消纳大规模风电的多目标负荷平衡化分散调度方法

当前风电发力不能满足人们日常生活需求,使用传统调度模型存在风电出力与预测值相差较大情况,基于此,提出了消纳大规模风电的多目标负荷平衡化分散调度方法.依据风电日发电量年度分布情况,确定风电出力特性.分析多目标负荷平衡化分散对风电消纳的影响,由此获取等效负荷和受限的风电电量.为保证调度安全,设计极限场景集,描述分散调度模型,求取最优解,并保证目标函数值在不影响其他目标函数情况下进一步优化一组解.依据问题求解步骤,实现多目标负荷平衡化分散调度.由实验结果可知,该方法风电出力与预测值自45min开始就与预测值一致,能够满足人们对风电发力的需求.     

含高渗透率风电的微网系统鲁棒经济调度方法

微网中可再生能源比重通常较大,其固有的间歇性和随机性给微网调度带来困难.为应对可再生能源的出力波动,本文综合考虑风、柴、燃料电池、蓄电池等机组运行特性,建立了基于极限场景法的微网日前鲁棒经济调度模型;通过将调度计划的弃风及切负荷电量转化为经济成本,提出了使调度计划发电成本和风险成本(弃风、切负荷成本之和)综合最优的误差边界优化方法.从风电预测精度、蓄电池容量及切负荷价格3方面分析了鲁棒经济调度在微网中的适应性.结果表明:微网鲁棒经济调度在发电成本上稍显劣势,但在减少弃风、切负荷的电量方面具有明显优势,并且在风电预测精度低、蓄电池容量不足以及切负荷价格较高的微网地区更适合采用鲁棒经济调度方法.     

基于随机模型预测控制的含大规模风电接入的电力系统优化调度

风电是重要的清洁可再生能源,将其引入智能电网中对节能减排有着重要的意义.为降低大规模风电不确定性给电网调度带来的影响,提出一种基于随机模型预测控制的风电与传统机组协调调度方法.考虑了部分传统机组需要人工调度而无法频繁、连续操作的情况,并引入可调负荷以增加系统可调度能力.构建基于混合整数二次规划(MIQP)的风电调度目标函数,以及包括机组最大可调节次数、最小运行/停机时间、可调度负荷总能量需求一致性、风电切负荷比例等约束.提出两阶段场景缩减方法以实现典型场景的快速筛选.通过与传统开环调度方法的性能对比表明所提出方法的可行性与有效性,并在此基础上进一步分析机组启停次数和可调度负荷对系统运行的影响.     

两种风蓄协调控制策略在不同装机配比工况下的对比分析

为解决大规模风电入网造成系统功率波动性过大问题,本文提出两种风电-抽水蓄能协调控制策略,以抽水蓄能机组运行特性为基础,建立风蓄协调策略优化调度模型,策略1以弃风量最小和系统调峰效果最优为联合控制目标,策略2以风蓄联合出力波动量最小为控制目标;采用加入启发式改进的二进制粒子群算法,将抽水和发电出力进行统一二进制编码,利用外点罚函数法对模型约束进行调整,用于风蓄协调调度问题的求解。利用含火电机组、抽水蓄能机组和不同装机容量的风电场的测试系统,对风电-抽水蓄能协调控制策略进行验证,结果表明本文所提两种风蓄协调控制策略均能起到平滑风电波动的效果,通过进一步比较系统运行费用,总结了两种风蓄协调策略的控制特性和适用工况。     

含风电的发电资源优化调度与仿真研究

风电大规模集群接入电网给电力系统的调度带来巨大挑战.基于对风功率波动特性的分析,将风电作为负的负荷,构建了以污染物排放最小为目标的含风电的电力系统优化调度模型.根据次日风功率和负荷功率的预测值,安排火电机组的发电调度计划.把目标函数作为适应度函数,利用遗传算法迭代优化蚁群算法的参数,得到两者融合后的改进算法,最后求得最优解.实例仿真表明,本文提出的运行调度模型及改进求解方法能够用于计划机组出力,可有效减小污染物的排放.     

考虑风电和储能接入电网的多目标协同博弈区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题, 充分考虑储能灵活充放电的运行优 势, 提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法. 本文综合考虑有功调度与无功优化之 间的内在耦合关系, 以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标, 建立多目标区间储能经济 调度优化模型. 在优化过程中, 首先考虑在直流潮流的区间调度模型中, 通过优化储能和发电机的有功出力来实现 对风电不确定性的处理, 然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化, 从 而获得兼顾电网安全性与经济性的均衡最优解. 本文还从风电的不同区间波动以及风电场并网规模的角度出发, 分 析了对系统储能调度运行的影响. 最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的 Pareto最优解进行对比分析, 可避免确定权重因子时的人为主观因素. 本文通过对IEEE RTS–24节点系统进行算例 仿真, 验证了所提模型的合理性和可行性.     

