基于PPO算法的CIES低碳优化调度方法

阶梯式碳交易机制以及优化调度模型求解算法是进行园区综合能源系统(community integrated energy system,CIES)优化调度的重要因素,现有文献对这两个因素的考虑不够全面。为此,文中在考虑阶梯式碳交易机制的基础上,提出采用近端策略优化(proximal policy optimization,PPO)算法求解CIES低碳优化调度问题。该方法基于低碳优化调度模型搭建强化学习交互环境,利用设备状态参数及运行参数定义智能体的状态、动作空间及奖励函数,再通过离线训练获取可生成最优策略的智能体。算例分析结果表明,采用PPO算法得到的CIES低碳优化调度方法能够充分发挥阶梯式碳交易机制减少碳排放量和提高能源利用率方面的优势。

新能源消纳与用户侧响应主从博弈的配电网智能软开关选址策略

分布式电源接入配电网后,配电网调控能力不足导致新能源消纳水平低、用户支出经济性指标差,提出一种新能源就地消纳和用户支出主从博弈的配电网智能软开关选址策略的嵌套模型和方法。外层建立以新能源渗透率最大、电能质量指标最佳且计及传统调控手段的模型结构;内层考虑新能源用户消纳的分时电价、储能装置充放电成本和日运行费用因素,构建能满足用户支出成本最低的需求响应模型。调用CPLEX求解器求解混合整数非线性规划模型,用户侧与配电网侧模型通过反复博弈优化决策变量,主从博弈内层优化采用改进粒子群优化算法加快收敛速度。以改进的IEEE 33节点系统为算例进行分析,验证了所提智能软开关选址策略的有效性。

考虑EV充放电意愿的园区综合能源系统双层优化调度

随着电动汽车(electric vehicle,EV)普及度的不断提高,工业园区内的EV用户日益增多,其充放电行为给园区综合能源系统(park integrated energy system,PIES)的规划运行带来极大挑战。文中提出考虑EV充放电意愿的PIES双层优化调度。首先,基于动态实时电价、电池荷电量、电池损耗补偿、额外参与激励等因素建立充放电意愿模型,在此基础上得到改进的EV充放电模型;然后,以PIES总成本最小和EV充电费用最小为目标建立双层优化调度模型,通过Karush-Kuhn-Tucker(KKT)条件将内层模型转化为外层模型的约束条件,从而快速稳定地实现单层模型的求解;最后,进行仿真求解,设置3种不同场景,对比所提模型与一般充放电意愿模型,验证了文中所提引入EV充放电意愿模型的PIES双层优化调度的有效性和可行性。

基于组合赋权-VIKOR的电能质量综合评估

针对大量高渗透率的分布式电源接入配电网导致的电能质量恶化问题,提出了一种基于组合赋权和多准则妥协解排序(VIKOR)法相结合的电能质量评估方法。首先,根据现有标准和工程实际情况,从幅值质量、波形质量和频率质量3个维度建立电能质量综合评估体系。其次,考虑到传统的9标度层次分析(AHP)法存在的缺陷,采用3标度对AHP法进行改进从而得到主观权重;为了避免单一赋权方法的不足,将熵权法中的熵值与指标相关法(CRITIC)中的信息量相结合得到客观权重,该方法统筹考虑了指标间的离散程度、相关度和对比度,并采用Lagrange乘子法将主客观权重进行结合。然后,采用VIKOR法得到各电能质量指标的综合评价值并对其进行优劣排序。最后,利用某地区的5个监测点所采集的电能质量各指标数据进行实例分析并与其他评价方法进行对比分析,验证了所提方法的可行性。

