首页期刊导航|电力科学与技术学报
期刊信息/Journal information
电力科学与技术学报
电力科学与技术学报

曾祥君

季刊

1673-9140

dlxb04@163.com

0731-85258195

410004

长沙理工大学云塘校区

电力科学与技术学报/Journal Journal of Electric Power Science and Technology北大核心CSTPCDCSCD
查看更多>>本刊主要刊载电力系统自动化理论、技术及其应用、电网技术、高电压技术、电力市场与电力系统运行管理、供用电技术、电能质量与节能技术、电力自动化设备、热能动力工程、动力与机械工程、水利水电工程、新能源技术、电力系统通信、计算机技术及其它高新技术在电力系统中的应用、电力土木建筑工程、电厂化学与环境工程等方面的最新研究成果。
正式出版
收录年代

    含分布式电源的配电网功率优化模式影响因素分析

    季玉琦王涛史少彧金楠...
    97-107页
    查看更多>>摘要:大规模分布式电源并网丰富了配电网的调控手段.针对分布式电源接入后的配电网功率优化问题,本文对有功无功解耦优化和二者协调优化这 2 种功率优化模式的关键影响因素进行研究,提出一种考虑源、网、荷变化的配电网功率优化影响因素分析方法.首先基于 2 种功率优化模式的数学模型,分析上网电价、网络参数、负荷等因素与功率优化模型的交互作用机理;然后给出线路阻抗比、负荷功率因数对线路传输功率的数学表达,定性地给出 2 种优化模式的边界条件;最后以改进的IEEE-33节点系统为例进行仿真,验证上网电价、线路阻抗比、线路长度、负荷功率因数、负荷大小等因素对2种功率优化模式的总发电成本和计算时间的影响.

    分布式电源功率优化上网电价阻抗比功率因数

    计及分布式能源的主动配电网恢复力综合评估

    谭畅舒李艳田杰明威宇...
    108-113页
    查看更多>>摘要:合理的主动配电网(ADN)恢复力综合评估可反映随机故障后ADN恢复供电的能力,有助于采取有效措施提升恢复力以减少损失.考虑到在不同随机故障下节点存在交互影响,提出适应随机不确定性的主动配电网恢复力综合评估方法.首先基于节点故障恢复过程,建立节点完全恢复供电时长、节点断续供电时长和节点能量损失百分比3个恢复力指标,以评价节点恢复力;然后将多次随机故障下节点恢复力之间的交互影响量化表示,并以此确定节点权重,实现ADN整体恢复力综合评估;最后以IEEE 33节点模型作为中压配电网算例,蒙特卡洛仿真随机故障,通过所提方法可反映故障恢复措施实施后的恢复力提升效果,说明方法的有效性.

    分布式能源恢复力评估方法主动配电网

    10kV线路首端负荷安全域边界的估算方法

    竺炜高琪李爱元周彦尧...
    114-121页
    查看更多>>摘要:10 kV线路的主线具有单端注入的母线功能,其末端容易出现低电压问题.将主线压降约束转变为出线负荷约束,可为安全运行与规划提供极大便利,故提出首端负荷安全域边界的估算方法.首先针对沿线众多的台区负荷,基于分段压降特征,提出主线压降快速估算的力矩法;然后将实际台区负荷分布,等效为沿线均衡分布附加若干重载点的特征形式,更加符合实际情况;最后基于力矩法得到线路首端负荷与压降的关系,进而得到首端负荷安全域边界的线性化方程.算例结果表明,力矩法的压降分析和安全域边界分析都能满足工程精度要求.基于首端负荷安全域边界可得到 10 kV线路的承载裕度,便于负荷控制和配网滚动规划,具有较好的工程应用价值.

    10kV线路负荷分布主线压降力矩法首端负荷安全域线性化边界方程

    基于贝叶斯网络的10kV线路时钟超差计量点负荷类型识别方法

    青倚帆周群张仁建
    122-129页
    查看更多>>摘要:10 kV线路上负荷计量点处出现时钟超差将导致线损率异常,而现有人工排查方法存在效率低、智能化程度不高的问题.为此,提出一种基于线损率曲线波动特征识别时钟超差计量点负荷类型的新方法,通过贝叶斯网络(BN)拟合负荷类型与时钟超差线损率的映射关系.为解决时钟超差样本缺乏的问题,在基于线路实际运行数据的仿真模型中对负荷计量点分别设置计量时钟偏差模块,生成时钟超差线损率样本集;引入模糊C均值聚类,根据负荷曲线形状相似度对负荷进行归类,在负荷较多的场景中实现数据降维.依托于同期线损系统的研究数据,算例分析验证了该方法的可行性和准确性,说明其可实现时钟超差计量点负荷类型辨识,为快速定位时钟超差异常电能表提供参考.

