XiaoMi-AI文件搜索系统
World File Search System配电系统
使用修剪的物理感知神经网络增强配电系统状态估计：预印本
数据或通过插值观察到的测量数据来计算。在配电系统中，伪测量可以从智能电表数据、基于光伏 (PV) 辐照度或风速预测模型的分布式能源发电中获得。在 [4] 中，研究了一种基于博弈论的数据驱动技术，目的是在配电系统状态估计 (DSSE) 中生成伪测量。开发了并行机器学习模型来学习负载模式，然后生成准确的有功功率伪测量。出于同一目的，在 [5] 中，实现了一种基于频率的聚类算法，该算法确定负载模式并估算每日能耗。另一方面，使用概率数据驱动方法为未测量的 PV 系统生成时间序列伪测量 [6]。除了利用来自丰富数据的伪测量来改进电网监控之外，配电系统运营商 (DSO) 还将受益于能够以有限的传感预测系统状态的方法。[7]–[10] 提出了一种结合预测和状态估计模型的估计方法。这些方法提出了数据驱动模型，这些模型依赖于最小均方估计和贝叶斯估计。优点是这些方法不需要可观测性或冗余测量。最近，[10] 中的作者提出了一种基于深度学习的贝叶斯状态估计方法，用于不可观测的配电网。数据驱动技术为提高配电系统中的电网可观测性提供了一种非常有前途的解决方案。受这些方法的启发，我们提出了一种具有有限感知的数据驱动状态估计来解决 DSO 面临的问题。在 [11] 中，提出了一种称为物理感知神经网络 (PAWNN) 模型的方法。其思想是将配电系统的物理连接嵌入神经网络模型中；然而，模型中连续层之间的连接保持不变，这可能导致不必要的连接。为此，本文提出了修剪的物理感知神经网络 (P2N2)。图 1 显示了所提出方法的图形摘要。首先，使用设置 Monte Carlo 模拟
使用基于 MPC 的关键服务恢复实现配电系统的弹性运行：预印本
摘要 -- 配电系统更容易发生中断，并导致大多数电力系统停电。我们提出了一种服务恢复技术，用于在极端事件触发的变电站停电后恢复系统服务（电力输送）。所提出的技术考虑了控制配电系统分布式能源 (DER) 的问题，目标是在满足网络流量和电压约束的同时实现最大负载恢复。该问题被表述为模型预测控制 (MPC)，其中采用线性化最优功率流 (OPF) 模型来描述网络。该公式通过增加 DER 的储备产品来增强，以确保随着时间的推移单调地恢复负载。我们考虑了集成了风能、太阳能、微型涡轮机和储能设备的 IEEE 13 总线测试馈线进行模拟。我们证明了所设计的技术在单调恢复系统负载方面的有效性，而不会切断先前恢复的负载。我们还展示了 DER 的功率和储备产品的共同优化对服务恢复的好处。此外，还展示了该技术在调节节点电压和减少可再生能源削减方面的能力。
基于机器学习的光伏大规模不平衡配电系统能量损耗估算方法
近年来，光伏 (PV) 在非平衡配电系统中的渗透率明显提高。在这种趋势的推动下，需要全面的仿真工具来快速准确地分析大型配电系统。在本文中，我们提出了一种对含 PV 的不平衡配电系统进行时间序列仿真的有效方法。与现有的迭代方法不同，所提出的方法基于机器学习。具体而言，我们提出了一种快速、可靠和准确的方法来确定含 PV 的配电系统中的能量损耗。将所提出的方法应用于带有 PV 并网单元的大规模不平衡配电系统 (IEEE 906 总线欧洲 LV 测试馈线)。使用 OpenDSS 软件验证了该方法。结果表明，所提出的方法具有很高的精度和计算性能。
使用强化学习恢复可再生不确定性下的配电系统：预印本
摘要 — 配电系统中的分布式能源 (DER)，包括可再生能源发电、微型涡轮机和储能，可用于在极端事件后恢复关键负载，以提高电网弹性。然而，在可再生能源不确定性和燃料可用性的情况下，正确协调系统中的多个 DER 以进行多步恢复过程是一个复杂的顺序最优控制问题。由于其处理系统非线性和不确定性的能力，强化学习 (RL) 成为解决复杂顺序控制问题的潜在有力候选者。此外，RL 的离线训练在在线操作期间提供了出色的行动准备，使其适用于需要及时、正确和协调行动的负载恢复等问题。在本研究中，研究了基于简化单总线系统的配电系统优先负载恢复：在可再生能源发电预测不完善的情况下，将 RL 控制器的性能与确定性模型预测控制 (MPC) 的性能进行了比较。我们的实验结果表明，与基线控制器相比，RL 控制器能够从经验中学习，适应不完善的预测信息并提供更可靠的恢复过程。
考虑调节服务和储能退化的随机配电系统规划方法
