摘要:行星齿轮箱是风电机组中的重要部件，对风电机组的安全可靠运行具有重要意义。为此，提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法，用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题，提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验，所提方法在行星齿轮箱变速工况下分类效果良好，并对训练样本的减少和外界噪声有很强的鲁棒性。

摘要:储能系统可解决分布式电源加入配电网所产生的不良影响，而储能系统的合理配置是其有效应用的前提。以电网脆弱性衡量指标、有功网损、储能额定容量三个方面，考虑规划与运行之间的耦合性建立储能系统在有源配电网中的多目标选址定容模型。提出改进的多目标粒子群算法用于求解。该算法在种群更新过程中引入准对立学习策略以增强解的覆盖范围和收敛速度，并根据迭代次数采用自适应分裂策略分离过早聚集的粒子，从而增强粒子多样性，保证了算法跳出局部最优的能力。通过在IEEE33节点配电系统上进行分析，验证了所提模型及算法在优化分布式储能选址定容及运行策略中的合理性，并能有效改善电网的运行经济性与脆弱性，具有更强的全局寻优能力。

摘要:目前，电采暖设备作为新能源消纳的有效途径存在源荷匹配性低、档位优化不足的问题。针对上述问题，提出一种基于电采暖设备集群控制架构的多功率级控制策略。首先，考虑电采暖用户舒适性、经济性及公平性目标，通过改进多目标粒子群算法(IMOPSO)确定最优基准档位。然后，建立综合加权指标与档位差值对应关系，确定电采暖多功率级最优档位差值。最后，以设备状态与负荷转移量为约束，实现电采暖设备多功率级控制。算例仿真结果表明，所提策略相比于传统控制方法可进一步实现新能源精准消纳，在提高负荷柔性的基础上提升用户采暖舒适度，为电采暖集群新能源消纳控制策略提供新的可行性方法。

摘要:电池储能系统(BESSs)在配电网的选址定容是保证BESSs和配电网经济可靠运行的关键。基于此，提出了一种配电网BESSs最优选址定容方法。首先，采用C-均值聚类算法对全年的负荷曲线和风、光出力曲线进行典型日聚类。进而，以BESSs日均综合成本、电压波动和负荷波动最小为目标，建立了配电网BESSs最优选址定容的多目标优化模型。为获得BESSs等决策变量的Pareto最优解集，设计了改进的多目标蜉蝣算法(MMOMA)进行求解。为实现三个目标的最佳权衡，采用改进理想点决策(IIPBD)方法对Pareto最优解集进行折中决策。最后，利用扩展的IEEE33节点配电系统进行仿真测试，以验证所提方法的有效性。仿真结果表明，与另外两种传统多目标优化算法相比：所提MMOMA获得的Pareto前沿分布更广、更均匀；IIPBD方法获得的折中决策方案有效实现了BESSs投资成本的最小化，同时能显著降低配电网的电压波动和负荷波动。

摘要:下垂控制因其对通信的要求不高、可靠性高而在多端柔性直流输电中广泛应用。但是传统的下垂控制中下垂系数固定，尤其在系统功率波动较大时，容易导致换流站过载，并且直流线路上的电阻还会影响下垂控制换流站的有功功率分配。针对此类问题，提出了一种考虑线路电阻影响的自适应下垂控制。首先，分析在下垂控制下的多端柔性直流输电系统等效电路，推导出考虑线路电阻影响的下垂系数整定方法。然后在整定方法中用换流站的功率裕度比取代固定的功率分配比例系数，实现下垂系数的自适应调节。最后在PLECS上搭建仿真模型，对不同工况进行仿真，验证了所提控制策略的有效性。

摘要:为提高能源利用效率，降低碳排放水平，改善虚拟电厂运行效益，构建了基于碱性电解槽宽功率适应模型的风光氢热虚拟电厂(Virtual Power Plant, VPP)模型。将制氢电解槽、氢燃料电池、储氢罐构成氢能系统，代替传统虚拟电厂中的蓄电池，并提出碱性电解槽宽功率适应模型，提高电解槽在不同输入功率条件下的适应性。利用氢能系统运行时产生热量对系统负荷实行热电联供，并将电解槽产生氧气出售。在此基础上，使用改进多路无网格光线寻优算法对各设备出力调度与设备容量配置进行优化。仿真结果表明，该算法在计算精度和速度上有一定提高。基于碱性电解槽宽功率适应模型的风光氢热VPP，在降低系统运行成本的同时可以有效应对风、光出力波动，提高风、光消纳水平，减少碳排放。

