穿过不利散热区域地下电力电缆周期负荷因数的研究

在实际电缆敷设时,由于受到环境条件的限制,电缆有时会穿过不利于散热的区域,此时电缆线路的周围环境为非均匀介质环境,在不利散热区电缆段的环境温度或者周围土壤热阻高于其线路的其他地方,导致处于此区电缆段导体成为热点,其会呈现电流峰值,从而会影响整条线路的载流量.文中通过分析电缆周围介质不同的热特性,且考虑电缆线路存在轴向热...     

穿过不利散热区域排管电力电缆的三维热路模型分析计算

目的当整条电缆线路被敷设时,由于环境的变化引起部分电缆段热阻高于周围环境介质的区域,导致处于此区电缆段导体温度也高于线路中剩余缆段,从而影响整条电缆的载流量下降。方法根据电缆周围环境介质热特性不同,分析穿过不利散热区时的电缆同时产生径向和轴向热流,利用调和平均法对电缆薄层处理,从而建立和简化不利散热区的三维离散热路模型,修正外热阻计算参数;基于IEC60287电缆载流量计算的基础上,迭代计算三维热场中电缆的稳态载流量。结果通过对单回路三根型号YJV8.7/10k V 1×300电缆的仿真计算,得到电缆轴向导体温度分布曲线和两个温度区域的排管敷设交联聚乙烯电缆的载流量。结果显示电缆稳态时载流量降低达40%以上。结论穿过不利散热区的电缆轴向温度和载流量的计算分析,为电力部门相关工作人员确定电缆载流量提供了参考数据。     

地下电力电缆群敷设水冷管道模型的研究

随着城市用电负荷需求的日益增大,采取适当的措施提高电缆群的载流能力有重要研究意义。文中主要研究了在电缆群中敷设水冷管道这种增容方式,即水冷管道中对流换热带走电缆群产生的热量,使得电缆群区域降温,从而提高电缆群载流量。首先建立电缆群敷设水冷管道模型,然后对水流体的流动因素进行有限元分析,并计算载流量,从而验证这种方法对提升电缆载流量的效果。通过Ansys仿真计算的结果数据可知,对于水冷管道模型,水流温度及流速是影响电缆群载流量提升效果的主因,其改善电缆群的散热效果。电缆群载流量的提高可达28%。     

110kV电缆在典型敷设条件下的温升特性试验研究

为分析电缆在隧道、排管及直埋等典型敷设方式下线路温升及载流量的差异性,首先分析了电缆结构的发热特性及电缆典型敷设条件下的散热特性,随后通过试验分析在隧道、直埋和排管敷设条件下,同一根110kV 电缆在相同试验电流条件下导体及外护套温升,比对分析隧道、直埋和排管敷设条件下电缆温升的差异性.试验结果表明,24h稳态电流条件下,排管敷设的电缆温升最高,散热效果最差;隧道条件下的电缆散热效果最好,排管中电缆 的导体温升约为隧道中的２倍.由此可知,排管通常是电缆线路载流量的主要瓶颈点。     

地下直埋电力电缆周期载流量的数值计算

电力电缆载流量是电缆运行中的一个重要参数,其值是在电缆电流恒定的条件下得到的.但电力系统实际运行时,负荷电流一般是周期性变化的.IEC 60853给出了均匀土壤中直埋电缆日周期性负荷因数的计算方法.本文基于有限差分法,编制了电力电缆暂态温度场数值计算程序,并采用该程序计算了均匀土壤和不均匀土壤中直埋电缆的日周期性负荷因数.计算结果表明:以数值计算方法为依据可进一步提高电缆的输送能力.     

