登录注册
请使用微信扫一扫
关注公众号完成登录
我要投稿
编者按
“双碳”目标下,能源结构发生显著变化,分布式能源与非线性负荷大量接入电力系统,谐波源数量剧增,谐波污染问题越发严重和复杂。为有效治理谐波,国际上提出了谐波治理的“奖惩性方案”,而准确的谐波责任划分是该方案实施和有效谐波治理的重要前提。
《中国电力》2025年第1期刊发了陈仕龙等撰写的《基于相关性分析的电网非同步监测数据场景谐波责任划分》一文。文章提出一种综合考虑数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,利用分段聚合近似算法进行降噪预处理,而后利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)处理数据间的非同步性问题;其次,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)进行划分场景,分场景讨论谐波责任;最后,采用大数据分析思想,利用相关性分析方法构建各场景谐波责任和总谐波责任指标,并将各场景时长占比考虑在内。通过仿真分析和电网实例分析对本文方法进行验证,其谐波责任结论具有准确性与合理性,可进一步进行工程应用验证。
摘要
针对传统谐波责任划分方法需采用专门同步设备监测数据,且需基于等值电路模型划分谐波责任,工程应用较为复杂等不足,采用现有谐波监测装置非同步测量数据,提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,对原始非同步监测数据集采用分段聚合近似算法进行降噪预处理,利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)实现数据匹配对齐;然后,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)划分场景以处理电力系统中因负荷投切和无功补偿装置切换等情况导致的谐波责任变化;最后,基于相关性分析构建场景谐波责任和总谐波责任指标,在指标构建的过程中引入了场景时长占比这一因素以得到更加科学合理的总谐波责任值。通过仿真验证和电网实例验证,该方法能基于现有非同步性监测数据实现各用户合理时间尺度动态谐波责任划分,可为工程上的快速谐波责任划分提供一定的新思路和新方法。
01 监测数据非同步和谐波阻抗变化下的相关性分析
1.1 谐波监测数据的相关性分析
当电力系统中存在多个谐波源分散分布时,任一关注母线上的谐波电压畸变都是由所有谐波源注入谐波电流而引起的共同结果,其多谐波责任划分通常可等效为如图1所示的模型。
图1 多谐波源电力系统等效模型
Fig.1 Equivalent model of multi-harmonic source power system
以云南电网某变电站的谐波监测数据为例,分别对3条馈线和母线处采集24 h的7次谐波电流和7次谐波电压,其3条馈线的谐波电流和母线谐波电压数据变化趋势如图2所示。可以看出,母线处的谐波电压和各馈线谐波电流变化趋势存在一定的相关性,但不同馈线谐波电流与母线谐波电压的相关性存在明显差异,且不同时间段相关性存在变化。
图2 3馈线7次谐波电流与母线7次谐波电压变化趋势
Fig.2 Variation of 7 th harmonic current of three feeders and 7 th harmonic voltage of bus
以云南电网某变电站严格对齐且无明显谐波阻抗变化的监测数据为例,关注母线处的7次谐波电压幅值与所接入的馈线谐波源的7次谐波电流幅值之间的线性相关性散点图如图3所示,其斜率与馈线的转移谐波阻抗Zsh有关,截距与非关注谐波源共同产生的谐波电压U0h有关,多个谐波源存在多个线性相关性。
图3 谐波源线性相关性散点图
Fig.3 Linear correlation scatter plot of harmonic sources
从以上分析可看出,在数学上母线谐波电压近似由网络内所有谐波源线性组合而成,不同母线受各谐波源的影响存在差异。受同一种或多种谐波源影响的母线,其母线谐波电压数据与各馈线谐波电流存在一定的关联性特征,在时间序列上体现为数据间波动的相似性。
1.2 谐波监测数据的非同步性
