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
【目的】高比例新能源并网带来的强随机性以及极端事件频发，使得采用确定性方式构建电力电量平衡分析表的模式越来越不适用。【方法】在保留多年实践广受认可的平衡表格形式基础上，构建概率性场景，设计了电力电量平衡概率性分析实用方法。具体包括：建立了概率性电力电量平衡分析框架，提出了典型场景、边缘场景和极端场景的构建方法；设计了概率性电力电量平衡表整体架构，并根据平衡裕度和新能源消纳指数指标进行平衡风险判断；针对平衡风险严重的重点时段，进一步设计了电力电量平衡分析指标体系，并采用时序生产模拟进行精细化的平衡状态评估。【结果】改进ROTS测试系统概率性电力电量平衡表结果显示全年处于紧平衡状态；在11月91.36%概率的典型场景，可以保持电力电量平衡；在11月供应最紧张场景，电量平衡裕度为97%，最大电力不足为2.66 GW，与时序生产模拟的结果接近。【结论】测试系统算例验证了所提方法既能较好适应高比例新能源并网场景，也能根据平衡风险采用不同维度分析，能很好满足工程应用需要。
【目的】配电网在发生多处断线故障后可以通过形成多个微电网的方式维持负荷供电，而微电网的最初形成及后续动态互联过程需要考虑频率电压控制以及多类型资源的序贯协同出力。为此，提出了一种考虑动态互联微电网技术和网络重构方法的灾后配电网多源序贯协同供电恢复方法。【方法】首先，考虑即将到来的极端事件对用户出行意愿的影响，搭建了灾前电动汽车调度模型；然后，建立了综合考虑分布式电源出力、电动汽车反向充电、抢修队调度、柔性负荷管理等多类型资源序贯协同的供电恢复模型，并将频率电压控制约束嵌入模型进行求解；最后，设计了多组算例验证所提方法的有效性。【结果】结果表明，所提考虑下垂控制的动态互联微电网技术可将故障期间切负荷比例降低至不考虑动态互联微电网技术的30%，能在保障负荷恢复安全性的基础上降低故障期间的切负荷比例。【结论】所提方法为配电网在极端事件下的供电恢复提供了重要参考。
【目的】在高比例可再生能源接入背景下，为满足电力系统灵活性和低碳需求，提出了考虑电力系统灵活爬坡需求的火电厂碳捕集改造方案优化方法。【方法】首先，针对大规模风电和光伏接入引发的电力系统爬坡需求攀升现象，建立电力系统灵活性需求计算模型。其次，建立考虑碳捕集改造的火电机组灵活运行模型并量化其灵活爬坡供应能力。然后，考虑负荷、新能源的不确定性，引入灵活爬坡需求约束，建立基于模糊机会约束的火电厂碳捕集改造规划模型，对火电机组碳捕集改造规划问题和火电机组运行优化问题进行联合求解，得到火电最优碳捕集改造方案。最后，结合算例验证了碳捕集改造方案优化方法的有效性，并分析不同单位碳排放惩罚成本、新能源接入比例及置信水平对碳捕集改造方案的影响。【结果】仿真结果表明，在对火电机组进行最优碳捕集改造之后，电力系统的碳排放显著降低，可再生能源弃电率显著减少，系统的总运行成本降低了9.44%。【结论】通过对火电机组进行最优碳捕集改造，能够提升火电机组的出力下调空间和爬坡能力，在降低电力系统碳排放的同时促进可再生能源的消纳，提升系统运行的经济性。
