考虑路径折算的跨省跨区可再生能源增量现货交易模型

随着中国可再生能源的快速发展和电力体制市场化改革的推进,可再生能源实现更大范围消纳和全国统一电力市场建设的需求给跨省跨区电力交易的开展带来新的挑战.结合中国跨省跨区现货交易规则,以"高低匹配"撮合交易为基础,建立了考虑交易路径和输电损耗的增量现货交易模型.为反映交易路径送受端节点类型,在交易路径送端和受端分别设置卖/买方节点和虚拟卖/买方节点.利用该模型分析了输电通道可用容量、可再生能源上网电价和可再生能源弃电申报电量对可再生能源消纳情况的影响.通过中国"三北"地区的实际交易数据开展仿真计算,验证了模型的有效性,并分析了跨省跨区增量现货市场可再生能源消纳情况的关键影响因素.     

考虑源荷储协同优化的增量配售电公司决策模型

增量配售电公司(IDR)具有灵活性资源多元化、经营方式复杂化的特点.合理制定购售电策略、充分利用灵活性资源是IDR提升市场竞争力的关键.为此,考虑源荷储规划和运行的特点,提出了IDR多时间尺度源荷储协同优化综合决策模型.首先,从当前中国电力中长期交易向现货市场过渡的实际需求出发,构建了基于电量合约分解曲线的IDR购电模型.其次,采用用户价格弹性和消费者心理学理论模拟了零售环节中用户的合同类型选择与可中断负荷响应行为.然后,以最大化经营利润为目标,构建了面向IDR合同购电组合、售电定价、用户侧可中断负荷采购与调用、储能配置与运行等决策的综合优化模型.最后,以某区域IDR为例进行仿真分析,结果表明通过综合优化源荷储决策,IDR可以灵活应对合约价格和代理用户结构的变化,最大化自身利润.     

镧-钙双金属凝胶微球对水中低磷含量的去除性能

以粉煤灰为基本骨架,将镧、钙双金属作为交联剂对海藻酸钠进行交联制备得到镧-钙双金属凝胶微球,并通过批量吸附实验和表征分析研究了镧-钙双金属凝胶微球对水中低含量磷的去除性能和去除机理。结果表明,镧-钙双金属凝胶微球具有不规则多孔结构,镧和钙2种金属被交联在了微球上,磷主要通过与微球上的La³⁺和Ca²⁺发生化学沉淀而被去除。随着微球投加量的增加,磷的去除率也随之增加;强酸性条件下微球的除磷效果较差;与磷共存的SO₄^2-和F^-会抑制微球对磷的吸附去除。微球对水体中低含量磷的吸附去除过程符合准2级动力学模型和Freundlich等温吸附模型,属于非均相、化学吸附过程。     

面向海上平台轻型化的跟网型中频远海风电场直流送出方案

海上风电具有广阔的发展前景,而可靠、高效的大规模远海风电并网系统是开发海上风电的关键技术.针对远海风电直流送出系统的海上平台轻型化问题,提出一种跟网型中频远海风电场直流送出方案.该方案采用跟网型风电机组,直流系统的整流侧和逆变侧都采用模块化多电平换流器(MMC).首先,从拓扑结构和控制系统2个方面对该跟网型中频方案进行了描述;接着,就海上风电场交流系统运行频率对风电场及其直流送出系统的影响进行了分析,包括对变压器、交流电缆和MMC等的影响.基于±320 kV/1000 MW海上风电直流送出系统,分析了100 Hz跟网型中频方案的技术经济性,包括关键电气设备的主回路参数、海上交流电缆造价、海上平台造价、风机造价、交流电缆损耗和整流站阀损耗、交流电缆输电能力.最后,在PSCAD/EMTDC中搭建了跟网型中频方案的电磁暂态仿真模型,验证了该方案的有效性.     

基于分布式技术的用电信息采集主站系统设计与应用

随着用户侧数据采集设备的发展及电网业务对用户侧采集数据的深化应用,当前电力用户用电信息采集主站系统在数据采集、计算、入库等方面出现瓶颈,无法满足业务快速发展的需求.针对营销数字化转型发展的需要,基于分布式架构、异步网络、并行计算与分布式存储等技术,文中提出一种具有高频实时采集特征的主站系统技术方案,在采集通信层、任务调度层、分布式存储层及并行计算层4个层面全面解决高频并发交互、复杂任务调度、海量数据存储及实时计算的效率问题.通过中国某省级工程应用表明,所提出的方案可显著提升用电信息采集主站的采集能力,改善集中式采集主站性能.     