电能质量监测装置监测点如图4所示,监测装置一般部署在10 kV母线公共连接点上,数据采样间隔为3 min,可获得母线谐波电压数据以及m条馈线的谐波电流数据。
图4 谐波监测数据采集示意
Fig.4 Harmonic monitoring data acquisition schematic
由于母线谐波电压采集和馈线谐波电流采集分属不同监测装置,而电能质量监测装置以本地时钟为参考基准进行数据采集,这就造成了不同监测点数据采集的非同步性。同时,非同步测量下现有监测装置难以获取谐波电压电流瞬时值。
而目前电网公司所使用的谐波监测装置输出的测量数据一般为监测周期内的统计值,如最大值、最小值、平均值和95%概率大值,母线谐波电压能反映电力系统及供电用户谐波综合作用的最终结果,因此常选取谐波电压统计值进行谐波责任分析。不同组统计数据间常常会在数据时间上出现错位和偏移,进一步加剧了谐波监测数据间的非同步性。
若以在正常工况下采集图3数据来源的变电站母线谐波电压监测数据和馈线谐波电流监测数据,以馈线谐波电流幅值为横坐标、母线谐波电压幅值为纵坐标的散点图如图5所示。可以看出,非同步采样下其监测数据不再线性分布,无法衡量出数据间的相关性程度。即使通过网络校时等方法来校正时钟,也很难实现数据间的完美同步。
图5 非同步采样下谐波监测数据散点图
Fig.5 Scatter plot of harmonic monitoring data by asynchronous sampling
1.3 含谐波阻抗变化的谐波监测数据
在实际运行的电力系统中,当谐波监测装置数据监测周期较长时,谐波阻抗可能因系统运行方式改变、负荷投切和无功补偿装置切换等情况发生改变,将对如何准确划分谐波源s应承担的谐波责任产生较大影响,不同时段谐波源s的应承担谐波责任将差别较大。
延长图3数据的监测周期,将该变电站含运行方式改变和负荷投切的时段纳入数据监测周期,其监测数据散点图如图6所示。可以看出,其数据间的相关性发生了显著变化,不能再以一个固定相关性系数区衡量该时段内谐波源应承担的谐波责任。
图6 谐波阻抗变化下谐波监测数据散点图
Fig.6 Scatter plot of harmonic monitoring data under harmonic impedance change
02 本文谐波责任划分方法
2.1 数据预处理
电能质量监测数据具有高噪声等特点,直接使用原始数据进行谐波责任划分会导致计算结果精确度不高,通过对谐波监测数据进行降噪可有效改善该问题。本文采用分段聚合近似算法(piecewise aggregation approximation,PAA)对谐波监测数据进行预处理。将谐波监测数据表示为时间序列v={v1,v2, ···, vi, ···, vm},vi表示第i个监测数据,m表示序列长度。
采用文献[21]中经典PAA算法对谐波监测数据进行降噪处理,即
式中:ω为时间窗口长度;为预处理后的第j个谐波监测数据;PAA降噪处理后的数据为
长度为n。经PAA处理后,数据可留存原有信息,且数据噪声显著降低。
2.2 基于ShapeDTW算法的数据对齐
电能质量监测数据是一种典型的时序数据,不同监测点采集的数据序列存在局部位移。动态时间规整算法(dynamic time warping,DTW)能够对各时序数据点进行非同时刻映射,有效处理序列中的局部位移现象,衡量2个非时间序列之间的相似程度。在进行存在局部位移的曲线匹配时,DTW距离对应与传统欧式距离对应对比如图7所示,可见欧式距离在度量存在时移但局部相似的曲线时并不适用,而DTW距离可准确度量其对应关系并进行匹配。
图7 DTW距离对应与欧式距离对应对比
Fig.7 Comparison of DTW distance correspondence and Euclidean distance correspondence
通过求解最优匹配路径和对齐方式,可得到母线监测谐波电压序列和馈线监测谐波电流的距离矩阵,从而定量分析两者之间的相关性。设馈线谐波电流序列和母线谐波电压序列分别为x={x1, x2, ···, xm}和y={y1, y2, ···, yn},序列长度分别为m和n。首先,构造一个m行n列的距离矩阵M,其中M[i,j]表示序列x的第i个数xi与序列y的第j个数yj的欧氏距离。其次,设累计距离矩阵为Mc,其第1行和第1列初值为
