含柔性直流装置的主动配电网优化调度研究

随着分布式电源、储能和柔性负荷等新型元素的接入,含柔性直流装置的主动配电网(active distribution netw ork,ADN)成为未来配电网发展的重要方向。含柔性直流装置的主动配电网可实现潮流的灵活控制、区域间功率的相互支援以及更大范围内资源的优化配置等。该文针对含柔性直流装置的主动配电网,建立了考虑分布式电源就地充分消纳的"区域自治-全局协调优化"的分层优化调度架构。区域自治以区域调度费用最低为目标,采用分布式模型预测控制(distributed model predictive control,DMPC)对区域内可控分布式电源、储能和柔性负荷等可控资源进行优化控制。全局协调优化在区域自治的基础上,以全网运行成本最低为优化目标,利用柔性直流装置灵活调节区域间功率,使分布式电源在更大范围内得到充分消纳。最后通过仿真验证了DMPC对区域内可控资源有功出力控制的高效性;多场景仿真结果表明,全局协调优化可通过柔性直流装置在更大范围实现区域间功率的相互支援,促进分布式电源的最大消纳,提高主动配电网运行的经济性与安全性。     

电力人工智能技术理论基础与发展展望(一)：假设分析与应用范式

人工智能(artificial intelligence,AI)正在成为构建“双碳”目标下新型电力系统的重要支撑技术。当前,人工智能在电力行业不同场景应用过程中表现出了不同的适用性与性能水平,这既源于人工智能算法本身的基础假设与固有局限,也源于电力系统不同应用场景的需求。针对以上问题,总结提出4种电力人工智能应用范式,即深度连接、符号知识、行为强化与集成智能,分析其核心算法的基础假设及因假设所带来的局限,匹配适用的电力应用场景特征与需求,并梳理目前性能表现较好的具体算法及相应技术指标。进一步,指出当前电力人工智能发展存在的共性技术瓶颈,即可信伦理、数据分布与进化迁移等。针对以上技术瓶颈,提出数据知识融合驱动机制、平行互动机制以及模型进化机制等3种解决机制。在后续文章中将详细剖析这3种机制,提出更加系统化的电力人工智能技术发展模式,以有效提升电力人工智能的自组织、自协同、自学习与自进化能力。     

供电短缺下微网客户与移动储能端对端交易模式及调度策略EI北大核心CSCD

随着传统电力系统向新型电力系统转型升级,风、光等分布式能源作为微网主体电源在配电网故障发生时具备相当程度的主动支撑、调节能力。当微网预测到由于天气变化导致未来内部分布式能源供电短缺时,可提前与移动储能进行市场交易。端对端(peer-to-peer,P2P)交易模式能保证交易实时性,适合应对紧急度较高的用电需求。设计了供电短缺下微网客户与移动储能P2P交易模式及调度策略。首先,建立微网自主运行及能量互济模型,通过划分供电范围可预测各时段微网内存在电能需求的负荷信息。然后,建立购售电主体申报模型,为双方申报行为提供依据。基于连续双向拍卖机制进行撮合匹配,并提出偏差考核及违约结算机制。交易匹配后,移动储能在交通网-配电网耦合模型基础上进行优化调度,对接需电客户。最后,通过算例验证了P2P交易模式可行性,以及移动储能调度方法的有效性。     

三端背靠背柔性直流输电的虚拟同步发电机控制策略及其在配电网中的应用

探讨了一种在10 kV配电网中引入三端背靠背（back-to-back,BTB）柔性直流输电（voltage source converter based HVDC,VSC-HVDC）系统的接线方案,通过VSC-HVDC的控制实现提高供电可靠性和抑制环流的目的。VSC-HVDC系统中换流站在传统控制模式下几乎没有转动惯量,难以有效地参与电网调节。为了提高电网受端系统频率的稳定性,改善系统发生故障后的运行特性,在中压（10 kV）交流配电网的背景下,提出了虚拟同步发电机（virtual synchronous generator,VSG）控制策略在三端BTB VSC-HVDC系统中的应用。首先在10 kV系统中加入三端BTB VSC-HVDC互联装置建立交直流混合配电网,建立换流站在传统控制和VSG控制下的数学模型,然后通过PSCAD/EMTDC平台进行仿真,在2种控制方式下得到系统在受到扰动和发生故障时的运行特性。结果表明,三端BTB VSC-HVDC系统受端换流器使用VSG控制能有效地参与电网调节,增加系统惯性,改善系统的暂态特性,提高电网运行的可靠性。     

