能源互联网环境下分布式能源站的信息安全防护

能源互联网中分布式能源站的建设引入网络信息技术和标准数据传输通信协议,也将导致其面临信息安全威胁和风险。信息安全是保证能源互联网环境下分布式能源站发展的重要基石,建设安全的分布式能源站是能源互联网发展的必然趋势。从能源电力系统面临的信息安全威胁角度出发,设计了能源互联网环境下分布式能源站的体系架构,分析了分布式能源站信息安全防护对策,并通过构建的分布式能源站平台进行信息安全防护配置和应用实施分析,为分布式能源站的信息安全提供保障。

基于K-Adaboost数据挖掘的配电网负荷预测

气象因素是造成配电网负荷波动的主要原因,在利用斯皮尔曼相关系数分析气象因素与配电网负荷相关性的基础上,着重把握部分气象因素与配电网负荷的联系,针对这类气象因素对配电网负荷的影响,提出一种基于数据挖掘聚类分析和Adaboost的负荷预测方法。首先对历史负荷数据进行预处理,然后应用K均值聚类算法对待测点气象因素进行分析,选择与待测点同类气象因素的历史负荷作为训练样本,最后采用Adaboost算法建立配电网负荷预测模型。通过实例证明K-Adaboost预测模型比BP神经网络预测模型更加稳定并且更贴近实际负荷。

火电机组半实物仿真平台监控系统设计与实现

火电机组半实物仿真平台装置按先进的节能型超超临界机组设备等比例缩小,其中部分工艺采用实际工质流程,仪表控制系统与工业中主流设备完全一致,数据通信模式除4~20 mA以及开关量通道外,还包括了MODBUS、HART、FF、PROFIBUS等常见的工业过程现场总线,控制系统可以切换使用不同的国产分散控制系统(DCS)。介绍了用于半实物仿真平台的ECS-700分散控制系统总体架构以及在教学实践类环节中针对其进行的组态设计过程,最终所设计监控系统达到了预期效果,也提高了学生的创新意识。

基于改进粒子群的超超临界机组负荷控制系统模型辨识

针对火电厂负荷控制系统因强耦合性强非线性等特点而难以对其建立精确热工模型的问题,结合工程实际分析三输入三输出负荷控制对象的动态特性,将免疫算法(Immunity Algorithm,IA)的免疫记忆功能引入粒子群算法(Particle Swarm Optimization,PSO),形成免疫记忆粒子群算法(Immune Memory PSO,IM-PSO)并运用在超超临界火电机组负荷控制对象的模型辨识中。辨识结果表明IM-PSO相对于普通PSO收敛速度提高了50%,收敛精度提高了6.08%,改善了PSO易早熟、粒子后期相似度过高的缺点,同时也验证了IM-PSO对于大型火电机组负荷控制对象辨识的有效性。

基于改进混合蛙跳算法的氧量对象模型辨识

针对混合蛙跳算法易早熟、寻优精度低的缺陷,将混沌初始化和局部变异高斯因子引入混合蛙跳算法,进行种群初始化和局部搜索的改进。将改进后的混合蛙跳算法用于火电厂过程模型辨识,以某1000 MW火电机组双输入单输出的尾部烟气含氧量模型为辨识对象进行系统辨识。结果表明:与混合蛙跳算法相比,改进的混合蛙跳算法种群遍历性更广,局部搜索更快,能够避免陷入局部最优解,全局寻优能力更强,寻优精度更高,收敛速度更快,稳定性更好。