基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型

随着特高压交直流快速发展、能源结构调整不断深化和电力市场化改革向纵深推进,电网运行态势的感知越来越困难。文章提出了基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型。首先建立电网运行态势评估基本框架;然后构建电网运行态势评价体系,利用模糊层次分析法评估当前运行状态;最后基于LSTM-注意力机制,通过样本数据训练学习,完成对电网安全态势的预测。仿真算例验证了该模型的有效性和准确性。     

基于信息安全约束的可再生能源电网多主体投资风险评估方法

针对电网建设过程中不同利益主体投资风险评估问题,结合物理信息融合的可再生能源电网各主体投资供需平衡和数据流信息安全模型,研究基于信息安全约束的可再生能源电网多主体投资风险评估方法。首先建立包含电网投资运营商、可再生能源投资运营商和电力用户等不同主体的投资模式,然后针对电力物联网环境下信息系统的设备风险、数据风险、物理系统风险和信息安全风险在复杂信息物理融合系统中的作用机理,研究复杂投资模式下系统信息安全风险量化表征模型,并在此基础上建立基于结构熵的信息安全约束的可再生能源电网多主体投资动态风险评估模型。基于IEEE39节点建立可再生能源电网投资风险评估仿真系统,对文章提出的风险评估方法进行验证。仿真结果表明,基于信息安全约束的电网多主体投资风险评估方法,能够有效提升具有不确定性的电网投资规划鲁棒性。     

基于态势感知驱动的配电网投资决策体系架构设计探讨

分析态势感知在配网投资决策中的延伸应用,将态势感知分为综合感知和元感知两个层次,并结合配电网规划设计特点,建立配电网态势多维感知元模型,确立态势元感知基本维度,提出综合感知的基本层次;结合配电网规划投资决策的特点,提出采用大数据图谱的配网数据管理模式以适应态势感知驱动的投资决策体系;提出并设计了面向大数据图及态势感知驱动的配电网规划投资决策体系架构。     

基于机器学习的电网监控通信网络运行态势感知方法

针对没有删除电网监控通信网络运行数据的冗余特征,导致感知结果不理想,平均计算时间和迭代次数增加的问题,提出一种基于机器学习的电网监控通信网络运行态势感知方法。通过方差过滤器删除数据集中的冗余及无相关特征,采用决策树递归特征消除算法,过滤电网监控通信网络运行数据,进行特征提取和分类预测,结合具有人工经验的K-means聚类方法,对常态因子添加状态标签,通过误差预测值对态势因子进行误差修正,构建电网监控通信网络运行态势评估模型,实现电网监控通信网络运行态势感知。实例测试结果表明,所提方法能够有效减少平均计算时间和迭代次数,获取更加准确的感知结果。     

数据驱动的能源互联网建模与仿真关键技术

针对能源互联网面临的多能流运行复杂性、源荷不确定性等日益突出的问题,基于能源生产、传输与消费各环节数据信息,文章设计了一种包含物理层、感知网络层、模型层、算法层、应用层的数据驱动能源互联网建模与仿真框架,并提出能源互联网数据与物理融合统一建模、分布式能源及负荷概率预测、典型运行场景生成以及多能流优化运行等关键技术,最后展望典型应用场景。以数据驱动为核心,为能源互联网建设提供技术支撑。     

基于模糊综合评估的继电保护装置运行状态感知方法

超特高压交直流混联电网的安全稳定运行高度依赖继电保护、安全稳定控制等二次系统,对继电保护装置的可靠运行提出了更高要求,继电保护装置状态的智能感知对电网安全有着重要的基础保障作用。为有效感知继电保护设备的运行状态,在状态信息获取的基础上,建立了保护装置老化、告警信息、运行信息的风险评估模型,并建立了反映状态量与状态异常关系的故障树模型,提出了基于模糊综合评估的保护装置运行状态感知方法,在建立状态集、确定隶属度函数基础上,通过建立事件的模糊状态矩阵、确定事件的权重,完成保护装置状态模糊综合评估,实现了保护装置运行状态的智能感知。仿真算例验证了该方法的有效性。     

基于MES的电-气综合能源系统鲁棒状态估计方法

随着综合能源系统的快速发展,电-气耦合互联系统成为能源互联网体系中的一种典型形式。为保证电-气互联网络安全高效运行,提高智慧能源系统的监控状态感知能力和坏数据防御能力,该文参照电网状态估计方法,分别对电网、气网和耦合元件建立稳态模型。用电网节点电压模值与相角、气网节点压力平方作为状态量,基于最大指数平方法（maximum exponential square,MES）,并考虑电网和气网零注入约束以及边界等式约束,建立了电-气耦合网络的MES状态估计模型,并对电-气耦合网络进行全局统一协调状态估计。基于一个4电网节点-12气网节点耦合系统进行仿真,仿真结果证明了该文所提方法可实现电-气耦合网络运行状态的准确感知,并在此基础上获得电-气耦合网络全局一致解,同时在两者耦合边界还可利用耦合关系,对边界坏数据实现有效辨识。     

