【摘 要】
：
由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置.因此,提出一种基于三维卷积神经网络(3D-CNN)的配电物联网异常类型辨识及定位方法.首先,分析了配电物联网通信流量特征并构建了基于Simulink和OPNET的配电物联网交互仿真模型;其次,提出了一种面向3D-CNN的样本构建方法,将配电物联网中每个节点的电气量和通信流量信息组成一个特征子像素,进而将配电物联网每个
【机 构】
：
强电磁工程与新技术国家重点实验室(华中科技大学),湖北省武汉市 430074;电力安全与高效湖北省重点实验室(华中科技大学电气与电子工程学院),湖北省武汉市 430074;国网河南省电力公司电力科学研
论文部分内容阅读
由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置.因此,提出一种基于三维卷积神经网络(3D-CNN)的配电物联网异常类型辨识及定位方法.首先,分析了配电物联网通信流量特征并构建了基于Simulink和OPNET的配电物联网交互仿真模型;其次,提出了一种面向3D-CNN的样本构建方法,将配电物联网中每个节点的电气量和通信流量信息组成一个特征子像素,进而将配电物联网每个时刻的状态表示为一幅特征帧画面,形成隐含配电物联网异动过程的立方样本矩阵;随后,构建了包含三维特征提取网络和层级softmax分类器的深度学习模型,通过提取和辨识立方样本矩阵中隐含的异常信息,可以同时实现配电物联网异常类型和位置的判定;最后,利用IEEE 33节点配电物联网异常数据对模型进行测试,结果表明,所提方法可以对电力网短路故障、通信中断故障、通信数据异常引起的保护误动和拒动进行精确的分类及定位.
其他文献
针对电气化铁路故障测距系统的参数不能有效、准确整定,故障定位误差偏大的现状,研究了基于GPS同步的电气化铁路故障测距参数校准技术.在供电臂区段内设置一台机车取流,摄像机录取机车所在位置的公里标,将公里标换算成带时标的变电所与机车之间的距离;分别在变电所、分区所、AT所各设置一台数据采集仪,采集同一时刻各所负荷电流;计算出机车与变电所之间的接触网电抗值;机车移动,重复上述过程,即可得到供电臂电抗距离定值表.该技术不需要经过接地短路试验,可准确定位故障点,误差不超过200 m,有效提高了电气化铁路故障测距的精
针对铁路站房配电箱存在的电能质量问题,提出应用5G技术和电力电子技术进行复杂情况下的电能质量优化,采用5G技术与电能质量优化相结合,对配电箱三相功率不平衡、谐波电流过大和功率因数低等问题进行自动调节治理具有良好效果.通过现场试验和数据证明了配电箱电能质量优化的可行性,能够提升配电网络的供电可靠性.
近年来电气化铁路牵引网跳闸事故频发,由雷击引发的跳闸率日益增长,对电气化铁路的安全运行带来严峻挑战.目前高速铁路的桥占比较高,由于未设置专门的避雷线,牵引网直击雷跳闸率很高.本文首先基于经典击距理论分析牵引网的直击雷跳闸率,考虑雷击入射角度与风速两个相关因素以改进牵引网的电气几何模型,并采用蒙特卡罗法模拟计算雷击入射角与风速在一定范围内发生改变时牵引网的直击雷跳闸次数,得出结论:雷击入射角度变化会对电气线路的暴露距离产生影响,当雷电入射角度为0～45°时,会屏蔽牵引网的架空地线,因此绕击率为0,而风速增大
在未来以新能源为主体的新型电力系统中,多虚拟电厂的能源管理将更加复杂和具有挑战性.考虑到区块链技术信息安全、机制透明、区域共治的特点,从虚拟电厂的功能特征出发,创建由商业链、技术链和资产链组成的区块链.综合考虑多虚拟电厂形成的多决策主体利益关联与冲突的局面,建立了考虑网络安全约束的多虚拟电厂主从博弈优化运行方法.在此基础上,研究了区块链技术下的多虚拟电厂优化运行模式,从网络层级框架、交互机制、智能合约和激励机制等方面进行了设计.最后,通过算例仿真验证了所提方法的有效性.
电分相是接触网重要的组成部分,在既有铁路电气化改造中,接触网分相位置选定常受到现场各种条件限制,造成分相设置的位置不满足行车组织要求,且该问题在前期设计和施工阶段难以暴露.本文以北仑线、北环线电力机车掉入分相问题为例,分析既有单线铁路电气化改造中电分相选址易出现的问题及解决方案.
目前国内已有多个基于云计算平台的轨道交通综合监控系统(ISCS)部署先例,但方案各有不同.本文对轨道交通云平台架构和基于云平台的综合监控部署方案进行分析,提出适用于轨道交通不同应用场景的基于云平台的综合监控部署方案,并对基于云平台的综合监控系统架构优化及智慧应用进行展望.
在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率.对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原理,发现该问题的重要成因之一为:DNN仅根据标准化误差迭代训练模型,未计及潮流变量的真实学习误差及工程实际的精度要求,无法及时针对误差异常的潮流变量调整DNN参数.然后,面向潮流计算提出基于动态学习权重的DNN自适应训练方法.该方法通过每轮迭代中验证集的真实学习误差、越限误判率
随着先进通信与信息技术的广泛应用,虚假数据注入攻击已成为威胁自动发电控制系统安全的重要因素之一.网络攻击的检测是防御的首要任务,文中提出了一种基于集员滤波的自动发电控制系统虚假数据注入攻击检测方法.首先,针对自动发电控制系统中虚假数据注入攻击的影响进行了分析,并建立了互联电网自动发电控制系统模型以及虚假数据注入攻击的模型.其次,基于实时自动发电控制系统的控制指令以及测量数据,对自动发电控制系统椭球集进行预测更新和测量更新,通过判断预测更新椭球集与测量更新椭球集之间是否存在交集,检测系统的数据传输中可能存在
系统自然激励下的随机响应数据中蕴含丰富的机电行为特征信息,准确地从随机响应数据中辨识小干扰稳定特征参数对于指导电力系统安全稳定运行具有重要现实意义.文中提出了随机数据驱动下基于子空间最优模式分解的小干扰稳定特征参数在线辨识算法.该算法通过对输入数据进行基于正交投影的矩阵线性变换得到其奇异子阵,并利用共轭梯度算法迭代求解最佳低维正交空间,以实现奇异子阵之间高维映射矩阵的最优低维近似,根据最优低维映射矩阵的特征值分解结果可以准确获得系统小干扰稳定特征参数,即振荡频率、阻尼比、模态.基于正交投影的矩阵线性变换以
准确辨识空调负荷模型的参数是挖掘其节能及需求响应潜力的重要基础,当前研究大多采用精度较差的离线辨识方法.为此,基于数据驱动思想,提出一种变频空调模型参数在线辨识方法.首先,建立了数据驱动的空调负荷模型参数在线辨识架构.然后,基于空调负荷模型提出数据驱动的在线辨识机制和方法.其中,数据驱动的在线辨识机制设计为基于参数显著变化事件驱动的参数更新判别机制和基于历史参数波动范围的参数动态阈值设定机制,在该机制下通过粒子群优化算法建立了快速在线辨识方法.最后,通过实测环境,验证了所提在线辨识方法的有效性,与离线辨识