基于层次分析法的新能源消纳利用能力优化模型研究

新能源机组规模日益增加,考虑稳态和动态有功平衡约束的优化模型消纳利用能力较差,针对该问题,提出了基于层次分析法的新能源消纳利用能力优化模型研究.建立新能源消纳利用能力综合评价指标体系,实现定量化决策.在确定固定机组组合方式下,计算最大消纳新能源电力,确定新能源最大消纳利用空间.采用层次分析法,分析新能源消纳,在联络线出力上下限、相邻时段出力的调整方向以及交易电量约束条件下,设计新能源消纳利用能力分析流程,以此构建新能源消纳利用能力优化模型.由实验结果可知,该模型消纳能力较好.     

考虑源荷互动的主动配电网两层优化调度

针对主动配电网中清洁能源消纳率低、负荷侧资源调度不足的问题,提出了一种包含负荷层和主动配网层的两层优化调度模型。负荷层首先根据负荷参与调度的形式不同分类建模,然后通过源荷协调互动调整柔性负荷用电时序及清洁能源的出力;主动配网层则依据分时电价优化系统的综合运行成本,提出禁忌-细胞膜优化算法对模型求解。通过算例对比分析了分层、分类负荷前后三种方案下优化调度的结果,证明了提出的优化调度模型在配网系统经济运行的前提下,可以有效提高清洁能源的消纳率,进一步降低负荷峰谷差,同时验证了算法的有效性。     

多虚拟电厂接入的主动配电系统优化经济调度

在市场环境下,为促进含随机性可再生能源的消纳同时协调各经济主体矛盾并挖掘各主体价值和经济效益,本文提出一种基于分析目标级联理论的主动配网调度优化模型,以配网与虚拟电厂存在电能交互为建模背景。考虑虚拟电厂组成的多样性,设置风储型虚拟电厂以及含冷热电系统型虚拟电厂,各虚拟电厂可以分别与配网进行电能交互,各经济主体根据自身组成优化内部变量以及交互功率,通过分析目标级联法与其他主体协调交互功率实现分布式求解。最后通过IEEE33节点配电系统的算例仿真表明,调度结果能较好的反应主体经济性,得出风储型虚拟电厂有利于提高风电的消纳量,冷热电联供型虚拟电厂可以实现综合能源经济管理,分析目标级联法用于本文所提的模型背景是有效的。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

危险气体泄漏源搜寻多机器人系统的设计与实现

危险气体泄漏源搜寻是仿生嗅觉技术的重要应用领域之一.为了提高气体泄露源定位的效率和准确性,设计并实现了一种基于无线传感器网络的气源目标搜寻多机器人系统.该系统由多个嗅觉机器人组成,每个机器人作为无线传感器网络节点实现信息交换,协同工作,实现危险气体泄漏源的定位.嗅觉机器人以DSP处理器(TMS320F28335)为控制核心,对MOS气体传感器和风速传感器的输出信号进行融合,设计了浓度梯度与风速信息相结合的单一气体泄漏源搜寻算法.当嗅觉机器人完成气源定位时将发出警报,其他机器人利用装配的麦克风阵列和声源定位算法实现对泄漏源的间接定位.最后,为了说明所设计的多机器人系统对气体泄露源定位的有效性和准确性,本文设计了针对单一泄露源的气源搜寻实验进行验证.     

基于DRL的综合能源系统优化运行研究

随着“双碳”政策的推进，发展以电网为核心，电、热、气多能互补、协同供能的综合能源系统是落实“双碳”的重要手段。电-热-气联合运行的综合能源系统迅速发展，该系统运行存在的经济性问题和稳定性问题有待解决，本文致力于采用机器学习算法，在兼顾运行稳定性的情况下解决电-热-气联合运行系统的经济性问题。本文首先对包含储能和电转气装置的综合能源系统进行建模，结合优化运行问题优化目标-约束条件的一般框架，在约束条件建模中考虑功率平衡、各机组出力限制、爬坡率限制和容量限制；然后，本文设计了基于DRL的电-热-气联合系统优化运行问题求解策略，DRL算法结合了强化学习策略选择的优势和深度学习环境模拟的优势，在DRL算法设计中详细考虑动作空间、回报函数、状态空间、DRL 算法、DRL网络五大模块；最后，本文设计了4个算例，结合电-热-气联合系统典型日运行条件，验证了采用电-热-气联合运行供能模式可以有效实现多能互补降低用能成本，并且本文设计的DRL方法可以有效求解电-热-气联合系统的优化运行问题。     

基于神经棒的电力变压器离线图像识别研究与应用

为解决智能移动设备在电力变压器等设备的巡检、运维工作的图像识别中难以适用于无网络的离线环境问题,本文综合考虑电力设备巡检、运维工作的实际需求和真实情况,设计一种基于神经棒的电力变压器离线图像识别系统。首先,引入卷积神经网络算法,构建深度学习图像识别模型,并利用真实图片数据集对模型进行训练调优;然后,创新地将模型集成到神经计算加速棒中,搭建电力变压器离线图像识别系统,进一步解决网络对系统的束缚;最后将本文的基于神经棒的电力变压器离线图像识别系统与现有的4G网环境下移动设备识别系统、离线环境下移动设备识别系统在贵州电网贵阳局城北分局提供的真实图片数据集上进行对比验证,结果表明本文提出的基于神经棒的电力变压器离线图像识别系统具有较高的识别准确率和稳定性。     

