考虑备用需求和风险的供电企业最优购电计划

电力市场的运行实践和已有的研究成果表明:有效的需求侧竞争能够削弱发电市场力、提高系统运行的可靠性和电源的利用率.作为用户购电代理的供电企业是需求侧竞争的主要参与者.为了满足用户电能和系统备用需要,供电企业应综合考虑在长期合同、现货市场、备用市场上的能量分配和自备电厂的资源优化利用.最优购电和资源规划问题正是在这样的背景下提出的,并已成为供电企业亟待解决的一个新课题.作者对供电企业的电能购买优化问题进行了研究,运用现代投资学理论,提出了以购买费用最小为目标的优化模型,考虑了现货市场价格波动风险和企业的风险容忍度对购电计划的影响,并以风险惩罚项形式并入目标函数.用蒙特卡罗仿真方法实现了对模型的求解.文中以加州电力市场历史数据为例,利用所提出的模型,分别对高峰、肩峰和低谷三个典型运行工况,就不同风险系数、有备用和无备用要求等条件进行了仿真研究和比较,为进一步全面研究需求侧购电决策和资源优化奠定了基础.  

快速计算电网可用输电能力的交流灵敏度方法

在电力市场环境下，可用输电能力(ATC)是反映输电设备可用于能量交易的剩余容量的重要指标。ATC一旦确定后，快速估计出系统参数变化对输电能力的影响具有很大的实际应用价值。文中首先基于连续潮流方法，考虑输电支路的过负荷约束、发电机有功及无功出力约束和节点电压约束，计算出ATC的值；然后推导出ATC对多种运行参数摄动的一阶灵敏度计算模型，运行参数包括节点负荷功率、发电节点端电压以及给定的能量交易，这些灵敏度系数能够很快地计算；最后，使用了IEEE30节点系统的算例来验证文中所提出的方法的有效性和快速性。  

含误差预测校正的ARIMA电价预测新方法

在电力市场中，准确的电价预测是各市场参与方共同关心的重要问题。已经提出多种理论和方法尝试提高电价预测精度，然而由于影响电价的因素十分复杂，实践证明靠建立单一的电价预测模型来提高预测精度是非常困难的。该文在分析电价波动特性和现有预测方法的基础上，首次提出结合误差预测校正电价预测来提高预测精度的新思路。在建立常规电价预测模型的基础上，对预测后的残差形成的随机序列也迭代地建立预测模型，并用预测的误差修正电价预测结果。该文采用ARIMA方法建立电价预测和误差预测模型，并用加州电力市场的历史数据建立基于ARIMA的日平均电价预测模型，预测结果表明所提方法能明显改善预测精度，而且方法简捷明了，能够推广到小时电价预测、负荷预测和其它预测领域。  

双时间尺度电力系统动态模型降阶研究(一)——电力系统奇异摄动模型

电力系统是一个时间尺度的大规模非线性系统，其稳定性分析非常复杂，为提高稳定计算的效率，对复杂的电力系统模型进行化简，以实现系统化降阶非常必要。文中以电力系统物理电路为基础，导出了一个计及电磁快动态的电力系统奇异摄动模型。推导中，以感应电动机并联线性阻抗为负荷模型，并考虑了线路充电容与负荷补偿电容，该模型是一个标准的双时间尺度模型，为电力系统的系统化降阶与分析奠定了基础。  

基于主成分聚类分析的智能电网建设综合评价

智能电网引领未来电网的发展方向,合理准确评价智能电网总体发展建设水平、衡量地区电网智能化差异势在必行。以主成分聚类分析法为理论基础,对智能电网评估指标体系中的多元评价指标进行标准化、降维和去相关性处理,消除原指标间的二次加权,为各评价指标赋予主成分权重,同时利用主成分因子载荷矩阵聚类分析,结合指标大类的实际意义与评估方向,提出分类指标体系设计思路,梳理原指标体系评测变量的内在脉络,最终利用综合主成分评价函数定量考察特定区域智能电网发展建设水平并作横向比较,为智能电网发展提供有益参照。相关算例验证了智能电网主成分评价方法体系的正确性和有效性。  

