山东电网黑启动试验

根椐山东电网黑启动电源点的分布和电网的结构特点,制定了基于泰山电站的山东电网黑启动试验方案。成功进行了对用电负荷零影响的情况下,远距离黑启动大型火电机组的试验,提高了突发事件的应急能力。通过录波数据,分析了抽水蓄能机组黑启动运行模式、空载充电长线路、空充变压器、大型电动机的起动以及黑启动子系统并网等特性,验证了计算方法正确性和黑启动方案的合理性。     

±660 kV银东直流输电山东侧安全稳定控制策略

在交直流混联电网中,直流系统的双极闭锁对系统的安全性和稳定性影响较大。银东直流输电系统发生双极闭锁故障时,会引起特高压线路失稳、系统低频的稳定性问题,此时可通过采取切负荷的控制策略,确保系统稳定运行。文中通过研究±660kV银东直流输电系统山东侧安全稳定控制策略,提出了适用于大容量直流输入电网的安全稳定控制系统的策略研究方法、有效的切负荷优化技术及直流极闭锁判据;设计了主站、执行站分层控制模式以及按轮级切负荷的控制原理。该策略在山东电网的实际应用结果证明了其有效性。     

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。     

遵循PDCA循环的山东电网黑启动试验

针对目前电力系统黑启动能力缺乏有效机制以维持与持续改进的现状,提出PDCA模式的试验管理机制,按照风险驱动、事故优先控制和持续改进3个实施原则,指导实施了山东电网的黑启动现场试验。在黑启动试验策划阶段,发现了抽水蓄能机组低负荷下参数失常、开关直流电源缺失、子系统同期并列困难等风险因素,通过分阶段整改在试验前排除了风险。试验实施阶段分方式调整、机组停机、黑启动试验、试验子系统恢复4步骤实施;试验检查与数据分析阶段通过试验录波数据分析了抽水蓄能电站、大型火电机组的黑启动性能,全面验证了试验目标;整改行动阶段修订了原有黑启动方案,制订了新一轮的试验方案与调度操作方案。PDCA循环模式将风险高、代价大、涉及面广的试验通过前馈控制、同期控制与反馈控制3个环节,实现黑启动应急管理闭环,有效保证了试验的顺利实施。     

山东电力现货市场机制设计与试运行分析

为及时总结中国首批电力现货市场试点建设地区的试运行经验,推动中国电力现货市场建设,在介绍山东电力现货市场的市场机制基础上,通过分析其试运行情况,研究市场所面临的问题和解决措施。山东清洁能源占比较高等电网运行特征决定了山东更宜采用集中式现货市场模式。山东电力现货市场包括日前、实时2个时序市场和日内机组组合衔接机制。电力现货市场试运行期间,电网整体运行平稳有序,现货市场出清价格随市场供需关系变化而变化,但也面临市场力监控能力有待提升、调峰补偿机制需要完善、用户交易风险防控手段仍待加强等问题。上述结果表明山东电力现货市场已基本具备连续运行条件,但市场机制的完善仍须持续加强。     

计及风电预测误差带的调度计划渐进优化模型

随着风电并网容量的不断增大,电网消纳风电的难度不断增大。风电场出力预测存在较大误差,且误差大小随预测周期和出力水平的不同存在较大差异,需要不同的备用容量来满足系统供电和负荷的平衡。针对上述问题,提出了计及风电预测误差的日前和日内调度计划渐进优化模型。该模型将风电出力和误差带的预测纳入调度计划的执行过程中,并根据最新的预...     

低碳背景下基于改进通用生成函数法的随机生产模拟

通用生成函数法(universal generating function,UGF)具有计算简单,运算快等优点,但其传统的应用中忽略了时序性,评估结果粗糙.为此,提出基于改进UGF法的随机生产模拟算法.首先,采用主成分分析法(principal component analysis,PCA)和分层聚类法相结合的方法获得典型风电出力时序样本,然后采用均摊法建立风电出力UGF模型.在建立UGF模型时,通过选择合适的公因子,将状态值转化为公因子的整数倍,以有效抑制状态数指数增长,减缓了状态数爆炸问题.其次,对聚类后的时序风电出力模式进行UGF建模,得到时序UGF模型,该模型既可以体现风电出力的波动性,也可以体现风电出力的不确定性,克服了传统UGF法因缺乏时序性所致的风电特征代表性差的问题.最后,采用修正的IEEE-RTS79算例验证了所提算法的有效性.