摘要：光伏发电极易受到天气的影响而具有波动性和不确定性,因此对气象因子的准确预测对光伏电站的运维具有重要意义。提出了一种基于深度学习的时空特征融合模型,实现对光伏气象因子的精准预测。在时间维度上,设计了一种改进的长短期记忆模块,融合注意力机制和遗传算法,得到最优注意力参数以提高预测精度;在空间维度上,将光伏电站所在区域按照经纬度划分,利用张量分解对区域内气象因子进行预测。在中国东南部某光伏系统的真实数据集上,对该模型的有效性进行了评估。结果表明,该模型在时间维度和空间维度均具有较高预测精度,同时对稀疏数据有较强的鲁棒性。

摘要：现今智能电网相关技术快速发展,文中提出了一种基于Petri网(PN)的智能电网故障识别及定位的方法,该方法既能检测数据传输故障,又能识别含高渗透率DG的配电系统中的故障。介绍了关于PN模型的基础理论,通过对单保护系统和电流检测器的多个PN模型进行系统组合,实现了配电网系统PN模型的设计。通过示例详细地说明了故障过程与故障检测方法,进行了算例分析,结果证明了所提方法可大幅降低相关数据分析的复杂性。