摘要：在新型电力系统建设背景下,高比例新能源出力间歇性和波动性给电网稳定和安全运行带来新的挑战,而提高电力系统灵活爬坡能力是应对新能源挑战的重要手段。为此,基于不同弹性的爬坡需求曲线,构建爬坡辅助服务市场出清模型,通过爬坡辅助服务市场激励灵活性爬坡资源建设,提升电力系统灵活爬坡能力。考虑不同区间的爬坡容量对电力系统的价值有所不同,建立不同需求弹性的爬坡需求曲线计算模型。在此基础上,设计了3种考虑不同爬坡需求弹性的爬坡与电能量市场联合出清模型,分析了这3种模型的爬坡影子价格定价方式及出清结果。构建算例展示弹性需求曲线计算方法及流程,基于IEEE 39节点系统对3种爬坡市场出清模型进行仿真分析。结果表明,增加爬坡需求弹性可提高系统整体运行的经济性。

摘要：新型电力系统建设背景下,海量新能源并网对现有电网调度运行模式带来巨大挑战。为解决新能源功率波动性和不确定性对电网实时功率平衡带来的失负荷风险,基于风险抑制理论提出电网弹性运行模型(risk limiting based resilient operation,RLB),并针对求解概率型约束的难题给出解决方案,提升电网运行弹性。通过推导RLB的3种中间态模型及其解析解,提出基于中间态模型迭代的RLB求解算法,并对其全局最优性给出严格证明。基于IEEE 6节点和25 981节点实际区域电网算例,分析了系统灵活性、预测精度和系统弹性之间的关系,指出提升新型电力系统运行弹性的前提是足够的系统灵活性和预测精度。

摘要：为实现对用户对象的统一调度与管理,设计基于双因素认证技术的统一用户密码管理体系。按照Web服务架构的准入需求,连接信息节点接入与密码资源管理模块,搭建统一用户密码管理体系硬件平台。定义服务接口的应用内涵,通过完善用户密码信息管理流程的方式,建立双因素型认证函数,基于双因素认证设计密码管理技术,联合各级硬件设备结构,实现基于双因素认证技术的统一用户密码管理体系设计。实验结果表明,双因素认证技术支持下的密码管理体系能够较好破除用户信息资源间的干扰影响关系,实现对用户对象主体的统一调度与管理,具备较强的应用可行性。

摘要：为了提高电力调度故障智能告警和诊断能力,提出基于数据驱动的电力调度故障智能告警系统设计方法,建立电力调度故障智能告警信息采集模型。通过大数据信息采样及短时数据窗截取的方法进行电力调度故障智能告警过程的数据驱动控制,结合交叉编译技术进行电力调度故障信息采集和指令加载,采用灰阶样本信息重构的方法,进行电力调度智能告警系统故障特征分析,通过构建直流电压最大波动检测统计量和判决函数,进行电力调度故障智能故障信息融合和判断,通过数据驱动和大数据信息聚类的方法,构建故障特征提取模型以及故障信息融合模型,实现对电力调度告警系统故障的特征融合和分类识别,结合交流频率变化,得到电力调度智能告警系统的故障检测输出函数,实现对电力调度故障的的检测结果输出及判断,提高电力调度故障检测和识别能力。仿真结果表明,采用该方法进行电力调度故障检测的智能诊断性较好,提高了故障检测和识别能力。

摘要：使用地址库过滤、防火墙过滤技术存在地址库更新不及时的问题,导致非法接入现象频繁。为了解决该问题,提出了新能源涉网电力监控网络非法接入阻断技术。根据新能源涉网非法接入行为的检测结果,构建非法接入内容的识别与阻断模型。通过搭建终端非法接入监控阻断装置,对不符合要求的终端在网页界面发出预警信号。验证了ID地址之后,绑定用户,实现了移动任务的执行。利用面向TCP协议的连接阻断技术,结合协议栈窗口协议,对不安全数据包的非法流入进行阻断。由实验结果可知,该技术能够阻止不安全数据包流入,保证用户能够精准找到想要搜索的页面。

摘要：传统的电网调度辅助决策平台对于电网数据聚类时间长,导致电网调度辅助决策时间较长,严重影响电网的安全,针对这一问题,设计了一种基于k-Means算法的电网调度辅助决策平台。通过构建特征量库,对电网信息特征量进行分类,然后对分类完成的电网信息进行滤波处理,获得可靠的数据断面,最后通过设备运行状态分析、电网稳定断面智能监视预警、电网运行状态分析与安全预警和整合平台中数据完成基于k-Means算法的电网调度辅助决策平台的建立。实验对比结果表明,此次设计的基于k-Means算法的电网调度辅助决策平台比传统电网调度辅助决策平台电网数据聚类时间短,能够提高电网调度辅助决策平台的决策时间,从而保障电网的安全稳定运行。

摘要：在芯片项目中,回归测试是一项重复进行的工作,需耗费大量资源,用例集的反复执行可确保设计的正确性,但会产生较大的测试运行代价。将遗传算法的特点与局部搜索策略的优点有机结合,对约简问题进行数学建模,设计了Memetic算法,对其中的全局策略和各算子、局部策略进行了改进,以功能覆盖率为衡量标准,在完全覆盖的情况下,Memetic算法较标准遗传算法的收敛速度更快,用例集更精简,并较大程度地降低了回归测试的运行代价。