The topology of low-voltage distribution grids(LVDGs)depicts how various electrical components are physically interconnect-ed within the distribution system.Due to the use of distributed energy resources(DERs),there is an overlooked mutual load dependent characteristics among end users,which brings great challenges to node correlation analysis and topology identification.In this regard,a low-voltage topology identification method focusing on the mutual load dependent characteristics of DERs is proposed.First,a user classifi-cation method based on support vector machineis proposed to classify users according to usage of DERs at different times.Then,convolu-tional recurrent neural network is applied for distributed feature extraction among load data to decrease load dependency.Finally,the sib-ling pair search algorithm with residuals resistance is proposed to hierarchically identify the topology.Test results in different simulation scenarios and practical LVDGs demonstrate the effectiveness and robustness of the proposed method.
针对目前用户自主投建储能成本过高和资源利用率不足的问题,可在园区引入共享储能,助力降低园区用户用电成本,并促进分布式可再生能源消纳.为实现共享储能服务商和园区用户的双赢,建立了共享储能服务商主导、园区用户跟随的主从博弈模型.共享储能服务商制定容量价格和功率价格,并利用条件风险价值(conditional value-at-risk,CVaR)评估光伏出力不确定性带来的收益风险;园区用户根据共享储能的价格及自身负荷和光伏出力预测,决策购买的储能容量和充放电功率策略.然后通过KKT最优性条件和线性规划对偶定理,可转化为混合整数线性规划问题求解.最后,基于多用户多场景的算例,分析储能价格对博弈结果的影响,并对比购买共享储能与配置固定储能、不配置储能的经济性,论证了所提共享储能机制和优化决策模型的有效性.
交流故障电弧尤其是串联故障电弧是交流供电系统引发火灾的重要原因,其诱因复杂,产生过程隐蔽,特征现象不明显,如果不及时发现和处置,可能导致灾难性火灾,对人身安全和财产构成严重威胁.首先分析了交流故障电弧隐患发生的机理及其典型故障特征;其次系统阐述了交流供电系统中故障电弧检测和定位方法;最后,针对交流供电系统,从实际应用的角度出发指出了当前亟需解决的问题,并展望了未来交流故障电弧检测以及故障电弧定位的应用场景和研究方向.
双碳战略目标的落地实施需要实现用户侧碳排放的精确计量.现有的碳计量方法受制于客观条件的限制更多地聚焦于发电侧而忽略了社会生产消费行为对碳排放的影响.电力需求侧的能源消费行为需要颗粒度更精细的碳计量装置及平台实现碳的实时追踪与溯源.对此将碳价值的时变性与无偏性纳入到实际碳计量工作中,实现油、电、气等综合能源的碳流量的在线精确刻画.通过构建碳减排量计算模型和碳排放激励模型,形成对用户侧碳排放价值的衡量标尺.开发了一套完整的碳计量装置与平台,利用采集到的实时碳数据主动控制与引导用户选择更低碳的生产经营活动,实现低碳需求响应.经过在某企业半年多的运行监测与改造验证了所开发碳计量装置及平台的实用性.
在我国双碳目标背景下,低碳化用能与能源革命迫在眉睫.在考虑社区综合能源发电商与用户竞价博弈的同时加入阶梯型碳交易机制,可满足经济性与低碳性要求.首先介绍了阶梯型碳交易机制和主从博弈模型,然后建立阶梯型碳交易的主从博弈模型,最后通过实际算例,利用CPLEX求解器和粒子群算法对模型进行求解,验证了在主从博弈模型中合理的引入阶梯型碳交易机制可以有效降低碳排放.上述研究为发电商和用户的低碳经济运行提供了参考.
为促进用户与电网实施友好互动,降低能源消费和用电负荷,应研究如何将电网公司的互动效益按一定补贴比例公平地分摊给各参与用户.为解决传统Shapley值法的组合爆炸问题,提出一种基于Shapley值抽样估计法分摊用户互动效益的补偿方法,该方法在满足收支平衡的约束条件下,通过分层随机抽样方法减少样本量;为确定各层样本分配量,综合比较了随机分配法、平均分配法及Neyman最优分配法的优缺点;为解决Neyman最优分配法中参与者各层样本标准差未知的问题,提出一种基于强化学习算法的ε(t)迭代估计最优分配方法.算例表明所提出的方法具有Shapley值法的所有特性,能精确地估计Shapley值法的分摊结果,因而能实现公平合理的分配,同时能有效地减少计算时间.
新能源场站由于其不具备传统旋转发电机的机械惯量,对系统频率变化很难起到支撑作用.随着新能源发电比例不断提高,若新能源场站不参与系统频率调节,则当系统发生频率波动时,频率会发生快速变化,进一步恶化系统频率稳定性,因此研究新能源场站的调频技术特性具有重要意义.从提升场站频率响应和调整的速度出发,针对常用的二阶锁相环在频率斜升变化时不具备零稳态误差的问题,设计了一种频率响应速度更快,稳态性能和动态性能都较为优越的三阶锁相环,并且应用于新能源场站的半实物仿真平台中,进而在半实物仿真平台上以云南某新能源场站为样本,搭建了相应的半实物仿真模型,通过模拟不同频率阶跃变化和不同频率斜升变化,验证新能源场站的并网调频技术.
