高海拔高速运行高铁车顶绝缘子风压分布及海拔修正

车顶绝缘子是高铁动车组列车重要的组成部件,高海拔地区运行中车顶绝缘子在高速气流作用下周围风压分布形成负压区导致其综合气压远低于实际海拔对应的气压进而影响车顶绝缘子电气性能。该文基于计算流体力学(computational fluid dynamics,CFD),建立仿真模型,分析高速气流作用下车顶绝缘子周围风压分布特性及影响因素,并提出高海拔高速气流综合作用下车顶绝缘子电气强度修正方法。结果表明:车顶绝缘子的风压低值分布在侧风面伞裙根部(大伞在下表面根部,小伞在上表面根部);迎风面风压、背风面和侧风面风压的绝对值都随风速的增大呈指数增长,且海拔越低,增长越快;攻角为80°左右时将形成更明显的低压区;海拔4000m、运行速度为360km/h综合作用下车顶绝缘子形成负压相当于4599米海拔对应的气压,车顶绝缘子外绝缘修正应予以考虑。

基于重采样和混合集成学习的不平衡窃电检测

针对电力用户类别不平衡导致窃电检测具有偏向性问题,该文提出一种基于重采样和混合集成学习的不平衡窃电检测模型。首先以Easy-ensemble混合集成学习框架为基础确定最佳采样子集数;然后通过重采样自适应策略,即根据用户用电数据集的不平衡度以及最佳采样子集数确定检测模型的重采样方式,使用电数据达到平衡;最后按照先串行集成减小偏差、后并行集成降低方差的混合集成方式,对重采样后的均衡样本进行窃电检测。算例对比分析表明所提检测模型通过重采样和混合集成有效解决了传统集成算法在不平衡窃电检测中的偏向问题,降低了由于用电数据的不平衡性对集成结果的影响,提高了用户类别不平衡的窃电检测效果,在多种不平衡度下模型的准确率、F1值和G均值均表现优异。

基于局部特征深度信息的绝缘子小样本缺陷检测

基于深度学习的目标检测技术已广泛应用于绝缘子缺陷检测中,然而现有目标检测算法主要基于大量缺陷样本训练网络模型,无法对少样本缺陷进行准确识别。针对绝缘子缺陷检测过程中缺陷样本量不足的问题,该文提出了一种基于局部特征深度信息的绝缘子小样本缺陷检测方法。首先采用旋转目标检测网络改进Faster R-CNN(faster region-based convolutional neural network)模型提取绝缘子串区域,然后对绝缘子串特征进行划分,提取绝缘子串局部特征并基于深度推土距离(deep earth mover’s distance,Deep EMD)网络实现小样本缺陷检测。实验结果表明,在玻璃绝缘子自爆缺陷检测中,所提出方法采用2张训练样本可取得与现有目标检测方法 200张训练样本相同的效果,采用10张训练样本的绝缘子自爆检测在与真值框的交并比阈值为0.5至0.95之间的平均精度(mean average precision,mAP)达到0.65,该方法为小样本电力设备缺陷智能化检测提供了新的方法和思路。

支撑新能源电力系统灵活性需求的用户侧资源应用与关键技术

伴随着传统电力系统向以新能源为主体的新型电力系统转型升级,高比例新能源的接入和传统机组占比下降导致电力系统灵活性产生缺额。电动汽车、数据中心、P2X(power-to-X)等需求侧资源可以在多时间尺度为电力系统提供灵活性,是新型电力系统灵活性的重要组成部分。该文首先描述高比例新能源背景下输电网和配电网在不同时间尺度的灵活性需求,然后对比总结了典型需求侧资源的调节特性与应用实践,研究了需求侧资源在支撑高比例新能源输电网和配电网中运行、规划2个层面多时间尺度灵活性需求的应用场景。最后针对未来需求侧资源的研究重点,从聚合技术、电碳协同优化调控策略、可信调节能力量化和通信与信息交换标准等角度,对支撑新型电力系统需求侧资源应用的关键技术进行了总结与展望。

计及灾后恢复全过程储能应急响应能力的配电网韧性规划

储能因响应快、灵活性高的特点,已成为可再生能源发展必不可少的支撑技术,不仅具有削峰填谷、改善电能质量的作用,在灾后恢复过程中的应急响应能力同样不可忽视。提出了一种计及灾后恢复全过程储能应急响应能力的配电网韧性规划方法,构建了同时考虑网架增强和储能配置策略的配电网韧性增强双层规划模型,系统地刻画了极端灾害发生后配电网网架重构、设备抢修及复电等灾后恢复全过程的源-网-荷-储互动模式场景。最后,通过IEEE33节点系统的算例分析表明,所提方法能更充分地挖掘储能的应急响应潜力,有效提高增强性规划决策的精准度,获得更佳的投资回报。

