需求响应的园区综合能源系统优化运行方式研究

为了更好地展现园区综合能源系统中多种能源网络耦合互补、协调配合的特点,有效提高系统运行的经济性,提出了在电、热、冷、气4种网络负荷约束下考虑综合需求响应的冷热电联供型园区综合能源系统优化运行模型。首先在某园区建立电、热、冷、气4种能源网络,以及建立系统内部多种能量转换设备和储能装置的数学模型,同时考虑供热/供冷系统具有的热惯性,在此基础上,以综合能源系统建设运行成本与综合考虑价格型、激励型、替代型需求响应补偿成本之和最小为目标函数构建优化调度模型,并采用MATLAB平台中的Gurobi求解器对所提模型进行求解。通过算例分析可以得到:在能更好体现多能耦合互补特点的4种网络构成的园区综合能源系统中,综合考虑价格型、激励型、替代型需求响应的方式起到对负荷进行“削峰填谷”的作用,能更好地缓解系统高峰时期的供能压力,更有效地降低园区综合能源系统的日内运行成本,使得系统运行的总成本降低5.7%,有效提高了系统运行的经济性。

大规模交直流系统潮流计算的实用化模型

给出了一种不发散的大规模交直流系统潮流计算的实用化模型。通过在交直流潮流方程组引入一组松弛量,将常规的潮流计算转换为松弛量平方和最小的非线性规划模型。在该模型中引入不等式约束以反映运行约束及直流控制方式。采用内点法求解该模型,减少修正方程的维数,使之与牛顿–拉夫逊潮流计算修正方程具有完全相同的维数,而且修正方程的系数矩阵具有对称正定特性。采用近似最小度(approximate minimum degree,AMD)算法与改进平方根分解法来求解修正方程以提高程序计算速度。该模型具有如下特点:无需特殊的初值计算环节;能够适应具有大量小阻抗与负阻抗支路的系统;在潮流有解、潮流无解、可行域边界附近具有良好的、一致的收敛性。在6891节点含8回高压直流输电(high voltage direct current,HVDC)线路的测试系统的潮流计算中验证了所提算法的有效性和高效性。

输电网负荷恢复方案的优化计算方法

提出了一种输电网负荷恢复方案的优化计算方法。首先,将负荷恢复过程建模为序贯决策,将其分解为一系列相关的步骤,每一步允许恢复的负荷量上限由前一步总的发电机出力和各发电机运行约束共同确定。每一步的目标是在潮流约束以及考虑离散负荷增量的条件下最大化负荷恢复量。然后,将每一步的决策问题建模为一个混合整数非线性规划模型,并采用分支割平面法进行求解。集成三种割平面大幅消减了分支定界树的规模。最后,通过求解一系列的优化模型以获得完整的负荷恢复方案。通过RTS 24节点和IEEE 118节点算例证明了所提算法的正确性和有效性。

矢量化动态最优潮流计算的步长控制内点法实现

实现动态最优潮流(dynamic optimal power flow,DOPF)的矢量化计算。通过将同类型、同时段的优化变量集中排列,建立动态最优潮流的矢量化模型,并采用步长控制内点法进行求解。各时段的梯度矩阵和海森矩阵具有与导纳矩阵相关的稀疏特性,在计算过程中保持不变。通过设计稀疏矩阵结构和内存分配策略提高Karush-Kuhn-Tucker(KKT)系统的形成速度。分析爬坡约束和购电量合同约束对求解KKT系统的影响,对比测试多个优化排序算法,指出近似最小度(approximate minimum degree,AMD)和列近似最小度(column approximate minimum degree,COLAMD)算法求解该模型KKT系统具有很高的效率。对节点数从14到1040共5个测试系统12～96时段的DOPF模型进行仿真计算,验证所提算法的正确性和高效性。基于步长控制内点法的矢量化方法提高了DOPF程序的计算速度和收敛性。

