中国科学引文数据库(CSCD)核心期刊
中文核心期刊
中国科技核心期刊
ISSN 1000-7229 CN 11-2583/TM
中文核心期刊
中国科技核心期刊
ISSN 1000-7229 CN 11-2583/TM
大规模风电并网降低了电力系统惯量水平,增加了其暂态频率偏差的越限风险,然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够,故需进一步优化频率偏差极值预测方法,用以系统的频率稳定评估。文章基于广域量测技术(wide area measurement system, WAMS),考虑风电并网对频率响应过程的影响,提出了一种物理-数据融合频率偏差极值在线预测方法。首先,利用广域量测信息对有功-频率开环解耦模型进行数据粘合,在此基础上形成可快速求解的物理-数据融合的暂态频率分析模型;其次,基于该模型,获得实时更新的频率偏差极值预测值,并提出“预测值误差指数”指标来量化预测精度,指导在线模型的自适应动态结果输出;最后,通过算例验证了所提频率偏差极值在线预测方法的快速性和准确性。
功角失稳是威胁交直流混联大电网安全稳定运行的重要形式之一,快速甄别功角失稳形态是实施切机组、送端速升直流外送功率等紧急控制的前提。为更有效判别出功角、电压主导稳定形态,对简化支路暂态输电能力(simplified branch transient transmission capability, sBTTC)指数进行了修正,弱化了原指数的相位因子。依据关键支路sBTTC指数与电压因子的相关性系数、与相位因子的相关性系数以及二者的系数比进行主导稳定形态判别;将支路垂足电压位于支路之上作为判别功角稳定形态的必要条件之一,以提升判别的可靠性。针对功角失稳的四种典型形式,即功角第一摆失稳、第二摆失稳,以及功角低频增幅振荡失稳、超静态稳定极限失稳进行验证,仿真表明判别方法对不同形式功角失稳均可准确有效判别出主导稳定形态。
对于新型电力系统,提前预测系统惯量水平是消除系统惯量薄弱风险的重要前提。而预测所使用的机器学习模型大多是“黑箱”模型,存在可解释性不足的问题。为此,提出了一种基于可解释性极端梯度提升算法 (extreme gradient boosting,XGBoost)的电力系统惯量短期预测方法。该方法根据系统惯量响应特性分析,选择电力系统运行数据和气象数据作为输入特征。基于SHAP归因方法构建可解释性XGBoost的解释机制,通过计算Shapley值来量化各特征的重要程度,从而对模型预测结果进行多维度解构分析。以实际系统为例进行实证分析,结果表明,所提方法能够有效地预测电力系统短期惯量以及解释特征对预测的影响。
阻抗分析法是研究“双高”电力系统宽频振荡问题的有效工具,而传统阻抗建模方法存在需要提前获取系统详细结构及控制参数、建模过程复杂、不便于在线应用等不足。为解决上述问题,提出了一种基于改进BP神经网络的双馈风电机组阻抗模型辨识方法。定义了评估系数,以评估神经网络辨识模型的准确度,并基于评估系数改进了BP神经网络的结构,在较优的网络结构下,可用更少的数据实现准确的多工况阻抗模型辨识。通过对比所提方法与传统BP神经网络方法的辨识阻抗误差,说明了所提方法的优越性。为验证所提方法在稳定性在线分析中的可行性,基于辨识阻抗分析了不同电网短路比和不同风电机组出力下双馈风电机组并网系统的稳定性,时域仿真结果验证了所提方法的准确性。
双碳目标背景下,具有区域特征和性能特点的新能源出力预测模型层出不穷,如何甄别利用当前存在的海量预测模型是当前实际应用中预测人员关注的问题。因此,提出了基于异构图学习的新能源出力预测模型推理方法,将新能源出力预测分为基础模型层和模型推理层。在基础模型层中,基于不同区域特征数据集对具有不同特点的预测模型进行训练。而在模型推理层,设计了“输入信息节点—输入边—模型节点—潜在联系边—预测结果”的异构图表示方法以完成异构信息的融合,并通过异构图注意力网络实现最优模型推理,从而获得精准的新能源预测结果。以中国西南某省风电场为算例对所提方法进行验证,结果表明所提方法风电预测误差低于9%,且直接迁移于无数据新建场站上的预测表现优于其他方法。
