基于多尺度特征提取的IES多元负荷短期联合预测

为提高综合能源系统(integrated energy system,IES)多元负荷预测的精确度,综合考虑多能源相互作用机理、多元负荷耦合特性及气象因素相关性,提出了一种基于多尺度特征提取的IES多元负荷短期联合预测方法.首先,通过最大互信息系数(maximum information coefficient,MIC)研究多元负荷耦合特性及影响因素相关性,选择预测特征;其次,利用变分模态分解技术(variational mode decomposition,VMD)对输入特征进行分解,提升特征纯洁度;最后,采用卷积神经网络-双向长短期记忆神经网络(convolutional neural network-bidirectional long and short-term memory,CNN-BiLSTM)多任务学习模型进行纵向、横向特征选择,注意力(Attention)机制对重要特征差异化提取,实现多尺度特征提取,并利用雪消融优化器(snow ablation optmizer,SAO)对VMD和CNN-BiLSTM多任务学习模型进行超参数优化,以此实现IES多元负荷的联合预测.以美国亚利桑那州实测数据进行实验,结果表明,无论与单一预测方法还是与其他模型相比,所提联合预测方法的均方根误差更低、准确率更高,在IES多元负荷预测中具有更高的精确性和鲁棒性.     

电动汽车集中充换电设施规划和优化运行研究综述

分布式充换电设施因充电功率小、调度关系复杂、空间集约程度低等难题,难以满足快速增长的电动汽车补能需求,因此具有统一调度主体、调度关系清晰、具备集中通信与管控能力的集中充换电设施(centralized EV charging and battery swapping facilities, CCSF)成为构建充换电网络的关键。首先对CCSF的发展背景及典型适用场景进行介绍,总结梳理了典型EV负荷需求模拟方法,并对典型CCSF研究现状、结构组成和数学模型进行论述。然后从CCSF独立规划、计及CCSF的电网协同规划及电网与交通网协同规划三个维度分析CCSF规划研究现状。其次从有序充电策略、智能充电路径引导、计及CCSF的电网协同调度等方面总结CCSF的优化运行研究现状。最后结合CCSF研究瓶颈对未来研究工作进行展望。综上CCSF可满足EV快速补能需求,具有促进新能源消纳、提高电网承载能力、实现充电负荷有序管理、降低个体差异性影响、提升运行效率和促进系统低碳转型的优势。     

从灵活性平衡视角的高比例可再生能源电力系统形态演化分析

在能源生产和消费低碳化转型的背景下,如何量化源-荷不确定性的影响,高效、准确地实现配电网潮流不确定性表征,对配电网的安全、可靠运行具有重要意义。该文从计算效率和准确性两方面出发,将现有基于概率潮流的不确定性表征方法分为高、低保真度模型两类,综合分析了两种方法存在的问题。在此基础上,提出一种基于多保真度模型的高比例新能源配电网潮流不确定性表征方法,以实现潮流状态变量矩信息的高精度估计与概率分布函数的刻画。在矩信息估计方面,提出结合高、低保真度模型特点的最优输入样本数量分配方法,在给定总计算负担下实现了输出变量矩信息的无偏估计。在概率分布函数刻画方面,提出基于综合启动函数的概率分布函数刻画方法,利用多保真度模型提供的先验信息,提升概率分布函数拟合的准确性。通过118节点配电网的仿真计算,验证所提方法的有效性。

     

基于深度强化学习的光储充电站储能系统优化运行

优化储能充放电策略有利于提升光储充电站运行经济性,但是现有模型驱动的随机优化方法无法全面考虑储能系统的复杂运行特性以及光伏发电功率、电动汽车充电负荷的不确定性.因此,提出一种基于深度强化学习的光储充电站储能系统全寿命周期优化运行方法.首先对储能运行效率模型和容量衰减模型进行精细化建模.然后考虑电动汽车充电需求、光伏出力和电价的不确定性,在满足电动汽车充电需求和光伏消纳的条件下,以光储充电站收益最大化为目标,建立了基于强化学习的储能优化运行问题.考虑到储能充放电决策动作的连续性,采用双延迟深度确定性策略梯度算法进行求解.采用实际历史数据对模型进行训练,根据当前时段状态对储能充放电策略进行实时优化.最后,对所提方法及模型进行测试,并将所提出的方法与传统模型驱动方法进行对比,结果验证了所提方法及模型的有效性.     

