计及灵活性与可靠性的综合能源系统优化调度

高比例可再生能源不断并网使得系统的不确定性问题日益突出,对系统的供能能力和响应能力均提出了更高的要求。为满足系统高灵活性与高可靠性的需求,充分挖掘电-气-热多种能源间的耦合和互补协调的能力,提出了一种考虑运行灵活性与供能可靠性约束的综合能源系统优化调度模型,在明晰灵活性和可靠性两者概念内涵的基础上,提出了提升灵活性与可靠性的相互影响机理。据此,文中分别推导了运行灵活性与可靠性的评价指标,并定义了表征二者相互影响关系的协调指标。在此基础上,采用成本效益分析法和等响应风险方法构建了计及运行灵活性与供能可靠性协调效应的综合能源系统优化调度模型,并采用增量线性化方法对模型中的非线性项进行了处理,进而通过混合整数线性规划法直接求解。最后,以改进的电-气-热IES 24-20-16系统和电-气-热IES 118-20-16系统为例,验证了所提模型和方法的可行性。

基于并行多维近似动态规划的综合能源系统动态经济调度

针对随机动态经济调度模型难以高效求解的问题,提出一种用于快速求解电-气-热综合能源系统(IES)随机动态经济调度问题的并行多维近似动态规划算法。该算法将原有的高维状态空间中的状态变量聚合到IES的电储能系统(ESS)的可用容量和蓄热罐(HST)的可用热量中,实现了状态空间的降维,进而解决了动态规划中“维数灾”的问题。此外,利用ESS和HST的运行约束,将无效状态剔除,降低了问题的求解规模。在风电、电价和负荷等不确定场景充分训练后的值表模型中,通过近似值函数的迭代寻优,将含有经验知识的值表应用于在线测试中,实现应对不确定性的IES最优调度决策。以改进的2个系统为例,验证了所提模型和算法的有效性。

基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测

随着风电渗透率的不断提高,如何对风电出力进行精准可靠预测是电力系统调度部门所面临的巨大挑战。当前,中国已具备较为成熟的风电功率预测解决方案,但其在转折性天气时段仍会出现极端预测偏差。同时,转折性天气数据集相对于常规功率预测数据集而言属于小样本,如何在小样本数据集下实现准确建模是精度提升的关键。针对上述问题,提出一种基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测方法,该方法通过优选与构造多重场景转折性天气过程下的气象敏感特征,利用时间序列生成对抗网络对多场景气象敏感特征小样本集进行扩充,并采用长短期记忆神经网络对扩充后的敏感气象因子与风电观测出力序列之间的非线性关系进行建模。采用吉林某风电场数据进行算例验证,结果表明所提模型能够在一定程度上提高包含转折性天气的日前风电功率预测精度。

六道防线“踢”开“负能量”

小刚是一名高一住校学生,进入高中,周围的同学都是从各所优秀初中学校选拔进来的,让他压力陡增。同寝室的几个室友成绩都比较好,相互间还会暗暗较劲。月考过后,一位室友成绩大幅下降,每天在寝室里怨声载道、哀叹不已,甚至会否定自己,“我是不是比较笨,不是学习这块料?”由于小刚的心理压力本来就很大,室友这么一问,他也变得更加焦躁。

基于DDQN-KRR动态重构策略的综合能源系统运行优化

在电-气-热互联的综合能源系统优化中考虑配电网动态重构策略是提高系统灵活性和经济性的重要手段。针对考虑配电网动态重构之后模型复杂与求解效率低的问题,提出了基于双层深度Q网络(doubledeepQ network, DDQN)和内核岭回归(kernel ridge regression, KRR)方法获取配电网动态重构策略,并将其纳入综合能源系统运行优化模型中,通过把耗时较多的模型学习过程转移到训练过程中,仅应用训练好的模型,进而快速得到运行优化结果。首先,建立包含综合能源系统状态与静态重构结果的数据库,依据时间序列并考虑开关动作成本,制定出动态重构策略;其次,提出KRR方法,用于预测耦合机组的最优出力;最后,基于DDQN挖掘综合能源系统状态与重构结果之间的映射关系,实现快速动态重构。以IEEE33节点配电网、20节点天然气网和16节点热网组成的E33-G20-H16系统以及E78-G40-H32系统为例,验证了所提模型和方法的有效性。

