考虑天然来水随机性的水火电系统机组检修计划

如何合理安排机组检修是水火电系统调度运行中的一项重要任务。在长时间尺度下,天然来水的随机性使机组检修计划本质上成为随机优化问题,通常采用场景法描述随机性,但其形成的高维优化问题难以直接求解。建立多场景耦合的水火电系统机组检修优化模型,利用多学科协同优化(Multidisciplinary Collaborative Optimization, MCO)方法将各场景间的非预期性约束及检修变量耦合约束解耦,实现了原问题的降维,且MCO结构具有内在的并行性。此外,在基于MCO的系统级优化问题中,用绝对值惩罚项替代二次惩罚项,保证该问题是一个混合整数线性规划问题,有利于提高计算效率。最后以某省级实际水火电系统为算例进行仿真分析,验证了所提模型和算法的有效性。     

基于虚拟交易商的省间电力现货交易机制研究

省间现货交易是促进清洁能源大范围优化配置的关键机制，当前的省间现货交易机制还存在种种亟待改进的问题。首先从省间现货市场进程、部分省份参与省间现货市场情况、市场框架、交易流程、衔接机制等方面介绍我国省间现货市场的建设运行现状，分析当前我国省间现货市场机制仍存在的问题，包括外电不入市产生的不平衡资金、资源配置有待优化等。为解决这些问题，提出基于虚拟交易商模式的省间现货市场机制，分析市场交易机制、出清机制、交易流程、虚拟交易商的结算机制等。接着从可行性、效益性、公平性等方面分析所提机制的适用性。最后分析将虚拟交易商引入市场还需要考虑的关键问题。研究结果表明，基于虚拟交易商的省间电力现货交易机制可完全解决当前“外电不入市”带来的不平衡资金问题，在该机制下，省内市场主体将不再需要承担电网不经济购电的责任。     

基于字典学习算法的调度运行信息稀疏编码方法

在电力系统中,随着电网规模的不断扩大,运行信息的数据规模与复杂程度不断增大,对其编码效率提出了更高的要求。字典学习算法是当前应用较为广泛的人工智能算法,其优势在于能够给出一个标准的基础信息库,使得依据该库所得到运行信息表示形式相对稀疏。首先介绍了字典学习算例原理与实施方法;结合电力系统调度运行控制实际,提出了基于字典学习的调度运行信息稀疏编码方法。最后基于某电网实际,利用近二年的运行记录信息构建了调度运行字典。算例表明利于该字典所编码表示的调度运行记录稀疏度处于0.35～0.80之间,符合大数据处理的稀疏性要求。     

基于ARM微处理器和μC/OS-Ⅱ的配网综合装置设计

介绍了基于 ARM核的芯片 S3C4 5 10 B和嵌入式实时操作系统μC/ OS 在配网综合保护 /测控装置中的应用 ,通过在高性能微处理器 ARM上运行μC/ OS 以实现多任务管理 ,提高了系统的可靠性 ,并简化了应用程序的设计。     

CT中性线二次电缆断线引起母差保护动作分析

详细分析了贵州一发电厂220kV出线发生C相故障,因该出线开关接入母差的CT中性线二次电缆断裂,故障时进入母差保护的开关电流异常,母差保护没有正确感受一次设备的电流,导致母差保护动作跳闸。     

基于储能灵活能量状态的现货电能量-辅助服务市场联合出清机制

高比例可再生资源发电渗透率的不断提高,使得储能在新型电力系统平抑不确定性和波动性过程中发挥着愈加重要的作用。为鼓励其更好地参与电网运行,在市场化配置储能资源时需要更加注意市场机制对于储能市场主体的适用性。考虑到现有机制无法充分反映储能的技术特性及参与不同类型市场时的运行成本,基于储能的灵活能量状态提出了储能参与电能量-调频辅助服务市场联合出清模型。为描述调频过程中的储能能量损耗问题,新模型引入了调频能量损耗系数对两类市场间的能量耦合关系进行进一步建模,最后通过算例仿真对比验证了该模型在体现储能运行特性方面的有效性。     

基于预期完成率的月内滚动机组组合研究

为保障月度交易计划执行,提出了一种基于预期完成率的月内滚动机组组合方法,实现机组开停方式、电量计划完成情况和后续供需形势之间的有效匹配。为避免发电机组开停方式频繁调整,定义了发电厂预期完成率评价指标,以量化原发电机组组合方式下电量计划执行风险。若执行风险超过预期,则启动月内滚动机组组合。月内滚动机组组合以保障月度交易计划执行且各发电厂完成率均衡为优化目标,综合考虑电力电量平衡、网络传输能力、机组出力范围等约束约束,能够对当月后续运行日的发电机组组合方式优化调整。最后,基于IEEE-30节点系统构造的算例表明,预期完成率指标能够避免发电机组组合方式的频繁调整,保障发电厂月度交易计划可靠执行。     

基于极端场景分析的中长期交易校核方法

为解决新能源、负荷等边界数据波动影响电力市场交易校核结果的问题,提出一种基于极端场景分析的中长期交易校核方法。首先,根据边界数据预测偏差对校核结果的影响,将波动性边界数据划分为正向与负向数据两大类;其次,对照传统确定性校核方法,定义中长期交易校核中的极端场景;然后,基于多时序机组组合模型,构建面向极端场景的中长期交易校核方法,量化不同发电企业交易电量的预期执行情况;最后,对我国某省电网实际数据构造的算例进行分析,结果表明极端场景分析能有效辨识基态场景下难以发现的运行问题。所提方法能更准确地辨识极端场景下中长期交易电量的执行偏差,提升交易校核结果的可行性,适用于高比例新能源接入的省级电网。     

考虑计划执行与新能源消纳的中长期调度优化方法

为提升电力系统清洁能源消纳能力,并保障常规电源电量计划执行,提出了一种考虑计划执行与新能源消纳的中长期调度计划优化方法.通过考虑新能源电量、电力的不确定性,结合不同电源启停调峰性能上的差异,构建了基于两层架构的中长期调度计划优化方法.上层模型重点考虑新能源电量预测不确定性,而下层模型充分考虑新能源电力预测不确定性.结果表明,该方法能够优化燃煤电厂启停调峰方式,实现电量计划与新能源消纳的协调,解决电量执行偏差及弃风、弃光等问题.     

面向分布式电力交易系统的电能消纳供需预测模型设计

针对分布式电力交易系统中存在对海量数据分析能力差的问题,提出了一种基于深度学习的电能消纳供需预测模型。构建了分布式电力交易系统的技术和功能架构,并提出了相应的电价预测算法,采用经验模态分解（EMD）算法对历史电价、供电和用电数据进行预处理。在传统长短期记忆网络（LSTM）的基础上引入注意力（Attention）机制对输入数据进行特征提取,实现日前电价的预测。通过对贵州省电力交易中心的历史数据进行的仿真测试结果表明,相较于传统LSTM算法,文中所提算法预测得到的电价曲线更贴近实际曲线,预测准确性更高。在实际应用中,算法稳定性良好且应用效果理想,能够辅助电力交易主体进行决策,提高其市场的竞争力。