双时间尺度电力系统动态模型降阶研究(二)——降阶与分析

电力系统是一个多时间尺度的大规模非线性系统，其稳定性分析非常复杂。在实际的电力系统稳定分析中，具有快变特征的电磁变量的动态通常被略去，通过系统降阶使稳定性分析得以简化。然而，一个十分重要的问题是在什么条件下系统的降价不会引起质的错误。同时，降价后的系统代数方程的特征也需要进行充分的研究，以便对降价后的系统模型进行分析。文中以基于物理电路的计及快慢动态的电力系统奇异摄动模型为基础，研究了系统降价的条件，得到了当系统负荷模型为感应电动机和并联线性阻抗时系统降价对系统稳定分析不会引起质的错误的重要结论。另外，文中还证明了在上述负荷模型下，系统降价后的代数方程解流形是正则子流形。  

运用动态相量法对电力电子装置建模与仿真初探

随着灵活交流输电系统(FACTS)元件在电力系统中的广泛应用，为适应针对包含电力电子器件的设备建立简单而又较准确的数学模型的需要，文中提出一种基于时变傅里叶级数的动态相量建模方法，可以适用于包含电力电子器件的元件建模。该方法通过忽略系统状态变量对应的傅里叶级数中那些不重要的项而对原系统进行简化，建模过程中保留可以反映模型本身特性的主要级数项，然后由这些保留项构成动态相量模型的状态变量。经过和详细时域模型仿真计算结果的比较，证明动态相量模型是准确的，并且可以大量节省计算时间。  

统一潮流控制器的动态相量建模与仿真

为适应系统快速、精确仿真和分析、控制的需要，运用一种新的建模方法——基于时变傅里叶级数的动态相量法对统一潮流控制器(UPFC)进行建模和仿真。该方法通过忽略系统状态变量所对应的傅里叶级数中那些不重要的项而对原系统进行简化，并且可以有效地将系统中的连续事件和离散开关事件结合起来。在建模过程中可以根据研究需要提取出UPFC暂态模型中的直流分量和需要考虑的各次交流谐波分量。通过与详细时域模型仿真计算结果的比较，证明了UPFC的动态相量模型是精确而有效的，并且可以大大节省计算时间。  

采用两阶段优化模型的电动汽车充电站内有序充电策略

在满足电动汽车用户充电需求及配电变压器容量限制的前提下,建立了以充电站充电收益最大化为目标的第一阶段优化模型。考虑最大化电网公司对缩小峰谷差所给予的激励,以不低于第一阶段优化所求得的最大充电收益为约束,建立了第二阶段优化模型。根据用户的驾驶习惯,采用蒙特卡洛方法模拟用户的充电需求,对电动汽车在无序充电、第一阶段模型和两阶段模型优化控制充电3种情形下充电站的经济效益及配电变压器下的负载情况进行了仿真和分析。研究结果表明,采用第一阶段模型和两阶段模型均可显著提升充电站的经济效益。但是在现行的分时电价机制下,仅采用第一阶段优化模型进行大量电动汽车的充电控制往往会带来新的负荷尖峰,而两阶段优化模型在进一步增大充电站经济效益、减小峰谷差等方面均有显著作用,并且具有很高的计算效率,适于实际应用。  

具有先验知识的 Q学习算法在AGC中的应用

传统的自动发电控制（AGC）系统通常基于经典的线性控制理论，并且大部分二次调频采用比例积分（PI）控制器，但系统固有的非线性以及结构多变使得积分增益系数不易确定，容易造成超调或调节不足的问题，从而影响系统频率稳定。文中采用强化学习控制器代替传统的PI调节器，将考虑了死区、出力约束、机组爬坡率和时延等非线性环节的AGC系统离散化成Markov链，直接将区域控制误差作为系统状态量，并充分利用AGC环境中的已有信息，结合模糊综合决策方法，获得能够改善 Q学习效率的先验知识，采用Q学习算法对其进行学习得出离散的AGC策略。数值仿真的结果验证在非线性AGC系统中应用具有先验知识的 Q学习方法可以加快收敛速度，提高学习效率，并通过控制性能评价标准（CPS）进一步检验了该方法的可行性。