排序方式: 共有63条查询结果,搜索用时 15 毫秒
1.
智能感知技术是数字化的关键技术之一,是能源互联网的基础技术。在当前数字化进程深入推动能源革命的背景下,智能感知技术已成为能源互联网建设与发展的数字引擎。文章总结了能源互联网框架下智能感知技术的战略背景、业务需求及重要意义,通过分析当前存在的问题,详细阐述了智能感知技术理论及发展趋势,梳理智能感知核心技术框架,提出系统性技术标准体系,并给出了能源互联网“源-网-荷-储”智能感知应用布局,最后结合我国能源互联网发展现状,对智能感知建设路径与发展方向进行了探讨与展望。 相似文献
2.
研究主动配电网三相电压的优化与校正控制技术,提出了全网集中优化、局部协调校正的控制方法。在长时间尺度内,协调全网有功和无功资源,基于半定规划理论建立计及本支路相间互感的主动配电网三相电压优化的数学模型,实现全网优化控制。在短时间尺度内,利用电压相量对节点注入功率的三相灵敏度建立电压相量校正二次规划模型,实现电压相量校正控制。IEEE 33节点三相标准测试系统的仿真表明,全网优化控制能有效降低网损,局部校正控制能利用最小的功率调整量快速校正越限节点的电压幅值,并减少三相不平衡度。 相似文献
3.
为满足大规模风电集中式接入下电网无功电压的控制要求,在电网自动电压控制(AVC)的基础上,研究实现风电区域无功电压的控制方法。首先改进传统支路电压稳定指标,建立仅依赖支路电压相量的在线静态电压稳定指标。在此基础上根据短期风功率变化趋势,分别建立考虑风电区域电压稳定的全网AVC联合优化模型和协调校正模型,并提出基于超短期风功率预测结果的风电并网点电压质量控制策略。应用于新疆电网的实际效果表明,所提出的无功电压控制方法在实现降低系统网损、维持负荷中心区域电压合格的同时,还有效地改善了风电区域的电压稳定性,提高了风电并网点的电压质量。 相似文献
4.
尽管电能、调频和运行备用属于不同的市场,但它们均是由发电机组或者参与需求响应的用电负荷提供的,由于其中部分提供者可以同时提供多种服务,因而对其进行联合优化的方法无疑优于采用电能、调频和运行备用按次序优化的方法。文中在对美国典型电力市场运行规则进行分析的基础上,给出了电能、调频和运行备用同时优化时的数学模型,推导出调频和各种运行备用结算价格的结算方法,分析了容量约束绑定情况下机会费用的计算公式,讨论了需求曲线的确定原则,分析了需求曲线对结算价格的影响。通过分析可以看出,采用电能、调频和运行备用同时联合优化的方法可以获得更好的优化效果。 相似文献
5.
直流受端电网中大容量直流功率的馈入和大量分布式光伏及储能经电力电子变换器接入,导致受端电网同步机电源逐渐被取代,系统等效惯量下降,严重影响了受端电网的频率特性。因此,挖掘电网调频资源、增加电网频率控制的灵活性十分重要。针对上述问题,基于一致性算法,提出了利用受端电网中配电网的分布式调频资源,包括分布式光伏、储能、柔性负荷等协同参与电网一次调频的分布式控制方法。该控制方法能够有效应对由于调频资源数量大而导致的计算难度增大问题,并可通过定时刷新分布式调频资源的运行状态并自适应计算频率响应系数,实现在故障发生时快速响应频率变化。通过对等效直流受端电网中配电网调频资源以不同控制策略参与频率调节的仿真对比分析,验证了文中方法对直流受端电网频率调节的有效性及经济性。 相似文献
6.
随着综合能源系统中间歇性能源和负荷不确定性的逐步增强,传统的调度方法局限于固定物理模型及参数设定,难以较好地动态响应源荷的随机波动。针对这一问题,提出了一种基于深度强化学习的综合能源系统动态调度方法。首先,以数据驱动方式构建面向综合能源系统的深度强化学习模型,通过智能体与综合能源系统的持续交互,自适应学习调度策略,降低对物理模型的依赖程度。其次,通过添加随机扰动的方式表征源荷不确定性变化特征,针对不确定性变化特征改进深度强化学习模型的状态空间、动作空间、奖励机制以及训练流程等关键环节,并经由近端策略优化算法优化求解,实现了综合能源系统的动态调度决策。最后,通过算例仿真验证了所提方法在不同时间尺度以及不确定性环境下的可行性和有效性。 相似文献
7.
针对电网黑启动的特点和要求,结合图形建模技术、数据库技术和电力系统分析计算技术开发了一套可视化的电网黑启动辅助决策支持系统。该系统将图形系统与数据库结合形成图-模一体化平台,具有界面友好、交互性强和功能完善等特点。该系统采用了基于规则的黑启动路径自动生成算法形成黑启动初始路径方案,既避免了人工提供黑启动初始路径的繁琐,又能避免合理路径的遗漏;系统中所包括的路径分析功能及数据管理,既相互独立,又能相互配合,而形成了一个完整的系统。该系统所提供的分析结果的导出功能,可方便地生成黑启动初步分析报告,从而大大减轻撰写分析报告的压力。实际应用证明了该系统的有效性和工程实用性。 相似文献
8.
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。 相似文献
9.
10.