计及热网灵活性恢复过程的电热综合能源系统鲁棒超前调度

热网的动态特性使其能够为电力系统提供可观的灵活调节能力,促进新能源并网消纳。然而,如何充分挖掘、准确评估热网的灵活性潜力而尽可能维持热能供需的长期平衡,减少灵活性潜力挖掘对热网运行的影响是当前亟待解决的问题。为此,提出了计及热网灵活性恢复过程的电热综合能源鲁棒超前调度方法。首先,设计了热网灵活性恢复策略,进而构建了兼顾灵活性供给与恢复过程的热网灵活性量化模型。其次,引入风电接纳风险指标,兼顾系统运行成本与风险,构建电热综合能源系统鲁棒超前调度模型。而后,融合分段线性近似、大M法等,设计了兼顾计算精度与效率的求解方法。最后,基于小型规模测试系统,验证了所提方法的有效性。算例分析结果表明:相较于传统的电-热系统协同调度策略,采用所提方法,风电可接纳范围提升10.72%,综合成本降低0.87%,有效提升了系统的安全性及经济性。同时,基于大型规模测试系统,验证了所提模型求解方法具有良好的计算效率。

基于随机森林与内核岭回归的配电网线损在线计算

针对配电网自动化水平低,其节点电气数据以及拓扑结构变化不能完全做到实时监控,使线损计算困难的问题,提出了基于随机森林(random forest,RF)以及内核岭回归(kernel ridge regression,KRR)的配电网线损在线计算方法。首先,根据配网历史运行情况确定不同拓扑结构下的典型运行模式;其次,通过对不同运行模式的配电系统进行潮流计算,分别构建训练集,通过对内核岭回归模型的训练,充分挖掘支路线损功率与配电网状态之间的映射关系;最后,基于随机森林分类法判断配电网运行模式,进而通过对应运行模式的内核岭回归模型实现配电网线损在线计算。对IEEE 33节点配电网的算例分析结果表明,所提方法具有较高的精度和较好的鲁棒性。

基于深度强化学习的风电场储能系统预测决策一体化调度

风电场储能系统的优化控制可以提高风电场作为发电商在电力市场中的竞争力。文中提出基于深度强化学习的储能系统预测决策一体化调度方法,令高维度的风电场原始测量数据直接驱动储能系统。与预测、决策相分离的传统调度模式相比,预测决策一体化调度模式将风电功率预测与储能系统动作决策相融合,避免了预测阶段中有效决策信息的损失,使风电的随机规律无须通过数学假设等方式被人为刻画,避免了建模误差。其次,引入深度强化学习Rainbow算法优化风电场测量数据与储能系统动作指令之间端到端的控制策略,该策略具备动态统筹多时段系统收益的能力。最后,基于风电场历史数据的算例分析,验证了所提一体化调度模式的优越性和深度强化学习应对不确定性问题的有效性。

基于误差修正的短期风电功率集成预测方法

为了提高短期风电功率预测精度,提出了一种基于误差修正的短期风电功率集成预测模型,此模型首先利用改进粒子群优化的极端梯度提升(extreme gradient boosting,XGBoost)初步建立风电功率预测模型,然后根据风速与功率的关系,将XGBoost模型预测误差分为低风速功率误差、中风速功率误差以及高风速功率误差3类,针对每类误差分别训练随机森林,得到对应的功率误差预测模型,最后将XGBoost模型预测结果和功率误差预测值相加即可得到基于误差修正的短期风电功率预测值。研究结果表明所提模型利用集成学习以及残差学习的方法提高了短期风电功率预测精度,因此所提模型可以促进风电消纳能力并提高电力系统运行的经济性。

基于卫星云图特征区域定位的超短期光伏功率预测方法

卫星可见光云图中的信息可以用来量化云的运动以及厚薄情况,已逐步被应用于光伏功率预测领域。为应对卫星云图处理过程中公式参数的选择大多基于人工经验的问题,提出了一种经验参数的通用选择方法,并在此基础上建立了一种基于卫星云图特征区域定位的超短期光伏功率预测模型,以在云图中精准地实现对遮挡太阳光线的云区域的定位。首先,通过对卫星可见光云图进行标准化处理及去底化处理,去除了可见光云图的日内差异性特征;其次,基于云图区域定位算法,在云图中实时定位云遮挡区域,并通过卷积神经网络获取云遮挡影响特征;最后,融合云遮挡特征与其他影响因素,建立其与光伏功率的映射关系以实现预测。结果表明:所提模型可有效解决云图的日内差异性问题并实现云图特征区域的精准定位,且模型展示出了较好的预测性能。论文研究可为基于云图的光伏预测提供参考。

