大规模新能源接入电网连锁故障预防控制策略研究

本文着眼于大规模新能源接入的电网连锁故障预防控制策略研究,在深入分析大规模新能源接入对电网连锁故障影响机理的基础上,提出了适应含大规模新能源的电网连锁故障预防控制策略。该控制策略采用直流灵敏度法甄选出高危线路,并计算出发电功率转移分布系数矩阵,继而采用反向等量配对法,根据发电功率转移分布系数调整发电机组的出力,使得高危线路的负载率得到有效下降,同时保证其他线路负载率维持在重载阈值以下,改善潮流分布,起到预防连锁故障发生的作用。最后通过甘肃酒泉地区电网的仿真分析,进一步揭示了大规模新能源接入对电网连锁故障的影响机理;验证了本文提出的连锁故障控制策略的有效性。     

复杂电网自组织临界态辨识物理指标研究

在深入研究电网自组织临界特性的基础上,指出网络结构和潮流分布的高度不均衡性是电网进入自组织临界态的两个重要因素。对于网络分布的均衡与否可采用网络拓扑熵刻画;潮流分布的不均衡性可分为由于部分线路负载率偏低而致和由于部分线路负载率偏高而致两类,显然后者才是电网进入自组织临界态的真正因素之一。由于潮流熵概念无法区分这两类完全不同的潮流分布特性,本文提出了一个新的加权潮流熵概念来表征潮流分布的不均衡性。通过对实际电网的仿真分析,表明电网处于自组织临界态时,呈现低网络拓扑熵和高加权潮流熵特性;加权潮流熵与潮流熵相比,能够更好地识别出由于部分线路负载率偏高而致的潮流不均衡性这一关键因素。网络拓扑熵和加权潮流熵两个物理指标的提出能够为复杂电网自组织临界态的辨识与综合评估以及连锁故障的预防控制提供一定的理论支撑。     

远程数学系统中的自动问题回答子系统设计

介绍了远程教学系统中的一种自动问题回答子系统设计，它是利用机器学习的方法，从已存在的知识库中构造出问题分类模型。另一方面，对学生的问题进行特征提炼，最后，利用相关的算法从知识库中返回学生问题的最佳答案。     

含大规模风电集中接入的电网自组织临界态辨识

基于学习向量量化(LVQ)神经网络法,提出了一种含大规模风电集中接入的电网自组织临界态辨识方法。该方法以加权潮流熵、网络拓扑熵和风电波动熵等熵值物理指标为主要输入对象,以停电数据的幂律尾曲线拟合方法生成的数据作为训练样本,采用LVQ1和LVQ2算法对创建的LVQ神经网络进行训练,然后利用经过训练后的网络模型进行含大规模风电集中接入的电网自组织临界态辨识。该方法建立了物理指标与自组织临界态之间的直接联系,避免了采用传统辨识方法多次仿真和较多主观干预的问题。实例仿真结果表明,所提方法能够正确地对电网运行状态进行辨识。     

基于时序注意力机制的电动汽车灵活性概率建模

电动汽车是一种可以向电力系统提供灵活性的柔性负荷。现有研究对电动汽车灵活性进行建模时,多数仅考虑了充电行为的不确定性以及分时电价的影响,忽略了日前电价与实时电价的偏差,缺少对实时电价、充电负荷多时间尺度时序特征的建模。针对此问题,文中总结了电动汽车灵活性的表现形式与影响因素,考虑面向电价的响应不确定性以及充电行为不确定性,提出基于时序注意力机制的电动汽车灵活性概率建模方法。通过时序注意力机制提取不同时序权重,设计基于时序卷积网络的多时间尺度特征提取网络学习充电行为、电价等不确定性,提取多时间尺度灵活性波动特征。算例表明,所提模型能够有效学习充电行为不确定性与面向电价的响应不确定性,其概率建模效果具有更高的可靠性与精度。     

750kV电网在甘肃电网中的降损作用分析

750 kV电网已逐渐成为我国西北地区的主力电网,分析了西北地区750 kV电网的发展概况和750 kV线路的电气特性,分析了750 kV线路投运前后甘肃电网网损及网损率、甘肃电网330 kV线损和省际联络线线损,分析结果表明750 kV线路的投运明显降低了甘肃电网损耗。     

基于联合加权熵的电网自组织临界状态演化

针对潮流熵和网络拓扑熵在表征电网自组织临界演化水平上的局限性,提出用负载率进行加权的加权潮流熵和用度数大小进行加权的加权网架结构熵,分别表征电网负载率和潮流分布变化、电网度数大小和度数分布变化后电网的自组织临界状态演化水平;结合信息论首次提出联合加权熵,综合反映了电网的网架建设、负载率以及潮流分布对电网自组织临界性的影响,从而从一个全面的角度表征了电网的自组织临界演化水平。结合大停电风险评估指标风险价值和条件风险价值对甘肃电网的自组织临界演化进行了仿真计算,仿真结果证明联合加权熵在表征电网自组织临界演化水平上的全面性和有效性。