发表咨询:400-808-1731
订阅咨询:400-808-1751
北大期刊
影响因子 0.65
人气 24539
省级期刊
影响因子 0.67
人气 24309
北大期刊
影响因子 0.99
人气 23236
部级期刊
影响因子 0.98
人气 18755
北大期刊
影响因子 0.95
人气 18057
部级期刊
影响因子 0.38
人气 12816
省级期刊
影响因子 0.16
人气 12314
部级期刊
影响因子 0.67
人气 12240
北大期刊
影响因子 0.79
人气 9750
省级期刊
影响因子 0.48
人气 9705
摘要:当前,大数据、云计算、物联网、移动互联网等前沿人工智能技术正深刻改变着世界各国的电力产业和能源产业。新一代人工智能是智能电网和能源互联网的一块重要拼图,它驱动着电力、能源和信息产业的深度融合。新一代人工智能将以智能电网和能源互联网为依托,全面推进能源革命,将开启智慧能源的全新时代。推进电力和能源生产-传输-消费的智能化,人工智能将起到有力的支撑作用。反过来,智能电网和智慧能源也将支撑人工智能的快速发展。
摘要:现代智能电网出现了电力电子化、信息物理融合和大电网复杂互联等新特征,从而对电力系统暂态问题的分析与控制方法产生了极大影响。人工智能(artificialintelligence,AI)在解决数据问题中的优势与暂态问题特点匹配程度高。该文从信息、机理、仿真、分析和控制等角度分析了电力系统暂态问题出现的新特点,归纳总结了现有将AI用于分析电力系统暂态问题时的研究成果,指出了研究中仍需解决的问题,探讨了在数据获取、特征提取和算法应用等方面的若干改进思路,并对AI应用于暂态稳定问题的研究现状进行总结。
摘要:随着全国联网规模的扩大,电网时空特性日趋复杂,全面把握电网运行特性显得至关重要,仅靠人工经验手动筛选特征难以做到快速和准确。因此依托人工智能(artificial intelligence,AI)技术快速高效地找到能够反映电网安全信息的关键特征,对于实际电网的实时监控和安全运行具有重要意义。针对上述要求,该文提出一种电网关键稳定特征智能选择方法。该方法借助信息论和数据挖掘技术,采用分段方式集成改进(mutual information feature selection,MIFS)方法和封装方法进行电网关键稳定特征的智能选择。第一阶段利用改进MIFS方法进行特征初筛;第二阶段采用封装方法和后向搜索策略进一步选择关键特征。该分段智能选择方法针对电力系统安全稳定评估应用场景实现多种方法的集成应用,一方面可以有效地减小特征维度,实现特征的智能筛选,而且将运行经验纳入考虑范围,符合调度人员的先验认知,便于调度运行人员实时监控;另一方面减小了所选特征集合的冗余度,同时实现了特征分区筛选,提高了计算效率,有利于实时动态安全评估的开展。在IEEE-39节点系统上的仿真算例验证所提方法的有效性。
摘要:考虑新能源日益增长的不确定性,概率能量流在电–气综合能源系统分析中起到关键性作用。概率能量流计算需要求解大量高维非线性方程组。高计算代价和求解时间已成为概率能量流实际工程应用的瓶颈所在。为此,该文提出了利用深度神经网络求解该问题的新方法。该方法借助堆栈降噪自动编码器(stacked denoising auto-encoders,SDAE)的深层堆栈结构以及编码解码过程,建立了基于SDAE的能量流模型,可有效挖掘非线性能量流方程的高阶特征。结合能量流输入输出性质不同、变化范围不一等数值特点,在SDAE模型中引入了修正线性单元(rectifiedlinearunit,ReLU)激活函数与离差标准化方法,可有效提高训练精度与速度。结合蒙特卡洛法抽样出待解样本,使用训练后的SDAE能量流模型,通过数据映射得到抽样样本的能量流结果,在不增加硬件成本的前提下求解概率能量流,求解时间和精度符合在线应用要求。最后,在IEEE14-NGS10电–气综合能源系统中验证了所提方法的有效性。
