首页期刊导航|电网与清洁能源
期刊信息/Journal information
电网与清洁能源
电网与清洁能源

孙强

月刊

1674-3814

psce@vip.163.com

029-87504085 87504086

710065

西安市高新区科技六路15号汇金国际5楼548室

电网与清洁能源/Journal Advances of Power System & Hydroelectric Engineering北大核心CSTPCDCSCD
查看更多>>《电网与清洁能源》原名《电网与水力发电进展》是经国家新闻出版总署批准，由西北电网有限公司主管、主办的唯一一个立足西北、面向国内外公开发行的开放型电力科技期刊。国内统一连续出版物号为CN 61-1474/TK，国际标准连续出版物号为ISSN 1674-3814，月刊。 《电网与清洁能源》杂志的办刊宗旨是广泛开展电网和清洁能源开发利用的学术研究，传播和推广行业新技术和新成果应用，促进电力和能源事业的发展，为经济发展和社会进步提供动力支持。 在国家发改委能源局、国家电网公司大力支持下，《电网与清洁能源》依托西北电网技术中心和风电研究中心，组建了十余名中国科学院、中国工程院院士组成的专家顾问委员会，和电网、清洁能源领域专业学会、协会和科研院所、知名高校建立了良好的合作关系，为杂志未来茁壮成长开辟了无限发展空间。 《电网与清洁能源》是国家权威部门解读电网与清洁能源发展政策、引领发展方向的路标，是著名院士专家和权威专业人士发布技术研究成果、开展技术交流的平台，是广大企业高管和专业技术人员掌握前沿技术、了解技术动态的窗口，是相关知名企业展示技术实力、推介高端产品的舞台。
正式出版
收录年代

    低载波比调制下的MMC-UPFC电容电压减频效应

    陈志军王骏郁超张珂...
    93-104页
    查看更多>>摘要：低载波比(载波频率与基波频率之比)的载波移相调制策略可有效降低MMC-UPFC的开关损耗,但会导致"减频效应"造成电容电压谐波频率明显降低,严重削弱电容电压均衡策略的控制效果.根据电容电压谐波频率随载波比降低的规律,定量分析了低载波比调制下MMC-UPFC电容电压的减频效应,明确了低载波比与电容电压低频波动、子模块电容不稳定充放电状态和子模块间电容电压不均衡间的内在联系及其发生机理;在此基础上,提出一种基于RBF神经网络的减频效应抑制策略,通过检测电容电压的谐波分量进行最优载波比选择和电容电压控制.最后以苏州南部500kV UPFC示范工程为参考进行仿真,证明了MMC-UPFC电容电压的减频效应的存在性以及抑制方法的有效性.

    模块化多电平换流器统一潮流控制器减频效应载波移相调制RBF神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于LSTM和随机矩阵理论的配电网线损异常诊断方法

    赵卓王晓东关景林张婧...
    105-114页
    查看更多>>摘要：配电网线损精细化管理是电力系统运行、规划的重要任务,其数据来源于多种电力业务系统,呈现出层次多、类型多、体量大的特性,数据缺失、线损异常、数据难以溯源等问题是配电网线损精细化管理亟需解决的难题.提出一种基于长短期记忆网络(long short-term memory network,LSTM)和随机矩阵理论(random matrix theory,RMT)的线损异常诊断方法.在线损数据缺失的情况下,基于长短期记忆网络对线损数据进行预测,补全缺失的时空线损数据.利用随机矩阵理论的平均谱半径和特征根密度值作为量化指标,建立线损异常诊断模型,对线损数据进行特征分析,从而实现对配电网线损异常的诊断.利用电网某配电台区的实际线损数据进行验证,结果表明,该方法在数据缺失或异常时,仍能够保证其在配电网线损异常诊断方面的有效性和准确性.

    线损长短期记忆网络随机矩阵理论平均谱半径特征根密度值

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    新能源接入下配电网电能损耗控制方法研究

    章姝俊陆海清赵扉
    115-121,131页
    查看更多>>摘要：考虑新能源接入电网后发电方式不匹配而导致电能损耗较大的问题,提出了一种电能损耗控制方法.依据配电网网损计算结果,分析在新能源接入时影响电能意外损耗的相关因素;获取配电网电能损耗最佳控制目标函数,制定控制约束条件,构建配电网的电能损耗最佳控制模型;利用粒子群算法求解控制模型,获取电能损耗最佳控制值,实现配电网在新能源发电接入下的电能损耗控制.实验结果表明,使用该方法开展电能损耗控制时,可以将输电线路首端有功功率和无功功率的损耗控制在期待范围内.

