基于模态分析的宽频带振荡区域定位研究

伴随化石能源的枯竭和我国能源转型战略的推进,新能源发电系统上网电量不断增加。电力系统“双高”特性日益显著,系统运行面临更为复杂的挑战,其中电力电子装置引发的宽频带振荡备受关注。因此,针对新能源系统宽频带振荡产生的机理,提出一种基于模态分析的宽频带振荡区域定位方法,用于新能源系统振荡频率和振荡区域定位。根据逆变器、线路阻抗和电网阻抗等系统参数,建立不同型号逆变器并联系统的高阶导纳矩阵。对矩阵进行等效变换,通过绘制模态阻抗随频率变化的曲线,得到系统可能的谐振频率。通过节点参与因子计算,定位振荡的区域。通过仿真验证,模态分析方法可以实现宽频谐振的精准频率定位和区域定位,可为新能源场站接入评估和事故定位提供依据。

计及储热装置运行灵活性的多能源电力系统运行策略

针对多能源电力系统中热电和风电的协调问题,从热电联合系统运营商的角度,深度挖掘热能和电能的互补特性,量化分析热电横向协调优化产生的主动能力,贯穿于整个纵向功率平衡过程中,从而与不确定性的风电统一参与电力市场,制定合理的运行策略,增强系统的可调度性与可控制性。首先,在分析运行策略影响因素的基础上,利用储热装置解耦载荷之间的耦合牵制,以总运行收益最大为目标,建立包含风电的热电联合系统调度模型,优化热电机组和储热装置的输出功率;进一步地,考虑风电预测偏差、储热装置运行灵活性及市场环境下的分时电价对系统运行策略的影响,并以储热装置容量为例,探究储热装置运行灵活性的制约因素;最后,在Visual Studio软件中,通过算例仿真验证所提模型的有效性与合理性。

基于Stackelberg主从博弈多目标模型的综合能源优化调度

为进一步提高综合能源系统的灵活性和经济性,将分布式能源站作为综合能源系统的研究对象,建立了能源站收益模型和用户获能满意度模型,在用户获能满意度模型内部,以用户获取最大综合效能和用户满意度构成多目标函数。在传统博弈模型基础上增加对用户满意度的考虑,将能源站作为决策者,用户作为反应者建立Stackelberg主从博弈模型,并通过天牛须分布式算法对模型进行求解。算例仿真结果表明,Stackelberg博弈在考虑用户满意度和新能源参与下的综合能源系统中有良好的适用性,天牛须分布式算法在对目标优化模型求解具有良好的可行性,最后验证了不同程度新能源接入系统时对系统的影响。

高比例风电并网下基于卡尔多改进的深度调峰机制

针对高比例风电并网下深度调峰中涉及的利益分配问题,在分析资源配置原则与不同类型电源调峰特性的基础上,提出基于卡尔多改进的风火复合系统深度调峰新机制,探讨通过调整参与者利益分配挖掘系统深度调峰潜力的实现方法。以纯凝、热电和风电三类机组为典型代表,分析其机组效益与约束条件表达,并在目标函数中增加补偿与分摊项,由此建立引入卡尔多改进机制的深度调峰数学模型。根据最优化条件和经济学原理,探究该模型中机组效益受补偿与分摊影响的变化规律,揭示卡尔多改进下深度调峰的决策机理。进一步建立了一种方便工程实现的机组补偿费用与分摊费用的分档确定原则,从而克服了求解基于卡尔多改进深度调峰数学模型的困难。算例仿真验证了新机制提高风电消纳的有效性和调整利益分配的合理性。

考虑次小时尺度运行灵活性的含储能机组组合

大规模可再生能源并网加重了电网的调频负担,对电力系统快速响应功率变化的能力,即次小时尺度的运行灵活性提出了更高要求。对此,文中提出一种考虑次小时尺度运行灵活性的含储能机组组合模型。在对系统净负荷区间变化规律进行分析的基础上,确立净负荷波动的关键场景并依此设置运行灵活性约束,明确了机组组合中小时尺度调度决策与次小时尺度运行灵活性需求间的牵制关系;同时,基于对储能在充电、放电、非充非放等各运行状态下提供运行灵活性的原理与制约因素的分析建立相关数学表达,并将其加入系统能量、功率平衡方程与运行灵活性约束,由此构建储能统筹利用与机组组合一体的数学模型。通过线性化处理,整个模型形成混合整数线性规划问题以实现求解。仿真分析表明,所提方法可优化利用储能,有效实现系统次小时尺度运行灵活性的提升。

含冷热电联供的综合能源系统优化调度

针对综合能源系统的优化调度问题,文中考虑了含光伏发电系统、燃气轮机、电制冷机、电锅炉、溴化锂制冷机等能源转换设备的综合能源系统,构建了以系统运行成本及治理二氧化碳所需费用总和最低为目标函数的优化模型,并综合考虑了多约束条件,将模拟退火法融入到粒子群算法中,对模型进行求解,通过相关算例证明了所提模型能够降低系统总成本。仿真结果表明,与基本粒子群算法相比,通过模拟退火粒子群算法求解模型能够有效减少综合能源系统在调度周期内的总成本,对能源的综合利用有实际意义。

基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型

为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了输入门和输出门,只保留遗忘门,模型包括一个sigmoid网络层和一个tanh网络层,减少了模型参数,优化了模型结构。通过将温度进行模糊化处理,减小温度波动对负荷的影响。采用改进Bagging算法对MP-LSTM模型集成处理来提高模型预测的精度。以某地区的实际负荷数据进行算例仿真,并与传统LSTM神经网络预测法、MP-LSTM神经网络法和模糊MP-LSTM神经网络法进行对比,仿真结果表明文中所提模型具有较好的预测精度。

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件。采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解。算例仿真结果表明,在考虑和不考虑分时能源价格情景下,分别采用改进BAS算法与粒子群算法对模型求解,并验证了改进BAS算法在综合能源系统优化调度模型求解中具有优异的可行性。