考虑绿色氢能证书和水电制氢的综合能源系统优化运行

利用清洁能源发电富余电力电解水制氢,绿色氢能实现了生产源头的二氧化碳零排放,在全球能源转型中扮演着重要角色。针对绿色氢能证书市场机制不健全等问题,该文提出一种考虑绿色氢能证书组合双向拍卖和水电制氢的综合能源系统优化运行方法。首先,为解决园区内绿色氢能证书价格和数量匹配不均衡的问题,提出绿色氢能证书组合双向拍卖(combinatorial double auction,CDA)交易机制竞价模型;其次,建立含水电制氢的综合能源系统优化模型,并将绿色氢能证书组合双向拍卖机制引入其中;最后,以某省含水电制氢的综合能源系统为例进行仿真分析,结果表明所提模型不仅能有效提高综合能源系统(integrated energy system,IES)的运行经济性,也能提升可再生能源的消纳量。

基于混合两阶段鲁棒的多微网合作优化运行

针对微网独立运行时面临运行成本高,受可再生能源出力和多能负荷功率不确定性影响大等问题,提出一种基于混合两阶段鲁棒优化的多微网合作运行方法。首先,为了应对源荷双重不确定性挑战,在传统两阶段鲁棒优化基础上,提出一种基于多场景数据的最恶劣概率场景驱动的混合两阶段鲁棒优化方法,并采用可并行计算列与约束生成(column and constraint generation,C&CG)算法来提高求解效率。然后,在建立的多微网点对点分布式能源交易系统框架上,根据纳什谈判理论构造多微网合作成本最小化问题和收益分配问题,并提出一种耦合可并行计算C&CG的交替方向乘子法进行求解。最后,根据各微网不同的贡献率,设计一种基于点对点电能交易贡献度的非对称纳什谈判机制来分配各微网的合作收益。算例结果表明,所提方法能兼顾系统的鲁棒性、经济性和隐私性,并实现每个微网公平合理的收益分配。

基于动态指标的光伏组件健康程度诊断

为了对光伏组件的健康状况进行诊断,提出了一种基于光伏组件的光生电流,等效串联电阻,等效并联电阻3个指标的光伏组件健康程度定量检测方法。首先利用改进的布谷鸟算法对测量的光伏组件I-U线进行参数辨识,形成实测健康曲线,再利用光伏组件自然老化模型确定理论健康曲线,然后计算实测健康曲线与理论健康曲线之间的偏移量并结合灰色关联分析进行数值校正;定义健康程度H参量计算得到光伏组件健康程度量化值。仿真分析和实验测试结果表明该方法可以对不同环境下的光伏组件健康程度进行有效在线诊断,为光伏组件维护提供参考。

考虑超碳需求响应的综合能源系统低碳优化调度

西北地区新能源发展迅速,充分利用当地独有的光热资源优势,同时结合火电低碳化改造与新能源协同运行,有利于推动当地能源系统绿色低碳转型。为尽最大限度地提升系统的减碳能力,提出一种基于源荷协同降碳的超碳需求响应模型,将动态碳排放因子作为分时电价的惩罚因子,从而将源侧碳信号传递至荷侧,驱使用户侧进行低碳性状态转移。首先,在日前调度阶段,构建预调度-再调度两阶段调度运行机制,再调度根据预调度的系统状态信息进行超碳需求响应,来深度降低系统碳排量。其次,将光热电站引入综合能源系统,与风电场、碳捕集电厂协同运行,从而构建高比例新能源场景,来验证超碳需求响应在此场景下的减碳效益。最后,建立了基于超碳需求响应的预调度-再调度两阶段低碳调度模型。经算例仿真分析表明,所提源荷协同降碳的新思路能有效提高系统的减碳能力,深入挖掘系统的降碳空间,提升系统的经济效益。

基于世界模型深度强化学习的含风电电力系统低碳经济调度

通过调度手段提高发电侧风电等可再生能源利用率,降低常规火电机组的碳排放是实现双碳目标的重要手段。针对含风电电力系统的低碳经济运行问题,提出一种基于世界模型深度强化学习的调度方法。首先,计及碳交易成本与发电成本构建了系统运行总成本最低的调度模型,采用基于世界模型的双延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法求解系统各机组最优出力策略。该算法通过“因果Transformer”神经网络的自注意力机制和多层堆叠结构学习世界模型以等效真实环境,进一步结合TD3算法在世界模型决策空间中开展大规模探索,提高决策稳定性。以改进IEEE30节点系统为例,通过所提算法求解得到各机组发电策略,实现了含风电电力系统的低碳经济调度目标,表明该方法能有效提升风电消纳,减少系统碳排放量,降低运行成本。