【目的】在冰灾极端气候下，风光发电能力会急剧下降，同时电力设备故障概率显著提升，导致电力供应在持续数天的时间内出现严重失衡。为分析冰灾天气下高比例风光能源电力系统源网荷各侧之间复杂的相互耦合关系，并识别易发生故障外扩的薄弱节点，研究了冰灾气候条件下高比例风光能源电力系统“源-网-荷”时空分布的规律性、相关性、随机性，揭示电力供需双侧的概率化特征，构建了计及冰灾气候关键影响因素的电力系统“源-网-荷”概率模型。【方法】基于非线性动态系统理论，提出了电网节点电压被动/主动波动指标、网络整体波动指标以及节点电压越限指标，基于动态阻抗矩阵和源-荷频率耦合度提出了一种研究冰灾天气影响下电力系统源侧、网侧、荷侧各部分之间耦合关系的“源-网-荷”耦合特性与薄弱性分析方法，进而分析冰灾天气下“源-网-荷”协同变化的主要影响机理及其变化规律。【结果】改进IEEE 39节点系统和某地实际电网算例分析结果表明，系统整体的节点被动/主动波动指标逐渐增大，节点间相互影响增强，风光能源的波动性在冰灾场景下会放大耦合效应，降低电网抗冰灾能力。【结论】所提方法可揭示冰灾场景下“源-网-荷”耦合特性的动态演化规律，并辨识电网关键薄弱节点，为深入研究冰灾天气下的电力系统运行特性和优化调度提供了有效工具。
【目的】针对电动汽车多充电站在城市路网中布点分散、相互耦合导致负荷预测难度大的问题，提出一种融合路网、气象和日期特征的联合预测模型，旨在提高多充电站负荷预测的精度和效率，为新型电力系统的经济调度和高效运行提供技术支持。【方法】采用改进的迪杰斯特拉算法构建充电站之间的空间关联网络，通过图卷积神经网络（graph convolutional network， GCN）融合路网特征，气象变量通过斯皮尔曼秩相关系数筛选关键特征，日期特征以二进制编码表示工作日与非工作日的差异，并引入基于Mamba的选择性状态空间模型（selective state space model， SSSM）以捕捉长期时序特征并降低Transformer模型在长期预测中的高计算复杂度。【结果】以吉林省某市45个充电站的实际运行数据为样本进行验证，结果表明GCN-Mamba模型能够有效捕捉充电站之间的相互影响以及气象、日期等外部因素的作用，其均方根误差和平均绝对误差较传统模型显著降低，计算时间相比Transformer模型减少约30%，展现了优越性能。【结论】GCN-Mamba模型在电动汽车多充电站负荷预测中表现出高精度和高效性，创新性地融合路网空间关联和选择性状态空间模型，为新型电力系统负荷预测提供了新思路；但研究样本数据局限于单一城市，未来可扩展至多城市、多场景验证，并优化模型对极端天气条件的适应性。
【目的】考虑到配电网中新能源出力和用户需求的不确定性影响，为提升配电网对分布式光伏（photovoltaic， PV）的消纳能力，提出了一种基于多种管理措施的配电网分布式PV承载能力提升策略。【方法】首先，基于多种调节设备对功率和电压的主动管理措施和基于负荷削减的需求侧管理措施，建立考虑配电网运行稳定性和经济性的分布式PV承载能力提升模型。然后，综合考虑分布式PV出力和用户需求不确定性，采用Wasserstein生成对抗网络（Wasserstein generative adversarial network， WGAN）生成分布式PV出力和负荷场景，并通过K-means场景聚类方法构建基于KL（Kullback-Leibler）散度的源荷特征场景概率分布不确定集，将分布式PV承载能力提升优化模型转化为深度学习模型训练数据驱动的分布鲁棒优化模型。最后，通过算例仿真分析了基于多种管理措施的分布式PV承载能力提升策略对配电网分布式PV承载能力的提升效果。【结果】研究结果表明，提出的基于多种管理措施的分布式PV承载能力提升策略能够将分布式PV的承载能力提升2.92%，并且可以有效应对分布式PV和负荷的随机性。基于WGAN生成的分布式PV出力和负荷场景的自相关系数和偏相关系数与历史样本数据高度一致，能够有效反映其时序变化特征，解决了历史数据难以收集的问题。【结论】提出的策略不仅有效提升了配电网对分布式PV的承载能力，还为解决新能源出力和负荷需求的不确定性提供了有效的技术手段，具有重要的理论价值和实际应用意义。
