基于电池电流前馈控制策略的两级式双向储能变流器控制

当下储能发展的速度以及多样性催生了多种不同电压等级的储能电池,所以能适应不同电压等级电池组的双向储能并网系统是当下分布式发电发展的关键,而由于直流的DC/DC变流器具有升压功能,所以将直流斩波与逆变背靠背设计能够满足此条件,但是由于在电池充放电过程中直流母线电压存在严重暂态波动,严重降低了储能系统的稳定性。为此本文针对背靠背的储能变流控制系统在充放电过程中所出现的暂态性提出一种基于电池参考电流前馈补偿控制策略,并采用不同电压等级的电池接入系统进行仿真验证。     

考虑预测误差折现效应的风电场柔性并网策略

针对风电并网功率的平滑性需求,提出了一种考虑预测误差折现效应的风电场柔性并网策略。首先,考虑到超短期预测中功率预测误差随时间断面推移而变大的特点,引入t location-scale分布模拟前瞻周期内的风电出力;在此基础上,提出采用氢燃料电池蓄电池构成混合储能系统的策略,以充分发挥二者的互补优势和协同效益;最后,参考经济学资产定价模型,度量未来不同时间断面风电场运行成本的当前效益,并以前瞻周期内经折现之后的风电场运行经济性之和最优为目标函数,对风蓄氢系统进行优化调度。仿真结果表明,与不配置混合储能、不考虑未来经济折现效应的风电场相比,所提的优化策略能够实现更优的风电场柔性并网功能。     

广西中压配电网接线模式探讨分析

中压配电网是可靠供电关键环节,接线模式关系到中压配电网的可靠性。笔者通过分析中压配电网典型接线模式的优缺点及适用范围,借鉴国外典型供电模型,结合广西地域特征和负荷特征,对广西中压配电网网架设计进行了探讨,并提出广西中压配电网不同发展阶段的接线模式建议。研究表明,采用分阶段建设中压配电网的方式可以满足广西供电需求和智能电网的发展。通过采用中压配电网灵活的接线模式,并逐步实施配电网自动化,可提高中压配电网的供电可靠性和运行维护水平。     

基于机器学习的电网关键断面安全运行自动控制系统设计

输电断面稳定超限问题日益突出,为此提出基于机器学习的电网关键断面安全运行自动控制系统。根据极限学习机理论使预测误差最小化,引入核函数获得关键断面精度。设计符合电网在线运行要求的电网关键断面安全运行自动控制网络框架,采用潮流法对断面输电极限功率实施运算,依据调度策略确定控制支路并实施约束,保证系统运行的安全性。控制电网负荷频率,获取采集交换业务数据,通过自动控制系统达到电网关键断面功率平衡,最终完成最优控制。实验结果表明:设计该系统能够提高电网整体的稳定度,并且能有效降低能耗。     

基于无人机技术的输电线路检测和故障定位方法

针对现有技术中输电线路检测故障系统图像处理效率低、故障定位误差大等诸多问题,提出了一种新的基于无人机技术的输电线路检测与故障定位方法。在无人机中应用单目摄像头获取输电线路的视觉图像,并将每个图像发送到地面工作站,使用纹理过滤和图像校正方法来解决图像处理中摄像镜头畸变和噪声直接干扰的问题,大大提高了输电线路故障检测的精度,该研究还在无人机中增加了卫星导航与惯性测量单元附加传感器,通过不同概率密度函数提高无人机空间定位估计,即使在黑夜与大雾天气中,也能够实现输电线路检测和故障定位。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。     

考虑碳排放和综合需求响应的电-气联合运行决策博弈

考虑到当前向国际社会承诺的“碳达峰,碳中和”目标,针对电-气联合运行中多方利益的诉求,运用动态主从博弈理论,在考虑碳排放和综合需求响应的情况下,建立以供电公司为主体,家庭负荷聚合集群为从体的博弈模型.通过家庭负荷聚合的多能联合负荷特性和价格需求响应的不确定性,得到博弈双方支付函数.考虑能源结构的碳排放折算,以供能方收益最大,需求侧支付费用最低为目标,建立主从博弈模型.主方以价格为策略集,从方以需求响应为策略集,通过最优反应函数结合非支配排序遗传算法求解并筛选主从博弈均衡解.通过算例仿真验证,所提出模型可实现主体和从体各方的社会效益与经济效益最优化,为能源互联下的市场决策优化运行提供参考.     

柱上开关状态监测与故障诊断技术研究

针对传统柱上开关监测与故障诊断技术存在硬件设备不够完善、监测时间长、监测精度低的问题,采用储存电能电动机状态监测装置和多分类柱上开关状态故障诊断算法模型对现有方法进行了改良。构建出了具有数据采集模块、数据传输模块、数据计算模块、用户服务模块的柱上开关状态监测系统。对于所收集到的柱上开关状态监测数据进行深入的分析与计算,从而实现完善的监测硬件设备,较短的监测时间以及很高的监测精度。通过实验表明,本设计最低监测精度可达95%,在小数据量数据包最快所需监测时间只要10s。     

基于交直流特性的变压器有载分接开关测试装置开发

结合直流测试及交流测试技术,开发了基于交直流特性的变压器有载分接开关测试装置.通过测试电压及电流波形,计算开关切换过程中的过渡时间、过渡电阻、三相开断不同步时间等参数,并与标准波形、设计要求比较,从而判断出有载分接开关的运行状态。     

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TCN-LSTM和气象相似日集的电网短期负荷预测方法

为充分挖掘不同气象因素的相似日信息和输入特征蕴含的信息以提升负荷预测精度,提出一种基于时间卷积网络和长短期记忆网络组合（TCN-LSTM）和气象相似日集的电网短期负荷预测方法。首先通过Pearson系数和最大信息系数,选出与负荷强相关的气象因素;然后根据该气象因素,选取最佳相似日组成气象相似日集,以气象相似日集负荷、历史负荷、气象因素和时间因素作为预测模型的输入特征;最后,搭建TCN-LSTM预测模型,用TCN进行特征提取后,再用LSTM网络完成短期负荷预测。以中国某地区的实际历史数据进行仿真验证,结果表明所提预测方法可有效提升负荷预测精度。