基于改进VMD-MCKD和深度残差网络的风机齿轮箱故障诊断

行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先,通过变分模态分解算法(variational mode decomposition,VMD)分解风机齿轮箱原始振动信号,获得振动信号故障的最优模态分量;接着,利用最大相关峭度解卷积算法(maximum correlated kurtosis decnvolution,MCKD)通过解卷积重构最优模态分量,削弱背景噪声增强故障冲击成分,获得故障特征;同时利用麻雀搜索算法(sparrow search algorithm,SSA)优化惩罚因子α、模态分解个数K、滤波器阶数L和反褶积周期T等参数,提升振动信号故障特征提取的准确度;最后,构建基于深度残差网络(deep residual network,ResNet)的齿轮箱故障诊断模型,建立齿轮箱故障特征与类别的非线性映射关系,实现风机齿轮箱故障分类识别。实验结果表明,所提风机齿轮箱故障诊断方法的准确率达到97.48%,相较其他方法在信号特征提取和故障诊断效率方面有明显提高。

基于时钟循环神经网络的光伏故障诊断

光伏电站大多地处恶劣环境,遭受风沙雨雪腐蚀,电池板容易出现多类型故障,如何对故障进行有效识别与定位尤为重要。为此,提出了一种基于时钟循环神经网络(clockwork-recurrent neural network,CW-RNN)的光伏故障诊断策略。首先,建立了光伏阵列系统仿真模型,分析了光伏发电故障的成因,模拟了不同故障下的光伏阵列输出特征;其次,采用CW-RNN方法建立了故障诊断模型,对光伏阵列故障进行识别与定位;最后,基于实时数据库系统搭建了光伏发电故障分析平台,对所提出的故障诊断模型性能进行验证,结果表明其有效性和准确性,对光伏电站高效地进行故障准确识别与定位具有一定参考意义。

基于ABAQUS的输电线找形与分裂导线模拟研究

架空输电线是输电塔-线体系的重要组成部分,但由于几何非线性特征强,难以直接得到输电线的初始形态。基于ABAQUS有限元分析软件,提出更新形状法和更新张力法两种输电线找形方法,建立单导线模型作为算例进行分析与对比。研究结果表明,两种找形方法均具有很高的精确性,而在操作性和适用范围方面存在区别。由于新建输电线路的需求,分裂导线越来越多地被应用于输电线路中,考虑间隔棒与分裂导线间的耦合作用,提出一种分裂导线的模拟方法,可以实现分裂导线的精细模拟,并通过简化模型和精细化模型的动力特性对比,验证模拟的准确性。提出的输电线找形方法和分裂导线模拟方法可以为输电线路精确建模和分析提供参考。

考虑P2G及碳捕集的热电联产虚拟电厂低碳优化调度

在碳达峰碳中和的政策方针背景下,北方地区的冬季由于需要供热,使得热电联产机组(combined heat and power,CHP)强迫出力,限制了新能源的消纳与碳减排的能力。利用碳捕集与封存(carbon capture and storage,CCS)技术将热电联产机组产生的CO_(2)捕捉并封存,将新能源发电通过电转气(power to gas,P2G)产生氢能并与捕集到的CO_(2)反应生成CH_(4),热电联产的燃气轮机使用合成的CH_(4)并掺入一定比例的H_(2)进行燃烧,循环使用CO_(2),减少碳排放并增加收益,进一步提高虚拟电厂参与电力市场的经济性与低碳性,促进新能源消纳,并保障北方冬季的供热量。建立了考虑P2G及碳捕集的热电联产虚拟电厂的数学模型,并通过MATLAB调用CPLEX求解器进行求解,仿真结果验证了所建模型的有效性。

基于时序深度融合网络的汽轮发电机组振动故障诊断

将深度学习智能算法应用到汽轮发电机组振动故障诊断领域,推进汽轮发电机组振动故障智能诊断的进步,采用深度学习结合专家经验的方法,根据振动专家现场振动故障诊断的经验,将振动故障的时序特征及运行参数对故障的影响融入传统的深度学习算法中,提出了基于时序深度融合网络的振动故障诊断算法。通过将时序特征及运行参数等对振动故障诊断有重要影响的静态量数据适当处理变换,使其能够应用到深度学习算法模型中,研究了该诊断系统的相关关键技术,包括特征提取、网络搭建、异构信息融合等。实验数据验证结果表明,融合了时序特征及运行参数信息的深度学习诊断算法在提高故障诊断准确率的同时,大大提升了网络性能,提高了网络鲁棒性和迁移能力。