【目的】随着“双碳”目标的推进，水电开发商积极推进所在流域水力发电抽蓄化改造的同时，加大区域光伏等新能源的建设力度，逐渐形成高比例新能源与大规模抽水蓄能并存的局面。但在新能源出力与区间来水的双重不确定性影响下，系统运行配合更加复杂，尤其是考虑区间来水不确定后含蓄梯级水电调度方法鲜有研究。【方法】提出一种基于条件风险强化学习的梯级水光蓄联合优化调度方法，通过Informer深度神经网络预测流域区间来水，进一步将区间来水不确定性转化为灵活性供给指标；再结合风险理论，用条件风险价值（conditional value at risk， CVaR）量化灵活性缺额；最后提出考虑条件风险价值的近端策略优化（risk-managing proximal policy optimization， RM-PPO）强化学习算法进行求解以获得优化调度策略。【结果】以中国某实际梯级水光蓄基地为例进行验证，所提预测方法相较仅考虑时序的传统方法，均方误差（mean-square error，MSE）降低18.9%，平均绝对误差（mean absolute error， MAE）降低58.8%，尖峰事件捕获率为78.5%；所提RM-PPO调度算法实现了各站对系统灵活性的调控，抽蓄电站与光伏联动消纳，传统水电站与光伏协同源荷匹配。【结论】所提RM-PPO调度策略能够降低成本、控制风险，并保持系统运行灵活性，促进新能源消纳的同时提高水能利用率。
【目的】针对新型电力系统中源荷不确定性给制定调度计划带来的不利影响，以及全额保障性收购可再生能源电量的消纳问题，提出一种基于演变虚拟净负荷的新型电力系统日前优化调度方法。【方法】首先，利用Informer模型对风光出力和负荷的时间序列进行场景预测。然后，在虚拟净负荷基础上定义了演变虚拟净负荷，并计算电力系统中的演变虚拟净负荷。最后，考虑系统的运行特性，以保障性收购可再生能源电量为基础，以包含各机组运行成本和碳排放成本在内的系统总成本最小为目标，以系统灵活性约束条件反映源荷不确定性的需求，建立基于演变虚拟净负荷的新型电力系统日前优化调度模型。【结果】通过实例分析表明，与其他调度方法相比，所提方法能有效提高系统应对源荷不确定性波动的能力，降低碳排放成本和促进可再生能源发电项目上网电量的消纳。【结论】所提方法能够同时兼顾可再生能源上网电量保障性收购与市场化竞价激励，平衡政策要求与企业经济性需求；且在保障系统安全运行的同时，通过优化机组发电成本与碳收益，能够实现经济性与低碳性的双重提升。
【目的】随着新型电力系统建设推进，新能源机组逐步替代传统火电机组，电源侧惯量水平持续下降，负荷侧的频率惯量支撑作用愈发重要。因此，有必要在常规机组组合优化中进一步考虑源荷两侧的惯量协同优化配置。【方法】首先分析了负荷侧的等效惯量支撑能力，提出了考虑负荷惯量响应策略的系统惯量计算方法。在此基础上，提出了基于系统初始频率变化率和频率最低点的最小惯量评估方法，并针对所提负荷响应策略和最小惯量评估结果，建立机组组合安全优化模型。【结果】算例结果表明，所提方法在满足系统频率安全约束的同时，降低系统对常规机组惯量的依赖，优化系统源荷惯量资源配置，从而在确保电网安全运行的前提下，显著提升系统的整体运行经济性。【结论】负荷侧可控资源通过其快速响应能力可为电力系统提供灵活的等效惯量支撑，有效缓解频率跌落问题，降低系统运行成本。