累计距离矩阵其余部分计算方法为
式中:2≤i≤m,2≤j≤n,i、j∈N。
最后,确定序列x和y的DTW距离。由式(3)可知,累计距离计算的过程相当于计算序列x和y的最优对齐方式,并将最优匹配方式下的累计距离计入矩阵末尾,即可得2组序列数据的整体最小累计距离D(x,y)= Mc[i,j]。其值代表2组序列在趋势特征和时间特征上的相似程度,值越大则相似度越高。
在实际工程应用中,利用DTW算法进行母线谐波电压和馈线谐波电流点对点数据匹配时,会出现图8中2点之间距离最小但忽略局部形状相似度的不合理匹配,导致A点与B′点匹配。但从图8中2组数据的形状相似度对比,可明显看出A点应与
图8 合理匹配与不合理匹配示意
Fig.8 Schematic of reasonable and unreasonable matching
为有效避免此种类似不合理匹配情况的出现,使具有相似局部形状的监测数据序列点趋于匹配,本文在DTW算法匹配的基础上,采用ShapeDTW算法将序列点周围的局部形状信息合并到动态规划匹配过程中,实现数据匹配对齐。ShapeDTW算法实现数据匹配对齐步骤如下。
1)本文进行的谐波责任划分是研究2序列x和y之间的责任关系,此处选择以序列x为基准序列,序列y为待对齐序列。以2序列每个元素为中心,截取长度分别为Lx(Lx≪m)和Ly(Ly≪n)的子序列,可得序列x的子序列矩阵X′(m×Lx维)和序列y的子序列矩阵Y′(n×Ly维)。
2)对于矩阵X′的每行数据序列x′(i)(i=1, 2, ···, m),按如式(4)所示原则与矩阵Y′的每行数据序列y′(j)(j=1, 2, ···, n)进行最优匹配,设式(4)在处取得最小值,即表示序列x的元素xi与序列y的元素yj匹配。
3)保存基准序列x不变,将与xi匹配的yj分配至新序列y′中的第i个元素,即按以上规则对序列y重构,形成新序列y′。
2.3 基于OPTICS聚类的场景划分
采用本文方法将非同步的馈线谐波电流数据和母线谐波电压数据对齐后,可实现数据间的同步性。但针对1.3节中含谐波阻抗变化的谐波监测数据,如未考虑谐波阻抗变化对谐波责任划分的影响,其谐波责任划分结果的合理性与适用性将存疑,对此这里将不同谐波阻抗对应的运行场景划分为不同的簇,然后再对各场景下的谐波源进行谐波责任划分。
OPTICS聚类算法是一种基于密度的聚类算法,在DBSCAN聚类算法的基础上改进得到。DBSCAN算法存在易受输入领域参数(ε, β)的影响,当参数取值不同时,DBSCAN聚类结果也不同的情况。而OPTICS算法通过生成一个反映各样本点基于密度聚类结构的有序队列实现灵活聚类。从理论上来讲,OPTICS算法可对不同密度的数据进行聚类,获得任意可分形状的簇。
假设数据集为X={x1, x2, ···, xi, ···, xn},邻域半径为ε,最小数目为β。核心对象定义为:如果ca(xi)≥β ,则xi为X的核心对象点,其中ca(xi)表示点xi邻域内所包含的元素数。直接密度可达定义为:若xi属于xj的邻域且xj为核心对象点,则称xi是xj的直接密度可达点。核心距离定义为:xi的核心距离为使xi成为核心对象点的最小领域半径。可达距离定义为:xj关于xi的可达距离为xi的核心距离和xj与xi之间欧几里得距离的距离最大值。以谐波阻抗为聚类依据的基于OPTICS聚类算法的场景划分步骤如下。
1)遍历样本集E中的元素,判断该元素是否为核心对象,是则归入到集合Ω中,否则继续判断下一个元素,直至遍历全部元素。
2)在集合Ω中任意选取一个未被处理的对象点p,将该点标为已处理,寻找该点所有直接密度可达点,并按可达距离大小,将所有直接密度可达点依次排序存入集合S中。
3)若S为空集,则返回步骤2);若S不为空,则选取集合S中可达距离最小的样本点q,标记为已处理,将该点存至有序列表M中,并判断点q是否为核心对象点,是则继续步骤4),否则返回步骤3)。
4)寻找点q所有直接密度可达点aq(j),若aq(j)已存在M中则不做处理;否则判断S中是否已存在aq(j),存在则继续步骤5),不存在则跳到步骤6)。
5)若此时关于当前对象新的可达距离小于旧可达距离dr(i),则将其对应的可达距离替换为
对S按可达距离重新排序,返回步骤3)。
