基于随机响应面法考虑随机变量 相关性的概率潮流计算

随机潮流技术是分析含风电场电力系统潮流分布的有效手段。为了准确描述风电场输出功率的随机特性,分析风电接入对系统潮流分布的影响,提出了基于随机响应面法的电力系统随机潮流计算方法。将随机潮流分析转化为确定性潮流分析,用传统潮流计算方法加以求解,从而得到各潮流状态变量的统计特征值和概率分布。考虑到地理位置靠近的多个风电场之间,风速具有较强的相关性,进一步采用正交变换技术处理相关的风速。IEEE-14和IEEE-118系统的计算结果表明,该方法与蒙特卡洛方法相比,具有较高的计算精度和较小的计算量。     

UPS系统中电压型逆变器开路故障诊断研究

逆变器开路故障是不间断电源(Uninterruptible Power Supply, UPS)系统中一种常见故障,它会降低电能质量,甚至会引起其他部件的潜在二次故障。研究有效的逆变器故障诊断技术对提高UPS系统的可靠性具有重要意义。因此,采用基于绝对归一化的Park矢量法实现逆变器开路故障诊断。利用相电流的平均值与相电流绝对值的平均值的归一化量诊断和定位单个或两个开关管开路故障。利用相电流绝对值的平均值与Park矢量模的归一化量诊断同一桥臂的两个开关管开路故障,该方法可以有效地实现开路故障检测和故障定位。最后基于Matlab/Simulink对提出的故障诊断方法进行验证,仿真结果表明了所提出故障诊断方法的有效性。     

采用随机空间仿射变换技术的蒙特卡罗区间潮流方法

区间潮流(interval power flow,IPF)是含风电系统稳态分析的重要工具。现有区间潮流计算方法都要求输入区间变量相互独立,无法合理计及风电场风速的区间相关性。针对这一问题,提出一种基于随机空间仿射变换的蒙特卡罗采样方法求解区间潮流。首先,引入相关角的概念来描述风速的区间相关性,建立了考虑风速区间相关性的区间潮流模型;然后,应用随机空间仿射变换技术,将原随机空间中相关风速转化为仿射随机空间中独立风速;最后,采用蒙特卡罗法求解包含独立风速的区间潮流。在IEEE-14和118标准系统仿真计算,结果验证了所提方法有效、可行。与传统蒙特卡罗法相比,所提方法可以在几乎不增加计算量的情况下,精确实现风速区间的去相关化。     

考虑双馈异步风电机组无功极限的静态电压稳定概率评估

风电机组中双馈异步发电机(DFIG)恒电压运行时具备一定无功调压能力。为了准确评估含DFIG风电机组的电力系统电压稳定性,得到更为精确的临界功率或负荷裕度的统计信息,构建了考虑DFIG风电机组恒电压运行的无功极限的静态电压稳定概率分析模型,并采用蒙特卡罗法结合内点法加以求解。模型中将风电场接入节点作为PV节点,考虑了风机网侧变换器的注入无功功率,分析了风速随机性和相关性对风电机组注入无功功率和系统电压稳定性的影响。IEEE 118和300节点标准系统的计算结果验证了所提模型和方法的有效性。     

基于改进NSGA-3和不平衡潮流的配电网相序优化

低压配电网存在大量单相负荷,三相负荷不平衡会造成台区线路损耗增加,危害电网运行安全。提出一种基于历史数据的用户相序优化方法。使用台区用户的历史电压、电流数据构建台区不平衡潮流模型。针对台区一天内的运行状况建立用户节点电压平均不平衡度最小、台区线路损耗最小和换相次数最小的目标函数。提出含有正态分布交叉算子(normal distribution crossover,?NDX)的改进非支配遗传算法(non-dominated sorting genetic algorithm-3, NSGA-3),对用户节点的相序进行优化,以获得较好的种群分布并减少优化时间。然后从解集中选择最符合条件的一组解作为换相策略。最后以安徽省某配电台区实际用户数据为例,验证了所提方法可以有效地降低三相电压不平衡度,减小线路损耗。     

