It is crucial to reduce the substantial line loss in distribution networks in power utility.It is the premise to develop a model to describe the loss characteristics that constitute the targeted and comprehensive loss mitigation decision.In this study,a general line loss probability density distribution model is proposed based on state identification in the power distribution area.Firstly,a line loss state identification method based on the C-vine Copula model is proposed to overcome the low accuracy of the existing models caused by ignoring the different characteristics of the different states when calculating the loss.Secondly,a general line loss rate probability density distribution model,including the optimal selection of the probability density function and parameter estimation of the proposed model,is presented to reflect different loss distribution characteristics under different line loss states of the power distribution area.Finally,the accuracy and validity of the proposed method is verified using the measured data across two years of a power distribution area in southwest China.
With the continuous development of the domestic photovoltaic industry and the increasing installed capacity of photovoltaics, fires occur frequently in photovoltaic power stations. The cause of fires is often caused by DC arc faults. Therefore, a reliable DC arc fault detection method for photovoltaic arrays is of great significance for ensuring the safe and reliable operation of photovoltaic power generation systems. The photovoltaic array is greatly affected by environmental factors, the output data is unstable, and the amplitude change of the fault arc data is also uncertain, which leads to the misjudgment of the DC arc detection method. Aiming at the DC series arc fault of photovoltaic array, this paper proposes a detection method of DC series arc fault of photovoltaic array based on random forest. Based on the Simlink platform, a simulation model of photovoltaic series arc fault is built. The simulation model is used to obtain the series arc fault data, and the difference between the normal string and the series arc fault string is compared. The DC series arc fault data is analyzed by statistical method and the feature quantity is extracted as the training set. The feature quantity is used to train the random forest model to establish the photovoltaic series fault diagnosis model. The string voltage data of each group collected by the inverter before and after the series arc fault of a photovoltaic project in a new energy enterprise in Xiamen are used for diagnosis. The inverter string data of the actual series arc fault verify that the method can effectively identify the DC series arc fault, and is less affected by environmental factors. The stability of the detection method is good.
In order to realize the optimal power flow under multiple time scales and multiple operation modes, the prediction results and power grid status are included in the optimization model simultaneously, and a power flow optimization strategy combining day-ahead and day-ahead optimization is proposed. According to the actual operation expectations, the objective function variable weight is adopted to adjust; The intra-day optimization combines the model predictive control system with super-short-term forecast, and plays the buffering role of energy storage to realize the tracking of scheduled distributed power output. In addition, give full play to the advantages of simplicity and high feasibility of knee search, and realize the global optimization of multi-objective optimization solution. The results show the practicability of this strategy.
The power grid load shows a trend of diversified development. With the continuous increase of the power grid construction scale, it is very important to optimize the power supply of the distribution network and improve the utilization of assets and equipment by using the peak valley complementary characteristics of multiple loads.In this paper, the peak-valley fluctuation characteristics of load are classified and analyzed. Cluster analysis is used to study the load classification with stable peak-valley characteristics in the complex load composition. Based on the peak-peak superposition and peak-valley complementary characteristics of the classified load, and considering the load space dimension, the multi-load optimization combination method for the whole period and time segment is proposed, and verified by simulation.
针对电力系统用户侧用电行为复杂、分析困难的问题,提出了一种基于多维增强特征提取(multi-dimensional enhanced feature extraction,MEFE)和群组归一化卷积神经网络(group normalization convolutional neural network,GN-CNN)的低压台区用户用电行为分析方法.首先,利用MEFE构建了基于用电用户的平均日用电量曲线、周内相邻天用电量皮尔逊相关系数和增强夜间用电量的增强型用户用电行为特征;其次,建立了一维GN-CNN的用户用电行为识别模型,实现了用户用电行为准确识别;最后,以江苏泰州某台区96点用电信息采集数据为输入,开展模型优化及方法对比试验,用电行为识别准确率为96.4%,可以为低压台区的电力调度、负荷预测、安全性评估等提供数据支撑.
由于可再生能源具有高度的随机性和波动性,传统的基于确定性场景的电力系统生产模拟技术,已难以适用于电力系统复杂、多维度、不确定性的运行形态.首先,从风电、光伏等可再生能源出力随机性描述入手,通过随机微分方程模型对其随机出力现象进行数学分析,并在此基础上对其时序出力模型进行重构.然后,针对传统时序模拟中难以处理的跨周、跨月问题,提出了含水、火、风、光多能互补的协调优化策略;并以该策略为基础,考虑各种发电机组的发电成本、机组启停成本以及弃风、弃光、弃水、切负荷的损失成本,构建出考虑可再生能源大规模接入的电力系统时序生产仿真模型.最后,以Q省2023年规划方案对该仿真模型进行验证,结果证实了该模型的可行性与有效性.
