基于在线学习的面向居民用户激励型需求响应

激励型需求响应是一种通过补贴信号灵活调度需求侧能源的手段,对于维持电力系统供需平衡,提升经济效益有巨大潜力。在面向居民用户的激励型需求响应中,电力运营商选择削减电量潜力大的居民用户并向其提供补贴价格,以激励其削减电量。然而,站在电力运营商的角度,面对居民用户未知且不确定的用电行为,识别并选择削减电量潜力大的居民用户以及如何动态制定补贴价格是关键挑战。为了解决这一问题,本文提出基于在线学习的激励型需求响应算法(IDR-OL),利用多臂赌博机框架在线学习居民用户削减电量潜力,建立电力运营商运营成本优化模型选择最优参与需求响应的居民用户并动态制定补贴价格。仿真结果表明,本文提出的IDR-OL算法能够在实现供需平衡的同时更大限度地降低电力运营商运营成本。     

计及需求响应下典型工业负荷排放特性的环境经济调度

水泥厂等工业用户一方面具有高排放属性,另一方面也具有相当可观的需求响应潜力,可作为电力系统应对风电等新能源发电不确定性的重要手段之一。为此,在含风电电力系统环境经济调度问题中充分考虑水泥厂大气污染物和碳排放特性及其需求响应能力,实现电力系统源荷协同的绿色低碳运行。首先,分析了电源侧火电机组和负荷侧水泥厂的大气污染物排放特性,并计及大气污染物的时空分布特性和污染源附近区域的环境容量裕度,提出了火电机组及水泥厂环保成本计算模型。同时,考虑了火电机组及水泥厂的碳排放特性,并采用阶梯型碳排放成本模型计算火电机组和水泥厂的碳排放成本。在此基础之上,提出了水泥厂负荷优化模型,以阶梯型分时电价的方式调动水泥厂参与需求响应,构建了源荷协同的含风电电力系统环境经济调度模型。最后,基于改进的IEEE 39节点系统进行了算例分析。结果表明,所提模型不仅可以实现电网侧和水泥厂成本均降低的双赢局面,还能够降低电力系统源荷整体的碳排放量。     

计及综合需求响应参与消纳受阻新能源的多时间尺度优化调度策略

随着新能源发电技术的高速发展,电网新能源消纳压力日益凸显。与此同时,随着多能转换技术发展,电网与其他类型能源网络的耦合程度不断提高,如何利用不同能源网络灵活性资源消纳受阻新能源,成为当前亟待研究的问题。为此,提出了计及综合需求响应参与消纳受阻新能源的多时间尺度优化调度策略。首先,充分考虑综合能源系统(integrated energy system, IES)特性建立了冷、热、电负荷的多类型需求响应模型。其次,在日前时间尺度,考虑新能源消纳过程中各方利益均衡,建立了基于主从博弈理论的价格型综合需求响应(integrated demand response, IDR)日前优化调度模型;在日内时间尺度,针对新能源日前预测偏差对系统优化影响,建立了考虑激励型IDR日内滚动优化调度模型。最后,通过算例仿真证明了所提策略可深入挖掘多类型负荷需求响应能力,有效提高新能源消纳量。     

新型电力系统灵活性资源聚合两阶段调度优化模型

构建以新能源为主体的新型电力系统是实现碳达峰、碳中和目标的关键驱动力。传统的以可控煤电装机为主导的电源结构,转变为以强不确定性、弱可控的新能源为主体的新型电力系统,将面临着灵活性资源短缺等挑战。以提升新型电力系统灵活性为导向,提出了灵活性资源聚合两阶段调度优化模型。第一阶段模型考虑分时价格型需求响应,以净负荷波动最小为目标平滑负荷曲线;第二阶段模型考虑分段激励型需求响应市场交易机制,融合电化学储能、抽水蓄能、改造火电等灵活性资源,以系统运行成本最小为目标设计最优运行方案。最后,算例结果和场景对比表明,需求响应能够充分挖掘负荷跟随系统调节的互动能力;改造后火电机组能够降低煤耗水平,提高调节能力,加强与系统灵活性需求时空匹配;各类储能积极响应电力系统调峰,促进了新能源消纳。     

考虑需求响应的多微网P2P能源交易低碳运行策略

随着“双碳”目标的提出,微电网作为分布式电源利用的有效形式,受到能源管理应用领域的广泛关注。随着微电网数量增加,多微网端对端(peer to peer, P2P)能源交易有助于促进区域内能源的互联互济和清洁能源的就地消纳。在考虑微电网的碳排放特性和需求响应潜力的基础上,构建多微网P2P能源交易模型实现配电侧供需协同以及确定其最优交易策略。首先,提出了微电网运行优化模型,以运行费用最小化为目标鼓励微电网参与需求响应;其次,实现微电网内部购售电和储能充放电碳排放的量化,并计算微电网的碳排放成本;再次,基于广义纳什议价理论构建P2P能源交易模型并在模型中加入潮流约束,在保证电力系统安全稳定运行的基础上实现多微网的能源共享和收益分配。最后,基于IEEE-33节点系统进行算例分析。结果表明,考虑需求响应和碳排放费用的多微网P2P能源交易有助于促进微电网之间的能源共享和新能源消纳。     

