基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。     

考虑空调负荷需求响应的负荷恢复量削减方法

温控负荷的冷负荷启动特性导致停电后负荷量增加,使其可能超过系统的最大可恢复负荷量。为保证负荷恢复的顺利进行,以空调负荷作为温控负荷的代表,提出一种考虑需求响应的负荷恢复量削减方法。首先,建立了计及停电时间的空调负荷聚合功率估计模型,快速计算停电后的空调负荷聚合功率;然后,综合考虑暂态安全约束以及系统可提供的恢复功率,确定变电站单次最大可恢复负荷量;最后,基于空调负荷群聚合功率估计模型和变电站单次可恢复负荷量限值,利用需求响应技术削减负荷恢复量,保证单次负荷恢复量在限值之内。仿真结果表明,所提方法在不同场景下能够通过需求响应技术实现空调负荷恢复量削减,保证系统的可靠恢复。     

基于深度学习和蒙特卡洛树搜索的机组恢复在线决策

针对大停电后电力系统初始状态和恢复过程中线路恢复状况的不确定性,提出一种基于深度学习和蒙特卡洛树搜索(MCTS)的机组恢复在线决策方法。采用一种深度学习算法——稀疏自动编码器(SAE)对自动生成的训练集进行训练,建立估值网络;根据系统状态,利用改进的上限置信区间(UCT)算法、支路修剪技术和估值网络对机组恢复措施进行MCTS;汇总并行的多次MCTS结果,以加权机组发电量为决策指标确定最终的恢复措施。以新英格兰10机39节点系统和山东西部电网为例验证了所提方法的可行性和有效性;相比于传统方法,所提方法能够获得具有较高鲁棒性的恢复方案,并有效应对机组恢复过程中的多种不确定性状况。     

人工智能在电力系统恢复中的应用综述

归纳总结专家系统、模糊数学、进化计算以及机器学习等人工智能方法应用于电力系统恢复的研究成果,指出现有研究仍以离线恢复方法为主,处于在线决策研究起步阶段,并展望人工智能技术在系统恢复中的应用潜力。     

极端自然灾害下电力信息物理系统韧性增强策略

电力系统在极端灾害下维持并恢复正常功能的能力取决于其韧性。考虑信息系统与电力系统的相互影响,提出了一种电力信息物理系统应对极端自然灾害的韧性增强策略。首先,建立了电力信息物理系统的极端自然灾害防御框架,展示在信息物理环境下的决策控制技术。在此基础上,提出电网预防分区方法,在预测防护阶段依据故障概率和拓扑连通度进行电网分区。然后,提出支路有功调整方法,用于降低灾害抵御阶段线路开断导致的支路功率越限和系统失稳的风险。针对灾后恢复,提出信息系统和电力系统协同恢复方法,以恢复停电负荷和故障线路。修改的新英格兰测试系统仿真结果表明,所提策略能够有效降低灾害风险,加快信息物理系统的恢复进度。