含高比例分布式可再生能源的主动配电网运行方式变化频繁,研究快速准确的运行方式识别方法具有重要现实意义。为此,提出了根据智能电表实时量测数据在线识别配电网运行方式的方法。首先,对智能电表获取的节点电压和功率数据进行预处理,计算节点间两两电压差,并使用t分布的随机近邻嵌入(t-distributed stochastic neighbor embedding, t-SNE)算法,对每个历史时间断面的电压差数据和功率数据进行降维;然后,先选取少数几个典型的历史采样时刻,人工建立这些时刻数据与配电网运行方式之间的对应关系,再通过聚类分析,自动建立其余各个历史采样时刻数据与配电网运行方式之间的对应关系;最后,对实时量测数据进行降维,根据已知的对应关系识别主动配电网在当前时刻的运行方式。算例分析验证了所提方法的可行性和有效性,在量测装置精度不低于0.2级时,可以保持90%以上的辨识准确率。所提方法能够利用智能电表采集的电压和功率量测数据,准确快速地在线识别主动配电网的运行方式。
无人机巡检在220 kV输电线的日常巡检工作中占据越来越多的比重,然而无人机巡检存在定位不准、巡检目标识别与跟踪困难等系列问题。为此,基于惯性测量单元(inertial measurement unit, IMU)、全球导航卫星系统(global navigation satellite systems, GNSS)、视觉测程(visual odometry, VO)等多路传感器融合信息,提出了一种无人机输电线巡检定位与目标跟踪自适应方法。为解决GNSS信号中断以及视觉传感器在复杂场景中缺乏足够特征点导致的自主定位困难问题,提出一种基于联邦卡尔曼滤波的鲁棒自适应定位算法,该算法确保了无人机自主导航和定位的准确性;同时,为了实现输电线目标自动识别和跟踪,提出一种变化场景最佳阈值选择算法,实现预测性和连续的参数选择,以提高输电线跟踪的准确性。最后,以唐山某典型案例为试点,验证了方法的有效性,并进一步全面优化输电线路无人机巡检工作流程,为后续输电线巡检的智能巡检多维应用奠定较好的基础。
针对电网的分区运行与多类型灵活性资源地区间分布不均衡的特性,提出一种考虑灵活性互济的跨区电网灵活性资源优化调度策略。首先,建立考虑多类型灵活性资源的综合灵活性供给能力模型,同时计及灵活性互济水平建立联络线功率约束模型;其次,建立基于电网间灵活性资源互济机制的多区域电网优化调度模型,将灵活性平衡机理与多种灵活性资源协调运行问题结合起来,引入模糊机会约束描述净负荷不确定性对灵活性供需平衡和电力平衡的影响;最后,以3个互联的IEEE-39节点系统为例对所提出的调度模型进行了验证,结果表明,所提灵活性互济调度模型促进了电网的灵活性供需平衡,有效地降低了系统运行成本和碳排放量,对系统经济安全、低碳环保运行具有积极意义。
燃气碳捕集 (gas-power plant carbon capture,GPPCC)设备能捕集CO2,电转气(power-to-gas,P2G)设备可将CO2转化为甲烷,提出将GPPCC、储碳设备(carbon storage device,CS)和P2G与虚拟电厂(virtual power plant,VPP)进行连接,即C2P-VPP。首先,搭建C2P-VPP结构并构建数学模型;然后,选择最小化调度成本、最小化碳排放量、最小化出力波动作为优化目标,并利用鲁棒随机优化理论刻画风力发电厂(wind power plants,WPP)和光伏(photovoltaic,PV)发电的不确定性,建立C2P-VPP多目标随机最优调度模型。最后,选择CIGRE中压配电系统进行算例分析,结果表明所提最优决策模型能发挥C2P的电-碳-电循环优化效应,为决策者制定兼顾C2P-VPP调度方案提供有效的决策工具。
电动汽车(electric vehicle, EV)是极具调节潜力的需求侧资源,针对现货市场环境下的电动汽车聚合商(electric vehicle aggregator, EVA)整合和调度EV负荷资源的问题进行研究。首先,考虑EV的车-桩充电负荷差异化建立了EV充电模型。其次,以EVA运营收益最大为目标,兼顾EV车主利益,基于主从博弈关系建立EVA日前优化模型;模型基于场景的随机优化方法考虑市场日前电价的不确定性,解得差异化EV充电服务费价格和EVA日前购电计划。随后,基于能量共享模式对各类EV进行日内滚动优化调度,减小EV接入不确定性给EVA差额交易带来的额外成本。最后,以某市区电动汽车聚合商为案例开展分析,结果表明所提两阶段调度策略能有效应对EV接入不确定性与市场电价不确定性,实现EVA与EV双赢。
