高水电比重系统随机电力电量平衡模型与算法

针对高水电比重系统中电力电量平衡问题,首先考虑利用典型周负荷曲线进行电力电量平衡分析,以更好地计及工作日和非工作日不同的负荷曲线对可调水电站库容及火电站开机的影响。为恰当考虑风电场和光伏电站出力的不确定性和波动性,建立了基于随机优化的随机电力电量平衡模型,从概率的角度更好地分析和衡量风光电站对电量平衡的贡献。为方便该模型的求解,对非线性的水电转换函数进行线性化处理,得到混合整数规划模型,采用CPLEX对模型进行求解。以某高水电比重系统作为算例进行仿真分析,验证了所提随机电力电量平衡模型与算法的正确性和有效性,从概率的角度定量分析了风光电站的电量贡献。     

考虑顾客满意度的电动汽车充电桩规划策略

基于模拟退火算法(SA),研究了电动汽车充电负荷对配网电压的影响及充电桩的最优分布问题。首先,分析了不同时刻、不同负荷渗透率和同一时刻同一渗透率3种情景下,电动汽车充电负荷对配网电压偏移量造成不同程度的影响;然后,根据排队理论,以顾客等待时间和充电桩利用率建立满意度函数,得到最优的充电桩数量;再以节点压降最小为目标函数,通过模拟退火算法得到充电桩的最优分布策略。通过IEEE33节点系统的计算结果证实,优化后的站址分布能够大大地减弱电动汽车充电负荷对配网系统节点电压的影响,为衔接配网规划与充电桩规划提供参考。     

基于可信性理论的有源配电网可靠性分析

随着分布式发电技术逐步成熟,需要对有源配电网可靠性进行评估。由于分布式发电设备是新应用的配网元件,缺少历史统计数据,进而使得传统可靠性分析方法难以开展。为解决这一难题,提出了基于可信性理论的配电网可靠性分析方法。首先构建了评估指标,即随机模糊停电电量期望值、随机模糊用户平均停电持续时间、随机模糊用户平均停电频率指标。然后建立了基于可信性理论的算法,利用随机模糊期望值求解随机模糊停电电量期望值、随机模糊用户平均停电持续时间,利用平均机会测度求解随机模糊用户平均停电频率。应用所提方法对IEEE系统的计算表明,本文提出的算法具有一定的实用性,可以应用于配网的可靠性分析工作。     

基于主成分分析合作博弈的电网负荷智能预测方法研究

针对传统预测方法存在预测不准确、误差大的问题,提出一种基于主成分分析合作博弈的电网负荷智能预测方法。基于多分辨分析理论构建电网负荷预测参数模型,通过IGOA优化LSSVM的惩罚因子C和核函数参数δ2,得到更优的电网负荷参数;引入主成分分析合作博弈方法进行电网负荷智能预测。实验显示,采用该方法对数据进行拟合的图像更接近真实图像曲线,说明预测精度高,且误差较小,具有一定的优越性。     

配电台区中短期负荷预测方法研究

配电台区的负荷预测是台区配电扩容规划的基础工作.但受到配电台区统计数据种类单一、数据质量差甚至无法获取等因素的影响,配电台区的负荷预测存在精度低、预测模型复杂等问题.根据台区配电负荷日峰值数据表现出的周期性和渐变性,建立基于温度-负荷回归模型残差的ARIMA模型的台区配变负荷峰值预测方法.建立温度-负荷回归模型,以日最高气温为自变量,对负荷数据进行回归分析,将回归分析得到的数值与真实数据进行比较得到回归残差,建立回归模型残差序列的ARIMA模型,并进行参数估计计算,即可得到待预测日负荷预测值.预测误差率的分析结果显示,本方法的预测结果精度好,准确性高.该方法克服了台区配电负荷影响因素繁杂、差异性大、难以量化的困难,具有很强的实践性,易于推广.     

