考虑SOC的混合储能功率分配与自适应虚拟惯性控制

电力电子化的直流配电网存在低惯性问题,不利于系统稳定运行。混合储能设备可向电网提供虚拟惯性,但不同类型的储能之间存在功率协调问题,并且储能的荷电状态(state of charge, SOC)对虚拟惯性的调节也有约束作用。针对上述问题,提出了一种自适应时间常数的分频控制策略,时间常数根据混合储能系统(hybridenergy storage system, HESS)的SOC而动态调整以改变功率分配。首先,通过分析储能SOC与虚拟惯性的关系,并考虑储能充放电极限问题,研究兼顾SOC、电压变化率以及电压幅值的自适应虚拟惯性控制策略,提高系统惯性。然后,建立控制系统的小信号模型,分析虚拟惯性系数对系统的影响。最后,基于Matlab/Simulink搭建直流配电网仿真模型,验证了所提控制策略能合理分配HESS功率,提高超级电容器利用率,改善直流电压与功率稳定性。

考虑电力网络约束的工业园区虚拟电厂调控边界求解方法

构建以新能源为主体的新型电力系统,亟须挖掘负荷侧灵活调节资源参与电网调控。含电解铝、矿热炉等高耗能负荷的工业园区具备良好的调控潜力,但是考虑园区内部电力网络约束,其精确调控边界求解面临着变量维数高、约束非线性的难题,现有方法不能较好地兼顾计算效率和精度。对此,文中将上述问题抽象为高维非线性状态空间在P-Q耦合平面的投影问题:分别建立考虑工业园区安全运行线性化和非线性约束的调控边界投影求解模型,采用一种新颖的高维状态空间投影算法,通过顶点“搜索-映射”的两步式求解过程,得到工业园区型虚拟电厂调控边界的精确投影。算例结果表明,采用所提方法求解的调控边界可由线性不等式组完全表征,与现有调度系统完全兼容,结合与叠加柔性资源调控能力和传统采样方法的对比,验证了该方法的可行性以及高求解精度和效率。

基于TCN-BiLSTM-Attention-ESN的光伏功率预测

针对光伏发电功率随机性强、难以准确预测的问题,提出一种基于时间卷积网络(TCN)、双向长短期记忆网络(BiLSTM)和回声状态网络(ESN)的组合预测方法。首先,使用自适应噪声完备集合经验模态分解(CEEMDAN)将功率数据分解为一系列相对平稳、不同波动模式的子功率序列;再将分解重构后的功率序列和其他特征序列输入到TCN-BiLSTM-Attention-ESN组合模型中,其中TCN-BiLSTM-Attention用于提取光伏序列波动特征并构建时空特征向量;最后,将所提取的时空特征向量输入ESN获得预测结果。采用新疆某光伏电站的光伏功率数据进行验证,结果表明与时下先进的预测方法相比,所提方法具有更高的预测精度,有助于提升光伏发电占比,保障电力系统平衡和运行安全。

源荷波动时含固态变压器的有源配电网动态无功优化方法

针对分布式电源并网引起的双向潮流导致网损增大以及分布式电源、负荷的波动导致节点电压波动等问题,文章基于固态变压器(Solid State Transformer,SST)两侧电力电子变换器的脉冲宽度调制技术,提出了一种控制潮流的方法。该方法首先建立了含SST的有源配电网动态无功优化模型;然后以多时刻的有功网损和电压波动为优化目标,采用改进多目标粒子群算法对SST的一、二次侧的电力电子变换器的调制角和调制系数等多个控制变量进行求解;最后建立仿真模型并与基于有载调压变压器的有源配电网动态无功优化方法进行比较。结果证明了所提方法在降低配电网网损和维持节点电压稳定方面的优越性。

基于状态估计的配电网线损分析

当前电站自动化覆盖率高,可提供大量数据进行分析计算,为此提出一种基于状态估计的配电网线损分析方法,并分析该方法所用的信息管理系统的结构和功能。通过状态估计方法对采集数据进行处理,同时满足潮流计算的约束,消除误差和丢包带来的影响,得出较为精确的节点注入功率,以此计算配电网的线损率。

