高比例新能源发展愿景下,为有效缩短储能回报周期、提升新能源消纳以及降低配电网碳排放,提出一种考虑精细化充放电与碳效益的配电网储能多目标双层规划模型。首先,基于Wasserstein距离和梯度惩罚的改进生成对抗网络(Wasserstein genera...高比例新能源发展愿景下,为有效缩短储能回报周期、提升新能源消纳以及降低配电网碳排放,提出一种考虑精细化充放电与碳效益的配电网储能多目标双层规划模型。首先,基于Wasserstein距离和梯度惩罚的改进生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)以及K-中心聚类算法(K-medoids)生成光伏典型场景。其次,建立储能系统的充放电精细化模型,并基于储能降碳量和全生命周期碳排放量构建碳效益模型。然后,构建考虑精细化充放电与碳效益的双层配电网储能规划运行模型,以日总成本最小为上层目标,对储能进行优化配置;以运行成本最小、电压偏移量最小和储能碳效益最大为下层目标,实现配电网的优化运行。再次,利用跨层关联变量建模将双层模型转化为单层多目标模型,并采用归一化法向约束法(normalized normal constraint,NNC)求解多目标问题,采用熵权-逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)选取最优折中解。最后,基于IEEE 33节点系统进行算例仿真,验证模型有效性。展开更多
宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需...宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需速率多为静态预先设定且为固定值,因此会导致各子载波信噪比存在明显差异性的情况下,系统无法根据业务的不同QoS需求及网络中实时队列长度对所需资源进行自适应调整。抑或缺乏依据当前网络状态的动态调配灵活性,导致通信资源的浪费或通信需求无法满足。文章针对并发多业务的资源分配问题,通过应用层、数据链路层、物理层间的数据映射,建立了跨层资源分配模型。根据应用层电力多业务的QoS需求、数据链路层缓存区内队列长度以及底层物理层子载波和系统功率,将数据分组等待时延以及分组损耗映射为实时/非实时类用户的最低传输速率,进而提出基于效用函数的MAC层用户调度和物理层资源分配算法。最后通过典型电力线信道环境仿真实验发现:所提算法比现有2个电力线载波资源分配算法在多业务并发场景下单用户的吞吐量最高可提升47.62%,分组等待时延缩短37.25%,分组损耗降低72.04%。更好的资源分配使得文章所提算法能够在保证QoS需求情况下,允许更多的用户同时接入系统,有效提升了基于OFDM的宽带电力线载波通信资源利用率。展开更多
低压台区拓扑信息的准确记录是进行台区线损分析、三相不平衡治理等工作的基础。针对目前拓扑档案排查成本高且效率低的问题,提出一种基于自适应k近邻(adaptive k nearest neighbor,AKNN)异常检验和自适应密度峰值(adaptive density pea...低压台区拓扑信息的准确记录是进行台区线损分析、三相不平衡治理等工作的基础。针对目前拓扑档案排查成本高且效率低的问题,提出一种基于自适应k近邻(adaptive k nearest neighbor,AKNN)异常检验和自适应密度峰值(adaptive density peaks clustering,ADPC)聚类的低压台区拓扑识别方法。该方法利用动态时间弯曲(dynamic time warping,DTW)距离度量低压台区用户间电压序列的相似性,通过AKNN异常检验算法检验并校正异常的用户与变压器之间的关系(简称“户变关系”),在得到正确户变关系的基础上,采用ADPC聚类算法对台区内用户进行相位识别;最后,通过实际台区算例分析验证了该方法不需要人为设置参数,能有效实现低压台区的拓扑识别,具有较高的适用性与准确性。展开更多
光纤传感器以其灵敏度高、不受电磁干扰等特点得到了广泛的研究应用,但在对变压器故障声信号的采集过程中也存在噪声成分含量较高、信号特征提取不易或无法提取的缺点。为此,提出利用信息熵理论对变压器故障声信号进行特征提取分析,并...光纤传感器以其灵敏度高、不受电磁干扰等特点得到了广泛的研究应用,但在对变压器故障声信号的采集过程中也存在噪声成分含量较高、信号特征提取不易或无法提取的缺点。为此,提出利用信息熵理论对变压器故障声信号进行特征提取分析,并基于支持向量数据描述(support vector data description, SVDD)对求取的特征量进行识别研究。在实验室搭建了变压器故障声信号实验与探测平台,采集3种典型放电模型的声信号,基于信息熵理论,选取模糊熵、能量熵、奇异谱熵和功率谱熵等对滤波后的声信号进行特征提取,形成识别特征向量。最后,利用SVDD算法对求取的特征量进行识别研究。实验结果显示,基于信息熵理论提取的故障声信号特征量识别正确率均达到90%以上,优于传统时频域特征提取和基于小波变换的特征提取方法,证明了所提出方法的可行性。展开更多
