基于BP网络的电网频率预测

随着现代电网控制技术快速发展,特别是CPS标准下的AGC控制策略研究的发展,对未来一段时间内电网频率预知产生了迫切的需求。通过对电网频率特性进行分析,利用BP网络输入输出的高度非线性映射能力,提出基于BP网络的电网频率预测。仿真结果表明,用该方法预测电网频率,能够达到较高的预测精度,可以为现代电网控制提供实用的参考依据。

互联电网CPS标准下计及一次调频的最优AGC控制模型

分析互联电网环境下机组一次调频的重要性及其对电网自动发电控制(automatic generation control,AGC)的影响,针对传统AGC控制策略难以计及一次调频的问题,提出AGC与一次调频协同控制的线性增量表达,进而构建互联电网控制性能标准(control performance standard,CPS)下计及一次调频的最优AGC控制的混合整数线性规划模型。在模型中,根据电力系统特性,将AGC机组调节指令状态变量由传统的三态变量转化为两态变量表示;采用线性化手段,将传统非线性最小加减速时间约束线性化。某省实际系统的计算结果表明:新模型显著减少了AGC机组的下令次数,有效提高了CPS考核指标水平,明显降低了系统调节成本,具有良好的应用前景。

考虑市场力风险约束的最优AGC控制模型

针对传统自动发电控制(AGC)优化模型中难以考虑市场力风险的问题,引入度量市场风险的价值模型,提出了以风险价值为限值的辅助服务成本约束混合整数非线性规划的AGC优化模型。为处理模型的非线性,引入两态辅助变量,将三态的机组状态变量进行等效转化,实现了模型的线性化,有效地降低了模型求解难度。以广西电网运行数据为例,对比不同风险置信水平下AGC控制性能,结果表明:置信水平越高,调节成本越大,控制效果越好,但无论置信水平高低,所提模型均能确保控制性能标准(CPS)合格,验证了模型的有效性,为电力市场环境下的AGC控制提供了有益参考。

基于长短期记忆循环神经网络的AGC实时控制策略

大量新能源的接入以及电网中冲击负荷数量的剧增,使得电网对自动发电控制(AGC)策略提出了新的要求。简化AGC的一般控制流程,对比不同AGC策略的控制特性,在每个考核周期内选择控制效果更优的控制策略,并充分发挥多种控制策略在各自优势工况下的性能,以得到优秀控制数据集;在此基础上,以长短期记忆(LSTM)循环神经网络为神经元构建AGC策略深度学习模型,并提出一种基于LSTM循环神经网络的数据驱动型AGC实时控制策略。仿真结果表明,基于深度学习的控制策略的整体性能优于任何单一控制策略。

基于膜计算和蚁群算法的电网云平台资源配置方法

针对电力系统云平台快速应用发展情况下,电网数据分析处理资源利用不均衡、电力系统数据中心结构复杂的现状,文中提出基于电力分析计算任务划分的云计算虚拟资源配置方法,从而较好地解决当前云计算存在的资源调度不合理问题。该方法引入膜计算概念,将云平台下的复杂分析任务按资源配置时间的不同划分为多类;采用改进蚁群算法按照资源占用率和计算机能耗为应用目标逐类实现虚拟资源的优化分配。仿真证明基于任务划分和蚁群算法的电网云平台虚拟资源配置方法可以提高调度效率,均衡分配资源,较好地实现云平台虚拟资源利用的最大化。

广西电网省地模型拼接和数据交互的实现

广西电网省级调度自动化系统对110 k V及以下电压等级电网不建模或做等值处理,调度人员无法及时、准确地掌握全区电网的实时运行状态。为此,通过采用基于IEC 61970标准的在线模型拼接技术,在省级调度自动化系统中建设了省地模型拼接系统,实现了广西区内110 k V及以上电压等级的电网模型、图形及数据共享。针对模型拼接过程出现的问题,提出了有效的解决方法,提高了模型和数据的质量,为建设广西电网生产运行数据中心奠定了基础。

多源信息融合的微服务化电网事故追忆

提出一种在云计算平台上构建大数据环境下支持多源信息融合的微服务化电网事故追忆系统方法,解决传统电网事故追忆系统耦合度高、灵活性差、不易扩展等问题,满足事故追忆系统对短时间内解析大规模故障数据的要求。根据功能需求,将系统重构为电网模型、事故记录、操作记录和人机交互四个细粒度微服务;在此基础上,将每一个数据源接入独立的微服务模块,避免服务间的耦合和堆叠。结合云平台监控系统采集的容器集群负载参数,提出了基于长短期记忆神经网络算法的资源预测模型,提前对容器资源进行预测调度,避免负载突变对系统效率的影响,提升容器资源调度水平。结果分析表明,采用所述方法实现的微服务化电网事故追忆系统可靠性达99.999980%,具有良好的响应效率。