深度学习在电网智能调控系统中应用研究

基于对人工智能深度学习的研究,将该技术与电力智能调控深入融合,实现以数据、知识为基础的实时在线分析控制型电力调控。首先,分析深度学习的发展及其对电网调度的影响,针对深度学习在出力预测、状态估计和故障诊断方面的应用进行说明;然后,提出基于人工智能深度学习的电力调控系统构架,分析其与传统调控系统的区别,突出了该系统所实现的功能;接着,采用基于多核图像处理器（MGP）系统,阐明了所提出的智能调控系统实现的方法;最后,通过分析人工智能化调控系统的应用案例,说明该系统具有广泛的应用性。     

支撑风力发电的需求响应匹配分析研究

定位能够与风力发电的波动性、反调峰性等特征相协调的用户侧资源,以更多地吸纳风力发电,增强风力发电的经济性,提出一种需求响应与风力发电的匹配分析模型。模型采用频域互谱分析的方法,对风力发电曲线与用户需求曲线的频域波动特征进行比对。通过比对风电发电序列与用户用电负荷序列互谱密度函数中的相干谱和相位谱,能够甄别出匹配风力发电的需求响应目标用户群体。最后,实例分析结果表明该模型能便捷、有效地定位与风力发电周期波动共变性最接近的电力用户资源,以积极促进风力发电的经济消纳。     

以促进电力调度员全面发展为目标的管理模式研究与应用

电力调度员是电网运行、操作和事故处理的指挥员。随着电网迅速发展,科技不断进步,管理日渐精细,除了电网运行指挥的常规工作外,调度员还担任了许多系统运行管理任务,包括：下级调度机构人员培训、调度处置预案编制等。对于调度员管理提升,如何通过机制创新,促进调度员全面发展,是新形式下调度专业管理培养的重要任务。本文介绍了G省首创的以促进调度员全面发展为目标,以量化积分管理为手段的创新管理模式,并介绍了实践效果。     

光储系统电网侧故障下VSC变流器的跟网-构网型控制方法

在高渗透率的新能源并网系统中,由于光伏发电系统以及负荷的随机波动性,传统的跟网型控制在电网电压下降时往往难以提供足够的动态无功支撑,从而对系统的安全性和稳定性产生严重影响。为此,针对光储系统短路故障下电压源型变流器(voltage source converter, VSC)跟网、构网及故障期间的电压支撑控制方法进行研究。首先,建立VSC跟网、构网型控制策略的数学模型,分析基于跟网、构网型控制策略的并网控制方法;其次,研究采用2种不同控制策略对公共连接点(point-of-common coupling, PCC)电压的影响,提出基于跟网-构网型控制策略的系统控制方案,分析不同控制策略对PCC电压支撑作用的差异;再次,搭建计及光储接入的系统电磁暂态仿真模型,评估光伏逆变器和储能变流器采用3种不同控制方案对系统动态特性的影响;最后,对3种不同控制方案下,系统发生故障后PCC电压支撑程度进行分析,验证了所提出的基于储能变流器构网型及光伏逆变器跟网型一体化控制方法在故障期间具有更好的电压支撑能力。     

基于调配控服一体化的调度抢修服务指挥中心业务流程设计

本文首先分析讨论了现阶段配网抢修的现状及国内外研究方向,其次通过对调度抢修服务指挥中心的各业务主体的职责界面进行划分,分析和设计了中压配网抢修业务流程及低压配网抢修业务流程,并对主网抢修业务流程提出构想。分析得出中压配网抢修流程存在现场抢修人员误将抢修调度工作联系信息当作调度命令错误执行风险,同时调度抢修服务指挥中心在对低压故障抢修的研判与抢修资源的调度上存在实施难点。最后提出通过身份核实、分离业务载体、多重核实等中压配网抢修风险管控措施来对风险进行防控。此外,提出建立报修用户基本属性与配网故障抢修关键流程指标体系,同时对用户报修情感值进行计算量化,最后运用FCM聚类算法对低压抢修工单进行模糊分类并评级预警的方法,以解决低压配网抢修研判难点,对调配控服一体化的具体实施具有一定的参考意义。