【目的】非侵入式负荷监测（non-intrusive load monitoring，NILM）因其具有成本低、实施便捷等显著优势，在实际应用中得到了广泛推广。虽然目前已经有很多基于深度学习的NILM方法，但这些方法在可解释性和稳定性方面仍有一定局限。文章利用拓扑数据分析，提出了一种基于功率拓扑特征的新型非侵入式负荷监测方法。【方法】首先通过对功率时间序列数据进行相空间重构操作，将原始负荷功率数据转化为具有几何特征的点云数据集；其次，基于拓扑数据分析理论，从所获得的点云数据中提取了一系列反映负荷特性的拓扑几何特征，包括持续振幅、持续熵以及贝蒂数等关键特征量；最后，在该拓扑特征集基础上，结合XGBoost机器学习分类器构建了负荷识别模型。【结果】实验结果表明，在公共数据集PLAID上，所提方法的负荷识别准确率达到了93%，所用时间为98 s，与现有方法相比，该方法不仅在识别速度方面表现出色，同时在复杂用电器的辨识准确率上也获得了显著提升，特别地，所提方法在冰箱与洗衣机这两种复杂负荷上的识别精度提升了3%~10%。【结论】该方法提取的特征具有明确的数理意义，更有利于进一步从机理上研究负荷属性，可以作为一种兼具计算效率、识别精度与模型可解释性的新型NILM方法，应用前景广泛，为后续相关研究提供了有益参考。
【目的】随着能源消耗的持续增长，以风能为代表的清洁能源装机容量正在稳步提升。然而，新建风电场站数据匮乏导致无法对其进行精确建模，同时还存在伴随场站场景数据发生动态更新，难以捕捉时变特征等问题，给风电功率精准预测带来了极大的挑战。【方法】提出一种针对新建风电场站数据匮乏场景下的风电功率预测方法。首先，采用基于堪培拉距离和动态时间规整算法相结合的相似性度量方法，以高效挖掘多个与目标新建场站相似的源域场站；其次，通过筛选后的源域场站风电数据建立基于多源迁移学习扩张卷积神经网络与双向长短期记忆神经网络（dilated convolutional neural network- bidirectional long short term memory，DCNN-BiLSTM ）的预训练模型，以利用多个相似源域场站数据经验知识对目标新建风电场站进行迁移学习，避免目标新建风电场站过于依附单源域数据；在此基础上，为了深度挖掘时变场景数据对预测结果的影响，提出一种结合在线自适应模块的预测方法，建立考虑数据匹配更新自适应与考虑权重更新自适应的两种模型自进化方式，对在线自适应模块中的基本预测模型与在线模型的输出结果进行加权，实现新建风电场站的短期风电功率预测。【结果】以中国西北某风电场站集群数据为实例验证了所提方法能够优越地对源域风电场站数据进行筛选，同时进行更为精准的功率预测。【结论】文章所提方法为解决有限信息背景下电力数据匮乏问题提供了可行的解决方案，并有望进一步扩展该方法的应用范围。
【目的】为响应“双碳”号召，促进可再生能源消纳，提出一种考虑匹配受端负荷直流外送和频率安全约束的梯级水光蓄系统中长期优化调度策略。【方法】首先，针对送端水电留存和受端负荷调峰需求，构建直流外送功率的优化调节模式；进一步，结合频率安全约束，寻求系统运行成本以及弃光惩罚整体费用最小，提出了梯级水光蓄系统中长期优化调度模型；在此基础上，为应对光伏出力不确定性，提出以上述中长期优化调度模型为基础的基于综合范数约束的两阶段分布鲁棒优化模型，第一阶段优化基础场景下的系统调度决策，第二阶段则最小化弃光惩罚，并通过列与约束生成算法进行求解。【结果】算例验证表明：对直流联络线的功率传输模式进行优化建模，能够充分调用直流外送与送端发电机组之间的协调优化潜力；水电留存比例与光伏渗透率越大，系统对火电机组的依赖越小，受端负荷调峰需求越小；在调度模型中考虑频率安全约束有利于预防系统发生事故后产生频率越限问题；采用分布鲁棒优化方法对考虑光伏不确定性的优化问题进行建模，能够得到安全性和经济性兼顾的优化调度决策。【结论】所提出的梯级水光蓄系统中长期优化调度策略能够适应当前新能源高渗透率的趋势，并且采用的分布式鲁棒优化模型能够兼顾经济性与安全性，以应对实际电网中新能源预测不确定性对电力系统调度带来的挑战。
