摘要:为了保证智能变电站的网络通信安全和整个变电站的稳定运行，提出了一种基于机器学习k-means聚类算法的异常流量分析方法。根据智能变电站中过程层网络的特性，结合对IEC61850智能变电站专有GOOSE （generic object-oriented substation event）以及SV （sample value）协议的报文结构解析，使用了一种基于信息熵的特征选取方法对智能变电站正常工作时站内网络通信流量进行特征分析选择，利用k-means聚类算法完成了对异常流量的检测分析及其相关分析。相较于以往方法，文中方法对智能变电站的过程层网络流量信息的特征进行了选取，根据信息熵理论，完成了重要特征的选择和冗余特征的剔除，提高了聚类算法的效率，提高了对异常流量检测的准确性。

摘要:在水电富集的地区，水电站作为一种灵活性电源用于提高电网的新能源消纳能力。提出了一种考虑灵活性的地区电网新能源消纳能力评估方法，该方法能够保证系统安全可靠，同时全额消纳新能源。首先，考虑源荷功率的相关性，采用K均值聚类技术生成典型场景；然后，通过灵活性电源的优化调度，使得系统在正常运行状态下全额消纳新能源，并在故障状态下使负荷削减量的期望值最小；最后，选取中国南方某沿海地区110 kV电网进行算例分析，研究新能源渗透率和最小负荷削减量期望值的关系，进而评估系统的新能源消纳能力，验证文中方法的有效性。

摘要:为了解决高耗能、低功率因数等负荷情况下传统降损措施难以满足线损率要求的问题，实现基于网络的线损管理方法，提出了一种配电网线路最优组合模型。阐述了线损电量优化分布方法在线损管理工作中的应用场景及解决的问题，并根据场景及应用需求，构建了线路最优组合模型。针对核心模块提出线路最优组合算法，以组合后线损率满足考核要求的线路数量最大化为目标，以线损率考核标准为约束条件，利用建模工具进行求解。算例结果表明：该模型能够有效确定配电网高损负荷的转移方向，为后续的网络重构、网络规划等工作提供可靠的依据。

摘要:为了实现微电网发电侧和用户侧双赢，提出一种考虑需求响应的孤岛微电网多目标经济调度模型。该模型在分时电价机制下引入需求响应，构建含用电效用和用电成本的负荷侧效益目标函数，同时，建立微电网发电侧成本最小目标函数。基于上述目标函数，通过调整使得微型燃气轮机的增量成本一致，实现微电网发电总成本最小。同时，根据分时电价调节可调负载的最优接入量，使得用户侧总收益在每个时段达到最大。为了验证模型的有效性，建立孤岛微电网仿真平台对需求响应的效果进行测试。仿真结果表明：所提出的经济调度模型能够在实现发电侧成本最小化的同时，实现负荷侧效益的最大化；在分时电价机制下引入需求响应后，用户侧效益提高了104%。

摘要:基于智能电网的双向通信基础设施与先进量测设备，个性化推荐技术从收集的需求侧大数据中获取知识，为优化电网运营提供有力支持，并向终端用户推荐面向能源的产品/服务/建议。研究首先探讨了个性化推荐技术的原理以及在需求侧中引入个性化推荐技术的前景；其次，介绍了实现智能电网需求侧推荐系统的关键技术，并对现有研究工作以及未来构建的需求侧个性化推荐系统进行分析；最后，讨论了实现需求侧个性化推荐系统可能遇到的挑战。

摘要:光伏发电是新兴的清洁能源发电方式之一，其光功率受辐照度等环境因素影响较大，导致注入电网的电量不稳定。采集的环境数据能准确预测发电量变化趋势，对电网平稳运行具有重要意义。现有光功率预测方法大多采用单个模型构建预测结构，当面对不同环境数据时预测结果不够稳定。文中提出一种基于双深度神经网络的光功率预测方法，该方法以BPNN （back propagation neural networks）和LSTM （long short term memory）为基础判别器，并通过遗传算法将二者融合为更加精确和鲁棒的光功率预测模型。在东北电网实际数据集上的实验结果表明，相比现有单一神经网络模型，文中提出的方法具有更高的判别精度，且预测结果更加稳定。