基于改进PSO-LSTM算法的风电机组状态监测方法研究

通过改进粒子群算法(particle swarm optimization,PSO)优化长短期记忆神经网络算法(long short-term memory,LSTM)的参数,提出了一种基于改进PSO-LSTM算法的直驱式风电机组运行状态监测方法。首先将数据采集与监控系统(supervisory control and data acquisition,SCADA)采集到的数据利用随机森林的方法进行特征筛选,得到模型的输入参数;其次采用改进PSO-LSTM网络建立有功功率的预测模型,计算出预测值与实际值的残差,根据残差的分布来确实直驱式风电机组的状态;最后利用某风电机组SCADA数据对所提预测模型进行验证分析,结果表明,PSO-LSTM预测模型相比其他三种预测模型,具有较高的预测精度,并在状态异常后最短时间内发出故障警报,保证电场的健康稳定运行。

基于猎人猎物优化算法优化BiLSTM的电力负荷短期预测

针对电力负荷由于随机性和非线性等原因导致预测精度不高等问题,基于经验模态分解(empirical mode decomposition,EMD)与猎人猎物优化(hunter-prey optimization,HPO)算法,提出一种优化双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的电力负荷短期预测模型。首先,利用经验模态分解将电力负荷时间序列分解成多个固有模态函数分量和一个残差分量。然后,利用猎人猎物优化算法优化双向长短期记忆神经网络构建HPOBiLSTM预测模型,并将各个固有模态函数分量和残差分量归一化后输入HPO-BiLSTM预测模型中进行预测,把各分量的预测值反归一化后直接相加得到最终的预测结果。最后,选取某地区在2018年3月1日-11日的电力负荷数据进行分析,仿真结果表明,与BiLSTM、HPO-BiLSTM、EMD-BiLSTM、EMD-GA-BiLSTM和EMD-PSO-BiLSTM预测模型相比,EMD-HPO-BiLSTM预测模型的预测精度更高,拟合效果更好。

基于核主成分分析和食肉植物算法优化随机森林的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于核主成分分析和食肉植物算法(carnivorous plant algorithm,CPA)优化随机森林(random forest,RF)的风电功率短期预测方法。首先,利用核主成分分析从13个气象因素中提取出8个与风电功率相关的气象因素,将这8个气象因素输入到预测模型中。然后,利用CPA优化RF构建CPA-RF预测模型解决RF预测模型预测精度不够高的问题。最后,选取实际风电功率数据进行测试,测试结果表明,利用核主成分分析选取8个气象因素作为输入的效果要优于直接输入13个气象因素的效果,CPA-RF预测模型的预测精度高于长短期记忆网络(long short-term memory,LSTM)预测模型、双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)预测模型和RF预测模型。该方法可为提升风电功率短期预测精度提供参考。

海岛大跨越输电塔线体系风振响应及动力失稳分析

跨海输电塔线体系具有铁塔高、跨度大、风速大、恢复困难等特点,是岛屿电网的关键薄弱位置,尤其受台风等灾害天气影响严重,为进一步认识跨海输电塔线体系的风振响应特点和强风作用下的铁塔风致失稳特征,以温州洞头某线路典型跨海段(耐—直—直—耐)线路为研究对象,采用ABAQUS软件建立该跨海段两塔三线有限元分析模型。首先分析导线、裸塔及塔线体系的动力特性参数,然后开展不同风向角下的风振响应分析及位移风振系数计算,最后,采用增量动力分析方法(incrementaldynamicanalysis,IDA)模拟强风作用下考虑塔线耦合效应的铁塔非线性倒塌过程。研究表明:大跨越导线、地线对输电塔在不同风向角下的风振响应影响存在差异,0°风向角下,大跨越导线、地线增大体系的阻尼,降低风振响应;90°风向角下,大跨越导线、地线在横向风作用下产生较大面外位移,增大塔线体系的风振响应;强风作用下,输电塔斜材相较于主材更容易发生动力失稳,引起结构内力重分布,使得塔身中上部受力集中,最终导致输电塔发生渐进式倒塌。

台风灾害下电网多维韧性评估研究

近年来台风灾害频发导致电网多次发生大规模停电事故,当前电力系统韧性具有较大的不确定性和主观性问题,准确评估台风灾害下电网韧性有助于精准应对电网故障,降低电网事故经济损失。提出台风灾害下电网多维韧性评估指标体系,采用云模型(cloud modeling,CM)和模糊综合评价(fuzzy comprehensive evaluation,FCE)相结合,提出了台风灾害下电网韧性评价方法,将台风预防、过境和离境阶段相结合进行综合评估。最后针对某地实际台风灾害下电网事故进行算例分析,验证本文所述电网韧性评估指标体系的有效性和合理性。

