基于数据物理融合驱动配电网三相线性化潮流及线损分析应用

分布式电源规模化并网引入了下垂控制等非光滑本地控制约束,易导致传统基于前推回代法的潮流计算方法收敛失败,且由于分布式电源并网改变系统潮流方向,导致传统等值电阻法、压降法等理论线损计算方法不再适用。为解决上述问题,提出计及有载调压变压器调压、分布式光伏下垂控制的光滑化模型,构建了基于数据物理融合驱动的三相配电网线性化理论线损快速计算模型。在传统基于稳态运行特性线性化、一阶泰勒展开线性化的基础上,利用偏最小二乘法补偿线性化误差。相比纯物理驱动线性化,在负荷重载条件下仍具有较高精度;相比于纯数据驱动线性化,能够保留支路拓扑信息,适用于开关状态变化场景。所提模型仅对线性化误差进行拟合补偿,在保证线性化精度的前提下,极大地提高了潮流模型的收敛性与计算效率,且能够适应不同负荷水平实现精确误差补偿。基于实际42节点三相配电网系统仿真,验证了所提模型具有较高精度,且能够实现配电网理论线损鲁棒、快速计算。

适用于配电网三相优化潮流的数据物理融合驱动线性化方法

现有配电网三相潮流线性化模型在重载时精度下降较明显,限制了其应用。为此,提出了一种适用于三相优化潮流的改进型数据物理融合驱动线性化方法。首先,基于配电网物理特性得到三相线性潮流模型。然后,采用偏最小二乘回归的数据驱动方法获得线性化误差模型,对物理驱动模型进行修正。与完全数据驱动型方法相比,三相线性潮流模型保留了线路信息,可在优化潮流中用于描述支路约束。与完全物理驱动模型相比,三相线性潮流模型充分利用数据驱动的优化拟合能力来获得线性化误差与节点负荷之间的线性关系。因为在误差修正项中包含更多维的全局信息,所以线性化模型的精度得到提高,保证了重载时所提方法的精度仍足够高。所提方法具有更好的适用性,能够处理各种连接方式的三相变压器和负荷模型以及考虑相间耦合的分布式电源模型。基于IEEE标准算例,将所提方法与其他可用于优化潮流的线性化方法进行对比分析,结果表明所提方法在系统重载时精度依然很高。

电力系统中数据-物理融合模型的并联模式性能分析

随着交直流混联电网规模的扩大与电力电子化设备的大规模并网,以新能源为主体的新型电力系统的动态特性愈加复杂。物理模型的机理可解释性与数据模型的特性拟合能力具有很强的互补性。如何将融合模型的构建从定性分析向定量分析提升亟待深入研究。文中基于电力系统中数据方法与物理方法的特点,针对4种典型数据-物理融合模型分析了其相对应的应用场景;以并联模式为研究对象,分别对比分析了并联模式与单一物理模型和单一数据模型的泛化误差,并提出了融合模型参数的选取方法;推导了并联模式下融合模型的泛化误差上限,并提出了改进融合模型性能的可行性建议;最后,结合暂态功角稳定问题验证了所提假设与结论的合理性。

数据—物理融合驱动的含新能源电网短路电流超标评估策略

目前含新能源电网短路电流超标问题日益严重,因其状态变化更快、幅度更大,离线的短路电流超标分析可能无法穷尽超标场景,在线实时分析具有相当的必要性。考虑到主流物理模型计算方法难以满足在线计算速度需求,更快速的计算具有重大意义,因此,提出一种数据—物理融合驱动的短路电流超标评估策略。首先,在分析影响短路电流主要因素的基础上,为了提高计算速度,将原先特征降维为仅考虑负荷的影响,再结合最优潮流及随机模拟生成大量样本集合,通过机器学习算法训练得出数据驱动模型,在此基础上,使用漏检率和误检率对数据模型进行阈值整定;然后,利用数据驱动模型初步筛选短路电流超标场景;最后,通过最新研究中所提理论物理模型对初筛后的短路电流场景进行高精度校验,并在含光伏电源的IEEE 39节点模型上进行验证。仿真结果表明:该策略可在确保不遗漏超标短路电流场景的前提下有效提升校验速度。

