采用有限差分求解高压直流输电线路空间离子流场的新方法

针对高压/特高压直流输电线路空间离子流场及合成电场进行计算,基于P.Sarma Maruvada等人提出的沿电力线弧长坐标求解空间离子浓度的模型,建立变系数微分方程组及其边界条件。对于微分方程组的求解,提出采用有限差分方法,将原微分方程组转化为非线性代数方程组进行求解。该方法降低了方程求解难度,提高了计算速度,并适用于单极性和双极性空间离子流场的求解。     

高压直流输电线路离子流场计算研究综述

高压直流输电线路离子流场的求解是其电磁环境分析和评估的基础。本文对高压直流输电线路离子流场计算研究现状进行了综述,对其中存在的困难进行了分析,并介绍了相关的研究进展。对目前高压直流输电线路离子流场的研究进行了全景式的描述,对这方面的研究工作具有一定的助推作用。     

一种消除Deutsch假设的高精度迭代特征线方法求解高压直流输电线路离子流场

通量线法是求解直流线路离子流问题广泛应用的一种方法,其计算误差主要来自Deutsch假设。该文基于通量线(或称特征线)基本理论,提出一种高精度迭代特征线法。通过迭代计算,在每一步采用新的电场分布重新绘制特征线,逐步修正特征线的方向,从而使特征线法不再依赖于Deutsch假设。结果表明,与传统通量线法相比,迭代特征线方法在求解地面电场与离子、空间离子流分布、通量守恒性及电晕损耗方面均有明显改善。另外,还对两种传统通量线法边界条件的施加方式进行了误差比较与讨论。     

基于标签传播算法的电网主动解列断面快速定位方法

传统的失步解列控制无法适应多变的运行方式和复杂的失稳模式,实现数据驱动的电网主动解列断面快速定位具有重要意义。为此,结合复杂网络社团检测理论和电气距离,提出一种基于标签传播算法的主动解列断面快速定位方法。基于等值两机系统联络断面电气距离对振荡中心位置有主要影响的机理,依据支路导纳建立图数据的相似性权重矩阵。根据同调机群在线辨识的分群结果标注同步发电机节点的类别标签。使用基于调和函数的标签传播算法对未标注节点进行半监督节点分类,不同类节点之间的边即所定位的解列断面。通过IEEE118节点系统算例和东北电网实际系统的仿真分析,验证了所提方法的可行性和有效性。该方法的计算速度非常快,具有较好的工程实用价值。     

基于分层约束强化学习的综合能源多微网系统优化调度

构建多微网系统是消纳可再生能源、提升电网稳定性的有效方式。通过各微网的协调调度,可有效提升微网的运行效益以及可再生能源的消纳水平。现有多微网优化问题场景多元,变量众多,再加上源荷不确定性及多微网主体的数据隐私保护等问题,为模型的高效求解带来了巨大挑战。为此,该文提出了一种分层约束强化学习优化方法。首先,构建了多微网分层强化学习优化框架,上层由智能体给出各微网储能优化策略和微网间功率交互策略;下层各微网以上层策略为约束,基于自身状态信息采用数学规划法对各微网内部的分布式电源出力进行自治优化。通过分层架构,减小通信压力,保护微网内部数据隐私,充分发挥强化学习对源荷不确定性的自适应能力,大幅提升了模型求解速度,并有效兼顾了数学规划法的求解精度。此外,将拉格朗日乘子法与传统强化学习方法相结合,提出一种约束强化学习求解方法,有效地解决了传统强化学习方法难以处理的约束越限问题。最后通过算例验证了该方法的有效性和优势。     

数据驱动的能源互联网建模与仿真关键技术

针对能源互联网面临的多能流运行复杂性、源荷不确定性等日益突出的问题,基于能源生产、传输与消费各环节数据信息,文章设计了一种包含物理层、感知网络层、模型层、算法层、应用层的数据驱动能源互联网建模与仿真框架,并提出能源互联网数据与物理融合统一建模、分布式能源及负荷概率预测、典型运行场景生成以及多能流优化运行等关键技术,最后展望典型应用场景。以数据驱动为核心,为能源互联网建设提供技术支撑。     

