考虑多重出力不确定性的风光装机容量优化

挖掘风电和光伏出力的日特性和月特性,构建基于日特性和月特性的风电/光伏序列模型,通过蒙特卡洛模拟方法,生成多条风电和光伏出力序列,以刻画风/光出力的多重不确定性。考虑风电和光伏多重不确定性出力约束、电力电量平衡约束、允许弃风弃光率约束等,构建风电和光伏收益最大模型,优化风电和光伏装机,保证风电和光伏运行的经济性,实现风电和光伏有序发展。仿真算例表明,在不同的允许弃风弃光率下,风电和光伏的最优装机差异较大,受光伏日特性和装机成本高的影响,只有在弃光率较小且光伏装机容量小的场景下,光伏发电才具有较好的经济效益。     

考虑时序特性的分布式光伏接入配电网的选址定容问题研究

针对分布式光伏选址定容问题,根据负荷和分布式光伏的时序特性进行数学建模,在不考虑时序特性和考虑时序特性两种情况下,以网络损耗为优化目标利用蚁群算法分别得到两种不同的分布式光伏选址定容优化配置方案. 通过两种方案的对比分析,说明了分布式光伏接入配电网后对网络损耗和节点电压的优化改善情况,并验证了考虑时序特性进行优化配置的必要性.     

基于城市能源互联网的配电网规划优化研究

传统配电网规划方法忽略了分布式电源接入配电网前后功率值的变化,导致其规划后建设投资成本较高。为此,提出基于城市能源互联网的配电网规划优化方法。首先,计算分布式电源接入配电网前后的发电功率值,通过功率值对比分析分布式电源接入配电网前后负荷变化,确定城市能源互联网对配电网影响因素。随后,基于该影响因素建立负荷预测模型,预测配电网在城市能源互联网影响下的负荷变化。最后,设置电力供需平衡、潮流容量、电压和电流等约束条件,建立配电网规划优化模型。仿真结果表明：该配电网规划优化方法的预测区域负荷准确度高,功率预测性能与实际值相差极小,并且该方法可降低配电网规划建设投资和经营的总成本,实现配电网规划的合理化。     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

含风光发电的电力系统随机生产模拟方法

从电源规划的角度出发,风力与光伏的接入对随机生产模拟的影响不可小觑.基于随机生产模拟方法,将等效负荷频率曲线与等效电量函数法理念有效结合,搭建了含风力、光伏发电接入电力系统的模型.从发电量、可靠性和经济性三个维度,评估对系统运行的影响,并结合IEEE-RTS系统,验证方法的有效性与合理性.     

基于可靠性的配电网规划评估体系

从配电网规划的特点出发,吸收和借鉴国外现代配电网规划的先进理念和方法,提出一套全新的配电网规划评价指标体系,并讨论配电网规划评价指标及其评价方法.该方法参考"基于可靠性的配电网规划"的导则和准则,可靠性经济性评估公式以及全寿命周期成本管理(LCC)理论,可有效应用于规划中的多方案评价,也可以用于不同阶段的规划方案评价.     

高密度多接入点屋顶光伏系统对配电网电压的影响

以浙江省长兴县配电网为例,分析了分布式光伏发电接入位置和接入容量对配电网节点电压分布的影响,并研究了长兴县配电网所能接收的分布式光伏发电接入最大注入功率,提出了分布式光伏发电在长兴县配电网中的安装位置和注入容量.     

基于电动汽车接入的智能配电网规划研究

智能配电网是城市配电网的未来发展方向,也是智能电网的重要组成部分[1]。本文根据某中小城市的汽车发展情况,对电动汽车接入的智能配电网的充换电设施,充换电综合监控及运营管理规划进行研究,并对电动汽车接入实施设计具有现实的指导意义。     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

一种非正态分布随机序列建模和模拟的新方法

本文提出了一种非正态分布随机序列建模和模拟的新方法。该方法的基本思想是将ARMA模型产生的正态分布的相关序列直接通过Johnson分布转换式得到需要的非正态分布序列,而转换前后的序列的自相关函数基本一致。该方法克服了Davies方法中存在的一些问题,尤其适用于二维非正态分布序列的建模和模拟。实际加工表面轮廓的模拟结果和给定偏斜度和驼峰度的二维时序模型的模拟结果证实了该方法的有效性。     