6)插入点aq(j),对S按可达距离重新排序,返回步骤3)。
7)将样本集E中所有元素按步骤2)~6)处理完毕。
以处理顺序为横坐标,可达距离dr(i)为纵坐标,生成有序队列图。根据有序队列图选取合适的邻域半径ε,若dr(i)<ε,则该可达距离有效,将其聚为一类,输出低谷数据,得到最终聚类划分结果。OPTICS聚类完成后,监测数据集被划分为不同场景的数据簇,可在各簇数据基础上利用相关性分析方法进行谐波责任划分。
03 谐波责任指标
为更有效地刻画出第1节中的馈线谐波电流和母线谐波电压的线性关系程度,本文采用相关性分析方法进行谐波责任划分。母线谐波电压和各馈线谐波电流变化趋势具有一定的相关性,不同馈线不同运行场景对应的相关性存在显著差异,需定量分析其相关性系数大小,进而根据相关性系数大小确定各谐波源的谐波责任。用变量之间的相关程度来描述变量间的线性关系,其相关性可以用系数r(x,y)为
式中:xi和yi分别为馈线谐波电流序列x的第i个元素和母线谐波电压序列y的第i个元素;分别为序列x的均值和序列y的均值。r(x,y)∈[−1,1],当r(x,y)的值趋向于1时,代表2序列间具有良好的正相关性;当r(x,y)的值趋向于–1时,代表2序列间具有良好的负相关性;当r(x,y)的值趋向于0时,代表2序列间不存在相关性。
在同场景时段内,谐波责任保持相对稳定。若该监测周期内含k个同场景时段,对于第a个同场景时段(a=1, 2, ···,k)的谐波责任ra为
式中:x(a)和y(a)分别为第a个同场景时段下的馈线谐波电流子序列和母线谐波电压子序列。
为更加直观地对比各馈线谐波责任的相对大小,并便于谐波责任奖惩方案的实施,本文对ra进行归一化处理。在归一化过程中,以所有馈线谐波源在母线共同造成的结果为基准值1,使所有馈线谐波责任相加为1,其中负值代表该馈线并未产生谐波反而被迫吸收了谐波,为谐波责任划分中的受害者,其值为所有谐波源在该馈线共同作用的谐波。
将所有ra中的正值处理为
式中:b为正值的个数;Ba(i)为第i条馈线在第a个场景下应承担责任的系数(假设该母线连接有N个谐波源馈线,i=1, 2, ···,N)。
归一化完成后,产生谐波的馈线应承担的责任为吸收谐波的馈线被迫承担的责任为
其计算过程为
式中:为ra中的负值,表示该馈线被迫承担的谐波责任;c为负值
的个数。
综合考虑各场景下谐波责任对应的时间范畴,累计第i条馈线第1个至第k个同场景时段的谐波责任,馈线i在监测周期内的总谐波责任Fi为
式中:Ea(i)为第i条馈线在第a个场景归一化后的谐波责任值;T(a)为监测周期内第a个同场景时段的时长。此后,运用该归一化方法,对总谐波责任进行归一化处理,得到更加直观和便于比较且考虑时间范畴的各馈线总谐波责任。
04 算例分析
4.1 仿真分析
为验证本文方法的可行性和准确性,在Matlab/Simulink平台上搭建如图9所示的3馈线多谐波源系统,进行谐波责任划分仿真分析。
图9 多谐波源等效电路
Fig.9 Equivalent circuit of multi-harmonic sources
以5次谐波为例,各时段的馈线与母线采样时间差以及系统侧和用户馈线侧仿真参数设置如表1所示,共采集组样本点数据。其中,系统侧5次谐波电压源US=50 V,用户侧3条馈线的5次谐波电流源分别为Ic1=7.1 A、Ic2=5.4 A和Ic3=3.5 A。为模拟电网中谐波源的扰动,分别向系统侧谐波电压源和3个馈线谐波电流源加入以初始值为中心,方差和
的正态噪声扰动。
表1 仿真参数
Table 1 Simulation parameters
运用本文方法对仿真得到的样本数据进行预处理,时段1中馈线1的部分谐波电流测量数据预处理后效果对比如图10所示。
图10 数据预处理效果
Fig.10 Data preprocessing effect
从图10可见,预处理后数据分布比预处理前更趋于稳定,且离散点和奇异值减少,但其变化趋势和规律仍与原来一致,数据在保留了原有信息的同时噪声显著降低。
数据预处理后,由于仿真设置中母线谐波电压采集和馈线谐波电流采集之间存在非同步时间差,其时序数据之间并非存在一一对应关系。为此,以母线采集到的5次谐波电压为基准曲线,对预处理后的3条馈线时序5次谐波电流数据曲线采用本文方法实现数据匹配对齐。为清晰展示,以时段2馈线1匹配对齐的过程为例,截取部分数据进行分析验证。忽略曲线之间的幅值大小,保留曲线形状和变化趋势,将多条曲线置于同一坐标轴下进行对比分析,其对齐前后的对比如图11所示。
