基于时序聚类的综合能源系统容量优化配置

为降低系统容量配置模型的计算量,可采用典型时间周期(如小时、日或周)进行仿真计算,然而由传统聚类方法得到典型周期无法保留原始数据的时序性,为此本文提出一种基于时序聚类的综合能源系统容量优化配置方法。充分考虑规划周期内区域多能负荷的不确定性,利用DeST软件模拟生成规划区全年电、热、冷负荷需求;采用改进的层次聚类对区域原始风机、光伏、多能负荷数据进行时序聚类,在减小计算量的同时保留原始数据的时序性,进一步建立考虑日内和日间储能的综合能源系统容量优化配置模型;以全年时序仿真为基准案例,对比分析了典型日法和所提方法对系统容量配置和经济性的影响,验证了本文所提配置方法的可行性和有效性。

考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置

多个冷热电联供型微网通过区域配电网进行连接构成多微网系统,可有效提高区域冷热电多微网系统的总体运行效益。提出一种考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置方法。考虑风光出力的不确定性和相关性,提出基于非参数核密度估计和Frank-Copula函数的风光出力场景生成方法,得到典型日风光出力序列;以多场景下多微网系统年化总投资成本、维护成本与运行成本综合最低为目标,建立多微网系统规划与运行相结合的双层多场景协同优化配置模型;基于某地实测数据生成典型日风光出力场景,通过算例分析多微网系统中设备配置、设备出力和负荷平衡情况,结果表明,考虑电能交互会影响多微网系统中设备出力,并能够降低多微网系统的年化总成本,验证了所提配置方法的有效性和经济性。

基于阻抗偏差最小判据和改进自适应蝙蝠算法的系统侧谐波阻抗估计方法

针对已有的系统侧谐波阻抗估计方法对背景谐波波动敏感的问题,提出了一种新的系统侧谐波阻抗估计方法。根据阻抗偏差最小判据和改进自适应蝙蝠算法寻优得到最优系统侧谐波阻抗初值,以得到与真实值相近的背景谐波电压估计值。对背景谐波电压估计值进行K-means聚类分析,并依据聚类结果将谐波样本数据分成多簇,使得每簇数据对应的背景谐波波动减少。考虑到谐波数据均为复数相量,采用复最小二乘法分别求取各簇数据的系统侧谐波阻抗估计值,并将其均值作为最终估计值。与已有的方法相比,所提方法更能适应背景谐波波动的变化,且在用户侧谐波阻抗非远大于系统侧谐波阻抗的场景下具有更好的估计精度。多个算例分析结果验证了所提方法的有效性和适用性。

基于差分和变换的电力电缆故障行波定位方法

针对电力电缆行波定位法中难以准确检测含噪行波的问题,提出了一种基于差分和变换的电缆故障行波定位方法。对故障行波进行前后向差分运算,得到行波差分和信号,无需对行波信号进行降噪处理;利用奇异值分解和自适应阈值量化处理以滤除行波差分和信号中的背景噪声,从而准确检测故障行波的奇异值时刻;采用两端测距法实现电缆故障的精确在线定位。最后通过仿真模型验证了所提方法的有效性和优越性。

基于长短时神经网络的居民负荷曲线分解方法

面向居民家庭的非侵入式负荷监测,提出一种基于开关事件和长短时神经网络的居民负荷曲线精确分解方法。采用差分和算法对居民家庭的总有功功率数据进行计算,采用硬阈值函数滤除差分和数据的噪声,通过差分和数据突变点实现电器开关事件的准确检测。进一步采用长短时神经网络进行电器负荷曲线数据的预测,可从总负荷曲线中逐一提取出单一电器的负荷曲线,实现居民家庭总负荷功率曲线电器级别的精确分解。通过实验测试数据和参考能量分解公开数据集(REDD)验证了所提方法的有效性。