采用通量线-有限元混合方法求解有风条件下直流输电线路离子流场

直流输电线路电晕产生的空间电荷在直流电场力的作用下形成离子流,会显著增强地面电场强度。结合通量线法和有限元法各自的特点,提出一种混合方法求解离子流场,在分裂导线周围的区域采用通量线法,在远离导线的区域采用有限元法,各区域之间采用D-N交替法进行耦合计算。一方面,仅在导线周围采用通量线法,避免了通量线法在全空间由于Deutsch假设产生的误差,并且可以考虑风速影响;另一方面,分裂导线周围不需要网格剖分,能够有效减少有限元网格节点数量,提高有限元计算效率。同时通量线法能够为有限元法提供交界面的初始值,耦合迭代在较少步数内即可收敛。计算结果与实验结果吻合较好,求解效率得到提高。最后,采用该方法对±800 kV与±500 kV直流同塔双回线路地面电场强度与离子流密度进行了预测分析。     

横向风对特高压交直流混合线路地面电场与离子流场分布特性的影响

在有风条件下,特高压直流与交流并行线路的空间离子流场除受直流电场与交流电场的共同影响以外,还会在横向风力作用下进行新的迁移运动,进而改变地面混合电场的分布特性。采用区域分解法求解横向风存在时的混合场问题,对方法的边界条件和计算流程均进行了改进。结果表明,处于直流线路下风区的直流电场分量横向衰减速率随着风速的增加明显变缓,而上风区的直流电场大幅减小。因此,风速对于混合电场分布的影响程度与交直流线路的相对位置有关。对于同走廊线路,当交流线路处于直流线路下风区时,横向风明显增强了交流线路附近区域内直流分量;而当交流线路处于上风区时,即使风速很小,交直流线路之间的走廊内直流分量也会基本衰减至标称电场。对于同塔线路,由于交直流电场各自的部分特点,横向风不会增强交直流分量的叠加效果。     

基于柔性行动器–评判器深度强化学习的电–气综合能源系统优化调度

多能流协同优化调度是实现综合能源系统高效经济运行的核心技术之一。面向电–气综合能源系统运行优化问题,提出一种基于柔性行动器-评判器框架的深度强化学习方法,通过智能体与能源系统的交互,自适应学习控制策略。该方法可实现多能流系统的连续动作控制,且能够灵活处理风电、光伏、多能负荷等源荷不确定性问题,实现多场景下的电-气综合能源优化调度决策。首先,构建面向电-气综合能源系统调度的强化学习基本框架,介绍柔性行动器-评判器强化学习的基本原理;然后,构建与智能体交互的电-气综合能源系统环境模型,设计深度强化学习的动作与状态空间、奖励机制、神经网络结构、学习流程等关键环节;最后,针对2个电-气综合能源系统算例进行强化学习优化调度结果分析。     

电力人工智能技术理论基础与发展展望(一)：假设分析与应用范式

人工智能(artificial intelligence,AI)正在成为构建“双碳”目标下新型电力系统的重要支撑技术。当前,人工智能在电力行业不同场景应用过程中表现出了不同的适用性与性能水平,这既源于人工智能算法本身的基础假设与固有局限,也源于电力系统不同应用场景的需求。针对以上问题,总结提出4种电力人工智能应用范式,即深度连接、符号知识、行为强化与集成智能,分析其核心算法的基础假设及因假设所带来的局限,匹配适用的电力应用场景特征与需求,并梳理目前性能表现较好的具体算法及相应技术指标。进一步,指出当前电力人工智能发展存在的共性技术瓶颈,即可信伦理、数据分布与进化迁移等。针对以上技术瓶颈,提出数据知识融合驱动机制、平行互动机制以及模型进化机制等3种解决机制。在后续文章中将详细剖析这3种机制,提出更加系统化的电力人工智能技术发展模式,以有效提升电力人工智能的自组织、自协同、自学习与自进化能力。