计及短路比提升与暂态过电压抑制的含高比例风电送端电网两阶段式调相机优化配置

随着送端电网中大规模风电机组的接入及常规同步机组的置换淘汰,电网短路比水平下降,电压支撑能力削弱,故障时易导致新能源机组暂态过电压而发生脱网事故。面向含高比例风电的送端电网,研究综合计及短路比提升和暂态过电压抑制的调相机优化配置方法。首先,利用新能源多场站短路比(multiple renewable energy stations’short-circuit ratio,MRSCR)分析了调相机接入对风电场短路比的提升作用,并基于调相机暂态快速无功响应特性揭示了其对风电机组暂态过电压的抑制机理;然后,提出一种同时计及短路比提升和暂态过电压抑制的两阶段式调相机优化配置策略,第一阶段以风电场短路比提升为核心约束优化配置调相机位置与基础容量,第二阶段以暂态过电压安全为关键约束进行调相机配置容量修正,并引入量子遗传算法(quantum genetic algorithm,QGA)进行优化求解。最终,基于PSD-BPA在含高比例风电的送端电网进行算例分析,验证了所提出的调相机优化配置方法能够显著提升风电机组多场站短路比水平并有效抑制风电机端暂态过电压。

可再生能源高渗透下时滞孤岛微电网的负荷频率控制

针对孤岛微电网系统中大规模接入可再生能源导致的低惯性和开放通信网络中通信延迟对系统稳定运行造成的不可忽略的影响,该文研究变时滞影响下低惯性孤岛微电网系统的负荷频率控制问题。首先,提出一种引入虚拟惯性控制的时滞微电网分层频率控制模型;然后构造一个新的Lyapunov-Krasovskii泛函,它包括时滞乘积项和增广的s-dependent积分项。进而,选取复合松弛积分不等式、二次函数不等式和凸组合等方法与所构造泛函有效配合,得到保守性更低的稳定性判据。最后,通过不同场景的仿真分析验证所提方法在提高孤岛微电网时滞稳定裕度和系统动态性能方面具有更好的效果,并分析了时滞稳定裕度与控制器参数、非线性负载扰动之间的关系。

基于累积和事件段识别与改进谱聚类的锂离子电池储能系统内短路故障检测方法

锂离子电池系统的内短路故障可能导致严重安全事故,其检测受到在线检测实时性以及故障特征获得性制约,是当下锂离子电池储能系统安全运行亟待解决的问题。该文提出一种基于累积和(cumulative sum,CUSUM)事件段检测与改进谱聚类的锂离子电池储能系统内短路故障检测方法。首先,考虑内短路故障时的电压/温度变化特性,基于累积和事件突变点识别方法,识别疑似内短路故障事件段。其次,构建三维故障特征,刻画检测对象内短路故障特征属性。然后,构建基于Wasserstein测度的内短路故障特征距离矩阵,检测三维空间各点稀疏特性,客观划定故障聚类,实现内短路故障检测。搭建锂离子电池内短路实验平台、建立锂离子电池电–热耦合仿真模型,算例结果表明该文方法能够准确识别疑似内短路故障事件段,在不同串并联形式及故障类型下实现故障检测,证明了该文方法的正确性与可行性。

基于回流功率优化的直流微网DC-DC变流器超螺旋滑模控制

针对直流微网系统中双有源桥直流变换器在系统发生扰动时动态特性差及在单移相调制下变换器效率不高等问题,该文在扩展移相调制下提出一种结合回流功率优化的超螺旋滑模控制策略。首先,分析双有源全桥(dual-active-bridge,DAB)变换器在扩展移相调制下两种模式的传输功率、回流功率数学模型及软开关特性,并以传输功率数学模型为基础建立DAB变换器的降阶模型。其次,以回流功率作为目标函数,以传输功率和软开关特性作为约束条件,通过Karush-Kuhn-Tucker(KKT)条件法寻找最优移相比组合;利用DAB变换器降阶模型设计超螺旋滑模控制中的等效部分,采用超螺旋算法作为切换部分,这两部分与内移相比D1共同作用生成外移相比D2,用于调节变换器的输出电压。最后进行了仿真及实验验证,实验结果表明:在负载投切、输入电压突变、参考电压改变时变换器具有良好的动态性能,同时能有效地减小回流功率。

基于低秩张量补全的非侵入式负荷监测缺失数据修复方法

非侵入式负荷监测技术(non-intrusive load monitoring,NILM)作为实现智能电网用户侧细粒度感知的重要手段,有助于实现需求响应、提高“源-网-荷”互动效率和优化用能,助力实现“30·60目标”。高质量的量测信息是数据驱动型NILM的基础,但由于数据采集装置故障、通道拥塞以及延时等都会导致数据缺失,尤其是严重的连续性缺失,由此造成非侵入式负荷监测与分解的精度下降,影响用户画像、需求响应等高级应用。因此,针对该问题,提出了一种基于CP分解的正则化低秩张量补全的量测数据缺失修复方法。算法突破传统单维数据处理局限,对NILM多维量测数据构建了三阶观测张量,从而利用数据内部时序关联性和参量维度间电气关联性进行正则化低秩张量补全。并针对每次核范数计算过程中奇异值分解计算量过大问题,采用基于CP因子矩阵分解的核范数计算降低计算量,减少计算时长,并证明了变换的等效性。最后基于NILM公开数据集iAWE进行了实验,实验结果表明所提出的方法可以提高数据修复精度,在高缺失率和连续缺失情况下仍能有较好地补全效果,并且通过非侵入式负荷分解实验证明其可有效提高分解精度,对智能电网提升细粒度感知能力具有良好的实际意义。