图11 部分数据的匹配对齐
Fig.11 Matching alignment of partial data
从图11中馈线5次谐波电流变化曲线和母线5次谐波电压变化曲线可见,在该场景下两者间具有强相关性,局部位移将导致两者间的相关性发生显著变化。若未对时序数据序列存在的局部位移进行有效处理,而直接基于相关性分析进行谐波责任划分其结果将失去真实性与可靠性。对齐后的馈线5次谐波电流曲线能与母线5次谐波电压曲线实现图11中A点与B点平行于y轴的一一对应,其馈线5次谐波电流曲线对齐前后同一点对应的时间差与仿真设置的条件一致。
将非同步采样下的时序数据序列匹配对齐后,不同场景下的谐波阻抗仿真参数具有显著变化,其变化也将导致母线谐波电压和馈线谐波电流的相关性发生改变。对此,采用OPTICS聚类算法进行聚类分析,以实现不同相关性的场景划分。图12中,横轴表示谐波数据的处理顺序,纵轴表示当前处理对象的可达距离。将可达距离dr(i)与设置好的领域半径ε进行对比,若dr(i)<ε,则该对象可达距离有意义,对应的谐波数据被聚为一类。输出水平线ε与曲线dr(i)相交处以下的低谷数据有4簇,对应仿真设置的4个场景。
图12 OPTICS聚类的有序队列
Fig.12 Ordered queue of OPTICS clustering
此后,运用本文基于相关性的谐波责任划分方法计算各场景下的谐波责任,并以同一场景下各馈线谐波源在母线造成的电压畸变为基准值进行归一化,各场景下馈线5次谐波责任的计算结果如表2所示。可以看出,同一馈线在不同场景下5次谐波责任具有明显差异,不同场景下各馈线间的5次谐波责任相对大小关系不同。在场景1中,馈线2被迫吸收了谐波,为谐波责任划分中的受害者,与母线共同承担了谐波源造成的后果,但随着场景的变化,该馈线由受害者转变为责任者。
表2 各场景下馈线的谐波责任
Table 2 Harmonic responsibility of the feeder under each scenario
从表1的仿真参数设置中可看出,不同场景对应的时长不同,表2的谐波责任为该场景下对应的责任,但各场景的谐波责任所对应和持续的时长不同,若按以往不考虑对应场景时长进行场景划分的方法把各场景谐波责任简单相加取平均值作为考虑场景划分后的总谐波责任,其结果难以信服。对此,运用本文考虑各场景时间范畴进行谐波责任划分的方法计算考虑场景时长占比后的各场景5次谐波责任如表3所示。
表3 考虑场景时长占比后的谐波责任
Table 3 Harmonic responsibility with consideration of the scenario duration percentage
表3得到的谐波责任相对大小关系代表该馈线在该场景下对监测全周期的总谐波责任贡献度的相对大小。结合表2和表3,以馈线1为例进行分析。馈线1在场景1时谐波责任最大,但在综合考虑各场景相对时长占比和谐波责任大小后,场景3下的谐波责任对总谐波责任结果贡献最大。馈线1在场景1时为短时局部谐波责任最大,场景3虽谐波责任和时长占比都并非最大,但在考虑谐波责任大小和持续时间后,该场景下的谐波责任对馈线1的总谐波责任贡献度最大。
为验证本文方法考虑监测数据非同步性、谐波阻抗变化和场景持续时长的必要性,将本文方法计算得到的总谐波责任与未进行上述考虑(在对比过程中,仅以其中一种作为自变量)的结果对比分析,结果如表4所示。
表4 总谐波责任对比
Table 4 Total harmonic responsibility comparison
从表4可以看出,如未对局部位移造成的谐波数据序列非同步性进行有效处理,而直接基于相关性分析进行谐波责任划分,其计算结果已不再具有工程实际价值。未考虑谐波阻抗变化不进行场景划分的计算结果与进行场景划分并考虑场景时间范畴的计算结果存在一定差异,但其数值大小整体相对接近。这从侧面验证了本文方法的准确性,进行场景划分后谐波责任计算结果的精度有较大提升,能有效应对谐波阻抗变化对谐波责任计算带来的影响。考虑场景划分后各场景持续时长占比的谐波责任划分方法可改进以往只进行场景划分(默认各场景时长相同)带来的不足,有效处理监测全时段内谐波责任的短时剧烈波动,使谐波责任计算结果更加精准。