基于支持向量机及粒子群算法的空调负荷预测方法研究及应用

以空调负荷的预测方法为研究对象，通过预测建筑物的空调负荷，及时有效地调控系统，达到降低建筑能耗的目的。基于最小二乘支持向量机（LS-SVM）提出预测方法，并采用粒子群算法（PSO）实现优化计算，围绕济南及成都地区不同类型建筑物的空调负荷进行预测，确定影响空调负荷的各个因素并在计算过程中不断调整以简化预测过程。采用Matlab语言进行编程计算和分析，通过不断调整输入因素及部分PSO参数以降低预测误差。基于支持向量机及粒子群算法的空调负荷预测模型性能较好，预测精度高。研究结果可为暖通空调系统的负荷预测提供参考，揭示空调负荷的变化特点以实现节能调控的目的。     

基于自适应离散粒子群优化算法的微网中DG选址定容

基于对微网中分布式电源（DG）待选站址确定方法的分析,以微网的年费用最小为优化目标,建立了微网中DG选址定容的优化规划模型,综合考虑了DG及其负荷的时序特性、用户停电损失、购电成本、环保补贴等因素,全面衡量了微网在提高供电可靠性、实现清洁高效电能供应上的综合效益。将自适应离散粒子群优化算法应用于规划模型的求解中,得出了微网中DG的优化配置方案,并在Matlab中编程实现了规划模型及算法。在上海市某居民小区29节点微网中DG的优化配置应用中,验证了该模型及算法的有效性。     

考虑预测误差的综合能源系统优化调度模型

研究综合能源系统优化调度,实现预测误差下的经济可靠运行。分析综合能源系统的结构和负荷特性;在考虑风光负荷预测误差的条件下,建立基于风电、光伏发电、柴油发电及储能系统运行成本的优化调度模型;采用改进粒子群算法进行算例求解。经验证,优化储能系统和柴油发电调度模型,使系统既能较好地平抑风光负荷的波动性,又能实现最优经济运行。     

基于XGBoost建模及改进灰狼优化算法的再热汽温预测优化控制

为改善燃煤机组频繁变负荷过程中再热汽温的控制效果,提出一种基于机器学习的再热汽温预测优化控制方法。首先利用机组变负荷历史运行数据和XGBoost算法进行再热汽温特性建模,并采用随机搜索算法对模型参数进行优化以提高其预测精度。以最终的模型为基础,采用改进的灰狼优化算法(IGWO)对烟气侧再热挡板开度和蒸汽侧喷水减温阀指令进行实时寻优,实现再热汽温的预测优化控制。利用仿真机进行优化控制仿真试验。试验结果表明：采用智能预测优化控制方案可有效改善再热汽温控制效果,明显减少减温喷水用量,有助于提高机组的经济性。     

基于EEMD-ACS-SELM的弃风电量组合预测模型

风电已在电力系统中得到了有效利用,因此,弃风电量的准确预测对于电网的安全、经济运行至关重要。文章提出了一种基于集合经验模态分解(EEMD)和t分布自适应变异布谷鸟算法(ACS)优化改进极限学习机(SELM)的弃风电量组合预测方法(EEMD-ACS-SELM)。该方法先采用集合经验模态分解,将原始弃风电量序列分解为一系列不同频率的分量,基于模糊熵理论计算各分量的熵值,并将熵值相似序列重构为新的子序列。然后,将新序列分别建立改进极限学习机预测模型,利用ACS优化算法对SELM算法的输入权值和阈值进行优化。最后,将各序列预测值叠加求和得到原始弃风电量序列的预测值。以新疆某风电场实际运行数据进行算例分析,结果表明,文章所提方法对弃风电量的预测具有较高的精度。     

考虑变压器损耗的配电网无功优化研究

针对传统配电网无功优化未考虑变压器损耗的缺陷,提出了考虑变压器损耗的配电网无功优化模型,优化措施包括电容器无功补偿、变压器有载调压等,通过差分进化算法对改进的IEEE 33节点系统进行仿真计算,研究了不同负荷水平情况下配电系统无功优化结果,并与传统无功优化结果进行对比分析。结果表明,系统轻载情况下,考虑变压器损耗对于配电网无功优化尤为必要,可使配电网无功优化方案更加合理全面。     

含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

基于模型预测的多模式供热电厂机组间负荷优化分配调度研究

为解决热电厂机组间负荷分配不合理的问题，提出一种基于模型预测的多模式供热电厂多机组间负荷实时优化分配方法。基于模块化建模原理构建热电厂全厂范围的机理仿真模型,并运用运行数据对模型辨识校准，根据机组特性和电网调峰补贴政策，建立全厂的运行经济性收益评估模型，进而设计基于粒子群算法的负荷实时优化方法，借助性能预测模型预测评估各方案的经济性。以某包含高背压、切缸、抽汽、光轴4种供热模式机组的电厂为例，对不同电、热负荷组合工况下的厂内负荷进行优化分配研究。应用结果表明：该方法可根据热、电负荷的实时指令在线获得经济性优化的厂内机组间负荷分配方案。     

