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
随着能源转型的不断推进,电力系统和天然气系统通过燃气机组和天然气电力驱动设备紧密双向耦合。非常规灾害下,两系统的双向耦合可能导致故障跨能源系统传播,加剧停电危机。2021年2月,美国得州因极寒天气引发了故障在电力系统和天然气系统间连锁传播现象,造成了巨大的损失和恶劣的社会影响。首先,文章从电力-天然气耦合的视角下,对得州大规模限电事件的原因进行分析。其次,构造了电力-天然气耦合系统案例,采用基于事件触发的信息交互模式,通过联合仿真对极端事件下故障跨系统传播进行分析,以期直观体现非常规事件下电力-天然气耦合系统的故障传播过程。最后,提出了一种故障阻断策略。通过仿真分析表明,所提方法可有效抑制故障传播,增强系统的防御力。
严寒地区冬季的极端冰灾天气易给电力设施带来严重危害。同时,随着电-热联合系统的广泛应用,电力设施的故障也会影响到用户供热需求的满足。为保障人们对供电与供热的需求,加强电-热联合系统抵御冰灾天气的能力,文章提出了一种考虑输配协同的电-热联合系统韧性提升方法。首先建立冰灾天气对输电线路影响的综合载荷模型,并利用蒙特卡洛状态抽样法建立输电网的故障场景集。其次,分析输配协同下含光热电站的电-热联合系统组成并构建其运行模型。然后,构建了考虑韧性提升的电-热联合系统的负荷削减模型。最后,利用算例系统验证了所提模型的有效性。结果表明该策略可以兼顾冰灾天气下对系统电、热负荷的需求,对电-热联合系统起到一个较好的韧性提升作用。
相比传统电网,韧性城市电网展现出了出色的适应多种扰动和灾害的能力,但其复杂性也使得韧性城市电网风险预警面临更大的挑战,亟需大数据和机器学习等先进技术的引入。首先,构建韧性城市电网风险评估指标体系,采用主客观结合的综合赋权法对指标赋权,通过大数据技术获取的实时数据流得到韧性城市电网风险评估指标的动态权重;然后,构建韧性城市电网风险评估标准云,计算韧性城市电网风险等级隶属度,确定风险等级;最后,基于随机森林构建韧性城市电网风险预警模型,并进行算例分析,通过与其他模型对比,发现所构建的模型表现出高精度的特征。所建模型具有较好的风险预警效果,从而能够及时采取有效风险管控措施,保障韧性城市电网稳定运行。
在极端灾害发生后电动汽车(electric vehicle,EV)可作为移动电源给负荷供电,从而支撑配电网韧性提升。针对配电网故障发生不可预见、正常态和故障态调度模型切换导致调度指令不稳定问题,文章研究了运行状态平滑切换的EV参与配电网韧性提升策略。基于EV状态和连接方式的二进制变量建立线性化EV时空动态模型,能适应EV灵活调度算力大的需求。考虑EV和交通网不确定性因素,建立基于交通网和配电网信息实时滚动更新的正常态和故障态统一调度模型,正常态以经济性和韧性最优为目标,故障态以韧性最优为目标,通过引入状态表征参数实现两种状态间平滑切换。算例仿真表明,该策略在不影响精度的情况下显著降低了计算量,有助于实现配电网最优韧性恢复和状态平稳过渡。
随着分布式电源、电动汽车等多元新要素新业态规模化发展,叠加洪涝、台风等极端事件频发,配电网规划设计和投资决策面临巨大挑战,然而传统配电网规划没有充分调动新要素新业态对电力系统的支撑作用。首先,梳理了极端事件影响量化方法、弹性规划、投资策略的研究现状,并对现有投资成效评价方法进行了归纳整理,最后结合适应极端事件的配电网发展诉求,对弹性规划和投资策略优化的未来研究方向提出展望。
