计及新能源出力不确定性和柔性负荷可控电网网损优化方法研究

大规模风电等新能源出力的随机波动特性会对电网的网损带来一定影响。本文提出了一种计及新能源出力不确定性和柔性负荷可控的电网网损优化方法。该方法将风电出力的不确定性因素考虑到电网网损评估方法中,在此基础上建立考虑柔性负荷可控性的电网两层网损优化模型,并通过校正内点优化算法进行求解。算例结果表明:考虑风电出力不确定性的网损评估更能适应当前电网节能降损的需求,而通过柔性负荷的可控性则能够降低大规模风电接入电网的网损。

谐波作用下的电网网损计算

首先,基于电路理论,求解得到基频阻抗下网损的计算方法;接着,对电网的谐波特性及线路的谐波阻抗进行分析计算,提出了一种计及谐波影响的电网网损计算方法;最后,以IEEE-14节点作为算例,对电网不同谐波含量下的网损进行计算,分析不同谐波含量对电网网损的影响程度。结果表明,谐波环境下电网网损随谐波畸变率的增加而增加。本文的研究成果为网损分析提供了一种简便的方法,对降低网损具有指导意义。

VSC电压下垂参数对交直流联合电网网损的影响

交直流联合电网直流电压的控制方式大多采用电压下垂控制,为提高系统运行可靠性,降低下垂控制方式下的网络损耗,本文探究了VSC电压下垂控制的可控参数对系统网损的影响。首先建立了计及换流器损耗的交直流联合电网网损计算模型和VSC电压下垂控制方式下直流电网稳态模型,分析了VSC下垂控制原理和不同参数对P-V特性曲线的影响。通过算例仿真,比较了调节换流器不同参数时的直流电压波动情况和网损优化效果。最后得出结论:调节下垂控制参考功率的网损优化效果较好且能够保证系统安全稳定运行,是一种有效的无功优化措施。

电网网损管理与降损问题研究

电力网损作为电力企业综合竞争力的重要指标之一,反映了企业电力设计规划水平和整体运营效率。相对于线损管理,我国在电网网损管理水平上较为薄弱。文章围绕管理网损和技术网损,对降低网损的重要性、网损管理中存在的问题以及影响因素等方面进行了论述,进而探索了降低网损的有效措施。

计及电动汽车充放电时空分布的输配网协同降损低碳策略研究

为了降低电网网损与碳排放以及提高电网整体的经济性,提出一种计及电动汽车充放电时空分布的输配协同降损低碳策略研究。在输电网层,以考虑输电网网络损耗的出清电价以及输配两级电网的售、购电量为输电网和配电网之间的交互变量,分别建立输电网以及配电网优化调度模型并协同降损;在配电网层,考虑电动汽车充放电的时空分布对配电网网损的影响,设置了电动汽车空间调度层,在输配两级电网调度资源的最优时间分布的基础上,对电动汽车的空间位置进行优化,进而优化配电网潮流,从而降低配电网网损,增加了光伏消纳率,减少了碳排放。在此基础上,采用并行子空间算法对模型进行求解,避免输配两级电网频繁的信息交互,极大地提高了求解效率,求解结果显示,相对于传统算法,其迭代耗时降低了一个数量级。最后,通过仿真算例验证了提出模型的有效性。

降低农网网损的对策探讨

由于各种原因,电网网络损耗是客观存在的,电能的全过程,包括生产,输送及消费都应该讲究一定的经济效益,所以降低电网损耗,是电力企业增加经济效益的一项重要措施。就降低电网的能量损耗,有各种措施,可以通过各种管理手段及技术措施,比如健全管理网络,对人员进行知识的更新培训等,技术措施比如通过加装静止无功补偿装置,采用新型节能设备等。

基于混沌自适应人工鱼群算法的含家庭储能配电网快速重构方法

针对分布式电源接入配电网具有波动性和随机性的特点,提出一种基于混沌自适应人工鱼群算法的含分布式电源配电网快速化重构方法。在风电、光伏和家用储能的数学模型和节点划分基础上,以电网网损、开关次数以及失电负荷成本最小为目标函数,建立基于多目标优化的含分布式电源配电网的优化重构模型。利用混沌自适应人工鱼群算法对模型进行求解,通过对鱼群的混沌初始化和自适应动态调整步长参数,提高了算法的全局搜索能力和收敛速度。根据电化学储能系统出力特性划分配电网网架重构的典型工作场景,通过含分布式电源的IEEE 33节点测试系统仿真实例验证了该文方法的有效性。仿真结果表明,与单独考虑电网网损成本相比,由该文方法得到的配电网优化重构成本降低了50%以上,优化重构时间均小于0.9 s,实现了含分布式电源配电网的快速自愈。

Electrode Wear Prediction in Milling Electrical Discharge Machining Based on Radial Basis Function Neural Network

Milling electrical discharge machining(EDM) enables the machining of complex cavities using cylindrical or tubular electrodes.To ensure acceptable machining accuracy the process requires some methods of compensating for electrode wear.Due to the complexity and random nature of the process,existing methods of compensating for such wear usually involve off-line prediction.This paper discusses an innovative model of electrode wear prediction for milling EDM based upon a radial basis function(RBF) network.Data gained from an orthogonal experiment were used to provide training samples for the RBF network.The model established was used to forecast the electrode wear,making it possible to calculate the real-time tool wear in the milling EDM process and,to lay the foundations for dynamic compensation of the electrode wear on-line.This paper demonstrates that by using this model prediction errors can be controlled within 8%.