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。     

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。     

基于改进长短期记忆网络的电力系统暂态稳定评估方法研究

现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制的长短期记忆网络(long short term memory network with attention,LSTMA)方法,用以深入挖掘暂态稳定评估样本中所蕴藏的信息。在离线训练环节,以长短期记忆网络为基础分类器,引入Attention注意力机制引导模型学习样本中关键特征,并对损失函数进行改进,以此强化对不平衡样本的学习能力;在线应用环节,在目标域小样本条件下采用迁移学习方法更新成型的离线LSTMA模型,并对比不同迁移学习策略对模型性能影响,经过迁移学习建立的新运行点下的改进LSTMA模型评估精度有效提高,训练时间大幅减少,所得出的迁移学习策略确定方法有利于实际应用环节快速决策。研究在IEEE39节点和IEEE300节点系统上进行实验,验证了所提方法的有效性。     

基于动态相量的LCC-HVDC输电系统等值技术评述

立足于逆变侧换流站受端交流母线看向送端的基于电网换相换流器的高压直流输电(high-voltagedirectcurrent basedlinecommutedconverter,LCC-HVDC)系统的单端等值,对于优化设计继电保护、安稳控制和直流控保具有重要意义。为了同时获取计算的高精确性和实时性,动态相量模型以牺牲较低的仿真精度换取计算速度的提升,是实现LCC-HVDC输电线路双端等值的重要方式,但是用于LCCHVDC输电系统单端等值还存在难以平衡等值精度和计算速度的问题。针对该问题,该文分析了基于动态相量的LCCHVDC输电系统等值的应用价值、需求及难点,分别从等值计算模型中的提前触发角计算、换相重叠角计算、换相失败的判别及其对开关函数的影响和信号调制等4个因素评述现有研究现状及存在的问题,并提出了后续的研究建议。     

五电平有源中点钳位型逆变器母线中点电压平衡问题

五电平有源中点钳位型拓扑是一种能够克服传统的二极管钳位型和电容钳位型拓扑缺点的多电平变换器。针对五电平有源中点钳位型逆变器的母线中点电压平衡问题展开研究,建立母线中点电压的波动模型,通过计算母线中点电流在一个基波周期内的平均值,证明了母线中点电压在理想和稳态下可自平衡。提出一种基于零序电压注入的中点电压平衡控制方法,通过计算所有关键零序电压对应的中点电流,并从中选择最优的关键零序电压来产生所需的目标中点电流,从而使母线中点电压波动最小。实验结果证明了该控制方法的有效性。     

基于平均化理论的PWM变流器电磁暂态快速仿真方法：（二）适用PWM变流器分段平均模型的改进EMTP算法

对包含大量电力电子变流器的电力系统进行电磁暂态仿真时,若使用脉宽调制(PWM)变流器等开关电路的详细模型,将导致电磁暂态程序(EMTP)仿真效率低下。在EMTP中应用PWM变流器的平均模型可以有效解决这一问题。文中提出了一种改进的EMTP算法,可灵活地应用PWM变流器的分段平均模型进行仿真。该算法省略了传统EMTP算法中复杂的开关处理子模块,同时增加了2个子模块分别用于预测分段平均模型的参数和校正参数不准确带来的仿真误差。对三相PWM AC-DC变流器的测试结果表明,采用所提出的算法可在采用较大的积分步长仿真的同时确保仿真结果的正确性。     

基于最优线性滤波的PMU测量Ⅱ:P类算法设计

系列第一篇论文详细阐述PMU最优算法设计的基础理论和最优滤波器的设计准则。该文在此基础上,研究P类测量最优算法的具体设计。具体地,针对P类测量在快速响应前提下的高准确度需求,选用天然具有谐波抑制性能的基于离散傅里叶变换(discrete Fourier transform,DFT)的动态相量测量算法,通过对其形式的扩展,建立原型滤波器,提取出矩形卷积窗长(Nw)、DFT个数(d)和泰勒模型阶数(K)作为优化的自由参数。以数据上报率50fps为例,完成固定系数和变系数测量滤波器组的最优化设计,并构成完整的P类测量优化算法。通过仿真试验,评估优化算法的实际测量性能,并与加窗DFT、动态同步相量测量算法(dynamic phasor estimate algorithm,DPEA)和泰勒模型加权最小二乘算法(Taylor-model weighted least squares,TWLS)等常用算法进行比较,验证所提出优化算法的性能优势。     

基于最优线性滤波的PMU测量Ⅰ:最优滤波原理

随着同步相量测量单元(phasor measurement unit,PMU)测量标准的不断更新和PMU在配电网的应用,更为恶劣的测量环境和更高的准确度要求,使得PMU测量算法面临巨大挑战。最优化方法能够兼顾基波频偏与动态变化、谐波、噪声、直流和带外干扰等因素造成的测量误差,实现测量的高准确度与快速响应的最佳平衡,是复杂条件下PMU测量算法设计极为有效的实现途径。本系列共3篇论文,针对目前应用最广泛的本质为线性滤波的测量机制,建立滤波器频响特性与测量误差之间定量关系,提出最优设计准则,并分别针对P类和M类测量,实现PMU测量算法的最优设计。该文目标是建立最优设计的基本理论。首先通过理论推导,给出基波频偏、谐波、噪声、直流干扰、带外干扰和基波动态等因素下,同步相量、频率和频率变化率引起的测量误差(即总向量误差、频率误差和频率变化率测量误差)与滤波器频响特性之间的定量关系;在此基础上,定义与滤波器频响特性有关的一系列技术指标,由此提出最优滤波器设计准则;最后,通过动态同步相量测量算法和基于泰勒相量模型的加权最小二乘两种典型算法的仿真实验,验证理论分析结果的正确性。     

有源电力滤波器改进无差拍-重复控制策略

首先推导了三相有源电力滤波器(APF)的连续时间数学模型和离散数学模型,介绍了APF的整体控制结构。对传统无差拍控制进行深入分析,发现考虑AD采样和DSP数字计算延时后,传统无差拍控制并不能真正实现控制上的无差拍,控制精度不高。为此,提出一种改进无差拍控制,两个闭环极点均位于原点,理论上可以实现真正的无差拍控制。为了提高改进无差拍控制的抗扰动性能和对电感参数变化的鲁棒性,提出一种改进无差拍-重复控制策略。该策略能有效消除AD采样误差、死区时间、电感参数偏移对控制性能的影响,具有良好的谐波补偿效果。实验结果验证了该策略的正确性和有效性。     

考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略EI北大核心CSCD

在低碳经济背景下,针对大规模电动汽车并网后灵活调度困难和配电网内多主体利益冲突问题,提出了考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略。首先,根据电动汽车出行习惯的不确定性,基于蒙特卡洛抽样法,利用闵可夫斯基和建立电动汽车集群的荷储可调度能力模型。然后,考虑配电网运营商与电动汽车聚合商的利益冲突以及电动汽车的灵活性,结合荷储可调度能力,构建碳交易机制下配电网运营商与电动汽车聚合商两主体利益最大化的日前主从博弈模型和实时分配、调整偏差模型。最后,将日前双层模型转化为单层规划问题,并在改进IEEE 33节点系统进行验证。结果表明,电动汽车集群荷储可调度能力模型能够提高调度的灵活性,解决模型变量维度;所提策略降低了系统碳排放,实现了配电网内多主体利益共赢。