±1100 kV特高压输电塔线体系风振响应分析

为研究角度风下长横担输电塔线体系动力响应,采用有限元时程方法分析准东—华东±1100 kV特高压输电线路单塔及塔线体系风振响应。首先,利用线性滤波法计算得到三维脉动风速场,并结合准定常理论得到单塔及输电塔线体系脉动风荷载。其次,建立单塔及输电塔线体系有限元模型,利用模态分析方法计算结构的动力特性,研究导地线及长横担结构对输电塔动力特性的影响。最后,利用有限元时程方法对单塔及塔线体系进行动力分析,研究了风向角、长横担结构及塔线耦合效应等因素对结构动力响应的影响。结果表明:长横担结构会导致扭转频率降低,扭转振型出现顺序前移;塔线耦合效应降低了塔架结构自振频率,提高了结构阻尼比;根据位移均值计算结果,最不利风向角为15°和75°;根据扭转角均方根计算结果,最不利风向角为0°;单塔顺风向响应主要受背景分量和1阶振型的影响,塔线体系还受到导地线低阶共振分量的影响,扭转角主要受扭转1阶振型影响。

面向分布式资源聚合管控的虚拟电厂建模与优化控制综述

随着可再生能源渗透率不断提高,电力系统运行灵活性不足的问题日益突出。虚拟电厂(virtual power plant,VPP)是一种融合先进通信与控制技术的分布式可控资源管理新模式,将多类型可控资源聚合为整体,对电力系统经济运行、调峰、调频、稳定控制等多方面进行支撑。从分布式资源聚合管控与运行优化视角,系统综述了VPP内涵、架构、资源聚合、运行优化等方面当前技术水平和研究现状。首先梳理虚拟电厂功能内涵与定位,总结基于端-边-网-云的分层聚合管控框架及各环节需要解决的关键技术问题;随后介绍各类资源物理建模方法及其聚合模型,并从“对外统一、对内协调”角度综述VPP内部资源优化控制及其整体参与电网互动的协同方法,总结了虚拟电厂未来的技术挑战与发展前景。

基于北方苍鹰优化算法优化长短期记忆神经网络的光伏发电功率短期预测

为提高光伏发电功率短期预测的精度,提出一种结合时变滤波经验模态分解和北方苍鹰优化算法优化长短期记忆神经网络的组合预测方法。首先,利用时变滤波经验模态分解将光伏发电功率分解成多个固有模态函数分量。其次,利用北方苍鹰优化(northern goshawk optimization,NGO)算法优化长短期记忆(long short-term memory,LSTM)神经网络隐含单元的个数、最大训练次数和初始学习率,构建NGO-LSTM预测模型。最后,把每一个固有模态函数分量都输入到预测模型中进行预测,将所有固有模态函数分量的预测结果进行叠加便可得到光伏发电功率短期预测的结果。仿真结果表明,所提的预测模型可以有效提高光伏发电功率的预测精度。

基于EBSILON的母管制热电联产系统多目标负荷优化研究

目前电厂负荷优化分配是降低发电煤耗和污染物排放、提高经济效益的重要技术手段之一。针对某“4炉2机”母管制热电联产机组,应用EBSILON仿真软件建立供电、供热的优化运行模型,将电厂历史运行数据与仿真数据进行对比,验证了模型准确性。考虑环保性和经济性,基于主观赋权法-层次分析法和客观赋权法-CRITIC法,为各优化目标赋权重,构建多目标优化体系。然后分别采用枚举法和花粉算法选取生产实时数据进行负荷优化分配计算,并利用EBSILON进行变工况计算验证。结果表明该优化方式能取得较好的节能降碳效果,可降低煤耗量约550 t/月,减少二氧化碳排放量约1139 t/月、污染物排放量约0.24 t/月,为热电联产机组的优化运行提供了一种新思路。

火-风-光多能互补系统中燃煤机组“三联改”适用性研究

基于山东省能源结构的调整现实,在不同的可再生能源渗透率场景以及核电基荷运行场景下,研究火-风-光多能互补系统中燃煤机组“三联改”适用性。基于各类型热电联产机组热力学模型,求解“三联改”热电厂的热电负荷运行域,在两种场景下进行了火-风-光多能互补系统中电力不平衡度最小的热电联产机组优化调度。结果表明,与原始热电厂相比,“三联改”后的热电厂能提供更强的顶峰发电能力与可再生能源的消纳空间。火-风-光多能互补系统中热电联产机组的最优调度结果表明,“三联改”热电厂的累计电力不平衡量始终明显低于原始热电厂。能源系统内的基荷占比越大,越不利于燃煤机组平抑可再生能源的波动性。此外,对“三联改”热电厂在应对可再生能源波动性时的最优调度策略进行研究,研究结果表明,燃煤热电联产机组“三联改”可显著平抑可再生能源高渗透率带来的波动性,提升对可再生能源的消纳能力。针对各类型机组运行特性提出的调度策略,能为山东省能源系统转型过程中燃煤机组的灵活性改造选择及优化运行提供参考。

