,日间波动剧烈。同时,多种能源之间的相互关系复杂,这使系统的优化调度存在困难。为此,将电动汽车与5G基站作为柔性负荷纳入综合能源系统中,并提出一种基于模糊C均值–多元宇宙优化算法的优化调度方法。在原有电–冷–热能源系统的基础上,引入电动汽车与5G基站的数学模型,分析了两者的可调节潜力,同时考虑经济性与环保性指标,建立了多目标优化调度模型。针对风光发电的不确定性问题,通过模糊C均值算法将风光出力聚类为4种典型场景,并运用多元宇宙优化算法对模型进行仿真验证。结果表明,所提方法可有效缓解综合能源系统的用能压力,使不同场景下的系统总体运行成本平均下降11.0%,污染物排放量平均下降16.4%,系统的整体运行品质有效提高。

计及温度累积效应的智能电网负荷预测算法

针对温度累积效应对负荷变化造成的影响,提出了一种计及温度累积效应的智能电网负荷预测算法。将持续高温对电网负荷的影响计入预测模型中,并利用模块化神经网络保证了对温度累积效应学习的独立性和准确性。由三个子网络构成多模块神经网络的第一层,以温度、时间及负荷特征为输入参数,所得负荷预测的准确度可达98.13%,且误差较修正前降低了28.63%。结果表明,所提算法具有更高的预测准确性和运行效率。

智能电网中隐私保护的数据聚合研究综述

智能电网(smart gird,SG)已经在生活中得到广泛应用,它为用户带来便利的同时,也给个人隐私数据的保护带来巨大的挑战.数据聚合技术对所有的个人数据进行聚合操作,在防止个人数据泄露的同时保证了数据的可用性,是隐私保护的重要技术.目前,学者提出多种技术构造隐私保护数据聚合方案,为系统总结隐私保护的数据聚合方案,结合SG中数据聚合的体系架构,提出了隐私保护数据聚合的安全要求,梳理了实现安全要求的主要技术.将数据聚合方案归纳为单维数据聚合方案与多维数据聚合方案两个类别,对每一类方案所采用的主要技术、安全性及性能表现进行了分析与综合对比,并根据现有方案存在的不足对未来的研究进行了展望.

基于Light-Resnet卷积神经网络的电力设备监测数值识别算法

在智能电网中,精确监测输电、配电及供电关键设备的运行状态对在线运维至关重要。面对人工抄录和巡检的低效,以及监测装置数字化升级的复杂安装、高成本和长周期等挑战,结合图像采集装置与图像处理技术,根据计算资源合理分配任务,开发了一种基于Light-Resnet数值识别算法,该算法通过D-Add损失函数优化网络训练过程,实现电力设备监测数据的远程读取。实验表明:Light-Resnet以6090的参数量在MNIST数据集获得了98.8%的严格准确率,结合边端协同机制,终端侧能耗降低了20.73%。这一算法不仅证明了自身在资源受限环境下的适应性和高效性,同时D-Add损失函数的设计也显著提升了网络的准确度。