    时钟超差线损率模糊C均值聚类贝叶斯网络负荷类型识别

    基于节点日负荷曲线的深度嵌入式聚类及其改进方法对比研究

    陈谦陈嘉雯王苏颖史锐...
    130-137页
    查看更多>>摘要:基于日负荷曲线的负荷节点分类是负荷建模的重要环节,详略得当的分类结果保留了负荷节点的内在特性,可提升电力系统仿真计算的效率.当前基于人工智能的节点聚类方法进展迅速,然而总体上针对数据深层特征提取的适应性仍存在不足.采用了基于改进的深度嵌入式算法的日负荷曲线聚类方法,利用神经网络可有效提取数据的深层特征的能力.进而,提出一种先升维后聚类的改进方法,通过算例对比分析,验证了本文所提算法的可行性,以及所提升维—重构聚类方法的正确性.

    负荷建模日负荷曲线聚类深度嵌入式升维-重构聚类

    基于类噪声的解耦测辨负荷模型机理分析及应用

    徐贤周晋航王颖吴沛萱...
    138-145页
    查看更多>>摘要:负荷辨识是电力系统仿真的重要环节.为得到准确的负荷辨识动态参数,国内外学者在合理构建辨识模型方面做出了大量深入的研究.首先,在传统负荷模型基础上反推出 2 种基于类噪声的负荷实时动态参数辨识模型,实现测辨数据在辨识模型计算中的输入数据时序的解耦,同时避免辨识初始物理量冗余性以及辨识量误差迭代放大对参数功率响应能力造成的负面影响.再从类噪声仿真数据和实测数据上验证分析这2种测辨模型的数据功率响应能力.结果显示测辨得到负荷动态参数适用于现在的电力仿真系统,说明此研究能够为进一步研究辨识模型提供新方向,为负荷可控性提供数据基础.

    负荷辨识数据解耦动态参数类噪声

    基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解

    王家驹王竣平白泰张然...
    146-153页
    查看更多>>摘要:非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础.针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型.首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率.

    非侵入式负荷分解自适应滑动窗卷积神经网络嵌套长短时记忆网络改进注意力机制

    基于回路增益的直流微电网母线阻抗在线估计及其抑制技术

    李凤霞李凤名刘庆娟
    154-163页
    查看更多>>摘要:在现代直流微电网中,分布式电源通过电力电子变流器连接到公共直流母线,尽管变流器的控制回路具有良好的稳定裕度,但多个变流器的互连可能会影响微电网动态性能和稳定性.因此,为确保多变流器系统所需的动态性能,提出一种基于电压回路相位裕度的直流母线阻抗峰值估计方法,在此基础上进一步提出一种直流母线阻抗的优化控制方案,并通过实验验证所提控制方法的有效性.首先根据源侧变流器的电压控制回路增益推导出直流母线阻抗的表达形式;然后,通过合理的假设,基于电压控制回路的相位裕度估计出直流母线阻抗峰值;最后,通过在电压控制回路中注入正弦信号来连续监测母线阻抗的峰值,通过优化电压调节器的控制参数,有效降低直流母线阻抗峰值.实验结果表明,所提监测方案能够降低测量任务及计算负担,同时,优化控制方案提高直流微电网的稳定性和动态性能.

    母线阻抗直流微电网在线监测优化控制稳定性

    电—热联合微网中基于波动参数的多类型储能协同控制

    赵建勇张震霄康钧赵文强...
    164-170页
    查看更多>>摘要:针对光伏发电的功率波动和消纳问题,结合中国西北地区供电供热需求,以光伏、热泵和混合储能组成的电—热联合微网为研究对象,研究了基于波动参数的多类型储能协同控制.首先,分析电—热联合微网的特点及能量转换方式.然后,设计电—热联合微网中基于波动参数的多类型储能双层协同控制策略,在上层控制中,基于功率波动时间尺度以及变参数的低通滤波方法,提出多类型储能协同平抑功率波动策略;在下层控制中,基于混合储能平抑功率波动以及微网电压、频率机理,提出混合储能能量转移的自适应控制策略.最后,通过仿真算例对所提算法进行验证,仿真结果表明:所提方法可以在有效减少电储能投资成本的前提下充分抑制可再生能源的功率波动,并延长混合储能的使用寿命,具有良好的应用前景.

    协同控制电—热联合微网混合储能变参数

    一种新的基于深度置信网络的电能质量扰动分类方法

    王康席燕辉胡康
    171-177页
    查看更多>>摘要:针对在噪声干扰下多重扰动识别正确率不高的问题,提出一种新的基于深度置信网络的电能质量扰动分类方法.首先,对电能质量扰动信号进行平稳小波多尺度变换,再利用软阈值函数处理估计小波系数重构原始信号,从而实现对电能质量扰动信号的去噪.再利用软阈值函数处理估计小波系数重构原始信号,从而实现对电能质量扰动信号的去噪.然后进一步提出利用深度置信网络对重构后的单一扰动信号和多重扰动信号进行分类识别.最后算例显示,即使在20 dB噪声干扰下,其分类正确率高达到93%以上.结果表明该方法对7种单一扰动和13种多重扰动信号的识别正确率均较高,验证该方法具有较强的抗噪声干扰能力.

    电能质量扰动识别软阈值函数深度置信网络