广西高温天气电力供需分析及多源优化调度措施

持续高温天气下空调负荷激增已成为广西电网迎峰度夏电力供应保障的难题。通过分析持续高温天气下广西电网负荷变化特性及空调用电负荷日内增长规律、比例及未来发展态势,结合广西水、火、核、气、风、光、储能和受送电多类型电源并存结构,分析各种电力电源有效顶峰能力,探索制定源、网、储、荷多源优化调度技术措施,挖掘电力多资源电力保供潜力,实现高温天气供电能力最大化目标。实践证明,采取多源优化措施可明显增加电力保供能力,有效化解持续高温天气下电力供需失衡较大风险,确保迎峰度夏电网安全稳定运行,全力支撑社会经济发展电力需求。

含电动汽车集群的负荷频率控制联合优化方法

高比例新能源的接入使得新型电力系统存在强不确定性与惯量低的问题,对电网调频带来前所未有的挑战。V2G技术是指电动汽车(EV)和电网互联提供需求响应服务。EV集群利用V2G技术接入电网参与一次调频是缓解电网调频压力的有效途径之一,如何充分挖掘EV集群的一次调频潜力一直是电网运行所关注的重要内容。为此本文提出一种改进的平衡优化器算法(CS-EOA),以区域控制偏差ACE作为性能优化指标,将其应用于EV集群一次调频控制器参数和AGC二次调频控制器参数的联合优化,使得系统的调频性能达到最优,并引入标准EOA和麻雀搜索算法与本文所提算法进行性能对比,仿真结果证明CS-EOA能充分挖掘EV集群的一次调频潜力,有效缓解传统发电机组的调频压力。

最优潮流的原对偶内点法矢量化实现

为提高计算速度,采用矢量化技术实现最优潮流计算。通过将同类型的优化变量集中排列,建立最优潮流模型的矢量化表达形式。采用原对偶内点算法求解该模型,建立梯度矩阵及海森矩阵线性组合的矢量化计算公式。求解修正方程时,对系数矩阵进行近似处理,对修正方程系数矩阵采用LDLT算法进行分解。采用近似最小度(AMD)算法对系数矩阵进行排序,减少分解所产生的注入元。基于C/C++开发电力系统矢量运算支持库,设计动态稀疏存储策略进一步提升最优潮流程序的计算速度。对多个测试系统进行仿真计算表明:矢量化可简化最优潮流的程序逻辑并提高程序运行速度。

矢量化技术在电力系统高性能计算中的应用

将矢量化技术应用到电力系统计算中可以极大的提高程序运行速度并降低建模和算法开发的复杂程度。介绍了矢量化技术的基本原理及其在高性能科学数值计算领域的应用情况,推导了直角坐标和极坐标下潮流计算的相关矢量化计算式,说明了矢量化在电力系统建模和算法实现中的应用可行性。设计和开发了电力系统矢量化运算库,并基于该库开发了最优潮流程序,通过算例数据说明了矢量化技术能够提高计算速度。提出了矢量化电力系统程序开发的解决方案,该方案缩短了高性能计算程序的开发周期,加速了算法的实用化进程。

综合规划软件的体系结构和关键技术研究

提出了综合规划软件所包括的内容及其整体性能要求,探讨其基于网络的分布式体系结构及其统一、灵活的数据库平台以及强大的图形支持,并对其采用的关键技术和实现的功能加以说明。

基于接口描述的暂态稳定程序结构研究

组件技术和接口设计思想对电力系统分析计算程序的开发具有重要意义。针对暂态稳定分析,研究统一处理各种电力系统元件的方法,使用接口定义语言(Interface Definition Language,IDL)描述了各类元件为参与暂稳分析计算所必须实现的接口。通过对传统的面向元件对象描述的和面向接口描述的暂态稳定程序的比较,论述开发基于接口描述的分析程序对电力系统应用集成的重要作用,对电力系统核心计算软件的开发具有重要的参考意义。

