Real-time monitoring of wind turbine output and timely detection of the unit problems can maximize the economic benefits of wind farms.Using adaptive Density-Based Spatial Clustering of Applications with Noise(DBSCAN)algorithm to extract the datas required to establish the performance model of wind turbines under normal conditions in a wind speed-power(v-P)coordinate system.In the monitoring phase,after dividing horizontal power intervals,Mahalanobis distance is used to measure residual errors between the monitoring data and the performance model,and the sliding window method is used to continuously obtain the residual sequence into cloud model for fuzzy evaluation,obtaining the operating status of wind turbines.The changes in clouds show that the anomaly monitoring method based on cloud models can accurately and objectively reflect the operating status of the unit,providing effective guidances and suggestions for maintenance work.
While tradable green certificates (TGCs) and carbon emission trading (CET) play key roles in achieving peak carbon and carbon neutrality, the coupling effects between these two policies on the medium- and long-term electricity market and the spot market are still uncertain. In this study, we firstly construct a multi-scale market trading framework to sort out the information transfer of four markets. Secondly, we establish a multi-scale market system dynamics-coupled trading model with five sub-modules, including the medium- and long-term power markets, the spot market, and the carbon market. Subsequently, we adjust the policy parameters (carbon quota benchmark price, carbon quota auction ratio, and renewable energy quota ratio) and set up five policy scenarios to compare and analyze the impacts of the CET and TGC mechanisms on the power market and carbon emission reduction when they act alone or in synergy, in order to provide a theoretical basis for the adjustment of strategies of market entities and the setting of parameters. The results show that CET can increase spot electricity prices and promote renewable energy to enter the spot market, while TGCs can promote a high proportion of renewable energy consumption but lower spot electricity prices for a long time. The coordinated implementation of the CET and TGC mechanisms can improve the power market’s adaptability to high renewable energy penetration, but it may also result in policy redundancy.
针对燃煤机组选择性催化还原(Selective catalytic reduction,SCR)脱硝系统出口NOx浓度存在测量滞后以及吹扫时数据失真等问题,提出基于特征提取和麻雀搜索算法(Sparrow search algorithm,SSA)优化核极限学习机(Kernel based extreme learning machine,KELM)超参数的燃煤机组SCR脱硝系统建模方法.利用最大信息系数确定各输入变量的延迟时间,表征变量间的相关性.在此基础上采用相关性的特征选择算法将加入迟延参数的重构输入变量进行变量选择;通过 SSA 优化算法确定 KELM 初始输入层权值及偏差的超参数.所建立的SSA-KELM预测模型的均方误差和相关系数分别为1.121 2 mg/m3、0.961 6,与粒子群算法、灰狼算法寻优后的预测模型所得结果相比预测精度较高,模型能够为脱硝系统出口 NOx的现场优化控制提供技术支持.
建立了风火打捆直流送出系统的机电网统一模型,并对风电机组换流器控制参数影响下的输电系统特性与机组轴系扭振进行分析.运用以变分模态分解和希尔伯特变换相结合的方法,对汽轮发电机组和风力发电机组轴系扭振进行了时频分析.研究了风电接入时,汽轮发电机组与风电机组轴系扭振的响应,以及输电系统的电气响应及其特性.扭振时域图、幅值谱图、时频图和三维谱图,揭示了风电机组转子侧换流器控制参数对轴系扭振特性的影响.研究结果表明,内环增益系数以及外环增益系数增大时,汽轮机组轴系扭振更加剧烈,但对于风力发电机组轴系扭振与风火打捆输电系统的电气响应影响较小.分析结果可为风火打捆系统次同步振荡的抑制和风电机组控制系统设计提供理论参考.