考虑风电不确定性及柔性负荷的安全约束机组组合问题研究

针对风电出力的不确定性,采用基于拟蒙特卡洛(quasi-Monte Carlo,QMC)模拟的场景分析法生成风电出力初始场景,选取考虑风电预测误差较大的极限场景实现场景缩减。在不同的风电出力场景下,兼顾发电侧与需求侧柔性负荷的双侧协调配合,提出了计及柔性负荷的安全约束机组组合模型,实现了可削减负荷、可平移负荷以及可转移负荷3类柔性负荷的分类调度。通过对不同场景下10机系统的仿真计算,对比分析了需求侧柔性负荷调度对系统的经济成本、负荷峰谷差以及弃风量的影响。在考虑风电不确定性时,需求侧柔性负荷调度对提高系统经济性、缓解负荷高峰期用电压力具有重要作用,并且有利于增加风电的消纳,降低弃风电量。     

基于谱聚类与功率传输分布因子的电网静态等值

大规模互联电网结构复杂,不便于大电网优化分析计算。传统电网等值方法不适用于构建基于全网的等值模型,为降低电力网络复杂度,建立大规模电网等值模型,提出基于谱聚类与功率传输分布因子的电网等值方法。首先,以功率传输分布因子为相似性测度,考虑节点间的连通性,基于规范化谱聚类算法对电网进行合理分区。其次,根据分区结果,计及关键线路输电能力约束,通过母线聚合技术对电网结构进行简化等值,构建等值模型,并以保证区间潮流交换准确性为目标计算等值模型参数。最后,给出了基于等值模型的区域电价计算方法,并通过算例验证等值模型计算准确性。     

戴维南等值参数时域仿真跟踪算法分析与改进

从物理意义和数学假设两方面对现有的2种基于时域仿真的戴维南等值参数跟踪算法进行了详细的分析,揭示了两者共同的本质和算法实现上的差异。针对系统中所有负荷节点的处理方式,对现有2种算法进行了修正,使两者在物理本质、数学前提和计算结果三方面实现了统一。在统一现有算法的基础上,为了尽量减小\"两状态法\"可能带来的误差,以原算法的前提假设为出发点,对不同类型的发电机节点和负荷节点分别按照不同的方式进行处理,提出了改进的戴维南等值参数时域仿真跟踪算法。以等阻抗模判据为依据,通过稳态和暂态实例验证了改进算法能够更加准确地判断电力系统的电压稳定性。     

大规模新能源接入背景下小干扰稳定分析中状态矩阵特征值的灵敏度分析

大规模新能源接入有利于促进能源结构优化,但同时也增加了电网运行的不确定性。需要研究考虑不确定性因素的电力系统分析计算方法,准确快速辨识影响电力系统运行的关键不确定性因素,以提高含新能源电力系统的稳定性。本文研究大规模新能源接入背景下小干扰稳定分析问题,建立含风电的概率小干扰稳定分析模型,分别采用单变量偏导数、轨迹灵敏度和全局灵敏度分析方法辨识影响状态矩阵特征值的关键不确定性因素,并引入稀疏多项式混沌展开提高全局灵敏度分析的计算效率。采用含风电的14节点系统进行仿真分析,对比了不同灵敏度分析方法的计算结果与效率,分析了全局灵敏度分析方法的有效性。     

基于多维高斯混合模型的电力系统不确定性建模方法EI北大核心CSCD

在基于多维高斯混合模型的电力系统多变量概率建模中,针对期望最大化算法参数估计精度较低的问题,该文引入非参数核密度估计和密度保留的分层期望最大化算法,提出一种基于高斯成分数约简的建模方法。以非参数核密度估计结果作为基高斯混合模型,采用密度保留的分层期望最大化算法约简高斯成分数,能够建立任意高斯成分数的高斯混合模型,克服了期望最大化算法在高斯成分数较多时参数估计精度低的问题。为降低大样本下的建模计算负担,提出按时间尺度分层的建模方法。为解决相互独立的多个随机变量出现高斯成分数组合爆炸的问题,提出“组合–约简”分层建模方法。采用具有复杂分布特性的实测多维风速数据和负荷数据对所提方法作了测试,结果表明,所提方法的精度显著优于基于期望最大化算法的高斯混合模型和Copula函数法。     

基于CatBoost算法的光伏阵列故障诊断方法

针对基于传统机器学习算法的光伏阵列故障诊断方法需要大量训练集的问题,提出了基于CatBoost算法的故障诊断方法,实现小规模训练集下不同程度故障的准确诊断。建立了光伏组件等效电路模型,考虑短路、开路、老化、局部阴影下不同程度的光伏阵列故障,分析包含旁路二极管和阻塞二极管的光伏阵列的伏安特性曲线变化特性,构建反映不同故障特性的特征量,作为光伏阵列故障诊断方法的输入向量。使用CatBoost算法对小规模训练集进行训练,建立基于CatBoost算法的故障诊断模型。为验证所提方法的效果,分别进行了仿真和实验分析。将所提方法与传统神经网络算法、其他决策树算法进行对比,验证了所提方法在小规模训练集下的准确性与稳定性。