风储联合电站实时自调度的高效深度确定性策略梯度算法

发展风电等可再生能源对于实现双碳目标具有重要意义,风储联合电站是未来风电接入电网的主要形式。该文研究发电侧商业化运行的风储联合电站的实时自调度问题,目标是使自身的期望收益最大化。由于场站级风电预测误差较大,独立发电商信息有限,难以准确预测电网电价,风储联合电站实时自调度面临多重不确定性,极具挑战。该文提出高效深度确定性策略梯度（DDPG）算法求取风储联合电站实时自调度策略,实现不依赖预测的场站级在线决策。首先通过Lyapunov优化构建基础策略,得到一个较好的但未必是局部最优的策略;然后,采用基础策略预生成样本,用于初始化经验库,提升搜索效率;接着,应用引入专家机制的DDPG算法,可以训练得到局部最优的自调度策略;最后,算例分析表明,相比于基础调度策略和经典DDPG,该文所提方法能有效提升风储联合电站的平均收益。     

基于自决策主动纠偏的电力变压器油色谱诊断模型

现有变压器故障诊断模型多采用基于数值误差的模型修正方法,忽视了设备状态与油色谱数据间模糊性映射规律的重要性。针对上述问题,以深度信念网络(deep belief network, DBN)为基础,探讨和改进其网络结构,提出了一种基于自决策主动纠偏的电力变压器油色谱诊断模型,实现了模型在基于数值误差修正过程和基于故障类别差异修正过程间的自动决策与切换功能。首先,建立了基于空间欧式距离的类别差异程度数据库,原始油色谱数据被稀疏自编码器(sparse auto encoder, SAE)映射至高维空间;其次,构造了误差修正决策单元和基于该单元的多级可控误差修正策略,有效控制了多层受限波尔茨曼机(multilayer restricted Boltzmann machine, mRBM)的修正方向和程度,提升了模型对模糊性规律的表述能力。通过算例对模型进行了验证,测试结果表明:提出的故障诊断模型可有效区分变压器故障状态,其平均准确率可达92.32%。研究结果可为变电站的运维检修提供一定的指导。     

物探云计算环境研究及实现

云计算作为快速发展的新技术,其应用场景越来越普遍,物探领域处理、解释业务也开展了从传统的处理中心模式向云计算模式(SaaS)转变的探索和研究。为此,通过GeoEast系统的最新研究成果GeoEast-iEco云计算管理系统介绍物探云计算环境的架构、组成及其应用场景。物探云计算环境实现了Web浏览器登陆进入地震资料解释、处理应用,实现协同工作。云计算环境集中管理云计算中心的各类硬件、软件资源,通过全局的智能作业调度系统统一管理、协调运作,为地震资料处理、解释业务提供最优的解决方案,帮助用户实现处理、解释业务由传统模式向云计算模式转型。