基于分层约束强化学习的综合能源多微网系统优化调度

构建多微网系统是消纳可再生能源、提升电网稳定性的有效方式。通过各微网的协调调度,可有效提升微网的运行效益以及可再生能源的消纳水平。现有多微网优化问题场景多元,变量众多,再加上源荷不确定性及多微网主体的数据隐私保护等问题,为模型的高效求解带来了巨大挑战。为此,该文提出了一种分层约束强化学习优化方法。首先,构建了多微网分层强化学习优化框架,上层由智能体给出各微网储能优化策略和微网间功率交互策略;下层各微网以上层策略为约束,基于自身状态信息采用数学规划法对各微网内部的分布式电源出力进行自治优化。通过分层架构,减小通信压力,保护微网内部数据隐私,充分发挥强化学习对源荷不确定性的自适应能力,大幅提升了模型求解速度,并有效兼顾了数学规划法的求解精度。此外,将拉格朗日乘子法与传统强化学习方法相结合,提出一种约束强化学习求解方法,有效地解决了传统强化学习方法难以处理的约束越限问题。最后通过算例验证了该方法的有效性和优势。

考虑多重不确定性与电碳耦合交易的多微网合作博弈优化调度

双碳背景下,构建低碳运行的能源系统是实现“双碳”目标的重要方向与实施路径。为了促进多微网系统内部能源的本地消纳以及低碳经济运行,该文对不确定性环境下多微网系统的合作运行及电碳耦合交易展开研究。首先,对于每个微网,构建了电转气碳捕集系统相耦合的热电联产运行模式,基于地方碳交易市场和阶梯碳交易机制,提出了多能源微网的低碳运行模型;其次,考虑到新能源发电和电力市场电价都存在不确定性的实际情况,采用机会约束和鲁棒优化的方法,以降低不确定性影响;再次,基于纳什谈判理论,建立了多个微网电碳耦合的合作博弈模型,各微网主体可同时参与到上级能源市场和地方能源市场中进行电能和碳排放配额的交易;最后,将非凸的合作博弈问题分解为两个线性可求解的子问题,进一步采用交替方向乘子法对问题进行求解。通过算例验证,该文所提方法可以有效提升各微网经济效益并减少碳排放。

基于双重博弈的电价套餐设计方法

在“双碳”目标背景下,新型电力系统的调节能力面临新的重大挑战,用户侧灵活资源作为发电调度的重要补充,越来越受到国内外广泛关注。根据居民用户用电特点及行为差异制定需求响应策略可在提升用户参与响应的积极性的同时,有效促进电力资源合理配置。提出了一种基于双重博弈的电价套餐设计方法,将售电公司与居民用户间的利益冲突构建为主从博弈模型,进而根据居民用户聚类结果构建不同用户的套餐选择与响应行为的演化博弈模型,有效解决用户侧多主体决策优化问题。最后,算例结果证明了所提方法的可行性,该方法能够通过设计电价套餐引导用户进行灵活的套餐选择并改变用能行为,兼顾削峰填谷与低碳排放的目标。

专题主编寄语 面向新型电力系统的新一代人工智能应用技术

近二十年来,人工智能技术的不断发展为提升能源变革下的电力系统感知和决策能力提供了新手段。随着新型电力系统建设,大规模新能源并网、多元产销主体涌现以及电碳市场紧密耦合,电力系统将呈现出更为复杂的多元性、随机性和非线性,传统人工智能技术在复杂、开放环境下的适应性和泛化性不足、决策可行性存疑、高度依赖于训练样本以及可解释性缺乏等缺陷将严重阻碍人工智能技术在新型电力系统的可用性。结合混合增强智能、群体智能、可解释机器学习、图计算与推理、元学习与小样本学习等创新理念的新一代人工智能有望成为消弭传统人工智能不足、支撑新型电力系统感知与决策的核心技术。

采用有限差分求解高压直流输电线路空间离子流场的新方法

针对高压/特高压直流输电线路空间离子流场及合成电场进行计算,基于P.Sarma Maruvada等人提出的沿电力线弧长坐标求解空间离子浓度的模型,建立变系数微分方程组及其边界条件。对于微分方程组的求解,提出采用有限差分方法,将原微分方程组转化为非线性代数方程组进行求解。该方法降低了方程求解难度,提高了计算速度,并适用于单极性和双极性空间离子流场的求解。