基于随机配置点法的概率潮流算法

可再生能源的大量接入使得电力系统的不确定性增加,对电力系统的运行和控制提出了新的挑战。从不确定性量化理论出发,提出了一种基于随机配置点法的概率潮流算法。该算法将不确定性输入变量的概率分布表述为广义多项式混沌的谱系数,通过构建一个规模可控的确定性非线性方程组,将待求变量的概率分布函数求解转换为广义多项式混沌的谱系数求解问题,可较好地解决概率潮流计算中求解精度和计算复杂度之间的矛盾。在IEEE 14节点和IEEE 118节点系统的仿真计算中,该算法的有效性、实用性和准确性得到了验证,对于含新能源并网的概率潮流等不确定性问题具有较好的工程应用前景。     

数据驱动的虚拟电厂调度特性封装方法

虚拟电厂技术已成为解决新能源/分布式电源并网调度问题的重要技术手段。然而虚拟电厂调度特性由多个不同类型电源共同决定,具有非线性、时序耦合性和时变性的特点。该文提出虚拟电厂调度特性建模方法,解决虚拟电厂如何参与电网调频备用校核和实时优化调度的问题。首先,提出虚拟电厂调度特性封装模型的概念,包括调度成本模型和调度指令可行性模型,为虚拟电厂参与电力系统全局优化调度提供准确依据。然后,提出数据驱动的虚拟电厂调度特性封装建模方法,包括基于深度神经网络的调度成本模型封装方法和基于集成分类的调度指令可行性模型封装方法。进而提出基于封装模型的全局优化调度模式,建立了全局优化调度模型。最后,通过对扩展的包含多个虚拟电厂的IEEE-30节点系统的研究和算例分析,验证了提出的数据驱动虚拟电厂调度特性封装方法,以及利用虚拟电厂最小化实时调度成本的可行性和有效性,解决了虚拟电厂参与电力系统调频备用校核和实时优化调度的难题,为包含虚拟电厂的电力系统全局优化调度提供科学依据和可行方案,也为数据驱动方法在电力系统建模问题中的应用提供借鉴。     

基于时序混合密度网络的超短期风电功率概率预测

风电概率预测能够为新型电力系统安全运行提供关键的边界条件。提高预测精度是风电概率预测研究的关键问题,并且提高隐式模型的可解释性有益于人工智能模型的推广应用。因此,文中提出了时序混合密度网络,提取风电时序数据的局部矩信息作为输入通道,采用时序卷积网络提取多时间尺度的概率特征,并使用混合Beta分布构建概率预测信息。算例结果表明,局部矩通道能有效提高模型训练的收敛性,并且由时序混合密度网络提取的混合分布参数具有一定的可解释性,其预测结果相比现有模型具有更高的精度。     

基于多智能体深度强化学习的分布式电源优化调度策略

针对分布式电源集中优化调度难以解决隐私保护的问题,提出一种基于多智能体深度强化学习的分布式优化调度方法。该方法可自适应源荷不确定性,在源荷随机波动的情况下实时给出优化调度策略。首先,阐述了基于通信神经网络架构的多智能体深度强化学习方法原理。然后,提出基于多智能体深度强化学习的分区分布式优化调度框架,以日运行成本最低为目标构建日前优化调度模型,并考虑各种运行约束。继而,采用近端策略优化算法对该模型进行离线训练,利用训练好的模型进行在线优化调度决策。最后通过改进IEEE33节点算例进行仿真验证,结果表明,各自治区域在仅利用局部通信的情况下即可计算出各自的近似全局最优解。     

考虑区域自治能力的主动配电网分层优化调度

主动配电网是实现配电网集成新能源的有效技术手段,目前多采用全局优化+区域自治的分层分区的优化调度方法。由于主动配电网中各区域的可控资源并不均衡,某些区域自治能力较低可能导致实时情况下难以自治,从而使得实际运行结果与计划值产生较大偏差,降低了系统总体的运行效率。文中重点研究了区域自治的满足条件以及自治能力的衡量方法,并利用鲁棒机会约束模型将其引入到调度计划中,提出了考虑区域自治能力的主动配电网优化调度模型,引用最优条件分解理论实现模型的分层协调求解。采用浙江某地的实际系统数据作为算例,验证了所提方法的有效性。     

基于随机模型预测控制的分布式能源协调优化控制

配电网中的高渗透率分布式电源出力和负荷功率具有随机性及时变性,难以准确预测,且预测误差随时间延长而增大,进而导致优化控制策略与实际需求偏差较大,为此提出一种基于随机模型预测控制的配电网多源协调优化控制方法。将优化周期内的预测值离散为表征不同状态的场景集,然后以配电网能量损耗期望最小为目标对各场景进行动态滚动优化,精细化协调分布式电源、柔性负荷和无功补偿装置等可控资源,使优化控制过程能够及时、有效地降低配电网不确定性的影响,满足系统实际需求。通过仿真分析,验证所提方法的可行性和有效性。