虚拟电厂基于先进的信息通信和控制技术,实现对分布式资源的聚合优化调控,对内高效管理,对外服务系统运行,是新型电力系统建设背景下能源互联网的典型应用,是当前电力能源行业的热点研究领域,但是虚拟电厂在基本概念方面仍然存在较易与负荷聚合商等概念混淆的问题,其与需求响应的关系认识还有待厘清,以及市场环境下如何结合冷热电及储能等综合能源优化实现虚拟电厂功能并参与市场化交易、调控等方面仍亟待深入研究,特此我们组织了本次虚拟电厂概念模型与交易运行关键技术专题.
随着社会环境及能源意识的增强,虚拟电厂的建设与发展受到越来越多的关注.在电力体制改革后的市场环境下,虚拟电厂将由供能不同的供能商联合运营.在此前提下,提出由供电商和供冷/热商多主体协同管理的含冷热电联供的虚拟电厂优化调度框架,围绕该架构,建立了兼顾供电商和供冷/热商利益的虚拟电厂多目标经济优化调度模型.然后,在模型中考虑电力潮流约束并对潮流约束进行二阶锥松弛(second order cone relaxation,SOCR)处理,在算例中利用主要目标函数法处理多目标优化问题,获得非劣解集.最后,提出改进熵权法-逼近于理想解法(technique for order preference by similarity to ideal solution,TOPSIS)从非劣解中选取最优解.算例表明,多目标优化能够兼顾供电商和供热商的利益,并提高虚拟电厂的环保性,实现虚拟电厂的经济环保运行.
新能源出力及负荷的随机波动会对电网的安全性和经济性造成影响.通过虚拟电厂聚合分布式资源,并利用需求侧资源参与调度来平抑多资源随机波动的影响,建立了虚拟电厂内部资源模型;通过条件风险价值刻画了多资源的随机波动性,以虚拟电厂的最大化运行收益和最小化条件风险价值为目标,提出了一种虚拟电厂优化调度模型,通过线性加权求和法,将双目标优化转化为单目标优化;通过算例分析及求解,验证了所提模型的经济性与合理性.
虚拟电厂聚合海量分布式资源参与电力市场交易和电力系统运行,是新型电力系统建设背景下充分挖掘分布式资源电力电量平衡的重要抓手,近年来发展迅速,是当前的热点研究领域,但是目前存在一些概念上的困扰.比较了虚拟电厂、需求响应、负荷聚合商等概念,提出了虚拟电厂发电的相对量模型和绝对模型,并构建了虚拟电厂的资源聚合逻辑,提出了基于市场应用的虚拟电厂资源配置概念.
温度是影响电缆接头绝缘性能和使用寿命的决定性因素之一,而电缆接头热点温度的精准获取是电缆运维中的难点问题.以110 kV电缆接头为研究对象,基于温度场数值仿真方法,分析了电缆接头内部热流扩散规律,进而确定了电缆缆心温度径向反演方法和基于缆芯温度拟合的电缆接头温度轴向反演方法,建立了电缆接头热点温度组合反演检测模型.进一步采用电缆多工况温升试验对电缆接头热点温度反演模型的准确性进行了验证,稳态误差基本在4℃以内,取得了较高的反演精度.研究结果可为电缆接头热点温度实时监测提供参考.
随着智能电网的发展,继电保护系统接入数据更为全面,而传统算法难以给出兼顾精度与效率的状态评估方法.提出了改进沙普利(Shapley)理论的特征优选模型,通过熵值法与Shapley理论综合分析各指标的重要性.构建了基于具有50个卷积层的残差网络(residual network-50,ResNet50)的继电保护状态评估的深度学习算法,介绍了算法的网络结构.选取上海某公司1 796台继电保护装置的数据对算法进行测试,采用改进合成少数类过采样技术对不平衡数据进行处理,算法准确率高达96.7%,召回率达82.9%.与卷积神经网络和随机森林算法进行了对比分析,测试结果表明,ResNet50算法在准确率、召回率和精度方面都表现出明显的优势,可为现场巡检策略优化和故障排除提供支撑.
在能源转型的大环境下,为面对新能源带来的各种挑战,储能型虚拟电厂被认为是应对新能源带来挑战的重要手段之一.作为储能产业链龙头国家,中国积极探索储能产品市场化推广渠道.为解决当前储能收益不足的困境,梳理了较为典型的国外市场中储能参与市场方式及策略,包括主能量市场、辅助服务市场和容量市场等多个方面,给出了具备可实施性的市场组织方式,并结合中国国情和电力工业市场化推进力度,为我国未来储能型虚拟电厂参与电力批发市场提出建议.
