人工智能在能源互联网中的应用综述

人工智能技术具有高效解决复杂问题的突出优点。能源互联网是信息技术与能源相结合的产物,可以为消费者提供灵活的能源共享服务。由于可再生能源具有间歇性和波动性,对可再生能源的有效利用对能源供需信息的实时性要求越来越高,能源的供需曲线也变得更加复杂多变,因此人工智能技术在能源互联网中具有广泛的应用前景。人工智能技术已经被广泛地应用于能源互联网领域中的系统建模、预测、控制和优化等方面。文章对人工智能技术在能源互联网典型应用场景的研究现状进行了综述,并对未来的发展方向进行了展望。     

共识边缘计算及其在能源互联网中的应用

边缘计算和共识是分布式计算领域的2个重要研究课题.边缘计算将一部分资源下放到靠近终端设备的边缘侧以提高计算效率和质量,共识通过实现分布式个体状态的一致性为分布式系统提供安全保障.在简要综述相关文献的基础上,总结和分析了边缘计算与共识的互惠关系:边缘计算架构为共识算法研究提供了理论模型的创新,共识为边缘计算提供了理想的系...     

面向用户需求的区域能源互联网价值形态研究框架及应用分析EI北大核心CSCD

以用户能源需求类型为导向,自底向上构建区域能源需求结构。首先,按照普惠用能、成本敏感性、质量敏感性、激励响应性和政策保障驱动性对用户用能行为进行了分类分析。根据供应价值链理论,从价值要素分析、价值载体设计、价值实现机制三方面构建了区域能源互联网价值形态研究框架,分析提炼涉及区域能源互联网价值形态研究的科学理论问题及关键技术。最后借鉴系统性思维方法论,建立"阶段-属性-价值"三维评价体系,在泛在连接、互动融合、智能化服务等不同发展阶段讨论了区域能源互联网价值应用场景,为能源云基础设施建设与连通提供理论指导。     

生成对抗网络及其在新能源数据质量中的应用研究综述

由于新能源数据的随机性和波动性等特点,并网数据存在的数据缺失、重复、异常以及分布不均匀等数据质量问题变得越来越突出,针对数据质量的评估和治理等研究对新能源的发展具有重要的积极意义。传统数据质量研究手段不适用于解决新能源数据质量问题,而人工智能算法在处理这方面问题上具有无可比拟的优点。生成对抗网络(generative adversarial networks,GAN)是人工智能领域近年来最热门的研究方向之一,其出色的数据生成能力受到了广泛的关注。本文首先介绍了经典GAN的架构、优劣势及其改进综述;接着对GAN在新能源方面的应用进行了综述;然后概述了新能源数据质量研究文献,并阐述了GAN在新能源数据质量方面的应用;最后总结并展望了未来GAN在新能源方面的可能应用。     

基于链式路由网络的能源接入管理策略研究

针对能源路由器在能源互联网示范工程中的应用需求,提出了链式路由网络结构以及基于边缘扩散的路由控制实现策略,初步解决了示范工程内部用户级的能量管理问题.1)在介绍单能源路由器的基础上,设计了由多个能源路由器链接组成的链式路由网络,实现了能量的区块化划分;2)给出了边缘扩散策略.以链式网络内的个体路由器为决策中心,把功率不平衡性传递到临近的路由器,最终由链式网络最外缘的低压电网消除功率失衡,从而实现自身的功率平衡;3)对通信支撑网络和应用场景进行了分析,初步说明了链式路由网络在示范工程中的实际可行性.     

高比例分布式光伏接入的配电网过电压责任分摊方法

高比例分布式光伏接入中低压配电网后，在午间时段，分布式光伏的高发电功率与用户的低负荷需求会导致配电网发生潮流倒送，进而引发过电压问题。在分析配电网过电压机理的基础上，提出基于功率传输转移分布因子(power transferdistributionfactor,PTDF)和电压灵敏度矩阵的光伏接入点倒送功率配额分配方法。然后，以该配额为基准，当接入点倒送功率大于配额且发生过电压问题时，采用Shapley值法计算每个接入点的分布式光伏主体对过电压应分摊的责任。最后，采用33节点算例验证所提过电压责任分摊方法的有效性。