储能型双馈风电场联合STATCOM的无功协调控制

针对传统双馈风电机组(DFIG)低电压穿越(LVRT)能力不足问题,提出了储能型双馈风电场联合STATCOM的无功协调控制。该控制是在网侧变流器（GSC）原有的模型上将超级电容经隔离型DC/DC变换器并联到风机直流侧,以此吸收故障期间直流侧产生的不平衡功率;在发生低电压故障时,根据超级电容投入情况,对两侧变流器和并联在风机出口母线上的STATCOM进行无功协调控制来支撑电网电压;同时超级电容储能装置采用电压电流双闭环控制,满足了系统稳定性和经济性的要求。仿真结果表明：该方法应用在风电并网系统中可以使DFIG的LVRT能力得到极大的提升。     

电力市场环境下考虑风电调度和调频极限的储能优化控制

风电功率间歇性不仅使风电场难以精确响应调度计划,还导致电网频率波动加剧.为提高风电可调度性和电网频率安全,该文以日前调度为例构建日前调度计划和电网调频极限的形成方法,在此基础上提出利用储能辅助风电场跟踪日前调度计划并参与调频的策略;然后在电力市场环境下以风储电站利润最大为目标建立风储运行模型,该模型考虑由所提策略形成的风储电站联合出力约束和频率安全约束,用来计算储能辅助风电场跟踪日前调度计划和参与调频的最优出力;最后基于实测数据对该策略进行仿真分析,结果表明所提策略可以提高风电场跟踪日前调度计划能力和电网频率安全性,同时还具有良好的经济效益.     

基于支路模式振荡能量的低频振荡区域定位方法EI北大核心CSCD

电力系统发生低频振荡时,参与振荡的机组通过网络中的支路交换振荡能量,故支路上蕴含丰富的振荡信息。针对系统不同模式下振荡区域的识别问题,该文提出一种基于支路模式振荡能量的低频振荡区域定位方法。首先,在推导满足能量守恒定律的电力系统能量函数基础上,定义从网络角度研究系统振荡规律的支路振荡能量;解析发现支路振荡能量由多个支路模式振荡能量叠加而成,并提出多模式下支路模式振荡能量的提取方法;随后,通过理论推导建立支路模式振荡能量与发电机状态变量之间的解析关系,为采用支路模式振荡能量研究低频振荡问题奠定了基础;最后,建立基于支路模式振荡能量的低频振荡区域定位方法,并通过仿真分析验证了该方法的有效性。     

计及调频死区的柔性风储联合频率控制策略

针对风电机组与储能系统频繁参与电力系统调频带来的机械疲劳及循环使用寿命的问题,提出一种计及调频死区的柔性风储联合频率控制策略。首先,构建含风储调频死区的系统频率响应模型,明晰调频死区变化对电网频率的动态影响;其次,通过人工设置调频死区,确定风储系统调频动作时机及限制其调频深度,将受扰系统的频率响应阶段分为无响应区、风机响应区、风储过渡区和储能响应区,同时风机在考虑有效旋转动能的基础上参与调频,平抑电网频率波动;然后,通过设置风储过渡区可有效缓解风机退出调频带来的机械疲劳问题,储能装置在荷电状态约束的条件下参与调频,遏制电网频率突变;最后,利用大扰动激励法,在连续变动风速场景下验证了所提策略的有效性。     

基于多元同步压缩变换的电力系统强迫振荡源定位

为实现电力系统强迫振荡源的快速、准确定位,该文提出一种基于多元同步压缩变换(multivariate synchrosqueezingtransform,MSST)的电力系统强迫振荡源定位方法。该方法首先利用电力系统的广域量测信息构建发电机的多通道量测信息矩阵,采用MSST对多通道量测信息矩阵同步分解得到对应的三维MSST系数矩阵;然后通过能量权重筛选出表征强迫振荡模式的MSST系数矩阵;进一步,构建基于MSST的发电机强迫振荡耗散能量计算模型,通过筛选出的表征发电机强迫振荡模式的MSST系数矩阵计算各发电机的耗散能量;然后,依据所提的强迫振荡源判据,定位出系统的强迫振荡源;最后,通过WECC-179节点测试系统仿真数据和辽宁电网PMU实测数据验证了所提方法的准确性和有效性。     