随着储能参与辅助服务市场的趋势，将快速变化的实时信号纳入长期配电系统规划中仍然具有繁重的计算负担。本文针对含储能的配电系统提出了一种两阶段随机规划，其中同时考虑了储能退化和频率调节的辅助服务收益。为此，将问题表述为混合整数线性规划，优化总体规划成本，包括投资和维护成本、电力交易成本和调节服务收益。在目标中加入了退化惩罚，以避免在提供调节服务时过度充电/放电，从而进一步有利于配电系统的经济性。该模型还考虑了负荷需求和电价的不确定性。采用高斯混合模型来表征这些不确定性，并抽样了一组代表性场景。为了加速优化，提出了一种改进的并行计算渐进式对冲方法。通过 33 总线配电系统证明，在 100 个场景中解决模型时，所提出的算法的速度大约是最先进的商业软件 Gurobi 的 15 倍。对于此案例研究，考虑退化惩罚已被证明可以将储能寿命延长一年。
输电线路配电系统故障检测
摘要：电力已成为我们所有人最抢手的便利设施。电力仅限于城市的时代已经一去不复返了。现在，它已经覆盖了世界每个遥远的地方。所以我们现在有一个复杂的电力系统网络。这种电力由输电线路传输。这些故障的发生是自然的。这些故障会损坏许多重要的电气设备，如变压器、发电机、输电线路。对于不间断电源，我们需要尽可能地防止这些故障。线路在输送电力时要延伸很长的距离，因此，该项目需要在尽可能短的时间内检测到故障。用于这些故障检测的基于微处理器和微控制器的系统发展迅速。本文模拟了使用 PIC 微控制器和 ADC 电流传感器检测故障的数值过流继电器。这些继电器比传统的机电继电器和静态继电器更可靠，响应更快。它们具有更大的设置范围、更高的精度、更小的尺寸和更低的成本，以及许多其他功能，例如故障事件记录、自动复位等。使用基于智能 GSM 的故障检测和定位系统来充分准确地指示和定位发生故障的确切位置。这将确保技术人员更短的响应时间来纠正这些故障，从而帮助避免变压器损坏和灾难。该系统使用电流变压器、电压变压器、PIC 16F877 微控制器、RS-232 连接器和 GSM 调制解调器。该系统自动检测故障、分析和分类这些故障，然后使用基于阻抗的算法方法计算故障与控制室的距离。最后，故障信息被传输到控制室。该项目是关于设计数字继电器，当输入值超过继电器中设置的参考值时，检测到故障，然后向断路器发出跳闸信号。总之，由于系统自动准确地提供准确的故障位置信息，因此定位故障所需的时间大大减少。关键词：PIC 微控制器、ADC 电流传感器、GSM。
利用 DER 进行配电系统规划
本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
增强弹性的动态配电系统恢复策略：预印本
摘要 — 在电力配电系统中，分布式能源 (DER) 可充当可控电源，并支持公用事业运营商在极端天气事件（如飓风、地震、野火）后最大限度地减少停电，从而有助于增强电网的恢复能力。同时，极端事件的影响和 DER 的能力是动态的，难以预测。因此，所需的配电系统恢复策略应该能够根据实时故障/扰动信息和 DER 的可用性进行发展。在本文中，我们提出了一种新的动态配电系统恢复策略，以增强系统对潜在危险的恢复能力。开发了一种有效的重构算法来消除整数变量的使用，从而减轻计算负担。实施模型预测控制以根据更新的故障信息和 DER 预测来调整系统拓扑和 DER 操作设定值。通过IEEE 123节点测试系统验证了所提出的恢复模型在增强配电系统弹性方面的有效性。仿真结果还验证了所提出的恢复模型可以缓解意外事件的发生和DER的波动。
智能电网配电系统的可靠性视角...
摘要 — 不断增长的电力需求给当前电力系统带来了可靠性、安全性、经济性和环境方面的挑战。智能电网概念是解决这些问题的关键，因为它使用数字技术彻底改变了传统的电力系统。电力系统包含三个部分，即发电、输电和配电。本文讨论了配电部分可靠性的重要方面和概念。由于配电系统 (DS) 的可靠性一直是公用事业提供商关注的主要问题，因此我们调查了现有的可靠性方法和最近的研究工作，以提高可靠性并计算可靠性指标。本文还考虑了将可再生能源配电发电 (DG) 和储能系统 (ESS) 集成到电网解决方案中，因为它们可以为消费者提供可靠的电力并减少电力损失、对集中式工厂的依赖以及对环境的影响。此外，本文从可靠性的角度强调了智能电网通信网络的未来挑战和发展方向。索引词 — 分布式发电、配电网络、储能系统、可靠性、可再生能源、智能电网通信
配电系统可靠性评估 - NTNU Open
该项目之所以取得成功，得益于 SINTEF 能源系统部高级研究员 Kjell Sand 博士的不断建议和指导。在这方面，我要衷心感谢他在我的工作中抽出时间和不断鼓励。他的智慧和幽默话语将永远铭记在我心中。