基于时序动态约束的主动配电网滚动优化调度

为有效应对主动配电网(ADN)中间歇性能源和负荷等不确定性因素给ADN优化调度带来的挑战,提出了基于时序动态约束的ADN滚动连续实时优化调度方法。以恒定调度周期24 h的经济性最优为优化目标,建立了统筹考虑各类有功和无功功率等控制资源的综合实时优化调度模型。所提的滚动优化调度方法基于优化时刻的实时采集数据和后续23 h的预测数据,采用和声搜索算法求解所建调度模型,连续实时确定每个时刻ADN的最优运行方案。在建模过程中考虑到风光荷预测的不准确性随时间的增长而增大的特性,提出了时序动态约束的概念,即愈往后其安全约束愈加宽松,以此扩大解空间范围,进一步提高了调度方案的经济水平。最后,对改进的IEEE 33节点算例和IEEE 69节点算例的调度仿真分析,验证了所提方法和模型的可行性和有效性。     

电力系统柔性潮流

为解决常规潮流求解条件刚硬,可能导致迭代不收敛或计算结果不合理的问题,提出了电力系统柔性潮流的概念、模型和算法,推导了包含发电机静特性及负荷静特性描述的直角坐标牛顿一拉夫逊法柔性潮流雅可比方程,给出了基于负荷和发电机基点功率的一次潮流和二次潮流计算流程.柔性潮流雅可比方程的个数恒等于系统阶数的2倍且结构保持不变.柔性潮流不仅可得到节点电压幅值和相角,还可给出系统频率以及负荷和发电机的实际功率.与常规潮流相比,柔性潮流不再需要设置平衡节点、PV节点和PQ节点,其收敛性好且求解过程和结果更加符合电力系统工程实际.算例系统验证了柔性潮流模型和算法的正确性.     

基于双重注意力LSTM神经网络的可解释海上风电出力预测

海上风电面临复杂多变气象和海况条件的深度耦合影响,导致其出力预测精度有待提升。同时,预测模型的“黑盒”结构导致出力预测结果在工程应用中可信度偏低。针对上述问题,提出一种基于双重注意力长短期记忆(DALSTM)网络的超短期海上风电出力预测模型。在长短期记忆神经网络的基础上,引入特征空间和时序双重注意力机制,动态挖掘海上风电出力与输入特征间的潜在相关性,并从特征和时间2个方面获得重要性量度,在一定程度上实现了模型的可解释性。最后,基于中国东海大桥海上风电场数据采集与监控数据进行仿真验证。结果表明,所提DALSTM网络模型能够对海上风电出力进行有效的超短期预测,相比于传统预测模型具有更高的预测精度和稳定性,同时具有合理的可解释性。     

多电压等级不平衡主动配电网电压无功自适应多目标协调优化

高间歇性DG持续大量接入给传统配电网电压无功控制带来严峻挑战。利用新兴DG与传统设备(如电容器、OLTC等)进行电压无功协调控制显得尤为重要。然而,现有协调控制研究多采用负荷与出力的日前预测,并基于平衡网络模型和单一电压等级假设,导致其控制结果不合理或不可行。为应对上述技术挑战,基于主动配电网双向信息通信并采用自适应动态权重策略,提出一种含中压(三相三线)和低压(三相四线)的多电压等级不平衡主动配电网电压无功自适应协调优化控制策略。通过中压侧传统三角形开关电容器与低压侧新兴分布式光伏逆变器的协调控制,实现网损、电压幅值、不平衡度、电容器动作成本及光伏逆变器出力成本的综合运行优化。为有效求解上述配网最优潮流问题,采用改进直接法潮流和粒子群算法进行联合求解。最后,基于某澳大利亚真实配电网开展24 h多场景仿真,以验证所提电压无功控制的可行性、有效性及优越性。     

基于两级需求响应的并网微电网双层优化调度

为提高清洁能源利用率、改善可控微源出力的平稳性,提出包含微网层和需求响应层的微网系统双层调度优化模型。需求响应层采用源荷互动方式对负荷曲线进行优化,微网层基于实时电价最小化综合运行成本。需求侧优化分为两级,第1级依据清洁能源预测出力和需求侧预测负荷同时对清洁能源出力和需求侧负荷的时序进行调整,使两者具有相似的变化趋势。第2级则以调度部门拟定的期望供给曲线对需求侧负荷进一步调整,以提高可控微源出力的平稳性。最后,运用基于模拟退火的改进遗传算法对模型进行求解验证。     