VSC-HVDC交直流混合系统多时间尺度暂态特性建模与分析

随着大规模电力电子设备的并网,传统电网的建模方式已经不能完全适用于现代大规模交直流混合系统。为满足现代交直流混合系统暂态特性分析的需要,提出了建立含VSC-HVDC交直流混合系统多时间尺度暂态模型。VSC-HVDC系统控制器采用矢量控制,内环控制采用基于α-β静止坐标系的建模方式,该建模方式解决了传统d-q旋转坐标系下不能完全解耦的问题。在ETSDAC/PSASP仿真平台上建立了机电-电磁暂态模型,同时在MATLAB/Simulink平台上建立了电磁暂态模型,针对不同类型的直流短路故障,分别在两种模型上进行暂态特性仿真分析。结果显示,在暂态特性上机电-电磁暂态模型比电磁暂态模型更加精确。     

风电功率超短期多步预测误差评估及分析

超短期风电功率预测误差分析有助于改进预测精度,进而降低风电不确定性对电力系统带来的不利影响.以LSTM模型为例,对超短期多步预测的误差特性进行分析.首先,对超短期风电功率预测误差进行静态特性分析,研究了预测误差随预测步长的动态变化特性;然后,提出了数值天气预报在超短期风电功率预测中的误差占比定量评估模型;最后,提出了一种综合考虑形状和时间损失的神经网络损失函数,降低由于输入信息不足引起的时滞和幅值误差.结合吉林省20个风电场的实测数据,对风电功率多步预测误差特性进行全面分析,为风电功率多步预测模型的评估、修正提供了参考.     

含聚合CSP和深度调峰火电机组的电力系统分布鲁棒机会约束优化调度方法

随着“双碳”目标不断推进,可再生能源的装机容量和发电占比不断增加。然而,以风电、光伏为代表的可再生能源所固有的不确定性和波动性,使得以火电机组深度调峰为主的传统运行方式的经济性难以得到保障。针对上述问题,提出一种含聚合光热发电（Concentrating Solar Power,CSP）和深度调峰火电机组的电力系统分布鲁棒机会约束优化调度方法。首先,分析火电机组的基本调峰和深度调峰能力,构建考虑火电机组进行基本调峰或深度调峰成本的深度调峰模型。其次,分析光热电站启动时的热量传递过程,构建考虑启动热量约束的CSP模型。在此基础上,采用基于数据驱动的分布鲁棒机会约束描述可再生能源出力的不确定性,构建以火电机组发电成本、购售电成本和储能使用成本之和最小为优化目标的调度模型。最后,以改进的IEEE 30节点系统为例验证了所提方法具有较好的经济性和鲁棒性。     

揭示电力系统运行数据中因果关系的逆信息熵因果推理方法

随着电力系统数据采集手段的不断完善,基于数据的分析方法在电力系统运行分析中扮演着日益重要的角色。现有的数据分析方法主要分析数据之间的相关关系。事实上,两个强相关变量间通常呈现出不对称的因果关系。若能揭示电力系统运行变量间的因果关系,必将有助于深刻地洞察电力系统运行的内在规律性。近年来,因果推断的研究取得很大进展,使得基于数据的因果分析成为可能。该文从物理机制上揭示电力系统中强相关变量之间因果关系的不对称属性;提出一种逆信息熵因果推理(reciprocal information entropy causal inference,RIECI)方法,所构建的指标不仅可以有效判别相关变量间的因果方向,还能正确反映因果强度。在电力系统算例中的验证表明,RIECI方法能有效揭示电力系统运行数据中的因果关系。对电力系统运行数据中因果关系的分析对于认知电力系统运行机理和正确调控电力系统运行状态有重要意义。     

基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测EI北大核心CSCD

电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难。为提高预测精度,往往需要大量的历史数据进行训练。针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测方法。首先,将电力系统中电力负荷变量、气象变量等各种状态变量的延迟变量视为独立的影响因素,采用BP神经网络算法针对不同组延迟变量分别进行训练和预测,得到多个预测值。然后,采用核密度估计法拟合多个预测值形成分布的概率密度函数。最后,通过期望估计法或聚合估计法计算得出电力负荷的最终预测值。选取实际负荷数据进行算例分析,结果表明,所提方法适用于训练数据较少的超短期负荷预测,且相较于几种常规预测算法具有更高的预测精度以及较强的稳定性。