基于PLESN和LESQRN概率预测模型的短期电力负荷预测

针对现有电力负荷预测不能很好反映负荷数据的周期性和趋势性以及残差的波动性特征提出一种考虑周期性建模的泄露积分型回声状态网络点预测模型和泄露积分型回声状态分位数回归网络概率预测模型组合的短期电力负荷预测方法.首先为了捕捉负荷的多重特征定义了周期性和趋势性损失函数辅助优化点预测模型然后为克服残差的波动问题利用概率预测模型对点预测值与真实值的残差进行建模预测最后整合同时刻的点预测值与残差预测区间得到概率预测模型结果.实际算例结果表明与其他模型相比所提模型不仅有效抑制尖端振荡现象而且能够生成可靠的概率密度分布.

中国大学治理现代化的能力困境与建设路径

中国大学治理现代化是中国作为发展型国家主动选择和推进的大学治理体系改革与治理能力提升的过程。“中国式”特征短期内推动了大学治理体系的现代化转型,却未能带来大学治理能力的同步提升。学术文化网络是由塑造权力施展空间和治理效果的学术组织体系、权威关系以及相应的知识生产规则与文化观念等交织维系的关联网。包括国家权力、大学行政管理以及学术权威在内的多种权力因素都必须根植和互动于这一“文化网络”,才能形成推进大学治理现代化的基础能力。国家基础权力通过制度化的有效渗入、柔性协商和激励互动等路径与基层学术组织特有的关系规则、文化认知及教师需求联结起来,即生长出“自下而上”的基础性治理能力,构成推进学术组织变革的领导力和权威力。G大学的个案调查与研究检证了上述理论预设和建设路径。

基于孪生Inception网络的燃烧器火焰状态监测

燃煤电厂炉膛火焰的实时监测关系到发电经济性和锅炉的安全运行,而基于光能、热能和辐射能等能量信号的传统火检技术仅能探测火焰的有无,已无法满足日益迫切的火力发电精细化“调峰”需求。本文以实际电厂燃烧器火焰图像为研究对象,应用基于改进的Inception深度卷积神经网络(deep convolutional neural network,DCNN)的火焰状态分类方法,通过深入分析燃烧器火焰图像特点,对火焰多维度特征进行提取并制作数据集,同时将预处理后的不同类别火焰图像制作成火焰图像数据集,构建Inception DCNN,实现自动特征提取的火焰状态分类,并提出基于孪生Inception DCNN对燃烧器火焰状态进行分类。结果表明,改进的孪生Inception DCNN网络模型将火焰的状态分类问题转化为评价状态相似度问题,间接实现分类目标,识别准确率达到99.86%。

基于SSA-BP神经网络的蓄电池SOC估计

蓄电池作为变电站直流电源的最后一道保护屏障,一个精确的蓄电池荷电状态(SOC)估计值极为重要。为选择一个精确,易实现的SOC估计方法,采用麻雀搜索算法优化的BP神经网络作为SOC估计模型。该方法具有BP神经网络高适应性、非线性映射能力等优点,同时解决了BP神经网络容易陷入局部最优解的问题。通过数据仿真验证,SSA-BP神经网络能够更加精确地进行蓄电池SOC值估计,具有更小的误差和更快的迭代速度。

基于无线传感网络的火电厂发电机组继电保护状态自动监测方法

为了增强继电保护状态监测效果,提出基于无线传感网络的火电厂发电机组继电保护状态自动监测方法的研究。首先利用LoRa传感器作为目标数据的采集装置,以LoRa无线信号的形式,借助LoRa网关将数据发送至监测管理中心,然后利用继电保护不同数据之间的连锁关系,构造了针对火电厂发电机组继电保护的异或逻辑,将继电保护布尔量参数不一致时的非线性参数作为异常监测输出结果。结果表明,该设计方法误差较小且稳定性较高,应用效果较好。