基于高导热管道提升排管敷设下的电力电缆载流量的研究

为了解决排管敷设电缆在运行过程中由于高热阻环境造成载流量大幅低于设计标准的问题,本文研发了一种高导热电缆管道材料石墨烯微片与石墨片改性高密度聚乙烯（PG-GNPs-HDPE）,并建立仿真模型验证目前城市配网常用的排管敷设工况下电缆采用PG-GNPs-HDPE高导热管道后的载流量提升效果。结果表明：与普通HDPE管道相比...     

日负载系数与10 kV XLPE电缆周期负荷载流量关系的试验研究

为计算10 kV交联聚乙烯(XLPE)电缆周期负荷载流量,开发了三芯电缆周期负荷载流量计算软件,开展了直埋敷设不同日负载系数的三芯电缆周期负荷载流量试验。将试验所得的周期负荷载流量与软件计算结果进行对比,验证了软件计算的正确性。利用软件计算结合载流量试验,对日负载系数与周期负荷载流量的关系进行理论研究,结果表明日负载系数越小,周期负荷载流量越大。针对佛山地区典型负荷的10 kV电缆线路,计算其12个月的周期负荷载流量系数。建议按周期负荷载流量控制电缆负荷电流的最大值,可在保证电缆寿命的前提下,提高电缆线路的输电能力。     

基于热管的储能锂电池散热特性数值模拟研究EI北大核心CSCD

针对大规模集成储能锂电池的温度一致性需求,提出一种基于热管的散热结构,包括导热铝箱和热管。选取储能锂电池包作为研究对象,建立三维产热模型。采用数值模拟的方法,首先确定热管最佳布置方式;再通过正交试验法探究散热结构中各因素对电池温度影响的重要性,并进行参数选优;最后探究热管冷凝段对流换热强度对电池温度的影响。结果表明:1)与其他布置方式相比,当蒸发段沿电池宽度方向且冷凝段双侧布置时,电池具有最优的均温性;2)各因素对电池最高温度的影响重要性依次为:电池容纳腔X方向壁厚>热管数量>电池容纳腔Y方向壁厚>导热铝箱底部厚度;3)增强热管冷凝段处的对流换热后,电池最高温度有所降低,但电池均温性也会变差。研究结果可为储能用锂电池散热结构设计提供指导。     

含新能源电力系统的采样PI负荷频率控制EI北大核心CSCD

针对不确定性传输时滞、系统参数、负荷扰动以及新能源间歇性功率,引发系统调频性能下降的问题,该文提出一种考虑控制信号变周期采样的采样比例积分(proportion integration,PI)负荷频率控制(sampling PI load frequency control,SPI-LFC)方案。首先,基于采样网络的静态输出反馈方法,构建电力系统SPI-LFC模型。然后,利用新的双边闭环型Lyapunov泛函,并结合自由矩阵不等式,得到系统的低保守性稳定准则与SPI控制器设计方法。仿真结果表明,提出的负荷频率控制(load frequency control,LFC)方案对电力系统参数和通信网络的不确定性、负荷扰动和新能源的间歇功率具有较强的鲁棒性。     

面向广义负荷的光伏发电系统等效建模研究EI北大核心CSCD

随着配网侧光伏发电规模持续增大,光伏发电系统的动态行为对配网侧综合负荷特性产生影响,建立面向负荷的光伏发电系统等效模型十分重要。基于Matlab/Simulink搭建了光伏发电系统并网仿真平台,通过将光伏发电系统看作一种广义负荷,并对其在暂态过程中的动态运行特性进行分析,提出一种面向负荷的光伏发电系统二阶等效模型,该等效模型由电阻、电感及电容组成的串联电路并联恒功率源构成。通过不同扰动强度下的仿真分析,检验了所提出的等效模型的有效性、泛化能力和参数稳定性。     

