基于深度强化学习的电力物联网动态切片策略研究

软件定义电力物联网支持构建承载不同业务的网络切片(Network Slice,NS),通过部署NS为具有业务需求的物联网设备提供端到端服务。业务NS的部署涉及2个互相耦合的问题,即虚拟网络功能(Virtual Network Function,VNF)部署和业务传输路由确定。在海量业务需求与动态网络场景中,NS部署方案需要根据网络状态,实现智能的动态灵活部署。针对上述问题,研究动态网络场景下的切片策略,基于深度强化学习算法求解VNF部署和业务传输路由确定这一复杂联合优化问题,实验证明所提策略能根据目前的网络状态灵活地改变部署方案,控制业务路由平均能量损耗、平均可靠性和平均剩余带宽占有率,提高了网络整体传输性能。

基于多导体传输线理论的配电网电力电缆载波模型降阶分析

为降低配电网电力电缆载波模型复杂程度,首先,根据配电网常用三芯XLPE绝缘电力电缆结构,结合电力电缆三相金属护套相互接触的实际,以三相金属护套为整体进行分析,将电力电缆7阶多导体传输线载波模型降为5阶。接着,根据配电网终端电力电缆金属护套、铠装直连接地的特点,将其进行等效处理,并分析了等效单位长度参数矩阵各元素与实际参数的关系,再次将配电网电力电缆5阶载波模型降为4阶。仿真试验验证了降阶分析的正确性,电力电缆载波模型的两次降阶,显著降低载波模型复杂程度,降低运算量提升分析速度,为载波通信在电力电缆传输中的进一步分析提供参考。

基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测

为提升多区域电力负荷的预测精度,聚焦于多区域电力数据的时空相关性分析,提出了一种基于Spearman-GCN-GRU的超短期多区域电力负荷预测模型。该模型通过Spearman相关系数分析不同区域电力负荷的时空相关性,构建Spearman邻接矩阵并输入图卷积神经网络(graph convolutional network,GCN)和门控循环单元(gated recurrent unit,GRU)提取数据中的空间特征和时序特征,最后由多层感知机(multilayer perceptron,MLP)解码输出预测结果。与基于距离邻接矩阵的模型进行对比,验证了SpearmanGCN-GRU模型的可行性。在模型的预测精度上,与传统统计模型和神经网络模型相比,Spearman-GCNGRU模型在通用的评价指标中均取得最优结果。就均方根误差(root mean square error,RMSE)而言,SpearmanGCN-GRU模型与神经网络模型GRU、GCN和深度神经网络(deep neural network,DNN)相比,RMSE指标分别下降了13.90%、11.66%和8.36%,验证了模型具有更好的预测效果。

电力输电线路的防雷击技术研究

配电网作为连接电网和电力用户的纽带,对于供电系统的稳定运行具有关键作用。其中,配电线路是配电网的核心组成部分,其正常运行直接影响着供电的可靠性。为了保证电力供应的稳定性和连续性,降低雷电对线路的影响,本文对输配电线路遭受雷击的类型及其危害进行了分析,并提出了相应的防雷措施。

基于零信任理念的电力监控系统运维行为管控

电力监控系统在现代社会中起着至关重要的作用。然而,随着网络攻击技术的不断发展,电力监控系统面临着越来越多的安全威胁。为了保障电力系统的可靠性和安全性,采用基于零信任理念的运维行为管控策略已成为一种有效的方法。本文从零信任理念的基本原则出发,介绍在电力监控系统中应用零信任理念的必要性,并详细讨论如何实施基于零信任理念的电力监控系统运维行为管控。

一体化智能监控技术在电力调控中的应用

阐述一体化智能监控技术的特点,包括高清视频监控与分析、综合监控管理、电力系统监控软件技术。从电力系统和信息采集、信息传输与信息处理方面,探讨该技术在电力系统调控中的应用。

基于储能优化配置的多水电山区供电能力提升策略

针对局部电网线路过长,水电机组出力浪费等问题导致新能源利用率低的情况,提出将现有线路拆分及关键位置建立储能站的改造策略,从并网运行下不同容量储能接入的影响以及离网运行下切除机组容量的影响两方面对该策略进行仿真验证,结果表明该策略提高了水电利用效能,增强了电网对清洁能源的消纳能力,实现了电网运行效率的提升。

