基于参数自适应旋转门和Bump事件筛选的风电爬坡事件识别

风电爬坡事件的准确识别对于维护电网安全稳定运行具有重大意义。为提升风电爬坡事件检测的准确度,提出一种基于参数自适应旋转门和bump事件筛选的风电爬坡事件识别方法。首先对原始功率数据进行滤波处理,去除不合理数据并减弱噪声影响;然后使用参数自适应选择的旋转门算法,在保留功率波动趋势的同时完成数据压缩;随后设定趋势划分规则并对压缩后数据进行bump事件筛选,建立具有上、下爬坡趋势的数据集;最后根据现有多种定义对风电爬坡事件进行识别。算例结果表明,相较原始旋转门算法,所提方法能够识别到更多爬坡事件的发生,检测率的提升幅度基于定义条件1—3分别为23.28%～53.56%、13.70%～41.51%和12.49%～41.52%。     

基于ISMC-PSO的风电爬坡输出功率预测系统的研究

目前风电场都是使用单一的功率爬坡预测模型,其泛化能力较差,预测精度低。通过分析支持向量机和极限学习机两种单一功率的爬坡预测模型,研究了这两种模型的权值选取方法,提出了一种组合功率爬坡预测模型。该模型使用基于粒子群算法的改进算法对上述两种单一模型的权值进行权重优化,形成了一种新的高精度的预测系统。然后对该系统进行建模仿真。仿真结果验证了该预测模型的有效性,其预测精度较之单一的预测模型有了很大的提高。     

基于双蓄电池组的微电网两阶段调度优化模型及控制策略

针对微电网应用中储能寿命损耗成本过高的瓶颈问题,提出了基[JP2]于双蓄电池组的日前日内两阶段协调调度模型与控制策略。在日前阶段,综合考虑日前预测数据、储能装置寿命及市场电价,建立了以微电网运行总成本最低为目标的经济调度模型,并利用随机权重粒子群优化算法求解该模型。在日内阶段,为应对间歇性分布式电源预测误差引起的联络线功率波动,构建了基于双蓄电池组拓扑结构的储能系统,根据蓄电池特性设计了实时控制策略,即两组蓄电池分别作为放电组、充电组,交替补偿联络线功率的正、负偏差,当任一组蓄电池达到其荷电状态的上、下限,则同时交换两组蓄电池的充、放电状态。最后,以某园区的示范微电网作为分析对象,通过实际算例验证了日前优化模型及算法的有效性,并证明了基于双蓄电池组的日内实时控制策略能有效延长蓄电池循环寿命,提高系统的经济性。     

基于合作博弈的风电爬坡控制策略

爬坡事件是风电功率在短时间内发生大幅变化的事件,严重威胁着电力系统的安全稳定经济运行,研究有效的爬坡控制策略迫在眉睫。基于场群互补性评价指标,以场群偏差最小和各风电场可以获得更大的收益为目标,提出考虑辅助服务补偿费用的合作博弈风电爬坡控制策略。分别以风电场出力和出力调整量、风电场实际出力和计划值的偏差构建支付函数,促使风电场采取合作博弈方式,更好地完成场群计划,减少所需缴纳的辅助服务补偿费用,提高自身利益和整体利益。仿真结果表明,所提合作博弈爬坡控制策略可以在发生爬坡事件时提高各风电场和整体的利益,提高场群计划的完成度。     

风电爬坡事件多级区间预警方法

大规模风电爬坡事件对电力系统功率平衡问题影响显著,严重时可能导致停电事故。基于区间分析理论,提出了一种风电爬坡事件多级预警方法,对可能造成的危害程度进行预先警告。考虑风电爬坡预测研究现状,采用区间数形式对其不确定性进行描述;针对风电爬坡事件强波动性对电力系统功率控制的影响,以维持静态频率偏差在允许范围内为前提,分析采用不同功率控制措施满足功率平衡所对应的风电爬坡幅度允许区间;确定各等级预警区间的预警界限,并利用区间排序方法计算各预警区间的概率,实现多级预警。算例仿真分析及比较结果表明,所述方法能够给出各级预警区间的界限值及概率分布,物理意义明确,且简便快速,利于实时滚动运行,体现了有效性和实用性。     