考虑源网荷储协同优化的配电网韧性提升策略

随着分布式电源的规模化接入,针对极端灾害引起的大规模停电事故难以采用传统的配电网故障恢复策略。首先,提出了极端灾害下考虑源网荷储协调优化提升配电网韧性的策略框架。其次,针对分布式能源出力的不可控性和时变性,建立了光储和风储系统模型(optical storage and wind storage system, OWS)。同时,考虑到负荷的价格需求弹性,建立了极端灾害下的负荷需求响应(load demand response, LDR)模型。再次,以负荷恢复的总价值最大为目标,考虑LDR补偿、故障抢修与网络重构过程中的网损成本,建立了考虑源网荷储协同优化的配电网韧性提升模型。最后,在改进的PG&E 69节点配电网系统算例中验证了所提策略的有效性,结果表明利用多能互补的特性进行源网荷储的协同优化有利于提高配电网的故障恢复能力。     

363 kV阀侧断路器研制的关键技术问题探究北大核心CSCD

以363 kV阀侧断路器为研究对象,建立三维简化模型,并综合考虑静载荷、风载荷及覆冰载荷等组合工况的条件下,对363 kV阀侧断路器整机进行静力学分析,得到整机零部件应力及变形分布情况,其中支柱复合套管根部最大应力为70.928 MPa,小于材料屈服强度。其次对363 k V阀侧断路器灭弧室关键件进行优化设计,并进行静电场和动态电场仿真分析,电场强度最大值降低了9.86%。然后设计真型抗震性能试验,获得了其自振频率及应变响应、加速度响应曲线,由测量点数据计算的支柱复合套管最小安全系数为1.97,且产品外观良好。因此,363 kV阀侧断路器通过了0.4g工况下的抗震力学性能试验,并通过了电气及机械性能试验检验,验证了整机结构设计的合理性,为支柱套管结构优化和导电结构的设计奠定基础。     

用人工神经网络方法计算太阳光谱辐照度分布

针对传统太阳光谱辐照度分布计算模型计算速度慢,需要大量气象参数等问题,提出了一种基于人工神经网络(ANN)算法模型计算特定气象参数下的太阳光谱辐照度分布的方法。首先将数据集通过Mini-Batch-Kmeans算法聚类并标签化,利用Python平台搭建ANN算法模型并对数据集进行训练,从而获得该气象条件下的太阳光谱辐照度分布。结果表明,相对于其他机器学习算法模型,提出的ANN算法具有更好的误差评估参数表现以及更稳定的预测性能。此预测模型可运用于光伏器件的输出性能参数的计算,为光伏组件实际应用中预测发电量输出和性能评估提供了便捷工具。     

基于边际谱图像的变压器局部放电检测技术研究

目前变压器局部放电检测的识别率较低,而且随着检测样本的增多,检测速率会变慢,增大了变压器的内存消耗。为此,提出了基于边际谱图像的变压器局部放电检测技术,利用样本采集器进行放电样本的收集,再通过层次网络TesINEet24结构进行样本数据的传输,利用边际谱图像的Hilbert-Huang变换模型分离算法对收集的样本数据进行处理,通过二维散点图进行数据集的优化,最后利用处理后的数据搭建局部放电检测模型。通过实验发现,设计方法可提高放电检测识别率,在放电样本最大时,其检测识别率可以高达99%,而且随着样本的增多,其检测识别率也会提高,减少了变压器的运行内存,提高了电力系统的效率。     

云计算环境下的QR码双重加密复合数字水印算法

为了确保上传到“云”端环境下的数字产品的隐蔽性和安全性,在逐渐向“云”端转移的快速响应(Quick Response, QR)码的理论基础上研究并提出了一种QR码双重加密复合数字水印算法,防止QR码“云”端丢失的可能性。对“云”水印图像进行QR码编码生成QR码水印图像,确保水印信息的安全性,再对QR码水印信息实施加密置乱;对“云”上载体Lena图像进行非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT),选择储存信息更多的低频部分进行离散小波变换(Discrete Wavelet Transform, DWT),对图像抵抗力较强的低频图像进行奇异值分解(Singular Value Decomposition, SVD),在分解的奇异值中加权加密的QR码水印。通过对算法进行实验验证,该算法在视觉效果较好的前提下,考虑实用性,将复合算法和加密相结合,提高了算法的抵抗力,尤其是旋转攻击和JPEG压缩攻击。