作者将离散动态系统故障诊断方法用于电力系统,对基于 Petri 网的电网故障诊断方法进行了进一步的研究。以一条电力线为例,建立了以该线路为对象的 Petri 网模型,引入冗余库所监督原 Petri 网库所状态。讨论了该线路所有可能发生的故障,提出了新的故障映射方法。结合差错控制原理,利用一致校验矩阵和错误伴随式,对 Petri 网库所状态进行检错,纠错。文中给出了关键矩阵(生成矩阵)的构造方法。仿真计算结果表明该方法计算简单,仿真速度快,采用差错控制原理,可保证诊断精度。可应用于在线实时监控系统。
针对共享电动汽车通过需求响应参与电力系统备用服务的可调度容量预测问题,基于历史轨迹数据提出一种基于模型无关的元学习(model-agnostic meta-learning,MAML)、卷积神经网络(convolutional neural network,CNN)、长短期记忆网络(long short term memory network,LSTM)和注意力机制(attention mechanism)的可调度容量评估模型,采用LSTM对CNN从历史数据中提取有效的特征向量动态变化进行建模学习,并用MAML对CNN-LSTM网络的初始化参数进行训练,在解决传统神经网络难以有效提取历史序列中潜在高维特征且当时序过长时重要信息易丢失的问题的同时,通过多任务训练对元预测网络进行微调以快速适应新预测任务,从而提高模型的预测精度及泛化能力;加入注意力机制突出对预测结果起关键性作用的时序信息,进一步提高预测精度。仿真结果表明所提模型可以有效预测不同日期类型和不同功能区域共享电动汽车的可调度容量,也为后续共享电动汽车通过需求响应参与电网备用服务的风险评估研究提供参考。