低压配电网分类有利于提高低压配电网经济运行管理措施及新能源规划运行方案制定的效率。随着各类新能源、充电桩等新型源荷的不断接入,低压配电网原有负荷特征发生变化,一方面导致配电网负荷特征复杂,另一方面导致变化后可用的新负荷特征数据较少,给配电网分类带来挑战。针对以上挑战,提出一种基于卷积自编码器和模型不可知元学习(convolutional neural network-auto encoder-model agnostic meta learning, CNN-AE-MAML)的低压配电网自适应分类方法。首先,利用卷积自编码器(convolutional neural network auto encoder, CNN-AE)提取可表征低压配电网的配变负荷、光伏发电特征,采用谱聚类(spectral clustering, SC)对低压配电网进行分类;然后,构建基于softmax配电网类型识别方法,利用低压配电网实际数据的降维特征识别配电网类型;此外,利用模型不可知元学习(model-agnostic meta-learning, MAML)方法训练CNN-AE特征提取模型,使CNN-AE模型在少量数据下能自适应提取配电网新负荷特征,最终实现低压配电网准确、快速自适应分类。最后,利用低压配电网实际数据验证了所提方法的有效性。
为协调多园区综合能源系统各个园区之间的能量交互,多能源子系统之间的能源转换,实现综合能源系统整体优化调度,提出一种利用多智能体深度强化学习算法学习不同园区的负荷特征,并在此基础上进行决策的综合调度模型。该模型将多园区综合能源系统的调度问题转化为马尔科夫决策过程,并利用深度强化学习算法进行求解,避免了对多园区、多能源子系统之间复杂的能量耦合关系进行建模。仿真结果表明,所提方法可以很好地捕捉到不同园区的负荷特性,并利用其中的互补特性协调不同园区之间进行合理的能量交互,可以实现弃风率由16.3%降低至0,并可以使总运行成本降低5 445.6元,具有良好的经济效益和环保效益。
虚拟电厂(virtual power plant, VPP)可以聚合大量的分布式能源资源(distributed energy resources, DER)作为一个整体参与电力系统的调度。为实现VPP内部DER的高效调控,提出了一种虚拟电厂集群自治调度架构。为解决理想通信网络下VPP内部DER动态跟踪调度指令的优化问题,分别从集群层面和DER层面提出了调节成本一致性和调节时间一致性算法,通过本地相邻DER的信息交互,更新自治节点参数,降低了通信压力,且提高了求解效率。在此基础上,通过引入共识增益函数和虚拟共识变量,解决了实际通信网络中的传输延迟和噪声问题。仿真结果验证了所提算法的有效性和可行性。
智能软开关能够有效解决分布式光伏大规模接入配电网引起的电压波动问题,但会导致区域间协作程度加深,而现阶段使用多智能体深度强化学习算法进行电压优化时,各智能体仅使用各自区域内的奖励进行训练,导致智能体缺乏协同,输出策略难以保证最优性。为此提出考虑区域间辅助奖励的配电网电压优化方法,首先建立基于多智能体深度强化学习的多时间尺度电压优化框架,其次针对控制智能软开关的智能体,将各自区域内奖励定义为主奖励,邻近区域内奖励定义为辅助奖励,然后通过主、辅助奖励损失函数关于网络参数梯度的数量积分析辅助奖励对训练的有利程度,并采用演化博弈方法自适应修改辅助奖励参与因子;最后,在改进的IEEE 33节点系统验证了所提方法能够稳定智能体训练过程,提升智能体策略的优化效果。
发展低碳发电技术及有效参与碳配额市场交易是促进电力低碳转型的关键,借助储能和需求响应等灵活资源,产消者在电能生产和消费上具有更强的平衡能力。基于碳排放流理论提出了一种考虑碳排放需求响应及碳交易的电力系统双层优化调度模型。以配电网的节点碳势作为产消者需求响应的价格因素之一,通过上层配电网与下层产消者之间供/用能信息及电价、碳价信息的交互传递实现配电网优化运行。下层的产消者之间基于运行计划进行碳配额交易,并通过纳什议价方式完成收益确定。算例分析验证了所提模型在控制系统碳排放、促进需求响应积极性等方面的有效性。