基于时间反演相位法的电力电缆局部放电定位EI北大核心CSCD

为解决传统时延估计法定位精度较低以及存在定位死区的问题,提出基于时间反演相位的电力电缆局部放电定位方法,不仅在定位精度上优于传统时延估计法,而且能够实现对电缆首末端局放源的准确定位。首先,利用MATLAB建立电力电缆频域模型,利用双指数脉冲模拟实际局放信号,并分别从仿真和实验的角度验证了该方法的可行性;然后,研究了不同信噪比、不同传输距离、不同量化误差以及不同采样率对定位精度的影响,并与传统时延估计法中最为常用的能量法和相关法作比较。最后,利用振荡波测试系统对259.2 m的10 kV XLPE电力电缆进行局部放电试验,验证了定位的有效性和准确性。结果表明,基于相位的时间反演法能够准确定位局放源的位置,并且能够解决传统时延估计方法中存在的定位死区问题。     

考虑机组穿越振动区风险的水电站AGC日前经济负荷分配策略研究EI北大核心CSCD

为协调水电站AGC负荷分配"安全、实时、经济"复杂关系及最大化提升水电站AGC机组联合避振能力,系统地提出一种考虑机组跨越振动区风险的水电站AGC日前经济负荷分配策略。综合考虑机组最大最小技术出力、汽蚀振动区、水头影响出力受阻等复杂约束,首先基于机组可运行区、机组可运行区间数、组合可运行区、组合可运行区间数等相关概念,提出了一种考虑负荷分布特性的机组穿越振动区风险评估方法。其次,针对水电站AGC日前负荷分配问题,结合水电站AGC机组关于穿越振动区的安全性需求,构建了基于穿越振动区风险控制的经济负荷分配模型。最后运用双层动态规划方法对模型进行求解。仿真结果表明,较传统方法而言,文中策略可有效减少机组穿越振动区次数,具备良好的机组穿越振动区风险控制能力,满足工程实际需求,具有广泛实用性。     

考虑分级振动区的水电站厂内经济运行研究北大核心CSCD

水轮发电机机组振动区是影响水电站厂内安全运行与经济运行的核心所在。本次研究采用机组分级振动区思想,根据机组承担不同负荷时的振动程度,划分机组振动区为禁止运行区、不建议运行区和稳定运行区,在此基础上,建立了考虑机组分级振动区的水电站厂内经济运行模型,并采用粒子群优化算法进行求解。以藏木水电站为例,厂内经济运行结果表明:以电定水模式下,综合考虑机组分级振动区影响比仅考虑机组禁止运行区影响时,全厂耗水量增加0.69%,但机组运行更为稳定,振动程度更小。考虑机组分级振动区的厂内经济运行模型更为契合水电站经济运行以安全运行为前提的实际思想。     

基于EEMD-GRU-MLR的短期电力负荷预测EI北大核心CSCD

针对电力负荷随机性较强,预测精度不高的问题,通过构建集合经验模态分解(ensembleempiricalmode decomposition,EEMD)以及门控循环单元神经网络(gated recurrent unit neural network,GRU)和多元线性回归(multiple linearregression,MLR)组合而成的EEMD-GRU-MLR(EGM)预测方法,有效提高了电力负荷短期预测精度。首先通过集合经验模态分解将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsicmodefunctions,IMF),不同频率的本征模态函数分量代表了电力负荷不同的部分特征,随后分别使用多元线性回归方法和GRU神经网络方法对低频部分和高频部分进行快速准确的预测,最后将所得各预测结果组合后得到完整的预测结果。EGM预测方法不但能够对电力负荷的变化趋势进行有效预测,而且能够准确预测随机性较强的局部特征。最后通过实验验证,该方法有效地提高了负荷预测精度。     

考虑电能替代的全球负荷变化趋势分析EI北大核心CSCD

为调和全球范围内各国所倡导的可持续发展与消费型社会增长之间的冲突,中国率先提出全球能源互联网战略。电能替代作为该战略中能源消费发展方向,通过优化调整终端能源消费结构推动经济发展低碳转型。为确定终端能源消费中电能替代的增长区间与中长期负荷特性,总结了电能替代负荷增长的驱动因素,建立了计及电能替代弹性特征的最优电能替代负荷模型,提出了低碳及经济约束下电能替代边界的量化评估方法,分析比较了区域互联系统的短期电力负荷特性。最后通过构建高、低边界场景对未来全球能源互联背景下主要国家和地区的电能替代趋势进行预判。     

