含氢储能的热电联产型虚拟电厂通过结合聚合资源的热电联产特性,为氢储能参与电网调度、消纳新能源等提供了新的路径。首先,充分考虑氢储能的热电联产特性,在满足热、电负荷需求的条件下,建立虚拟电厂综合运行成本最小的日前调度优化模型,决策聚合资源的日前出力计划。其次,考虑负荷侧用氢需求,包括氢能公交车、氢能汽车氢燃料需求,建立日前用氢需求预测模型。然后,将用氢需求作为约束条件嵌入虚拟电厂日前调度优化模型中,得到考虑氢负荷需求下虚拟电厂的优化运行策略。最后,某园区的仿真分析结果表明,考虑售氢收益的虚拟电厂优化调度策略相较于传统的只考虑氢储能热电联产特性的虚拟电厂调度策略,运行成本降低了24.6%。

针对分布式光伏布局不合理对配电网造成不可逆转的冲击的问题,提出一种考虑光伏出力不确定性的分布式光伏优化配置模型。该模型以分布式光伏接入容量最大、网络损耗最低为目标函数,求解分布式光伏的最优接入位置和接入容量。求解模型时采用改进的麻雀搜索算法,该算法具有优秀的全局和局部搜索能力、良好的个体更新机制,可以帮助此类模型更加快速准确地找到最优解。IEEE-33节点配电网对该模型的仿真结果表明,采用改进麻雀搜索算法求解该模型可以使分布式光伏做到应接尽接,同时降低配电网的网络损耗,改善配电网的电能质量,实现分布式光伏资源的优化配置。

针对分布式电源以微电网形式大量接入配电网所引起的系统运行不确定性增加、保护装置动作频繁、网络拓扑结构复杂多变等问题,提出一种考虑未知网络拓扑的主动配电网可靠性评估方法。首先,构建含微电网的配电系统可靠性评估模型,并考虑主动配电网可靠性与网络拓扑之间的关系,对未知拓扑结构配电网的可靠性指标建模。其次,基于序贯蒙特卡罗模拟法,提出一种配电网可靠性评估方法,将其应用于不同可靠性指标的计算。最后,以某地区有微电网接入的主动配电网为内容进行计算,结果显示可靠性指标与实际结果相差不大。这表明所提方法能够有效评估未知网络拓扑主动配电网可靠性,可以根据预先确定的可靠性指标指导微电网系统参数的选取。

“双碳”背景下,微电网作为新能源消纳重点,深受源荷不确定的影响。为解决该问题及减少系统运行时产生的碳排放量,提出一种考虑阶梯式碳交易机制的微电网两阶段鲁棒优化调度方法,提高系统应对新能源出力波动的能力,在减少碳排放量的基础上保证系统运行的经济性。首先构建微电网各微源数学模型及阶梯碳交易机制,建立两阶段鲁棒优化模型。利用KKT条件将子问题化简为混合整数规划问题,利用大M法将非线性约束线性化,利用行列生成算法进行迭代求解。最后通过算例,验证所提优化调度模型的有效性;分析阶梯式碳交易机制对系统经济成本及碳排放量的影响。

为提高电力系统线路承载能力和电能质量,提出一种基于集散式储能的供电质量提升调度方法和调控策略。首先建立集散式储能调度方案,实现储能设备对电力系统承载能力改善由被动助力到主动支撑的变更。然后研究集散式储能集中状态调控策略和分散状态控制方法,并进行设备现场应用试验。结果表明,集中调控下设备可有效预防线路重过载及电力反送现象,可使台区峰谷差缩小37.6%;分散治理状态下,可有效治理局部供电能力不足问题。集散式储能调控策略可作为新型电力系统灵活调度资源,助力新型电力系统稳定运行。

针对永磁同步电机人工水母搜索算法参数辨识精度低、同时辨识多参数速度慢、易陷入局部最优等缺点,提出一种改进型人工水母搜索算法。首先设计Tent混沌映射和反向学习策略,增强了水母群靠近最优位置的能力。其次,设计平衡算法非线性递减时间控制函数的洋流运动与水母群内部运动。最后,为了克服人工水母搜索算法易陷入局部最优导致精度下降的问题,设计高斯变异帮助水母搜索算法跳出局部最优。实验结果表明,改进型人工水母搜索算法对永磁同步电机参数辨识具有更高的精度、更快的收敛速度,辨识精度能达到99.15%。