摘要:云计算数据中心是重要的电力用户,其消耗电量随着互联网发展和国家数字化建设快速增加,对数据中心进行能量管理和优化是绿色经济必然要求。该文主要探讨人工智能技术在云计算数据中心能量管理和优化中的应用,介绍了深度学习、深度强化学习和知识图谱等新一代人工智能研究热点,提出了一个跨层的数据中心能耗感知和精确能量管理框架,梳理比较了机房、设备、云计算平台、业务系统和数据中心5个层面的能量管理和优化技术,总结分析了当前存在的不足和挑战,展望了未来新一代人工智能技术在云计算数据中心研究和应用趋势。
摘要:水风光等可再生能源高速发展使得电力调度数据出现爆发式增长,并呈现出多源、异构、高维等大数据典型特点,如何应对电力大数据的集成管理及高效应用是我国电网运行的重大技术挑战之一。为此,围绕水火风光复杂发电调度系统,解析超大规模电站群调度大数据特征及相互关系,设计调度管理功能体系,构建发电调度大数据平台架构,提出满足不同业务场景共性需求的多源数据校验和多平台协同存储技术、面向发电调度分析场景的大数据融合处理技术以及面向发电计划编制场景的大数据分析决策技术,实现电力大数据的采集、存储、分析及知识提取等一体化功能。以云南省调400余座大中型电站为工程背景,应用大数据平台架构和关键技术,构建超大规模多源发电系统调度软件,通过电网月度计划跟踪分析、新能源功率预测偏差确定、梯级水电站群发电调度计划编制3个核心业务场景的典型应用,表明电力大数据技术确实可以为复杂发电调度系统高效和实用化运行提供新的解决途径。
摘要:量测数据的采集、传输、转换各个环节都有可能发生故障或受到干扰,导致数据出现缺失。传统重建方法仅考虑单一数据分布规律,忽略了电力系统中量测点、采集变量之间的相关性及历史的负荷变化规律,重建精度低。该文提出了基于改进生成式对抗网络(wassersteingenerative adversarial networks,WGAN)的量测缺失值重建方法,并设计了适用于该问题的WGAN网络结构。通过WGAN的无监督训练,神经网络将自动学习到量测之间相关性、负荷波动规律等难以显式建模的复杂时空关系。利用真实性约束及上下文相似性约束优化隐变量,使得训练后的生成器将能够生成高精度的重建数据。文中方法完全依靠数据驱动,不涉及显式建模步骤,在大量量测出现缺失的情况下仍具有较高的重建精度。算例中分析了量测缺失数量与重建误差之间的关系,证明了文中方法性能稳定。对于算例中长期缺失的特定量测,文中方法所重建的数据能够体现量测真实的时序特性。
摘要:随着新能源大规模接入和负荷随机行为的出现,输电线路故障特征的构造和选择日趋困难。基于深度学习理论,提出了一种对故障数据进行特征自学习进而实现输电线路故障类型辨识的方法,并通过Ornstein-Uhlenbeck过程更好地模拟了分布式随机性电网的负荷波动。首先,利用PSS\E的PythonAPI编写脚本实现故障的自动化批量仿真,以构建深度学习所需的海量数据集。然后,基于TensorFlow平台对预处理后的高维时空故障样本实现基于深度网络的故障类型辨识,并采用深度自动编码器来可视化分析深度学习的分类效果。最后,以含光伏发电模型的PSS\E23节点系统为例,对所提方法进行验证。仿真结果表明,文中所述方法可基本达到99.99%的辨识正确率,不受故障线路、故障阻抗、故障位置、电压扰动、频率扰动和负荷波动的影响,且能够应对电网运行过程中的噪声干扰。