【目的】为推进全国统一电力市场建设，提升电力零售市场资源优化配置能力，文章开展面向多元负荷需求的电力零售套餐研究，构建了新型电力系统市场运行下面向多元负荷需求的电力零售套餐组合优化模型。【方法】首先，建立多元负荷参与的零售套餐交易架构，基于典型用户日负荷曲线设计多样化火电和绿电互补零售套餐；其次，构建零售套餐组合上下层模型，上层以零售商收益最大化为目标优化套餐价格，下层最小化用户购电成本得出套餐选择决策，并应用遗传算法进行求解；最后，选取典型用户进行案例分析，得出套餐定价结果、电量分配结果以及用户负荷调整情况。【结果】相较于单一种类套餐，零售商利润分别提升了60.84%、58.76%、62.90%、2.25%，用户整体支出降低了3.24%、4.33%、2.14%、2.34%；与仅考虑火电套餐相比，所提模型可使用户成本降低7.28%，零售商利润提升32.60%。此外，对用电需求、批发电价等因素进行敏感性分析，结果表明用电需求对零售商收益和用户成本影响更加显著。【结论】所提模型能够精确反映用户实际用电需求，有助于提升新能源消纳能力，充分降低用户成本并提升零售商收益，为解决能源零售套餐单一化问题，实现售电方和用户方互利共赢提供有益参考。
【目的】随着需求侧分布式风电的大规模接入，电力系统对需求侧灵活性资源进行多元化发展的需求不断提升。然而，这类资源往往容量较小且分布分散，依靠现有的市场机制难以对其进行有效利用。【方法】针对需求侧各类典型资源，提出一种基于纳什谈判的电能-灵活性资源联合市场日前交易机制。首先，各市场主体在电能交易部分依据纳什谈判模型确定电能交易初始计划，再结合灵活性资源供需平衡情况，判断是否需开展灵活性资源交易。随后，在灵活性资源交易阶段，提出灵活性资源的报量、报价原则，并基于纳什谈判模型确定灵活性资源交易计划。最后，根据电能与灵活性资源间的容量耦合关系，修正电能交易计划，形成最终联合交易计划。【结果】在需求侧多类型资源参与的市场中，算例结果表明该机制能够有效提高并协调多方主体效益，合理分配在加入灵活性资源交易后的市场收益，且对灵活性资源定价相较于传统方法更加合理。【结论】提出的基于纳什谈判的电能-灵活性资源联合市场日前交易机制，能够有效解决分布式风电接入带来的灵活性资源需求问题以及需求侧资源分散、容量小带来的交易困难问题，提升需求侧资源参与市场的积极性，也为灵活性资源的市场化发展方向提供了理论支撑。
【目的】在双侧竞价的电力现货市场中，售电商的主要业务是通过优化购售电策略以获得最大利润。【方法】针对售电商的购电报价及售电定价联合策略优化问题，首先建立了马尔可夫决策过程；其次，在此基础上提出了一种可以用于连续动作空间的改进型反事实基线多智能体策略梯度算法（modified counterfactual multi-agent deep reinforcement learning with soft actor-critic algorithm，mCOMA-SAC）并对联合策略优化问题进行了求解；此外，进一步对比分析了价格影响者（price-maker）售电商和价格接受者（price-taker）售电商在报价和定价联合决策上的差异，以及不同程度的线路阻塞对价格影响者售电商决策的影响。【结果】算例结果验证了mCOMA-SAC算法在学习性能、计算性能和优化性能上的优点。【结论】所提的mCOMA-SAC算法可以有效地优化售电商购电报价和售电定价联合决策，解决了价格影响者型售电商在双侧竞价电力现货市场中的策略性购售电行为模拟问题，为电力市场中售电商市场力的控制提供了方法支持。
AI小编
作者登录
审稿登录