计及电-气-热IES动态特性的输配协同机组组合

为充分发挥主动配电网提高电力系统灵活性和消纳可再生能源的潜力,该文提出一种计及综合能源系统(integrated energy system,IES)动态特性的主动配电网与输电网协同机组组合模型。一方面引入电-气-热综合能源系统实现多能耦合,使主动配电网对多能互补的支持融入到输电网的调度优化中;另一方面,为提高调度决策的灵活性,将天然气网与热网的动态特性纳入到输配协同机组组合模型中。基于此模型,根据电-气-热IES多能耦合特性和输-配物理互联特征构建协同优化框架。以联络线交换功率作为耦合变量,将其等效为虚拟能源站,采用目标级联分析法对所提模型进行解耦,从而得到一个独立的输电网优化问题和多个主动配电网局部优化问题。为提高计算效率,采用增量分段方法处理天然气Weymouth方程的非凸性,将该文模型转换为混合整数线性规划问题,保证迭代过程的收敛性,进一步降低计算负担。以T6D2系统和T118D10系统为例,验证所提模型和方法的有效性。

电网PQ扰动分解的戴维南等值

因实际电网稳态电路中的发电机节点有电压源和受控电流源间耦合的性质,因此其并不能直接适用于戴维南定理的条件。对此,基于叠加原理,将电网稳态电路分解为无功扰动平衡电路和有功扰动平衡电路,发电机节点也随之分解为电压源和受控电流源。基于电网节点电压方程和欧姆定律,分别给出2个分解电路的戴维南等值解析模型,两者叠加形成PQ扰动分解的戴维南等值。由于电网无功平衡和有功平衡的调控、传输以及它们对节点电压影响规律的区别,相比与传统电网戴维南等值模型,PQ扰动分解的戴维南等值不仅能更准确地拟合电网稳态电路,也能为后续的分析和控制提供更多、更准确的信息。算例结果表明该方法的准确性和有效性,其是电网戴维南等值方法在实际电网应用理论基础研究上的一个重要进展。

计及运行灵活性约束的综合能源系统优化调度

电-气-热互联的综合能源系统(IES)在能量传输过程中具有多时间尺度特征,且气-热网络动态特性蕴含着丰富的灵活性容量,充分挖掘IES潜在的灵活性可有效提高可再生能源的消纳水平。为此,提出了一种计及次小时尺度运行灵活性的IES优化调度模型。在分析净负荷变化区间内系统运行规律的基础上,推导了电力系统的灵活性需求和资源的数学表达。然后,分析气网和热网的动态特性,并分别建立了气网和热网提供运行灵活性的数学模型。基于此,构建了计及次小时尺度运行灵活性约束的综合能源系统优化调度模型,并将模型中的非线性项进行了线性化处理。最后,采用电-气-热IES 24-20-16系统进行算例分析,结果表明,气-热网络动态特性在短时间尺度内能够提高系统的灵活性,进而显著提升系统运行的经济性。

考虑综合能源系统运行灵活性的输配协同优化调度

在高比例间歇性可再生能源渗透综合能源系统(IES)的背景下,电-气-热多能源系统耦合不断加深,输配电网间多能双向流日益凸显,给IES的灵活高效运行带来了挑战。为此,提出了输配协同机制下考虑系统运行灵活性的优化调度模型。首先,基于净负荷变化区间内的运行灵活性需求分析,精细刻画各类能源提供灵活性的能力,构建灵活性资源和灵活性需求的数学模型。在此基础上,分别构建输电网机组组合模型和配电网运行灵活性优化调度模型。最后,为提高求解效率,采用增量分段线性化方法对所提模型中的非线性项进行线性化处理,并采用目标级联分析算法实现输配电网解耦和分布式求解。基于T6D2和T118D10测试系统的算例结果验证了所提模型和方法的有效性。

