计及互动响应的电力系统不确定性综合安全评估

随着当前智能电网建设的推进,电网逐渐具有了灵活互动的特征。大量可再生能源以及主动负荷的接入给电网注入了更多的随机性和互动性,进而也给系统的安全评估带来了挑战。针对这一问题,提出一种新的不确定性安全评估方法,首先根据Hyper-box和Hyper-ellipse空间理论建立电力系统综合安全指标,然后在该指标下将基于拉丁超立方采样的概率潮流与系统安全评估相结合,针对系统不同的运行状态采用拉丁超立方采样方法对系统综合安全指标进行计算;最后,对计算的指标值进行统计和区间数排序得到系统的综合安全评估信息。仿真结果表明,所提算法可计及安全指标的概率性分布,能够反映考虑了可再生能源波动性和主动负荷互动响应后的系统安全水平,为主动负荷进行良性互动提供了一种有效的评估指标。     

基于多链MCMC方法的光伏出力序列预测研究

现有电力系统规划和运行中主要考虑单一可再生能源出力的不确定性,考虑可再生能源出力间相关性的研究较少。文中提出一种多链马尔科夫-蒙特卡洛(MCMC)方法对多个光伏电站出力序列进行组合预测,该方法建立了多条相互服从完全条件分布的马尔科夫链,以模拟光伏电站上空的随机变化的大气状态,充分保留了光伏电站之间的相关特性。对三组具有不同相关水平的光伏电站的出力序列进行了预测,证明了相较于传统MCMC方法,该方法能够更精确地继承历史序列的一般统计特性,能够更有效地体现多个光伏电站出力之间相互影响的特点,更加适用于未来电力系统规划与运行设计的要求。     

基于改进线路效能的电网脆弱性辨识方法研究

随着智能电网建设的不断推进,电网互联程度越来越高,加强电网安全稳定分析对预防大停电事故的重要性更加突出。针对电网进行脆弱性评估,找出其中的薄弱环节,是电网安全稳定分析的前提与基础。本文首先根据复杂网络理论,采用支路有功潮流重新定义线路效能权值,随后结合电网实际运行状态进行建模,通过求取系统运行状态或网络结构发生改变后的全局效能变化量,建立电网综合脆弱性评估指标,最后基于IEEE标准算例对电网脆弱节点和线路分别进行辨识。结果表明,与电源联系紧密的线路和重要枢纽节点对网络整体脆弱性指标有着显著影响,该方法可用于智能电网规划方案的评估及优化。     

基于区块链技术的数字化运检班组体系研究

针对当前输电运检班组生产管理日益复杂、现场安全准入程序繁琐、班组绩效考核缺乏透明度的问题,本文开展基于区块链技术的数字化运检班组体系研究.建立基于区块链技术的输电运检生产管理、安全准入、绩效考核管理模型,优化运检班组生产、安全、绩效管理流程.     

基于强化学习的智慧社区广义负荷协同互动调度策略

随着低碳经济在电力行业的发展,居民的节能环保意识逐步提高。针对智慧社区广义负荷灵活调度的问题,研究了基于强化学习框架的智慧社区广义负荷协同互动调度策略。基于智能电表和智能设备的数据来实现负荷管理和能源消费优化,通过分析智慧社区的负荷特性和用户的用电偏好,建立了广义负荷和储能充放电模型,构建了基于深度强化学习框架的能量管理模型,并提出一种基于柔性动作-评价（soft actor-critic,SAC）的社区能量管理方法来求解低碳社区的优化调度策略。研究结果表明,智慧社区广义负荷协同互动调度策略能够显著降低能源消费成本,同时有效减少社区碳排放。     

计及辅助服务的电-气-氢综合能源系统优化调度

氢能是中国能源行业低碳化转型的重要支撑。电制氢技术可将电网难以消纳的新能源转换成绿氢注入天然气管道,实现绿氢的远距离传输与利用。文中提出一种计及绿氢注入的电-气综合能源系统优化调度模型,且计及电网辅助服务以支撑高比例新能源消纳。首先,建立了计及绿氢注入及管道管存的天然气系统准动态运行模型;然后,构建了计及调峰与灵活备用的辅助服务的综合能源系统灵活运行模型。最后,算例测试量化评估了电制氢及多能协同对于支撑新能源消纳及提高系统运行灵活性的价值,并且分析了新能源渗透率、管道掺氢比限制对于综合能源系统调度结果的影响机理。     

基于Nataf变换的电网不确定性多点估计法

在当前电力系统的规划与运行中,由于电力元件本身运行状态、数据采集及可再生能源的多点接入等因素,电力系统被引入诸多不确定性。在这些不确定性中,系统潮流的不确定性问题尤为突出。当系统的注入功率产生随机波动时,系统潮流会随之波动。针对不确定性潮流问题,在传统点估计法的基础上提出一种改进的基于Nataf变换和Gauss-Hermite积分技术的多点估计法,通过将不确定性潮流问题转化为多随机变量响应函数后进行求解。首先根据Gauss-Hermite积分技术获取标准正态空间上的多估计点及对应权重系数,经由Nataf逆变换求得原始空间的多估计点,进而通过潮流计算得到节点电压幅值和相角、支路有功功率和无功功率以及对应的统计信息。仿真结果表明,文中算法较传统的点估计法计算精度有明显提高,且精度会随着选取估计点数的增加而提高。