为解决单一暂态工况响应曲线中双馈风机多控制参数难以准确辨识的难题,提出了一种计及双馈风机故障特性的控制参数分区间辨识方法.首先,建立了双馈风机变流器的控制方程,并据此确定了待辨识的控制参数;其次,考虑多个控制参数对单一工况响应曲线故障前、故障中、故障后阶段的影响不同,将故障响应曲线分为故障前、故障中和故障后3个区间,并借助距离相关系数法筛选出3个区间内对故障特性具有主导影响的控制参数;再次,利用改进粒子群优化算法对各区间主导控制参数进行分区间辨识;最后,对比分析了传统全区间辨识方法与分区间辨识方法的辨识结果,结果表明相比于传统全区间辨识方法,所提分区间辨识方法可有效提高双馈风机控制参数的辨识精度.
在建设新型电力系统的背景下,海量分布式电源接入电网,给电力系统带来了机遇和挑战.分布式电源在提供可调资源的同时也对电网的安全稳定运行造成了冲击.国内外学者对虚拟电厂相关理论技术展开研究,提出将分布式电源聚合成一个虚拟电厂,参与电网调度及市场运营,虚拟电厂为管理海量异构分布式电源、缓解其对电网的冲击、增强系统对这些资源的调控能力以及构建多方共赢的商业模式,提供了有效解决方案.针对虚拟电厂关键技术应用、实际案例分析以及虚拟电厂发展规划方面尚有不足,首先从功能和运营角度对虚拟电厂进行了简要分类,接着对国内外主要应用案例进行了总结,并对其中代表性案例展开深入讨论,使虚拟电厂重点问题及发展路径在理论及应用相结合的视角下得以清晰而全面呈现,最后基于某地区的资源现状和现实需求,对虚拟电厂建设作出规划与发展展望.
随着电力技术的发展,配电网供电可靠性影响着各行各业的生产运行,同时也关系着广大人民群众的日常生活,所以保障电力系统的稳定运行,进一步提高供电可靠性,对于我国社会经济发展与提高人民生活水平具有重要意义.深度挖掘分析了我国2022年度的供电可靠性现状与指标,包括供电容量、可靠率、停电情况及其原因,并结合地域、行业的差异,从当前存在的问题出发,结合配电网改造与供电可靠性管理信息系统升级,提出了对未来供电可靠性管理工作发展的建议和展望.
为了满足虚拟电厂(virtual power plant,VPP)参与多类型电力市场交易的需要,解决VPP内部资源协调问题,建立了考虑电热转换的虚拟电厂综合能源优化调度模型,以能源转换设备、分布式能源、蓄能设备和用户需求响应的调节特性为相关约束,以包括运行、购能、需求响应在内的VPP综合运行成本最小化为目标函数.经仿真,所提模型能通过合理的设备运行和负荷响应策略提升经济效益,是一种解决虚拟电厂内部综合能源优化调度问题的可行方法.
针对核定过网费与线损费用已成为限制分布式发电交易的问题,亟须研究计及过网费与线损费用的分布式能源市场化交易.首先,建立社会效益最大化的分布式发电集中竞价交易模型,在交易模型中考虑主体投标约束与电网运行约束,采用交叉补贴与增值税核定过网费,以边际线损的方法核定每笔交易所产生的线损费用;其次,由于交易边际线损具有非线性特征,为了充分评估线损费用对分布式交易的影响,通过迭代交易进行求解以推进分布式能源就近交易;再次,考虑到发用电预测精度随着交易执行时间的临近不断提升,通过滚动修正和电网兜底对交易偏差电量进行处理;最后,通过算例分析验证了所提分布式交易模型和机制的可行性,分布式发电市场化交易能为参与主体创造较高的经济利益,且该模型在社会效益最大化的基础上,更倾向于形成线损费用更低、距离更近的交易组合,符合就近交易的原则,有望推动分布式能源市场的发展.
针对分布式光伏大量无序接入配电网导致的安全风险问题,设计有源配电网分布式光伏承载力分析平台,旨在帮助电网调度部门全面掌握区域电网承载能力,实现分布式光伏承载力的可观可测.首先,分析了分布式光伏承载力的评估指标,按照分层分区原则,从局部到整体、低压到高压,按供电区域和电压等级开展电网承载能力评估;然后,进行热稳定计算、电压偏差、短路电流等校核,确定供电区域内的承载等级和可新增电源容量;最后,实现有源配电网分布式光伏承载力平台,提供可接入容量计算、承载力评估、统计分析等功能及可视化结果.经验证,所设计的分布式光伏承载力分析方案能够评估区域配电网各级母线的承载力及可接入容量,并将分析结果进行可视化展示.
针对煤矿电网中存在的功率因数低和电流谐波含量高的问题,提出一种基于综合补偿控制的静止同步补偿器(static synchronous compensator,STATCOM),其在满足无功补偿要求的同时,能在一定程度上降低电流谐波.此外,针对传统两电平STATCOM不适用于低压大功率场合,提出采用并联交错多电平变换器(parallel interleaved multilevel converter,PIMC)拓扑结构的STATCOM,该方案能在低压条件下输出大电流,且相比于将多台STATCOM直接并联,其控制更方便、输出特性更好.通过仿真与实验,验证了该方案的有效性和合理性.