摘要:非侵入式负荷分解(nonintrusive load monitoring,NILM)是大数据分析在智能配电系统中为终端用户提供的重要应用之一,能够提升对负荷的认知水平,显著提升需求侧响应的潜力。长期以来,传统的NILM算法存在误判率高,功率分解值准确度低等问题。为此,采用深度学习的框架,提出一种基于序列到序列和Attention机制的NILM模型。该模型首先将输入的有功功率时间序列通过词嵌入映射到高维向量,并利用基于长短时记忆模型的编码器进行信息提取;然后通过引入Attention机制的解码器,从提取的信息中选取与当前时刻相关度最高的信息,用于解码并最终得到负荷分解结果。提出的深度学习网络模型能够显著提升对信息的提取与利用能力。基于REFITPowerData数据集的测试结果验证了方法的有效性。
摘要:提出一种基于拓扑特征分析和深度卷积神经网络的配电网网架结构坚强性评估方法。将考虑分布式电源出力不确定性的配电网运行状态与配电网拓扑特性相结合,构建涵盖可靠性、运行裕度和结构鲁棒性3个配电网结构坚强性要点的拓扑指标集,提升评估指标刻画配电网实际状态的能力;通过多通道融合和多级池化改进卷积神经网络,解决了传统方法无法自主挖掘评估指标数据特征,以及难以直接分析不同维度的评价指标和同一指标不同尺寸的数据这两方面问题。通过对华东地区某中压配电网进行算例分析,说明所提出的评估方法的有效性和优越性。
摘要:电压暂降源的识别是制定电压暂降治理方案和明确事故责任的基础。电压暂降源可分为单一电压暂降源和复合电压暂降源,电网设备的复杂化和用电模式的区域化对基于物理特征的传统电压暂降源识别方法提出了新的挑战。该文提出一种基于模型融合的电压暂降源识别方法,通过深度学习算法中的卷积神经网络获取电压暂降信号的时序特征和空间特征,采用深度置信网络替换卷积神经网络中用于提纯高维特征和起分类器作用的全连接层,从而增强网络的多标签分类能力。利用仿真和加噪数据对网络进行迭代训练和反复测试,验证了融合模型的高识别精度和抗噪性能。对比传统的电压暂降源识别方法,生成的模型具有良好的泛化能力,能够有效应用于实际工程中。
摘要:实时评估电动汽车动力锂电池的健康状态(stateof health,SOH)对电动汽车的维护至关重要。针对实际应用中电动汽车电池具有放电容量测量不稳定、测试负载重,操作不方便等问题。该文首先研究基于充电容量计算电池健康状态的可行性。然后,建立充电容量SOH模型将电池充电容量的估算转换为电池全充所需时间的估算。由于锂电池实际充电时的数据是片段的,提出基于扩展卡尔曼滤波和高斯过程回归的全充时间估算算法,解决了片段充电数据预测电池实时全充时间的问题。最后,通过实验仿真,验证了高斯过程扩展卡尔曼滤波在锂电池健康状态评估中的针对性、有效性和实时性。
摘要:当前,越来越多的含电气热商业楼宇配备有各类分布式发电设备,商业楼宇群的负荷构成越来越复杂。针对商业楼宇群分时电价的制定问题,该文在考虑了售电公司和商业楼宇群双方利益后,提出一种分时电价制定的双层优化模型。在该模型中,售电公司通过分时电价以及收集商业楼宇的用电信息,实现自身收益最大化;商业楼宇群根据售电公司的分时电价制定其考虑舒适度的日前用电计划,实现自身运营成本最低的目标。同时,结合强化学习,提出一种集成学习算法和单纯形法相结合的混合优化方法,实现模型的求解,通过算例结果验证其对降低商业楼宇运行成本和提高售电公司收益的有效性。