以风电场公共耦合点(Point of common coupling,PCC)运行特性一致为目标,提出了一种基于直驱风机箱变阀侧输入阻抗不变的改进等值方法.以箱变阀侧电气元件输入阻抗不变为原则,结合设定的目标额定容量,计算箱变阀侧及发电机机端额定电压,进而得出各电气元件等值参数.以某直驱风电场为例,考虑集电线路的化简,在实时数字仿真系统中分别搭建12台参数相同的 2.5 MW多机详细模型、1台 30 MW单机常规等值模型及 1台 30 MW单机改进等值模型,通过仿真对比 3 个模型在PCC点的动态特性.结果表明,3 个模型的运行特性基本一致,证实该等值方法能准确反映PCC点的动态特性.
在"双碳"目标的背景下,为调动多能用户参与系统低碳经济调度的积极性,提出了一种以用户为主导的供需联合低碳经济优化调度模型.首先,完善了不同产能机组的碳排放强度计算方法,利用碳排放流(Carbon emission flow,CEF)理论构建了多能网络的碳排放计算模型.基于此,构建了综合能源系统(Integrated energy system,IES)低碳经济双层优化调度模型.其中,上层模型为考虑综合需求响应(Integrated demand response,IDR)和用户碳交易成本的多能用户IDR策略,下层模型为考虑网络约束的IES经济优化调度.然后,通过自适应差分进化算法嵌套Gurobi对双层模型进行求解.算例分析结果表明,结合CEF理论和IDR机制的双层优化模型可改善用户和IES的经济效益和低碳效益,实现供需双侧的联合优化.
提出一种基于信号复杂度的特高压多端混合直流输电线路方向保护方法.分析 T 区两侧暂态功率正负性的差异特征,提出基于暂态功率能量的故障方向识别方法.分析线路边界频率特性,根据线路边界衰减高频分量的特征,利用经验小波奇异熵作为评价暂态量信号复杂度的指标,提出了基于信号复杂度的直流线路区内外故障识别方法.在方向判据和区内外故障识别方法的基础上设计了完整的保护动作方案.仿真结果表明,该保护方案能准确判别故障方向,能正确区分区内外故障,具有较强的耐过度电阻和抗干扰能力,可靠性较高.
针对轴流通风机故障诊断中需要大量带标签数据用于分类模型训练的问题,提出基于小波包分解(Wavelet packet decomposition,WPD)与半监督生成对抗网络(Semi-supervised generative adverserial networks,SGAN)的轴流通风机故障诊断方法.首先对预处理后的通风机振动数据进行小波包分解,将提取到的有效频带能量信息作为故障诊断模型的特征输入;其次利用训练数据中的带标签数据与无标签数据,训练 SGAN 的生成器和鉴别器,将训练后的鉴别器作为分类器用于实现少量带标签数据下的轴流通风机故障诊断.搭建了轴流通风机故障诊断试验台,采集了包括正常运行、基座松动与 4种不同程度转子不平衡的 6类状况下通风机振动数据.利用数据训练得到了基于WPD-SGAN的通风机故障诊断模型.故障诊断实验结果显示,在少标签样本情况下,该方法的诊断准确率达到 80%以上.相比传统支持向量机与神经网络监督学习方法,该方法的准确率有大幅提升;与半监督支持向量机方法相比,该方法的准确率提高了 9～14个百分点.
为评估煤电机组三改联动改造的经济性,针对不同改造方案建立了煤电机组双层优化模型.上层模型根据负荷特性和风电出力特性,以系统调峰成本最低为目标函数,通过CPLEX求解器得到各时刻煤电机组总出力;下层模型依托上层模型的求解结果,以系统各个煤电机组收益最大化为目标函数,应用改进型粒子群算法对每个机组的出力寻优.仿真结果表明,改造能够使弃风率降低 8.65 个百分点;进行灵活性改造可降低系统调峰成本 3.94 个百分点,而三改联动可降低调峰成本 1.18 个百分点;进行灵活性改造可使机组收益降低 2.17 个百分点,而三改联动可增加 58.05个百分点的收益.