电力电容器的精准相控投切与过电压抑制

并联电容器组在配电网的应用过程中,可以有效提高电能输送的效率和质量,但由于电力电容器投切方式的某些不合理因素,也会因其产生过电压,从而影响到电网的稳定性。研究分析电力电容器投切暂态状态,对于合闸暂态,通过建立电力电容器组合闸并联时的单相等效电路,简化电力电容器投切暂态过程;对于分闸暂态,计算断路器触头在电力电容器投切状态下产生的恢复电压。由储能电容器、开关电源、功率驱动输出接口以及电流/电压传感器接口等硬件组成同步开关控制器,实现电力电容器的过电压保护。为验证该方法的应用性能,开展实验分析,在合闸和分闸两种状态下采用同步控制器对电力电容器展开投切测试,三相电压波动具有对称规律性,且幅值变化较为平稳,有效抑制了电力电容器的过电压峰值。实验测试结果表明,所提方法的投切稳定性高、过电压抑制效果好。

基于变介质电容式液位测量的电力变压器油位检测系统设计

当前变压器储油柜油位检测中存在测量不准确、假油位等问题。本文设计一种基于变介质电容式液位测量的变压器油位检测系统,以实现前端不带电实时准确检测变压器油位信息。该系统将2个同轴金属圆筒插入变压器油中,金属圆筒之间产生的寄生电容随油位变化而改变,电容传感器接收电容变化信息,并将数据传输至单片机,再通过上位设备对数据进行传输与处理,通过实验及工程测试表明,该方法可以快速、准确地检测变压器油位,同时大幅降低操作人员的工作量,提升变压器油位检测的准确性,保障变压器的安全稳定运行。

新型电力系统网络安全防护体系的研究

随着信息技术的快速发展和智能电网的逐步建设,电力系统正面临着越来越多的网络安全威胁。为了保障电力系统的稳定运行和数据的安全性,建立一套完善的网络安全防护体系变得至关重要。本文将就新型电力系统网络安全防护体系的研究进行探讨,并对其关键技术及应用进行分析。

应对电力市场化改革的新型用电需求侧管理技术

本文是在新一轮电力市场化改革背景下,研究在供用电关系中需求侧,特别对用电大客户群体是如何有效地合理配置稀缺的电力资源,本文旨在将某地区供用电环境下的超大型企业——某铸管公司控制用电成本,调整用电负荷,有效进行需求侧管理的行为抽象成样本模型,形成用电客体在应对新的电力市场化改革中,有效进行负荷管理的成本控制经验,并以此为依托,科学细致地进行总结探究,为未来国内电力市场改革的方向提出了一定的建议。

一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法

及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。

基于对抗学习的指针仪表自适应读数识别算法

针对指针仪表采用人工读数方式存在的成本较高、读数不准确、时效性较差的问题,提出一种基于对抗学习的指针仪表位姿自适应读数识别算法。该算法通过目标检测模型识别图像中的指针仪表的位置和姿态,将指针仪表进行校准后并利用数字图像处理技术进行读数识别。为了提升目标检测模型对位姿不同的指针仪表图像的识别效果,本文提出了基于对抗学习的数据增强技术,通过优化搜索模型识别不准的图像旋转角度、平移距离以及缩放比例构造训练数据,提高目标检测模型在指针仪表位姿发生变化时的准确率。以工矿企业中常用的SF6压力仪表为实验对象,实验结果表明读数识别的误差在1%以内,证明了所提算法的有效性。

基于改进差分进化的线路故障诊断混合模型

针对输电线路故障诊断问题,提出了一种改进差分进化和峰值密度聚类的线路故障混合诊断模型。首先,提出一种由录波测距模型和改进的线路故障案例推理(lines fault case-based reasoning,LFCBR)模型构成的故障距离混合预测模型;其次,为提高案例推理模型的精度,提出一种利用个体精度优化的改进差分进化算法,以优化不同模态内的案例推理过程中的属性权重;最后,结合密度峰值聚类和相似度算法更新案例库中的源案例,以便更好地维护案例。实验结果表明,所提算法的性能优于线性回归和遗传案例推理(linear regression and genetic case reasoning,LRGCR)法、最近邻策略考察(nearest neighbor investigation strategy,NNIS)法、案例推理、录波测距算法的预测效果,在国网某供电公司获得了较好的效果。

