区块链技术在多元融合高弹性电网中的应用初探

多元融合高弹性电网通过构建源网荷储全向交互机制,显著提升了电网的互动与自愈能力。区块链技术采用去中心化理念和分布式记账模式,保障数据可信,打破信任壁垒,为电网多端友好互动提供了核心技术支撑。基于现有理论研究与工程实践,区块链的技术特征与高弹性电网的形态架构具有较强的理念契合性和技术互补性,区块链有潜力成为多元融合高弹性电网的重要赋能技术。面向多元融合高弹性电网的建设目标,刻画了区块链技术与高弹性电网深度融合的应用场景,梳理了建设高弹性电网过程中的关键痛点,阐明了区块链之于高弹性电网的技术赋能要素及匹配关系。面向高弹性电网的建设需求,提出了区块链系统的设计原则、评价指标以及设计流程,并以需求响应为例进行系统设计与性能测试,为区块链技术在高弹性电网中的应用提供理论支撑。     

基于用电数据和极限学习机的结构经济模型（英文）

考虑到产业发展与用电量之间的显著相关性,将极限学习机(extreme learning machine,ELM)应用于研究用电量与经济发展之间的关系,讨论如何基于用电量数据来预测产业经济增长。案例研究表明:(1)ELM算法在大多数情况下比普通线性回归方法具有更高的准确率;(2)统计结果显示,第二产业的几乎所有下属产业都高度依赖电力消费,其经济增长率与其用电量呈非线性正相关。     

基于 Affinity propagation和 K-means算法的电力大用户细分方法分析

电力大用户是供电企业的重点用户,其在电力市场环境下的潜在价值以及发展趋势与供电企业的利益密切相关。为了识别出有价值的大用户行为与价值特征,提出基于近邻传播(Affinity propagation,AP)和K-means算法相结合的电力大用户细分方法。首先,从现有指标中提取出关键细分指标,并考虑电力大用户近期和长期的电费增长率,提出评估大用户发展潜力的细分指标;其次,将AP和K-means 2种算法相结合,基于细分指标对电力大用户进行细分,以解决寻找初始聚类中心以及聚类数的问题,同时避免K-means聚类时容易陷入局部最优的问题;算例分析以浙江某地区的用户数据为基础进行算例分析,验证所提出的电力大用户细分方法切实可行。     

从能源互联网到能源区块链：基本概念与研究框架

近年来,区块链技术发展迅速,国内外均在尝试将区块链应用于能源行业。然而能源行业从业者对区块链的认知并不一致,对于区块链在能源互联网应用的必要性等存在诸多争议。通过对区块链的深入分析,提出能源区块链的基本概念和研究框架,以期形成比较系统的理论和应用体系,并为潜在的实际应用提供思路与参考。首先,文中分析了能源互联网的发展趋势与困境,阐述了区块链的概念和应用价值等。接着,通过对比能源互联网和区块链的特征,提出能源区块链的定义与内涵。然后,分析能源区块链应用,提出能源区块链研究框架,并阐述能源区块链共性关键技术。最后,给出了能源区块链的发展路径。     

基于联盟链的分布式高效身份认证

为了解决传统身份认证中用户认证流程繁琐、身份信息不安全、认证系统易受攻击等问题,提出了一种基于联盟链的分布式身份认证方法,利用区块链的去中心化、不易篡改的特性和非对称加密等方法,提高用户身份认证系统的安全性和稳定性。在此基础上设计了分布式认证方案,包括身份注册和认证流程,并对其中的核心共识算法PBFT进行了优化,以提高认证效率。实验结果表明,基于区块链的认证机制和优化的PBFT算法提升了认证系统的可靠性并保证了其高效性。     

新一代人工智能在智能电网中的应用研究综述

智能电网是人工智能 （artificial intelligence, AI） 的重要应用领域之一, 以高级机器学习理论、大数据、云计算为主要代表的新一代人工智能 （new generation artificial intelligence, NGAI） 技术的进步和突破, 将会促进智能电网的发展。首先概述AI的主要方法, 并对NGAI的内涵、特点与技术体系进行论述。之后, 对NGAI在能源供应、电力系统安全与控制、运维与故障诊断、电力需求和电力市场等领域中的最新应用研究情况进行比较系统的综述。最后, 总结NGAI在智能电网中应用的关键问题, 提出人工智能在智能电网中的应用可分为三阶段实施的建议。     

能源系统中的区块链:概念、应用与展望

互联网作为第三次工业革命的代表性技术改变了现代社会的生活方式和经济发展模式,而以去中心化和信任机制为主要特征的区块链技术作为新一代互联网技术的重要组成部分,很有可能推动现有计算模式的变革,在金融、能源等诸多领域将产生广泛而深远的影响。首先对区块链进行了概述,给出了区块链的定义和技术框架,阐述了区块链的特点和意义;之后,介绍了区块链在一些领域的应用情况;最后,概述了区块链在能源系统领域的研究现状,并对能源区块链的研究做了展望。     

考虑风电出力波动性的发电调度

提出了一种基于混合整数线性规划(MILP)的随机优化方法,来求解考虑风电出力不确定性、以总运行成本最小化为目标的机组组合优化问题.为计及风电的波动性,采用时间序列分析自回归滑动平均(ARMA)模型和拉丁立方采样(LHS),将随机优化模型转化为确定性模型,通过场景削减技术来解决场景数量很多时的计算量庞大问题.采用10机组和100机组系统对所提出的方法进行了模拟测试.仿真结果表明:计及风电出力不确定性后,系统总的运行成本趋于增加;非风电机组的爬坡速度和风电预测精度对所提出的算法的计算效率有明显的影响;将风电作为旋转备用资源可以明显降低系统总的运行成本.     

均值-LPM模型在发电商资产组合中的应用

在电力市场环境下,发电商面临如何在不同市场中分配发电量来达到利益最大化,并且使风险最小或者将风险控制在一定的范围之内。详细分析了发电商资产组合问题,并且建立了含无风险资产的均值-LPM模型来解决该问题。基于期望效用原则、随机占优理论和收益-风险理论,常用的风险度量指标(如方差、VAR及CVAR等)最理想的情况也只是和二阶随机占优理论一致,而二阶LPM是和三阶随机占优相一致的,因此LPM构建的效用函数最能反映出投资者的心理过程。最后采用真实市场数据进行算例分析,结果表明均值-LPM模型能有效分配资产比例和控制市场风险。