-
题名含高渗透率光伏电源的配网台区停电故障预测方法
- 1
-
-
作者
张舒寒
白雪
王炎亭
王静
-
机构
内蒙古大学电子信息工程学院
内蒙古电力营销服务公司
锡林郭勒供电公司
-
出处
《沈阳工业大学学报》
北大核心
2025年第5期566-574,共9页
-
基金
内蒙古自然科学基金项目(2023MS03026)
内蒙古电力(集团)有限责任公司2023年科技项目(YXYY-YBHT-2023-9FWZX-0401-0028)。
-
文摘
【目的】随着全球能源结构的转型与清洁能源的大力发展,高渗透率光伏电源在配网台区中的接入比例日益增加。然而,光伏电源受光照强度、温度等自然因素影响,其输出功率具有显著的波动性和不确定性。当大量此类电源接入配网台区时,会引发电网电压波动、频率变化等一系列问题,进而给停电故障预测工作带来巨大挑战。传统的停电故障预测方法在面对含高渗透率光伏电源的复杂配网环境时,难以准确捕捉故障特征,导致其预测准确度下降、效率降低,无法满足配网台区稳定运营的需求。【方法】为了提升预测准确度和效率,提出含高渗透率光伏电源的配网台区停电故障预测方法。建立光伏电源接入电网模型,分析接入后的光伏电源对配网台区故障电流的影响机制。通过该模型清晰了解光伏电源在不同运行工况下对电网故障,电流大小、分布等方面的影响,为后续故障区域推断提供理论基础。结合电网拓扑结构和负载不均衡特征,推断可能发生停电故障的区域。电网拓扑结构反映了电网中各元件的连接关系,负载不均衡特征则体现了不同区域负荷的差异情况,综合考虑这两方面因素,更准确地定位潜在故障区域。引入潮流熵判断电路负荷是否处于临界状态。同时,提取发生故障区域线路包含故障发生时的关键信息的潮流值特征。将提取的特征输入经过优化的SA-SAE中进行训练,通过对大量样本数据的学习,自动挖掘数据中的潜在规律,实现配网台区停电故障的精准预测。【结果】实验结果表明,本文方法在含高渗透率光伏电源的配网台区故障定位中预测准确度较高,准确识别了故障区段(K5~K8线路的3~6段)和故障类型,且预测耗时仅为2.236 s,显著优于对比方法。【结论】通过综合考虑光伏电源接入影响、电网拓扑、负载特征等多方面因素,并运用潮流熵和SA-SAE,可以实现对配网台区停电故障的高准确度、高效率预测。本文方法不仅有助于提高配网台区停电故障预测的准确性和及时性,降低停电事故发生的概率,减少经济损失,还能为电网的规划、运行和维护提供有力支持,保障配网台区的稳定运营,推动清洁能源在配网中的大规模应用。
-
关键词
配网台区运营
高渗透率光伏电源
潮流熵
负荷状态
特征提取
潮流值特征
自注意力机制
停电故障预测
-
Keywords
operation of distribution network station
high-penetration photovoltaic power supply
power flow entropy
load status
feature extraction
current value characteristic
self-attention mechanism
power outage fault prediction
-
分类号
TM726
[电气工程—电力系统及自动化]
-
-
题名面向不平衡数据的配电网故障停电预测方法
被引量：21
- 2
-
-
作者
范敏
杨青
郭祥富
刘昊
夏嘉璐
彭屿雯
-
机构
重庆大学自动化学院
国网河南省电力公司
国网河南省电力公司电力科学研究院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第8期96-106,共11页
-
基金
国家重点研发计划项目资助(2020YFB2009405)。
-
文摘
配电网故障停电事件会严重影响正常的社会经济生活。因此,迫切需要有效的配电网故障停电预测方法。采用人工智能方法分析配电网故障停电数据,发现存在配电网故障停电次数较少和引发配电网故障停电的原因分布不均等数据不平衡情况。为了及时、准确地预测配电网故障停电情况,从数据集质量和防止过拟合两方面入手改进故障停电预测模型。首先,设计了基于聚类的对抗神经网络来增强数据集质量。其次,构造了基于随机代价敏感卷积神经网络(Random Cost-CNN)的故障停电预测模型。Random Cost-CNN预测算法中采用有放回随机抽样思想设计了损失函数的随机选择策略,用以解决常规代价敏感过度拟合少数类(故障停电类)而使得大量多数类(正常类)被误报的问题,既保证少数类具有较好召回率与精确度,同时又提高了模型的泛化性能。实验证明所提方法能有效预测配电网故障停电事件发生概率,在配电网运维管理中能够发挥较好的预警作用。
-
关键词
故障停电预测
不平衡数据分类
过拟合
Random
Cost-CNN
-
Keywords
power outage prediction
imbalanced data classification
overfitting
RandomCost-CNN
-
分类号
TM73
[电气工程—电力系统及自动化]
-