基于信息物理融合的多源配电网网损分析研究

多源配电网有较强的随机性特征和时变特性,需要研究基于信息物理融合的多源配电网动态潮流网损分析方法,用于深入揭示电网运行的复杂内在特性。该方法需综合考虑分布式电源随机注入功率和场景变化,同时有效支撑分布式电源对非可控能源与负荷的调节作用,以获得系统在所研究的连续时间段内的确定性网损分析和运行轨迹。建立连续变量和离散状态相融合的可控分布式能源混合逻辑动态模型及配电网动态潮流模型,揭示在不确定性背景和信息与物理交互作用下电网运行的复杂内在特性,实现基于配电网动态潮流模型的多源异构配电网网络损耗计算。     

基于模糊理论的智能电网运行风险评估系统研究

依据电力调度系统实际运行情况和业务需求,结合智能电网发展趋势提出了智能电网运行风险评估系统,设计了基于模糊综合评价思想的智能电网运行风险评估模型,并以某一区域电网2009年运行数据作为研究样本,验证了电网运行风险评估模型的可应用性和合理性。并在此基础上搭建了智能电网运行风险评估系统,科学全面地反映了电网风险水平,为电网安全应急管理措施的制定提供了量化依据。     

可再生能源与热电联合响应的区域多能源电网集群运行优化模型

针对可再生能源发电快速增长下的高渗透率导致的区域级多能源电网功率平衡协调控制困难问题,文章提出了基于热电联合响应的多能源电网集群联合优化运行控制策略,可有效提高电网功率平衡调节能力。首先,研究可再生能源发电、热电联合响应及多能源电网运行特性,考虑可再生能源发电及热电负荷不确定性因素,建立多能源电网集群中可再生能源与热电联合响应运行优化控制模型;然后,研究基于电网运行效益最大化目标的多能源电网集群协调运行策略模型及其求解算法;最后,以东北某地区3个区域级多能源电网运行数据为基础,采用蒙特卡洛方法模拟电网热电负荷特性,建立基于IEEE14节点系统的PSCAD仿真模型。仿真结果及其分析表明,文章提出的基于热电联合响应的多能源电网集群协调优化运行模型能够有效提高可再生能源出力不确定性条件下电网功率平衡能力,减小电网运行与功率调节成本。     

智能电网的发展对大电网可靠性评估的影响

智能电网是未来电力系统发展的重要方向。与传统电网相比,智能电网涉及到大量的新型发输电设备,必然会给大电网可靠性的评估带来影响。以计及储能装置的风力发电、高压/特高压直流输电、柔性直流输电系统、柔性交流输电技术、电动汽车等技术为例,分析了其对大电网可靠性的影响,以及新技术在接入电网时应注意的问题,最后结合智能电网的发展进程,提出了未来大电网可靠性评估领域重点发展方向。     

基于集对分析动态加权法的XLPE绝缘老化状态评估

针对现有XLPE电缆绝缘老化状态评估方法缺乏综合性评估和可靠性差的问题,通过综合试验数据分析,提出一种基于集对分析动态加权法的电缆绝缘老化状态评估方法。首先为统一计算评估体系中各指标参量的相对观测值,提出了"等价失效值"的概念,然后利用集对分析法求解各参量与状态等级之间的联系度,最后引入动态加权函数求解各性能指标与状态等级的总体联系度以获取评估结果。实例分析表明,所提方法在电缆绝缘老化状态评估上综合性强、可靠性高且简洁有效;所构造的绝缘老化规律曲线能够较好地反映该区域电缆绝缘老化情况,可为该区域现役电缆运维及电网改造提供指导。     

Transmission line fault-cause identification method for large-scale new energy grid connection scenarios

The accurate fault-cause identification for overhead transmission lines supports the operation and maintenance personnel in formulating targeted maintenance strategies and shortening the time of inspecting faulty lines. With the goal of achieving “carbon peak and carbon neutrality”, the schemes for clean energy generation have rapidly developed. Moreover, new energy-consuming equipment has been widely connected to the power grid, and the operating characteristics of the power system have significantly changed. Consequently, these have impacted traditional fault identification methods. Based on the time-frequency characteristics of the fault waveform, new energy-related parameters, and deep learning model, this study proposes a fault identification method suitable for scenarios where a high proportion of new energy is connected to the power grid. Ten parameters related to the causes of transmission line fault and new energy connection scenarios are selected as model characteristic parameters. Further, a fault identification model based on adaptive deep belief networks was constructed, and its effect was verified by field data.     

