日本家用燃料电池热电联供系统商业化应用分析

在高度重视用能效率与环境保护的今天,以燃料电池为核心的分布式热电联供系统(CHP)受到越来越多国家与地区的青睐,尤其是日本,率先推出以燃料电池为核心的CHP系统并已实现商业化应用,整体系统效率可达90%以上(低位热值)。日本从20世纪末开始进行燃料电池基础研究,到2004年前后生产出示范产品,2009年开始加速推进商业化应用,目前已形成完整的家用燃料电池系统产业链,成功为各国展示了一条清晰的发展路线。其产品高效清洁,灵活性强,并具有一定的经济效益,每年可为普通家庭节省12万日元以上的费用,日本各大公司建立的示范项目成功引起了民众的注意,政府在产品购买补贴与基础研究方面也加大投入力度,行业标准化更是保证了燃料电池热电联供系统商业化的安全稳步推进。我国对燃料电池相关的基础科学研究始于上世纪90年代,并取得了一定的成果,建立了数个千瓦级示范项目,形成了从理论研究到市场应用的产业链结构,但产品性能与国际先进水平相比还有较大差距。我国应借鉴日本的成功经验,出台相关政策引导扶持燃料电池产业发展,成立相关组织机构管理统筹,建立一定的补贴激励机制,尽早形成行业标准,使我国燃料电池产业步入正轨。     

机会约束随机动态经济调度的凸松弛迭代求解法

大规模风电并网给电力系统运行带来了重大技术挑战,其出力的随机性和波动性增加了线路传输能力和备用调节能力不足的风险,传统的确定性经济调度方法已不完全适用。首先提出了一种基于混合高斯分布的机会约束随机动态经济调度模型,该模型将最小备用约束和线路传输容量约束建模为机会约束,并引入调频机组的仿射控制策略以实时平衡风功率的波动。然后提出了一种机会约束规划的松弛迭代求解方法,将随机调度模型转化为二次规划模型以实现快速有效求解。利用中国西南某省25个风电场的现场数据以及IEEE 118节点系统进行算例分析,验证了混合高斯分布对风电预测误差的拟合精度,以及所提方法的可行性。     

电网侧大规模电化学储能运行效率及寿命衰减建模方法综述

电化学储能在电力系统中扮演着重要的角色,近期对电网侧大规模电化学储能参与电力系统调度运行及控制的研究层出不穷。电化学储能的运行效率和寿命衰减特性受到储能充放电速率、充放电深度和运行温度的非线性影响,这些影响在现有的电网侧电化学储能研究中考虑的并不全面。文中介绍了锂离子电池、超级电容和全钒液流电池3种电化学储能系统的原理与特点,综述并归纳了这3种电化学储能系统运行效率的建模方法和寿命衰减的建模方法。最后,提出了电网侧大规模电化学储能系统运行效率和寿命衰减建模方法有待进一步考虑的问题,并对未来的研究方向进行了展望。     

注入无功功率的链式电池储能系统荷电状态均衡控制策略

针对链式电池储能系统相内电池组荷电状态(SOC)不均衡问题,分析了单位功率因数下均衡控制策略在SOC极度不均衡时导致过调制的边界条件,并提出了一种注入无功功率的新型相内SOC均衡控制策略。通过在各H桥调制信号中叠加有功和无功电压分量,重新分配有功和无功功率,保证SOC处于极端状态的电池组主要进行有功功率交换,其余电池组主要进行无功功率交换,实现极端模块调制比有效降低,非极端模块调制比略有增长,避免过调制。与单位功率因数均衡控制策略相比,该策略通过控制功率因数角充分协调各模块调制比,可以在各电池组SOC差异更大的情况下实现均衡控制,扩大适用范围。仿真结果验证了所提策略的正确性和有效性。     

面向调度决策的智能机器调度员研制与应用EI北大核心CSCD

随着电网运行方式时变性和复杂性日益增强,传统基于人工离线规则的调度决策机制难以为继,成为国内外复杂电网运行迫切需要解决的问题。基于人工智能、立足现有调度机制,研究面向调度决策的智能机器调度员(automatic operator,AO)关键技术及应用。在总结10余年研究的基础上,提出了电网调度运行“邻域知识”模型,构建了AO体系架构,提出了知识自动发现、管理和在线应用的技术路线,研发了复杂电网AO系统,并在多个省级电网调控中心在线投运。AO将“专家智能”离线制定粗放运行规则的模式,变革为“人工智能”在线发现精细运行规则的模式,推动调度决策从“自动化”到“智能化”的跨越。最后,指出了尚待研究的问题。     

级联恒功率负载情况下三相并网PWM整流器基于TS模糊模型的稳定性分析EI北大核心CSCD

恒功率负载(constant power loads, CPL)的负阻抗特性是引起前端独立运行能够稳定的变换器带负载时却失去稳定的主要原因,由于电路状态方程的非线性,难以得到状态变量的时域解来判断系统稳定性。基于小信号线性化、以特征根的分布来评估系统稳定性的方法,需要在平衡点处线性化并以数值方法求解特征根,且无法描述出大信号扰动时的渐近稳定范围。针对并网型三电平整流器直接带恒功率负载和以LC滤波器连接恒功率负载的2种系统,使用Takagi-Sugeno(TS)模糊推理模型方法建立考虑主电路参数和控制器参数的全阶模型,以线性矩阵不等式(linear matrix inequality,LMI)的半正定规划是否能够求解作为系统稳定判据,从而能够分析系统参数与稳定区间之间的关系。同时构造的Lyapunov备选函数能够绘制出稳定吸引域(stability domain of attraction,DOA),实现大扰动情况下的稳定性分析。仿真和实验验证了该方法的有效性和实用性。     

基于Wide&Deep-LSTM模型的短期台区负荷预测EI北大核心CSCD

负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。     

循环流化床机组深度调峰性能分析与评价

某330 MW循环流化床机组进行深度调峰改造后,能长期保持30%负荷段运行,但深度调峰时机组存在热效率差、单位发电成本高、难以投入自动的问题。本文通过分析该机组深度调峰运行数据,建立深度调峰性能分析评价流程;在对机组深度调峰时的热力性能、发电成本等问题的分析过程中,研究了入炉煤粒径与流化风量对炉膛物料分布的影响,并计算了深度调峰的经济性。结果表明:循环流化床机组在深度调峰条件下具有天然优势与可行性;深度调峰改造后,该330 MW循环流化床机组每日可稳定调峰6 h以上,初步计算每年可以获得约1 700万元的效益。本文研究结果可以为今后循环流化床机组深度调峰运行的改造提供参考。