基于二维时频谱图与改进YOLOv5的电能质量扰动识别

随着新型电力系统中新能源渗透率逐渐升高,电网结构复杂性增加,PQD(电能质量扰动)呈现多样化和复杂化的趋势。为实现电能质量扰动的精准识别,提出一种基于二维时频谱图与改进YOLOv5的电能质量扰动图像识别的方法。首先,利用S变换将PQD数据映射成二维时频谱图,通过图像来表征时间、频率和幅值的扰动细节特征;然后,搭建引入ASPP(空洞空间卷积池化金字塔)结构和注意力机制的YO-LOv5训练网络,扩大特征图的感受野以充分提取扰动图像特征,进而以图像识别方法实现PQD分类识别;最后,利用仿真数据进行扰动识别准确率和鲁棒性的验证。结果表明,该方法的识别准确率较高,且图像识别法的引入有助于PQD识别结果的可视化。

基于二次型迭代逼近法的电力系统电压鞍结分岔点识别

为实现负荷增长过程中电力系统鞍结分岔点(SNB)的快速准确识别,提出一种直接计算电力系统电压崩溃点的二次型迭代逼近方法,基于系统中PQ节点输出的PV曲线为近似二次型的特点,在节点功率平衡方程中引入负荷增长参数,运用复合函数求导法则就功率方程进行两次求导,理论推导节点电压对负荷参数的一阶、二阶导数表达式,由此确定PV曲线二项式,依靠顶点坐标确定电力系统鞍结分岔点的初始位置,经多次迭代收敛逼近电压崩溃点。所提方法避免了连续潮流法的多次潮流计算,可显著降低计算量。以IEEE 14,IEEE 118节点系统进行仿真验证,证明了该方法的有效性,相较增补P’Q节点法及戴维南等值法,二次型迭代逼近法具有较高的计算效率和鲁棒性。

基于SCG优化SSAE-FFNN的电能质量复合扰动深度特征提取与分类

随着智能电网的发展,电能质量问题已遍布电网并威胁着电网的安全稳定,且电能质量监测数据日渐庞大,因此实现大规模系统中电能质量扰动(power quality disturbances,PQDs)的深度特征提取及智能分类识别对电力系统污染检测与管理具有重要意义。为此,文中提出一种基于堆叠稀疏自编码器(stacked sparse auto encoder,SSAE)和前馈神经网络(feedforward neural network,FFNN)的电能质量复合扰动分类方法。首先,基于IEEE标准构建PQDs仿真模型。然后,建立基于SSAE-FFNN的PQDs分类模型,并引入缩放共轭梯度(scaled conjugate gradient,SCG)算法对模型进行优化,以提高梯度下降速度和网络训练效率。接着,为有效降低堆叠网络的重构损失同时提取出深度的低维特征,构建SSAE的逐层训练集及微调策略。最后,通过算例分析验证文中方法的分类效果、鲁棒性、泛化性和适用场景规模。结果表明,文中方法能够有效识别电能质量复合扰动,对含误差扰动和某地市电网的21组实测扰动录波数据也有较高的分类准确率。

计及SOP损耗的交直流配电网三相区间状态估计

随着分布式电源及智能软开关(SOP)等新型设备投入配电网运行,需要对交直流配电网进行精确的状态估计。首先构建了交直流配电网的区间状态估计模型,考虑三相不对称性与交直流之间的耦合;其次,为计及SOP的损耗,增设SOP两侧支路电流作为状态变量,完善了区间状态估计中的雅克比矩阵;最后采用基于迭代运算的线性规划方法进行区间状态估计。在修改IEEE33节点算例上进行仿真,结果表明所提方法能保证计及SOP损耗的状态估计结果的准确性。

考虑用户充电行为和光伏不确定性的光储充电站储能容量优化配置

“双碳”背景下,PSCS(光储充电站)逐渐成为EV(电动汽车)充电站的主流形式。为解决PSCS光伏发电和用户充电行为的不确定性问题,同时保障PSCS的盈利,提出一种考虑EV用户行为和光伏不确定性的PSCS储能容量优化配置方法。首先,采用改进K-means算法对光伏出力数据进行聚类,构建典型光伏出力场景及其概率分布规律。其次,分析EV的充电行为特性,计及环境温度变化对EV耗电量的影响,建立EV充电负荷模型。最后,考虑需求响应,建立以购电成本、碳排放成本、售电收益等为目标函数的经济运行模型。算例分析结果表明,在进行PSCS储能容量配置时考虑光伏出力不确定性和需求响应,能够减少碳排放量并保证PSCS的经济效益。