采用区域分解法与高阶单元的交直流同塔线路混合电场计算

交直流线路同塔架设运行是解决电力输送时部分地区通道紧张问题的一种有效解决方案,电磁环境是其可行性分析中的一项重要问题。基于稳态求解方式,采用区域分解法对整个区域分块求解。在导线附近的区域利用2阶三角单元计算以提高电场求解的精度,在远离导线附近的广大区域则采用1阶单元,通过D-N交替法实现各子区域的耦合计算。此外,基于导线电晕的U-I特性曲线,提出一种新的导线表面离子密度更新策略,通过电压而非电场强度修正离子密度,导线表面电场强度直接服从Kaptzov假设。仿真结果与以往结果进行了对比,验证了算法的合理性和有效性。计算结果表明,采用基于区域分解的稳态求解方式可以用于快速预测交直流同塔线路的地面混合电场直流分量。

一种消除Deutsch假设的高精度迭代特征线方法求解高压直流输电线路离子流场

通量线法是求解直流线路离子流问题广泛应用的一种方法,其计算误差主要来自Deutsch假设。该文基于通量线(或称特征线)基本理论,提出一种高精度迭代特征线法。通过迭代计算,在每一步采用新的电场分布重新绘制特征线,逐步修正特征线的方向,从而使特征线法不再依赖于Deutsch假设。结果表明,与传统通量线法相比,迭代特征线方法在求解地面电场与离子、空间离子流分布、通量守恒性及电晕损耗方面均有明显改善。另外,还对两种传统通量线法边界条件的施加方式进行了误差比较与讨论。

有屏蔽线时特高压直流输电线路地面电场与离子流场计算与分析

安装屏蔽线是限制特高压直流线路地面电场与离子流的一种有效措施。由于空间电荷的存在,屏蔽线的表面电场强度会被明显增强,因此需要通过合成电场而非标称电场判断屏蔽线的电晕情况。采用区域分解法对屏蔽线的屏蔽效果进行定量分析,在计算迭代过程中判断屏蔽线电晕的变化情况,考虑了屏蔽线电晕对于离子流场的影响。分别采用通量线法、不考虑电晕的有限元法和文中方法对地面电场与离子流进行预测,与实验缩尺模型测量结果进行对比,并对不同方法的计算差异进行比较分析。结果表明,屏蔽线电晕产生的异极性电荷会与极导线产生的离子流发生复合,且产生的地面场强方向与原电场方向相反,从而增强其对地面电场的屏蔽效果,计算方法中应当考虑屏蔽线的电晕效应。之后,针对一条典型的?800 k V特高压直流线路,分析了屏蔽线的布置方式对屏蔽效果的影响。

横向风对特高压交直流混合线路地面电场与离子流场分布特性的影响

在有风条件下,特高压直流与交流并行线路的空间离子流场除受直流电场与交流电场的共同影响以外,还会在横向风力作用下进行新的迁移运动,进而改变地面混合电场的分布特性。采用区域分解法求解横向风存在时的混合场问题,对方法的边界条件和计算流程均进行了改进。结果表明,处于直流线路下风区的直流电场分量横向衰减速率随着风速的增加明显变缓,而上风区的直流电场大幅减小。因此,风速对于混合电场分布的影响程度与交直流线路的相对位置有关。对于同走廊线路,当交流线路处于直流线路下风区时,横向风明显增强了交流线路附近区域内直流分量;而当交流线路处于上风区时,即使风速很小,交直流线路之间的走廊内直流分量也会基本衰减至标称电场。对于同塔线路,由于交直流电场各自的部分特点,横向风不会增强交直流分量的叠加效果。

面向区域能源互联网的边云协同架构及其优化策略研究

现有区域能源互联网(regional energy internet,REI)呈现出多维度、多主体的运行特征,若采用传统集中式云端服务架构,系统易引发高延迟、云爆炸等问题。为此,提出一种边云协同架构及其优化策略。首先,建立REI的数学模型;其次,以REI为分布式边缘控制单元,建立含云服务层、边缘服务层、设备层的REI边云协同架构,以实际工作量分配计算任务;然后,综合考虑系统多方利益主体博弈关系,设计云服务层、边缘服务层优化策略;最后,在此基础上,为提升紧急情况下系统恢复运行的速度,提出一种应急处理方法。通过两种多REI算例测试,结果表明:与传统云端服务架构相比,所提架构在计算速度、应急处理速度方面具有显著优势;所提优化策略能够有效提升REI的运行收益。