基于公共信息模型的EMS/DMS/DTS一体化设计

以往国内的 EMS、DMS 或 DTS 都是独立开发的,使用它们的用户需要对不同的系统进行掌握和维护,这就严重影响了这些系统的实用性。虽然有文献提出进行调、配一体化设计的观念,但真正的 EMS、DMS、DTS 进行一体化设计还不多见,随着自动化水平的提高,这种需要变得日益紧迫。公共信息模型(common information model,CIM)作为一个通用的标准逐渐被各电力研究部门所接受。为此,作者开发了基于 CIM 的一体化 EMS/DMS/DTS,进行了EMS 和 DMS 及 DTS 在支撑平台、功能、数据结构和应用程序方面的全面一体化设计,重点介绍了该一体化系统的概念、功能和优点。与非一体化系统相比,该系统具有很明显的优势。

电力信息物理融合系统的网络-物理协同攻击

随着智能电网的发展及智能设备不断引入电力信息物理融合系统(CPPS)中,CPPS面临一种新的攻击方式--网络-物理协同攻击(CCPAS)。这种攻击方式既隐蔽又可引发连锁故障,易造成大规模停电事故。首先,阐述CPPS遭受CCPAS的基本形式,在直流潮流模型下构建考虑状态估计约束的CCPAS模型。然后,探讨CCPAS的机理,以攻击者的角度分析规避状态估计监测后最大范围的攻击,分析CCPAS情景下CPPS的脆弱线路。最后,以IEEE 14、118节点系统为例,通过仿真计算验证模型的有效性、适用性,对比分析考虑状态估计约束后物理攻击的限制。

基于统一数据平台的电网规划软件

基于统一数据平台的电网规划软件采用VisualC ++、ADO、SQLServer等通用工具开发。软件采用C S模式 ,支持多用户协同工作 ,且与负荷预测软件、电源规划软件集成于统一数据平台上。软件具有图形化操作界面和数据库管理功能 ,功能全面 ,操作灵便 。

基于Matlab的电力系统程序设计课程教学改革研究

介绍了广西大学电气工程学院利用新软件、新方法,进行电力系统程序设计课程教学、教材建设、创新学分项目设立等一系列教学改革研究和实践情况。

采用内点法的多目标低电压风险优化

随着现代电力系统的飞速发展与日趋复杂,一次故障或者扰动有可能给系统带来极大的风险。仅仅对当前潮流断面进行风险评估已无法满足安全性的要求。文中将风险理论与优化方法相结合,在以发电费用最小的最优潮流基础上,考虑对事故后低电压风险的优化控制,建立了一个多目标的优化模型,用以协调故障后系统运行的安全性与经济性;采用矢量化原对偶内点算法对该模型进行求解;选取河南某市电网作为算例,进行低电压风险优化控制的测试,分析了该电网故障后的电压安全性与运行经济性。算例测试结果与该电网运行情况相符,验证了算法的正确性与计算效率。

基于FSST和D-K聚类的次同步振荡分析

为了更准确地识别电力系统次同步振荡的模态数量和频率,以及时进行频率定位和重构,需要提高次同步实测数据的模态辨识的结果精度。针对DBSCAN聚类可以被应用于划分类簇但无法自动计算类簇中心,以及Kmeans聚类需提前确定类簇数量才能计算类簇中心的特点,提出了一种基于傅里叶同步挤压变换和DBSCAN-Kmeans混合聚类(以下简称D-K聚类)的电力系统次同步振荡分析法。模拟数值信号和IEEE次同步谐振(SSR)标准模型算例的仿真实验数据表明,FSST方法能被用于分离距离较近的相邻信号模态。通过算例分析,验证了结合FSST和D-K聚类的次同步振荡分析方法可以避免FSST方法无法自动获取模态的缺陷,且参数辨识结果有较高的精度。

