考虑功率变化速率的储能辅助单机调频控制策略

风电具有显著的波动性和不确定性,大规模风电并网给电力系统的频率调节带来了严峻的挑战。储能具有灵活爬坡特性和双向调节能力,可有效辅助常规机组参与频率调节,提高参与自动发电控制(AGC)的机组响应能力,从而提高高风电功率波动系统的频率稳定性。以机组功率调节速率能否弥补系统功率波动为判断依据,以储能的有功功率变化速率和有功功率基点作为控制变量,提出一种考虑功率变化速率的储能辅助单台火电AGC机组参与电力系统频率调节的协调控制策略,自适应决策储能的动作时机和动作速率。基于PSCAD/ETMDC平台的仿真结果表明,所提策略以储能更少的动作频度和动作深度,达到了更优的调频效果,可有效减少储能功率/能量容量配置,具有良好的经济性,为储能的多场景应用奠定了基础。     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。     

基于同步电压相量的故障定位新方法

提出一种利用同步电压相量进行输电网络故障定位的新方法。该方法首先运用对称分量法和线性叠加原理建立故障后的附加正序网络并且定义了故障点的匹配指标，进而基于该指标运用遍历搜索方法寻找故障点位置。该算法仅利用电压相量进行计算，因而能避免因电流互感器饱和导致的误差影响，且仅需少量的同步相量测量单元配置。基于PSCAD的仿真实验表明该方法能够有效地定位任意电网结构的短路故障，并且不受故障类型、过渡电阻等因素的影响。     

一种简单实用的分散非线性励磁控制方法

基于广域测量系统（WAMS）提供的电力系统惯量中心（COI）数据，建立了COI参考坐标系下完全解耦的发电机模型，并根据Lyapunov理论和反步法思想，提出了一种简单实用的分散非线性励磁控制设计方法。该方法原理简单，仅有的3个控制器参数设置非常容易;此外，需要WAMS传送至发电机的控制信号只有3个，降低了信道拥堵的可能性。新英格兰测试电力系统（NETPS）中的仿真结果表明，这种非线性励磁控制器不仅对发电机参数、运行状态和负荷类型具有良好的鲁棒性，而且允许COI信号存在时滞，允许时滞的类型和范围基本能覆盖正常情况下的WAMS数据延时。     

基于自动微分技术的内点法最优潮流算法

讨论了一种基于自动微分（AD）技术的内点法最优潮流（OPF）算法。与已有的基于AD技术的OPF算法相比，该算法使用高效的基于操作符重载的AD工具，充分利用直角坐标下雅可比矩阵和海森矩阵的大部分元素是常数的特点，加入了识别上述矩阵中不变元素的功能，避免了重复计算。对一组大规模算例的测试分析表明，该算法在保持代码可维护性、灵活性的同时，计算速度接近手动编程，表明AD技术在电力系统OPF中具有取代传统手动编程的潜力。     

基于WAMS/SCADA混合量测的电网参数辨识与估计

针对目前电网参数辨识与估计方法存在的数值稳定性变差、易发散及易受残差污染干扰等问题,提出了一种基于混合量测的电网参数辨识与估计方法。该方法首先利用广域测量系统(WAMS)的测量数据计算相对残差,初步判断是否存在参数错误,然后利用相量测量单元(PMU)能够测量电压和电流相量的特性,建立支路两端变量之间的直接联系,对存在参数错误的支路进行辨识,并在此基础上使用智能优化算法估计支路参数。在IEEE 39测试系统上的仿真实验表明,该方法只需安装约1/2总母线数的PMU即可对全网传输线路和变压器进行参数辨识与估计。     

基于两阶段双层多目标粒子群优化算法的输变电工程立项决策

建立输变电工程两阶段多目标决策评价模型,该模型包括立项和决策2个阶段,以及电网的安全性、经济性、环境友好性、适应性和协调性5个指标;提出双层多目标粒子群优化算法,求解模型的Pareto最优解,最后用综合评价方法选出最优实施方案。算例分析结果验证所提模型的正确性和有效性。     

基于并行计算的电力系统风险评估

将风险理论应用于电力系统静态安全分析,建立了具有明显并行计算形式的电力系统风险模型,提出了基于并行计算的电力系统风险评估方法,并应用PC机群技术作为并行计算的实现形式.在实现具体的并行计算时,采用了PC集群技术,并应用新英格兰10机39节点系统对本文提出的基于并行计算的电力系统静态安全风险评估方法进行了验证.以系统的N-1开断事故作为该系统的预想事故集,以线路过载风险与母线低压风险作为描述静态安全的2个风险指标,比较了基于指标的并行计算结构算法和静态分配方式下基于事故的并行计算结构算法的性能.     

基于卷积神经网络的电力系统小干扰稳定评估

随着电力系统规模的增大,通过传统数值方法计算系统特征值来进行小干扰稳定评估已无法满足实时分析的要求。因此,提出了一种基于深度学习(卷积神经网络)的电力系统小干扰稳定评估方法。该方法以广域测量系统可监测变量作为模型的输入,关键特征值作为输出,对输入数据和输出数据进行相应处理后,利用深层架构对其映射关系进行分析;并针对大系统维数较高、训练速度较慢的问题,采用了离散余弦变换和图形处理器并行技术。算例结果表明,在不考虑控制参数变化的情况下,经过历史数据的离线训练后,该方法能够较准确地计算出系统的关键特征值。