计及配电网信息系统可靠性的分布式光伏优化配置方法

由于高渗透性配电信息网的故障会对主动配电网的规划与运行产生影响,因此文章提出了一种计及配电网信息系统可靠性的分布式光伏优化配置方法。首先,在配电网运行状况对信息系统依赖程度逐步加深的情况下,分析以以太网无源光网络(EPON)为代表的配电信息网的可靠性,研究信息正常和故障两种状态下配电网模型模拟结果的准确性;然后,以配电系统的运行成本和信息系统故障影响下的分布式光伏离网率均达到最小值为双优化目标,以分布式光伏接入容量、信息作用周期为优化变量,提出了基于配电信息可靠性的配电网光伏选址定容规划方法,并利用蒙特卡洛抽样模拟信息失效模型和非支配排序的多目标遗传算法进行求解;最后,根据算例的结果验证了上述模型模拟结果的准确性,并分析了信息可靠性对光伏选址定容规划方案的影响。     

基于PMU优化部署的电网CPS线下攻击保护

针对电网信息物理系统可能遭受的恶性数据注入攻击以及海量的测控数据和复杂的运行方式,提出了一种线下优化部署相量测量单元(PMU)的保护方案.以线性恶性数据注入攻击模型为例,首先采用行最简形矩阵转换方法建立了一套攻击者为攻击指定数量状态量的最小代价攻击模型.然后,针对最小代价攻击模型,提出了一种有效防御并保证全系统可观的相...     

基于备自投装置的30°相角差系统负荷转供操作方案分析

30°相角差系统采用先通后断方式实现负荷转供,降低了供电可靠性。分析了快分快合和快合快分两种不停电负荷转供方案对系统运行的影响情况,指出了尽可能减少操作间隔时间是实现不停电转供的关键,提出了一种对现有备自投装置进行改造的逻辑功能设计方案,可实现快合快分负荷转供。     

面向电力信息物理系统协同控制的实时硬件控制器在环联合仿真平台

分布式协同控制算法已广泛应用于电力信息物理系统（CPPS）中,其仅需地理邻居节点间的本地通信即可完成设定的控制目标。但在复杂CPPS场景下评估分布式控制算法的性能,易受到被控物理目标特性和真实通信条件的影响。为了解决这个潜在的问题,本文提出了一种含硬件控制器在环的联合仿真平台,在RT-LAB实时仿真器中对CPPS物理侧...     

基于负荷重构策略的电网调峰方法研究

为解决传统电网调峰方法负荷跟踪能力弱、成本高的问题,提出一种新的基于负荷重构策略的电网调峰方法。通过分析电网发电调峰机组类别及调峰方式来分析影响电网调峰效果的主要因素。基于此,计算电网系统负荷平衡约束,结合负荷重构以及调峰目标函数,构建调峰模型,完成基于负荷重构策略的电网调峰方法研究。实验结果证明,所提方法能够有效增强电网调峰能力,解决电网系统变化负荷跟踪能力弱、成本高等问题,对缓解电网调峰压力具有较好的效果。     

基于差分序列方差与CPS融合的数字变电站数据异常检测方法

针对传统基于简单阈值的异常检测方法已无法适用于数字变电站过程层网络中可能出现的设备物理故障和恶意入侵导致的数据异常的问题,提出了一种基于差分序列方差（difference sequence variance,VDS）与信息物理系统（cyber-physical system,CPS）融合的数字变电站数据异常检测方法。首先,在分析CPS中面向通用对象的变电站事件（generic object oriented substation event, GOOSE）和制造报文规范（manufacturing message specification,MMS）数据的行为特征基础上,研究了IEC 61850协议规范的度量方法,提出了网络和系统管理方案;其次,基于VDS的异常检测方法和流程,结合数字变电站过程层报文特点,提出了变电站流量异常隶属函数以及基于CPS融合的参数确定方法;最后通过仿真验证了所提方法不仅能有效识别信息设备物理故障和恶意入侵导致的数据异常,对于拒绝服务攻击也能实现准确检测,相比于传统方法具有更高的准确性与可靠性。     

