计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

Analysis of oxygen-18 tracer profiles in two-stage oxidation experiments (I): predominant oxygen diffusion in the growing scale

Typical two-stage oxidation experiments in high-temperature oxidation studies on metals are analyzed. Two cases of predominant oxygen diffusion in the scale are studied: pure volume diffusion and simultaneous transport via grain boundaries and via the bulk. An analytical expression for the growth of the oxide layer is given for the assumption that the chemical potential of the oxygen varies linearly over the oxide layer. The numerical treatment of the differential equation is improved so that the calculation is possibly faster and/ or more accurate compared to a method given in the literature. The experimental profiles are described by four parameters, the grain boundary width, the grain radius, and the volume and grain boundary diffusivities. Two equations correlating these parameters can be extracted from the profiles. Two benchmark tests are described for testing the program. An analytical solution is presented which approximately describes the distribution of O-18 in the oxide layer for pure volume diffusion. Experimental SIMS profiles on Fe-Cr-Al alloys are explored on the basis of our calculation.     

双级矩阵变换器空间矢量调制策略改进

针对双级矩阵变换器空间矢量脉宽调制策略存在控制复杂度高、不能对双级矩阵变换器的输入功率因数进行调节的问题,提出了采用间接空间矢量调制策略的方案:①各PWM周期内直流平均电压为一恒定值,从而免去了逆变级调制系数的修正;②输入功率因数角可调。同时,利用参考电压和变换矩阵对该调制策略进行简化,使其能够更有效地控制无功功率和输出电压。仿真结果验证了该调制策略的正确性和有效性。     

新型电力系统灵活性资源聚合两阶段调度优化模型

构建以新能源为主体的新型电力系统是实现碳达峰、碳中和目标的关键驱动力。传统的以可控煤电装机为主导的电源结构,转变为以强不确定性、弱可控的新能源为主体的新型电力系统,将面临着灵活性资源短缺等挑战。以提升新型电力系统灵活性为导向,提出了灵活性资源聚合两阶段调度优化模型。第一阶段模型考虑分时价格型需求响应,以净负荷波动最小为目标平滑负荷曲线;第二阶段模型考虑分段激励型需求响应市场交易机制,融合电化学储能、抽水蓄能、改造火电等灵活性资源,以系统运行成本最小为目标设计最优运行方案。最后,算例结果和场景对比表明,需求响应能够充分挖掘负荷跟随系统调节的互动能力;改造后火电机组能够降低煤耗水平,提高调节能力,加强与系统灵活性需求时空匹配;各类储能积极响应电力系统调峰,促进了新能源消纳。     

建模交互关系和类别依赖的视频动作检测

目的 视频动作检测旨在检测出视频中所有人员的空间位置,并确定其对应的动作类别。现实场景中的视频动作检测主要面临两大问题,一是不同动作执行者之间可能存在交互作用,仅根据本身的区域特征进行动作识别是不准确的;二是一个动作执行者在同一时刻可能有多个动作标签,单独预测每个动作类忽视了它们的内在关联。为此,本文提出了一种建模交互关系和类别依赖的视频动作检测方法。方法 首先,特征提取部分提取出关键帧中每个动作执行者的区域特征;然后,长短期交互部分设计短期交互模块（short-term interaction module,STIM）和长期交互模块（long-term interaction module,LTIM）,分别建模动作执行者之间的短期时空交互和长期时序依赖,特别地,基于空间维度和时间维度的异质性,STIM采用解耦机制针对性地处理空间交互和短期时间交互;最后,为了解决多标签问题,分类器部分设计类别关系模块（class relationship module,CRM）计算类别之间的依赖关系以增强表征,并利用不同模块对分数预测结果的互补性,提出一种双阶段分数融合（two-stage score...     

基于IGD+指标的两阶段选择高维多目标进化算法

针对在高维空间下多目标进化算法难以维持种群收敛性和多样性平衡的问题, 本文提出一个基于IGD+指标的两阶段选择高维多目标进化算法(MaOEA–ITS). 在第1阶段, 算法基于IGD+指标选择收敛性良好的精英个体, 其所需的参考点通过引入切割平面截距法构建. 在第2阶段, MaOEA–ITS使用模糊c均值算法对参考向量进行聚类, 聚类后的参考向量引导种群分解策略对剩余个体进行环境选择, 从而维持种群的多样性. 另外, 为了保护能够提高种群多样性的极值解, 本文提出一个参考点分布自适应策略. 最后, 通过仿真实验来验证MaOEA–ITS的有效性和优越性.     

基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。     

考虑响应程度反馈和昼夜充电分布的公交车站双阶段响应模型

大规模电动公交车充电负荷接入电网导致负荷峰值攀升,电网安全性和经济性下降,为此提出了一种考虑响应程度反馈和昼夜充电分布的双阶段充电响应模型。建立了电动公交车双阶段充电负荷模型,基于电动公交车的排班模型确定调控时段,并将各调控时段的充电状态作为控制变量;提出了行程裕度系数的概念,将电动公交车的充电需求分配到夜间和白天,实现双阶段充电;制定了基于响应程度的削峰响应分段激励结算机制,依据响应系数将响应分为欠响应、有效响应、过响应,并通过惩罚系数和饱和系数引导公交车站实现有效响应;在此基础上,建立了电动公交车夜间-日间双阶段充电响应模型,以单位电量净支出作为指标实现公交车站效益最大化;基于粒子群优化算法,通过定义约束偏离程度函数,给出了带约束条件的优化策略。通过仿真验证了所提策略能可靠完成响应任务,电动公交车的单位电量净支出大幅下降,且电网的响应经济负担较固定激励方式更轻。     

考虑需求侧管理的风光燃储微网两阶段优化调度

针对微电网中源荷匹配较弱及储能应用不充分的问题,计及需求侧管理与碳排放对其源荷储进行协调优化。所研究的并网型微网优化分为需求侧管理与调度两阶段。首先,第一阶段引入需求侧管理模型,结合储能电池并采用纵横交叉算法求解,使微网的净负荷最小与自供率最大。然后,第二阶段依托第一阶段需求侧管理后的信息从经济和环保角度出发,建立以综合成本最小及碳排放量最低为目标的风光燃储微网日前优化调度模型,利用改进多目标灰狼优化算法进行求解。最后,以福建某实际微网为例,通过仿真表明引入需求侧管理可有效利用储能电池改善微网源荷匹配度,充分挖掘需求响应潜力。相比单阶段优化,两阶段优化更有利于提高可再生能源渗透率,降低微网日运行成本与碳排放量,实现微网的低碳经济运行。     

Confidence regions of two-stage stochastic linear complementarity problems

Two-stage stochastic linear complementarity problems (TSLCP) model a large class of equilibrium problems subject to data uncertainty, and are closely related to two-stage stochastic optimization problems. The sample average approximation (SAA) method is one of the basic approaches for solving TSLCP and the consistency of the SAA solutions has been well studied. This paper focuses on building confidence regions of the solution to TSLCP when SAA is implemented. We first establish the error-bound condition of TSLCP and then build the asymptotic and nonasymptotic confidence regions of the solutions to TSLCP by error-bound approach, which is to combine the error-bound condition with central limit theory, empirical likelihood theory, and large deviation theory.