参数智能优化变分模态分解的输电短路信号提取

输电短路信号因非线性含噪难以准确提取,影响后续故障诊断正确率。为此,提出参数智能优化变分模态分解的输电短路信号提取方法。引入峰值密度实时监测粒子群种群密度,设计权重自适应更新策略,以避免种群多样性缺失导致算法陷入局部最优;然后,建立变分模态分解(Variational Mode Decomposition,简称VMD)算法优化求解的适应度函数,并采用上述改进粒子群算法实现VMD参数智能优化下的输电短路信号提取。采用典型测试函数验证了改进粒子群算法具有比其他算法更好的搜索速度和稳定性,并进一步验证了提出的参数智能优化变分模态分解方法可以较好提取非线性含噪输电短路信号,可提高故障诊断正确率。

纯电重卡集群与电网友好互动的聚合调控系统设计与功能分析

在“双碳”战略目标持续推动下,重型卡车“油改电”发展势头强劲,纯电重卡(PEHT)已成为物流运输的主要方式。针对PEHT与电网友好互动的难点,从架构设计和功能应用的视角提出PEHT集群与电网友好互动的聚合调控系统。首先,基于电网侧视角,对上层PEHT集群互动管控平台的综合功能应用场景进行设计;然后,基于聚合商侧视角,构建中层PEHT充换电站聚合管控平台的六大功能;最后,基于负荷侧视角,对下层PEHT充换电站智能边缘终端从数据处理、资源管理、优化控制3个方面构建功能模块。分析表明,该系统实现了PEHT集群与电网的友好互动,有利于提升电网的安全稳定、灵活运行。

基于粒子群算法的互联电网AGC随机最优控制系统

电信号输出量变化会影响有功功率与电量总功率之间的平衡关系,从而使电网频率发生偏移。针对此问题,设计基于粒子群算法的互联电网AGC随机最优控制系统。以AGC架构为基础对预测控制器实施滚动优化与反馈校正处理,完成控制系统的功能结构分析。在此基础上建立粒子群算法模型,根据自然频率特性系数求解结果,确定区域频率偏差指标的取值范围,完善互联电网控制策略,实现互联电网AGC随机最优控制。对比实验结果显示,随着电信号输出量的增大,所设计系统的有功功率与电量总功率之间的配比始终不会小于75%,不会造成电网频率偏移情况。

架空输电线路巡检装置用伺服电机设计分析

架空输电线路智能巡检装置作为一种能够代替人工进行长距离巡检作业的设备,能显著提升巡检效率,降低劳动强度。为保证智能巡检装置在线路上高精度、平稳地运行,设计了一种高功率密度、低转矩脉动的永磁伺服电机。通过理论分析与有限元方法对电机进行了电磁分析,对永磁体厚度以及极弧系数进行了优化,降低了电机的转矩脉动;运用有限元仿真软件对电机进行了振动校核,进行了径向电磁力计算以及对电机定子和外加机壳系统分别进行了模态校核,分析了电机的振动情况。结果证明,设计的永磁伺服电机各项性能均满足运行需求,为输电线路智能巡检装置用伺服电机设计与分析工作提供了一定的指导意义。

基于三维振动信号差异特征的断路器故障诊断方法研究

单轴传感器采集的断路器运行信号包含三个方向上的信息,三个方向信号叠加造成信号谱混叠。三轴振动传感器采集断路器操作时的振动信号,可获取更多分合闸产生的振动信息[1]。对三个方向采集的信号在时域和时频域上进行分析,三个方向信号的波形指标、峰值指标、脉冲指标等时域特征,与时频联合分析方法获取的能量分布、伪Wigner-Ville分布可反映不同方向信号间的差异[2]。将获取得到的时域和时频联合特征量分别输入LIBSVM和RBF神经网络中,进行学习分类。分析结果表明,时域和时频联合分析方法在不同故障上各有优势,与断路器动触头运动方向平行的轴线获取的信号,获得信息较全面。

新型光伏发电安装支架设计应用

在农村地区分布式光伏发电推广建设过程中,一般都是将太阳能电池板固定安装在光伏发电支架上。现有的光伏发电支架在安装好后,为了配合日光照射角度,太阳能电池板通常处于倾斜状态,从而导致太阳能电池板的抗风性能较差,即整个光伏发电装置的抗风性能较差。当大风反向吹动光伏发电支架上的太阳能电池板时,会因太阳能电池板的阻挡而出现挤压力,进而容易出现太阳能电池板从支架上脱离的安全隐患。笔者现介绍一种经过改进的新型光伏发电安装支架,应用该新型支架的光伏发电装置,可以有效避开上述问题。