基于多状态概率模型的新能源消纳能力分析

新能源发电装机规模日益增加,客观评价电网消纳新能源的能力是提高新能源渗透率又保证系统安全稳定运行的重要条件。本文基于新能源联合出力多状态概率模型,考虑系统调峰容量约束,利用新能源装机规模、损失电量及消纳电量在无约束情况下新能源理论可发电量中的占比等指标来综合评估电网的新能源消纳能力,进而提出一种基于多状态概率模型的新能源消纳能力分析方法。对某省2020水平年规划电网新能源消纳能力进行了实例分析,统计历史年新能源出力概率分布,并依据该统计结果求取了风电、光伏联合出力概率分布,利用该省电源、负荷等规划数据测算了系统剩余调峰容量,进而评估了新能源消纳能力,分析了状态数选择对分析结果的影响,验证了所提出方法的正确性和有效性。     

计及分布式电源的配电网电压波动特性研究

针对分布式电源出力的波动特性会使配电网发生电压波动变大等问题,在对分布式光伏和分布式风电输出功率特性进行分析的基础上,研究了分布式电源并网对配电网电压波动影响的相关原理;利用PSCAD/EMTDC电力系统仿真软件建立了包含分布式电源的配电网仿真实例模型。对配电网在不同容量、不同并网位置的分布式光伏和分布式风电作用下的电压波动情况进行仿真计算,获得了计及分布式电源的配电网电压波动特性相关规律。     

Prediction interval of wind power using parameter optimized Beta distribution based LSTM model

Prediction interval of wind power (PIWP) is crucial to assessing the economic and safe operation of the wind turbine and providing support for analysis of the stability of power systems. The hybrid model (Beta-PSO-LSTM) of long short-term memory (LSTM) neural network and Beta distribution function based particle swarm optimization (PSO) is put forward for prediction interval of wind power. In order to enhance the performance of the Beta-PSO-LSTM for PIWP in training process, wind power series are divided into different power intervals, and then the Beta-PSO-LSTM is used to estimate each power interval of the original wind power series. Furthermore, based on the analysis of the interval forecasting error information in wind power training data set, Beta distribution model is proposed to get better PIWP, and PSO is used to optimize the parameters of the model. Finally, the proposed Beta-PSO-LSTM model is compared with the Beta distribution optimized by PSO based the BP neural network (Beta-PSO-BP), the normal distribution based LSTM neural network (Norm-LSTM), Beta distribution based LSTM neural network (Beta-LSTM), and Beta distribution optimized by iterative method based LSTM neural network (Beta-IM-LSTM) for PIWP. The simulation results show that the PIWP obtained by the Beta-PSO-LSTM model has higher reliability and narrower interval bandwidth, which can provide decision support for the safe and stable operation of power systems.     

基于GMDH网络的风电功率短期预测

风力发电是当今新能源领域最具有前景的发展方向,而准确有效地预测风电场的输出功率对于风电场的顺利并网运行具有重要的意义。从实际的风力发电场中获得了有关风速、风向以及实际输出功率等历史数据,建立了基于GMDH神经网络的风电短期功率预测模型并将其运用于实际的风电场功率短期预测当中。最后,通过将预测结果和实际输出功率比较,表明GMDH方法在风电功率预测中具有较高的预测精度。     

基于小波神经网络法的短期风电功率预测方法研究

基于小波与BP神经网络,提出一种小波与BP神经网络结合的方法对短期风电负荷进行预测。运用小波能够精确地提取时间序列的细微特性和BP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了小波神经网络预测模型,经实际数据证明该方法提高了预测的精确性。     

基于LS-SVM和核密度估计的概率性风电功率预测

近年来风电在我国发展迅猛,但风速的不稳定性和间歇性,使风电功率也具有同样的性质,这样的电功率注入会带来电力系统运行的不稳定,因此,风电功率的预测对风电并网及使用具有重要意义。鉴于此,开展风电功率的短期预测研究,利用LS-SVM对风电功率进行建模并实现确定性的短期预测,在此基础上使用非参数统计法对确定性预测模型的预测误差进行拟合获得其密度函数,计算各功率段的置信区间以得到概率性预测结果,从而提高风电功率预测结果的实用性和可靠性。与常用的自回归滑动平均模型和BP神经网络模型进行对比实验,证明本方法的性能及优势。     

钢铁企业煤气优化调度模型研究

钢铁企业煤气系统结构非常复杂,煤气调度涉及的变量众多.通过对煤气系统网络结构的分析与研究,给出了煤气系统网络及其调度单元模型.煤气系统的网络结构由煤气管网和单元模型组成,单元模型连接到不同煤气管网,产生或消耗不同煤气.最后给出了各调度单元模型的详细建立方法.