基于模态分析的宽频带振荡区域定位研究

伴随化石能源的枯竭和我国能源转型战略的推进,新能源发电系统上网电量不断增加。电力系统“双高”特性日益显著,系统运行面临更为复杂的挑战,其中电力电子装置引发的宽频带振荡备受关注。因此,针对新能源系统宽频带振荡产生的机理,提出一种基于模态分析的宽频带振荡区域定位方法,用于新能源系统振荡频率和振荡区域定位。根据逆变器、线路阻抗和电网阻抗等系统参数,建立不同型号逆变器并联系统的高阶导纳矩阵。对矩阵进行等效变换,通过绘制模态阻抗随频率变化的曲线,得到系统可能的谐振频率。通过节点参与因子计算,定位振荡的区域。通过仿真验证,模态分析方法可以实现宽频谐振的精准频率定位和区域定位,可为新能源场站接入评估和事故定位提供依据。

计及主动需求响应的配电网有功无功鲁棒优化调度

为降低负荷出力与新能源发电的不确定性对配电网安全稳定运行造成的不利影响,建立了计及主动需求响应负荷(active demand response load,ADR)的配电网有功无功鲁棒优化模型。首先,构建了基于logistic函数的ADR模型,并且建立了以日前成本最低、系统运行维护成本最低和系统电压波动最小的多目标函数,利用层次分析法对目标函数分配权重系数。采用可调鲁棒区间模型对源荷不确定性进行描述,并引入不确定调节系数和波动系数对不确定性进行调节。基于鲁棒优化理论,建立源荷不确定性的两阶段鲁棒优化模型,并利用列与约束生成(column and constraintgeneration,C&CG)算法进行求解。经仿真验证,结果表明该模型在降低网损、减小电压波动、降低系统运行成本等方面具有很好的效果。

基于CatBoost的新型电力系统两阶段轻量化暂稳智能评估方法

随着风能等新能源大规模并网,基于数据驱动的机器学习方法在新型电力系统暂态稳定评估(transient stability assessment,TSA)中表现出了极大的优势,但其存在模型可解释性不足、内部知识无法获取的问题。针对以上问题,文中基于能避免梯度偏差问题的CatBoost模型训练电力系统暂态稳定评估模型,设计粗判与精细两阶段评估结构有效提升模型精度;使用Tree-SHAP算法对模型进行事后解释,揭示模型决策的内在逻辑,并从中获取电力系统关键影响因素;最后基于关键影响因素重新训练两阶段智能评估模型,实现模型的轻量化。IEEE 39节点系统上的仿真结果表明,所提方法在保证模型维持较高性能的前提下,有效降低模型决策特征数目。

促进用户负荷特性优化的分时电价机制设计方法

在电力供应结构和消费方式变化背景下,提出一种分时电价机制设计方法,旨在改善用户负荷特性,促进电网削峰填谷。根据工业、商业和居民三类用户的负荷分布特性,通过分层聚类方法对不同季节的峰谷时段进行重新划分,并引入深谷时段,解决原有分时电价机制时段划分不准确的问题。在满足覆盖发电成本前提下,通过减少用户用电成本与扩大峰谷价差,进一步激励用户调整用电行为,并采用量子遗传算法(quantum genetic algorithm,QGA)对时段电价制定的优化问题进行求解。通过实际算例,计算用户响应改进后分时电价机制前后的削峰量和填谷量,验证所设计的分时电价机制可以降低用户用电成本,并有效转移电网高峰时段负荷,缓解时段性、季节性的供电压力问题。

基于鹈鹕优化算法优化广义回归神经网络的电动汽车充电负荷短期预测

针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残差分量。其次,对于分解后的固有模态分量容易出现冗杂信息,利用样本熵对分解后数值相近的固有模态分量进行相加重构,降低冗杂程度。最后,考虑广义回归神经网络的预测效果与平滑因子的数值有很大关系,利用鹈鹕优化算法优化广义回归神经网络的平滑因子,进而对电动汽车充电负荷进行短期预测。仿真表明,所提出的预测方法可以有效地提高电动汽车充电负荷的预测精度,具有较高的实用性。