4.2 实例分析
为验证本文方法在实际工程运用中的有效性,以云南电网公司某110 kV变电站10 kV母线及该母线所包含的3条馈线为例进行谐波责任划分。电能质量监测装置监测点如图4所示,监测周期为该变电站谐波污染较为严重的7天。由于数据体量较大,为清晰展示,综合考虑该变电站监测周期内各次谐波电压含有率、各馈线间不同次谐波电流含有量差距和各次背景谐波波动情况后,本文以7次谐波为例进行谐波责任划分分析。
按本文方法步骤进行7次谐波责任划分,结果如表5所示。表5中各场景谐波责任为未考虑时长占比的馈线谐波责任值,全时段谐波责任为考虑各场景时长占比后的监测全时段总谐波责任值。
表5 实例分析的谐波责任划分
Table 5 Harmonic responsibility division in case study
从表5可以看出,3条馈线的7次谐波责任在监测周期内存在明显波动,3条馈线在不同场景下谐波责任有显著差异且变化趋势不相同。虽谐波责任存在变化,但在各场景中馈线1的谐波责任均为最大,与全时段总谐波责任结论一致。以馈线1为例,虽该馈线在场景2时谐波责任最大,但持续时间不长,综合考虑各场景时长占比后,场景3下的谐波责任对该馈线总谐波责任值贡献最大。若未考虑各场景时长占比,其总谐波责任值将受短时剧烈波动的影响而远离于整体值。馈线1应承担7次谐波主要责任,馈线3承担次要责任,馈线2为谐波责任划分中的受害者。
实际生产运行中很难切断某条馈线来验证本文方法的合理性,经调研和查阅该变电站资料,对3条馈线所接负荷类型和大小分析,与馈线1和馈线3主要产生谐波的分析结果相符。根据该变电站的运行资料,本文方法划分的场景个数及其大致时长占比与该变电站的运行场景情况基本一致。综合上述分析,本文方法所得谐波责任划分结果与电网实际运行情况较为符合。
05 结语
本文提出了一种在考虑电网现有谐波监测数据非同步性和谐波阻抗变化后,基于相关性分析进行谐波责任划分的方法,并通过仿真分析和实例分析验证了该方法的可行性与合理性。
该方法为实际工程应用中谐波责任划分问题提供了新思路和新方法,但在长时间尺度内面临复杂工况时的适用性和可靠性还有待探究。下一步将利用谐波责任划分结果进一步制定合理性经济性指标,并对在线应用进行研究。
注:本文内容呈现略有调整,如需要请查看原文。
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
4月28日,国家能源局举行新闻发布会。发布会上,国家能源局发展规划司副司长邢翼腾介绍了2025年一季度电力可靠性数据情况。邢翼腾表示:从今年一季度电力可靠性数据来看,全国电力供应总体平稳,电力系统及设备持续安全稳定运行,各项电力可靠性指标持续向好,为保障电力安全可靠供应提供了有力保障。
2025年4月,交通运输部联合国家发展改革委等十部门发布的《关于推动交通运输与能源融合发展的指导意见》(以下简称《指导意见》),不仅是一份政策文件,更是中国在“双碳”目标下的一场系统性变革的宣言。这份文件以交通与能源的深度融合为核心,试图打破行业壁垒,重塑产业链条,为中国乃至全球的绿
4月25日,国网太原供电公司启用“带电作业+发电车保障”新模式,这意味着,太原市实现配网不停电作业全覆盖。在环网柜更换现场,工作人员将一台1000千瓦中压发电车和两台500千瓦低压发电车接带周边供电负荷,同步拆除安装新旧环网柜,整体工作一气呵成,居民和商户用电没有受到任何影响。在此之前,更
近日,陕西西安供电公司完成10千伏线路跨750千伏供区合环不停电倒负荷作业。这是陕西电网首次开展10千伏线路跨750千伏供区不停电合环倒负荷作业。受制于瞬间合环电流大等因素,跨750千伏供区的配网线路进行运行方式调整易造成环网设备电流越限跳闸等问题,过去只能采用停电方式调整。对此,西安供电公
4月23日,国网湘潭供电公司组织运维人员对220千伏西湖变电站和110千伏马家岭变电站开展雨后设备巡视,另一组运维人员同步利用远程智能巡视系统查看变电站设备运行状态,确保电网设备在汛期安全稳定可靠运行。近期,湘潭地区遭遇了连绵不断的雷雨天气,给电网运行带来不小的挑战。该公司制定了详细的排
