电力动态碳排放责任因子

新型电力系统建设背景下,需要充分发挥海量用电终端具有的储能和灵活用电资源来解决电力系统的实时调节需求,这一调节目标的实现亟需建立合理的引导指标和激励机制。为此,该文提出利用“电力动态碳排放责任因子”激励用电终端进行自律式调节的方法。首先,给出这种方法的基本原则;然后,具体讨论碳排放责任因子的计算方法,再利用电网的实际运行数据说明这种确定电力动态碳排放责任因子方法的有效性和可持续性;最后,通过案例分析建筑等用电终端的灵活性调节潜力。该文提出的电力动态碳排放责任因子,为新型电力系统实现与海量用户侧灵活可调资源间的实时互动提供了新的思路,未来将进一步完善其政策、理论及实际实施等多方面的工作。

城网建设与改造经济效益后评价

文章深入研究了城网建设与改造的特殊性,尝试建立了一套适用于城网建设与改造项目经济效益评价的指标体系,提出了区分“有无”城网改造项目效益与费用的方法,选取适合于改造项目的分析评价方法,进行城网建设与改造项目经济效益的后评价。运用建立的指标体系和所提出的方法,对某地方供电公司某一期实际城网建设与改造项目的经济效益进行了实例分析,验证了指标体系和方法的可行性。

含储能系统的配电网电压调节深度强化学习算法

通过在配电网末端接入用于系统调压等辅助服务的储能系统,能有效应对可再生能源的高度间歇性以及负荷需求波动导致的系统电压运行水平问题。文章将电池储能的运行建模为马尔可夫决策过程,考虑其后续调控能力,提出了一种含储能系统的配电网电压调节深度强化学习(deep reinforcement learning,DRL)算法,通过内嵌一个Q深度神经网络来逼近储能最佳动作价值,以解决状态空间过大的问题。储能荷电状态(state of charge,SOC)、可再生能源预测出力以及负荷水平组成状态特征向量作为Q网络的输入,输出提高电压运行水平的最优离散化充放电动作,并通过回放策略来训练。相比传统方法,所提方案基于学习而无需显式的不确定性模型,且计算效率较高。最后在TensorFlow架构下利用MATPOWER对IEEE 33节点配网系统进行了分析,证明了所提出方法的有效性。