高比例风、光新能源机组并网及负荷侧功率的波动使得电力系统面临着较强的源-荷不确定性.为此,提出一种考虑源-荷不确定性及条件风险价值的电力系统优化调度模型.采用随机优化规划的方法对风、光机组及负荷功率不确定性进行处理,运用三角模糊数表征随机变量,利用清晰等价转换求解模糊优化问题;考虑到不确定性带来的运行风险,利用条件风险价值的方法来调控不确定性对调度决策者的影响,降低不确定性风险成本,并考虑了阶梯碳交易成本,降低了系统的碳排放.算例结果表明,所提优化调度模型能够有效降低不确定性风险成本,提高系统运行的低碳与经济性.
为了提高综合能源微网的能源利用率和经济效益,结合共享储能服务,考虑风光出力不确定性与相关性,联合共享储能电站服务模式,提出一种兼顾风光出力相关性与共享储能的综合能源微网双层优化模型.上层模型旨在最大化共享储能的服务收益,而下层模型则以降低综合能源多微网系统的运营成本为目标.结合Karush-Kuhn-Tucher条件与大M法将双层优化模型转化为混合整数线性规划问题进行求解.算例验证结果表明,在考虑风光出力不确定性与相关性的基础上,所提出的模型不仅能够提高系统对新能源的消纳能力,而且能够提高系统运行经济性.
为解决由于建设不统一而产生的不同密码环境下的智能电表和控制中心之间的异构安全通信问题,提出了一种适用于智能电网的由无证书密码系统到基于身份密码系统的异构聚合签密方案.匿名性保护了智能电表用户的隐私;可追溯性保证了恶意用户的可追踪.在该方案中,仅需少量的椭圆曲线上的标量乘运算,且提供了聚合签密和批量验证功能,保证了方案具有较高的效率,并可设置不同的密码系统参数来增强安全性.性能分析表明,该方案具有较低的计算开销,同时可满足所需的安全特性和功能,适合用于智能电网中多对一的通信环境.
随着风电、光伏等可再生能源的发展,传统机组出力的占比逐渐减小.为增加灵活性资源、弥补系统灵活性短缺,首先对具有灵活性资源的虚拟电厂和其他市场成员参与灵活性辅助服务报价策略进行了分析;然后,在虚拟电厂考虑自身经济最优条件下,对如何报价参与灵活性市场投标进行了分析;在市场成员不改变自身报价情况下,给出了独立系统运营商对市场成员最优出清价格和调度策略.通过算例分析了风电在不同容量虚拟电厂参与灵活性辅助服务下的投标过程,结果显示虚拟电厂容量越大则其参与市场竞标的能力就越强.
为实现微电网源网荷储的最优匹配,提出了一种计及需求侧响应的微电网有功功率调度模型.首先综合考虑系统运行约束、蓄电池运行约束和引入负荷响应补偿的用户满意度,以微电网经济性和环保性最优为目标函数,构建了包含风光发电、储能单元和负荷的微电网功率调度模型.进一步改进了布谷鸟搜索算法,并在4个典型场景下求解所提出的调度模型.通过算例验证模型和所提方法的有效性,结果表明:负荷响应与储能可以有效降低微网运行成本,通过可移负荷跨时段平移,实现负荷削峰填谷;同时,模型能根据不同的满意度要求提供相应的经济优化调度方案;此外,通过对比粒子群算法与布谷鸟算法,进一步验证了改进的布谷鸟算法性能更优.
电力行业低碳转型是实现"双碳"目标的必然选择.在此背景下,碳税、碳交易和绿证交易应运而生.为研究碳税、碳交易和绿证交易等绿色低碳政策对电力行业低碳转型的影响效应,建立了基于绿证交易、碳交易、碳税和电力市场交易的系统动力学模型,对绿色低碳政策从2018年开始的100个月内的实施情况进行模拟仿真与情景分析.结果表明,在碳税、绿证交易及碳交易的影响下,可再生能源发电量的增速高于火电发电量的增速,电源结构得到持续优化;各绿色低碳政策在优化电源结构方面的效果从强到弱的排序为绿证交易→碳税→碳交易;组合政策的电源结构优化效果大于分别实施单一政策带来的电源结构优化效果总和.
