【摘 要】
：
针对虚拟电厂异构资源的优化组合问题,提出了包含需求响应、柔性可控负荷、分布式电源的响应特性模型.以虚拟电厂对互动资源的控制权限为依据,将互动资源响应电量划分为有、无风险资产,将资源响应计划分配问题映射至投资组合理论中资产权重配置问题,以组合风险衡量用户响应电量不确定性,以预期收益最大为目标建立优化组合模型.在此基础上,利用互动资源的分散性,使虚拟电厂向电网提供阻塞管理,并在CIGRE 20 kV中压配电系统上对所提出方法进行验证.算例结果验证了所提模型的实用性.
【机 构】
：
北京交通大学电气工程学院,北京市 100044;电力系统及大型发电设备控制和仿真国家重点实验室,清华大学,北京市100084
论文部分内容阅读
针对虚拟电厂异构资源的优化组合问题,提出了包含需求响应、柔性可控负荷、分布式电源的响应特性模型.以虚拟电厂对互动资源的控制权限为依据,将互动资源响应电量划分为有、无风险资产,将资源响应计划分配问题映射至投资组合理论中资产权重配置问题,以组合风险衡量用户响应电量不确定性,以预期收益最大为目标建立优化组合模型.在此基础上,利用互动资源的分散性,使虚拟电厂向电网提供阻塞管理,并在CIGRE 20 kV中压配电系统上对所提出方法进行验证.算例结果验证了所提模型的实用性.
其他文献
同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据.然而,PMU连续坏数据与扰动数据高度相似,可能会导致控制中心做出错误的决策.针对PMU连续坏数据难以与扰动数据区分的问题,提出了一种基于局部离群因子(LOF)的连续坏数据检测算法.通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论,依据此结论提出了基于动态时间规整(DTW)的空间相似性评估方法.通过评估不同PMU的空间相似性来计算每台PMU的LOF值,进一步,提出了基于箱线图的阈值确定方法.通过比较当前窗口每台PMU的L
对拓扑结构进行优化可提高电力系统运行灵活性,然而线路开断与变电站母线分裂等系统级的离散决策变量维度极高.该拓扑结构优化问题难以由传统混合整数优化方法求解.针对该问题,提出了一种结合异步优势Actor-Critic(A3C)深度强化学习与电力系统领域知识的运行优化方法,将在线优化的计算负担转移至离线智能体训练阶段.该方法通过同时考虑拓扑结构与发电出力调整的动作空间设计系统运行控制智能体,以最小化约束越限为训练奖励,通过强制约束校验缩减搜索空间并提高强化学习效率,从而实现电力系统运行拓扑结构优化的快速计算,提
可再生能源渗透率的增加给电力系统安全稳定运行带来持续性的挑战,传统方法分析系统稳定性、控制电网稳定运行变得愈加困难.针对这一难题,提出了内嵌安全稳定约束的电力系统优化运行框架以及用于电力系统安全稳定规则提取的斜回归树及其集成算法.该算法首先优化斜划分系数以训练单棵斜回归树,然后利用boosting思想集成斜回归树,并通过正则化方法保证树的稀疏度,增强算法的可解释性.相比神经网络等黑箱模型,文中提出的方法能够提取显式安全稳定规则,为内嵌安全稳定约束的电力系统优化运行奠定了基础.最后,以静态电压稳定问题为例验
传统电网运行方式下制定输电断面限额时,为保证安全性,主要考虑最严重电网运行方式.这种处理方式不能适应高占比新能源电网运行方式复杂多变的特点,存在包含运行方式情景不足和安全裕度过大等问题.为此,提出新能源接入电网的断面传输方式聚类分析方法.首先,基于历史统计信息找出电网关键断面,并通过相关性分析挖掘出影响电网关键通道传输能力的关联因素;然后,根据关联度指标对关键因素进行排序,并根据排序靠前的关键因素对电网运行方式进行聚类划分;接着,依据聚类划分结果对该边界方式下各级断面输电限额进行优化,以提升电网输送能力.
以卷积神经网络(CNN)为代表的深度学习算法在电力系统暂态电压稳定评估中开始得到应用,但其输入特征的构建方法及合理性验证未得到充分的研究.面对交直流系统暂态电压稳定评估,提出了一种适用于CNN的输入特征构建方法.首先,基于双阶段分区来降低输入特征的维度和冗余度,即先依据系统拓扑关系和地理位置约束给出初始分区结果,再以节点的暂态电压特征相似性进行聚类,得到降低维度和冗余度后的最佳分区方案;然后,在分区结果的基础上,考察影响交直流系统暂态电压稳定的关键因素,构建兼顾稳态特征量和多维度故障信息的输入特征;最后,
针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法.该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态.算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置
随着居民分布式资源的普及,如何考虑用户多类型设备的运行特性,满足实时自治能量管理需求以达到用户侧经济性最优成为亟待解决的课题.传统基于模型的最优化方法在模型精准构建和应对多重不确定性等方面存在局限性,为此提出一种无模型的基于深度强化学习的实时自治能量管理优化方法.首先,对用户设备进行分类,采用统一的三元组描述其运行特性,并确定相应的能量管理动作;接着,采用长短期记忆神经网络提取环境状态中多源时序数据的未来走势;进而,基于近端策略优化算法,赋能在多维连续-离散混合的动作空间中高效学习最优能量管理策略,在最小
基于用电信息采集系统的量测数据,提出了一种基于改进局部离群因子算法的用户用电隐患检测方法.首先,提出基于信息熵的电压信息重构方法,扩大电压数据差异性.其次,提出基于K-奇异值分解的电压数据稀疏编码方法,解决台区用户原始负荷特征维度过高带来的冗余性问题.然后,提出基于改进局部离群因子算法的用户用电隐患检测方法,通过多局部离群因子模型组合优化,提高低压用户用电隐患检测泛化能力与准确率.最后,以中国浙江省某台区为例进行验证,算例分析的结果表明所提算法相对于传统局部离群因子算法具有更高的隐患检测准确率.
针对并网逆变器控制中传统电压电流双闭环控制策略抗扰能力不足的问题,构造线性自抗扰控制(LADRC)取代电压外环控制.为了提高线性扩张状态观测器(LESO)的观测精度,通过在LESO中引入直流母线电压微分与其观测值之间的误差项,对传统LADRC进行了改进.从频域分析上证明了改进型LADRC的跟踪性能和抗扰性能均优于传统LADRC.仿真结果表明,所提出的改进型LADRC可确保并网逆变器具有更好的稳态与暂态性能,特别是在电网电压跌落和负载突变方面具有优越性.
近年来,随着电网互联层级和规模的高速发展以及新能源、电力电子设备的大规模接入,电力系统的不确定性和调控需求都在持续增加.为解决当前电网调度控制方式基于联络线越限等经验特征量异常触发、缺乏主动性和预见性调控手段的问题,提出了一种基于概率预测的电网安全运行风险评估及主动调控方法.首先,构建了基于长短期记忆网络和支持向量机的滚动概率预测模型.然后,从充裕度的角度建立了常见风险事件的严重度函数,从而实现对关键元件的越限概率预测,并计算得到量化风险以形成触发机制,实现电力系统面对风险事件的主动调控.最后,在IEEE