基于主成分分析合作博弈的电网负荷智能预测方法研究

针对传统预测方法存在预测不准确、误差大的问题,提出一种基于主成分分析合作博弈的电网负荷智能预测方法。基于多分辨分析理论构建电网负荷预测参数模型,通过IGOA优化LSSVM的惩罚因子C和核函数参数δ2,得到更优的电网负荷参数;引入主成分分析合作博弈方法进行电网负荷智能预测。实验显示,采用该方法对数据进行拟合的图像更接近真实图像曲线,说明预测精度高,且误差较小,具有一定的优越性。     

基于遗传算法的热电厂负荷优化计算方法

供热机组待优化的变量多,传统的负荷优化方法虽然各具优点,但它们共同的无法解决的困难是当问题规模扩大,变量和约束条件很多时,会很容易陷入局部最优,而使数值稳定性降低,最终导致收敛困难。本文利用遗传算法良好的非线性映射能力,以某热电厂为例,介绍了应用遗传算法建立热电厂负荷优化模型的方法,并将其成功应用于该热电厂的负荷优化。     

光伏发电并网大电网面临的问题与对策

妥善解决光伏发电系统接入大电网后2部分都能安全、高效运行是光伏发电技术大规模工业化应用的关键之一。分析了光伏发电系统及其并网的技术特点,简要阐述了光伏发电并网问题的研究现状。指出光伏发电大规模并网使大电网在研究与实验验证手段、对光伏发电系统影响大电网机理的认识、新型配电系统的规划、电网运行控制、电网监测保护与控制装备、技术标准与规范等方面面临新的问题,并提出了应对这些问题的策略。     

基于发电成本的电厂间负荷优化配置

针对某些较小电厂的小机组煤耗率高,发电盈利少,甚至亏本的现状,提出将这些电厂的负荷配置给一些具有煤耗率较低的大机组的大电厂,从而能使各电厂均获益的解决方案.首先说明了火力发电厂两台600MW机组的煤耗特性方程的求取过程,然后以发电成本作为目标函数,建立电厂间负荷优化配置数学模型,模型考虑了市场因素对机组负荷优化分配的影响;阐述了遗传算法进行电厂负荷优化配置的原理及步骤,最后采用遗传算法计算分析不同电厂负荷优化配置,结果表明对不同电厂的机组负荷进行优化配置,节能效果和各电厂收益均显著改善.     

基于分布式光伏和ZIP负荷协同的系统频率控制方法

为挖掘未来高比例可再生能源电力系统中的各种频率调节资源,利用降压节能技术,提出了一种基于分布式光伏和ZIP负荷的“源-荷”协调的频率控制方法。通过ZIP负荷近区光伏的频率-无功下垂控制,实现了并网节点电压调整,间接控制了ZIP负荷的有功消耗,具备本地快速响应特性和灵活调节能力。改进的IEEE 14节点系统仿真算例结果验证了所提方法的有效性和优越性,为提升高比例可再生能源电力系统的频率调控能力提供了一种快速有效方法。     

基于负荷优化控制的地区电网潮流越限处理研究

地区电网在检修或事故运行方式下,容易发生线路潮流越限,在无可调度发电厂出力且转移负荷后仍无法消除线路越限的情况下,只能通过切除一定的负荷恢复正常潮流。对潮流越限后的最优切负荷策略进行了研究,由于地区电网规模较大,变电站数目较多,因此,首先通过灵敏度分析从中优选出对越限线路影响较大的若干个变电站,减少控制变量数目,提高运算效率;然后,运用遗传算法,寻求全局最优解,得到负荷调整量最小的方案;最后,基于某实际电力系统算例,验证了所提策略和算法的有效性。     

