预判

配电自动化关注配电线路的故障问题，设备本身异常问题发现不及时，无法支撑故障预判，容易造成大事故发生。配电室/箱变/环网箱各个部分设备相互独立，采集数据难以集成，缺乏统一的管理和调度。日常巡检/周期性巡检只能解决表面问题和局部问题，缺乏实时与有效的技术手段。设备资料及历史运维记录信息电子化管理不足，导致运维工作效、率低，可控性不足。设备数量多、厂家多，专业人员不足成常态，自动化考核严，人员投入大，缺乏专业的运维团队。

我国电力市场目前仍处于改革中，电力企业代理购电预测的准确与否，在市场资源配置中起着决定性作用。为保证代理购电机制平稳发展，需明确电力企业市场化购电规模。目前代理购电电量主要是根据代理购电工商业用户用电量及典型负荷曲线进行预测，缺乏完整的体系，难以精确预测，导致缺少合理的规划。文章提出一套相似日月度预测算法与混合时序月度预测算法相结合的智能算法，用于代理购电业务电量预测与评价，围绕江苏省2022年用电情况进行预测，从5个维度对预测结果进行评价，帮助电力企业精准预判整体售电量规模，合理规划购电计划。

本项目研究：将分布式新能源发电及储能应用到变电站交直流电源系统中，形成将单一电源模式改变集新能源发电、站用变、储能于一体的综合型交直流一体化系统。 目前单一对蓄电池的状态监测、年度维护等手段，因受到监测能力有限、判断依据有限、“治疗”手段有限、维护周期有限等客观条件限制，使蓄电池的全面健康管理显得很不足够，达不到提前发现和预防蓄电池问题。 本项目将研究：益电池从监测、预判、主动均衡新技术的综合应用多维管控蓄电池，达到既全面监测蓄电池状态，又通过浅放电技术预判电池状态，且能实时进行主动均衡，达到维护和保持蓄电池最佳运行状态。

近几年，智能、人工智能技术在各行业应用非常广泛，电力行业也不例外，国网第三代智能站的研究应用已进入实用阶段。电力变电站用直流电源系统是发电厂和变电站的重要设备，它的运行水平对发电厂和变电站以及电网的安全稳定运行具有特殊重要性，而直流电源系统核心部件蓄电池组作为后备电源运行，长期处于浮充电状态，极易造成极板硫化，蓄电池内阻增大甚至单节电池开路。另外作为直流电源另一核心部件的充电机组，在现场运行过程中由于各种外部与内部原因如:交流输入电压过高、板件老化失效等造成的充电模块性能下降甚至损坏情况的发生以及运行特征参数的监测手段不够完善，导致运维人员不能及时高效的对充电模块做安全处理。目前的直流系统主要针对如交流输入电压、母线电压、蓄电池组电压、单节电池电压、馈线开关量等一些基本参数的检测，这些检测只能做到直观显示电源系统的一些基本情况,而对发生故障一些背后的原因得不到深入分析与诊断，更不能做到一些故障的预判。当下随着电网生产运行管理任务的日趋深化和复杂，对工作标准、流程和质量日益严格要求，对专业管理的精细化要求不断提高。所以针对直流电源系统急需研究集约化程度更强、效率更高的运维技术手段。对于蓄电池性能预估可以是基于模型的性能预测方法，也可以采用基于数据驱动的方案，而基于模型的方法多用于机械形式的性能预判领域，类似蓄电池这样的物理模型较为复杂的情况很难用一个确定的状态方程描述的研究对象实用性不强，所以对于蓄电池组这里采用数据驱动方案完成蓄电池性能的预判。

站用电源系统承担着为整个变电站站用设备供电的重要任务，其重要性不言而喻。目前的变电站站用电源各个部分都有故障在线监测设备，对设备运行情况进行实时监测，对于已发生的故障进行实时告警。但是各个监测之间故障判断逻辑孤立，不能进行综合分析。设备运行的历史数据没有进行有效的管理，无法对设备的运行情况做出提前预判，无法对设备的供应商进行有效评估。所以建立一个站用电源的大数据采集分析平台，将站用电源的监测数据全部采集到平台下，以实现设备运行情况的实时监控，对站用电源的数据进行长期的保存和分析，根据统计给出运行维护的建议。对大数据的关联和深度的再学习能实现对于故障的提前预警，及早关注使得处理能在故障真正的发生之前，提升运行维护水平。另外在该平台下还可以结合智能化的设备实现运行维护的远程操作，可以大大提高运行维护的效率。

