计算机检修管理系统中Gateway的设计与性能测试

针对电厂状态检修的实际需求,采用国产的三维力控软件平台与PI数据库和Oracle数据库相结合,完成了石嘴山电厂状态检修系统计算机检修管理系统(CMMS)的详细设计。其中,状态检修系统需要的绝大部分实时数据都取自厂级监控信息系统(SIS)的PI实时数据库,因此,PI数据库和力控实时数据库之间的接口Gateway的性能将直接决定整个状态检修系统的性能。采用VC/C 、PI数据库的API和力控平台的ActiveX控件,开发了PI和力控系统间的Gateway,并对Gateway的结构进行了优化。通过对软件平台中Gateway的极限测试表明,该软件平台能满足状态检修系统性能指标的要求。     

基于WAMS受扰电压轨迹簇特征的电力系统暂态稳定性预测

为了能够实现快速实时的暂态稳定性预测,提出了一种基于故障后发电机端电压受扰轨迹簇特征的电力系统暂态稳定性预测方法。首先通过WAMS系统获取故障后发电机端电压受扰轨迹簇信息,利用电压轨迹簇的几何属性定义了29个特征指标,然后利用Relief算法从中筛选出与系统暂态稳定性密切相关的广域故障特征指标子集,并利用支持向量机(SVM)构造电力系统暂态稳定性预测器。以新英格兰10机39节点系统为例,对所提出的暂稳预测器的性能进行了大量测试。结果表明,相较于已有研究应用故障后发电机电压数据进行的暂态稳定性预测,所提出的基于广域故障特征的暂稳预测器能有效提高电力系统暂态稳定性预测的准确性(预测准确率由94%提高到96%以上)。另外,特别是对于不完全WAMS信息的暂稳预测、对未知运行方式和未知拓扑结构的电力系统暂稳预测具有独特的优势,显著提高了暂稳预测系统的鲁棒性(预测准确率均能达到94%以上)。     

基于双层Stackelberg博弈的微能源网能量管理优化

提出了基于双层Stackelberg博弈的"供电公司–微能源网–用户"能源交易模型与求解算法。通过分析供电公司、微能源网和用户的博弈目标与策略,从理论上证明了该博弈存在唯一的Stackelberg均衡解,并求解了其均衡策略。在上层博弈中,供电公司作为领导者通过调整售电价格来刺激微能源网购电,微能源网作为跟随者,以最小化产能成本为目标,根据电价来决定购电量;在下层博弈中,作为领导者,微能源网根据用户的实际用能需求来制定售能价格,而用户作为跟随者,则调整用能策略以平衡购能支出和用能体验。经算例验证,所提的双层博弈方法可有效求解各参与者的均衡策略,并具有良好的收敛性和经济性。     

UPFC的外层控制器设计

根据UPFC分层控制设计原理,设计外层控制器为内层控制器提供参考信号,从而完成构建综合考虑内部动态和外部系统影响的UPFC控制体系。首先建立含UPFC的系统模型,并构造了修正能量函数。在此基础上基于控制Lyapunov函数法构造了外层控制器。在四川电网上进行的仿真表明,所提出的外层控制器能够有效改善川渝电网的动态性能,提高暂态稳定性。     

电力市场网上交易系统的安全设计与实现

提出了一种利用MQ服务器,SSH中间件和防火墙在互联网上构筑“安全隧道”的方案,它属于系统结构层的安全技术,对应用程序没有任何要求,应用程序不必意识到“安全隧道”的存在,使整个系统在保证安全的前提下,具有更高的通用性、灵活性和可维护性。任何加密方法都不能保证在网上传递的信息绝对不被窃听或篡改,对此提出了一种解决方案,使一次交易作业的若干信息连成一个整体,杜绝了伪装成发送方(或接收方)的攻击行为,使整个网上交易系统的安全性能真正达到了“银行级”的安全水平。实验结果表明,本文所提出的安全设计方案完全能够满足电力市场对安全性和的实时性要求。     

