支撑新能源电力系统灵活性需求的用户侧资源应用与关键技术

伴随着传统电力系统向以新能源为主体的新型电力系统转型升级,高比例新能源的接入和传统机组占比下降导致电力系统灵活性产生缺额。电动汽车、数据中心、P2X(power-to-X)等需求侧资源可以在多时间尺度为电力系统提供灵活性,是新型电力系统灵活性的重要组成部分。该文首先描述高比例新能源背景下输电网和配电网在不同时间尺度的灵活性需求,然后对比总结了典型需求侧资源的调节特性与应用实践,研究了需求侧资源在支撑高比例新能源输电网和配电网中运行、规划2个层面多时间尺度灵活性需求的应用场景。最后针对未来需求侧资源的研究重点,从聚合技术、电碳协同优化调控策略、可信调节能力量化和通信与信息交换标准等角度,对支撑新型电力系统需求侧资源应用的关键技术进行了总结与展望。     

计及精细化氢能利用的综合能源系统多时间尺度鲁棒优化策略

能源结构改革背景下,构建以氢能驱动、电-热为主体的综合能源系统（HEH-IES）具有重要意义。为提高含电氢耦合单元的IES运行灵活性,同时减小功率波动对系统的影响,提出含多元储能与综合需求响应的氢能精细化利用两阶段调度方法。首先,分析电制氢（P2H）两阶段运行过程与电氢耦合单元运行特性,对氢能的用能过程与设备进行精细化建模;其次,计及多元储能与综合需求响应提出了日前-日内两阶段多时间尺度优化策略,日前阶段充分考虑能源系统的不确定性,构建数据驱动的分布鲁棒优化（DRO）模型,日内阶段遵从日前计划,考虑多能流在灵活性调节时间尺度上的差异,通过多时间尺度的滚动优化降低功率波动的影响;最后,仿真算例证明了所提模型与策略对提升IES的运行灵活性具有积极作用。     

基于CEEMDAN-ISSA-BiLSTM的风电功率组合预测模型

针对风电功率存在间歇性、非线性和波动性而难以准确预测的问题,提出一种遵循“序列分解-网络预测-序列重构”的风电功率预测模型。针对风电场集群中的不同风电机组出力特性曲线,使用迭代自组织数据分析聚类算法(ISODATA)聚类得到典型出力曲线;利用自适应噪声完全集成经验模态分解(CEEMDAN)算法对聚类得到的原始风电序列数据进行模态分解,减少数据波动所带来的预测误差;建立各模态分量的双向长短期记忆网络(BiLSTM)预测模型,并使用改进麻雀搜索算法(ISSA)优化网络参数,再将各模态分量的预测结果叠加得到风电功率的最终预测结果。算例结果表明,所提预测模型的预测精度相比其他对比模型更高,且有着更好的泛化能力。