考虑逆变器无功支撑和三相选择的不平衡主动配电网电动汽车有序充电控制

现有电动汽车有序充电控制均聚焦于对有功充电负荷的时空迁移而非消除,仍存在一定的运行越限风险;同时现有研究多基于三相平衡网络模型,而实际配电网是显著不平衡的。为此基于逆变器的无功注入和三相选择,提出了一种新型不平衡主动配电网电动汽车有序充电控制策略。首先定义了电动汽车充电控制的多目标优化模型,以实现最小化网损和充电成本、最大化无功收益的整体优化;接着计及逆变器无功注入和三相选择,提出了一种电动汽车优化协调控制策略,以实现电网24 h范围内运行的优化;最后基于某澳大利亚真实配电网开展详细仿真分析,验证所提电动汽车有序充电优化模型和协调策略的正确性和有效性。     

基于GRU和注意力机制的海上风机齿轮箱状态监测

海上风电机组齿轮箱运行状态的有效监测和及时预警对海上风机运维工作具有重要意义。为此,提出一种基于门控循环单元(Gated Recurrent Unit, GRU)和注意力机制的海上风电机组齿轮箱状态监测方法。在训练阶段,通过注意力机制自动提取海上风电SCADA数据集输入参量与目标建模参量间的关联关系,同时采用GRU网络提取数据间的时序依赖关系,进而建立风电机组齿轮箱的正常行为模型。在测试阶段,采用指数加权移动平均值(Exponentially Weighted Moving-Average,EWMA)控制图对目标建模参量实际值和模型预测值间的输出残差进行监控,实现海上风机齿轮箱运行状态的实时监测和预警。最后基于东海大桥海上风电场真实数据对所提方法的有效性和优越性进行了验证。结果表明：所提方法对故障和正常运行条件下的海上风电机组齿轮箱状态均可进行有效监测,且相比现有陆上风机状态监测方法具有更高的精度和可解释性,并能更早地揭示故障趋势。     

多储能独立直流微电网自适应分级协调控制

针对孤立直流微电网多储能单元之间荷电状态均衡问题,提出一种自适应分级协调控制策略。通过功率分配级控制,使得各储能单元之间功率按照各自荷电状态(state of charge,SOC)进行分配,并根据本地储能单元的功率变化确定储能系统的主导储能单元。进而通过功率平衡级控制,即采用模糊控制算法调节下垂控制的虚拟电阻,使得各个储能单元在与主导储能单元功率达到平衡的同时SOC也达到均衡,从而避免部分储能设备因过度放电或深度充电退出工作,并且储能单元之间的协调控制无需通信。最后利用RTDS进行实验分析,验证所提控制策略不仅能使多储能之间快速达到荷电平衡状态,并且有效的减小母线电压偏差。     

基于双层优化模型的能源互联网自愈及优化运行策略研究

电网和天然气网通过双向耦合可实现高可靠性运行。为解决电-气耦合的能源互联网故障自愈问题,提出了一种能源互联网自愈及优化运行方法。首先,该方法基于电-气耦合特性,充分利用天然气网对电网的能量补充,在考虑天然气网经济性和新能源出力不确定性的基础上,建立双层优化模型,实现综合能源系统的故障快速自愈及优化运行。上层模型利用基于广度优先搜索法的改进蚁群算法,优化供电恢复路径,得到系统开关状态。下层模型基于电-气耦合特性分析,以天然气网经济性为主要目标,采用条件风险价值理论(conditional value at risk, CVaR),同时考虑新能源出力不确定性带来的运行风险,构建电-气耦合的能源互联网优化重构模型。然后,对双层优化模型进行求解并进行全局优化,得到电-气互联型能量调度最优的故障恢复和优化运行方案。最后,通过IEEE33节点配电网和7节点天然气网耦合的能源互联网仿真模型,验证了所提方法的有效性。     

基于线性化前推回代方程的不平衡配电网概率潮流计算

传统半不变量法采用雅可比矩阵表达输入输出变量间的线性关系且假设网络三相平衡。而实际配电网线路的R/X较高,雅可比矩阵极易呈现病态,且单相光伏的高渗透及负荷不均匀分布造成配电网严重不平衡。为此,提出一种基于线性化前推回代方程的不平衡主动配电网概率潮流算法。该算法将三相前推回代潮流方程进行高精度线性化,综合运用半不变量法和Gram-Charlier级数进行配电网概率潮流计算。所提算法基于真实澳大利亚低压不平衡配电网进行24 h Matlab仿真,验证其可行性、高效性及鲁棒性,并抽取2个典型时刻对比分析验证光伏接入对配电网潮流的概率性和配电网运行性能的影响。