需求响应对配电网供电可靠性影响分析

需求响应的实施在实现电力系统削峰填谷的同时也对配电网的供电可靠性产生了影响。采用分时电价作为基于电价的需求响应机制,在此基础上通过模糊聚类方法实现时段的划分,以电量电价弹性矩阵衡量负荷的改变,并以峰谷负荷差值最小为目标函数优化分时电价。为分析基于激励的需求响应对可靠性的影响,在可靠性评估中考虑线路容量约束,引入激励响应负荷的概念,制定负荷削减策略并提出衡量激励响应负荷的可靠性指标。算例验证了理论分析的正确性。     

风电场的组合维修策略研究

为降低风电场维修成本,提出针对风电场的风电机组部件组合维修策略。在各部件故障率服从威布尔分布的基础上,确定各部件的最优预防性维修周期,进而确定各部件后续预防性维修的实施时刻。将未来一段时间内的全部维修任务按分组方案组合为多个维修组,单一维修组内包含的全部维修任务采用分层优化方法安排给多支维修队一起执行,以使在风电机组停机时间最短情况下维修队工作时间最短。对比组合维修策略与预防性维修策略的维系成本,以分组方案节约维修成本为适应度,使用遗传算法求解最优分组方案。仿真结果验证了该策略可有效减少风电机组的停机时间,降低风电场维修成本。     

面向主动需求响应的需求侧荷源二重性建模方法

以面向主动需求响应的荷源二重性建模方法为主题,从需求侧灵活性资源参与电网调度的视角分析了国内外在荷源二重性建模方面的研究成果,按照研究对象划分,负荷跟随电源（load-follows-generation, LFG）模型分为一般负荷、储能设备、分布式能源及其组合,对负荷响应建模、优化目标、约束条件、调度方法、控制方式等进行阐述,阐述了负荷跟随发电的模式能够实现主动需求响应,优化负荷曲线,缓解发电侧调度压力,促进可再生能源消纳。     

风电机组大部件的备品备件区域库存优化控制策略

风电机组大部件的备品备件是保障风电机组运行的重要物资,合理的备件库存可减少风电场的停机损失。针对风电机组大部件的备品备件库存控制问题,提出了基于(s,Q)策略的区域库存优化控制策略。首先,以威布尔分布函数描述风机大部件的故障概率密度。其次,考虑风电机组设计寿命及备件短缺停机时间,通过概率模型推导了区域库存策略下的风机大部件备件成本和平均可用率公式。然后,以备件成本最小为优化目标,建立库存优化控制模型,并分析了大部件的各主要参数对最优库存控制参数的影响。最后,通过算例分析验证了该策略的有效性。     

物元分析法及其在电网发展诊断中的应用研究

现代电网的结构和形态日益复杂、评价电网的发展状态需要考虑的指标和因素众多,为诊断电网发展水平,重构了包含电网发展速度协调性、电网发展规模协调性、电网结构协调性、电网安全可靠性、设备水平、电网利用效率、电网发展效益7个维度的指标体系,给出了构建原则及指标选择依据。在现实中处理相互矛盾的问题时,可以应用定量与定性相结合的方法进行研究,这就是物元分析法。将物元分析方法应用到电网发展诊断中,建立了基于物元分析的电网发展诊断模型,该模型不仅能够诊断电网发展水平,还可以确定影响诊断结果的关键因素,给出改进建议。实际算例验证了该方法的可行性和合理性,具有较好的评价准确度和预测效果。     

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。     

基于风电场机组大部件运行状态的年度检修策略

风电场机组年度检修是保证所有风电机组正常运行的重要手段,合理的检修方案可以降低风电场运行维护成本。为确定风电场的最优年度检修方案,文章提出了一种基于大部件运行状态的风电场年度检修策略。首先,综合考虑大部件的工作役龄、维修历史及当前运行状态,以威布尔比例强度模型计算部件的故障概率;然后,定义检修改善因子,描述年度检修对部件故障概率的降低程度,建立考虑故障停机时间、故障维修费用及检修成本的年度检修策略优化模型;最后,通过算例分析验证该策略的正确性及有效性。