能源转型中我国新一代电力系统的技术特征

我国能源生产和消费面临转型,构建新一代电力系统是实现这一重大转变的关键步骤。新一代电力系统是其发展历程的第三代,大幅提高非化石能源电力占比,形成非化石能源为主的电源结构是其重要标志,在智能电网发展的基础上构建更加智能化和多能互补的能源互联网是其发展方向。根据当前及未来电力系统发展面临的主要问题和关键因素分析,提出了新一代电力系统的主要技术特征:适应高比例可再生能源接入、具有高比例电力电子装备、支撑多能互补综合能源网,以及与信息通信技术进一步深度融合。高效低成本太阳能风能发电技术、高效低成本长寿命储能技术、高可靠性低损耗电力电子技术、高强度低成本绝缘技术和超导输电技术,以及新一代人工智能技术等几类技术整体突破将对新一代电力系统的未来发展具有决定性影响。上述技术特征内涵和核心技术问题的分析,有助于进一步探讨新一代电力系统研究和发展的方向。     

基于时间序列关联分析的稳定运行规则提取方法

提出一种考虑运行方式变化时序的稳定规则提取方法。利用主成分分析进行敏感特征提取。对传统方法在数据标准化中存在的问题,通过数据均值化处理,保留原数据中各变量变异程度的差异信息,实现在保证原始数据分类识别     

光纤复合架空地线(OPGW)及其新发展

讨论了光纤复合架空地线（OPGW）的几种常见结构及其特点，讨论了一种新型OPGW的结构和特点，介绍了一种连续OPGW的新方法，最后讨论了波分复用技术（WDM）在OPGW通信网中的应用。     

云边智能: 电力系统运行控制的边缘计算方法及其应用现状与展望

本文分析了当前我国电力系统的运行与控制面临的挑战, 对边缘计算的发展背景和关键技术进行了介绍, 阐述了云边协同和边边协同的功能与特征, 并对边缘协同技术下的边缘智能技术进行了探讨. 结合电力系统的层级式构架, 讨论了在电网部署边缘计算层的方法, 提出利用云边协同、边边协同、边缘智能等技术解决电力系统面临的实时性高、数据周期短、任务复杂等难题, 在减轻边缘节点与云中心通信压力的同时, 提高业务服务质量, 保障边缘节点的数据隐私. 通过对边缘计算在“源 − 网 − 荷”各环节的应用前景进行分析与讨论, 阐述了边缘计算在电网中的可行性与实用性. 最后, 对边缘计算的应用范式与方案进行了总结, 并对其在未来电力系统中的发展方向进行了展望.     

基于多元注意力框架与引导式监督学习的闭环风电功率超短期预测策略EI北大核心CSCD

以风电为代表的新能源发电装机容量占比逐年增长,精确的风电功率超短期预测对提高风能利用率、助力双碳实现有重要意义。该文提出一种基于多元注意力框架与引导式监督学习的闭环风电功率超短期预测策略,从特征筛选、模型优化、策略改良3个角度全面提高预测准确性与模型智能性。首先,采用动态权重特征选择算法、孤立森林算法以及最邻近节点算法筛选并处理数据,便于预测模型更好把握其中特征;其次,对长短期记忆(long short term memory,LSTM)基模型多角度优化,并根据基模型中不同信息的特点,构建关于LSTM的多元注意力框架(Multielement-attention-LSTM),将此框架用于对LightGBM集成学习模型的引导,并通过多种可视化方法提高了模型可解释性;最后,将Bland-Altman应用于模型输出与实际风电出力一致性检验,在预测数据与实际数据交互的基础上实现训练–预测闭环机制。仿真结果表明,所构建的Multielement-attention-LSTM框架具有提高模型预测精度的作用,且闭环更新机制具备合理性。     

传统方法与人工智能:潮流控制优化算法的现状、挑战与未来方向

优化问题是电力系统领域中最常见的问题之一,大多数工程问题都可以归结为优化问题。为了解决这些优化问题,人们不断地提出各种优化算法。然而,随着人类需求的快速提高和可再生能源的高度渗透,高度复杂的优化问题不断出现,使得传统的优化算法在求解精度和速度上都面临着巨大挑战。近年来,新一代人工智能(artificial intelligence,AI)的发展为优化算法的升级创造了新的机遇。智能电网是未来电网的发展方向,对电网的安全性、稳定性、可靠性、弹性、可持续性、高效性等都有很高的要求。这些要求使得智能电网成为一个具有多目标和多约束的高度复杂的优化问题。最典型的问题是潮流控制。无论是使用传统的还是现代的AI优化算法,已有许多研究人员致力于解决各种潮流控制问题。该文旨在全面、清晰地介绍这一研究领域的最新进展。首先,介绍优化算法的进化过程、分类和最先进的方法。然后,全面回顾传统和现代AI优化在控制潮流可解性、功率与频率、电压、安全性和稳定性方面的应用。这些应用均取得了良好的性能。尽管如此,该文仍然在高效性、可解释性、可迁移性、稳定性、经济性和鲁棒性方面点明一些关键挑战。为了克服这些挑战,给出在未来的研...     

基于深度学习的大电网断面功率快速自动调整方法

由于复杂大电网关键输电断面的功率调整工作量大、重复性高,计算速度难以满足在线辅助决策需求。基于深度学习理论,提出了一种对断面功率调整数据进行特征自学习进而实现大电网断面功率快速自动调整的方法。首先,采用反向等量配对法模拟人工调整操作,构建深度学习所需的海量数据集。然后,在机组灵敏度、调整量等约束条件下筛选出复杂大电网中参与功率调整的有效机组集合。在此基础上,以决定系数为指标构建最优回归模型准确预测出机组出力调整值,从而实现了断面功率的快速自动调整。最后,以中国某实际区域大电网的省间断面功率调整为例对所提方法进行验证。仿真结果表明,最优模型的决定系数和断面功率调整成功率均较为理想,大大缩短了断面功率调整时间,且调整效率不受系统运行方式和断面实际功率与目标功率差值的影响。     

基于改进直流潮流算法的潮流计算收敛自动调整方法研究

为了获得潮流计算的收敛解,传统的方法是一次又一次地反复手动修改系统预设.随着电力系统规模的扩大和复杂性的提高,调度和规划人员获得收敛的潮流计算结果的难度进一步增大,因而有必要实现一种潮流计算收敛的自动调整方法.为此,提出了一种基于改进直流潮流算法的潮流计算收敛自动调整方法.根据高压电网潮流计算中有功无功弱耦合的特点,分...     

基于本体理论的智能电网广义数据管理模型

针对广义数据自动获取问题,研究了可用于智能化处理的广义数据管理模型。广义数据类型多样、结构复杂,管理模型通过建立不同广义数据间的内在联系达到将其纳入管理的目的,而对广义数据的存储、解析和利用则交由相应的应用系统负责。广义数据间的联系复杂多样,现有的电网知识模型不能满足对其建模、应用的要求。因此,以本体和语义网技术为基础,研究了该模型的逻辑基点、结构和各级构件,并讨论了其建模和应用方式,最后通过一个案例说明了该模型的使用效果。研究表明,该模型可用于电网多类型异构数据资源的管理和获取,并具备良好的可扩展性。     

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中。