摘要:2018年国家自然科学基金委员会电气科学与工程学科组织学科专家对学科代码下的研究方向和关键词进行了梳理和修订。广泛征求学科专家意见,以体现时代性和包容性为目标,删减了不合理或过时的内容,合并了重复或相近的内容,增补了空缺或趋势性的内容。经过本次修订,在各学科代码下的研究方向中均突出了人工智能、大数据等新兴热点,以及其他学科交叉的内容。修订后的研究方向和关键词更加合理,进一步明确了电工学科的资助范围,有利于基金项目申请人和评议人使用。
摘要:针对现有电网健康指数研究重点关注单体价值较高的高压设备,而相对粗放地定性评估量大面广的配电设备,研究对象尚未从设备扩展至网络,研究方法欠缺深入地理论研究和信息规律挖掘等现状,该文系统地探讨了配电网健康指数理论的研究及应用情况。首先概述设备健康指数的概念和研究现状,提出配电网健康指数的定义、等级划分、计算方法与模型;其次以南京和北京某试点区域的110kV变电站作为网络研究对象,计算了它们的健康指数并分析了自然因素对架空线路健康状态的影响,验证了健康指数计算模型的合理性和有效性;然后提出了配电网健康指数的应用场景;最后,总结了未来配电资产管理的发展趋势以及配电网健康指数理论及工程实现体系深化研究对未来配电资产管理的重要意义。
摘要:分布式电站内部网络普遍存在宽频域阻抗耦合,具备宽频域谐振条件,且在分布式发电单元发射的宽频、高次谐波电流的影响下,极易放大特征谐波电流。该文旨在揭示此类型电站宽频域谐波谐振现象并解决此问题,建立典型分布式电站阻抗模型;分析电站宽频域谐振带的分布特征,并按激发因素的差异对谐振带进行归类;设计一种包含有源及无源阻尼装置的阻抗协调构造方法,实现对电站宽频域谐振阻尼效果。仿真和实验结果表明:1)谐波电流在传播过程中存在劣化趋势;2)电站存在以集电馈线为单元之间的阻抗耦合引起的宽频域谐振;3)所提出的阻抗构造方法能够降低电站与配电网之间、集电馈线为单元之间的阻抗耦合程度,满足电站谐波谐振治理需求。
摘要:高渗透率风电集群的接入对电力系统频率稳定性带来了不利影响,为了解决这一问题,根据大系统控制论中分层递阶控制理论,该文提出一种基于分层分布式模型预测控制的多时空尺度协调风电集群综合频率控制策略。该控制策略建立了风电集群在三次调频层、二次调频层及一次调频层的变粒度频率控制框架,首先在各层采用时间尺度逐层细化的预测时域、控制时域以及超短期风电功率预测值;其次在各层建立空间尺度逐层细化的滚动优化模型,其中在三次调频层考虑电网拓扑结构及全区经济性最优目标,在二次调频层考虑平均系统频率增广模型及分区安全性最优目标,在一次调频层考虑分区风电集群内单场动态分类来实时平抑系统负荷小幅值随机扰动;最后根据电网及风电集群实时运行状态建立反馈校正环节,实现综合频率控制策略的闭环运行。算例表明,所提控制策略能够有效实现风电集群参与系统调频,并能兼顾考虑系统的经济性及安全性目标。
摘要:远洋海岛群可再生能源十分丰富,各岛屿就地开发条件得天独厚,然而受限于地理隔离,负荷中心岛难以直接得到电力供给,而铺设电缆或大规模配置储能价格不菲。该文提出基于储电船舶的远洋海岛群能量调度优化策略。首先针对海岛群差异化资源禀赋的互补特性提出共享储能的概念,通过分时段共享的方式提高设备利用率,降低系统储能设备的整体规模,并建立起时空耦合情况下的能量流、交通流混合模型。在此基础之上,充分考虑日前调度预测误差,以多场景负荷中心岛切负荷均值最小、系统运行成本均值最少为目标,借助统一平台对储电船舶进行时空调度,灵活消纳多形态新能源和进行负荷支撑。仿真结果表明,基于EV的远洋海岛群能量供给系统实现了岛屿间的无缝连接和能量的动态平衡。该文为远洋海岛群的经济、可靠运行提供了一个全新的视角。