共享电动汽车混合充换电站选址优化

在未来城市中更换电池这种便捷、高效的方式将成为共享电动汽车补充电能的主要方式.为了建立效率高、成本低、电网友好型的混合充换电站,首先根据共享电动汽车的租赁规律以及功率、时间等充电数据,利用蒙特卡洛模拟方法预测共享电动汽车的充电负荷;然后,以共享电动汽车充换电站对用户捕获程度最大、配电系统网络损耗最小和配电系统电压偏移最小为目标,建立共享电动汽车混合充换电站最优规划的多目标模型;最后,采用改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对多目标模型进行求解,得到Pareto最优解集.以25节点交通网络和IEEE 33节点配电系统为例,验证了所建模型的可行性,可为共享电动汽车混合充换电站的建设提供可行性经验.     

基于强化学习的电动汽车换电站实时调度策略优化

随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。     

基于粗糙集数据挖掘技术的发电机竞标能力评估

提出通过粗糙集数据挖掘算法对历史竞标样本进行分析的新方法。对发电机竞标能力评估的概念和所需解决的问题以及影响竞标能力的因素进行了探讨。介绍了算法的基本概念、算法以及规则的确定。一个考虑市场需求水平、机组报价水平、机组容量等多因素的算例说明了该算法的实现过程并得到机组的负荷率与这些因素一些潜在的规则性知识,从而得到不同特征机组在市场中的竞标能力。这些知识对支持发电厂商决策和电力中介机构点电力交易中心(PowereXchange PX)以及独立系统运营中心(IndependentSystemOper ator     

基于粗糙集的改进约简算法和决策树的电网故障诊断模型

采用基于粗糙集的决策树方法建立电网故障诊断模型,可以方便地处理含有非数值特征的、不精确的故障样本,且当丢失或出错的故障信息不是关键信号时,不会影响诊断结果,具有较强的容错能力和适应性。该文基于粗糙集理论,首先利用可辨识矩阵的改进算法对由断路器和保护为条件属性、考虑各种故障情况所组成的诊断决策表进行简化;然后采用加权平均粗糙度的概念,作为选择分离属性的标准,构造电网故障决策树,从而实现对电网的故障诊断。通过实例表明,该方法能有效地约简知识,具有很强的容错能力,能准确地判断电网故障以及对其进行定位。与规则表示相比,决策树直观、易于理解、维护和修改。     

双馈感应发电机Crowbar电路的投切控制策略优化研究

研究了Crowbar投入、退出时间对双馈感应风力发电机低电压穿越性能的影响,并在Matlab/Simulink仿真平台上搭建了含Crowbar保护电路的DFIG模型,验证了Crowbar投切时间对DFIG低电压穿越的影响,保证故障发生时,Crowbar电路按设定的投切时间工作,短路电流能根据电流的变化规律快速衰减,转子电阻电压不超过直流母线电压;采用阈值投入延时切出的方案,防止Crowbar保护在电网故障时多次投切。仿真结果表明,经过适当的延时切除Crowbar电路可以避免Crowbar电路多次动作和转子再次过电流,能很好地保护风电机组,提高其低电压穿越能力。结果显示,低电压穿越效果很大程度上受退出时间影响。     

基于改进决策树算法的日特征负荷预测研究

针对决策树ID3算法的缺陷,提出了属性-值对的两次信息增益优化算法,该算法是ID3的改进算法,它能克服ID3算法在选取属性进行扩展时易偏向属性值多的属性及ID3算法属性间相关性考虑较少的缺点;通过对熵阈值的设定,采用预剪枝技术,又能部分克服ID3算法对噪音敏感的不足.该算法可用以生成日特征负荷决策树预测模型.该模型结合预测日的气象、星期等信息,可进行日特征负荷的预测.采用等深直方图分析思想,可对负荷变化率数据离散化,将层次聚类和信息熵相结合,对气象数据离散化.数据预处理后,通过属性-值对的2次信息增益优化算法生成负荷预测决策树模型,在给出预测日气象及星期信息后可对特征负荷进行预测,预测结果能够满足并超过负荷预测实用化标准的要求并具有较高的预测精度.如果将日24点或96点负荷及相应影响因素数据均用该算法进行模型训练,形成24个或96个预测模型,则可进行日24点或96点负荷预测.     

通用可视化网络建模的知识推理

提出了一种符合图形界面下建立通用电风模型的知识推理方法。由可视经的系统接线图图形逐步推出系统模型。针对软件系统中知识的获取和维护的不同特点采用了分层次的知识表示，即将知识分为用户级知识、系统级知识和跟踪级知识3个层次。通过拓扑形成、拓扑分析及系统设备状态分析完成图形化知识到计算推理所用网络结构知识的转化，从而得到既适合数值计算又适合智能推理的通用网络模型。     

基于改进泰尔熵和熵度的电力系统关键节点识别

为了弥补信息熵考虑因素单一的缺陷,引入泰尔熵并对其适当改进用于电力系统关键节点识别中。改进后的泰尔熵将系统线路按照负载率进行分区,并分别计算节点功率变化时同区及区间潮流分布的均匀程度,然后采用负载率对同区结果进行加权,得到节点的改进泰尔熵指标。为了使识别结果更贴近工程实际,采用熵度评估了节点网络拓扑位置的重要性,然后提出了关键节点综合评估指标。综合评估指标兼顾节点网络拓扑结构重要性和其功率变化对潮流的影响情况,通过对IEEE-39节点系统进行关键节点识别验证,验证了方法的可行性和有效性。     

双馈式风电场改进的恒电压控制策略

双馈式风电场采用恒电压控制能够为电网提供电压支持,但风速的随机波动使输电线路潮流频繁变化,给控制系统的稳定性带来了挑战,因此本文对恒电压控制进行改进：通过引入等值风速作为前馈控制,对风速扰动进行补偿,抑制电压波动。为减小双馈风电机组内部有功损耗,提出双层无功分配策略：第一层根据各机组无功极限的大小进行分配,第二层以最大限度的减小机组内部有功损耗为目标,在双馈机定子侧和网侧变流器（GSC）之间进行优化分配。通过仿真,验证了该方法能有效抑制由于风速变化导致的电压波动,并且大大减小双馈风电机组内部功率损耗。     

基于Box-Cox变换的风电场短期风速预测模型

风电场准确的风速预测可以减轻或避免风电对电网的不利影响,有利于在开放的电力市场环境下正确制定电能交换计划,提高风电竞争力.基于风速序列的时序性,使用极大似然法对风速序列进行了Box-Cox最优变换,建立了ARMA(p,q)风速预测模型.为检验时间序列模型的有效性,利用最小信息准则中的BIC(Bayesian Information Criterion)函数对ARMA(p, q)模型进行识别,并通过风速频率曲线对预测结果进行了修正.仿真结果和算例验证了该方法在风电场风速预测中的适用性,具有一定的实用价值.