含高渗透率风电的微网系统鲁棒经济调度方法

微网中可再生能源比重通常较大,其固有的间歇性和随机性给微网调度带来困难.为应对可再生能源的出力波动,本文综合考虑风、柴、燃料电池、蓄电池等机组运行特性,建立了基于极限场景法的微网日前鲁棒经济调度模型;通过将调度计划的弃风及切负荷电量转化为经济成本,提出了使调度计划发电成本和风险成本(弃风、切负荷成本之和)综合最优的误差边界优化方法.从风电预测精度、蓄电池容量及切负荷价格3方面分析了鲁棒经济调度在微网中的适应性.结果表明:微网鲁棒经济调度在发电成本上稍显劣势,但在减少弃风、切负荷的电量方面具有明显优势,并且在风电预测精度低、蓄电池容量不足以及切负荷价格较高的微网地区更适合采用鲁棒经济调度方法.     

配电网长期电力负荷自动调度方法

常规的配电网长期电力负荷自动调度方法主要使用峰荷能量削减模型进行调度求解,易受电力负荷转换作用的影响,导致电力负荷峰谷差过高,因此,需要设计一种全新的配电网长期电力负荷自动调度方法。根据相空间重构理论预测了配电网长期电力负荷,构建了配电网长期电力负荷自动调度模型,生成了电力负荷自动调度策略,从而实现了配电网长期电力负荷自动调度。结果表明,设计的配电网长期电力负荷自动调度方法的调度电力负荷峰谷差较低,证明其调度效果较好,具有可靠性和一定的应用价值。     

电力大数据下的短期电力负荷预测

电力产业是国民工业系统中重要的产业。在电网运行管理中,对于负荷预测具有非常重要的作用。更加准确的电力负荷预测可以为电网的安全稳定运行、实时进行电网负荷的调度提供了重要依据。特别是在经济方面,精确的电力负荷预测可以优化发、用电电网调度计划,合理调度和分配资源,从而起到使社会效益、经济效益最大化的作用。然而随着中国经济的飞速发展,对电力的需求不断增长,电力负荷本身受诸多因素以及政策影响比如日期、天气、气候、市场等其他因素,这些因素更大大加大了准确进行电力负荷预测的困难性。一直以来,人们一直都致力于提高电力负荷预测的准确性,人工神经网络算法具有泛化、学习能力强等优点,现在该算法已在电力负荷预测领域中得到了广泛应用,并且取得了良好的效果。近年来,人工神经网络领域取得重大突破,涌现出一个新的深度学习研究领域。本文就是基于最新发展的人工神经网络算法,结合实际地区电网数据研究了短期电力负荷预测的相关问题。     

基于多时段机组组合的中长期市场安全校核方法

为解决电力中长期市场中调度机构安全校核缺乏有效技术方法的问题,基于多时段机组组合模型提出了一种面向电力中长期市场的安全校核方法。以发电企业中长期校核电量偏差最小化为优化目标,综合考虑电力平衡约束、网络传输能力约束、机组发电能力约束等多方面系统运行约束条件,构建了电力中长期市场机组组合模型。利用该机组组合模型,对电网调度过程进行运行模拟。并通过判定各发电企业电力中长期交易结果的完成率偏差,来判定电力中长期市场交易结果是否满足系统运行要求。最后,基于某省区电网实际数据构造的算例表明,与传统典型日运行模拟校核方法相比,本文所提出的校核方法能有效考虑机组启停时间约束等运行要求,更符合电网实际调度运行需要,能够给出更为准确的安全校核判定结果。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

600 MW超临界机组性能优化预测控制与应用

针对江苏国信扬州发电有限责任公司#3、#4号600 MW超临界机组存在变负荷速率和负荷调节精度等指标未能达到江苏电网运行要求的实际情况,在获得多个负荷点上机组协调被控过程动态数学模型的基础上,采用预测控制技术,提出了锅炉热负荷的预测控制策略,通过加快锅炉负荷指令的调节速度,有效提高机组的变负荷速率;采用基于模糊规则的负荷精度补偿控制技术,通过及时修正汽机负荷指令,快速消除机组的负荷偏差,有效提高了机组的负荷调节精度,减小了主汽压力、主汽温度等主要运行参数的波动.实际应用表明,新的优化控制策略提高了机组的负荷调节品质,明显改善机组的运行稳定性,满足电网运行要求.     

基于超短期功率预测的配电网调度模型

提出了一种基于超短期风电功率预测的滚动配电调度模型。在配电调度过程中，模型不仅可以同时修正传统机组的功率输出，还可以修正风力发电的功率。利用二阶马尔可夫（Markov）链模型对风电预测误差状态（WPPES）进行修正，并更新剩余时段的风电风力发电预测结果。该模型考虑了多时段功率平衡、机组输出调节、上旋备用和下旋备用的约束条件，并结合素数对偶仿射尺度内点法进行求解。最后的仿真验证了该方法的经济性和有效性。     

