特高压交流输电线路工程造价分析及设计优化研究

分析了目前已建特高压交流输电线路工程的造价水平及设计经验,并从路径优化、细化杆塔规划、新材料及新工艺的应用、杆塔设计优化、基础设计优化等方面对下一阶段特高压交流线路工程的建设提出设计优化建议。     

含MMC的交直流输电系统短路电流统一求解方法

针对含模块化多电平换流器(MMC)的交直流输电系统短路电流水平校核问题,在考虑MMC的运行方式和控制系统的基础上,建立了MMC交流侧故障模型。在对比分析了同步机电源和MMC输出短路电流的机理后,通过近似求解并网点(PCC)处电压将MMC交流侧故障模型简化为电流源模型以实现PCC处电压和MMC输出电流之间的解耦。对支路进行合理编号并筛选出电源支路和待求短路电流所在无源支路,基于电网络理论将联络节点构成的无源网络用混合参数表征,经推导得到了含MMC的电网短路电流计算的统一求解方法。不同工况下的仿真结果表明,通过建立各控制策略下的MMC交流侧故障模型,所提算法能准确统一求解不同MMC交流侧故障下的短路电流,可用于含MMC的交直流输电系统的设备选型和保护系统设计。     

基于多智体强化学习的多风氢系统联合优化运行

针对多风氢系统联合运行问题,提出一种基于多智体强化学习的多风氢系统联合优化运行方法,使得多风氢系统在有效消纳风电的同时实现联合收益最大化。首先,考虑风电场与制氢加氢站两者间通过合约交易方式联合运行,分别构建各自的运行模型;其次,以多风氢系统联合运行收益最大化为目标建立联合优化运行模型;再者,针对多风氢系统多决策变量导致的维数灾难问题,将多智体引入到强化学习中并采取多决策更新方法加速算法收敛;最后,通过算例仿真验证所提模型的合理性以及方法的可行性。     

电力市场环境下虚拟电厂经济效益敏感因素分析

随着我国对新型电力系统建设要求的不断明确,虚拟电厂（virtual power plants,VPP）的建设得到了业界的广泛关注。然而,在虚拟电厂规模化推进建设和运营过程中,市场化环境下的经济效益影响因素尚未得到充分研究。针对此问题,对虚拟电厂的建设投资成本、运营成本和收益情况进行梳理,构建了虚拟电厂经济效益模型;进一步,在市场化收益的视角下选取敏感因素,提出虚拟电厂参与不同市场交易品种的经济效益分析方法;最后,给出算例验证,讨论了虚拟电厂经济效益在不同敏感因素条件下的变化趋势。研究结果可为新型电力系统市场环境下的虚拟电厂合理有效回收成本、参与市场交易提供客观的评价方法支持。     

基于自调整映射法则的矩形稀布阵列优化方法北大核心CSCD

针对多约束条件下的矩形稀布阵列优化问题,提出了一种基于自调整映射法则的矩形稀布阵列优化方法。该方法首先提出一种新的最优化问题用于确定阵元坐标矩阵维数以平衡放置阵元数的自由度和阵列孔径可调整空间,并引入用于稀疏阵元的阵元状态矩阵;其次,构建自调整映射法则,对矩形阵列不同方向进行相应的映射,并对阵列短轴方向进行自调整,使得阵元位置满足最小阵元间距,避免出现不可行解;然后,通过粒子群优化算法优化阵元位置得到最优阵元坐标;最后,考虑适应度函数为单波束指向和多波束指向,对算法进行仿真验证。仿真结果发现该算法可以满足多约束条件并有效降低阵列的峰值旁瓣电平,从而提高矩形稀布阵列的性能。     

考虑风光互补的输储联合规划方法研究

针对可再生能源电站和输电网的联合规划问题,提出了一种考虑风光互补特性、储能系统的运行特性和输电线路规划的输电网大规模接纳风能和光能的联合规划方法,其规划目标是在大规模风光并网的前提下,使年弃风成本、年弃光成本、储能投资成本和输电线路扩建成本的总成本最小;建立提升风光接纳能力的储能配置与输电线路联合规划模型,提出风光互补程度、电源损失率和风光储混合电力系统贡献率3个指标来进行评价,并进行算例分析。仿真结果表明,所提输储联合规划方法可以有效地限制对原有网架的扩建,合适风光配比可以进一步节约电网投资和运行成本,并提高系统的稳定性和有效性。     

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。