在用传统调度方法进行综合能源系统低碳经济调度时会面临数据维数高、建模难度大等困难.虽然用基于数据驱动自适应挖掘物理模型的深度强化学习算法有希望克服这些困难,且其中确定性策略梯度算法尤其适用于连续决策变量问题的求解,但该算法在实际应用时存在训练效率普遍较低的问题.对此,提出了一种基于改进双延迟深度确定性策略梯度算法的调度决策模型.首先基于综合能源系统低碳经济调度特性建立序贯马尔可夫决策过程模型;进而应用改进双延迟深度确定性策略梯度算法构建并训练神经网络,避免过估计并提高网络输出稳定性.同时,为提升网络训练效率,以求和树对训练过程中的历史经验数据进行存储和经验回放采样.实验结果表明,所提方法能对综合能源系统低碳经济调度问题进行有效求解,且比传统强化学习算法表现更优.
为实现在电网规划中考虑5G基站和数据中心的大规模建设所带来的电能需求,针对该负荷的长期负荷预测问题,提出了可变增长率的趋势预测方法和负荷预测流程.通过增长率修正,改进了趋势预测模型.在考虑技术进步对能耗的影响以及未来发展饱和趋势的条件下,给出了5G基站和数据中心电量预测流程,实现了5G基站和数据中心未来5～10年的电量预测,并给出高、中、低3种增长率场景下的预测结果,为电网规划中考虑信息基础设施电能需求提供了依据.
针对径流式小水电日发电量预测精度较低而导致的发电计划不合理和弃电问题,提出一种基于变分模态分解(Variational mode decomposition,VMD)和双向长短时记忆网络(Bi-directional long short-term memory,BiLSTM)的日发电量组合预测方法.首先分析了小水电的日发电量特性,基于此采用VMD技术将日发电量分解为低频和高频分量,以提取时间序列数据周期趋势特性和局部波动特征,采用中心频率法和皮尔逊相关系数法确定VMD的分解次数;最后,采用基于日发电量特性选择的BiLSTM预测工具对VMD分解得到的各个分量进行预测,再将各个分量的预测结果进行融合,得到最终的预测值.实验结果表明,所选模型能较好地拟合实际数据,提高预测精度,并优于其他深度学习方法.
高比例新能源并网使配电网涌现出潮流复杂、轻重载等问题.智能软开关(Soft open point,SOP)的出现逐渐改变了传统配电网的规划布局.新型配电网出现的 SOP 选址定容问题和配电网最优潮流问题亟需解决.提出了新型配电网的 SOP 定容选址方法和柔性互联配电网优化调控策略.首先分析了SOP接入后配电网运行特性,对基于损耗灵敏度的SOP选址方法进行了改进;然后使用粒子群算法确定 SOP 最佳容量配置,并以全天运行损耗成本最低为目标,通过MATLAB的GUROBI求解器得出各分布式电源和SOP的出力大小,实现最优潮流;最后以IEEE 33 节点算例对所提方法进行仿真验证.结果表明,所提的配电网调控策略比传统方法更具有优势,可大幅度降低配电网网损,提高配电网新能源消纳.
变压器故障诊断知识图谱对电力系统高效运行、有序维护具有重要的指导意义.提出一种自顶向下的知识图谱构建方法.首先根据智能运维的需求构建知识图谱本体层,集成了变压器故障现象、原因、位置等信息;然后根据本体层对文本进行标注,形成训练数据集;构建了一个实体关系联合提取模型,用堆叠双向长短期记忆网络提取字符依赖性特征,用条件随机场实现实体识别,用多头选择机制判别实体间的关系,同时将双向图卷积网络引入关系推理,根据关系特征纠正错误的实体关系.对比实验、消融实验的结果证明了该方法的优越性.所开发的相应软件,可提供线上知识图谱构建、查询等服务,实现了基于知识图谱的辅助决策,提升了决策的可解释性以及决策效率.