摘要:针对因消弧线圈引起的故障电流信号微弱，造成谐振接地系统发生单相接地故障识别率进一步降低的情况，考虑故障线路与非故障线路间零序电流波形相似度低的特点，提出一种谐振接地系统的配电线路接地故障选线新方法。用HHT （Hilbert-Huang teansform）和时频谱带通滤波法处理零序电流波形，构建各线路零序电流波形的时频能量矩阵，结合图像识别中的相似度识别法与综合相似系数矩阵，实现线路接地故障选线。结果表明，该选线方法对噪声干扰、两点接地故障等情况均有效。

摘要:台区负荷数据不仅作为时序数据呈现自相关性，还易受台区环境因素影响呈现非平稳性，因此预测精度不仅与预测模型结构有关，还与输入数据的时序特征有关。为了提高台区负荷的预测精度，提出一种基于混沌时序分析与核极限学习机的短期负荷多粒度预测模型。针对负荷数据的非平稳特征，通过变分模态分解算法将非平稳的原始信号转换成一系列相对平稳的子信号；针对负荷数据中的自相关特征，通过混沌时序分析方法，求解各个模态输入预测模型时的时间窗大小；构建多粒度核极限学习机预测模型，解决负荷数据中非平稳、自相关性对负荷预测的不利影响，提高模型的预测精度。结果表明，负荷的预测精度受输入数据时间窗大小的影响，不同模态分量的最佳时间窗的大小不同。采用混沌相时序分析的方法评估各个模态分量的最佳时间窗大小，可以有效提升核极限学习机的预测精度。

摘要:为研究不同种类绝缘油在热故障下油中溶解气体差异，对山茶籽绝缘油、FR3绝缘油、25#矿物绝缘油及油纸绝缘体系进行了90~250℃及300~800℃模拟变压器热故障试验，使用色谱法分析了热故障下油中溶解气体，得到相应气体组分、百分含量同热故障温度的对应关系。实验表明，热故障下山茶籽绝缘油的主要溶解气体为H₂与C₂H₆，FR3绝缘油为C₂H₆；矿物绝缘油低温（<300℃）热故障下为H₂与CH₄，中、高温（≥300℃）热故障下为CH₄与C₂H₄。植物绝缘油与矿物绝缘油热故障特征气体的差异表明，在变压器故障诊断中应根据绝缘油类型建立适用的油中溶解气体分析方法。

摘要:变压器扩展德拜等效电路是分析变压器绝缘老化情况的重要途径，针对变压器等效电路极化支路数及其参数求解难的问题，根据电介质极化响应理论，提出去极化电流时域微分解谱法，分解去极化电流曲线中各个子谱线组成部分，并根据子谱线参数判定等效电路极化支路数和辨识等效电路参数，为构建准确反映变压器油纸绝缘状态的等效电路提供可靠而简便的方法，并通过与其他辨识方法进行对比，验证文中方法的有效性，从而为准确评估变压器绝缘状态提供重要依据。

摘要:随着全球化石燃料短缺日益严重，可再生能源的开发与利用愈发得到重视。风能是被广泛使用的清洁能源之一，在生产工作中，风力发电作为风能的主要利用形式，需要对其功率进行预测。依托风场日常记录的历史数据，传统学习模型可对风功率进行短期预测，但往往仅使用自己域内的历史数据作为分析对象，该类算法导致结果片面，局限性大，不能有效使用类数据中的隐含联系，抑制原始数据缺失或异常值引起的模型性能下降问题。笔者设计一种基于历史数据深度迁移的短期风功率预测模型。首先，使用带降噪处理的自动编码机构建深度神经网络模型。其次，应用深度迁移方法共享隐藏层，挖掘特征之间的隐含联系。最后，从具有相似特征和地理位置的风场数据中迁移重要知识，提高模型准确率和可靠性。实验结果表明，研究方法较之未使用迁移的方法更充分利用现有数据，预测准确率显著提高。