大数据技术在主动配电网中的应用综述

主动配电网实现主动运行和主动管理需要全景的配网状态数据。随着智能电网的建设,特别是用电采集系统、在线监控系统的实施和应用使电网公司的数据量达到PB级,进入大数据时代。如何高效利用这些数据实现与用户的互动,解决分布式能源消纳是当前的研究焦点。文章首先概述了当前主动配电网中的大数据类型及特点;然后列举了当前在工业产业界广泛应用的大数据技术,分析了这些技术在主动配电网中可能的应用及挑战;最后结合主动配电网在能量优化调度、状态分析评估、保护控制及需求侧管理方面的应用需求,对大数据技术可能的应用场景做了展望。     

国内外能源转型比较与启示

当前全球能源转型正处于加速推进时期,各国转型进程呈现出一定的差异化特征。基于对能源转型发展方向的剖析,提出涵盖能源结构、能源效率、能源安全、能源价格4个维度的能源转型评价指标体系。在此基础上,对中国、美国、德国、法国、日本、韩国等主要国家能源转型情况进行对比分析,进而提出对中国能源转型的结论与启示。     

能源互联网中的数字孪生技术体系、应用与挑战

随着传统能源互联系统逐步向能源互联网升级转化,仅基于机理建模的方法难以描述其高维性、非线性以及多能耦合性等特征。数字孪生技术可将真实系统精准映射到虚拟空间,对实现能源互联网的特征描述、运行分析、监控优化以及智能决策具有重要意义。首先,从数字孪生技术的发展出发,对能源互联网中的数字孪生技术体系进行分析,提出了涵盖“多源数据采集-模型构建-平台支撑-智能交互”的分层技术体系框架,细化了数字孪生技术在能源互联网中的应用价值;其次,详细阐述了数字孪生技术在能源互联网中的典型应用以及需要突破的难点,并给出了其当前的发展瓶颈;最后,对数字孪生技术在能源互联网中的发展路线进行了总结与展望。     

中国综合能源服务发展趋势与关键问题

随着中国经济高质量发展、能源转型加速,特别是在中国提出的2030年前碳达峰目标和2060年前碳中和愿景下,中国综合能源服务发展面临新形势、新要求。首先从能源客户需求、能源技术、能源服务模式、能源服务业态、能源政策等维度,研判中国综合能源服务未来发展趋势;其次,对中国当前综合能源服务发展存在的关键问题进行分析,并从政府、行业、企业等不同层面提出相应措施建议,为中国综合能源服务高质量发展提供决策参考。     

园区综合能源系统多目标优化调度与合作博弈求解

环境问题和低碳政策加剧了综合能源系统优化运营策略的碳排放压力。针对该问题,建立了园区综合能源系统运行下的多目标优化调度模型,该模型考虑了以总运行成本和碳排放分别描述调度策略的经济性与环保性。针对多目标权重选择易存在主观性偏差的问题,将多目标优化问题转化为经济性与环保性的合作博弈,并提出了基于卡罗需-库恩-塔克（KKT）条件下的多目标Parato前沿求解方法,进而采用基于安德森加速的ADMM算法计算合作博弈解。采用合作竞争博弈思想来确定实现的经济性与环保性两个目标之间的相协调的折中方案和最佳调度运行策略。最终算例部分通过分析四个季节典型日的园区综合能源系统优化调度策略,对所提方法进行了多场景验证,结果表明,所提方法可以在运行成本和碳排放之间做出合理的权衡。     

基于频域阻抗网络建模分析的交直流微电网振荡问题研究

交直流微电网在不同类型电力电子变流器的不同带宽控制环节作用下,容易引发系统发生宽频振荡问题。现有的微电网振荡分析主要基于阻抗分析法和特征分析法,然而这两种方法存在一定的局限性。为此,该文研究了基于频域阻抗网络模型的交直流微电网振荡问题建模与分析方法。首先,建立了交直流微电网在频域下的等效阻抗网络模型,并计算节点频域导纳矩阵及回路频域阻抗矩阵。其次,基于频域模式分析法,建立了交直流微电网的节点/回路振荡参与程度指标以及设备和控制参数的灵敏度指标,给出了振荡的交直流传播特性分析方法,便于明晰系统振荡机理与关键影响因素。最后,通过Matlab/Simulink时域仿真及算例分析验证了上述频域阻抗网络建模和振荡稳定性分析方法的有效性。     

基于集成学习的分布式光伏发电功率日前预测

对于光伏发电功率精准的日前预测有助于电网设计未来调度计划，降低新能源发电对电网的冲击，提高消纳率。提出一种Boosting集成学习框架下的光伏发电功率日前预测方法。首先，根据光伏出力主要受天气影响的特点，通过皮尔逊系数获得相关性强的气象因素，利用k-means++对与光伏发电功率相关性极强的总水平辐照度进行聚类以获得相似日数据集；然后，将极限学习机（extreme learning machine，ELM）引入Boosting框架，构建光伏出力日前预测模型（B-ELMs）；最后，利用真实光伏电站运行数据验证模型有效性，该模型在试验过程中展现出良好的适应性，最高决策系数（R²）达0.9819。实验结果表明，由于集成学习框架的存在，B-ELMs能对复杂天气下的规律性弱、波动性强的光伏出力曲线提供较为精确的预测结果；同时，相较于深度学习网络，B-ELMs的收敛速度更快，在维持较快训练速度的同时保障更为精确的预测结果。     

中国电力系统低碳发展分析模型构建与转型路径比较

中国提出的碳达峰目标和碳中和愿景对能源电力碳减排提出了更高要求,电力系统的清洁低碳化转型路径亟待探索。首先,从能源电力领域的碳排放现状出发,明确了能源电力在碳减排中的定位。其次,针对电力近中期低碳发展形势,构建了考虑碳排放外部成本的规划模型,开展了量化展望分析;针对远期低碳发展情景,打破不同能源系统边界,创新性地提出了电-氢协同路径和电-氢-碳协同路径,并构建了适用于新能源多元化利用方式的全链条技术经济评价模型,对氢气、甲醇等终端产品的经济竞争力进行了评估。     

基于灰色投影改进随机森林算法的电力系统短期负荷预测

针对短期负荷预测领域传统的机器学习算法(如人工神经网络、支持向量机等)存在的诸如泛化性能不强、参数和模型结构确定困难等问题,将随机森林回归算法引入短期负荷预测领域。同时应用投影原理改进了传统的灰色关联相似日选取算法,提出了一种基于灰色投影改进随机森林算法的电力系统短期负荷预测组合方法。基于灰色投影的相似日选取方法,采用灰色关联度判断矩阵表征历史样本与待预测日影响因素间的关联关系,并用熵权法确立影响因素的权重对判断矩阵加权,最后利用各个样本关联度投影值排序得到相似日集合。采用随机森林算法建立预测模型,利用灰色投影筛选出的相似日样本集合训练模型,最后输入预测日特征向量(天气预报数值、日类型等)完成预测。以浙江电网某县级市的负荷数据作为实际算例,并将上述方法与支持向量机方法以及未作灰色投影改进的随机森林算法进行对比。实验结果表明,新方法具有较高的预测精度和鲁棒性。