摘要:随着电力系统中新能源比例不断增加，区域间的能量传输变化愈加剧烈，研究大电网断面功率调整方法十分必要。然而，传统算法由于存在潮流不收敛问题以及依赖专家经验等局限性，无法很好地克服在调整目标变化幅度较大时收敛性不佳的困难。为此，提出一种将人工经验和深度强化学习相结合的断面功率调整方法。首先，介绍了深度强化学习的基本概念，并提出了发电机提前筛选和功率补偿机制；然后，设计了深度强化学习模型的状态、奖励函数以及神经网络的结构，并通过在模型训练过程中引入知识经验，有效缩减了智能体的动作空间。最后，利用IEEE 39节点系统和东北电网的实际算例验证了所提方法的有效性。

摘要:利用跨省区输电通道进行可再生能源资源广域优化配置是实现互联电网低碳化转型的重要手段，然而传统的“省调电话申请、网调手动修改”网间实时调控模式极大制约了互联电网灵活调节能力发挥。为此，提出了一种工程实用化的可再生能源跨省区消纳实时优化调度方法并完成了相应的系统开发和部署。该系统通过通道传输裕度计算、送受需求匹配、通道计划修编、潮流安全校核等手段，有效解决了可再生能源跨省区消纳在传统调控模式下面临的送受需求感知滞后、通道分配不尽优化、潮流断面校核困难等问题。试运行期间的系统运行结果表明,该系统的计算效率满足实际工程应用需求，且能够在不同的典型场景下促进可再生能源资源的广域深度利用。

摘要:风电能够以降载运行的方式提供备用。由于风电实际出力的不确定性，风电提供的备用也可能偏离预定值，风电备用并不完全可靠。为此提出一种考虑风电备用可靠性的电力系统备用优化模型。首先,基于风电出力的概率分布信息，分析风电提供备用的变化；然后，将风电备用纳入弃风、失负荷成本的计算中，并通过进一步的消除积分符号以及线性化处理，将模型转化为混合整数线性规划问题求解；最后，基于IEEE-RTS 24节点算例验证了所提模型的有效性。算例结果表明，考虑风电备用的可靠性可以对系统中的弃风、失负荷成本进行更精细的评估，从而对系统中的备用进行更精细的配置，避免过于保守或激进的结果。

摘要:电动汽车和5G基站作为柔性负荷资源，为电网提供了充足的备用容量，采用一定策略对其进行调控，可参与电网的辅助服务。但在未来海量分布式柔性资源参与的情况下，集中式的优化调度方法会存在隐私泄露和计算负担沉重的缺点。基于此，首先建立5G基站备用电池和电动汽车可调度容量的实时评估模型，利用无向图网络对通信系统和储能元件建模，提出一种基于均衡荷电状态的调度策略，采用分布式共识算法实现了隐私保护和海量资源的调度控制。然后，提出一种先评估功率边界、后进行分布式共识调度的两阶段实时调度流程方案。最后，通过仿真验证了该方案的有效性。

摘要:电网中新能源渗透率的提升导致电力系统在局部时段灵活性严重不足。针对现有处理电力系统灵活性和供需不确定性过于保守或冒险的问题，提出一种数据驱动的分布鲁棒优化调度模型。首先，考虑风光出力的时空相关性，基于Copula理论构建出力集合。结合场景法与区间法对电力系统灵活性需求进行量化，引入灵活调节因子表征各类资源参与灵活性调节的能力，建立灵活性供需平衡约束。其次，考虑电动汽车等需求侧资源的灵活性供给能力，以灵活性资源运行成本与电网灵活性缺额惩罚成本最优作为目标函数，建立数据驱动的两阶段分布鲁棒模型。为降低保守性，采用综合范数对其概率分布进行约束，减小了灵活性需求出现极端情况的概率。针对两阶段鲁棒模型求解问题，利用零和博弈思想将模型解耦为主问题和子问题，采用列与约束生成算法进行迭代求解。最后，仿真算例表明，所提模型相比于传统不确定性模型对提高电力系统灵活性裕度与经济性具有积极作用。

