【摘 要】
：
明确电压暂降对工业过程的影响程度,是进行暂降损失估计、提供治理方案的前提.考虑了工业过程设备级/过程级的电压暂降耐受能力,提出了一种负荷损失率的评估方法,以量化电压暂降对工业过程造成的危害.首先,为解决过程参数难以获取、精度低的问题,建立了基于物理结构的过程参数等值响应模型.将过程级的非电量过程参数值等效为电压值,以输入电压暂降特征量刻画设备和工业过程的耐受特性.然后,提出了基于Larsen推理的负荷损失率评估方法,以暂降特征量为推理前件、以负荷损失率为推理后件,构建了前件、后件的隶属度函数.实现了基于监
【机 构】
：
海南电网有限责任公司电力科学研究院,海南 海口 570311;海南省电网理化分析重点实验室,海南 海口 570311
论文部分内容阅读
明确电压暂降对工业过程的影响程度,是进行暂降损失估计、提供治理方案的前提.考虑了工业过程设备级/过程级的电压暂降耐受能力,提出了一种负荷损失率的评估方法,以量化电压暂降对工业过程造成的危害.首先,为解决过程参数难以获取、精度低的问题,建立了基于物理结构的过程参数等值响应模型.将过程级的非电量过程参数值等效为电压值,以输入电压暂降特征量刻画设备和工业过程的耐受特性.然后,提出了基于Larsen推理的负荷损失率评估方法,以暂降特征量为推理前件、以负荷损失率为推理后件,构建了前件、后件的隶属度函数.实现了基于监测数据的过程负荷损失率的推理评估,减小评估结果对精确信息的依赖性.最后,应用该方法评估海南省某石化企业的电压暂降下负荷损失率,结果表明所提出方法正确且有效.
其他文献
现阶段随着配电网中分布式电源、储能、电动汽车的逐渐增加,配电网的运行工况变得越来越复杂多变.为了准确地判断配电网实时运行状况及健康状态,及时地发现配电网运行中的缺陷问题并制定合理的安全管控措施,提出一种计及网络结构的配电网健康状态评估方法.首先,基于配电设备运行的电气量和非电气量参数进行配电设备健康指数计算,利用成功流法对同一网络中的配电设备健康指数进行等价简化,评估配电设备层的健康状态.然后,从可靠性、安全性、经济性和环保性四个维度实时监测配电网的运行数据建立指标体系,采用模糊层次分析法和证据理论相结合
针对电网薄弱点辨识方法中存在未计及节点局部和整体特性、节点间功率传输的相互影响和对节点电压约束考虑不足的问题,提出一种基于复杂网络与运行因素的薄弱点辨识方法.通过考虑电力系统的拓扑、线路参数、潮流特性和运行参数等因素,建立了基于拉普拉斯矩阵谱半径的节点重要度指标、节点介数指标和电压越限指标.然后,采用组合赋权法对复杂网络指标和运行指标进行权重分配,得到辨识电网薄弱点的组合指标.最后,利用IEEE30和IEEE118节点系统验证所提方法的可行性和合理性.结果表明该方法辨识结果比现有方法更准确、合理,对电力系
工业用户的负荷通常由多种负荷类型共同组成,结构较为复杂,并且常常含有较大的冲击性负荷.传统的负荷预测方法难以准确预测负荷突变,导致预测精度不高.将负荷分解成不同频率的分量再分别进行预测是较为可行的解决方式.提出了基于改进型自适应白噪声完备集成经验模态分解的工业用户负荷预测方法.首先,采用ICEEMDAN算法将工业用户的负荷分解为高、低频模态分量.该算法利用局部均值来替换模态的估计,避免了高斯噪声对模态分解的影响,改善了传统模态分解方法中模态混叠的现象.其次,采用长短期记忆神经网络、最小二乘支持向量回归算法
针对行星齿轮箱故障诊断中存在的故障诊断样本数少、故障诊断精度低等问题,提出一种经验模态分解(EMD)、峭度排序和BP神经网络相结合的故障诊断方法.该方法首先对原始振动信号进行EMD,然后对分解获得的固有模态函数(IMF)进行峭度排序;根据训练样本数自适应地选择对应的IMF,将对应IMF的能量值作为特征向量输入BP神经网络进行故障模型的搭建,并完成模型诊断成功率测试.结果表明:经过峭度排序后的故障特征的区分度明显升高,表明改进后的算法可以在训练样本少和训练数据不均衡的情况下达到较高的故障诊断成功率,完成对行