新型电网运行控制系统赋能电力系统数字化智能化发展为了加快构建清洁低碳、安全充裕、经济高效、供需协同、灵活智能的新型电力系统,更好推动能源生产和消费革命,保障国家能源安全,近年来,国家电网有限公司自主研发了适应高比例新能源接入的新型电网运行控制系统,主要包括大电网电磁暂态仿真、多时
作为国家能源战略的核心载体,“西电东送”南通道工程历经三十余年发展,其战略定位已实现三重跨越:从传统能源输送转向低碳枢纽,从区域互补升级为国家能源网络整合,从国内资源配置延伸至国际能源合作;其功能从区域能源电力调配演进为服务“双碳”目标、推动全球能源电力治理系统性工程,成为支撑经
北极星储能网获悉,4月22日,宁德时代、广州广富绿电、广东黄河创投在四川芦山县洽谈投资项目合作事宜。双方围绕进一步深化企地合作、携手推动新型储能综合应用、加快推进电站项目建设等方面深入交换意见,并达成初步共识。县委副书记、县政府县长岑永杰,宁德时代华东区域生态发展总经理助理曾华山参
柴达木盆地的戈壁“沙海”之中,光热电站、光伏厂区的数万面“定日镜”“光伏板”列成一望无际的“矩阵”追逐日光,“大容量熔盐储罐”“超级充电宝”“绿氢工厂”将吸收的太阳能高效利用、存储转化,数百兆瓦的光热储能发电项目正加速建设......中国“沙戈荒”地区主要位于新疆、内蒙古、青海、甘肃、
在电力系统中,人工智能技术贯穿于发电、输电、配电和用电等各个环节,通过优化运行参数、调度策略和用电设备控制,显著减少了能源浪费和损耗,提高了整个能源链路的效率。在发电侧,人工智能可以优化发电机组的运行参数,提高发电效率;在电网侧,可以优化电力调度,减少线路损耗;在用户侧,则可以通
2024年12月19日,国家电网公司在京发布国内首个千亿级多模态行业大模型——光明电力大模型,该模型如同能源电力领域的人工智能专家,可为电网安全稳定运行、促进新能源消纳、做好供电服务提供“超级大脑”。光明电力大模型作为千亿级多模态行业大模型,能够面向电力生产、建设、管理、运营、科研、制造
近日,在湖北省安陆市烟店镇陈河村,国网安陆市供电公司烟店供电所外勤组组员包新桥按下一巢三机式无人机启动按钮,三台无人机依次从机巢起飞,以10千伏德三线24号“T”接杆为起点,向德三线首、末两端及分支线3个方向沿线飞行。在德三线首、末两端,胶囊式无人机移动机场、固定式机巢无人机也同步对线
国网山西省电力公司2025年第一次物资公开招标采购推荐的中标候选人公示(招标编号:052501)
国网陕西省电力有限公司2025年第二次物资单一来源采购项目推荐的成交候选人公示(采购编号:W-2025-SNGW-D02)
国网西藏电力有限公司2025年第二次物资公开招标采购项目推荐的中标候选人公示(招标编号:312504)
近日,优利德测试仪表团队携多款创新型电力检测设备前往广东电网公司云城供电局,通过现场实测与功能讲解,为电网运维人员展示了数字化检测工具在提升作业效率、保障安全运维中的关键作用。电力电网作为现代社会运转的生命线,其稳定运行关乎国计民生。传统的检测手段与工具在面对日益复杂的电网结构和
4月5日14时42分,昆柳龙直流工程柳州换流站内,在±800千伏电压环境下,量子电流传感器与传统纯光互感器的红色波形一致。“接线顺利,波形一致,运行正常!”振奋的声音在现场的上空飘荡着,宣告着量子电流传感器的调试成功。时间倒回20小时以前。广西柳州郊外,高大的铁塔在探照灯下泛着冷光。南方电
4月8日,世界首套±800千伏特高压直流量子电流传感器在昆柳龙直流工程柳州换流站投入运行超过72小时,标志着我国电力领域首个量子传感技术国家重点研发计划项目取得重大突破。依托量子特性,这套传感器可以在-40摄氏度至+85摄氏度极端环境下,实现从毫安级到10千安级的超宽量程覆盖,成功将量子精密测
在电力系统中,配电房的蓄电池组作为后备电源的关键组成部分,肩负着在紧急情况下提供电力、确保设备持续稳定运行的重要职责。然而,随着使用时间的推移,蓄电池的性能会逐渐衰退。若未能定期进行检测与维护,一旦突发断电,蓄电池可能无法正常供电,进而引发设备停机、数据丢失,甚至可能造成安全事故
国网江西电力2025年第二次物资公开招标采购项目推荐的中标候选人公示(招标编号:182532)
4月2日,广西电网公司2025年省级物资集中采购第一批公开竞争性谈判中标公示。