2023年9月,国家发展改革委等多部委联合印发了新修订后的《电力需求侧管理办法》(以下简称"《办法》").新《办法》旨在贯彻落实党中央、国务院关于碳达峰、碳中和的重大战略决策,支持实施安全高效、绿色低碳的国家能源发展新战略,对新发展背景下的电力需求侧管理提出了多措并举的更高工作要求.
随着城市用电量的增加和新型负荷的广泛加入,城市电网阻塞问题亟待解决.5G基站耗电量大、分布范围广、调节潜力强,其参与需求响应可以有效缓解城市中压配电网阻塞.因此,构建了考虑通信基站需求响应的城市中压配电网阻塞管控模型.首先,通过分析5G基站工作原理,建立5G基站功率可调模型;然后,考虑网络潮流约束和城市通信需求约束,以阻塞管控成本最小为目标,建立城市中压配电网阻塞管控模型;最后,算例验证所提模型不仅可以解决城市中压配电网阻塞问题,还可有效提高经济效益.
短期负荷预测在电力系统规划与运行中起着重要作用.提出一种融合注意力机制和分位数回归的混合卷积双向长短期神经网络短期负荷概率预测模型.首先,利用相关性分析选取合适的天气变量和历史负荷.其次,通过Copula模型计算出风险阈值,该值被用于构造峰值二进制指示输入特征.接着,将所选特征集输入到卷积双向长短期神经网络预测模型,引入注意力机制给予数据不同关注.然后,采用核密度估计对负荷进行概率预测.最后,使用平均绝对百分比误差和均方根误差对模型预测性能进行评估.仿真结果表明,该模型具有更高的预测精度.
送端电网省份一方面需要平衡其内部高速增长的负荷和新能源,另一方面还要满足向外输电的需求.因此,送端电网调节能力的不足使得送、受两端电网的运行经济性和稳定性都受到了挑战.电力需求响应是提高电力系统调节能力的重要手段,能够有效削峰填谷和缓解电力供应紧张.目前我国需求响应工作已经在许多电网受端地区开展,但是我国开展需求响应的送端电网省份还较少.针对上述问题从负荷高速增长、高比例新能源接入、存在电力供应紧张风险和省间电力传输及交易4个方面入手,分析送端电网省份面临的部分问题,探讨开展需求响应的意义和必要性.此外,从市场配套机制发展路径、构建需求响应方案和制定需求响应预案机制3个方面提出一些建议,为送端电网省份需求响应的开展提供借鉴和参考.
为了有效界定停电事件的影响因素,提高应急情景动态推演模型的准确性,避免电力突发事故的发生,设计基于改进贝叶斯网络的大面积停电事件应急情景动态推演模型.首先,对初始情景、引发情景、爆发情景、恢复情景和消失情景等五个网络层级进行分析,构建大面积停电事件情景网络;其次,考虑应急决策主体、对象、目标、方案以及决策环境,模拟大面积停电事件应急决策过程,利用改进贝叶斯网络计算多层次情景网络之间移动概率,确定事件动态演化规律;最后,通过大面积停电事件数据的输入结果,得出包含大面积停电事件动态推演路径和最优应急方案.实验结果表明:应用设计模型后,停电面积缩小率为48.57%,停电事件的实际停电面积明显缩小.完善了应急情景动态推演过程,事件应急方案与实际停电情况相匹配,可以高效应对大面积停电事件,具有较高的应用价值.
随着新能源的大规模利用,光伏渗透率稳步增长,准确的光伏功率预测能为电网企业带来较多效益.基于此提出了一种多特征分析提取的随机森林预测模型,用于超短期光伏功率预测.首先,对收集到的光伏数据进行预处理,清理缺失值和重复值;再次,对影响因素进行相关性分析,选取相关性强的因子;然后,对筛选后的因子进行输入特征量选择,将处理后的特征向量作为预测模型的输入;最后,建立随机森林预测模型,并与BP、RBF、MLP模型对比.实证结果表明,所提模型具有较好的拟合度和更高的预测精度,对光伏预测工作有一定的指导意义.
针对庞大的综合能源用户群体在购买能源服务套餐时难以选择的问题,提出一种基于用户特征聚类的综合能源套餐推荐方法,以提高用户粘性.首先,将收集的综合能源用户信息进行知识图谱构建,对缺失的用户信息进行补充完善,同时分析用户之间的关系.然后,采用谱聚类的方法对构建好的用户知识图谱进行图谱分割聚类,进行用户之间的相似度计算,提取代表综合能源用户用能行为多样性的兴趣特征.最后,通过随机森林模型计算综合能源用户对各能源服务套餐的预测评分,将预测评分进行排序后,取评分最高的部分套餐通过线上平台为用户呈现套餐服务内容,实现对用户的精准推荐.将所提套餐推荐模型与传统推荐模型进行比较分析,结果表明基于用户特征聚类的综合能源套餐推荐方法能够为综合能源服务公司实现有效的用户精准化能源服务推荐,有利于提升能源服务公司的市场竞争力,同时为电力企业向综合能源服务提供商转型提供技术支撑.