为发挥分布式能源的供能潜力,文章重点研究热电联合虚拟电厂(virtual power plant,VPP)的调度优化问题。首先,将热电联产(combined heat and power, CHP)机组与各种分布式能源聚合为热电联合虚拟电厂,通过碳捕集和电转气装置来实现CO2的循环利用,并加入储碳和储氢装置来解耦碳捕集和电转气过程。然后,通过不确定性场景生成和条件风险价值(conditional value at risk, CVaR)理论来量化虚拟电厂实时调度的风险。最后,以运行成本、碳排放量和运行风险为目标,构建虚拟电厂多目标随机调度优化模型,并采用主客观集成赋权的方法进行求解。算例结果表明,所提方法能促进风电和光伏的消纳,同时降低虚拟电厂的碳排放。
云边协同是适应分布式对象海量接入和支撑配电物联网自动化业务的电力自动化关键技术手段。为了充分发挥云边协同系统资源优势和降低配电物联网自动化业务延时,首先以云边资源协同的角度为切入,提出了一种计及资源弹性配置和通信安全加密功能模块的配电物联网云边架构,接着基于微服务的电力业务组织构建方式,构建了配电物联网自动化业务的时空逻辑模型和计算负荷模型。在此基础上,考虑容器资源的弹性分配和云边通信的加密延时,提出了一种云边协同资源弹性配置方法,通过整体协同边缘和云的多容器资源降低业务延时。最后,算例中分析了业务时空逻辑的影响,对比了不同场景设置下资源配置与业务延时结果,验证了所提方法的有效性。
能量共享是提升多微网系统经济性、促进分布式光伏就地消纳的有效手段,而多微网能量共享的高效公平运行依赖于适合的市场框架。因此,提出了基于集合竞价拍卖的大规模多微网能量共享模型。首先,建立了基于集合竞价拍卖的能量共享市场框架,各微网以购售电双重身份向能量共享服务商提交购电和售电的投标信息。能量共享服务商的出清目标为考虑配电网过网费的多微网社会福利最大。该框架下微网仅需上报投标电价和电量,有助于保护微网的隐私。其次,建立了微网的优化运行模型,基于灵敏度分析和滑动平均滤波,得到微网关于交互电功率的边际效用。由于微网数量较多,能量共享市场处于完全竞争状态,提出了基于边际效用的微网投标策略。最后,以含20个微网的IEEE 33节点配电系统为例,验证了所提方法的有效性和可行性。
在新型电力系统背景下,研究计及风电出力不确定性的多微网低碳调度策略,有利于降低风电出力不确定性对调度策略低碳性和经济性的影响。因此,提出一种计及碳交易成本并基于气象聚类分组生成改进风电不确定集的多微网可调鲁棒低碳经济调度模型。首先,利用最小冗余最大相关性特征选择技术、CURE层次聚类算法和条件生成对抗网络建立气象特征聚类下的风电出力生成模型,并结合概率分布模糊集,构建不同气象类型下的风电出力不确定集。其次,为实现微网低碳经济运行,将阶梯式碳交易机制引入微网,同时考虑到风电出力不确定性对微网调度的影响,建立基于改进风电不确定集合的微网间电能互济两阶段可调鲁棒模型。再次,采用交替方向乘子法嵌套列约束生成算法交替迭代,实现对多微网电能互济调度模型求解。最后,通过算例验证所提模型可提升风电出力不确定描述精度,同时提高微网运行经济性和低碳性。
受限于电力系统资源禀赋,可再生能源消纳能力瓶颈始终制约着可再生能源的大力发展。近年来蓬勃发展的综合能源系统因其多能耦合属性,可将电力系统盈余电量转移至气/热/氢等其他能源子系统进行消纳,为可再生能源消纳提供了全新思路。然而,由于综合能源系统多能耦合复杂、规模大、维度高、非凸非线性强,如何准确评估其可再生能源消纳能力是一项难题。基于电/气/热/冷等能源子系统物理特性构建了综合能源系统可再生能源消纳模型,以评估多能耦合作用下系统对可再生能源的消纳能力极限;然后,提出凸松弛及近似方法将混合整数非线性规划原问题转化为混合整数锥规划问题,实现模型的有效求解;最后,以改进的IEEE-39节点电力系统和比利时20节点天然气系统为基础构建了电-气-氢-热-风-光耦合综合能源系统算例,论证了多能耦合对于可再生能源消纳的提升作用,并深入挖掘了不同节点对于可再生能源的接纳能力差异。
