基于条件风险价值的综合能源系统日前-日内两阶段调度模型

冷热电联供型综合能源微网（combined cooling heating and power micgrid,CCHP-MG）的普及和应用对提高能源利用效率和实现双碳目标具有重要的意义,但同时其资源聚合的复杂性和不确定性同样给其运行优化带来了挑战。基于此,构建了考虑风光出力不确定性的CCHP-MG日前-日内两阶段调度模型。在日前阶段,以运行成本最低为目标优化综合能源系统各设备运行策略,采用场景法处理风光出力的不确定性,并基于条件风险价值法对系统运行风险进行客观量化;在日内,风光预测值更加精确,以平抑联络线功率偏差为目标调整部分设备出力,在保证经济性的同时,尽可能的保证电网的安全稳定运行。最后,以某综合能源系统为例,验证了所构模型的有效性。     

基于预测电流控制的T型三电平并网逆变器研究

本文介绍了一种三相三线制T型三电平并网逆变器系统,根据开关状态建立了其数学模型.针对传统d-q变换的电流内环控制器在三相电压型逆变器中存在着动态响应慢及直流电压波动较大的问题,提出一种以泰勒公式为基础的预测电流控制方法,并采用了基于功率前馈的双闭环控制策略,实现了电流的快速跟踪,减少了电流的谐波含量,提高了系统的动态响...     

基于改进灰狼算法的配电网多目标优化调度

含新能源的配电网多目标优化调度作为智能电网优化的重要组成部分,对实现“双碳” 目标具有重要意义. 针对含新能源的配电网多目标优化调度,建立含新能源的配电网优化调度模型,利用改进多目标灰狼算法对其进行求 解,实现配电网在运行成本和环境成本最小模式下运行.算例结果证明了所提模型的正确性,并验证了改进灰狼算法 的优越性能.     

基于EEMD和深度自编码器的变压器机械故障声学诊断方法

为提高电力变压器机械故障诊断的准确性,依据变压器声音信号与机械状态之间的关联特性,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和深度自编码器(Stacked Auto Encoder,SAE)的变压器机械故障声学诊断方法。首先采用EEMD对变压器原始声音信号进行分解,提取信号的时频能量特征;然后构建基于SAE的变压器机械故障识别模型,通过无监督自学习和有监督微调完成深层特征挖掘和识别;最后以某10 kV变压器为试验对象,采用典型机械状态下的声音信号对故障识别模型进行训练优化。算例结果表明,与传统的故障诊断方法相比,所提方法能更好地对变压器机械故障进行识别。     

计及电动汽车及多类需求响应的电力用户能量管理鲁棒模型

近年来,分布式能源呈规模化并网运行,导致传统电力用户从单纯的电能消费者逐步演变为兼具电能生产与消费能力的产消者,并可在市场电价的引导下有序参与市场交易。然而,受自身容量的限制,产消者难以承受市场电价波动性、光伏出力随机性带来的风险。为此,提出了一种基于鲁棒优化的产消者能量管理模型,首先构建了含电动汽车以及多类需求响应资源的产消者能量管理模型;在此基础上,考虑电价波动性以及光伏出力的随机性,构建了计及电价、光伏不确定性的产消者能量管理鲁棒模型,分析了鲁棒系数对产消者整体效益以及能量管理策略的影响。最后,采用改进灰狼算法实现了模型的高效求解。