高比例水电系统的网省联合实时优化调度方法及应用

中国云南电网是一个典型的高比例清洁能源大规模直流送出系统,在汛期和枯期都存在调峰调频能力不足的问题,而调峰调频深度耦合的运行方式使其日内调控更加困难。为此,以最大化清洁能源消纳为目标,提出了南网总调和云南中调网省联合实时优化调度的方法。根据流域来水情况及电网断面约束,通过日前预安排,形成流域正负梯队电厂;日内根据系统实时运行偏差,按照电厂梯队次序进行调用,实现网省两级调度中心的偏差分摊,有效地解决了网省协调、水电流域梯级协调、水电机组爬坡及振动区约束、调频辅助服务市场衔接等问题。网省联合实时优化调度系统已经完成开发和系统部署,在网省两级调度中心实时运行中得到有效应用,实现了云南电网发电偏差的实时平衡和调峰调频的解耦,促进了中国南方电网的清洁能源消纳。     

基于多源数据图表示学习的风电出力预测方法

高精度的风电出力预测技术是实现碳中和的关键技术之一,随着智能电网的逐步建设,风电出力预测系统逐步从分散模式趋向于集中模式,其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景,也无法较好表征多个风电场站之间的关系,因此,提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据,其中,图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据,边为多个风电场站之间的相关性,从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练,并通过公开数据集验证了所提算法具有更好的结果。     

计及需求响应的多点分布式储能系统多阶段入网调度模型

多点分布式储能系统在响应过程中,对外部环境和需求响应等因素考虑较少,导致调度成本过高,调度模型运行效率较低.基于此,提出建立计及需求响应的多点分布式储能系统多阶段入网调度模型.实验结果表明,计及需求响应的多点分布式储能系统多阶段入网调度模型可快速完成调度任务,且调度成本较低.     

考虑调峰资源互济的区域电网优化调度方法

为了提升清洁能源消纳能力，充分利用各省区调峰资源，研究了不同类型电源调峰能力，提出了一种考虑调峰资源互济的区域电网优化调度方法。不同类型电源的调峰能力不同，基于燃煤机组调峰经济性差异，提出了基本调峰能力、不投油调峰能力、投油调峰能力三项评价指标，以量化省级电网不同经济区间下的系统调峰能力。考虑省区间调峰资源差异，构建了基于两层架构的区域电网优化调度方法。上层架构用于优化区域电网内各省级电网送受电计划，下层架构在给定送电计划基础上优化编制发电计划，确定燃煤机组调峰计划。通过两层架构间的迭代实现对区域电网优化调度问题的求解。在IEEE RTS-96三区域系统基础上构造算例，验证所提出方法的可行性。结果表明，该方法能直观量化各省区调峰能力，并通过经济评价指标实现跨区调峰资源互济，有助于提升区域电网清洁能源消纳能力。     

考虑元件复用的继电保护通信可靠性定量评估

高压输电线上的继电保护功能的实现与通信通道可靠性紧密相关。以求解继电保护光纤通道可靠性为目标,以SDH为节点,光纤为边,两者可靠性为权集,构建光纤保护通道的加权无向图。从电网实际的数据资料出发,基于图论思想按最贴近实际数据格式的方式进行编码,并基于编码开发了基于逻辑"或"和"异或"的继电保护通信通道及业务可靠性评估算法。以华中某18节点、5回线路、19条通道的局部环网进行了实例计算。结果表明所提出的编码方式和算法模型具有很好的适应性和可操作性,可以为电网进行保护通道检修工作和优化配置提供决策参考。     

基于强泛化卷积神经网络的输电线路图像覆冰厚度辨识

实际自然场景下的覆冰监测系统中,受天气、光线、摄像头老化和角度等问题的影响,覆冰图像具有低分辨率化和多形态化的特性,如何找到具有强泛化能力的覆冰图像识别方法成为关注的热点。该文提出一种基于强泛化卷积神经网络(India buffet process-convolutional neural network,IBP-CNN)的输电线路覆冰厚度识别方法。该方法首先通过增强与消减算法确定滤波器数目及滤波器参数,以减少模型的冗余度,然后基于输出损失函数,利用反向传播算法调整层间连接权值,最后根据更新的模型参数和网络结构推算逐层输出,得到强泛化性的IBP-CNN网络。实际场景数据集测试结果表明,相比力学模型监测方法、图像边缘检测和浅层机器学习方法,IBP-CNN能够在不同分辨率和不同位置角度的覆冰图像场景下保持较高的辨识精度和速度,具有较强的自然场景泛化能力和工程实用价值。     

基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测

准确预测风速对风电规模化并网至关重要。为提高短期风速预测精度,提出一种基于小波分解和改进的萤火虫算法优化最小二乘支持向量机超参数的风速预测模型。首先利用小波变换将风速时序分解为近似序列和细节序列,然后对各序列分别利用一种新颖的混沌萤火虫算法优化LSSVM进行预测,最后将各序列预测值叠加得到最终风速预测值。在两种时间尺度的实测数据上进行仿真计算。结果表明,该算法较交叉验证的LSSVM, IPSO-LSSVM, WD-DE-LSSVM及BP神经网络等多种经典算法预测精度更高,表明了该算法的有效性和优越性。     

消纳大规模风电的多目标负荷平衡化分散调度方法

当前风电发力不能满足人们日常生活需求,使用传统调度模型存在风电出力与预测值相差较大情况,基于此,提出了消纳大规模风电的多目标负荷平衡化分散调度方法.依据风电日发电量年度分布情况,确定风电出力特性.分析多目标负荷平衡化分散对风电消纳的影响,由此获取等效负荷和受限的风电电量.为保证调度安全,设计极限场景集,描述分散调度模型,求取最优解,并保证目标函数值在不影响其他目标函数情况下进一步优化一组解.依据问题求解步骤,实现多目标负荷平衡化分散调度.由实验结果可知,该方法风电出力与预测值自45min开始就与预测值一致,能够满足人们对风电发力的需求.     

基于搜索+调整的两阶段萤火虫算法求解机组组合问题

提出了一种新颖的基于搜索+调整的两阶段萤火虫算法求解机组组合问题。算法将机组组合求解流程分解为具有离散变量和连续变量的两个优化问题,通过二进制编码的萤火虫算法求解含离散变量的机组启停主问题,利用改进的实数编码萤火虫算法解决连续变量的负荷经济分配子问题,采用调整策略校核和修复约束,实现主子问题的交替迭代求解。算法通过启发式的约束调整策略,以及两种编码方式实现了离散变量和连续变量的分解优化,提高了机组组合问题求解的效率和精度。通过对6个不同规模算例的计算及与其他经典算法的对比,验证了所提算法的有效性和优越性。     

电力系统频率模式特征辨识及仿真分析

基于云南电网工程实践,建立含直流外送的4机2区系统模型,通过特征值计算和时域仿真校验,分析了调速器模型、直流模型和运行方式对频率模式的影响,以及模态分析法应用在频率模式分析中的关键问题。进一步,对比分析了频率模式和功角模式的频域、时域特征,频率模式由调速器和原动机主导,表现为频率的同调变化;功角模式由PSS和励磁系统主导,表现为功角的相对摇摆;若系统同时存在负阻尼的频率模式与功角模式,时域上会表现为频率和功角拍频振荡现象。最后,应用模态分析法辨识了大电网中的不同振荡模式,指导了相关机组的参数调整,为揭示大电网振荡机理和制定抑制措施提供了技术支持。