风电制氢混合储能系统容量优化配置研究

风电制氢能同时有效解决弃风和制取绿氢问题,制氢混合储能系统容量配置会影响风-氢系统的经济运行。针对该问题构建了风-氢能源系统,在此基础上首先利用具有噪声的基于密度的聚类算法和有序聚类算法对采集的1.5 MW风机出力和电负荷数据进行分类,并将分类结果归算为6个典型日。然后以系统投资成本、运行成本和维护保养成本最小为目标函数,利用粒子群算法对系统各储能单元进行容量优化配置。最后分析当系统氢气不足时,不同购氢渠道对各储能设备容量配置结果影响及日均氢气负荷变化对容量配置结果的影响。     

一种优化配置谐波抑制装置的新方法

针对配电网谐波源的多样性、不确定性等特点,以平均谐波畸变率和经济性为目标函数,将有源滤波器容量和谐波电压畸变率作为寻优的约束条件,将滤波装置中电容器的容量与串并联谐振频率的关系作为谐振约束条件;并采用混合罚函数将非线性约束优化问题变为无约束优化问题。最后采用改进模糊粒子群算法对滤波装置优化配置,通过在算法中考虑所有个体对群体活动的导向性,以增强粒子之间相互学习的能力,有效防止粒子陷入局部最优。仿真结果表明,该优化算法在给定的电网范围内能统一优化有源滤波器和无源滤波器的安装地点及相应的参数,具有一定工程应用价值。     

基于趋势特征的风电功率爬坡事件检测方法

风电爬坡事件是风功率波动严重的小概率事件,因此在大数据中快速检测出爬坡事件十分关键。为提高爬坡事件的检测效率,本文根据爬坡事件蕴含显著的趋势信息,提出一种基于SDT和趋势标记相结合的风电爬坡事件检测方法。首先,采用改进的旋转门算法(SDT)对原始风电功率数据进行分段趋势提取,预提取出可能存在的爬坡事件。为避免漏检、处理不重要的分段,引入趋势标记的方法。根据提出的爬坡检测方法,对上海某风场的数据进行爬坡检测试验。结果表明,对爬坡事件进行分段提取趋势既缩短了爬坡检测时间又提高了爬坡检测精度,具有实际意义。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

风电爬坡事件对系统运行充裕性的影响评估

风电爬坡事件具有大波动性和强不确定性的特点,可造成系统中发用电的严重不平衡,从而导致负荷损失。在分析风电爬坡事件特征和爬坡预测研究现状的基础上,建立了风电爬坡事件模型,定量表示爬坡事件表征量与风电功率曲线之间的关系;同时考虑负荷预测的不确定性,采用场景削减方法生成风电爬坡过程对应的典型净负荷场景集。构建了评估系统运行充裕性的指标体系,推导了缓冲失负荷概率指标的计算公式;将系统状态分为充裕、失负荷和临界3种,分别计算各状态对应概率及失负荷严重程度。以甘肃电网为例,典型事件的评估结果验证了所述方法和指标体系的有效性和合理性,分析了常规机组爬坡速率及系统备用比例在防范风电爬坡事件不利影响方面的作用。     

并网模式下的微电网电源优化配置研究

通过改进的粒子群算法,对并网模式下的微电网电源优化配置问题进行分析,结合具体的微电网模型与相关数据,从节能环保角度,以分布式电源安装容量最大为目标函数,以公共连接点的相关电压运行要求、考虑故障转孤网时满足最小负荷需求为约束条件,将微电网电源的优化配置问题转化为一个多约束条件的非线性整数规划问题。仿真研究了不同的风-光接入比、资源参数以及置信水平的微网电源优化配置问题,研究结果对并网模式下微电网电源优化配置提供参考。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。     

