【摘 要】
：
电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一.考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入.考虑到电力系统多种稳定性问题往往交织在一起,首先,提出了基于多任务学习的暂态稳定评估模型,并实现了电力系统功角稳定性和电压稳定性的同步评估;然后根据评估结果,确定电力系统失稳区域并实现可视化;最后,采用新英格兰10机39
【机 构】
：
河海大学能源与电气学院,江苏省南京市 211100;国网嘉兴供电公司,浙江省嘉兴市 314033
论文部分内容阅读
电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一.考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入.考虑到电力系统多种稳定性问题往往交织在一起,首先,提出了基于多任务学习的暂态稳定评估模型,并实现了电力系统功角稳定性和电压稳定性的同步评估;然后根据评估结果,确定电力系统失稳区域并实现可视化;最后,采用新英格兰10机39节点测试系统验证了评估模型的有效性.
其他文献
随着光伏发电在微电网中的渗透率不断提高,其发电出力的不确定性和时变性为微电网的经济运行带来了挑战.在构建经济调度模型时,就需要适当模拟不确定变量并相应地发展高效求解算法.在此背景下,文中提出能够有效计及不确定性因素的深度强化学习算法,以实时求解微电网的优化运行问题.首先,采用马尔可夫决策过程对微电网优化运行问题进行建模,用实时奖励函数代替目标函数和约束条件,利用其与环境互动,寻找最优策略.其次,借助贝叶斯神经网络对不确定的学习环境建模,进而在马尔可夫决策过程中有效考虑状态转移的随机过程.为此,提出双深度期
基于共享模式的储能交易模式可有效降低投资成本与使用成本,其所依赖的去中心化以及去信任化的特性与区块链的交易特性相符合.提出一种点对点交易下兼具储能共享和电能自营模式的储能聚合商交易模型,所有的用户交易匹配均通过智能合约进行,单交易周期内同时进行储能租赁和电能购售,缩短了链上用户的交易周期.此外,针对链上用户的违约行为,分别建立了违约惩罚模型和被违约补偿模型.最后,基于Remix和MATLAB的仿真结果表明,该交易模型在便利性和经济性的提升上具有可行性和有效性.
园区综合能源系统(PIES)是用户侧多能耦合与供应的典型应用之一,其优化配置对提高规划经济性和能源利用效率具有重要意义.在此背景下,提出一种考虑最优建设时序和云储能的PIES优化配置方法.首先,给出综合能源背景下的云储能机制概述以及含云储能的PIES结构,并对PIES的建设时序集合进行分析.接着,构建考虑最优建设时序和云储能的PIES双层优化配置模型,上层制定PIES的优化配置方案并传递给下层,下层根据上层的配置方案求得PIES优化运行策略并将PIES总运行维护成本反馈给上层.然后,运用Karush-Ku
为有效解决风电出力不确定性导致的机组组合问题,基于非参数核密度估计风电功率预测误差概率密度分布,提出一种日前-实时阶段的双层优化模型.首先,基于风电功率预测误差概率密度分布,构建风电功率上下波动域.其次,建立非参数核密度估计风电最佳置信水平的双层优化模型,上层以风电-火电协同运行成本最小为目标,下层以风电和火电输出功率控制偏差最小为目标,并通过CPLEX求解器进行模型求解.最后,在改进的IEEE 30节点和改进的IEEE 118节点系统中,采用中国新疆地区某风电场实际数据进行验证.实验结果表明,文中所提模
为降低鲁棒优化方法的保守性和随机优化方法的复杂性,增强电力系统应对偶发线路故障扰动的能力,提出了一种分布不确定性条件下的N-k安全准则的分布鲁棒机组组合模型.根据有限历史样本数据,在满足一定置信水平的条件下,基于非精确Dirichlet模型方法构造包含真实N-k故障概率分布的模糊集,用以描述输电线路故障概率分布的不确定性.首先,通过对模糊集中最劣概率分布的辨识,将原始的分布鲁棒优化调度问题转化为确定性概率分布条件下的两阶段鲁棒优化决策模型.然后,采用列与约束生成算法对模型进行处理,利用Big-M法、分段线
随器量测是能源互联网发展背景下低压电网新型感知量测业务的下沉.文章以隧穿磁阻材料为基础,研究了应用于随器量测场景的电流传感器技术,开展了传感器整体架构、聚磁系统、信号处理电路、低功耗供电单元和小型化结构的设计,并根据应用需求开展了环境适应性设计.试验结果表明,所研制的随器量测电流传感器在 ±25 A测量范围内的输出线性度良好,最大误差不超过1％,传感器在1 kHz范围内幅频响应误差在1％ 以内.所研究的传感器具有高灵敏度、小型化、高集成度的优点,能够为配电侧新型感知业务提供量测基础,进而为能源互联网数字化
海量的量测数据为基于数据驱动的暂态稳定预测方法提供了基础,然而故障态样本固有的不平衡性质影响了该类方法的性能.针对暂态稳定预测的样本不平衡问题,提出了一种基于改进深度卷积生成对抗网络(DCGAN)的样本增强方法,通过生成器和判别器交替对抗训练生成全新有效的失稳样本作为原始训练集的补充.离线训练时,采用深度置信网络作为分类器,采用扩充后的样本集对其进行训练,有效提高了模型对失稳样本的识别率;在线应用时,当系统发生预料之外的变化,采用样本迁移和模型微调技术更新离线模型,进一步对迁移之后的失稳样本进行增强,显著
需求侧资源的多样性、分散性使得小范围示范工程采集的响应模型很难推广到大容量客户群体,文中拟基于小样本需求响应数据完成需求响应特性泛化建模及其大规模潜力推演工作.首先,构建响应随机参数的分布鲁棒模糊集.其次,基于主成分分析法挖掘小样本用户用电与其响应死区拐点与饱和区拐点的关系,采用共性与个性结合的方式实现大规模泛化过程中一般用户响应关键参数的获取,最终实现基于小样本数据的大规模需求响应潜力推演.算例表明,所提需求响应潜力量化方法充分考虑了用户响应的随机性,对行业共性特征及用户个性特征都进行了较好刻画.研究成
针对大规模充换电站的聚合优化调度问题,提出一种基于SAC深度强化学习的充换电负荷实时优化调度策略.该策略充分考虑了负荷调控过程中的用户因素、系统因素和市场因素,能够实现大规模电动汽车与各类电力系统主体的友好互动.首先,考虑充换电站的发展规模和调度性能建立联合运行框架;其次,提出考虑多重用户特征的可调性识别模型对电动汽车的实际可调性进行判断;进而,考虑充换电站优化调度的多重时空特征,构建不同场景下可调充换电负荷的优化调度模型;然后,基于SAC算法求解并网充换电负荷的实时调度方案;最后,以电动汽车聚合优化虚拟
台风灾害经常导致配电网出现多种物理故障.合理的抢修计划能够减小故障停电时间,提高配电网可靠性.现有的研究主要集中在抢修资源的调度,包括抢修人员、材料和配电网的运行.但现有抢修策略中未能考虑交通状况的影响,这样会影响抢修策略的实施效果.随着电网信息采集能力的提升,电网已经具备了获取道路交通信息的能力.因此,文中提出一种优化台风后配电网抢修策略的方法,该方法考虑了交通网和配电网的信息集成.在构建信息集成框架的基础上,建立了考虑交通网中断的抢修策略的双层优化模型,协调和优化抢修人员、抢修材料、移动电源、网络重构