以电力用户异常用电为代表的电力系统非技术性损耗通常会造成供电公司运营成本的显著性上升.首先,提出一种电力用户异常用电的深度神经网络检测方法,根据电力用户用电负荷特性采用深度置信网络(DBN)对原始的电力负荷数据进行特征提取并获取符合特征,其次,基于极限学习机(ELM)完成特征分类,从而建立电力用户异常用电检测基础模型.最后,提出一种采用改进果蝇优化算法(IFOA)对DBN的网络权重与层间偏置参数进行寻优,由此获得基于IFOA-DBN-ELM的电力用户异常用电检测模型.实验结果表明:所提方法的准确率、精确度和检出率显著高于其他方法,误检率低于其他方法,能够较为准确地检测出具有异常用电行为的电力用户,有助于降低供电公司的运营成本.
The medium and short-term forecast of power load can reasonably determine the operation mode of unit and the overhaul plan of equipment, arrange the daily dispatching plan and the weekly dispatching plan, improve the measurement accuracy, which is of great significance to realize the power balance and ensure the safe and economic operation of the system. When using neural network to predict load in medium and short-term, the learning ability of the model will be greatly reduced if the training data is insufficient. At the same time, due to the characteristics of hourly cycle, daily cycle, weekly cycle and seasonal cycle of power load data, the conventional neural network training model cannot reflect the different cycle characteristics of load, which will also have a certain impact on the accuracy of prediction results. Therefore, this paper first proposes a data enhancement method to effectively solve the problem of insufficient training data in power load forecasting. Secondly, according to the periodic characteristics of load, a fusion scheme of parallel temporal convolutional neural network model with different periodic features is further proposed, which effectively reflects the multi-periodic characteristics of load data, and thus improves the accuracy of medium and short-term prediction of power load. Through the modeling and training of load data in a certain city, the effectiveness and superiority of the proposed method in medium and short-term forecasting are verified.
园区是我国城市碳排放的主要场所,厘清园区级碳排放源/碳汇构成是开展园区低碳路径研究的关键.目前,国内外还未发布园区级碳排放计算相关规范或指南,已开展的研究大多针对存量的某一特定类型园区碳排放进行计算分析,未充分考虑新建园区的数据可得性以及计算体系对不同类型园区的适应性问题.因此,开展了计及多类型园区特征的碳排放计算方法研究,从能源活动(覆盖农业、工业、建筑、交通、旅游设施、其他公共基础设施等)、农业生产、工业生产、废弃物处理、绿植碳汇5个维度构建园区级碳排放计算体系,并分别给出数据完备和数据缺失情况下的计算公式.算例表明,所提方法对特色农业型园区、工业制造型园区、商务办公型园区、旅游休闲型园区等多类型园区的碳排放总量计算以及结构分析均适用.
售电公司作为连接发电侧与用户侧的关键节点,其信用关乎电力市场的稳定运行.在新电改背景下,我国诸多省份都已构建信用管理体系且取得一定成果.随着电力市场的不断深化改革,依靠当前较为简单的信用评价与担保信用额度相结合的管理体系已不能完全适应当下的市场环境.因此,以中、美典型电力市场为例,针对售电公司从评价模式、第三方评价、担保与无担保信用额度等方面进行多层次剖析,结合我国电力市场发展需求,从信用评价指标构建、第三方评价、信用额度等多方面提出售电公司信用管理体系建设的建议.
在高比例新能源的孤岛微电网中,风电的间歇性与波动性会增加微电网运行调度的不确定性,严重情况下可能对系统安全稳定运行造成影响.为此,提出一种计及用户舒适度需求侧管理的海上孤岛微电网运行策略.首先,针对微电网内不同类型负荷用户进行精细化建模以及差异化需求响应策略,提出不同类型用户的评判指标.其次,综合用户舒适度最优以及微电网日运行成本最小为目标建立日前调度框架,并利用yalmip+cplex求解器进行求解得到日前调度计划.最后,以某海上孤岛微电网为例,在不同风电场景下验证所提策略的有效性与普适性.
由于居民用户用电需求的高度随机性和不规则性,亟需详细的数据分析来定义用户的行为特征,以提供更加合理的用电建议和需求响应潜力.为了进一步挖掘非介入式辨识数据的价值,提出一种基于多维用电行为数据的电力居民用户分类方法.首先通过非介入式智能电表获取居民细粒度用电数据,分析用户的用电行为,寻找到关键用电特征量;接着使用CRITIC权重法自适应配置各指标权重,通过6类聚类评价指标,对4种聚类算法和3个数据距离计算进行对比,实现最优聚类方法和聚类数目的选择.通过某小区实际数据验证了本文所提用电特征量以及定权聚类方法的有效性,将居民用户群体分成用电行为差异明显的两类.