基于源荷不确定性的虚拟电厂负荷优化调度方法

为强化虚拟电厂的市场竞争力，争取利益最大化、能耗最小化，提出一种基于源荷不确定性的负荷优化调度方法。利用正态分布描述源荷不确定性，采用离散型随机变量的概率分布，架构光伏电站出力与负荷模型。将能耗量最大化与运行成本最小化作为负荷优化调度目标，建立目标函数方程、负荷优化调度模型及对应约束条件。仿真结果表明，所提方法在保证虚拟电厂高效运行的同时，对电价峰-谷趋势起到了较好的“削峰填谷”效用，经济收益相对可观，具有较高的可靠性。     

基于双时间序列神经网络的短期电网负荷预测

短期电网负荷预测是电网安全运行和经济调度的基础。现有预测方法存在对节假日预测不准确,不利于系统化等问题。根据短期负荷周期性变化的特点,创造性地提出双时间序列神经网络模型。同时为了克服实际温度数据缺失问题,提出一种新的温度量化方法。在广东省某地区的实际应用表明,该方法对于普通日和特殊日都取得了有较好的预测精度。     

火电开机组合问题的神经网络方法

本文建立了火电厂母管制机组起停问题的优化模型,提出了求解火电系统开机组合问题和火电厂母管制机组起停问题的神经网络方法,在计算机上进行了仿真模拟,这对促进电力系统在线调度方法的硬件化,有积极意义。     

一种小波神经网络的电力短期负荷模型研究

为了提高电力短时负荷预测精度，提出一种基于小波神经网络的短期负荷预测模型。通过小波分析进行负荷序列分解，获得不同频率负荷分量规律；由粒子群算法进行粒子群适应度排序，提升算法收敛速度和收敛能力；为避免算法陷入局部收敛性，引入混沌理论来增强全局搜索能力。将改进的PSO-WNN短期负荷预测模型应用于实例验证中表明：PSO-WNN模型相较于传统WNN模型和PSO模型对电力短时负荷的预测精度分别提高了3.16%和2.12%,预测效率提高了近一倍，算法能有效满足电力调度短时负荷预测的需求。     

基于CBR的电力负荷预测系统的研究与实现

随着电力系统的发展，负荷预测受到广泛重视。但由于它受到大量不确定因素的影响，导致电力负荷预测是一项重要而又非常复杂的工作，预测过程需要考虑多种因素。介绍了CBR的基本原理与方法，在分析相关技术的基础上，建立了一个基于CBR的电力负荷预测系统。实验分析结果表明该方法具有有效性和实用性，也说明了CBR在电力负荷预测系统的应用是提高电力系统生产规划、运行调度与管理水平，实现安全、高效和经济调度的重要技术手段。     

基于人工智能的火电机组负荷频率自抗扰控制系统

火电机组负荷运行离不开自抗扰控制系统,传统控制系统在整合运行过程中控制效果不佳,导致系统控制响应时间较长,为此,提出基于人工智能的火电机组负荷频率自抗扰控制系统.硬件设计方面,采用内存储器、CPU、磁盘和自抗扰控制器等多个硬件.软件设计方面,根据火电机组负荷运行特性,设置负荷频率数据采集模式,基于人工智能构建线性模型,...     

基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法

电网输电线路的负荷率和利用率的不断加重,为电力系统运行调度增加了难度。为了合理规划调度任务,保证电网运行安全,研究基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法。建立电力调度模型,设定调度优化目标和约束条件;基于贝叶斯离散优化预测电力负荷,为任务优先级判定提供依据;通过分块解耦动态仿真电力系统,将复杂外部系统转换为简单等值系统;通过电力调度多任务优先级解耦,划分优先级,接收操作令,完成电力调度的解耦。经实验论证分析,所提模型得到的解耦前后的仿真曲线较为吻合,仿真结果可以真实准确地反映电力系统的动态行为,对过载线路有功功率的调节效果明显,越限问题得到了很大程度的改善。     

引入BL-Seq2seq模型进行负荷预测

短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度.     

引入BL-Seq2seq模型进行负荷预测

短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度.     

基于不同优化算法的厂级负荷分配研究

提高机组的经济性,降低成本,是火电厂实行"竞价上网"所面临的迫切任务,所以在电厂各发电机组间实行机组负荷优化分配,提高运行效率,降低生产成本意义重大。本文根据现场机组煤耗数据采用多项式拟合的方法求取了机组煤耗特性曲线二次关系式,建立了负荷优化分配模型,考虑了机组优化分配问题中的各种约束条件,进而利用MATLAB优化工具箱对算例进行优化运算。最后将基于动态规划法与等微增率法的两种负荷优化分配方案进行了分析比较,指出了两种方案的优缺点与适用条件。     

大型火电机组协调控制方案探讨

介绍了大型火电厂协调控制方案的原理,列举和利时自动化有限公司的HOLLIAS-MACS分散控制系统(DCS)在300MW火电厂机组运行控制中协调方案的实际应用,反映了协调控制系统在电厂运行中的重要性并对机炉负荷协调模式进行了探讨.     

边缘计算和深度学习的智能电网短期负荷预测研究

本研究以深度学习和边缘计算为基础,详细阐述了电力系统负荷预测的方法,并在此基础上分别建立了基于深度学习理论的电力短期负荷预测模型和基于边缘计算电力负荷预测模型,然后基于MATLAB平台分别对两种模型所选取的数据集进行仿真分析,并以N市某充电站为例,分析对比了两种模型对充电站电力负荷预测的准确性.研究结果表明,深度学习模...