摘要:滚动轴承是风电机组中故障最为频繁的部件之一，准确有效的轴承故障诊断方法有助于保障风电机组安全稳定运行。针对轴承振动信号特征微弱、难以诊断的问题，提出了一种基于改进降噪自编码器的风电机组轴承故障检测方法。首先引入了一维信号的图像化预处理，将原始的时域信号转化为二维特征灰度图。然后利用卷积神经网络在图像特征提取上的强大优势，构建了堆叠降噪自编码器与卷积神经网络的集成模型，去除了传统卷积神经网络中的池化层，进一步提升提取特征的鲁棒性和泛化性。整体诊断流程由数据驱动，减少了对于经验的依赖。最后的实验结果表明，该方法能够精确诊断不同类型的轴承故障。此外，通过与其他方法的对比实验进一步验证了该方法在故障诊断方面的优越性。

摘要:针对分布式光伏系统负荷所具有的非线性和非平稳等数据分布特性，基于神经网络与挂起规则，提出一种基于多模型集成式极限学习机的分布式光伏负荷预测方法。首先，设计多个神经网络作为子专家模型，并随机选取每一个网络的初始输入权值。构建挂起规则，依据数值波动范围在相应时间节点划分各神经网络的类别。针对其中数值波动较大的大误差网络，基于对应数值概率分布实施在线动态更新，以实现训练误差、输入权值的双维度同步优化。最后，将各个子专家模型的优化结果进行整合，并汇总输出，从而降低初始权值选取步骤中潜在误差波动的不利影响。基于某地区实际分布式光伏系统实施实证仿真，结果表明：在光伏负荷高波动这一特殊数据环境下，所提出预测模型在预测精度以及输出稳定性两方面均能够保持一定优势，可进一步推动并改善光伏接入背景下系统负荷预测的性能与效果。

摘要:为降低配电变压器故障引起的财产安全损失，提升电力系统运行稳定性，提出了基于小波变换的配电变压器差动保护相位补偿方法。首先，通过计算线模行波电流波动及其梯度绝对值大小，判断配电变压器有无故障,即创建保护启动判据。然后，依据等效线模行波差动电流的能量比确定故障区域，并计算小波变换故障区域的初始模量反向行波差动电流，以获得小波变换模极大值。最后，通过构建故障选极判据获取故障类型，计算故障状态下配电变压器空载合闸时的励磁电流，判断励磁涌流和内部故障电流的变化，并结合保护输出信号的开启和关闭，实现配电变压器的差动保护相位补偿。仿真实验表明，该方法可对区内故障进行有效鉴别，具有很强的可靠性及有效性。负载工况下，该方法相位补偿后电压电流的相位差一致，具有更好的稳定性。

摘要:自然灾害下电力设备故障成为用户停电和灾后抢修的主要因素，电力设备的健康程度和抗灾能力与其长期运行环境密切相关，评估其健康水平对提升设备可靠性具有重要意义。以自然灾害特征最为明显的海岛配电网和故障频率最高的引流线为对象，根据其在多因素、强相关性环境特征影响下的运行状况，提出一种基于双重优化改进集成神经网络的引流线可靠性评估方法。首先，通过最大信息系数筛选配电线路故障特征，形成历史故障数据集。其次，为提取海岛微气象环境下的引流线故障规律，结合主成分分析和Kmeans对引流线进行故障区域划分。在此基础上，构建电气-环境耦合的集成神经网络预测模型，关联海岛气象特征和引流线故障特征进行寿命预测。并通过Attention机制和双重优化体系进行改进，突出海岛典型气象因素影响、提升预测准确性。最后，基于浙江舟山实际数据进行算例验证。结果表明：所提方法能够有效评估海岛配电网引流线的寿命状况，对提高配电网设备可靠性具有重要实用价值。