3月27日,贵州省发展改革委贵州省财政厅关于印发《贵州省2025年大规模设备更新工作方案》的通知(黔发改环资〔2025〕181号)。其中明确,完善输电线路在线监测装置,推进电网设备数字化智能化改造。同时指出,对照《重点用能产品设备能效先进水平、节能水平和准入水平(2024年版)》,推动冶金、有色、
在“双碳”目标驱动下,浙江省作为能源消费大省,正加速推进新型电力系统建设,推动能源结构从“源随荷动”向“源荷互动”转变。用户侧资源的高效聚合与调控成为关键,而虚拟电厂作为聚合分布式能源的数字化管理平台,被赋予重要使命。浙能集团积极响应国家能源局《2025年能源工作指导意见》,以“云—
4月25日,浙江华昱欣科技有限公司(以下简称“华昱欣”)、国网浙江省电力有限公司营销服务中心电力负荷管理室(以下简称“国网浙江营销服务中心”)、浙江华电器材检测研究院有限公司能源低碳研究所(以下简称“华电检测研究院”)正式签署技术合作框架协议,标志着三方将在能源综合利用领域开展深度
近日,南方电网调峰调频集控中心调度转令系统试运行功能测试正常,标志着由南网储能修试分公司和运行分公司共同牵头的我国首个抽水蓄能电站集控转令系统建设取得成功。该系统通过数字化技术重构传统调度交互方式,首次从功能上实现对六座抽水蓄能电站跨区域集约化的调令管控。据悉,南网储能公司在运的
4月23日,内蒙古电力集团内蒙古电力科学研究院正式通过内蒙古数据交易中心资质审核,成为自治区数据服务提供商,标志着内蒙古电力科学研究院在数据应用能力建设进程中迎来又一重要里程碑节点。在数据应用体系构建方面,内蒙古电力科学研究院已完成DeepSeekR1的本地化部署,初步构建起覆盖企业综合管理
2025年4月10日上午,全国电力系统管理及其信息交换标准化技术委员会“电力系统动态监测工作组”(以下简称“工作组”)主任张道农一行到访金风科技股份有限公司(以下简称“金风科技”)达坂城零碳风电装备数字工厂进行参观及技术交流。工作组一行深入全球领先的风电装备制造基地,实地考察智能化生产体
4月28日,国家能源局发布关于促进能源领域民营经济发展若干举措的通知,通知指出,鼓励民营经济创新发展。支持民营企业参股投资核电项目,建立健全长效工作机制。支持民营企业投资建设水电、油气储备设施、液化天然气接收站等基础设施项目,支持民营企业参与油气管网主干线或支线项目。支持民营企业参
在合肥工业大学80周年校庆即将来临之际,曹仁贤董事长个人通过阳光电源公益基金会向母校捐款人民币1亿元,用于支持学校学科建设和人才培养。合肥工业大学党委书记于祥成、校长郑磊、校党委副书记严福平等出席捐赠仪式。作为从合肥工业大学电气学院走出的企业家,曹仁贤校友一直心存感激,始终保持着对
北极星售电网获悉,4月28日,国家能源局发布关于促进能源领域民营经济发展若干举措的通知。文件明确,支持发展能源新业态新模式。加快发展虚拟电厂,有序推动发展绿电直连模式,研究出台支持智能微电网健康发展的意见,制定推动大功率充电、提升充电基础设施运营服务质量等政策,支持民营企业积极投资
4月28日,国家能源局举行新闻发布会,国家能源局法制和体制改革司副司长徐欣解读《国家能源局关于促进能源领域民营经济发展若干举措的通知》。徐欣表示:今年2月,习近平总书记召开民营企业座谈会,强调要统一思想、坚定信心,促进民营经济健康发展、高质量发展。国家能源局结合能源发展新形势、新变化
截至4月24日,中国广核集团有限公司(以下简称“中广核”)AI大模型已完成DeepSeek的全面接入,实现了DeepSeek模型的本地化部署。中广核AI、“云中锦书”等大模型构建稳步推进,核电智慧运维水平显著提升,“智慧工地”系统建设精准升级,一批高价值的“AI+”典型场景应用在中广核清洁能源发展各关键领
日前,中国化学东华公司总承包的中海壳牌惠州三期乙烯项目污水处理场项目举行现场开工仪式并召开开工交流会。公司工会主席、董事会秘书余伟胜出席会议。开工交流会听取了项目团队及各职能部门对于数字化交付、智慧工地、智慧仓储等实施内容及后期规划的报告。针对项目下一步建设工作,余伟胜强调,项目
请使用微信扫一扫
关注公众号完成登录
姓名: | |
性别: | |
出生日期: | |
邮箱: | |
所在地区: | |
行业类别: | |
工作经验: | |
学历: | |
公司名称: | |
任职岗位: |
我们将会第一时间为您推送相关内容!