基于广义下垂控制的电力电子变压器运行策略优化组合

针对多台电力电子变压器构成的交直流混合系统中,电力电子变压器端口运行模式复杂,组合多样的问题,提出了一种基于广义交直流下垂控制的电力电子变压器运行策略优化组合方法,在保证系统安全运行的同时保证可再生能源的充分消纳。广义交直流下垂控制可通过控制系数的调整来近似端口运行模式的切换,避免了在非线性规划模型中引入整数变量,有效降低了模型的复杂度。在此基础上,建立了考虑可再生能源不确定性的电力电子变压器运行策略鲁棒组合优化模型,并进一步采用双层优化方法对所提模型进行求解,算例仿真结果证明了该方法的有效性与可行性。     

基于支路电压方程的在线电压稳定指标

提出一种基于支路电压方程的电压稳定指标,该指标具有显式表达式,可结合PMU量测实现在线计算和应用。首先,利用电压功率灵敏度在电压崩溃点趋于无穷大的特性,推导获得该指标。其次,通过分析静态负荷特性对该指标假设条件(即P-V曲线电压崩溃点处特性)的影响,揭示了该指标对静态负荷特性的适应性,并用单支路系统进行了仿真验证。进一步,采用多支路系统验证了该指标可有效表征支路电压的稳定性,且具有较高的适用性。最后,探讨了应用等效方法改进该指标,从而提升多节点系统中该指标准确性的方法,并用10节点系统验证了改进指标的有效性。     

基于本地可测量参数的UPFC暂态能量控制

分析了UPFC的动态运行机理，推导出计及UPFC直流电容器动态特性的UPFC动态数学模型，并在此基础上利用UPFC装置的本地可测量状态参数—UPFC安装处的系统电压和功率，估算出UPFC暂态能量最小控制的输入信号(转子角度差)，从而实现了控制的输入参数本地化。仿真计算结果表明，这种基于本地可测量参数的UPFC暂态能量最小控制方法对抑制系统区域间振荡是有效的。     

特高压直流换流站培训模拟系统的研究与应用

以±800 kV复奉直流特高压输电系统为原型,开发了首套特高压直流输电培训模拟系统（UHVDC TS）。使用该系统不仅对±800 kV换流站一二次设备、控保系统进行了完整仿真,而且对换流站的监控系统,以及所在的特高压交直流电网进行了详细仿真,实现了换流站设备、换流站监控系统和特高压交直流电网一体化联合仿真,可以对±800 kV特高压直流系统的运行进行全过程、全场景模拟,满足特高压直流运行相关人员的培训需要。该系统已成功投入运行,取得了良好的培训效果。     

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。     

含电力电子变压器的交直流混合分布式能源系统日前优化调度

提出一种含电力电子变压器的交直流混合系统分布式能源的日前优化调度方法。首先,建立了电力电子变压器的稳态模型;然后对于含电力电子变压器的交直流混合系统,建立了其日前优化调度的模型,以实现交直流混合系统分布式能源的充分消纳以及经济最优;最后,用算例来对上述含电力电子变压器交直流系统模型进行验证,结果表明:将电力电子变压器应用于交直流混合系统中,通过电力电子变压器的功率调节功能来对交流网络和直流网络之间的功率传递进行控制,可有效实现分布式发电的充分消纳,另外,通过对分布式发电的合理应用,降低了系统的运行成本,实现了交直流混合系统的经济运行。     

高比例新能源电力系统静态电压稳定裕度在线概率评估

新能源的随机性、波动性及弱调节特性给电力系统静态电压的安全及稳定性带来了挑战。针对此问题，提出一种考虑源荷双侧不确定性的高比例新能源电力系统静态电压稳定裕度在线概率评估方法。首先，基于新能源无功调节特性与传统机组的差异，分析了大量新能源替代传统机组对稳定裕度的影响。然后，分析了新能源出力不确定性对稳定裕度分布范围的影响，并建立源荷不确定性模型以生成典型场景。最后，为了应对新能源快速波动性给稳定裕度带来的影响，提出基于优化ELM-KDE的稳定裕度在线概率评估方法。利用优化极限学习机(extreme learning machine, ELM)预测典型场景稳定裕度并通过核密度估计(kernel density estimation, KDE)准确获得其概率分布函数。构建了静态电压稳定期望裕度和静态电压稳定风险度两个指标对结果进行表征。分别在New England 39和IEEE300节点系统进行了仿真测试，并将结果与传统蒙特卡洛方法计算结果对比，验证了所提方法的有效性。     

面向区域能源互联网的边云协同架构及其优化策略研究EI北大核心CSCD

现有区域能源互联网(regional energy internet,REI)呈现出多维度、多主体的运行特征,若采用传统集中式云端服务架构,系统易引发高延迟、云爆炸等问题。为此,提出一种边云协同架构及其优化策略。首先,建立REI的数学模型;其次,以REI为分布式边缘控制单元,建立含云服务层、边缘服务层、设备层的REI边云协同架构,以实际工作量分配计算任务;然后,综合考虑系统多方利益主体博弈关系,设计云服务层、边缘服务层优化策略;最后,在此基础上,为提升紧急情况下系统恢复运行的速度,提出一种应急处理方法。通过两种多REI算例测试,结果表明:与传统云端服务架构相比,所提架构在计算速度、应急处理速度方面具有显著优势;所提优化策略能够有效提升REI的运行收益。     

面向隐私保护基于联邦强化学习的分布式电源协同优化策略

针对分布式电源优化调度面临的隐私保护和实时决策问题，提出了基于联邦强化学习的多智能体分布式协同优化策略。首先，构建了基于联邦强化学习的配电网分布式协同优化框架，利用联邦学习避免在多智能体深度强化学习过程中泄露隐私数据。在此框架下，提出了多智能体约束策略优化方法，利用离线训练缩短在线决策时间，支持智能体实时分布式决策。同时，该方法为智能体构建了考虑潮流方程等约束条件的可行域，允许智能体在训练过程中自由探索，提高了收敛速度，并确保实时调度策略满足电力系统安全运行约束。最后，通过算例进行仿真验证，结果表明离线训练时各智能体仅利用局部信息即可实现全局优化，并保证了实时决策和调度策略的安全性。     

面向电力系统智能分析的机器学习可解释性方法研究(一)：基本概念与框架

机器学习的可解释性是其在电力系统领域安全、可靠应用的关键环节与重要基础之一。针对电力系统智能分析的机器学习模型可解释性方法进行初步探讨。首先，阐述了机器学习模型可解释性的基本概念、数学描述与相关评价维度；之后，梳理了实现机器学习可解释的整体思路与技术路线，将可解释方法分为建模前解释、训练后解释与模型自解释3大类，并对其在模型诊断、安全评估、数据纠偏、知识发现等场景的应用进行了分析；最后，对目前电力智能分析的机器学习可解释性研究面临的挑战进行了展望。