摘要:为实现船舶电力系统电能质量扰动准确识别，结合深度学习提出基于二维残差网络(2D-ResNet)的电能质量扰动识别方法。首先将电能质量一维时间序列通过距离矩阵转化为二维平面图，随后将图像送入所提二维残差网络中提取特征。最终输出特征图通过线性层分类器得到识别结果，实现船舶电力系统电能质量扰动的在线识别。与现有特征提取方法相比，不同信噪比下该方法扰动识别准确率均最高。信噪比为20 dB时，单标签分类平均准确率为93.86%，多标签分类平均F1-score为96.52%，证明了2D-ResNet能有效提取扰动特征且对噪声具备鲁棒性。对于未知复合扰动，单标签分类器识别失败，而多标签分类器准确识别出扰动中的未知成分，且F1-score达到93%，证明了多标签分类适用于未知复合扰动识别。

摘要:随着新型电力系统的形成，配电网运行的不确定性和复杂性日益加大。运用数字孪生技术建立虚拟空间对物理电网的映射和交互，是掌握配电网复杂运行特性的有效手段。提出了基于数字孪生的配电网运行画像构建方法。首先，建立反映配电台区和线路运行状态的指标体系，运用客观统计排序策略将特征指标转化为模糊标签模板。然后，以日为单位提取运行指标构成采集样本，作为云模型的一个云滴，运用逆向云发生器形成运行指标的模糊表征。最后，用运行指标与标签模板的模糊距离进行加权求和，得到运行指标的打分值，形成物理意义清晰、评价依据客观的配电网运行画像，为全面刻画新型数字化配电网运行特征提供了技术手段。

摘要:电力系统有功安全校正对于保障电网安全运行具有重要意义。传统有功安全校正方法无法综合考虑系统潮流分布状态和机组的调整性能，求解效率低、涉及调整的机组多，存在调整反复的现象，在实际应用中具有一定困难。因此，采用深度强化学习算法，提出一种基于深度Q网络(Deep Q Network, DQN)的有功安全校正策略。首先，建立系统有功安全校正模型。其次，采用卷积神经网络(Convolutional Neural Networks, CNN)挖掘电网运行状态深层特征。进一步利用DQN算法通过“状态-动作”机制，以“奖励”为媒介，构建电网运行状态与最优调整机组组合的映射模型，确定调整机组。最后，根据过载线路对调整机组的灵敏度，计算得到调整量。IEEE39节点系统的验证结果表明，所提出的有功安全校正策略在处理多线路过载时可综合考虑系统潮流分布的总体状况和机组调节性能，高效地消除线路过载。

摘要:随着以新能源为主体的新型电力系统建设持续推进，风电在全国各个区域电网的渗透率将高速提升。然而大规模风电场无法提供转动惯量支撑，引入虚拟惯量控制后亦缺少能够分区且精确的虚拟惯量评估方法。考虑了风场内风速的随机性及相关性，提出了基于Copula函数及聚类算法的风电场分区虚拟惯量估计方法。首先，考虑风速的尾流及时延效应，建立场内各风机风速的概率分布模型。其次，根据各风机的风速分布特性，采用双尺度谱聚类算法对场内风机进行聚类分区。然后，选取各区中心机组，构建最优Copula函数描述各分区间的风速相关性。最后，基于风电场机组分布和风速数据估计风电场内各分区的虚拟惯量储备。根据甘肃某风场的实际风速及出力数据构建仿真算例，仿真结果表明所提算法能有效实现风电场虚拟惯量的特征提取、聚类分区、惯量估计。

摘要:由于无人机电网巡检存在检测区域面积小、背景复杂、计算量大等特点，导致深度学习算法的准确率和实时性难以实现。为实现无人机电网巡检的准确、快速识别，分析了各类深度学习算法在复杂环境下对绝缘子的检测效果，提出了一种基于YOLO v3的目标检测算法。首先选用ResNet18作为主干网络结构，然后构建一个多尺度特征金字塔，将其与主干网络进行融合，形成深度融合的电网巡检绝缘子检测模型，可在提高检测准确率的同时，满足实时性的检测要求。实验结果表明，YOLO v3网络的均值平均精度(mAP)达98.10%，相比于Faster R-CNN提高了6.71%；其每秒检测帧数高达47.52帧，分别是R-CNN和Faster R-CNN的25倍和12倍。所提的YOLO v3网络具有更优的识别精度和检测速度。

