多电力电子变压器协调控制及不间断供电研究

协调控制是保证交直流混合配电系统稳定运行的核心技术。针对多电力电子变压器互联的10kV中压交直流混合配电系统设计了集中式协调控制方案。首先提出了电力电子变压器站控层控制器的统一架构,然后提出了稳态和故障两种工况下系统的协调控制方案。最后基于RT-Lab设计了半实物仿真实验平台并将其用于实验验证。实验结果证明了所提出的协调控制方案的有效性。     

计及VSC和DFIG的电网动态无功优化模型

近年来,一系列特高压直流工程的投运和大型风电场等新能源的并网给特高压近区电网无功控制带来了新的挑战。为解决含柔性直流的交直流混联电网的无功优化控制问题,提出了含电压源换流器(Voltage Source Converter, VSC)并考虑双馈感应风机(Doubly-Fed Induction Generator, DFIG)无功支撑的动态无功优化模型。该模型以交直流电网全天网损最小为目标函数,约束包括交直流系统的潮流约束、直流变量的控制约束、离散控制变量动态调节次数约束及节点电压的安全约束。原模型是一个多时段非线性混合整数规划问题,缺乏快速有效的求解方法,通过线性化技术将原模型转化为能有效求解的二阶锥规划(Second Order Cone Programming, SOCP)问题。以IEEE30节点系统为例,通过仿真计算验证了所建模型和算法的有效性。     

逆变型分布式电源T接线路后纵联差动保护的改进方案

当逆变型分布式电源(distributed generation,DG)以T接的方式接入高压配电网时,仅依靠提高电流纵联差动保护的整定值可能导致保护拒动。首先分析了逆变型DG的接入对电流纵联差动保护带来的影响。然后,利用线路母线电压互感器的信息,提出了以线路两端正序补偿电压的差值作为辅助判据的解决方案,并利用正序补偿电压和正序差动电流的相位关系消除动作死区。该方案简单易行,能够实现全线速动,并且不受DG容量、过渡电阻及两侧系统电势相角差等因素的影响。最后,基于PSCAD仿真平台搭建了含逆变型DG的110 k V高压配电网模型,对传统的电流纵差保护及改进的纵差保护进行了对比,验证了改进后保护方案的可靠性和有效性。     

电网电压不平衡情况下三相并联型PWM整流器的控制策略

电网电压不平衡情况下的并联型PWM整流器控制策略是保证其安全稳定运行的关键技术。传统控制算法存在坐标变换运算量大、控制结构复杂、直流母线电压波动以及电网电流畸变等问题,为此提出了一种基于静止坐标系下的并联型PWM整流器控制策略,建立了电网电压不平衡情况下的数学模型,给出了抑制正序、负序和零序环流的基本原理,提出了直流电压外环采用比例积分谐振控制器和网侧电流内环采用比例反馈谐振控制器来消除直流母线电压波动和网侧电流谐波的控制方法,给出了PWM整流器并联运行的整体控制框图,设计了比例反馈谐振控制器参数。最后,通过仿真软件进行了仿真研究,仿真结果研究了所提出算法的可行性和有效性。     

人工智能技术在电网调控中的应用研究EI北大核心CSCD

近年来,以深度学习为代表的先进人工智能技术促进了各行业的智能化发展。电网调控作为人工智能技术应用的重要领域之一,亟需借鉴互联网思维,充分利用人工智能技术,进一步提升电网调控业务的智能化水平。分析总结了人工智能技术的发展脉络,重点介绍了引发新一代人工智能技术大跨越的深度学习技术。聚焦大电网调控领域,论述了其对人工智能技术的需求分析。在此基础上,分析了人工智能技术在电网故障辨识、负荷预测、电网智能辅助决策和人机交互应用等方面的典型应用场景。最后通过电网故障辨识算例,进行了深度学习技术在电网调控应用的探索,可为调控业务智能化研究与发展提供有益的参考和借鉴。     

基于智能体群组强化学习的电网无功电压调控方法

无功电压调控是保障电网区域电压稳定的重要措施,现有基于强化学习的单一智能体设计方式存在架构设计不合理等问题。文中提出了一种考虑节点电压幅值与电容器投切状况的电网综合运行状态描述方法,设计了面向电网无功电压调控的强化学习智能体群组架构。该群组根据电网当前综合运行状态确定智能体成员,并给出相应的无功调控动作,各智能体成员将相邻时段电网状态改善程度作为奖励机制。算例表明该方法可应用于电网无功电压调控环境,相较于单一智能体设计方式,可以有效减少动作集数量,更好地应对各种无功电压调控工况。     

基于多源数据和模型融合的超短期母线负荷预测方法

母线负荷预测对于电网调度运行的安全性和在线分析决策的准确性具有重要的意义。为了进一步提高母线负荷预测精度,提出了一种基于多源数据和模型融合的超短期母线负荷预测方法。结合当前电力大数据,首先将历史负荷数据、日期信息以及天气信息等多类型数据作为预测模型的输入特征,并建立基于BP-ANN(back propagation)神经网络和CNN(convolutional neural network)神经网络融合的预测模型。然后采用BP-ANN提取数值类型和类别类型数据的特征向量,与CNN提取图像型数据的特征向量进行融合,通过多层BP-ANN神经网络进行超短期母线负荷的预测。最后,采用我国某地区220kV变电站高压侧的有功负荷历史数据和该地区天气信息进行实例分析。实验结果分析表明,所提方法能够充分有效利用多源数据和模型融合的特点进行超短期母线负荷预测,相较于BP-ANN和CNN单独模型预测具有更高的负荷预测精度。     

基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型

随着特高压交直流快速发展、能源结构调整不断深化和电力市场化改革向纵深推进,电网运行态势的感知越来越困难。文章提出了基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型。首先建立电网运行态势评估基本框架;然后构建电网运行态势评价体系,利用模糊层次分析法评估当前运行状态;最后基于LSTM-注意力机制,通过样本数据训练学习,完成对电网安全态势的预测。仿真算例验证了该模型的有效性和准确性。     

直流配电网多时间尺度控制体系研究

随着新能源的大量接入及电力电子技术的逐渐成熟,直流配电网相较于交流配电网更具发展优势,同时直流配电网的发展也对其控制体系的建立提出了要求。该文针对含新能源和储能的直流配电网,提出了基于时间尺度划分的多层次直流电压控制体系,该控制体系按毫秒级、秒级以及分钟/小时级的时间尺度进行划分,以电压下垂控制为基础,分别提出了以稳定电压、抑制波动为目的的一次调压及惯性控制,以消除电压静差为目的的二次调压控制及以优化运行为目的的三次调压控制。最后,通过在Matlab/Simulink中搭建的包含光伏和储能的四端直流配电网仿真平台,验证了所提控制体系的有效性。