    新能源接入配电网电能损耗控制方法粒子群算法目标函数最佳控制值

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑储能灵活性裕度的新能源微网智能优化运行方法

    郭天宇钟瀚明
    122-131页
    查看更多>>摘要：推动微网等新形态电网的建设发展,是构建以新能源为主体的新型电力系统、实现双碳目标的重要支撑.该文提出了一种考虑储能灵活性裕度的微网日前智能优化运行方法,以实现对新能源微网经济运行与平抑源荷随机功率波动能力的兼顾.首先,总结了微网中可再生电源、可控电源、储能、柔性负荷等设备的成本模型,并根据储能系统运行特性对现有电力系统灵活性指标进行拓展,提出了考虑充放电功率裕度和荷电状态裕度的储能灵活性裕度指标;然后,以微网日运行成本最低和储能灵活性裕度指标最高为目标,建立了考虑储能灵活性裕度的微网日前多目标优化运行模型;最后,结合混沌理论对非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)进行了改进,并对上述多目标优化问题进行了求解.算例结果表明,所提方法在保障经济运行的同时可有效提高储能的灵活性裕度,降低日内运行时微网与上层电网的联络线功率波动.

    新能源微网储能灵活性裕度优化运行

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于EMD-GM-Elman神经网络组合模型的新型电力系统新能源发电量及负荷需求量预测

    赵汉超从兰美刘杰韩子月...
    132-141页
    查看更多>>摘要：针对新能源发电量预测中单一模型精度不足的问题,提出了一种EMD-GM-Elman(empirical mode decomposition-grey model-elman)神经网络组合模型.该模型通过经验模态分解(empirical mode decomposition,EMD)预处理数据,提取局部特征;利用灰色预测模型预测各本征模态函数(intrinsic mode functions,IMF),结果输入Elman神经网络捕捉动态特征;最终通过数据重构得出预测结果.仿真结果显示,该模型预测精度从传统模型的 58.1%提高到 65.14%.

    新型电力系统新能源发电量预测负荷需求预测灰色理论Elman神经网络经验模态分解

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    光伏接入中低压配网下的无功补偿优化配置

    刘涛韩海英邬世杰朱生荣...
    142-148页
    查看更多>>摘要：为提升光伏发电机组接入中低压配网后的电能输送质量、降低网损率,基于混合整数凸规划,完成配电网的无功补偿配置研究.该方法以含光伏发电的中低压配网最小网损为目标,构建配电网无功补偿数学模型.实验结果表明:该方法应用后中低压配网节点电压标幺数值得到有效提升,且随着配电网运行时间的增加,其降低幅度较小;可有效降低中低压配网的网损率,应用效果显著.

    整数凸规划中低压配网无功补偿配置方法约束条件数学模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑最低惯量需求的受端电网储能规划研究

    于琳琳陈姝彧张凯南巴文岚...
    149-158页
    查看更多>>摘要：随着新能源接入比例快速攀升,受端电网惯量支撑和频率调节能力逐步下降,频率稳定问题日益突出.电化学储能具有快速功率响应能力,为保障频率稳定提供了新手段.该文综合考虑电化学储能虚拟惯量和快速频率响应功能,提出了一种考虑系统最低惯量需求的受端电网储能规划方法.从最低惯量需求的定义出发,根据惯量水平与系统频率响应特性的关系,得到基于最大频率变化率和最大频率偏差的最低惯量需求约束,以总成本最小为目标和运行安全约束校验为内核构建了储能优化规划模型.基于分段线性化和变量二进制转化技术,实现了原始非线性优化模型的线性化高效求解.基于某电网规划数据开展仿真测试,验证了该文模型的有效性.

    惯量需求高比例新能源惯量支撑储能规划频率稳定

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于小波变换与优化BP神经网络的超短期光伏发电功率预测

    夏晓荣胡鹏飞王飞张明晨...
    159-166页
    查看更多>>摘要：光伏发电功率的精确预测可以帮助电网实现更精细的管理,提高能源利用率;但光伏发电功率受到多种环境因素的影响,且具有较大的随机波动性,故挖掘光伏发电的效率特性非常困难.该文提出一种新方法,通过使用小波变换和优化BP神经网络来预测超短期光伏发电功率.该方法基于皮尔逊系数,可以获得与气象因素相关的预测结果;基于离散小波变换(discrete wavelet transform,DWT),将原始功率一阶差分序列分解为若干个不同频段的分量,提取光伏出力波动的频域特性;利用K-means聚类方法对功率一阶差分值进行聚类,并建立相应的神经网络预测模型,通过重组所得预测结果,得到初始预测功率差分值;利用气象因素通过GA-ACO-BP神经网络修正预测所得功率差分值,得到最终预测功率序列.利用某光伏电站所记录的实际功率数据进行验证,结果表明:DWT-GA-ACO-BP预测模型能提供较为精确的预测结果.

    光伏出力预测小波变换优化BP神经网络K-means功率差分序列超短期预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据