基于变分模态分解与量子衍生算法的电力系统惯量评估

为消除电力系统扰动下频率变化率不一致对等效惯量评估的影响,提高系统等效惯量的评估精度,提出一种基于变分模态分解和量子衍生优化算法的电力系统等效惯量水平评估方法。通过变分模态分解实现对频率曲线的特征提取,利用各台发电机的惯性时间常数作为决策变量,对其进行实数量子编码,构造以发电机摇摆方程为基础的优化目标函数,采用量子混合更新策略对时间常数进行优化,进而实现电力系统惯量辨识,最后,进行多重指标的惯量水平评估。通过红沿河核电3号机组跳闸事件对辽宁电网实测数据下电网惯量水平进行评估分析,验证了所提方法的有效性。

基于CEEMD-ISSA-LSSVM的日前电力市场价格预测

日前电价预测的准确性对电力市场参与者的现货市场参与程度、交易策略选择、经济收益情况均有较大影响。针对电力现货市场日前电价序列具有较强的波动性,提出了一种基于互补集成经验模态分解-改进麻雀搜索算法-最小二乘法支持向量机的日前电力市场价格预测模型。首先,采用灰色关联分析法筛选得到预测日的相似日集合,然后利用互补集成经验模态分解法将相似日的历史电价序列分解;其次,以改进的麻雀搜索算法优化最小二乘法支持向量机得到改进麻雀搜索算法-最小二乘法支持向量机预测模型,并分别对分解结果进行预测,将预测结果叠加,最终得到日前电价预测值。经过算例仿真,其结果表明:与其他预测模型对电价的预测相比,所提方法具有更高的预测精度。

基于5E教学模式的“电力系统分析”课程教学改革探究

探讨5E教学模式在“电力系统分析”课程中的应用,对课程的典型教学案例进行设计。在“电力系统分析”课程的教学设计方面,以“基于PSASP的电力系统潮流计算和复杂系统的短路计算”为例,采用基于电力系统分析综合程序(PSASP)软件进行求解。在5E探究式教学模式下,分别设计了吸引、探究、解释、迁移和评价等五个环节。良好的教学效果表明,5E教学模式有利于提高学生的自主学习能力,激发学习兴趣,培养工程能力。

基于CEMD-CNN-LSTM的中长期电力负荷预测

针对诸多复杂因素影响电力负荷在中长期运行阶段中的预测准确度的问题,提出一种卷积神经网络(CNN)与长短期记忆网络(LSTM)混合的预测算法,从而达到优化负荷预测性能的目的。CNN-LSTM混合预测算法利用模态分解法将负荷数据进行分解,并将其转化为本征模态分量IMF及残差两个部分。同时,引入k均值聚类方法,确定最优聚类标签,搭建神经网络并完成数据输入。在形成特征向量的过程中,运用神经网络挖掘数据间的各类特征并进行预测。最后,采用线性相加的形式处理预测结果,获取预测负荷。仿真结果表明了CNN-LSTM混合预测算法在预测速度与精度上的性能更为优越。

考虑风荷协同参与调频的电力系统低频减载策略仿真研究

随着新能源机组的大规模并网,传统的低频减载策略由于未充分考虑风电参与调频的优势,且采用负荷被动切除的策略,很难满足电力系统运行的安全性与经济性要求。为了探究风电机组与柔性可调负荷共同参与调频对电力系统低频减载策略的影响,分析了风电机组及柔性负荷参与电网频率响应的模型,阐述了电力系统低频减载实施方案的配置原则,在仿真软件中搭建风荷共同参与调频模型并依照区域大电网实际运行情况进行低频减载仿真计算。计算结果表明,考虑虚拟惯性控制的风电机组与柔性可调负荷共同调频下的低频减载切除负荷量相比于传统低频减载策略明显减少,风荷协同参与调频对增强电力系统频率稳定防线及优化减载量等方面都具有重要的研究意义。

基于能源电力行业岗位需求的电气工程与智能控制专业培养方案的研究与实践

基于应用型转型要求,面向能源电力行业,开展了电气工程与智能控制专业的人才培养方案研究。在符合专业认证标准的前提下,规划了人才培养方案制定的策略和方法,然后构建了针对应用型人才培养的新型人才培养模式;基于岗位需求,进行课程设置和课程体系构建;研究了与能源电力行业无缝对接的实践培养模式。人才培养方案应用于人才培养,获得了良好的效果。

电力市场环境下辅助服务问题研究综述

当前,我国电力辅助服务市场发展仍处于初级阶段,产品类型及交易模式还不健全。在“十四五”规划提出“双碳”的目标下,电力市场对辅助服务的需求趋于上升态势,因而对辅助服务市场规则的设计也需要在原有基础上进行优化及创新。如何构建完善的电力市场辅助服务机制已成为电力市场领域的热点,从电力辅助服务类型、多元化市场主体参与、辅助服务交易模式3个方面对近年来的研究进行了论述,对一些方法和观点作了简要的分析与比较,并针对上述3个方面在电力辅助服务市场的发展方向进行了展望。