人在回路的电网调控混合增强智能初探:基本概念与研究框架

大电网是典型的复杂系统,具有开放性、不确定性、脆弱性及多因素高度耦合等特征,随着我国新型电力系统的逐步建设,整个系统的规模和复杂性达到前所未有的高度。传统电网调控难以适应在新形势下大电网安全稳定运行面临的严峻挑战,需要引入人工智能技术,以提升分析和决策的效率和效果。为降低人工智能存在的应用风险、促进人工智能的能力进化,提出人在回路的混合增强智能电网调控的基本概念与研究框架,以及混合增强需要遵循的主要原则与总体研究思路。在此基础上,探讨人机任务分配、人机可解释交互、人类可介入学习、多人机协同以及混合智能趋优进化等关键技术,提出相应的研究方案和需要突破的难点,并设计人机协同混合增强调控的应用场景,为开展人在回路混合增强智能调控的系统性研究奠定基础。

面向电力系统智能分析的机器学习可解释性方法研究(二):电网稳定分析的物理内嵌式机器学习

将知识融入机器学习模型是提升算法可解释性与计算性能的重要途径之一。针对电力系统运行的稳定分析问题,提出一种新的物理内嵌式机器学习框架与方法,将描述故障动态过程的微分-代数方程作为先验知识,引导神经网络模型训练。相比于完全依赖数据的通用机器学习方法,物理内嵌式机器学习直接模拟物理过程,通过数据背后所蕴含的物理方程来约束机器学习决策空间,并输出故障后的动态曲线,结果物理含义与可解释性更强。同时,物理内嵌模式也大幅降低了模型训练对海量数据的依赖,为小样本学习及以及模型向真实系统迁移应用过程中的参数辨识提供一种新的思路。

采用通量线-有限元混合方法求解有风条件下直流输电线路离子流场

直流输电线路电晕产生的空间电荷在直流电场力的作用下形成离子流,会显著增强地面电场强度。结合通量线法和有限元法各自的特点,提出一种混合方法求解离子流场,在分裂导线周围的区域采用通量线法,在远离导线的区域采用有限元法,各区域之间采用D-N交替法进行耦合计算。一方面,仅在导线周围采用通量线法,避免了通量线法在全空间由于Deutsch假设产生的误差,并且可以考虑风速影响;另一方面,分裂导线周围不需要网格剖分,能够有效减少有限元网格节点数量,提高有限元计算效率。同时通量线法能够为有限元法提供交界面的初始值,耦合迭代在较少步数内即可收敛。计算结果与实验结果吻合较好,求解效率得到提高。最后,采用该方法对±800 kV与±500 kV直流同塔双回线路地面电场强度与离子流密度进行了预测分析。

交直流同塔多回输电线路导线布置方式与走廊宽度研究

交直流同塔线路混合电场是决定导线对地高度和走廊宽度从而进行线路优化设计的重要因素。由于其地面横向分布是交流分量和直流分量共同作用的结果,因此其分布特性与两者的叠加和分布特点有着密切的联系。以两回330 k V、750 k V交流线路分别与单回?1100 k V直流线路同塔架设为例,分析了交流线路在不同布置方式与相序排列方式下地面混合电场的分布特性与规律,并据此计算了导线对地最小高度和走廊宽度。结果表明,根据混合电场交、直分量的横向衰减特性,从走廊中心向外,地面混合电场可分为交流分量占主导的"交流区",交、直流分量比例相当的"混合过渡区"以及直流分量占主导的"直流区",为保证地面交、直流分量"错峰"布置,两回交流线路应采用垂直或倒三角排布方式,此时导线最小对地高度按照交流线路单独运行时的情况设计即可。当交流为750 kV线路时,走廊宽度主要由交流电场控制;交流为330 kV线路时,走廊宽度则由交直流电场分量共同控制。最终推荐采用垂直排布的相序6和倒三角排布的相序4两种布置方式。

快速计算架空与水平双层大地埋地导体间互阻抗的矩函数方法

架空导体和水平分层大地中埋地导体之间的互阻抗是众多电磁兼容问题分析的基础,该阻抗表达式为含无穷上限的高振荡复积分。提出了一种采用矩函数方法快速计算该积分的方案,将互阻抗积分表达式分割为定积分和含有无穷上限的尾积分,并分别采用合适的方法予以快速计算。对于其中的定积分部分,首先采用样条函数拟合被积函数,此时,定积分部分可用矩函数解析表示;对于含有无穷上限的尾积分,将积分核用其渐进函数代替,该渐进积分核函数可采用指数积分表示。由于矩函数采用解析式计算,本文方法完全避免了振荡积分的计算,是一种高效的计算高振荡积分的方法。本文方法可以用于电磁兼容或者电磁暂态问题中涉及的架空导体和埋地导体之间互阻抗的计算。

试论马克思关于“阶级斗争动力模式”和“科学技术动力模式”的逻辑演进

试论马克思关于“阶级斗争动力模式”和“科学技术动力模式”的逻辑演进乔骥阶级斗争是阶级社会发展的直接动力，是“推动社会前进的巨大杠杆”，①这是马克思在自由资本主义时期深刻分析了自阶级社会产生以来人类社会的固有矛盾之后得出的科学论断，阶级斗争学说是马克思...