为了研究旋流燃烧器在不同风量配比下的传热特性,基于CFD技术对某电厂600 MW超临界前后对冲锅炉进行模拟计算,从而得到不同风量下的冷态动力场、热态温度场及组分分布,并对所得数据进行处理分析。结果表明,中心风风速小于6 m/s时,中心风刚性较差,流场平均速度较低,无法抵抗回流的高温烟气;中心风风速大于8 m/s时则易造成回流区紊乱,影响动力场的均匀稳定。中心风增大5 m/s会使着火点位置延后约6%,同时煤粉点燃的最高温度升高约34%。这是由于中心风的刚性在不断增强,从而引导烟气回流区汇聚并形成高速气流场,快速引燃风粉混合物实现充分燃烧。

针对当前撬装式移动变电站智能化程度不足的问题,提出了一种基于物联网、大数据分析和人工智能的综合解决方案。通过引入自动化控制和远程监控技术,提高变电站在数据采集、故障预测和能源管理方面的能力。实验结果显示,智能化系统显著提高了供电的可靠性和运维效率,降低了成本。智能化策略提高了变电站的适应性,为未来智能电网的建设提供技术支持。

为降低复合绝缘子缺陷对电网安全运行带来的风险,针对曲率半径为13 mm的复合绝缘子缺陷问题开展超声检测技术研究,通过特制3 mm单晶片、5 MHz直探头和护套三种不同类型的复合绝缘子模拟厚度不均、气孔和脱黏缺陷,扫查分析三种缺陷的超声波特征。结果表明：该方法能有效检测护套厚度不均、气孔和脱黏缺陷,其中护套厚度测量精度为0.3 mm;气孔缺陷检测灵敏度为直径2 mm,定位精度为0.4 mm;脱黏缺陷检测特征为黏接剂界面反射波消失。该检测技术具有较高的效率,能提高现场检测的灵活性和实用性。

弱电网下采用电压前馈控制会增大并网变流器输出阻抗在交截频率处的负相移,可能导致并网电流的谐波谐振。针对这一问题,提出一种基于三频段阻抗重塑的LCL型并网变流器谐振抑制策略。该策略在电网电压前馈控制的基础上建立输出阻抗的三频段等效模型,利用三频段重塑增益因子重塑并网变流器不同频段的输出阻抗,减少输出阻抗在中频段的负相移,提高并网变流器在弱电网下的稳定运行能力。仿真结果表明,该策略保留了传统电压前馈控制对电网背景谐波的抑制能力,提高了并网系统的相位裕度,有效抑制了并网电流的谐振现象。

从机载激光点云数据中自动、准确地提取配电场景中的电力杆塔是常规电力巡检的关键步骤。由于山区地形起伏大,植被茂密,特征难以区分,利用现有方法从山区电力场景中提取目标仍具有挑战。为了解决这个问题,提出一种基于自注意力感知的语义分割方法,主要包括颜色特征提取、局部位置编码和多层注意力感知模块。该方法在处理大规模配电网场景点云时,可将RGB特征作为点云空间特征的附着属性进行融合,从而提高语义分割精度。经实验结果表明,该方法在电力场景中具有显著的性能优势,点云分割精度超过了90%,其有效性在公共数据集S3DIS中得到验证。

针对配电网部件热故障判别前置任务,提出一种面向配电网巡检的多模态图像部件定位方法。该方法包括多模态图像信息协同与目标检测两个关键步骤：首先,针对高分辨率可见光图像与带有温度信息的红外图像信息不对齐问题,提出自适应图像配准方法,该方法能够高质量完成跨模态配准任务;其次,通过预测信息迁移方法将配准后可见光图像的预测信息迁移至红外图像,完成对红外图像的检测。结果表明,相比直接检测红外图像,提出的方法能够提高18.4%的检测精度,并在精确率与召回率上表现极佳。

针对因吊车等机械施工造成输电线路外力破坏的问题,提出基于射频雷达的输电线路预警联控系统,构建输电线路下的三维多级警戒区,通过计算目标RCS值、距离、速度、经纬度,进行空间分割、聚类、动静分离、跟踪等过滤识别处理,实现了输电线路下超高机械的状态监测、跟踪及预警。研发的吊车配备自主联动、监测及锁止装置,具备激光光幕定向警示及语音提示功能。现场试验结果表明,系统能有效防范输电线路外力破坏事件,可对吊车等超高机械入侵危险源提前预警、主动干预。

针对现有研究多着重于变电站二次回路电气元件的识别,而忽略连接关系的判定的问题,提出一种位图和矢量图联合解析CAD电气图纸的方法。首先,使用YOLOv8目标检测算法识别位图格式的电气图纸,获取图纸中的电气元件类别、位置等信息。然后,利用CAD图纸的矢量图特性拾取连接元件符号之间的线段信息,生成以导线为节点、导线连接点为边的拓扑图。最后,采用深度优先搜索的方法遍历拓扑图,判定元件符号之间的连接关系。该方法结合了目标识别方法提取位图中元件符号和利用矢量图提取线段的优势,电气元件识别精度高,连接关系识别准确。