基于ARIMA-LIBSVM的中期电力负荷预测

在使用累积式自回归移动平均法(ARIMA)进行中期电力负荷预测时,所得残差序列具有明显规律。电力负荷数据可使用线性和非线性成分叠加表示,为弥补传统ARIMA时间序列预测法忽略非线性的缺陷,引入LIBSVM支持向量机挖掘数据残差非线性规律,并将LIBSVM预测残差与ARIMA预测结果相叠加,达到更高的精度。使用ARIMA-LIBSVM组合模型进行实例预测,结果表明:该模型能够提高预测精度。

基于校企深度协同的电气工程专业工程硕士培养模式研究与实践

校企深度协同培养模式是协调高校人才培养与企业用人需求的有效途径。不断探索校企全方位深度协同培养模式,建立与高水平科研单位深度协同的应用型工程硕士人才培养模式,可以有效促进培养模式改革不断深化,有助于提高学科水平。校企深度协同培养模式更加突出服务经济社会发展,更加突出创新精神和实践能力培养,更加突出科教结合和产学结合。实践证明,校企深度协同培养模式有效解决了学科发展平台短板,使研究生创新精神和实践能力得到了显著提升。

电气工程专业硕士研究生创新实践人才培养模式的改革与实践

电气工程领域是与电力的发、输、配、用各环节相关的工程领域,文章立足于沈阳工程学院以能源电力为主干的教学特点,进行电气工程硕士创新实践人才培养模式的改革与实践,从现阶段人才培养模式缺陷出发,挖掘人才培养创新点,提出人才培养具体策略。

基于多层级时空图神经网络的风电机组在线异常检测

在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故障检测的准确性。该方法依据风电机组物理结构,将其功能单元划分为多个子图,从而构筑了一个多层级的时空图神经网络,通过图注意力机制和多头注意力机制全方位地分析风电机组各传感器节点与功能单元之间的关联强度。同时,针对数据采集与监控(SCADA)系统数据的时间关联,设计了动态图神经网络和时间注意力机制,使正常行为预测模型捕捉了SCADA系统数据的时间关联特性,实现了空间和时间特性的有效融合。最后,基于中国上海某风电场的实际数据验证了所提方法的显著有效性。

基于新能源承载能力的配电网电采暖负荷动态优化调度策略研究

随着配电网中新能源渗透率的增加,配电网新能源承载能力受到挑战。电采暖负荷有一定的可调节性,具有参与配电网负荷调度的潜力,如何通过负荷调度提升配电网新能源承载能力具有重要现实意义。文章提出一种考虑新能源承载能力的配电网电采暖负荷动态优化调度策略。首先,构建了蓄热式电采暖负荷的调控模型;然后,以配电网台区新能源承载能力为目标,以配电网负荷波动平抑、配电网稳态安全运行和电采暖负荷用户舒适性为约束,建立了配电网电采暖负荷动态优化调度模型,并提出基于量子遗传算法的求解策略。采用拉丁超立方抽样法生成典型应用场景,进行配电网新能源承载能力调度策略的适用性分析。算例结果表明,所提方法能够充分考虑电采暖负荷的调控潜力,提高配电网新能源的应用水平。

计及动态能源价格和共享储能电站的多主体综合能源系统双层优化调度策略

可再生能源不确定性背景下,为协调综合能源运营商、电热负荷聚集商及共享储能电站之间的利益关系,提出一种电热综合动态定价机制,基于综合需求响应特性,引导电热负荷聚集商参与综合能源系统运营商优化,促进储能高效应用和新能源就地消纳,实现多利益主体互利共赢。以综合能源系统运营商为主体,以电热负荷聚集商和共享储能运营商为从体,构建一主多从的综合能源多运营主体系统优化模型。充分挖掘共享储能运营商的运行模式,包括充电、放电和提供备用等模式。采用CPLEX对主从博弈模型迭代求解,算例结果验证了模型及方法的有效性。

新型配电网的低碳性评估与减碳措施研究

构建以新能源为主体的新型配电网是实现碳达峰、碳中和目标的关键途径。随着能源结构和系统形态的改变,配电网碳排放特性也发生显著变化,准确评估低碳性对新型配电网的规划和运行都具有重要意义。揭示了新型配电网低碳性内涵,全面总结了适用于新型配电网低碳性评估理论体系。首先,从电源侧、电网侧、负荷侧、储能侧4个方面对新型配电网的内涵进行了分析;其次,梳理了描述配电网低碳性的低碳指标体系,并对综合评估方法、碳排放分析法和仿真模拟法3种低碳性评估方法进行研究综述;最后,从源、网、荷、储4个方面归纳总结了新型配电网减碳措施的关键技术,以期为后续新型电力系统建设、运行等提供借鉴。