基于全纯嵌入法的配电网光伏接纳能力评估方法

针对大规模分布式光伏接入给配电网带来的电压越限风险,提出了一种基于改进全纯嵌入法的光伏接纳能力评估方法。首先,引入离散-聚合方法对时序数据进行处理,利用所生成极端场景集代替原序列进行接纳能力评估;其次,在传统全纯嵌入模型基础上构建了自定义方向模型,进一步推导了满足电压约束的可行域范围,并将节点Sigma轨迹与可行域边界相交作为单次运算下光伏最大接纳容量的判据;然后,利用蒙特卡罗模拟生成相互独立的光伏接入方案,使用所提判据确定各方案下极端场景集对应的接纳容量;最后,统计计算结果,获取光伏接纳容量的累计分布曲线,以此确定电压越限风险下系统的光伏接纳能力。在IEEE 33节点配电网系统上验证了所提方法的有效性和可行性。

考虑用户比价行为的综合需求响应低碳优化策略

在我国“双碳”背景下,建立综合能源系统(integrated energy system,IES)已经成为实现“碳达峰”、“碳中和”目标,加快能源结构转型的重要举措,而综合需求响应(integrated demand response,IDR)是综合能源系统减少碳排放、缓解供需双侧不平衡的有效途径。然而,现有关于IDR的研究大多仅考虑其经济效益,未考虑其环境效益,忽略了需求侧用户对不同时段激励价格的比价行为以及不同用户的差异化响应特性。该文提出了基于碳排放因子的IDR碳排放折算模型,并将碳排放成本加入综合能源系统服务商(integrated energy system provider,IESP)的目标函数中;通过建立激励交叉弹性耦合矩阵对用户的比价行为进行了有效建模以提升模型的精确性;同时计及用户的差异化响应特性,通过制定差异化的激励策略以充分挖掘用户的响应潜力。所提模型被建立为一个IESP-用户双层优化模型,并将该模型转化为了一个单层的凸优化模型以实现高效地求解。最后通过仿真算例验证了模型的有效性,不仅减少了碳排放量,同时降低了IESP的响应成本并提升了用户的舒适度,实现了多方共赢。

考虑特征重组与改进Transformer的风电功率短期日前预测方法

短期日前风电功率预测对电力系统调度计划制定有重要意义,该文为提高风电功率预测的准确性,提出了一种基于Transformer的预测模型Powerformer。模型通过因果注意力机制挖掘序列的时序依赖;通过去平稳化模块优化因果注意力以提高数据本身的可预测性;通过设计趋势增强和周期增强模块提高模型的预测能力;通过改进解码器的多头注意力层,使模型提取周期特征和趋势特征。该文首先对风电数据进行预处理,采用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将风电数据序列分解为不同频率的本征模态函数并计算其样本熵,使得风电功率序列重组为周期序列和趋势序列,然后将序列输入到Powerformer模型,实现对风电功率短期日前准确预测。结果表明,虽然训练时间长于已有预测模型,但Poweformer模型预测精度得到提升;同时,消融实验结果验证了模型各模块的必要性和有效性,具有一定的应用价值。

不平衡电网下无刷双馈风电系统的虚拟同步发电机控制

无刷双馈发电机(brushless doubly-fed reluctance generator,BDFG)在风力发电领域有着广阔的应用前景。基于虚拟同步发电机(virtual synchronous generator,VSG)的无刷双馈风电系统具有一定的电网频率支撑能力,但在电网电压不平衡工况下运行性能较差。提出了一种不平衡电网工况下无刷双馈风电系统的虚拟同步发电机策略,来降低不平衡的电网电压对BDFG系统的影响;其核心思想为使用原有BDFG-VSG来控制正序分量,在功率绕组正向同步旋转坐标系下使用基于降阶广义积分器(reduced order generalized integrator,ROGI)的直接谐振控制调节负序分量。详细分析了电网电压不平衡对BDFG各电量的影响,据此提出了5种可供选择的优化目标,最后通过仿真验证了该策略的有效性。所提出的策略可抑制不平衡电网工况下BDFG的各电量中的负序分量或二倍频分量,无需计算负序电流的参考值,对电网具有友好性。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。