摘要:LCL型有源电力滤波器能有效补偿电网谐波，但LCL型滤波器存在谐振问题，电容电流比例反馈有源阻尼是抑制LCL谐振的主要方式。然而，在数字控制下，谐振频率会随电网阻抗变化，导致反馈系数选取困难。针对该问题，研究了适应电网阻抗宽范围变化的反馈系数选取方法，推导不同反馈系数和谐振频率下的系统稳定条件，优化设计适应电网阻抗变化的反馈系数。此外，随着电网阻抗增加，LCL谐振频率减小，系统带宽变窄，有源电力滤波器采用传统准PR控制补偿高次谐波时，系统相频曲线在控制器谐振点容易穿越-180o线，导致系统不稳定。提出加入相位补偿环节以提升控制器增益处相角，并给出详细设计方法。理论分析表明，所提强鲁棒性控制器优化设计方法，可使有源电力滤波器在保证良好谐波补偿能力的同时具有更宽的稳定运行范围。仿真和实验结果验证了理论分析的正确性。

摘要:针对电网调峰过程中需求侧储能(Energy Storage, ES)事故备用闲置时间过长，以及传统火电机组深度调峰(Depth Peak Regulation, DPR)成本较高的问题，提出了一种考虑需求侧储能事故备用风险与火电机组深度调峰的经济优化方法。首先，通过分析天气状态、负载率水平以及故障风险类型等影响因素，构建了考虑需求侧的ES风险量化模型、ES事故备用调峰经济模型。其次，结合火电机组进行深度调峰时对机组损伤及燃料需求分析，构建了考虑火电机组投油成本的深度调峰经济模型。最后，提出了一种基于需求侧风险量化的ES事故备用辅助火电机组DPR的经济优化模型，采用粒子群优化算法在修正后的IEEE30节点系统中进行算例验证。结果表明ES事故备用参与DPR能有效提高电网调峰能力和ES事故备用利用率。

摘要:为解决智能变电站新建及改造过程中二次设备配置繁琐和文件生成复杂的问题，提出了智能变电站二次设备即插即用理论模型。为实现即插即用的功能，首先设计了二次设备即插即用框架，针对设计的框架，从硬件层面和软件层面实现需求功能。硬件方面采用双核异构处理器外加FPGA构成的三核硬件平台，软件方面实现分层化设计，由支持层、功能层、应用层系统组成，实现了层与层的解耦，便于后期维护和软件组件的重用。在二次设备模型基础上，增加即插即用特有的数据及功能描述，从设备、数据和功能三方面进行了说明。为测试功能应用，进行保护和测控两方面验证仿真。同时设计了二次设备顺序控制、防误闭锁、五防闭锁和虚端子校验等方面控制校核逻辑。最后，通过功能测试证明了所设计模型可正确自动进行设备配置的读取、下装和相关参数配置修改。

摘要:复杂的海洋气候条件会影响到海上风电场风功率预测的精度，储能系统可有效补偿风功率预测误差。提出一种考虑风功率预测误差不确定性的海上风电场储能容量配置方法。首先，通过组合预测模型预测风速，根据风功率-风速关系求得风功率预测值，与实测值比较得到风功率预测误差。然后，以储能配置的功率成本与容量成本之和最小为目标，建立利用储能将风功率预测误差补偿至允许区间内的鲁棒机会约束模型，并采用凸近似和抽样平均方法将模型转换为线性规划形式实现高效求解。最后，在算例中分析台风事件对海上风电场储能配置的影响，验证了所提模型在处理风功率预测误差不确定性时能有效兼顾补偿效果与经济性。研究成果可为今后深远海风电场大规模配置储能提供有力支撑。

摘要:由于传统方法没有对配电网多源异构数据采集的时间进行配准，导致配电网多源异构数据融合时误差大、效率低。针对该问题，提出了基于联合卡尔曼滤波的配电网多源异构数据融合方法。构建了数据纠偏机制，采用最小二乘法对数据采集的时间配准，并采用拉格朗日插值方法对时序数据填充，计算数据关联性。在此基础上，采用联合卡尔曼滤波算法将相同数据融合到同一个类中，以此实现配电网多源异构数据融合。实验结果表明，所研究的数据融合方法不仅能够根据需求一直追踪需求的融合误差，还能够降低节点电压与功率估计的相对误差、提高配电网多源异构数据融合的效率。实验结果不仅证明了所研究融合方法的有效性，还证明了联合卡尔曼滤波算法在数据融合中的适用性。