基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型

为了建立更精确的电动公共客车充电负荷模型,对起始荷电状态和起始充电时间的概率分布和抽样方法进行研究。首先针对概率分布,提出采用边界核的自适应非参数核密度估计算法,该方法无需概率分布的任何假设,能有效解决边界偏差和缺乏局部适应性的问题,从而提高了起始荷电状态和起始充电时间概率分布的准确度和适应性。其次针对抽样环节,提出结合三次样条插值法的改进拉丁超立方抽样算法,该方法不仅可以解决累积分布函数的反函数较难求解的问题,而且具有准确度高、抽样规模小等优点。最后,以这两种算法为基础,建立电动公共客车充电负荷模型,并将其与实测数据和传统参数估计方法所得结果进行对比。仿真结果证明了所提方法的适应性和有效性。     

基于深度确定性策略梯度算法的风光储系统联合调度策略

针对风光储联合系统的调度问题,提出了一种基于深度强化学习的风光储系统联合调度模型。首先,以计划跟踪、弃风弃光以及储能运行成本最小为目标,建立了充分考虑风光储各个场站约束下的联合调度模型。然后,定义该调度模型在强化学习框架下的系统状态变量、动作变量以及奖励函数等,引入了深度确定性策略梯度算法,利用其环境交互、策略探索的机制,学习风光储系统的联合调度策略,以实现对联合系统功率跟踪,减少弃风弃光以及储能充放电。最后,借用西北某地区风电、光伏、跟踪计划的历史数据对模型进行了训练和算例分析,结果表明所提方法可以较好地适应不同时期的风光变化,得到在给定风光下联合系统的调度策略。     

计及灵活资源调节潜力的高压配电网新能源接纳能力评估

风电、光伏并网装机容量的快速增长给电网的安全运行带来了巨大挑战,挖掘电网灵活性资源是保证新能源健康发展的有效途径。为此,提出了一种计及灵活资源调节潜力的高压配电网新能源接纳能力评估方法。首先,基于模糊C均值聚类算法生成风电、光伏和负荷典型场景集;然后,计及配电网水电和网架的灵活性,综合考虑系统的正常运行状态和N–1预想故障状态,以配电网新能源接纳能力最大为目标函数建立新能源规划模型;最后,选取某地区110 kV高压配电网进行算例分析,验证了所提模型及方法的有效性。     

基于混合神经网络的多时间尺度负荷预测

精准的负荷预测对于电力系统保持经济、可靠运行有十分重要的意义,电力系统规划、运行、电力市场竞价系统的设计等都需要不同时间尺度的负荷预测结果,然而现有研究大多围绕一个时间尺度展开,单一模型难以满足实际工程需求。造成这一现象的原因在于模型预测结果的误差会随着预测时间尺度的延长而出现不同程度的增加,预测难度大,并且影响负荷的因素大多分布在不同时间尺度的数据上,难以充分利用。针对以上问题,本文在考虑负荷曲线的定积分与对应时间内用电量之间约束关系的前提下,提出融合多时间尺度数据的混合神经网络模型。该模型的损失函数同时考虑了点预测结果的误差以及负荷曲线定积分的物理意义,增强了负荷时间序列中各个元素之间的几何相关性。并且利用神经网络将短尺度数据提取为抽象的综合数据后,与长尺度数据拼接组成新的特征向量,用于预测不同时间尺度的负荷值。算例结果表明,本文提出的模型在实际的变压器负荷数据上能够实现多个时间尺度的预测并且有效提高预测精度。     

基于交叉项解耦随机响应面的电–气互联系统低碳化概率最优能量流EI北大核心CSCD

针对双碳战略目标下含大量不确定因素的电–气互联系统的低碳化运行需求,建立电–气互联系统低碳化概率最优能量流模型,提出基于交叉项解耦的改进随机响应面法实现高效求解。首先,构建碳捕集-电转气的低碳化协同运行模式,通过碳的循环利用和氢的多模式协同利用,促进异质能源系统的高效交互,并基于此建立电–气互联系统低碳化概率最优能量流模型;然后,针对现有电–气互联系统概率分析方法难以平衡计算精度与求解效率的不足,提出一种基于交叉项解耦随机响应面的概率能量流分析方法,采用泰勒级数展开对Wiener混沌多项式中的交叉项进行解耦与简化处理,从而克服随机响应面方法难以处理高维随机变量的缺陷;最后,采用IEEE 39-NGS 20和IEEE 118-NGS 90这2个电–气互联系统,验证所提模型和方法的准确性和适应性。     

基于小波-稀疏自编码器的输电网虚假数据检测方法

被攻击者精心设计的虚假数据符合电力系统运行规律和基尔霍夫定律,可以绕过不良数据的检测,使控制中心误以为系统在正常运行中,从而做出错误决策,影响电网正常运行.考虑状态估计和电网数据的非线性结构,结合状态数据的时间连续性,提出了一种小波变换和稀疏自编码器相结合的虚假数据注入(FDIAs)检测方法.小波变换可在频域展示连续时间信号的局部特征,易于发现数据的异常变化.将经由小波变换的特征向量作为自编码器的输入,训练表征电力系统正常运行模式的自编码器,然后在线运行输出攻击检测结果.最后,使用IEEE 39和IEEE 118验证了所提方法的准确性和有效性.     

月前日负荷曲线的概率预测和随机场景模拟

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,对日负荷序列向量降维;提取出少数相互独立的负荷公共因子作为预测变量,以日气象因素、星期类型和前一日公共因子值为输入特征,建立计及相邻日负荷相关性的神经网络分位数回归概率预测模型;以此为基础,利用中期气象预报信息,逐日预测和模拟未来30日的负荷曲线,并生成未来月负荷曲线的随机模拟场景。实际算例结果验证了所提概率预测方法的准确性和高效性,其生成的日负荷曲线模拟场景更好地体现了负荷的时序相关性,能为调度人员提供更准确、全面的月前负荷预测信息。     

计及灵活资源调节潜力的高压配电网新能源接纳能力评估

风电、光伏并网装机容量的快速增长给电网的安全运行带来了巨大挑战,挖掘电网灵活性资源是保证新能源健康发展的有效途径。为此,提出了一种计及灵活资源调节潜力的高压配电网新能源接纳能力评估方法。首先,基于模糊C均值聚类算法生成风电、光伏和负荷典型场景集;然后,计及配电网水电和网架的灵活性,综合考虑系统的正常运行状态和N–1预想故障状态,以配电网新能源接纳能力最大为目标函数建立新能源规划模型;最后,选取某地区110 kV高压配电网进行算例分析,验证了所提模型及方法的有效性。     

基于随机响应面的电-气互联系统概率最优能流计算方法

电-气互联系统(IEGS)作为一种新型能源供给模式,极具发展潜力.本文提出了一种基于随机响应面的电-气互联系统概率最优能流计算方法.首先,以IEGS总运行成本为目标,考虑电力系统、天然气系统的运行约束,并将电转气细分为电转氢气与电转天然气两种电-气耦合模式,建立了最优能流模型;然后,结合IEGS中不确定性因素的概率特性,建立概率最优能流模型,并采用随机响应面法与内点法求解.最后,以IEEE 39节点系统与20节点天然气系统组成的IEGS为例进行分析,仿真结果验证了本文所提方法的可行性.