传统交流电网与高比例新能源电网连锁故障差异性分析

新能源的强随机性、强不确定性及电力电子装备的弱抗扰动能力等特性使得高比例新能源电网的连锁故障演化过程更加复杂,现有基于传统交流电网而来的连锁故障相关理论与方法在高比例新能源电网中的适用性有待商榷.以美加大停电与英国"8.9"大停电事故作为切入点,从连锁演化主导推动因素、演化时间、事故发生概率、电气特性等方面分析传统交流电网与高比例新能源电网在连锁故障问题上的差异性,并基于IEEE39节点系统在PSD-BPA与MATLAB中展开算例分析.     

基于改进生成式对抗网络的电网异常数据辨识方法

基于数据驱动的电网异常数据辨识方法已成为电网安全领域研究的重点,由于实际电力发电统计数据中异常数据样本数极少,给通过数据挖掘方法辨识异常数据情况带来了极大困难。文章提出了一种基于Wasserstein生成式对抗网络(Wasserstein generative adversarial networks, WGAN)和孤立森林算法(isolation forest,iForest)的发电统计异常数据辨识方法。首先,利用WGAN交替训练生成器和判别器学习发电统计数据的分布特性并生成样本,用生成异常样本对原始异常样本进行增强,根据异常数据辨识精度确定异常样本的扩充比例;然后,在扩充后得到的平衡数据集上利用孤立森林算法实现异常数据辨识;最后,通过扩充样本前后模型的准确率、查全率以及查准率来比较模型异常数据的辨识效果。算例结果表明,文章提出的异常样本增强方法能够有效地改善辨识模型对于多数类的分类偏好问题,提升整体辨识精度。     

基于数据-物理融合的直流系统后续换相失败预测方法

换相失败是高压直流输电系统最常见的故障之一,对换相失败的有效预测有利于交直流系统的安全稳定。但是,与首次换相失败相比,后续换相失败机理较为不明,影响因素更加复杂,当前研究尚难以实现对后续换相失败的有效预测。因此,文章提出了一种基于数据-物理融合模型的后续换相失败预测方法。基于对换相过程的机理分析,首先将电力系统固有响应形式进行时域-频域转换,得到考虑电压谐波的换相电压预测值。然后,基于叠加定理计算直流电流,从而实现对熄弧角的预测。为进一步提高预测精度,将与熄弧角相关的电气量作为输入特征,建立基于数据驱动的预测误差修正模型,对机理分析得到的熄弧角预测值进行校正。最后,在电磁暂态仿真软件中搭建测试系统,结果验证了文章所提方法的有效性。     

R290直线压缩机变工况制冷性能

根据电子冷却等应用需求,开发了小型制冷装置用R290直线压缩机样机,并开展了变工况性能试验研究。结果表明,在蒸发温度为8.0、2.7和-3.4℃三种工况下,直线压缩机在上死点位置的制冷量分别为1633.4、1417.4和943.4 W,COP分别为6.67、4.24和2.63,对应的循环效率分别为67.5%、70.9%和69.3%。蒸发温度2.7℃的设计工况循环效率最高,该工况下,当制冷量在35%～100%调节时,多变指数系数变化范围为0.968～0.983。在压缩机变容量调节过程中,气体等效刚度、固有频率与等效阻尼呈非线性变化,在上死点附近均存在极值点。     

基于深度学习的锂离子电池SOC和SOH联合估算

锂离子电池常被作为储能元件以实现电能的存储和转化,然而其荷电状态(state of charge,SOC)和健康状态(state of health,SOH)无法被直接测量。为了实现锂离子电池SOC和SOH联合估算,该文分析SOC和SOH之间的关联性,并提出一种基于深度学习的锂离子电池SOC和SOH联合估算方法。该方法能够基于门控循环单元循环神经网络(recurrent neural network with gated recurrent unit,GRU-RNN)和卷积神经网络(convolutional neural network,CNN),利用锂离子电池电压、电流、温度,实现锂离子电池全使用周期内SOC和SOH的同时估算,而且由于将锂离子电池的SOH估算值考虑到SOC估算中,能够消除锂离子电池老化因素对锂离子电池SOC估算造成的负面影响,从而提升SOC估算精度。两个锂离子电池测试数据集上的实验结果表明,提出的估算方法能够在不同温度和不同工况下实现锂离子电池全使用周期SOC和SOH联合估算,且获得较高的精度。