数据-物理融合驱动的有源配电网自适应电压控制

分布式电源高比例接入条件下,配电网运行状态更加复杂,同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先,构建数据-物理融合驱动的有源配电网自适应电压控制框架;然后,针对有源配电网的电压控制问题进行数据驱动建模;进一步考虑数据驱动控制的局限性,通过不完备物理模型修正数据驱动模型;最后,基于改进的IEEE33节点算例进行分析验证,结果表明数据-物理融合驱动控制策略可以有效抑制有源配电网的电压频繁越限,提高配电网自适应优化控制水平。

基于物理-数据融合的数字化楼宇用电模型构建方法

随着智能终端和传感器的广泛应用,结构、环境、电气以及人员行为等多元参数的实时采集与传输使楼宇具有了数字化特性,从而使对数字化楼宇的电能利用进行动态精细化分析成为了可能。然而,基于单一物理或数据建模的楼宇用电分析方法在实际应用中均存在一定计算误差。提出一种基于物理-数据融合思路的数字化楼宇用电模型构建方法,结合静态与动态的多元数据,在保留楼宇热-电转换的因果关系基础上,可通过真实量测数据修正楼宇用电物理模型,实现精细化的楼宇用电能效分析。通过某数字化楼宇实测数据验证,表明所提出的方法具有准确性和合理性。

基于数据-物理融合的直流系统后续换相失败预测方法

换相失败是高压直流输电系统最常见的故障之一,对换相失败的有效预测有利于交直流系统的安全稳定。但是,与首次换相失败相比,后续换相失败机理较为不明,影响因素更加复杂,当前研究尚难以实现对后续换相失败的有效预测。因此,文章提出了一种基于数据-物理融合模型的后续换相失败预测方法。基于对换相过程的机理分析,首先将电力系统固有响应形式进行时域-频域转换,得到考虑电压谐波的换相电压预测值。然后,基于叠加定理计算直流电流,从而实现对熄弧角的预测。为进一步提高预测精度,将与熄弧角相关的电气量作为输入特征,建立基于数据驱动的预测误差修正模型,对机理分析得到的熄弧角预测值进行校正。最后,在电磁暂态仿真软件中搭建测试系统,结果验证了文章所提方法的有效性。

基于广域测量信息的物理-数据融合频率偏差极值在线预测

大规模风电并网降低了电力系统惯量水平,增加了其暂态频率偏差的越限风险,然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够,故需进一步优化频率偏差极值预测方法,用以系统的频率稳定评估。文章基于广域量测技术(wide area measurement system,WAMS),考虑风电并网对频率响应过程的影响,提出了一种物理-数据融合频率偏差极值在线预测方法。首先,利用广域量测信息对有功-频率开环解耦模型进行数据粘合,在此基础上形成可快速求解的物理-数据融合的暂态频率分析模型;其次,基于该模型,获得实时更新的频率偏差极值预测值,并提出“预测值误差指数”指标来量化预测精度,指导在线模型的自适应动态结果输出;最后,通过算例验证了所提频率偏差极值在线预测方法的快速性和准确性。

基于物理-数据融合的楼宇用电需求响应潜力分析

建筑楼宇能耗在能源总消耗量中所占比重较大,需求响应技术可以充分利用楼宇的用电需求响应(demand respond,DR)潜力,提高电网功率平衡的稳定性。提出了一种基于物理-数据融合的楼宇用电需求响应潜力分析方法,可以实现对楼宇DR潜力的准确评估。首先基于楼宇的用电能耗模型,提出了物理-数据融合算法可对模型的关键参数进行修正;其次,定量分析了楼宇DR潜力的时变特性,并通过物理-数据融合算法对计算过程中负荷模型产生的误差进行修正,表明DR潜力的容量、速率和概率是DR潜力的主要指标;最后,考虑建筑的固有蓄热特性,提出了提高楼宇DR潜力的智能优化策略。通过实例分析,给出了一种考虑楼宇DR潜力时变特性的智能DR策略,证明了该方法的合理性和有效性。