一种多准则综合的电压脆弱性评估方法

在现有的电力系统电压脆弱性评估方法中,存在单一指标难以反映全貌、基于权重的综合指标又过于主观的问题。文中根据已有的具有代表性的电压稳定指标,并结合节点重要性的信息,提出了基于超效率数据包络分析的多准则综合电压脆弱性评估方法以及相应的综合指标——相对电压脆弱性指标,用于辨识电网中的薄弱节点。在此基础上,还考虑了离群点的检验,以完善所提出的方法。最后,以江西电网作为算例进行了仿真分析,结果证明了所提出方法和指标的全面性、有效性和客观性。     

含光伏电站和蓄电池储能系统的主动配电系统状态估计

间歇性和随机波动性的分布式新能源大规模接入,储能系统与电动汽车的随机充放电以及智能量测装置的量测误差等使得主动配电系统的态势感知面临诸多挑战。考虑到光照强度、温度及电池荷电状态等影响因素,文中搭建了含光伏发电电源、配电网和蓄电池储能负荷的主动配电系统状态估计模型。首先,基于光伏五参数模型和电池内阻模型,推导出光伏系统和蓄电池储能系统的量测函数及雅可比矩阵。然后,结合配电网的状态估计模型,将电气量和非电气量统一标幺化后,对主动配电系统进行状态估计及不良数据处理。最后,在IEEE 33节点系统下进行了仿真验证。仿真结果表明,与光伏系统和蓄电池储能系统作为PQ节点的模型相比,所提方法扩展了与光伏系统和蓄电池储能系统相关的状态估计和不良数据处理能力,且提高了配电网的状态估计精度。     

并网光伏系统的在线抗差状态估计

为了充分考虑主动配电网中光伏发电系统的影响,对光伏发电系统进行实时监控,提出了一种并网光伏系统的抗差状态估计方法。搭建了光伏系统模型,建立了相应的量测模型。抗差状态估计能够实现对配电网系统的状态监测,可靠估算出系统的运行状态。文中抗差状态估计采用最小绝对值(Least Absolute Value,LAV)估计算法,不仅具有抵御不良数据的能力,而且计算效率较高。仿真结果表明:该方法能够正确地估算出光伏系统的状态,收敛性较好,并且具有一定的抗差能力,能实现对光伏系统中不良数据的检测和辨识。     

基于PCA-GA-ELM的光伏发电功率预测研究

针对目前光伏发电功率预测方法所存在的预测精度较低和不同天气类型适应性较弱的问题,提出一种利用主成分分析(PCA)和遗传算法(GA)改进极限学习机(ELM)的光伏发电功率预测模型(PCA-GA-ELM预测模型)。该模型的计算过程:首先,基于季节因素和天气类型等气象因素对于光伏发电系统的影响,在不同季节下建立了不同的子模型,并利用灰色关联分析法选取同种天气类型下的相似日;然后,利用PCA将多个原始输入变量降维成少数彼此独立的变量;最后,利用GA对ELM的初始权值和阈值进行寻优。此外,文章利用光伏电站的实际发电功率数据对预测模型进行验证。分析结果表明,PCA-GA-ELM预测模型具有较高的预测精度和较强的泛化能力。