考虑绿证交易及碳排放约束的含风光储微网低碳优化调度

在“双碳”战略背景下,为进一步降低微网的碳排放和促进风光消纳,提出一种考虑绿证交易及碳排放约束的含风光储微网低碳优化调度策略。以微网系统整体运行成本最小为目标,在微网系统运行约束中考虑绿证交易情景并引入碳排放成本,建立考虑绿证交易及碳排放约束的含风光储微网低碳优化调度模型,采用MATLAB YALMIP工具箱和Gurobi求解器进行仿真求解。仿真结果表明,该模型可有效降低系统的经济成本和碳排放量,同时兼顾了环境效益,为微网低碳调度提供了一种有效手段。

基于LC-GAN的电力碳排放数据异常检测方法

针对目前电力碳排放数据存在的坏数据虚假注入问题,提出一种基于生成对抗网络的电力碳排放数据异常检测方法。首先构建面向时序数据的改进生成对抗网络,引入双层长短期记忆网络,深入挖掘时序数据的内在联系;再通过生成对抗网络改进模型的生成器和判别器的共同打分,判别电力碳排放数据异常值;最后在华东某省碳排放监测平台进行电力碳排放数据测试。结果表明,基于生成对抗网络改进模型的电力碳排放数据异常检测方法对抗训练稳定、损失函数收敛速度快,检出率为87.5%,针对电力碳排放时序异常数据检测的准确度较高。

基于主从博弈的智慧园区电价策略及用能优化

针对传统园区用电用户友好互动性不足、缺乏市场价格机制引导问题,提出基于主从博弈的智慧园区电价策略及用能优化方法.首先分析智慧园区电能设备主要构成及用能行为;然后以园区为主体、用户为从体,提出基于主从博弈的用能优化调控方法,构建基于价格机制的运营模型,通过电价激励用户调整能源消耗,改善园区与用户的相互合作与互动,促进园区内清洁能源的消纳;最后采用YALMIP调用CPLEX进行模型求解.仿真测试结果验证了本文模型的有效性和经济性.

基于SVM级联决策树的复合电能质量扰动识别

针对双重及以上复合电能质量扰动特征重叠和识别困难的问题,提出了一种基于支持向量机(Support vector machine,SVM)级联决策树的电能质量复合扰动分类识别方法。首先,基于S变换提取的扰动初始特征,针对电压暂降、谐波、电压中断等7种单一扰动构建多个二分类SVM;然后通过SVM的二分类统计学习进行扰动蕴含特征的重构,以降低复合扰动的特征重叠;最后利用新构建的复合扰动特征,结合CART决策树的二分离散特征处理,实现SVM级联决策树的复合电能质量扰动多分类识别。仿真试验表明,所提方法可有效降低复合扰动下特征重叠程度,有较强的抗噪性,能准确识别包括双重及多重复合的21种电能质量扰动。

基于SA-SAE的配电网故障分类方法

准确识别故障类型是配电网故障处理的首要任务。基于特征融合和自注意力机制,提出了一种具有强抗噪声能力和高泛化水平的配电网故障分类方法。利用S变换构造故障信号的时频矩阵,对其进行奇异值分解提取频域特征量,与表征波形形态特征相关性的时域特征量相融合组成时频域特征量。将特征量输入稀疏自动编码器,引入自注意力机制提高特征提取能力,最终完成故障分类识别。仿真结果表明,所提方法在不同故障位置、故障相角和过渡电阻条件下可实现对配电网故障类型的较高正确率识别,且在噪声干扰、中性点运行方式发生变化情况下具有良好的应用适应性。