基于暂态混沌神经网络的低阶混沌时间序列预测

暂态混沌神经网络是一种基于Hopfield网络提出的混沌神经网络,具有收敛速度快、不易陷入局部极小等优点．许多低阶的混沌系统都可以展成二阶volterra级数,因此提出一种基于暂态混沌神经网络和volterra级数的低阶混沌时间序列预测方法．该方法利用暂态混沌神经网络计算系统的volterra级数系数,确定系统的动力学模型,从而实现混沌时间序列预测．利用Logistic模型对该方法进行测试,结果表明,预测相对误差小于0．5％,预测可达到较高的速度和精度．     

考虑风力发电接入的电网规划

考虑风力发电的特点,研究有风电接入的电网规划问题,提出含风电电源的电网规划模型,依据中国当前促进新能源发展和节能减排政策,建立相应的风电利用指标和节能指标,并对规划模型进行科学评价．通过算例验证了所提模型的有效性．     

考虑风电综合利用指标约束的输电规划模型

风电的大规模并网,对输电网的影响不容忽视.考虑风电出力的随机性及不可控性,建立风电机组发电功率评估模型,计算风电发电功率的期望值;引入风电综合利用指标,统筹风电利用及输电规划成本二者之间的矛盾;建立考虑风电综合利用指标约束的输电规划模型.以18节点系统为例,时比分析传统输电规划模型与考虑风电综合利用指标约束的输电规划模...     

基于蚁群算法的连续时间生产计划优化

针对连续时间生产计划问题，在生产速率、需求率和库存水平等都确定的前提下建立相应的数学模型，并将蚁群算法引入到连续时间生产计划的优化中，利用蚁群算法的自适应、全局优化、并行分布式处理等特性在整个生产计划的可行解中寻找最优解.通过对连续时间生产计划优化问题的计算表明：该方法比遗传算法具有更好的收敛性和更快的计算速度.     

考虑二次规划因素的电网规划方法

电力市场环境下,针对电网结构需要进行多次扩建的问题,提出了在电网规划时考虑未来电网二次规划的可能性,对网络扩建后的可靠性因素进行量化处理的电网规划新方法。使电网规划模型在平衡了经济性与可靠性的基础上,网络结构有更强的稳定性保证,并能避免电网进行不必要的二次扩建损失。通过算例进行计算分析,结果证明该方法是合理有效的。     

Generating wind power time series based on its persistence and variation characteristics

Generation of wind power time series is an important foundational task for assisting electric power system planning and making decision. By analyzing the characteristics of wind power persistence and variation, this paper proposes an improved Markov chain Monte Carlo(MCMC) method, identified as the PV-MC method, for the direct generation of a synthetic series of wind power output. On the basis of the MCMC method, duration time and variation features are concluded in PV-MC method, gaining a more comprehensive reflection of wind power characteristics in the generated wind power time series. First, the wind power state series is generated to meet the state transition matrix based on the definition of the wind power state. Then, the time duration of each state in the series is determined by its respective duration character. Finally, the variation characteristic is used to convert the state series to a wind power time series. A significant amount of simulations are performed based on the PV-MC and MCMC methods and are then compared for 25 wind farms at 6 different locations throughout the world. The simulation results show that the PV-MC method offers an excellent fit for the time domain features(persistence and variation characteristic) while holding other statistic features(mean value, variance, autocorrelation coefficient(ACC) and probability density function(PDF)) close to the MCMC method.     

基于小波神经网络的时间序列预报方法及应用

传统的时间序列预测模型在处理具有非线性特性或非平稳时间序列问题,特别是对有人参与的主动系统、社会经济系统的预测上,无法取得满意的预测效果.寻求处理这类系统的方法是人们一直努力的方向.这里以小波理论为基础,重点研究了小波网络在非线性时间序列中的建模预测方法,利用深圳综合指数数据,建立了股票指数预测模型.该模型克服了传统的时间序列预测模型仅局限于线性系统的情况,避免了BP神经网络模型固有的缺陷.仿真结果表明,该方法比神经网络预测方法的预测精度高,可以很好地应用于某些非线性时间序列的预测中.