文摘高比例新能源发展愿景下,为有效缩短储能回报周期、提升新能源消纳以及降低配电网碳排放,提出一种考虑精细化充放电与碳效益的配电网储能多目标双层规划模型。首先,基于Wasserstein距离和梯度惩罚的改进生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)以及K-中心聚类算法(K-medoids)生成光伏典型场景。其次,建立储能系统的充放电精细化模型,并基于储能降碳量和全生命周期碳排放量构建碳效益模型。然后,构建考虑精细化充放电与碳效益的双层配电网储能规划运行模型,以日总成本最小为上层目标,对储能进行优化配置;以运行成本最小、电压偏移量最小和储能碳效益最大为下层目标,实现配电网的优化运行。再次,利用跨层关联变量建模将双层模型转化为单层多目标模型,并采用归一化法向约束法(normalized normal constraint,NNC)求解多目标问题,采用熵权-逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)选取最优折中解。最后,基于IEEE 33节点系统进行算例仿真,验证模型有效性。
文摘宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需速率多为静态预先设定且为固定值,因此会导致各子载波信噪比存在明显差异性的情况下,系统无法根据业务的不同QoS需求及网络中实时队列长度对所需资源进行自适应调整。抑或缺乏依据当前网络状态的动态调配灵活性,导致通信资源的浪费或通信需求无法满足。文章针对并发多业务的资源分配问题,通过应用层、数据链路层、物理层间的数据映射,建立了跨层资源分配模型。根据应用层电力多业务的QoS需求、数据链路层缓存区内队列长度以及底层物理层子载波和系统功率,将数据分组等待时延以及分组损耗映射为实时/非实时类用户的最低传输速率,进而提出基于效用函数的MAC层用户调度和物理层资源分配算法。最后通过典型电力线信道环境仿真实验发现:所提算法比现有2个电力线载波资源分配算法在多业务并发场景下单用户的吞吐量最高可提升47.62%,分组等待时延缩短37.25%,分组损耗降低72.04%。更好的资源分配使得文章所提算法能够在保证QoS需求情况下,允许更多的用户同时接入系统,有效提升了基于OFDM的宽带电力线载波通信资源利用率。
文摘低压台区拓扑信息的准确记录是进行台区线损分析、三相不平衡治理等工作的基础。针对目前拓扑档案排查成本高且效率低的问题,提出一种基于自适应k近邻(adaptive k nearest neighbor,AKNN)异常检验和自适应密度峰值(adaptive density peaks clustering,ADPC)聚类的低压台区拓扑识别方法。该方法利用动态时间弯曲(dynamic time warping,DTW)距离度量低压台区用户间电压序列的相似性,通过AKNN异常检验算法检验并校正异常的用户与变压器之间的关系(简称“户变关系”),在得到正确户变关系的基础上,采用ADPC聚类算法对台区内用户进行相位识别;最后,通过实际台区算例分析验证了该方法不需要人为设置参数,能有效实现低压台区的拓扑识别,具有较高的适用性与准确性。
文摘光纤传感器以其灵敏度高、不受电磁干扰等特点得到了广泛的研究应用,但在对变压器故障声信号的采集过程中也存在噪声成分含量较高、信号特征提取不易或无法提取的缺点。为此,提出利用信息熵理论对变压器故障声信号进行特征提取分析,并基于支持向量数据描述(support vector data description, SVDD)对求取的特征量进行识别研究。在实验室搭建了变压器故障声信号实验与探测平台,采集3种典型放电模型的声信号,基于信息熵理论,选取模糊熵、能量熵、奇异谱熵和功率谱熵等对滤波后的声信号进行特征提取,形成识别特征向量。最后,利用SVDD算法对求取的特征量进行识别研究。实验结果显示,基于信息熵理论提取的故障声信号特征量识别正确率均达到90%以上,优于传统时频域特征提取和基于小波变换的特征提取方法,证明了所提出方法的可行性。
