区域综合能源系统(regional integrated energy system,RIES)通过对多元灵活资源的整合与协调,在本地多能源供需平衡的基础上优化可调节能力,进而通过共享可调节量实现跨区域能量互济,有望提升能源利用效率,在深入挖掘海量用户可调节潜...
详细信息
区域综合能源系统(regional integrated energy system,RIES)通过对多元灵活资源的整合与协调,在本地多能源供需平衡的基础上优化可调节能力,进而通过共享可调节量实现跨区域能量互济,有望提升能源利用效率,在深入挖掘海量用户可调节潜力,充分发挥系统灵活性价值方面发挥着重要作用。该文首先系统分析多元灵活资源聚合下构建RIES的驱动力和瓶颈,对现有研究概况进行综述。基于当前研究路径,从RIES主动调节能力时空动态演变规律深度挖掘、复杂非线性动态RIES主动调节能力优化、多RIES集群分布式最优协调3个方面,分析RIES研究过程中的关键问题。在此基础上,从RIES“主动调节能力评估、自治协调优化、集群协同控制”3个共同影响系统经济稳定运行的重点问题提出多元灵活资源聚合下RIES的研究架构,并对关键研究内容进行分析和阐述。
现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制的长短期记忆网络(long short term memory network with attention,LSTMA)方法,用以深入挖掘暂态稳定评估样本中所蕴藏的信息。在离线训练环节,以长短期记忆网络为基础分类器,引入Attention注意力机制引导模型学习样本中关键特征,并对损失函数进行改进,以此强化对不平衡样本的学习能力;在线应用环节,在目标域小样本条件下采用迁移学习方法更新成型的离线LSTMA模型,并对比不同迁移学习策略对模型性能影响,经过迁移学习建立的新运行点下的改进LSTMA模型评估精度有效提高,训练时间大幅减少,所得出的迁移学习策略确定方法有利于实际应用环节快速决策。研究在IEEE39节点和IEEE300节点系统上进行实验,验证了所提方法的有效性。
暂无评论