基于自动微分技术的电力系统计算程序灵活设计与实现

为了提高电力系统计算程序的通用性和灵活性,避免潮流及最优潮流计算时繁琐的导数公式推导,利用ADMAT自动微分工具箱设计了一种较灵活的计算程序.该程序无需手动编程构造雅克比矩阵和海森矩阵,减少了编程出错可能性,方便修改最优潮流模型、增减目标函数和约束条件.结合ADMAT工具箱的求解特点,研究了潮流方程、约束条件和目标函数的雅克比矩阵和海森矩阵的稀疏模式,对程序进行了优化.多个系统的测试结果表明,将自动微分技术应用于电力系统计算的可行性和优越性,所设计的程序具有较高的计算效率.     

基于多步法和降维处理的暂态稳定约束最优潮流计算

基于内点算法的暂态稳定约束最优潮流(TSCOPF,optimal power flow with transient stability constraints)计算效率提高的关键是降低修正方程的维数.提出了基于多步展开和降维处理的TSCOPF计算方法.采用高精度的多步展开方法处理TSCOPF模型的微分方程,以保证可采取大步长计算,并考虑差分方程本身具有一定的误差,将暂态差分方程转化为不等式约束处理同样合理,可进一步降低修正方程的维数.通过IEEE-14、NE-39、IEEE-118和IEEE-300系统的测试表明:所提方法能有效处理微分方程及与代数方程联立求解问题,大大降低了修正方程的维数.与常规隐式梯形法相比,该方法所需计算时间和内存更少,能够有效应用于大型电力系统TSCOPF的分析计算.     

考虑发电机运行极限的电压稳定临界点互补模型与算法

为了准确描述发电机无功动态调节作用对静态电压稳定临界点的影响,保证发电机运行在安全极限范围内,建立了考虑发电机安全运行极限的静态电压稳定临界点的互补约束非线性规划模型和算法。根据临界点处发电机励磁电势、定子电流与机端电压互补约束的严格性条件,给出了新模型下快速判断临界点的方法。对5个IEEE系统的计算结果表明,所述模型可以精确地表达发电机无功动态特性,更充分地挖掘系统的电压稳定裕度,对临界点类型和关键发电机节点的判断更为准确,有利于电力系统稳定运行。     

基于特征加权Stacking集成学习的净负荷预测方法

当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为“净负荷”)进行预测研究。由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测。为此,提出了一种基于特征加权改进的Stacking集成学习净负荷预测方法。首先,通过对不同单一预测模型的预测性能和差异性的分析,优选出长短期记忆网络、Elman神经网络、随机森林树和最小二乘支持向量机作为Stacking集成的学习器。其次,针对传统Stacking集成预测由于忽略学习器之间差异性所导致的预测能力不足问题,根据预测精度对不同学习器进行特征加权,以修正各学习器所带来的整体预测误差。最后,基于德国TENNET区域实测数据进行算例分析,结果表明,相比于单一预测模型、传统Stacking集成预测方法,基于特征加权Stacking集成学习的净负荷预测方法在晴天、多云、多雨、多雪等天气情况下均具有更高的预测精度。     

基于CLARA算法的考虑时序特性分布式电源规划

针对配电网分布式电源(DG)的优化选址定容问题,以配电网年损耗电量最小为目标,考虑不同类型DG出力的随机性和时序特性,建立多场景多时段混合整数非线性随机优化模型。利用蒙特卡洛方法生成描述DG出力的序列场景,通过考虑各场景需要满足的约束条件近似对随机过程进行约束,将原随机优化问题转化为确定性优化问题。利用CLARA算法对各场景各时段模拟得到的样本进行聚类,以避免全场景下样本规模大、模型求解难等问题。IEEE 14和IEEE 33节点标准系统的测试表明,所提模型和算法能有效利用不同类型DG的时序互补作用,提高配电网对DG出力的消纳能力。与不采用聚类方法全场景代入及采用PAM聚类方法相比,所提算法在保证优化结果近似误差低于3%的同时,能显著降低模型的求解难度和节省计算时间。