为建立一套全面科学的输变电工程评价体系,提出一种基于改进TOPSIS-RSR法的综合效益评价方法。首先运用德尔菲法筛选出包括经济效益、减碳效益、社会效益在内的输变电工程综合效益评价指标,其次结合模糊层次分析法与熵权法进行主客观方法组合赋权,最后采用最小信息原理得到最终权重。在评价模型构建的过程中,将秩和比法（rank-sum ratio,RSR）引入逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS),并将TOPSIS中的欧式距离改为标准化欧式距离,有效规避了量纲不同造成的评价上的差异。利用改进前后的TOPSIS-RSR法对四个地区的220 kV输变电工程项目进行评价排序,通过对比两模型检验值的大小,验证了改进后模型的先进性。

针对基于传统小波阈值的无人机巡检图像去噪方法存在的不足,提出一种改进的小波阈值去噪方法。通过改进阈值选取方式和阈值函数,无人机巡检图像去噪效果更加显著,并适用于解决多分辨率问题。改进的阈值函数通过引入调节因子避免了硬阈值函数不连续从而导致在图像重构时产生的震荡,同时避免了软阈值函数存在固定偏差导致的图像重构时精度下降、图像失真问题。通过改进阈值选取方式,克服了传统的阈值选取方法造成的去噪不彻底或者图像有用信息损失过多的问题。

为了提升短期电力负荷预测的准确率和效率,将时间卷积网络(temporal convolutional network,TCN)、门控循环单元(gated recurrent unit,GRU)模型、牛顿-拉弗森优化算法(Newton-Raphson-based optimizer,NRBO)和注意力机制(attention mechanism,Attention)结合,提出一种NRBO-TCN-GRU-Attention的负荷预测模型。在该模型中,利用NRBO算法来优化超参数,TCN模块从负荷数据中提取特征,并将提取到的特征输入GRU模块中捕获在负荷序列中的长期依赖关系。接着,利用注意力机制强化重要特征。最后通过全连接层输出预测结果。试验结果表明,所提模型在两天及一周测试集上的决定系数、平均绝对误差、平均绝对百分比误差、均方根误差四项指标均优于其他对比模型,验证了所提模型的优越性和适用性。

针对光伏电源输出功率受多种因素影响,呈现随机性和间歇性,导致准确预测光伏出力困难问题,提出一种考虑多种实时气象因素的分布式光伏出力预测模型构建与优化方法。首先,按照太阳辐照度、温度、风速、每日辐照时长及相对湿度进行筛选,使用牛顿插值法,将异常光伏数据全部归零,对缺失数据进行填补,完成光伏数据的预处理。在此基础上,量化选取不确定性因素下的数值天气预报特征,基于模糊加权卷积神经网络提取光伏预测因子。最后,基于最小二乘支持向量回归构建光伏发电出力预测模型,并完成模型的求解。实验结果表明,研究方法对分布式光伏出力的预测具有非常高的精度。

针对电力设备智能设计中缺乏大量数据导致现有特征提取方法在准确性和鲁棒性方面的不足,提出一种基于小样本学习的窗口化 WinCLIP+,以改善零样本和小样本条件下的特征提取性能。该方法结合零样本学习与小样本学习的优势,利用预训练的CLIP模型进行多尺度特征提取,并引入少量设计参考样本,设计参考关联模块和多尺度特征融合机制,增强对不同类型和规模特征的提取能力。此外,WinCLIP+通过整合语言引导的预测与视觉参考信息,进一步提升了特征提取的鲁棒性。为验证该方法的有效性,采用异常检测任务进行评估。实验结果表明：WinCLIP+在零样本条件下的检测准确率达到84%,在小样本条件下达到91%。这表明所提方法在电力设备智能设计中的特征提取具有显著的有效性和鲁棒性。

针对变压器空载合闸振动信号具有非线性、非平稳性及瞬变性,导致故障特征提取困难问题,提出一种基于混沌理论的变压器绕组松动故障诊断方法。首先,采用互信息值法确定最佳延迟时间。其次,使用伪邻近点法选择嵌入维数,对绕组正常和松动故障状态下的空载合闸振动信号进行相空间重构,详细分析变压器绕组在不同压紧状态下振动信号混沌吸引子的变化规律。最后,从混沌吸引子中提取相关混沌特征参数,即最大李雅普诺夫指数和关联维数,研究其与变压器绕组压紧状态之间的关系。研究结果表明,变压器空载合闸振动信号的混沌特征能够有效反映变压器绕组松动故障,为变压器绕组松动故障诊断提供新的方法。