基于组合神经网络的配电网故障定位方法
摘 要：
为解决实际配电网中量测装置不完备导致电气信息获取不完全，分布式电源大量接入改变电网运行特性，传统配电网故障区段定位方法难以应用的问题，提出了一种基于组合神经网络的配电网故障定位方法，将全连接神经网络与图卷积神经网络相结合，搭建完整故障定位神经网络模型。神经网络模型输入层通过引入全连接神经网络将支路电流信息整合至节点上，为特征信息的进一步传递做准备；隐藏层由图卷积神经网络进行特征决策信息的提取、处理与转化；输出层增加了全连接神经网络，调整输出维度以输出故障定位结果。采用改进IEEE33节点系统进行案例分析，研究表明，搭建的图卷积神经网络定位模型可对配电系统中单相接地短路、两相短路等常见故障进行准确的故障定位。
基于改进麻雀算法的配电网故障定位
摘 要：
为提高配电网故障定位的速度和准确性，提出了一种基于改进麻雀算法的配电网故障定位方法。在麻雀算法中引入混沌初始化无限折叠迭代混沌映射，并对该映射方法进行了取固定参数和取模改进。建立了基于配电网结构和逻辑关系的开关函数；在此基础上，针对不同的配电网结构建立了相应的故障定位数学模型，并对单一电源、多电源配电网设定了不同的目标函数。在单一故障场景、有信息畸变的单一故障场景、多故障场景、有信息畸变的多故障场景中进行仿真测试。测试结果验证了该算法的准确性和有效性。在IEEE33节点场景下，将该方法与粒子群算法、遗传算法、蝙蝠算法进行了比较。结果表明，在模型建立正确的情况下，算法收敛速度更快，且具有很好的寻优能力。
分布式光伏发电系统接入煤矿配电网设计与研究
摘 要：
针对分布式光伏发电系统具有间歇性和波动性，系统内具有以电力电子设备为代表的谐波源，接入煤矿配电网后会对供电质量产生诸多不利影响的问题，文章阐述了分布式光伏发电系统的定位，明确了其接入煤矿配电网后的运行方式。从分布式光伏发电系统接入煤矿配电网后产生的变化，分析了其对煤矿配电网的影响，得到了接入后潮流分布的改变、光伏功率的波动及谐波源的注入是产生不利影响的主要因素，以及产生不利影响时的边界条件。通过对煤矿配电网特性的分析，总结了利用配电网负荷、最小三相短路电流限制不利影响的并网设计原则。