针对冬季多能源耦合下的热电联产机组(combined heat and power,CHP)电功率调节能力受限于热功率输出,引起电-热联合系统灵活性不足的问题。该文提出了在网侧与负荷侧异质能流的惯性特征下计及用户温度动态响应以及动态反馈特性的联合...
详细信息
针对冬季多能源耦合下的热电联产机组(combined heat and power,CHP)电功率调节能力受限于热功率输出,引起电-热联合系统灵活性不足的问题。该文提出了在网侧与负荷侧异质能流的惯性特征下计及用户温度动态响应以及动态反馈特性的联合优化运行方法。首先,从建立CHP可行域与运行点的分布特性出发,分析了可再生能源并网后CHP机组运行灵活性不足原因,并给出了不可运行点重新回归CHP运行域优化的措施。其次,构建了传输侧惯性、负荷侧惯性影响下用户温度动态响应的多时间耦合特征双层模型,上层目标为热电异构能源系统总成本最低,下层目标为用能总效用最低。最后,引入了机会约束规划来刻画可再生能源的不确定性,通过算例结果表明,该文所提出方法在保证大量CHP运行点重新收束情况下,实现了可再生能源消纳与用户用能体验的兼顾。
随着电力系统数据采集手段的不断完善,基于数据的分析方法在电力系统运行分析中扮演着日益重要的角色。现有的数据分析方法主要分析数据之间的相关关系。事实上,两个强相关变量间通常呈现出不对称的因果关系。若能揭示电力系统运行变量间的因果关系,必将有助于深刻地洞察电力系统运行的内在规律性。近年来,因果推断的研究取得很大进展,使得基于数据的因果分析成为可能。该文从物理机制上揭示电力系统中强相关变量之间因果关系的不对称属性;提出一种逆信息熵因果推理(reciprocal information entropy causal inference,RIECI)方法,所构建的指标不仅可以有效判别相关变量间的因果方向,还能正确反映因果强度。在电力系统算例中的验证表明,RIECI方法能有效揭示电力系统运行数据中的因果关系。对电力系统运行数据中因果关系的分析对于认知电力系统运行机理和正确调控电力系统运行状态有重要意义。
为有效提升台风天气下主动配电网的韧性,提出同时考虑分级减载和同级负荷削减的主动配电网韧性提升方法。首先,综合考虑台风天气下强风和暴雨对配电网的影响,通过建立Batts台风风场模型和暴雨压强模型实现了对配电网元件故障率的量化分析,进而采用蒙特卡洛(MonteCarlo)法模拟台风天气下的主动配电网故障场景,并利用系统信息熵进行场景筛选,确定故障规模。其次,提出了同时考虑最大化一级负荷存活量与故障孤岛中同级负荷削减逻辑的主动配电网分级减载策略。然后,提出包括综合鲁棒性、一级负荷损失速度和损失率、总负荷曲线面积缺失比的4个主动配电网韧性评估指标,并通过遗传-粒子群融合算法(hybrid GA and PSO algorithm,GA-PSO)对配电网韧性评估模型进行高效求解。最后,基于Matlab2020a仿真平台建立某实际配电网和IEEE118节点测试系统算例,验证了提出的考虑分级减载的台风天气下主动配电网韧性评估方法的正确性和有效性。
暂无评论