基于Adaboost的配电网单相接地故障选线

及时准确地检测出故障馈线在谐振接地系统中一直是研究的热点,传统的检测方法一般采用单一故障馈线检测方法,如小波变换法、暂态能量法、五次谐波电流法等。但是这些方法只考虑了部分故障信息,选线的可靠性较低。本文提出了一种基于离散小波包变换(DWPT)和机器学习的故障选线新方法。对采集到的各馈线暂态零序电流信号做DWPT处理获取时频矩阵,采用统计量对时频矩阵做特征量提取。通过不同故障条件下的大量训练样本形成Adaboost分类器实现故障选线,利用基于PSCAD/EMTDC软件搭建10kV配电网模型。测试结果表明,所提故障选线方法具有较好的识别率。

利用多目标最优化方法控制智能电网中电动汽车充电速率

本文考虑智能电网中家用电动汽车和电动出租车的充电调度问题。充电站可以控制充电速率以最大化其收入;对于底层电力系统,期望最大化其自身的负载因子,从而确保系统的稳定性。充电站最大化其收入与电力系统最大化其负载因子形成一个多目标优化问题。本文提出多目标最优化方法来解决此多目标优化问题,进而产生柏雷多(Pareto)最优电动汽车充电策略。文末进行数值分析来验证所提出方法的有效性。