±1100kV直流与双回330kV交流同塔导线布置方式研究

1前言 随着国家“西部开发”、“西电东送”战略的实施，河西走廊通道内密集分布着电力线路、铁路、高速公路、油气管线等各种设施，廊道拥挤，已建的哈密-郑州±800kV直流线路、正在建设的准东-华东送出±1100kV．规划建设准东-成都±1100kv直流输电线路工程及多条750kV、330k、他将从此通过，因此有利用已有的330kV通道，采用110kV与330kV同塔多回输电技术是解决河西走廊电力通道问题的有效手段。

人工智能技术在新能源功率预测的应用及展望

构建新型电力系统是实现我国“双碳”战略目标的主要举措之一,风力发电和光伏发电作为两种最具代表性的新能源,其波动性和随机性给电网安全和新能源消纳带来了重大挑战,新能源功率预测是降低其随机性影响的核心关键技术。近年来,随着大数据技术和以深度学习、强化学习为代表的新一代人工智能(artificial intelligence,AI)技术在诸多领域的成功应用,其在新能源功率预测方面的应用仍有方兴未艾之势。首先该文论述AI技术在新能源功率预测应用的理论基础,并对AI技术在风电和光伏功率预测方面的应用进行系统总结,包括数据增强和特征构建等多种数据处理技术的应用,传统机器学习算法、深度学习算法以及组合算法在模型构建方面的应用,以及进化算法、群智能优化算法、强化学习等多种智能优化算法在模型训练和超参数优化方面的应用。然后,对当前相关文献进行统计分析,并基于新能源预测大赛结果和实际预测系统调研情况,对当前学术界研究热点和趋势、产业界模型应用情况进行对比和分析。最后,对当前新能源功率预测在场景自适应、小样本学习、数值天气预报系统(numerical weather prediction,NWP)数据时空分辨率、分布式新能源预测等方面存在的一些问题进行剖析,并对采用强化学习、元学习、图神经网络(graph neural network,GNN)等多种AI技术解决相关问题的前景进行展望。

基于人工智能技术的新型电力系统负荷预测研究综述

在“双碳”目标的驱动下,构建以新能源为主体的新型电力系统是促进现代电力系统低碳转型发展的重要前提与必然趋势。由于复杂易变的多元负荷是新型电力系统的重要组成部分,因而负荷预测对于新型电力系统的规划、运行、控制以及调度具有十分重大的意义。在此背景下,首先对电力系统负荷预测进行了简要概述;其次,针对新型电力系统负荷预测的新特征与新挑战,详细阐述了当前数据驱动的人工智能技术在负荷预测各个场景中的应用现状;然后,分别从数据和模型2个角度,深入分析了目前基于人工智能技术的负荷预测方法存在的问题与不足;最后,针对基于人工智能的新型电力系统负荷预测技术面临的挑战,对未来关键的技术研究方向进行了展望,并总结了相关重点研究场景,以期对“双碳”目标下的新型电力系统的发展提供具有建设性意义的参考。

电力人工智能技术理论基础与发展展望(一):假设分析与应用范式

人工智能(artificial intelligence,AI)正在成为构建“双碳”目标下新型电力系统的重要支撑技术。当前,人工智能在电力行业不同场景应用过程中表现出了不同的适用性与性能水平,这既源于人工智能算法本身的基础假设与固有局限,也源于电力系统不同应用场景的需求。针对以上问题,总结提出4种电力人工智能应用范式,即深度连接、符号知识、行为强化与集成智能,分析其核心算法的基础假设及因假设所带来的局限,匹配适用的电力应用场景特征与需求,并梳理目前性能表现较好的具体算法及相应技术指标。进一步,指出当前电力人工智能发展存在的共性技术瓶颈,即可信伦理、数据分布与进化迁移等。针对以上技术瓶颈,提出数据知识融合驱动机制、平行互动机制以及模型进化机制等3种解决机制。在后续文章中将详细剖析这3种机制,提出更加系统化的电力人工智能技术发展模式,以有效提升电力人工智能的自组织、自协同、自学习与自进化能力。