基于Paillier同态加密的电力交易数据加密方案

针对电力市场在交易过程中存在的数据交互安全性问题,提出一种基于Paillier同态加密的电力交易数据加密方案。分析电力交易业务流程和数据传输特征,结合Paillier算法同态特性,进行电力交易数据的“一次交易数据密文+公钥”二次加密以提高数据交互的安全性。通过试验,验证方案的效率和加解密正确率等性能,并进行对比分析。结果表明,方案能有效保障数据完整性和安全可靠传输。

基于生成对抗网络的电能质量扰动数据增强方法

针对当前电能质量扰动自动识别受样本集的规模和质量影响较大及扰动数据匮乏的问题,提出一种在二维尺度上结合深度卷积生成对抗网络(deep convolutional generative adversarail networks,DCGAN)对电能质量扰动数据进行增强的方法。将典型扰动二维图像数据作为输入,以提高数据特征提取能力,再通过深度卷积生成对抗网络不断生成优化扰动数据,并选择验证集上取得最高AUC值的增强数据集进行电能质量扰动的识别测试。在某电网公司提供的真实数据集上进行测试,结果表明:基于DCGAN数据增强方法能生成较大规模、高质量的数据,在网络训练速度及电能质量扰动识别的准确率上有明显提升。

基于卡尔曼滤波状态估计的输电线路故障测距

为提高在外部复杂条件下线路故障测距精度,提出一种基于自适应卡尔曼滤波(adaptive kalman filtering,AKF)状态估计的输电线路测距方法。首先分析短路时电压信号特性,建立状态变量为基波与各次谐波的状态空间模型;然后用AKF实现状态估计,通过对谐波分量进行行波检测分析,确定行波抵达终端的时刻,并结合双端测距法确定故障距离;最后通过在三节点环网进行仿真分析,验证所提方法在不同故障条件下故障测距的有效性。在不同故障距离与强度噪声情况下,均能精确测量出故障点在线路上的位置。

计及用户行为决策的电动汽车负荷时空分布建模

发展电动汽车是实现“双碳”战略的重要手段,开展电动汽车充电特性及充电负荷有序调控研究具有重要意义。因此提出了计及用户行为决策的电动汽车充电负荷时空分布建模方法。首先,通过引入后悔理论模拟用户的充电行为决策。其次,结合出行链理论和后悔理论,对电动私家车出行行为的随机性和灵活性及充电负荷的时空不确定性进行出行特性建模。最后,结合美国交通部2009NHTS居民出行调研统计数据,运用蒙特卡洛方法建立电动汽车充电负荷时空分布模型。仿真结果验证了所提模型的合理性和有效性。

基于改进灰色关联分析的变压器故障识别

提出了一种新的基于改进灰色关联分析的变压器故障识别方法。在研究讨论了传统灰色关联分析理论的基础上,提出了群灰色关联度概念,并给出了它的计算方法。同传统的灰色类关联分析相比,该改进灰色关联分析具有两个优点:①提高灰色关联分析的准确性和可靠性;②降低了对单个参考信号的依赖性,扩大了灰色关联分析的应用范围。最后将该方法应用于变压器故障识别。识别结果显示,改进的方法比传统的灰色关联分析效果更佳、更可靠。该方法还可以广泛地应用于其他领域。

基于S变换和多级SVM的电能质量扰动检测识别

提出了一种基于S变换和多级支持向量机(SVMs)的电能质量扰动检测和识别方法。首先通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动的检测输出。然后对检测输出进行时频特征提取,并通过一个N?1级支持向量机器分类器,最后实现N种电能质量扰动信号的分类识别。测试结果表明,该方法能有效识别参数大范围内随机变化的各种电能质量扰动,识别正确率高,且训练时间很短,实时性能好。