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。     

分布式电源接入配电网多目标优化规划

建立分布式电源(DG)选址优化多目标计算模型,从投资费用、网损、电压指标3个主要角度独立分析DG接入配电网的优化计算问题。提出基于熵和距离的多目标粒子群(DEMPSO)算法和模糊多权重(FMW)技术,通过DEMPSO算法找到DG接入配电网的多个可行方案,通过FMW决策确定最优方案,基于此进行DG优化选址与定容。算例验证了所提模型与方法的有效性和合理性。     

Crowbar阻值对双馈感应发电机低电压穿越特性的影响

研究了Crowbar阻值选取对双馈感应发电机低电压穿越的影响。从功率耗损的角度对Crowbar阻值与定、转子暂态直流磁链的衰减关系进行推导分析;讨论了Crowbar阻值对低电压穿越下双馈感应发电机电磁转矩的影响;提出了通过在Crowbar回路中串联附加电感的方法抑制电压跌落瞬间电磁转矩的振荡。研究表明,过大或过小的Crowbar阻值都将削弱双馈感应发电机低电压穿越能力,Crowbar阻值的选取存在最优值,附加串联电感在一定程度上可以抑制电磁转矩暂态振荡。     

基于宽度和深度模型以及残差网络的综合能源负荷短期预测

针对用户级综合能源系统负荷波动大，能源耦合复杂的特点，提出一种基于深度和宽度模型(Wide&Deep)和残差网络(ResNet)框架并且采用完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)和主成分分析(Principal Components Analysis, PCA)的综合能源系统联合负荷预测方法。所提模型由宽度和深度两部分组成：深度部分参考ResNet拟合残差映射的思想将多个长短期神经网络(Long Short-Term Memory, LSTM)子层堆叠构建深度预测网络，深度部分数据在输入前采用CEEMDAN进行分解，并利用主成分分析对分解结果进行主要影响因素提取和排序，并通过对数据的梯级输入实现对不同信息密度数据的梯级利用；宽度部分则采用简单模型并对传统Wide&Deep-LSTM模型的Wide部分输入进行改进，有效降低了模型的训练难度。通过实际算例分析可知所提模型具有良好的预测精度和收敛速度。与常规模型相比，所提模型具有一定优越性。     

阶梯成本下考虑混合租建模式的云储能优化配置

为解决盲目投建云储能造成资源浪费、成本增加的问题,提出阶梯成本下“自建+租赁”混合模式的园区云储能优化配置方法。首先,分析云储能的特点,构建园区内有大量光伏用户参与的云储能服务模式。其次,建立不同时间尺度、双主体的双层优化模型,上层求解长时间尺度下云储能的规划问题,下层求解短时间尺度下用户群的运行问题。然后,通过KarushKuhn-Tucker(KKT)条件将双层模型转化为单层模型,再利用Big-M法对所得单层模型进行线性化处理。最后,在3个不同场景下进行算例分析,结果验证了所提云储能配置模型的有效性,在降低储能投资成本、提高储能资源利用率的同时可节省用户用电成本。     

高压电力电缆外护套故障修复新方法研究

高压电力电缆具有故障率低、对环境影响小等特点,在现代城市电力发展中占据重要一环.近年来,随着高压电力电缆迅速发展,电缆体量猛增,由于质量把控下降等原因造成电缆故障逐渐增多.以单芯高压电力电缆外护套故障为例,结合实际生产工作,分析了不同程度外护套故障的修复方法,并探寻了聚四氟乙烯在外护套修复工作中的可行性.