针对现代农业园区风-光-垃圾-沼-储联合调度的碳排放问题,构建了基于多场景置信间隙决策理论的现代农业综合能源系统低碳调度优化模型。首先,使用改进的Shapley值法,对碳排放额度进行分摊,得到考虑风险因素的各主体阶梯碳交易价格模型。其次,在各主体阶梯碳交易价格模型基础上,考虑到源荷不确定性,基于多场景置信间隙决策理论构建了现代农业园区运行成本最小和二氧化碳排放量最低的多目标优化调度模型。最后,以我国东北地区某一农业园区数据为例,对所建模型进行验证。算例结果表明,改进的Shapley值使阶梯碳交易价格更贴合实际,同时,园区运行成本降低37.25%,碳排放量减少59.84%,最终实现了多能协调优化,提高了园区低碳环保性以及抵抗风险的能力。
短期负荷预测为综合能源系统安全稳定运行提供保障,但负荷波动的不确定性及多种能量相互耦合增大了预测难度。基于此,提出一种基于综合相关性指标和SA-BiGRU的综合能源系统多元负荷预测模型。考虑到不同气象因素对多元负荷的影响,采用综合相关性指标计算气象因素与负荷间的相关性,提出多元负荷三项耦合乘积挖掘能源间交叉耦合关系,并构建特征矩阵作为预测模型输入。同时,利用自适应k-means将原始输入数据划分为不同负荷场景,降低预测复杂度;在双向门控循环单元网络中引入自注意力机制,为输入特征赋予不同权重,从而增强模型对重要特征的区分能力。最后,采用算例与现有模型进行对比分析,结果表明所提出的多元负荷预测方法具有更高的预测精度和更短的预测时间。
在电力现货市场环境下,售电公司需要面向市场电价及用户负荷的双重不确定性,在日前申报的环节易造成额外购电成本。然而现有基于条件风险价值(conditional value at risk, CVaR)等随机优化方法的购电方案与风险管理策略中存在等概率缩减关键场景与主观进行置信度选值的问题,为此基于传统的中性风险模型及CVaR优化模型,引入基于K-means的场景聚类缩减方法,提出基于外推内插法的置信度选值优化方法,综合形成改进CVaR的售电公司日前申报优化模型及其求解策略。仿真算例结果验证了改进CVaR优化模型能有效降低售电公司的综合购电成本及潜在风险损失,并探究了在不同的风险厌恶程度与市场波动程度的情况下对日前申报优化策略的影响,体现了改进优化申报策略的适用性与鲁棒性。
期货交易存在保证金和强行平仓制度,全市场背景下电力期货交易制度的特殊性在一定程度上影响着发电企业收益。考虑负荷变化,利用电力期货交易规避电价波动造成的发电侧盈亏风险,构建了一种发电企业全市场收益优化模型。首先,搭建含现货、远期合同和期货合约的电力市场交易架构;其次,以发电企业售电收益最大为目标,逐级搭建含现货、远期合同和期货合约的发电企业收益模型,并给出相应求解算法;最后,采用6个发电企业构成的无阻塞电力市场进行仿真模拟,对收益模型的合理性与有效性进行了验证。结果表明:负荷侧波动导致电价明显波动,电力期货的引入能提高电价稳定性,提高发电企业利润,将发电企业利润损失风险转移到期货市场中,并且边际成本越大的发电企业利润提高越明显;在一定的期货与现货电量配比范围内,配比越大,发电企业利润提高越多,但超过范围后,期货保证金利息亏损变多,发电企业利润反而减少。
随着电力市场的不断发展完善,抽水蓄能电站参与电力现货市场将面临复杂的价格机制与交易风险,为了保障抽水蓄能电站收益,提出了考虑电力现货市场风险的抽水蓄能竞价策略优化模型。首先研究了电力市场下抽水蓄能价格机制及交易风险;其次基于条件风险价值量化参与电力现货市场的风险,建立风险-收益匹配机制,并基于电价预测聚类生成典型电价场景,提出了考虑风险因素的抽蓄电站参与现货-辅助服务协同市场的竞价策略;最后结合算例分析了不同风险偏好水平以及电价场景对抽水蓄能电站收益的影响。算例结果表明:该竞价策略能够在不同市场场景下平抑收益波动,有效规避市场价格波动风险,可为抽水蓄能电站参与电能量与辅助服务市场竞价及容量分配策略提供决策支撑,使电站收益更加稳定。
