基于状态量测的电网拓扑结构反向识别方法研究

针对大电网状态变化轨迹,反向识别电网拓扑结构,对实现数据驱动的大电网运行态势感知与智能控制具有重要意义。该文直接根据电网节点支路潮流信息,提出一种基于状态量测的电网拓扑结构反向识别方法。首先从状态量到节点关联的全新角度,将电网拓扑结构反向识别归结为节点进线与出线间全局最优组合问题。然后根据全网支路功率、电流流通特性,建立电网拓扑结构反向识别数学模型;根据电网潮流特性,生成接近电网真实拓扑的初始解,为加快求解速度对解空间进行了优化。其次基于电网量测单时间断面数据,采用遗传智能算法对该模型进行求解,引入支路电流、电压差值率克服电网拓扑结构反向识别不唯一问题。理论上,当全网有功损耗等于量测损耗、有功电流差值等于量测差值,且电压差值率为零时,即得到电网唯一拓扑。最后利用IEEE39、IEEE 118节点系统进行测试,验证了所提方法的有效性。

电力无线专网中面向安全风险的分布式资源分配方法

针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题,提出了一种面向安全风险的高能效分布式资源分配方法。首先,分析基站的能耗组成,建立系统能效最大化的资源分配模型;然后,采用K-means++算法对网络中的基站进行分簇,从而将整个网络划分成多个独立区域,并在各个簇内单独处理高风险基站;其次,在每个簇内,基于基站的风险值对高风险基站进行休眠,并把高风险基站下的用户转移连接到同一簇内的其他基站;最后,在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明,基站分簇操作大幅降低了基站休眠和功率优化分配的复杂度,并且在关闭了高风险基站之后,整体网络的能效从0.1589 Mb/J提升至0.1954 Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。