计及用户响应成本的电采暖负荷群参与风电备用研究

分布式电采暖具有调度灵活、反应迅速的优点,可用于时序变化的可再生能源辅助服务中,但其响应成本和用户使用价格较高。文章通过负荷聚合商聚合用户群调节能力,并激励用户参与风电场备用,提高用户-负荷聚合商-电网综合收益。首先,负荷聚合商将用户群按建筑参数、初始状态和用户响应成本分组,应用二阶等效热力学模型模拟建筑物的储热过程;其次,提出含温差补贴的价格激励方法,负荷聚合商通过该方法激励用户参与响应以满足风电场的备用需求;最后,通过算例证明该方法降低了电采暖负荷参与风电备用的成本,提高了风电备用。     

基于碳中和目标的分布式光伏发电并网消纳控制研究

采用目前方法对分布式光伏发电并网进行消纳控制时,没有对碳排放量进行分配,存在碳排放量高、系统效率低和发电量低的问题。提出基于碳中和目标的分布式光伏发电并网消纳控制方法,该方法对消纳进行控制之前对分布式光伏发电系统的碳排放量进行了分配,以此助力碳中和目标达成,在此基础上构建分布式光伏发电并网消纳控制模型,并设定相关约束条件,采用遗传算法对消纳控制模型进行求解,获得模型最优解,实现分布式光伏发电并网的消纳控制。实验结果表明,所提方法的碳排放量低、系统效率高、发电量高。     

基于遗传算法的电力系统综合负荷模型的建模与仿真

遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,引入一种改进的遗传算法用于电力负荷综合建模。该算法具有克服早熟、避免近亲繁殖和自适应的优良特性。应用建模实例表明,遗传算法辨识所得负荷模型的描述精度很高,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

基于EMTP/ATP的户用光伏发电系统建模与仿真

利用户用光伏发电系统开发偏远地区太阳能资源,可以有效解决该地区用电难问题,有必要建立户用光伏发电系统的仿真模型。在电力系统电磁暂态软件EMTP/ATP仿真环境下,建立了随机光照、温度、太阳能电池等仿真模型,同时结合Cuk斩波电路、蓄电池、PWM单向逆变器等,构建了简单的户用光伏发电系统,并对该系统在离网运行模式下的运行特性进行了研究,仿真结果验证了模型的有效性。     

基于深度神经网络的电力负荷预测方法研究

电力负荷预测在能源领域具有重要的应用价值,电力负荷预测是电力系统运行和管理中的重要环节。准确的电力负荷预测有助于电力系统运营商提前做好供电计划,能优化资源配置,提高运营效率。随着人工智能技术的发展,基于深度神经网络的电力负荷预测方法引起了学者们的广泛关注,探究基于深度神经网络的电力负荷预测方法能有助于电力设备的稳定输出,对经济发展具有重要的现实意义。     

增加可再生能源电力的比重

正长期以来,电力行业的很多人都认为,风电和太阳能光伏发电这两种波动性较大的可再生能源电力在整个发电系统中只能占据很小的一部分比例,否则将危及整个电网的安全。然而,众所周知,德国和其他一些国家通过五项技术,已经成功地使电网接纳了相当大比例的可再生能源电力。这五项技术分别是:发挥区域或全     

基于多种群遗传算法的分布式光伏接入配电网规划研究

针对分布式光伏接入配网系统的优化规划问题,提出一种兼顾经济性和安全性的光伏并网规划方法.以接入容量最大、投资运行维护成本最低、网络有功损耗最小为经济性规划目标,以电压偏差、电压波动、谐波指标为规划约束,建立光伏并网的多目标约束优化模型.采用多种群遗传算法求解规划模型.利用控制参量不同的多个种群协同进行优化搜索,同时在单...     

基于动态负荷特性的家用光伏发电系统经济性评价

以家用光伏发电系统为研究对象,基于用户侧动态负荷特性与供给侧光伏发电出力特性的耦合解析,根据分布式光伏系统"自用为主、余电上网"的应用原则,构建家用分布式光伏发电系统经济性评价模型。应用该模型,以上海某家用光伏发电系统为例,分析其运行特性、经济性能及其影响因素。研究结果表明,现行政策下家用光伏发电系统的动态投资回收年限为12.4 a;在中国,促进光伏产业发展最实际、最有效的政策是提高上网电价。