基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解

非侵入式负荷分解(non-intrusiveloaddisaggregation,NILD)是通过对总电气量分析得到用户家中各电器设备的能耗数据,该数据为节能、需求响应及公共安全等方面提供重要依据。目前,NILD算法存在因设备启停状态识别准确率低导致负荷分解精度低的问题。为此,该文提出一种基于设备启停状态识别改进因子隐马尔可夫模型(factorialhidden Markov model,FHMM)的NILD方法。首先,通过人工少数类过采样法(syntheticminorityover-samplingtechnique,SMOTE)对训练数据做重采样处理、深度神经网络(deep neuralnetwork,DNN)模型提取启停状态特征以及双向长短时记忆网络及条件随机场(bidirectionallongshortterm memory-conditionalrandomfield,Bi LSTM-CRF)模型提升其对不平衡启停状态的识别能力;然后,将设备启停状态组合模块按照数理组合方法划分数据集,形成若干启停状态组合子数据集,并分别对各子数据集中处于启状态的设备建立FHMM进行负荷分解;最后,在公开数据集每分钟电力年鉴数据集(the almanac of minutely power dataset,AMPds)进行实验,该文算法得到的设备负荷分解平均精度比传统FHMM方法提升了3.8倍,验证了所提方法的有效性和准确性。

基于矢量化运算模式的电力系统潮流计算

通过把电力系统潮流方程的求解转化为一个新的非线性规划模型的求解,解决了病态系统潮流计算发散的问题,为给定条件下的潮流计算是否有解提供了一个新的判断途径。利用牛顿法获得具有对称不定系数矩阵的修正方程后,采用AMD算法对系数矩阵进行排序,并采用LDLT算法进行求解,提高了修正方程的求解速度。整个潮流计算模型以矢量化形式表达,简化了程序复杂度,提高了代码的通用性和易维护性。对节点数从118到703共3个测试系统进行了仿真计算,结果验证了文中所提方法的正确性。

基于超参数优化和双重注意力机制的超短期风电功率预测

高精度的风电功率预测在电力系统的安全稳定运行和能源系统的优化配置中至关重要。为了从多维风电历史数据中提取隐藏信息,准确选择与预测目标高度相关的高维特征,克服时间序列的短时记忆问题,提出了一种以卷积神经网络-双向长短时记忆网络(convolutional neural network and bidirectional long short term memory network,CNN-BiLSTM)为基础模型,结合双重注意力机制和贝叶斯优化算法的风电功率超短期预测模型。首先,为了自主挖掘输入特征与风电功率之间的数据关联,进一步突出重要特征影响,在常规的CNN架构上增加注意力机制,构建特征注意力模块;然后在BiLSTM网络输出端引入注意力机制形成时间注意力模块,增强BiLSTM网络的长时记忆能力,加强重要历史信息的影响;最后,采用贝叶斯优化算法优化所提模型的超参数,选取最优超参数,发挥模型最佳性能。以中国西北某风电场实际数据进行验证,模型的单步预测精度达到95.58%。多步预测结合数值天气预报信息实现4 h前超短期预测,其精度达到90.44%。实验结果表明所提基于超参数优化和双重注意力机制的预测模型相比其他模型具有更高的预测精度。

基于传感器网络与高斯过程回归的楼宇负荷预测

建筑电力能耗的准确预测不仅对配电网运行的经济性和安全性具有重要作用,而且对建筑节能方案的制定也有参考意义。由于楼宇负荷受多种因素的影响,预测精度难以大幅提高。为了提高楼宇负荷预测的准确度,提出了基于传感器网络与高斯过程回归的楼宇负荷预测方法。首先,通过基于超宽频雷达的人员存在检测传感器网络对室内的建筑占有率进行检测,并将建筑占有率作为负荷预测模型的特征之一。其次,构建高斯过程回归模型,利用其拟合出负荷与相关影响因素的非线性函数,并基于采样的近似推断算法推断出模型的超参数最大后验估计值,进而提高短期负荷预测准确度。最后,通过对比不同协方差函数的高斯过程回归模型的预测效果,甄别出最优协方差函数,进一步提高预测精度。通过算例分析可知:采用所提方法比未考虑建筑占有率的传统高斯过程回归方法的平均绝对百分比误差降低了9.68%,验证了所提方法的有效性和准确性。