考虑新能源随机性的新型电力系统图深度学习稳定指标概率分布评估模型

新型电力系统的新能源大规模随机性出力特点导致目前在线暂态稳定扫描结论面临失效风险,这一问题从元件建模精度、系统拓扑适应性和计算速度三个方面同时对现有方法提出挑战。因此提出了基于重概率化改进的置信带方法和图深度学习的稳定指标概率分布及置信带评估模型,通过图深度学习模型快速评估少量采样点,再由重概率化置信带方法扩增结果,利用标签共现知识引导时域仿真对准确率进行增强,最后使用置信带方法给出随机出力下的稳定概率分布和区间形式的评估结论。该方法优点在于利用了图深度学习的拓扑适应能力和快速计算特点,且不受元件建模精度限制,置信带计算结论具有可靠的理论背景,能够评估稳定概率分布。在IEEE-39和IEEE-300节点系统上的评估精度验证表明,所提方法能够高精度地预测指定方式暂态稳定指标,并给出可靠的概率评估结论。

黑启动中考虑新能源不确定性的移动-固定式混合储能优化配置方法

近年来极端天气频发,电力系统的弹性水平亟须有效提升。针对黑启动中电网的储能配置展开研究,提出了一种考虑新能源不确定性的移动式储能与固定式储能的混合配置方案,以增强电网黑启动的灵活性与可靠性。首先,考虑移动式储能在电网中的行驶状态、行驶时间等动态运行过程,建立了移动式储能的时空交互模型和运行调度模型;其次,对电力系统中各黑启动电源进行分析与建模,应用场景法考虑新能源出力的不确定性,并对火电机组在恢复过程中的爬坡率和有功功率变化进行分析;然后,结合固定式储能的运行模型,以移动式储能和固定式储能的投资成本和运维成本最小化为目标函数,建立了面向电力系统黑启动的混合储能优化配置模型。该模型考虑了黑启动中系统对负荷的恢复要求,并从负荷稳定角度应对系统的不安全扰动,构建了黑启动中各机组、节点和线路的恢复模型。最后,以改进的IEEE30节点算例验证了混合配置移动式储能和固定式储能对提升极端事件中电力系统恢复能力的有效性,为实际工程提供参考价值。