连续潮流计算是电力系统研究静态电压稳定和传输能力应用的重要工具,但临界点处的奇异性制约了连续潮流计算的应用和发展.因此,解决好临界点病态问题是更好应用连续潮流的关键.应用改进Chord法处理连续潮流问题中临界点处的计算,能够快速计算该点处的解,收敛速度快,达到二阶收敛.不用扩展原雅可比矩阵,因此不需要担心原系统中的非奇异点变为系统扩展雅可比矩阵的奇异点问题,使计算过程更为简单.应用线性化方法预测连续潮流计算方向,整个计算过程简洁方便.在计算及分析中与扩展潮流计算方法进行比较,体现了所提Chord法简洁、高
电网支持型变流器逐渐取代传统同步机电源是构建新型电力系统的必然趋势.电网支持型变流器采用双环控制的目的和物理意义尚未形成统一结论.首先,为解释双环控制中电流内环的本质,由电流内环的离散根轨迹曲线分析电流内环的阻尼特性,从虚拟阻抗的角度分析其物理意义.其次,为快速准确获得双环控制器参数,避免反复迭代,考虑数字控制系统采样、计算和PWM调制带来的延时,内环采用比例控制器调整阻尼特性.根据最优阻尼确定电流控制器的比例参数,根据滤波器谐振频率处闭环输出增益的要求和各次谐波的补偿角度确定电压控制器的参数.最后,仿真
准确的低压配电网户变关系是电力营销管理和台区线损治理的重要基础,传统的户变关系识别方法排查成本高、识别效果欠佳,无法适用于规模日趋庞大的低压配电网.在此背景下,提出了一种基于智能电表量测数据和用户档案信息的低压配电网户变关系识别方法.首先利用用户地理位置信息实现邻近用户的初步合并,再基于GMM聚类算法对电压时序数据进行聚类划分,用户划分结果作为下一步的迭代初值.然后基于能量供需平衡建立配变与用户的关联卷积识别模型实现低压配电台区户变关系的辨识.最后,在实际的低压配电系统中验证了该方法在提升户变关系识别效率
在市场化交易中,计及电价波动信息的风险度量可以帮助市场利益相关者规避风险.为此,结合TGARCH与VineCopula理论,提出一种电价波动分析及风险度量的新方法.该方法用TGARCH建立日前、实时及辅助服务交易电价边缘分布,通过VineCopula拟合各交易电价的多维相依结构.基于得到的相关系数与尾部关系分析各交易电价之间的动态波动规律,并测度电价动态波动风险.实证分析证明,该方法不仅可以捕捉负荷容量比和可再生能源渗透率作用下价格波动的变化,还可以较为准确地描述各交易电价的非线性关联结构,进而捕获日前、
电网调控告警识别是实现智能电网调度的重要环节.为提高电网调控告警识别的准确率,针对电网数据量庞大、有效信息提取困难、传统知识库知识迁移能力较差等问题,提出一种基于BERT-DSA-CNN和知识库的电网调控在线告警识别方法.首先在自然语言处理-深度学习的文本数据挖掘架构基础上,经过分词、去停用词等步骤,利用BERT模型获取电网调控告警信息词向量.然后将词向量输入CNN深度学习模型进行训练,并根据电网告警信息的特点引入DSA机制对CNN模型进行改进.最后提出了融合深度学习模型和传统知识库的电网调控在线告警识别
随着碳交易系统的发展,准确预测电力能源消耗对于能源管理是至关重要的.为实现在缺失天气等多种关键信息下的电力负荷预测,首先采用混沌理论中的相空间重构技术对历史负荷时间序列进行处理,根据排列熵验证混沌特性.并利用8种机器学习模型进行预测与比较,其中包括4种以神经网络为基础的机器学习模型、3种以统计学习为基础的机器学习模型及1种基准模型.其次采用灰色关联度法对预测精度较高的极限学习机(ELM)和极端梯度提升(XGBoost)进行组合,构建了ELM-XGBoost模型.最后将ELM-XGBoost应用于一日至一周