考虑大型变压器退运的电力系统连锁故障风险评估

针对大型变压器突然退运造成的潮流转移问题,提出考虑大型变压器退运的电力系统连锁故障风险评估方法,即先利用变压器在线监测技术对变压器的老化失效和偶然停运进行分析,建立变压器失效模型;然后,从系统能量和结构角度对潮流转移支路状态进行评估,定义了能量转移因子和支路传输能力因子,并结合连通率和失负荷率指标,得到元件风险集;最后,根据连锁故障阶段模拟和自组织临界状态辨识方法,对连锁故障演化路径进行了全面预测。仿真结果验证了该方法的可靠性,可为能源互联网下的电网安全调度提供参考。     

基于多因素分析的微网综合效益评价

为评价含有风电、光伏发电及微型抽水蓄能发电的微网系统的效益,采用多因素分析方法,通过电力不足概率和期望缺供电量两个指数检验微网供电可靠性,采用净现值、效益费用及回收期三个度量指标评价微网系统经济性,并通过计算安装微网系统后减少的碳排放量评估微网环境效益,最终得到微网的综合效益评价结果。结果表明,微网系统拥有较高的经济和环境效益,且运用蓄电池技术可显著提高微网的可靠性。     

基于模拟法下EENS值的系统可靠性裕度分析

随着电网向高压、远距离、大容量发展,对电网安全性要求日益显著,传统的N-1准则下可靠性计算已不能完全满足可靠性评估的要求.蒙特卡洛算法是一种概率随机抽样方法,利用该方法模拟系统状态,建立了参考状态序列,设计新的状态,并同参考状态比较,更加全面地反映系统压力和可靠性裕度,并利用期望缺供电量EENS作为可靠性指标来对系统的可靠性进行分析.     

基于模糊层次分析法的抽水蓄能机组调速系统状态综合评估

调速系统是抽水蓄能机组的关键控制设备,其运行可靠性直接制约机组的动态反应速度和综合性能,影响电网的安全稳定。为提升调速系统的运行可靠性,进而保障抽水蓄能机组的安全稳定运行,根据现场维护经验及相关资料,建立了可较好反映调速系统性能状态的评估指标体系,并基于模糊层次分析法综合评估了调速系统的运行状态,最后将该方法用于某抽蓄机组调速系统的综合性能评估,取得了满意的应用效果,验证了该方法的可行性。     

关于火电厂DCS控制系统升级的探讨

公共控制DCS系统在火电厂的运行控制中具有举足轻重的作用。随着DCS系统的更新和功能不断完善,为保证系统的统一性和可靠性,DCS系统升级势在必行。针对DCS系统设备的特殊性、网络结构的特殊性及其在升级过程中存在的风险进行全面分析,并提出相应解决措施,为火力发电厂DCS系统安全升级提供依据及参考。     

Dynamic simulation of gas turbines via feature similarity-based transfer learning

Since gas turbine plays a key role in electricity power generating, the requirements on the safety and reliability of this classical thermal system are becoming gradually strict. With a large amount of renewable energy being integrated into the power grid, the request of deep peak load regulation for satisfying the varying demand of users and maintaining the stability of the whole power grid leads to more unstable working conditions of gas turbines. The startup, shutdown, and load fluctuation are dominating the operating condition of gas turbines. Hence simulating and analyzing the dynamic behavior of the engines under such instable working conditions are important in improving their design, operation, and maintenance. However, conventional dynamic simulation methods based on the physic differential equations is unable to tackle the uncertainty and noise when faced with variant real-world operations. Although data-driven simulating methods, to some extent, can mitigate the problem, it is impossible to perform simulations with insufficient data. To tackle the issue, a novel transfer learning framework is proposed to transfer the knowledge from the physics equation domain to the real-world application domain to compensate for the lack of data. A strong dynamic operating data set with steep slope signals is created based on physics equations and then a feature similarity-based learning model with an encoder and a decoder is built and trained to achieve feature adaptive knowledge transferring. The simulation accuracy is significantly increased by 24.6% and the predicting error reduced by 63.6% compared with the baseline model. Moreover, compared with the other classical transfer learning modes, the method proposed has the best simulating performance on field testing data set. Furthermore, the effect study on the hyper parameters indicates that the method proposed is able to adaptively balance the weight of learning knowledge from the physical theory domain or from the real-world operation domain.