区域双碳目标与预测研究

以区域双碳目标为主线,综合运用了德尔菲法、差异性分析法和多元线性回归模型,深入研究和实施可持续发展与低碳经济的策略。德尔菲法汇集多领域专家意见,建立区域双碳目标共识,为碳排放规划提供基础;差异性分析法用于识别不同地区的碳排放特点、趋势和关键领域,为个性化碳排放路径的设计提供依据;多元线性回归模型解析碳排放与各影响因素的关系,为制定决策提供数据支持。通过整合3种方法,为实现区域双碳目标提供综合性工具,促进可持续发展和碳排放的有机结合。这一综合方法不仅有助于实施碳排放目标,还可以适应不同地区的需求,为未来可持续发展提供理论依据。

基于MWKCNN与迁移学习融合的风机轴承故障诊断方法

针对实际风电场的风机运行工况多变、数据完备性缺失导致的风机轴承故障诊断精度降低的问题,提出一种基于多重宽核卷积神经网络(multiple wide kernel convolutional neural networks,MWKCNN)与迁移学习融合的风机轴承故障诊断方法。首先,在源域训练MWKCNN风机轴承故障诊断模型;其次,根据3个目标域与源域的相似度,利用基于模型微调的迁移学习方法对源域的MWKCNN模型结构进行调整,并且用实际的轴承数据集进行验证;最后,通过仿真实验进行验证。结果表明:MWKCNN模型对源域的风机轴承故障诊断的精度达到了99.48%;在3种数据完备性缺失的目标域,对风机轴承故障诊断的精度均达到了94%以上;相比于其他模型的迁移效果,MWKCNN模型对轴承振动信号故障特征的挖掘能力更强。

电动汽车对电力系统潮流及设备影响的研究与分析

随着电动汽车的出现和普及,未来电动汽车充电站作为电力系统的最新负荷,将给电力系统稳定和电力系统需求侧管理带来挑战。针对可双向供电的电动汽车作为电网重要负荷建模,利用数学模型模拟出电动汽车充电与放电时对电力系统的影响。同时以辽宁某运行电动车项目的实际情况进行实验,发现电动汽车入网对中低压配电网的潮流及相关的变压设备具有不同程度的影响。通过理论建模分析结合实际相关测试,提出了电动车对电网潮流及设备的影响规律,为电力系统接纳新能源用电负荷稳定运行提供了重要参考。

电力系统无功优化算法研究综述(下)

综述了电力系统无功优化的相关概念、研究的关键问题和经典模型。系统地阐述了优化算法中的常规算法、智能算法及其改进算法在电力系统无功优化中的应用情况及存在问题,并对各种优化算法的优缺点进行了分析比较。针对各种优化算法的不同特征,提出了综合各单一算法优点的混合算法以求解无功优化问题。总结了近年来其它新型算法的无功优化应用情况。最后指出了随着智能电网的发展,电力系统无功优化算法当前存在的问题及有待于深入研究的几个方面。实现无功优化的实时计算将是今后无功优化算法问题新的研究方向。

电力需求侧管理中可中断负荷的成本效益分析初探

随着电力市场的发展和电力体制改革的不断深入,电力需求时间不平衡现象增加了电网运行的压力和供需之间的矛盾,为了解决这一矛盾,电力需求侧管理(DSM)越来越被大多数人所认同,并成为综合资源规划的重要组成部分。可中断负荷管理作为需求侧管理的重要组成部分,其成本效益分析是能够顺利实施可中断负荷措施的理论依据。通过分析五方收益成本模型,建立了五方成本收益关系图,并以电网公司为例,根据可免成本理论,从可免成本和费用损失两方面对电网公司进行了成本效益经济分析。

综合能源系统低碳经济优化调度研究

为实现碳中和目标,应大力发展清洁能源,需要建设综合能源系统(integrated energy system,IES)并对其进行优化。首先提出了一种IES低碳经济运行策略。该策略关注碳交易市场,并引入阶梯式碳交易机制,以促使IES更有效地控制碳排放;其次提出了一种基于电解槽、甲烷反应器和氢燃料电池的电转气(power-to-gas,P2G)过程。这种新方法可有效提高氢能利用率,降低运行成本;最后,还提出了供需灵活侧双响应机制。在供应侧,通过热电比可调的热电联产来提高能源利用率。在需求侧,提出电、热、气负荷均具备时间维度上需求响应的同时,还具备可替代性。通过这一机制,能够进一步提升IES环保性和可行性。