分数阶电力系统潮流计算及电压分析

针对实际中的电感和电容都是分数阶元件,提出分数阶电力系统潮流计算及电压分析.首先,简单地描述分数阶微积分的发展历程、基本定义和工程应用.其次,在整数阶均匀传输线的分布式电路模型的基础上提出分数阶均匀传输线的分布式电路模型.然后,基于分数阶元件模型,利用Newton-Raphson法分析计算分数阶电力系统潮流,并通过连续...     

综合能源系统运行可靠性评估评述Ⅰ:模型驱动法

综合能源系统运行可靠性更加关注系统在实时运行条件下的时变可靠性。对综合能源系统进行运行可靠性评估,不仅能实时反映系统运行状态,还能在考虑多重运行不确定性因素的前提下对未来短时段内的系统运行风险进行预测。综合能源系统涉及多个能源环节,存在不同供能子系统间的耦合问题,影响运行可靠性的因素极为复杂多样。为了规避短期运行风险,提升系统的安全性与可靠性,综合能源系统运行可靠性的建模及评估工作具有重要意义。该文首先对基于模型驱动的综合能源系统设备运行可靠性建模的研究现状进行阐述与总结;然后,从系统状态生成与选取、系统状态分析与评估、可靠性指标建立与计算三方面详细介绍了模型驱动的综合能源系统运行可靠性评估的研究现状;最后,系统归纳了现有研究存在的不足,以便后续研究进行参考和改进。     

综合能源系统运行可靠性评估评述Ⅱ：数据驱动法与模型-数据混合驱动法

对综合能源系统进行运行可靠性评估,不仅能实现系统运行状态的实时感知,而且能对系统的短期运行风险进行合理预测。利用数据驱动的人工智能技术解决能源领域问题是当下的研究热点。该文首先基于数据驱动法对考虑时变性与供需不确定性的综合能源系统设备运行可靠性建模方法进行阐述和总结,并归纳出在设备运行可靠性建模方面现有研究存在的不足;其次,详细总结数据驱动及模型-数据混合驱动两种运行可靠性评估方法的原理、研究现状和目前研究存在的局限性;最后,针对现有研究存在的问题,对综合能源系统运行可靠性评估研究进行总结与展望并提出人工智能背景下模型-数据混合驱动的运行可靠性建模及评估总体思路。     

基于Attention-LSTM与多模型集成的短期负荷预测方法

目前深度学习技术发展快速,针对其在短期负荷预测任务中处理离散数据效果较差以及泛化性不佳的问题,提出一种基于注意力机制的长短期记忆网络(long short-term memory network with attention mechanism,Attention-LSTM)与Stacking多模型集成的负荷预测方法,可以兼顾二者优势。首先,利用均值编码的方式处理离散特征,接着应用Attention-LSTM对负荷数据进行特征提取,再将处理后的数据一同输入到基于Stacking的多模型集成预测模型中,通过3种基学习器对输入特征进行分析处理,最终通过元学习器完成预测。算例使用2个数据集中的实际负荷数据进行分析,对2个数据集中的负荷数据分别进行预测,并与门控学习单元、轻量级梯度提升机、支持向量机方法进行对比。仿真结果表明,所提方法在2个数据集的预测精度均能够超过98%,比其他3种方法的预测精度更高。     

基于Benders分解和纳什议价的分布式热电联合优化调度

考虑供热管网储能特性的热电联合优化调度可以有效地提高电力系统的灵活性，促进可再生能源高比例消纳。电力系统和热力系统隶属于不同的运营主体，热电联合优化调度在最大化总体效用时，不应损害个体利益。该文提出一种基于Benders分解和纳什议价的电-热综合能源系统分布式优化调度方法。首先，热力系统与电力系统依次计算最优热流和最优功率分配，分别得到各自独立调度的运行总成本；然后，利用Benders分解计算电-热综合能源系统最优能流，相应得出电-热综合能源系统运行总成本；最后，通过纳什议价重新分配两者的合作剩余以鼓励热力系统参与热电联合优化调度。两个不同规模算例的仿真结果表明，所提方法能在保护信息隐私的前提下，实现激励相容并促进可再生能源消纳。