基于4E平衡的碳排放因素分解与峰值预测方法

在“30·60”实现“碳达峰·碳中和”目标的背景下,为研究碳排放未来演化路径并分析不同因素对碳排放量变化的影响,提出一种基于“经济(economy)–能源(energy)–电力(electricity)–环境(environment)”4E平衡模型的碳排放因素分解与峰值预测方法。首先采用灰色关联分析筛选碳排放影响因素。然后采用对数平均迪氏分解法(logarithmic mean Divisia index,LMDI)对引起碳排放变化的因素进行分解,分析各影响因素对碳排放量的变动效应和贡献度,根据分解结果并结合“十四五”规划等相关政策,对各影响因素设置基准发展、高速发展和低碳发展3种情景变化速率,建立多种发展情景组合。最后针对每种情景组合分别采用经岭回归训练后的可拓展随机性环境影响评估模型(stochastic impacts by regression population affluence and technology,STIRPAT)进行碳排放未来趋势预测。以我国东部某地区碳排放数据为依据,对其影响因素进行分解,并预测该地区未来碳排放趋势。研究结果表明,该模型能够有效分析碳减排效率,预测碳达峰碳中和水平年,依据4E模型分析结果,提出了相应的碳减排政策。

不吵不闹 志愿"我们"共商讨

又是一年高考时,高考志愿填报也即将成为众多考生和家长关注的"重头戏".每年因父母的意愿和子女的想法不一致而导致"互不相让"的情况都时有发生.关于志愿填报,家长和孩子之间该如何有效沟通呢?

给怒气消消火

如果问我,学生时代最难忘的是什么阶段?我一定回答:高中时期.相信大部分人的答案也会和我一样.因为高中阶段是我们人格趋于稳定,三观逐渐形成的重要阶段.随着学业压力的增加、个人成长任务的增多,身心发展尚不协调等问题的出现,加之还撞上了"青春期"这个叛逆阶段,很多同学会变得脾气暴躁、易怒.

胖负面身体自我女大学生的体重知觉

本研究旨在重点研究胖负面身体自我女大学生的体重知觉,从实际体重指数、理想体重指数、体重社会标准、体重知觉偏差四个方面收集数据。进行测查的主要实验材料为女性身体图形评定量表PFRS (thefemale Photographic Figure Rating Scale),题目设置分别涉及体重自我知觉(认为哪幅图能准确代表自己的胖瘦)、主观社会标准(认为在异性眼中哪幅图最有吸引力)以及对其他女大学生的体重估计,用以上指标衍生出的主要数据结果进行统计分析。在进行PERS之前首先用负面身体自我量表-胖分量表(Negative Physical Self Scale, NPSS-F)筛选出每道题的平均得分大于2.5者,即胖负面身体自我女大学生为实验组,得分低于2.5者归入控制组。研究实验组与控制组在各项体重知觉指标上是否有明显差异,并引入男性视角。研究结果表明:胖负面身体自我女大学生对自己的体重有较准确的知觉,但是由于实际体重较重,感受到的体重社会压力较大,同时由于理想体重的设定不合适,体重不满也较强烈;男性的审美标准在女大学生看来呈现严重的以瘦为美的状态,但与男性的实际情况不符。

新能源爬坡事件综述及展望

从爬坡的定义方式、预测方法、控制策略三个层面出发,对以风电、光伏为代表的新能源爬坡事件进行概述。列举爬坡事件常用的定义并分析其优劣性;总结爬坡事件目前主流的预测方法,根据是否利用功率预测结果分为直接法和间接法,并对常用的评价指标进行介绍;阐述目前爬坡控制策略常用的方法,按照有无储能参与分为无储能参与的有限度控制策略和有储能参与的联合控制;对目前研究仍存在的问题和未来重点研究方向进行总结。

基于BP神经网络的短期光伏集群功率区间预测

针对大规模光伏并网给电力系统安全稳定运行带来的严峻挑战,考虑传统单一光伏场站功率预测的局限性,以区域性光伏集群功率为研究对象,提出一种基于BP神经网络的光伏集群功率的区间预测方法。通过互信息方法对变量进行相关性分析,提取关键解释变量作为输入变量,利用主成分分析进行数据降维,解决了光伏集群功率预测大数据处理的问题。利用神经网络在数据挖掘和非线性关系拟合方面的优越性,将神经网络和非参数概率预测相结合,量化光伏集群功率预测结果的不确定性。实验算例采用中国某地区10个光伏场站,利用未降维的原始数据与本研究所提出的数据降维方法进行对比,分别计算80%和90%预测区间,结果表明,本研究所提出的预测方法预测区间带更窄,具有更好的预测效果。利用本研究所提模型预测了某天超前72 h的80%和90%置信区间,验证了该方法的可行性和先进性。