区域风电场群集中式功率预测系统设计

为实现对区域风电场群集中式功率的准确预测,提出并设计了一种适应性强、维度高的预测模型。首先,通过AHP分析法发现影响区域风电场群集中式功率预测系统的五个必要因子;然后,构建预测评估模型得到其设计附加值的数据构建状态空间模型;接着,将该状态空间模型在人工智能的数据空间中进行部署并加以神经网络训练;最后,对这一预测系统模型进行实证验证,发现其数据吻合度较高。该预测模型可以用于对区域风电场群集中式功率进行预测,具有较广泛的应用价值。

基于固态变压器的有源配电网自适应模式切换与功率管理

为实现高压电网和交直流混合微网的系统集成与优化,固态变压器(solid-state transformer, SST)成为研究热点。然而,目前较少考虑线路或通信故障条件下系统运行模式的协调控制以及即插即用单元的功率优化分配。为此,提出一种基于SST的有源配电网自适应模式切换与功率管理策略。首先,基于SST的系统架构实现高压并网、微网互联、微网孤岛的平滑模式切换,保证母线电压稳定在额定值附近。同时,采用分布式一致性算法和改进下垂控制,根据运行成本、储能荷电状态(state of charge, SOC)实现经济均衡的功率分配。最后,基于RT-LAB实时仿真平台验证所提模式切换与功率管理策略。

Energy Efficient Modelling of a Network

Most of the networks are generally less energy efficient and most of the time resources are underutilized. Even resources of busy networks are also underutilized and thus networks show energy inefficient management system. This paper focuses on how to obtain minimum resources for the current situation of the network to maintain connectivity, power saving and quality of service. Four different models are proposed in this perspective with different purposes and functions. These models determine the minimum resources under certain constrains. Two types of services namely, "minimum bandwidth" and "trivial file transfer" are considered. For "minimum bandwidth" service, minimum edge, minimum delay and minimum change models are proposed. Here data rate switch and enable/disable of edges are placed in these models for power saving strategy. Another model, multi flow is proposed for "trivial file transfer" service. It is proposed for transferring files through multiple flows in multiple paths from source to destination. All models except multi flow model are mixed integer programming optimization problem.

基于ISSA-NESN的可再生能源电力需求预测研究

首先将标准麻雀搜索算法SSA加入Tent混沌映射以及动态步长因子得到优化的麻雀搜索算法ISSA,以提高种群的多样性并调节种群的全局搜索能力与局部开发能力。然后,将标准回声状态网络ESN的储蓄池内部状态函数用双曲正切函数来代替得到非线性回声状态网络NESN。最后,利用优化的麻雀搜索算法ISSA对非线性回声状态网络的储蓄池稀疏度SD以及谱半径SR进行参数优化,构建ISSA-NESN预测模型。通过算例分析,ISSA-NESN的平均绝对百分比误差(MAPE)为15.84%,均方根误差(RMSE)为0.12,预测效果优于其他对比模型。

电力通信网络海量告警信息降噪收敛方法

针对海量告警信息电力通信网络的检测率及准确率低,文章提出一种电力通信网络海量告警信息降噪收敛方法。通过电力系统通信网络的设备状态以及报文接收状态告警之间的关系,建立报文接收状态告警模型。利用覆盖规则,以少量信息代表海量信息,得到依赖关系关联两个测量模型中的海量告警信息,并构造依赖搜索树在过滤节点的同时智能归并告警信息,有效确定网络异常点。通过电力通信网络设备中的自检监测流量异常告警等信息为输入,实现电力系统通信网络各通信环节状态还原。实验结果表明应用该方法,电力系统通信网络异常检测率及准确率均在90%以上,误报率及漏报率稳定在5%以下,可以有效实现电力系统通信网络的海量告警降噪收敛。