考虑运行风险的主动配电网分布式电源多目标优化配置

考虑配电网运行中的不确定性,文章通过改进蒙特卡洛法生成大量预想事故集,利用潮流计算和拓扑分析得到接入分布式电源后系统运的行风险。提出一种考虑主动配电网运行风险的分布式电源多目标优化配置模型,将主动配电网运行带来的运行风险RL与分布式电源运行成本CDG作为目标函数,采用改进的粒子群算法对多目标优化模型进行求解,获得分布式电源安装位置和安装容量以及运行风险与运行成本之间的权衡关系。仿真算例表明,所提出的考虑主动配电网运行风险的分布式电源多目标优化配置方法,与单一只考虑经济性或者可靠性的优化模型相比更加合理,适用于分布式电源的优化选址和定容,验证了该模型的可行性。     

基于改进粒子群算法的储能调峰容量优化配置研究

配置储能系统是减少机组调峰负担、增加清洁能源接纳空间、降低新能源大规模并网给电网带来的压力的有效手段。首先,在分析储能调峰机理的基础上,综合考量储能调峰相关收益及成本,提出储能调峰的日效益模型及日成本模型;其次,以储能调峰日净收益最大为目标,综合考虑储能荷电状态约束、调峰后峰谷率、容量平衡等多种约束条件,提出考虑储能调峰效果的容量优化配置模型;然后,基于线性递减的惯性权重和异步学习的学习因子对标准粒子群优化算法进行改进,提出改进的粒子群算法,对储能容量进行优化配置;最后,综合考虑不同电池储能系统、不同季节典型日负荷间的差异,对某工业园区储能调峰容量进行优化配置,验证了所提模型和改进粒子群算法的有效性。算例结果表明,采用改进粒子群算法可以更快更好地得到优化结果。     

基于粒子群优化算法的配电网故障指示器优化配置

近年来,故障指示器凭借其接入灵活性和经济性被广泛应用于配电网故障定位中.然而过多的安装是没有必要的,合理选择安装故障指示器的数量及位置能达到配电网可靠性及经济性的综合最优.针对配电网中故障指示器优化配置问题,提出了一个综合考虑配电网可靠性指标及经济性的目标函数,并运用二进制粒子群优化算法进行了优化求解.通过在IEEE 33节点配电系统中的测试,验证了所建模型的有效性.同时,与免疫算法的优化结果进行了对比,分析结果表明,二进制粒子群算法由于其收敛速度快,所需迭代次数少,对于求解该问题具有优势.     

抑制风电爬坡率的风储联合优化控制方法

利用储能平抑风电波动时,应当保证并网功率爬坡率满足国家风电并网标准中的相关要求。文中研究了抑制风电爬坡率的风储联合优化控制方法。根据国家标准中"有功功率变化"的文字说明,提出了新的风电并网功率爬坡率的数学表达,并提出同时考虑弃风和储能控制手段的风储联合控制方法,以风储联合运行的效益最大化为目标,利用风功率超短期/短期预测数据进行滚动优化控制。基于实际的风电场数据设计了算例系统,并采用遗传算法求解。结果表明该控制方法能够保证风储联合发电功率满足国家风电并网标准对风电有功功率变化的要求。     

基于粒子群优化算法的微电网微电源优化配置

提出一种基于粒子群优化算法的微电网微电源优化配置模型,并以权重系数法对其进行研究,得出在各个权重系数情况下各类微电源的最佳运行容量。以孤岛微电网系统为例,考虑了各类微电源的出力及它们之间的互补特性和微电网系统内各种负荷的不同敏感性。通过运用粒子群优化算法加以求解。仿真结果表明,优化配置方法可以满足负荷多样性需求情况下的微电网经济运行,可为微电网系统优化规划问题提供一定的参考。     

含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

基于粒子群算法的风光一体化电站储能优化配置方法

为降低风光一体化电站供能发电负荷,保证储能与供能的平衡性,引进粒子群算法,以风光一体化电站为例,设计一种针对终端蓄电池储能的优化配置方法.通过设计储能优化配置目标函数与函数约束条件、基于粒子群算 法的电站储能模型最优值训练、基于供能可靠度指标的储能优化配置方案优化,完成储能优化配置方法的设计.选择市场内某风光一体化发电站作为此次试验的研究对象,开展实例应用试验.试验结果证明,此次设计的方法在实施应用中不仅可以满足发电站的正常发展需求,还可以确保发电过程中电站的负荷电量趋近于零,从而实现电站储能与供电的相对平衡.