摘要:针对新能源高占比电网电力平衡能力不足、调节灵活性欠缺的问题，提出了新能源与火电综合调节的氢-氧双循环灵活经济优化调度策略。首先，介绍了氢-氧双循环提升电网运行调节能力的机制，建立了电解水装置、富氧深调机组和燃气机组的灵活调节特性模型。然后，计及储能与柔性负荷，建立了新能源与火电综合调节的氢-氧双循环灵活经济优化调度模型。将负荷、新能源弃限成本与随机波动风险进行量化，兼顾经济性与灵活性构建综合成本目标函数。最后，以改进的IEEE 39节点系统算例验证了氢-氧双循环机制对提升系统运行调节效能的有效性。

摘要:可再生能源和灵活性资源的大量接入，增加了电力系统调度的复杂性。为满足系统中灵活性需求波动的非平稳性，在计及灵活性资源响应特征差异化的基础上，文中提出了考虑灵活性供需幅频匹配的电力系统日前自适应时间尺度调度策略。首先，基于区间数理论描述了日前可再生能源功率预测误差率的不确定性，进而得到灵活性需求的不确定性场景。其次，采用均值变分模态分解技术对灵活性需求序列进行分解分析，建立灵活性资源的响应物理模型。然后，利用分解子模态的波动周期属性与灵活性资源的响应周期属性构建灵活性供需幅频匹配框架，并根据匹配结果建立自适应时间尺度的优化调度模型。最后，对优化后的IEEE 39节点系统和实际电网系统展开分析，验证了所提方法的合理性。

摘要:多能源系统参与电力调度时扩展了可调度资源的边界，有效提升了能源利用效率。为解决多能源系统模型非线性特征导致的协同优化计算难，以及隐私保护和准入门槛要求导致的决策指令下达难的问题，研究了其灵活调节能力替代约束的刻画与聚合方法。首先，针对单个能源子系统模型非凸特性导致的刻画结果可行性保证难题，提出了基于边界面内推修正思想的灵活调节能力内接凸近似域刻画方法。其次，针对多能源系统集群的灵活调节能力聚合计算精度与效率兼顾难题，提出了基于广义奇诺多面体的灵活调节能力高精度有效聚合方法。面向polynomial zonotope形式的广义奇诺多面体，提出了灵活调节能力的变换与反变换策略。最后，仿真结果表明，所提方法保证了替代约束的可行性，且在满足运行调度时间窗要求的前提下大幅提升了计算精度。

摘要:含电动汽车和氢燃料电池汽车的综合能源系统可以实现多能协调互补，有效推动“双碳”目标的实现，但车辆出行计划的临时变动会对系统带来不利影响。为此，提出了包含对车联网(V2G)负荷反馈修正的电热氢综合能源系统多层协调优化策略。基于3层优化的协调配合，电动汽车充放电管理层综合考虑负荷曲线方差和车主不满意度，制定充放电计划并传递给模型预测控制滚动优化层。在滚动优化过程中，实时识别非计划车辆数，自主运行车联网负荷反馈修正层，从而消除车辆出行计划临时改变所带来的不利影响。仿真结果表明，所提策略在实现车主与运营商双赢的同时，提高了系统运行经济性并改善了主网联络线计划值跟踪情况。

摘要:风电场景生成是不确定性条件下进行电网调度及安全校核的重要基础。文中提出一种风电出力序列场景生成方法。首先，基于月均出力将年度风电出力序列划分为分布特性差异大的数个季度；然后,基于风电出力的日特性指标，对年度风电出力序列进行典型日聚类分析，并构建各日类型下的日特性指标联合分布函数。接着，用马尔可夫链描述每一季度内的日类型转移特性，并基于此通过抽样获得未来一段时期内每一日的日类型及日特性指标。进而采用优化技术生成未来一段时间内每日96点日风电出力序列。文中进一步提出了可根据指定极端日类型、日期位置以及长度的风电出力序列场景生成新方法。最后，通过算例分析证明了所提方法的有效性和可行性。