基于遗传算法的含电力电子变压器交直流混合配电网优化配置

构建了含电力电子变压器(PET)的交直流混合配电网优化模型,基于该模型,以接入PET和分布式电源的IEEE33节点系统为例,采用遗传算法以系统网损最小为优化目标,以PET的端口量为优化变量进行优化配置,分析了优化结果 PET端口功率流动情况、分布式电源的总利用率、配电网总有功损耗及系统最末端的电压水平。算例结果表明,PET具有改善交直流配电网的潮流分布的功能。     

基于关注指标和深度学习的台区配变重过载预警方法研究

针对现行配变重过载治理方法过于被动的问题,结合电力大数据和深度学习技术提出了一种适用于大规模配电网分析的台区配变重过载预测方法。首先基于配变负载特性建立重载关注指标并建立二级过滤系统筛选出重过载风险较高的台区配变及其日期作为预测对象。然后充分考虑内外影响因素,建立卷积神经网络-门限循环单元深度学习模型实现负载率预测并转化为预警等级。实例证明了所提方法的有效性。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

10 kV配电变压器经济运行方式的可行性及经济性分析

针对农村和城市小区的变压器长时间处于空载和轻载状态导致损耗增大的问题,提出了一种变压器组优化经济运行方案。以变压器实时负荷为主要控制参量优化组合变压器组的投切运行,采用电压互感器取能方案解决配电线路停运后变压器高低压侧断路器操作机构的取能问题(冷启动),保证了供电的及时性和变压器的自动投切。并以某小区变电箱内两台变压器组为例,定量分析了优化运行的经济效益,最后通过数字仿真验证了所提方案的可行性。     

水火电混合系统分时运行模拟与发电计划

给出了发电计划应用的两个实际问题的解决方案。通过对等效负荷曲线的时段分解,提出了准确模拟发电机组计划检修、日开夜停、新机投运以及季节性水电等运行状况的算法;提出的分时算法可快速准确确定系统中每一台机组在负荷曲线上的运行位置,即使系统出现若干机组带负荷位置重叠交错的情况,也可计算各机组分时发电计划。该算法已开发可确定与逐小时负荷水平相应机组出力及开停机安排的自动发电计划程序。通过计算实例,对算法的实用性和有效性作了进一步说明。     

考虑大型变压器退运的电力系统连锁故障风险评估

针对大型变压器突然退运造成的潮流转移问题,提出考虑大型变压器退运的电力系统连锁故障风险评估方法,即先利用变压器在线监测技术对变压器的老化失效和偶然停运进行分析,建立变压器失效模型;然后,从系统能量和结构角度对潮流转移支路状态进行评估,定义了能量转移因子和支路传输能力因子,并结合连通率和失负荷率指标,得到元件风险集;最后,根据连锁故障阶段模拟和自组织临界状态辨识方法,对连锁故障演化路径进行了全面预测。仿真结果验证了该方法的可靠性,可为能源互联网下的电网安全调度提供参考。     

Reliability prediction and its validation for nuclear power units in service

In this paper a novel method for reliability prediction and validation of nuclear power units in service is proposed. The equivalent availability factor is used to measure the reliability, and the equivalent availability factor deducting planed outage hours from period hours and maintenance factor are used for the measurement of inherent reliability. By statistical analysis of historical reliability data, the statistical maintenance factor and the undetermined parameter in its numerical model can be determined. The numerical model based on the maintenance factor predicts the equivalent availability factor deducting planed outage hours from period hours, and the planed outage factor can be obtained by using the planned maintenance days. Using these factors, the equivalent availability factor of nuclear power units in the following 3 years can be obtained. Besides, the equivalent availability factor can be predicted by using the historical statistics of planed outage factor and the predicted equivalent availability factor deducting planed outage hours from period hours. The accuracy of the reliability prediction can be evaluated according to the comparison between the predicted and statistical equivalent availability factors. Furthermore, the reliability prediction method is validated using the nuclear power units in North American Electric Reliability Council (NERC) and China. It is found that the relative errors of the predicted equivalent availability factors for nuclear power units of NERC and China are in the range of–2.16% to 5.23% and–2.15% to 3.71%, respectively. The method proposed can effectively predict the reliability index in the following 3 years, thus providing effective reliability management and maintenance optimization methods for nuclear power units.