提升新型电力系统调频能力的受控负荷阻尼因子控制器EI北大核心CSCD

建设以新能源为主体的新型电力系统是实现碳达峰和碳中和的有效途径。随着可再生能源发电的大规模建设并入网,常规以化石能源为燃料的大型发电机组将会被逐步替换,这种情况将导致新型电力系统的调频与调峰面临着巨大的压力。同时随着用电负荷设备中电力电子的渗透和自动化水平的提升,在电力系统调频中使用的负荷阻尼常数D,即负荷有功对系统频率变化的自然响应,也发生了相当大的改变。很多单个家用电器及其组合对系统频率的变化不响应或基本不响应,这意味着负荷阻尼常数D会变得很小。由此,提出1种受控负荷阻尼因子的新概念、控制器的设计理论和实现方法,将大幅提升负荷有功功率对系统频率变化的受控响应,有效增强了新型电力系统的调频能力。根据2021年全国负荷水平计算,按照所提理论,可以给全国电网增加的调频容量达到(15000~20000)MW/0.1Hz,为解决大规模可再生能源发电接入电网面临的调频难题提供理论和技术支撑。     

基于改进灰色关联度的电力负荷影响因素量化分析模型EI北大核心CSCD

当前我国电力负荷发展面临经济新常态,产业结构调整、节能减排等政策深入推进新形势。在此背景下,提出一种基于改进灰色关联度的电力负荷影响因素量化分析模型。首先,构建了宏观与微观相结合、层次化的负荷影响因素指标体系,系统地反映新形势下经济、政策等对负荷的影响;再次,针对传统灰色关联分析模型对历史数据的差异性和未来的电力发展形势考虑不足问题,通过对历史时期和因素指标分别加权,提出一种改进的灰色关联分析模型;最后,应用所提出的模型,对影响电力负荷的因素进行量化分析,所得结果相比于传统模型更加符合实际,同时依据所得结果对负荷预测等工作提出了建议。     

基于动态RBF神经网络的广义电力负荷建模EI北大核心CSCD

针对新形势下分布式电源对综合负荷特性的影响,提出一种基于动态径向基函数（radical basis function,RBF）神经网络的广义电力负荷建模新方法。利用动态RBF神经网络描述综合负荷功率的动态微分变化过程,可以深度揭示广义电力负荷的动态特性。利用状态估计误差对神经网络的权值进行动态更新,并对不满足持续性激励条件的神经元的权值进行限制,使所建立的动态RBF神经网络模型参数理论上可以收敛至最优值。分别应用仿真平台和实际系统数据进行测试,结果表明所提方法的有效性。     

基于多尺度空间分辨率的空间负荷预测误差评价方法EI北大核心CSCD

针对如何评估空间负荷预测(spatial load forecasting,SLF)中空间误差的难题,提出了基于多尺度空间分辨率的空间负荷预测误差评价方法。该方法考虑到SLF的局部预测误差会对整个预测区域产生影响,从如何计算局部预测误差给其他位置预测值带来影响的问题入手,将极端场景作为边界条件分析SLF结果的误差地图,揭示了在不同空间分辨率下,对相同的空间预测误差的感知程度多数情况并不一样,甚至还可能完全相反的演变规律,建立了针对既有网架结构、供电容量和规划目标年负荷水平的SLF误差评价机制,给出了SLF误差评价指标。运用该方法对东北某市的一个行政区进行空间负荷预测的工程实例表明,所提出的SLF误差评价方法是行之有效的。     

基于卷积神经网络的非侵入负荷辨识算法EI北大核心CSCD

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。