摘要:随着“碳达峰∙碳中和”战略目标的推进以及新型电力系统建设逐步开展，以风电、光伏为代表的新能源持续快速发展，大规模新能源的强不确定性和随机性对电力系统安全稳定经济运行构成了巨大考验。首先，深入分析了高比例新能源电力系统有功功率与频率控制在实时平衡、调频资源、市场发展、安全防御等方面面临的形势与挑战；其次，介绍了多控制区协同控制、多类型资源有序调用、经济调度与自动发电控制的协调配合、安全事件检测与防御、智能化与新技术5个方面的核心问题和研究进展；最后，围绕多控制主体有功频率控制、海量泛在资源协同控制、辅助服务市场闭环控制、风险防御能力提升、人工智能技术深化应用等重点研究方向进行了探讨和展望。

摘要:当前风电场级并网调频面临较大挑战。为降低建模复杂度，采用风电场并网点实际运行数据，提出了风电场出力范围内全工况一次调频特性时域差分动态建模方法。首先，进行机理分析并确定输入输出变量，完成数据采样和处理。然后，提出离散工况抽样和非线性评估方法，建立了单工况子空间模型，并进行间隙测度评估全工况调频响应动态非线性度。此后，为高效逼近全工况复杂非线性调频特性，构建混杂有限差分回归向量，并对其张成的差分动态空间进行凸划分，在各子工作域均匀选取建模样本并采用带注意力机制的长短期记忆神经网络进行全工况建模。最后，经过某风电场并网点调频运行数据进行验证，表明所提出的全工况有限差分动态建模方法具有任意精度逼近能力，可有效表征风电场一次调频复杂非线性响应特性。

摘要:新型电力系统中新能源占比的迅速提高将导致发电侧调节能力严重匮乏。基于负荷准线的需求响应能常态化激励负荷整形，从而提升电网平衡能力、促进新能源消纳。针对准线型需求响应中的利益分配问题，提出基于纳什谈判的网-荷合作博弈机制；针对纳什谈判问题的难解性，提出和建立其近似问题，并提出能有效保证各方信息隐私的分布式求解方法；以电动汽车集群为例，提出可调负荷灵活性的概率预测模型，反映其全时段的整形能力。最后，建立含电动汽车、热泵热水器两类灵活资源以及高比例新能源的区域电网算例。仿真结果表明，以上两类负荷均具有良好的整形能力。基于所提的收益分配机制，准线型需求响应能够显著增强对聚合商的激励，有效促进新能源消纳，实现电网和用户的双赢。

摘要:为构建新能源消纳知识图谱，首先，将电网积累的海量调度运行数据以动态四元组的形式，显式地表达调度运行数据的时空关联关系。通过滑动时间窗口快速搜索、提取局部时空图，构建子图数据集。然后，时空同步图卷积网络对局部时空图进行高维特征提取，充分挖掘历史数据的时空关联关系，利用新能源消纳知识图谱中存储的机理知识对模型进行引导，并通过多子图并行训练提升模型的学习效率。最后，基于中国西北某省级电网算例进行仿真和实验验证。结果表明，所提方法可以有效避免复杂的数学建模以及模型求解，相比于传统方法具有更高的评估精度与速度。

摘要:

摘要:新能源大规模并网给电力系统的运行带来重大技术挑战，传统确定性调度模式缺乏对不确定性条件下的安全风险量化管控，而鲁棒优化调度过于保守。基于随机优化的概率调控技术具有风险可控、统计最优性等特点，但是存在概念与内涵不清、概率建模困难、复杂机会约束模型求解低效等问题，概率调度技术的实际应用面临困难。为此，提出了风险量化的概率调度定义与技术内涵，阐释了处理新能源发电不确定性所遵循的基本原理，然后重点介绍了如下概率调度的关键技术： 1）新能源概率建模的数学基础；2）概率备用决策与机组组合；3）考虑弃电与有序用电的概率日前调度计划；4）随机鲁棒自适应实时调度。最后，简要分析了所提方法在省级电网的应用效果,并对后续的研究进行了展望。