基于区间算法的配电网三相潮流计算模型

建立了负荷、并联电容器组和热电联产机组的三相区间模型，不但考虑了配电系统的三相不平衡情况，而且计及了运行中的不确定性因素，还建立了线路和变压器的详细三相模型，其中变压器模型能够处理变压器的大多数联结型式。建立的配电系统各元件的三相区间模型或三相模型与目前大多采用的单相模型和点模型相比，具有表达详尽、繁简适度及切合实际的特点，其中区间模型比点模型更切合实际而又繁杂，三相模型比单相模型更能详尽地表达系统的实际情况。该模型的建立为配电系统三相区间分析算法的实现奠定了基础。     

负荷变化不确定性的配电网络重构区间评价方法

提出了一种新的比较网损区间大小的方法，可对负荷不确定性的网络重构的结构优化可能性程度进行度量。在采用区间算法求系统网损变化区间的基础上，提出了配电网络重构的区间评价方法和利用区间值的大小来衡量网编号方案优劣的思想，改变的传统上将配电网络重构的网损目标函数利用点值的大小来比较的方法，从而方便地计入了配电系统负荷变化的不确定性。对33母线和69母线测试系统的实例分析表明了该方法的现实意义。     

在线动态安全评估中事故扫描的综合性能指标法

事故扫描可以大大减少需分析的预想事故数目,是在线动态安全评估的重要组成功能.文章定义了反映事故严重程度的多个性能指标,并综合这些性能指标提出了以滤除电力系统的不严重事故为目标的事故扫描的综合性能指标法.该方法滤除系统不严重事故的准确性较高,计算速度快,可以满足在线动态安全评估快速性的要求.     

主动配电系统运行与控制关键技术

主动配电系统(active distribution system,ADS)是在智能电网发展的大背景下提出的一个概念。该文在对主动配电系统的相关概念进行辨析的基础上,按照预测层、控制层和服务层这3个层次,具体从主动配电系统的态势感知与预警技术、主动配电系统的自适应分层分布式智能控制技术、主动配电系统的互动化服务技术等几个方面,对主动配电系统运行与控制关键技术的发展进行总结和展望。     

智能用电条件下用户用能管理与服务平台

提高用户用能管理水平、提升用户用能的服务质量,是智能用电的一个主要目标,因此探讨了智能用电条件下用户用能服务管理平台的建设。分析了当前智能用电体系下用户用能管理的不足和发展瓶颈,介绍了其系统架构、功能设计和软件结构。从软件安全和信息安全方面阐述了平台的安全部署。介绍了国家有关节能补贴政策,基于此分析了用户用能管理服务推广所需的外部政策环境。     

综合反映配电网分布式光伏接纳能力的评估指标构建及计算方法

考虑大规模分布式光伏接入对配电网的影响,从电能质量、电网管理水平、经济性3个方面构建了配电网分布式光伏接纳能力的一级评价指标,进而构建了电压合格率、分布式光伏源荷匹配度、弃光率、电力平衡和电量平衡等9个二级指标,并提出了矩阵-层次分析法,通过矩阵-层次分析法与优劣解距离法组合来评估配电网分布式光伏接纳能力。该方法首先使用层次分析法中的算术平均法、几何平均法和根值法,对二级指标进行组合权重计算。然后通过新提出的矩阵-层次分析法求得一级指标权重,并使用优劣解距离法模型对数据进行正向化处理,得出综合分数。该方法改善了现有综合赋权方法主客观赋权太主观或者太客观的问题,既能客观评价指标又能考虑专家意见。最后,通过对实际配电网案例的评估,证明该方法可以有效地评估配电网的分布式光伏接纳能力,可为促进光伏的大规模应用提供理论基础和实践指导。     

含多微型电源的微网小信号稳定性分析

研究了微网中采用 P-f和Q-V下垂控制的多个微型电源同时参与系统频率调节时的微网小信号频率稳定性问题。在考虑控制器单元、功率测量单元以及整个电路网络动态特性的基础上建立了微网的小信号状态空间模型。利用该模型求取了微网在不同稳态工作点的系统特征值,利用系统特征值分析方法和时域仿真方法分析了负荷阻抗变化、等效线路阻抗变化和下垂控制器的下垂增益变化过程中微网的小信号频率稳定性问题。     

分布式发电优化配置研究综述

随着智能电网成为当前研究热点,作为其重要功能组成的分布式发电将在电力系统中得到越来越广泛的应用,分布式发电的优化配置问题变得尤为重要.文中针对分布式发电的优化配置问题进行了综述,对其国内外发展现状做了概括和分析.具体给出了几种常见的优化配置模型,重点介绍了建立在单目标优化基础上的分布式发电多目标综合优化配置模型;总结了分布式发电的优化配置方法,将其归类为解析方法、启发式方法和随机优化方法,还介绍了多目标函数的处理方法.最后探讨了组成微网的分布式发电的优化配置问题,并展望了分布式发电和微网优化的未来发展方向.     

基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法

非侵入式负荷分解是用户侧精细化能量管理的关键技术,为了提高算法分解准确率与模型训练速度,提出了一种基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法。使用局部注意力机制对中间向量的传递过程进行了优化,在增加模型注意力的同时降低了算法的运算量。使用集束搜索算法使解码环节得到了更多的功率概率曲线,实现了分解准确率的提高。使用人工合成训练数据方法克服了数据集不平衡问题,提高了算法的稳定性。最后在REDD数据集上对文章所提算法进行了验证,与其他先进算法相比,所提出算法的准确率具有较大幅度提高,并且与基于LSTM的算法相比,本算法的模型训练速度提高了40%以上。     

一种光伏短期出力区间预测方法

该文建立基于相似日模糊信息粒化和Elman神经网络的光伏短期出力区间预测模型。首先对原始序列进行相似日的选取,然后将提取的样本利用模糊信息粒化进行处理,确定预测区间的上下界,并结合Elman神经网络分别预测,构建区间预测模型。仿真结果表明,所提出的区间预测方法具有较高的预测精度和实用价值。