碳-绿色证书交易机制下考虑回收P2G余热和需求响应的PIES优化调度

为进一步促进园区级综合能源系统(park integrated energy system, PIES)的可再生能源消纳和碳减排,优化园区级综合能源系统的运行总成本,提出一种碳-绿色证书交易机制下考虑回收电转气(power to gas, P2G)余热和需求响应的园区级综合能源系统优化调度模型。首先,考虑阶梯式碳交易机制和绿色证书交易制度,以促进可再生能源的消纳和碳减排。其次,引入回收余热的电转气设备,优化电-热-气耦合关系来提高系统消纳可再生能源和碳减排水平。然后,建立含可削减、转移、替代负荷的需求侧响应模型,指导用户的用能方式由高能耗、高污染向低碳、可持续转变。最后,以购能成本、弃风惩罚成本、需求响应补偿成本、阶梯式碳交易成本、绿色证书交易收益之和最小为目标,构建PIES优化调度模型。算例结果表明,该模型可以有效促进可再生能源消纳和碳减排并降低系统运行成本。     

变压器故障诊断用油中溶解气体征兆优选方法

基于油中溶解气体(dissolved gas analysis, DGA)构造的故障征兆作为变压器故障诊断的重要先验信息，其质量直接影响诊断效果。目前，基于DGA气体的故障征兆数量繁多，但种类相对单一且诊断效果有限，为实现更高准确率的变压器故障诊断，该文提出云征兆方法以丰富现有比值征兆集。为适应高维云征兆的云变换，设计自组织云概念提取神经网络(self-organized cloud concept extraction, SOCCE)进行云概念的提取，以深度挖掘多DGA气体间的关联信息，提高智能算法的诊断能力。最后，通过先排序后寻优的征兆优选策略遴选出最优的DGA混合征兆集。通过IEC TC10故障数据库下的对比诊断可知，该文优选的混合新征兆能够实现92.4%的诊断准确率，相较于传统征兆诊断准确率提升了13.2%～30.8%，且在现场应用和多诊断模型中均表现出较强的泛化能力和推广能力。