考虑风光不确定性与电动汽车的综合能源系统低碳经济调度

综合能源系统耦合负荷侧多种能源需求,是就地消纳分布式能源的有效手段。为协调多利益相关者场景下综合能源系统与电动汽车之间的调度问题,提出了一种考虑风光不确定性与电动汽车的综合能源系统双层模型的优化调度策略。首先,针对风光出力随机性,采用拉丁超立方采样生成场景,然后利用改进削减速率的快速前代消除技术进行场景削减。其次,为了挖掘电动汽车的需求响应潜力,在分时电价基础上,根据负荷与可再生能源的匹配度提出一种动态定价机制来引导电动汽车有序充放电,并研究其充放电策略对运行成本与碳排放量的影响。最后,算例分析结果表明,与分时电价相比,所提定价机制与调度策略能提高能源利用率与EV的调度灵活性,有效降低两利益相关者的运行成本与系统的碳排放量。

基于AMBOA-DBN结合相似日的短期光伏功率预测

提出一种综合灰色关联理论的数据挖掘方法选取相似日,运用自适应动态权重的变异蝙蝠算法优化DBN神经网络。首先从历史数据集和预测日数据两方面分析主要影响光伏发电功率的因素,通过在原有模糊灰色关联分析的基础上,引入计算事物各属性发展趋势相似程度为衡量标准的综合灰色关联理论,选取更高相似度的相似日;利用自适应动态权重蝙蝠算法对DBN的权值参数进行优化,以此改进神经网络训练过程中因初始权值选取不当而陷入局部最优或收敛时间过长等问题。建立短期光伏功率预测模型,将此模型与其他预测模型进行对比,实验结果表明该模型更具预测精准性。

基于改进ECC的含电动汽车用户负荷信息保护方案

在智能电网的大趋势下,电力公司与用户之间的数据传输交换愈加频繁高效。通信网络经常遭受网络攻击或窃听,为确保用户的用电数据在传输过程中不被恶意篡改,提出一种面向电动汽车用户的信息保护方案。通过改进加法运算和标量乘运算对传统椭圆曲线加密算法(elliptic curve cryptography,ECC)做轻量级优化,克服电网双向互动环境中智能电表资源有限的问题。在此基础上,设计负荷分解算法作为加密方案的检验工具,分解加密后的电力数据。最后,通过仿真算例分析,验证了所提方案的可靠性和安全性。

考虑时序场景的分布式电源规划及无功优化策略

针对分布式电源发电和负荷需求的时序性和不确定性问题,通过风光概率出力模型生成初始场景并对场景进行缩减,建立考虑时序性的典型日风光电源—负荷场景。以综合配电网经济性和环境效益的综合性能指标最小为目标优化模型,采用改进遗传算法对分布式电源接入位置与容量进行规划。根据无功二次精确矩选择无功补偿设备的最佳补偿位置以降低网损,并以提高电压水平为目标确定无功补偿容量。对含分布式电源的IEEE33节点配电网系统进行仿真分析,结果表明优化后的策略能提升配电网的电压质量,降低网络损耗和提高经济效益,验证了该方法的有效性与合理性。

基于EEMD和卷积神经网络的高压断路器故障诊断

高压断路器分合闸线圈的电流信号蕴含着丰富的断路器操动机构状态信息,对操动机构故障诊断具有重大意义。首先,文中通过集合经验模态分解(ensemble empirical mode decomposition,EEMD)具备的检测突变点性能确定有效分合闸线圈电流信号段,并对其进行EEMD自适应降噪处理。其次,运用时域求极值法对有效信号段进行信号处理,提取电流、时间复合特征量。最后,通过对复合特征量数据进行Kronecker张量积预处理,以便输入到卷积神经网络(convolutional neural network,CNN)中进行有监督地故障状态的辨识诊断。实验结果表明,文中所提分合闸线圈电流信号的电流、时间复合特征量提取方法有效、CNN卷积神经网络算法相比GA-BP和支持向量机(support vector machine,SVM)算法诊断精度更高,具有较高的实际应用价值。

考虑时滞的互联电力系统广域阻尼控制器设计

针对互联电网中时滞因素影响广域控制效果的问题,提出了一种基于蝙蝠算法的广域阻尼控制策略,该方法对时滞环节采用Pade逼近近似处理,并利用蝙蝠算法对广域控制器进行优化,将机电振荡模态的阻尼比做为目标函数,分别讨论了不同时滞、多个输入以及多输入多输出的阻尼控制器优化设计,并给出在两区四机系统中的仿真结果,结果表明:采用蝙蝠算法设计的广域阻尼控制器能有效地抑制区间振荡模式,且多输入多输出的广域控制器控制效果要优于单输入单输出的广域控制器。

基于多参量LSTM模型的变压器油纸绝缘老化诊断方法

针对单一特征参量进行油纸绝缘老化诊断容易造成诊断结果偏差和片面性的问题,提出了一种基于多参量长短时记忆(long short-term memory,LSTM)深度学习模型的油纸绝缘老化诊断方法。首先分析变压器油中糠醛与聚合度的相关性,根据糠醛含量和聚合度的良好线性关系建立油纸绝缘老化分级策略;其次深入分析多个时域特征量与油中糠醛的关系,利用现场获取的变压器绝缘测试数据,建立油中糠醛含量与时域特征参量组成的5维评价体系,并对模型进行优化,构建多参量LSTM神经网络模型;最后通过现场实例验证该评价体系的准确性和可靠性。该方法将深度学习与故障诊断方法相结合,可为变压器绝缘老化诊断提供一种新的思路。