风光互补独立供电系统的多目标优化设计

在风光互补独立供电系统的设计中,如何配置风力发电机、太阳能电池板和蓄电池,在满足负荷需求的前提下,使风能和太阳能资源得到充分利用,负荷的供电可靠性较高,而系统成本最小,这是一个多目标优化设计问题。本文首先建立了风力发电和光伏发电的天气模型,提出了衡量供电可靠性的失负荷概率LOLP、衡量清洁能源浪费的失能量概率LOEP和系统成本等指标,并采用蒙特卡罗仿真进行计算。为了求解这一多目标优化问题,本文提出了一种混沌自适应进化算法(CSEA),新算法的混沌初始种群算子提高了初代种群的多样性,分组选择策略保证了各代中一定数量的劣势个体能参与进化,自适应遗传算子增加了劣势个体的交叉和变异概率,从而避免算法早熟,增强了算法的全局搜索能力。算例表明,CSEA算法比传统单目标遗传算法的结果更加接近实际运行的Pareto优化前端,综合效果更优。另外,与纯光伏、纯风力发电方式比较发现,风光互补供电方式更为合理。可见,采用CSEA算法进行风光互补独立供电系统的优化设计,对于提高供电可靠性,降低成本,减少能源浪费具有非常重要的意义。     

高速铁路牵引供电系统的供电可靠性评估方法

提出了高速铁路牵引供电系统可靠性评估的5个层次,针对层次1进行可靠性评估,在考虑越区供电的前提下定义了高速铁路牵引供电系统的可靠性指标,推导了用元件可靠性参数表示的供电可靠性指标的解析表达式和灵敏度表达式。以RBTS系统对某高速铁路供电为例,通过可靠性计算和灵敏度分析确定了影响高速铁路牵引供电系统的供电可靠性和铁路通过能力的薄弱环节。仿真结果表明该评估方法极大地提高了高速铁路牵引供电系统可靠性评估的计算速度,避免了“维数灾”,得到的供电可靠性指标可直接作为牵引供电系统组合可靠性评估的理论依据。     

基于改进AlexNet-GRU深度学习网络的配电网短期负荷预测方法

负荷预测作为电力系统规划的重要环节,对于确保电网稳定运行、实现电力供需平衡等方面具有十分重要的作用。本文提出了一种基于改进AlexNet-GRU深度学习网络的配电网短期负荷预测方法。通过聚类将日负荷曲线分为不同日类型;然后根据聚类结果,建立基于改进AlexNetGRU深度学习网络的配电网短期负荷预测模型,并与传统的负荷预测方法进行对比。对某地区2013年的负荷进行预测结果表明,本文所提方法可以有效提高预测精度。     

中国智能电网的效益评估和政策机制研究

建设智能电网可以带来巨大的社会经济效益,助推产业结构升级,推进节能减排和低碳经济目标的实现,促进社会和谐。从分析国外智能电网产生的效益入手,结合中国的发展国情和对未来电力发展的规划,利用建立的智能电网渗透率模型,对电网产业链环节的经济效益、节能减排效益和社会效益进行评估.智能电网发展效益评估的研究成果和结论为实现智能电网发展的目标提供了可行路径和政策建议.     

基于主动迁移学习的电力系统暂态稳定自适应评估

基于深度学习的暂态稳定评估模型通常需要大量的有标注样本用于离线训练。一旦电网的运行方式和拓扑结构发生较大变化,预训练模型的性能将劣化甚至失效,使得在线评估时存在一定的空窗期。为了解决这一问题,以深度置信网络（DBN）为研究载体,将深度学习、迁移学习和主动学习相结合,提出一种基于DBN模型的主动迁移学习方法。首先,训练DBN来挖掘输入特征和暂态稳定评估结果间的映射关系,得到更好的暂态稳定评估效果。其次,当拓扑结构和运行方式发生较大变化时,通过短期仿真生成大量的无标注样本,利用主动学习来筛选少量最富有信息的样本,并通过长期仿真对这部分样本进行标注,显著减少了样本的生成时间。最后,计算源域和目标域数据分布的最大均值差异,选择不同的迁移路径,在确保迁移效果的前提下进一步缩短了迁移时间。采用新英格兰10机39节点系统、NPCC 48机140节点系统和中国华中电网进行了仿真,结果验证了所提方法具有高精度、快速性和鲁棒性,有效缩短了深度学习模型在线应用时的空窗期。