能源区块链的典型应用场景分析及项目实践

区块链作为一种新兴的基础架构与分布式计算范式,具有去中心化、公开透明、不可篡改、可追溯等特点,与能源互联网的开放、对等、互联和共享特征相符合,有望推动能源互联网的进一步发展。首先详细归纳了能源区块链的研究现状,具体在分布式能源交易、阻塞管理与辅助服务、需求响应服务、碳排放权认证与绿色证书交易、数据管理与信息安全以及能源数字代币的发布与投资6类典型应用场景展开。其次,总结评述了每种应用场景对应的典型能源区块链项目。最后,对能源区块链在我国的发展前景进行了展望,并提出了相关的发展建议。     

基于复数域标幺化的配电网三相不对称快速分解状态估计算法

提出一种基于复数域标幺化的配电网三相不对称快速分解状态估计算法。基于坐标变换的思想,引入基准相角进行复数域标幺化,对阻抗进行整体移相,减小R/X比值,弱化电压相角对有功、电压幅值对无功的影响,实现配电网状态估计的快速分解;根据网络特性,得出使得快速分解估计方法可靠收敛的最优基准相角的选取原则;为适应PQ快速分解状态估计模型,将电流幅值量测等效处理为功率量测。标准测试算例的仿真结果表明,所提快速分解状态估计方法在保证估计精度的同时,可改善配电网状态估计数值计算的稳定性,提高大规模配电网状态估计的在线计算速度。     

电-气互联综合能源系统多时段暂态能量流仿真

考虑到气网的慢动态特性,研究了电-气互联综合能源系统的多时段暂态能量流仿真,其中电网采用稳态潮流模型,气网采用暂态能量流模型。运用隐式有限差分法将天然气系统暂态能量流方程转化为非线性代数方程组,然后用牛顿法求解以非线性代数方程组描述的综合能源系统的多时段暂态能量流方程。同时,计及了电力系统与天然气系统2个层面的耦合,即燃气轮机与电转气(P2G)技术。最后,基于修改的IEEE 24节点电力系统和比利时20节点天然气系统,计算其多时段暂态能量流。仿真结果表明,在短时间尺度研究中,天然气系统的稳态模型与暂态模型的计算结果存在显著差异。除此之外,还定量评估了P2G对风电消纳的积极影响。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

电–气混联综合能源系统概率能量流分析EI北大核心CSCD

由电力系统(electric power systems,EPS)、天然气系统(natural-gas systems,NGS)之间的耦合与互联构成的综合能源系统(integrated energy systems,IES),对于构建经济、环保、高效的能源系统至关重要。同时,由于IES中大量的不确定因素,有必要将不确定建模技术应用于IES分析。该文将广泛应用于EPS的概率潮流的概念推广到IES的概率能量流分析中,计及了EPS、NGS之间3方面的耦合:1)燃气轮机组;2)电力驱动加压站;3)能源集线器。在IES稳态能量流的基础上,考虑了电、气、热负荷以及风电场出力的不确定性,并采用蒙特卡罗模拟法求解IES概率能量流。算例分析表明,NGS(或EPS)中不确定性因素会对EPS(或NGS)的概率能量流产生影响;同时NGS能量流方程线性化精度明显低于EPS。     

考虑样本类别不平衡的电网故障事件智能识别方法

电网中不同设备的故障概率存在差异,影响智能诊断技术的准确性.为解决此问题,提出了一种基于代价敏感学习和模型自适应选择融合的电网故障事件智能识别方法.首先,利用Word2vec模型将预处理后的电网告警信息向量化,并搭建2个双向长短期记忆网络作为基础分类器;然后,设计代价敏感损失函数,将交叉熵损失函数与代价敏感损失函数分别应用于2个分类器中;最后,提出一种模型自适应选择融合法,融合上述分类器,得到故障事件识别结果.实际数据测试表明,所提方法能够有效降低故障事件识别中样本类别不平衡的影响.     

考虑多需求场景的城市电动汽车充电站多目标规划

当前,多数研究基于用户出行路径确定EV充电需求,但是往往未考虑到多种不确定性。基于用户出行数据,考虑多种不确定性因素,在三种场景下对EV充电需求进行模拟,并采用K-means聚类算法得到三种场景下的充电需求。其次,基于此建立了一个综合考虑用户侧与非用户侧利益的多目标规划模型。另外,还提出了考虑多场景的改进排队理论对充电站定容,所提规划模型由NSGA-Ⅱ求解,并采用TOPSIS综合评价法确定规划方案。最后,以山东省潍坊市部分城区为规划区域,交通网耦合IEEE 69节点配电网为算例验证了所提规划模型的有效性与优越性。     

含新型统一潮流控制器的电力系统安全校正模型

统一潮流控制器(UPFC)串联侧和并联侧接于不同母线的新型拓扑使得UPFC的传统稳态模型难以适用,灵敏度类安全校正方法忽略了无功功率的影响,可能会引入新的不安全因素。基于此,提出一种适应性更强的UPFC稳态模型,并提出一种含UPFC的潮流计算优化模型。在考虑无功功率的影响后,引入0-1变量将安全校正问题转化为以调整设备数目最少和调整量最少为目标的多目标优化问题。然后,通过权重区分发电机节点和负荷节点,减少切负荷动作的发生。最后,利用极大值法将多目标优化问题转化为单目标优化问题,降低模型求解难度。116节点实际等值系统的算例测试表明,所述安全校正模型可利用最少的调整设备和调整量,消除系统过载故障。UPFC参与调控可提高系统安全校正效率。     

基于矩阵变换的双线性WLAV状态估计

当电力系统中的杠杆点存在不良数据时会严重影响状态估计的坏数据辨识和估计效果。现有的抗差估计方法也难以有效处理杠杆量测坏数据,而剔除杠杆点量测可能会影响系统的可观性。在双线性WLAV状态估计的基础上,通过对雅克比矩阵进行矩阵变换来实现对杠杆点不良数据的抗差。这种方法对算法本身进行改进,不需要剔除杠杆量测,既能提高对杠杆点不良数据的抗差能力,又不会影响系统的可观测性,是一种比较理想的处理杠杆点不良数据的方法。基于IEEE标准系统以及国内某实际省网的仿真结果验证了该方法在提高计算精度和计算效率方面的有效性。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。