电力系统转型过程中不确定性、强非线性、多层次性、开放性、高度耦合性等复杂系统特点凸显，传统理论方法体系难以应对系统演化发展多方向性、有序进化多规律性及安全风险涌现性等复杂系统独有难题。综合还原论与复杂性科学，研究电力系统复杂特性表征与机理分析、安全风险预判、系统构网规划、运行状态表征及控制等问题，对认识和构建新型电力系统具有重大意义。

介绍河南公司超特高压输电线路长度11115公里，可视化覆盖率5400余套，基本已实现重要线路设备、人员、隐患的全过程可视化运维智能化管理。提出目前有效的在线监测技术手段较少，实用化程度需进一步加强，应充分利用“大云物移智链”等信息交互、人工智能、边缘计算等技术手段，提升数据自动采集、自动获取、灵活应用能力，实现设备全方位全天候感知、数据云边处理、状态辅助预判、安全智能管控、运检效益提升，构建输电专业各个环节万物互联、人机交互的良好局面，推进输电专业管理模式向更智慧、更高效、更安全转变，实现输电通道“全采集、畅通道、能分析”，线路全过程无人巡视及线路智慧检修。

针对不带并联电抗器的新能源送出线，能否正确区分故障性质是确保新能源系统安全可靠运行的重中之重。为降低新能源送出线故障对电力设备和系统的冲击，提高重合闸成功率，减少新能源发电系统脱网的发生，提出基于可控串联电抗限流信息的新能源送出线路故障性质识别方法。在送出线路上设计串联可控限流电抗器，在线路故障相跳闸时基于等值阻抗的预判投入可控电抗，在串联电抗限流特性下分析瞬时性故障和永久性故障时的线路电流差异，建立电流突变量比较判据，并能够确定故障电弧熄灭时刻，进而构建新能源场站送出线路基于故障性质识别的自适应重合闸策略。仿真结果表明，所提方法能快速、可靠地识别结果，应用在新能源场站送出线路工程上能有效提高线路的重合率。

新型电力系统的发展给电网安全带来了一系列挑战，包括自然灾难、设备故障、电网管理、恶意破坏等传统风险，以及大规模可再生能源接入和信息技术快速发展等新兴安全问题。文章梳理了国外电力系统及我国新型电力系统的发展特征和形势，研判了新型电力系统下的电网安全风险和挑战，并从预测预警预判技术、极端气候对电网的影响、网络信息安全、风险管理标准4个方面梳理了全球应对电网安全的措施。在此基础上，提出加强电网前瞻性规划部署、提升电网资源配置效率和整体韧性、推动先进技术研发和应用、完善风险管理措施等应对建议，期望为我国电网提高电力供给能力、安全稳定性、韧性提供参考依据。

为了提升变电设备运维管理的智能化水平，及时发现并预防因设备过热导致的故障风险，保障电网安全稳定运行，提出了变电设备温度态势感知及辅助决策方案。 方法 从感知层、理解层、预测层和辅助决策层4个方面展开研究。在感知层，利用K近邻(K-nearest neighbor，KNN)分类算法分析多类温度数据的关联性。在理解层，通过BP神经网络构建历史数据传递模型，以处理历史数据缺失问题。在预测层，为应对非线性数据和噪声，设计了自回归积分滑动平均(autoregressive integrated moving average，ARIMA)模型与支持向量机(support vector machine，SVM)组合的温度预测模型。在辅助决策层，应用灰色关联度分析设备温度变化与故障风险之间的关系。 结果 基于所提方案的算例验证结果表明，该方案实现了对设备未来温度变化趋势的有效感知，并为设备缺陷判断提供了依据。 结论 所提方案通过多维度、深层次的温度数据分析，揭示了设备温度与故障风险之间潜在的关联关系，实现了对变电设备运行趋势的预判，为变电设备运行方式优化以及制定设备检修计划提供参考。