耦合深度神经网络的动力电池联合状态估计

荷电状态(state-of-charge,SoC)和健康状态(state-of-health,SoH)的精确估计对新能源汽车动力电池的安全健康运行至关重要,但现有方法难以在统一架构下实现准确、高效的SoC和SoH联合估计。针对上述问题,提出了一种耦合深度神经网络的动力电池联合状态估计方法,利用深度神经网络特征自提取功能,构建了从可观测电压数据片段输入到SoC和SoH的映射模型。对所提方法进行了验证,结果表明SoC和SoH的估计均方根误差分别是12.09 mA·h和10.89 mA·h,分别仅为标称容量的1.63%和1.47%,且单次预测用时只需要约0.69 ms,具有精度高、运算快的优势。

面向海域通信的空天地一体化网络功率分配方法

在空天地一体化海域通信网络中,岸基基站和系留无人机协同覆盖近海区域;卫星为岸基设施覆盖不到的远海区域提供通信服务。此时,网络拓扑不规则、电磁传播环境复杂,导致耦合干扰问题。为此,提出一种基于大尺度信道信息的功率分配方案,可在确保对远海卫星用户干扰约束的前提下,最大化岸基设施组成的虚拟小区的各态历经速率之和,并设计了两步迭代算法求解非凸问题。仿真结果证明了所提方案能够有效利用位置信息解耦网络中的同频干扰,提升空天地一体化海域网络的覆盖性能和资源效率。

数字集成电路低功耗供电网络建模与分析

在低功耗设计中,多电源多电压技术通常使用电源状态表格(Power State Table,PST)定义各个电压域的供电状态组合.当PST数量较多时,EDA(Electronic Design Automation)对PST的合并速度很慢.针对这个问题,提出一种基于分治思想的数字集成电路低功耗供电网络建模方法.其利用分治算法将供电网络分割成个子模块,并使用二分查找和哈希算法对建模过程进行优化,使建模速度相比线性查找平均提高了约三分之一.然后使用双重映射算法和并行计算将模型中所有PST快速合并.最后设计UPF测试集以验证模型的正确性和测试模型的分析速度.在500个UPF(Unified Power Format)文件测试中,分析结果正确率为100%.在10个性能测试集中发现相比国际主流的LP工具,速度提高约115倍.

基于电网跳闸数据分析的供电线路异常状态预警方法

为提升电力系统的稳定性与安全性,研究基于电网跳闸数据分析的供电线路异常状态预警方法。以广州市电网为例,统计分析在2010—2014年中,其电网电压小于或等于75 kV的电网跳闸数据,得出跳闸主要因素为天气;以风速、温度、相对湿度及线路走向同风向间夹角作为输入特征量,以实际出现的跳闸异常状况为输出,创建基于BP神经网络的供电线路跳闸异常状态预警模型,并实现跳闸异常状态预估;依据预估结果,结合供电线路跳闸异常状态预警过程完成预警,并通过训练来调整漏警集与虚警集,提升预警准确率。结果表明,所提方法的训练集平均准确率为99.69%,测试集平均准确率为97.65%,而其他对比方法最高值仅为90.32%;所提方法的空报率和漏报率均在1.5%以下,说明其准确率高且性能稳定,预估结果与现实状况相符,可作为供电线路跳闸的有效预警方法。

基于状态频率记忆网络的家庭短期电力负荷预测

家庭的短期电力负荷预测在智能电网中发挥着越来越重要的作用,为了进一步提高预测的精度,提出了一种基于状态频率记忆网络的家庭短期电力负荷预测模型。首先采用K均值聚类方法,将具有相同用电模式的家庭归为一类;随后采用小波降噪技术对负荷数据进行降噪处理;最后构建状态频率记忆网络模型进行批量的家庭负荷预测。该模型通过引入离散傅里叶变换将记忆状态分解为多个频率分量,并通过这些频率成分的组合来预测未来的用电量。使用均方误差、均方根误差和平均绝对误差来评估模型,与该领域上性能表现最好的长短期记忆模型相比较,文中的模型在未来一天的负荷预测中,3类误差分别降低了21.6%、11.4%、15.4%,充分验证了模型的有效性。