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

    基于深度神经网络的UHVDC输电系统故障诊断

    张峥原帅时伟光解涛...
    88-94页
    查看更多>>摘要:针对传统特高压直流(UHVDC)故障诊断方法存在阈值整定复杂、灵敏度低以及耐受过渡电阻能力较弱的问题,提 出 了 一 种 将 多 尺 度 卷 积 神 经 网 络(multi-scale convolutional neural network,MCNN)、双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)和注意力(Attention)机制相结合的UHVDC输电系统故障诊断方法.通过MCNN挖掘标准化后的故障数据不同尺度的空间特征;利用双层 BiLSTM 获取数据中的时序依赖特征;引入Attention机制为数据的不同特征向量合理分配注意力.结果表明:所提方法在 4 种评价指标上都优于其他对比算法,能够准确识别UHVDC输电系统的各种区内、外故障和测量故障,并且在面对高阻故障时仍然具有较高的分类精度.

    特高压直流故障诊断卷积神经网络双向长短时记忆网络注意力机制

    基于滚动优化的电-热-气-冷系统多时间尺度低碳运行

    徐楠陈斌黄伟靳梓康...
    95-106,113页
    查看更多>>摘要:电-热-气-冷多能联供型微网对实现能源可持续发展具有重要的应用价值.针对多能联供系统碳排放量较高和负荷模型预测不准确问题,提出了一种基于滚动优化的电-热-气-冷系统多时间尺度低碳运行策略.首先,建立电-热-气-冷系统设备模型.其次,构建日前与日内两阶段模型,在日前调度阶段引入含赏罚因数的碳交易机制,通过将卷积神经网络(convolutional neural networks,CNN)与双向长短期记忆网络(bi-directional long short term memory,Bi-LSTM)进行结合对风光功率进行预测,并以运行成本最低为目标进行优化.之后,建立日内多时间尺度的优化调度模型,以调度成本最低为目标进行求解.最后,以某市综合能源系统为研究对象进行分析.结果表明,所提出的方法能够有效减少碳排放,提高负荷模型预测的准确度的同时实现多能联供系统的低碳经济运行.

    电-热-气-冷多能协同阶梯式碳交易机制多时间尺度滚动优化CNN-Bi-LSTM

    复杂地形区域输电线路无人机自主巡检方法研究

    金涛黄俊波孙斌李维鹏...
    107-113页
    查看更多>>摘要:局域电网范围内输电线路普遍较多,布设复杂度较高,对于复杂地形区域,电网线路运维难度越来越大.为减少手动操作误差,研究了复杂地形区域输电线路无人机自主巡检方法.通过实时动态载波相位差分技术记录飞行航迹坐标,安全检验飞行航迹,设计标准化无人机自主巡检方案;利用卡尔曼滤波消除数据噪声,通过轨迹初始方位点、拍摄位置点、轨迹拐点及轨迹终止方位点来确定轨迹路径;分析地面坐标系与图像坐标系间的内在关系,针对不同场景的拍摄需求,计算匹配点像素坐标,使用视觉迭代法获取飞行过程的无人机三维坐标,开启对焦模式采集输电线路图像,以此实现电网复杂地形区域故障线路的巡检.实验结果表明,针对滚转角、俯仰角以及偏航角3个方面,研究方法下的无人机巡检飞行与期望飞行路线吻合,且 16 km的输电线路巡检耗时控制在 35 min以内,证明了无人机自主巡检稳定性强、效率快、精度较高,在电网智能化巡检方面具备一定参考价值.

    输电线路无人机自主巡检航线轨迹视觉迭代

    基于扰动补偿线性自抗扰的直流微电网接口变换器寻优控制

    侯峰冯洋刘垚郭帅朝...
    114-123页
    查看更多>>摘要:针对直流微电网接口处三相六路变换器在负载突变以及系统功率下降等多种扰动下引起的接口处电压振荡问题,提出一种以扰动补偿线性自抗扰和模糊控制优化算法相结合的模糊扰动补偿线性自抗扰控制策略.根据接口变换器的电路拓扑建立数学模型,并设计线性自抗扰控制对其进行控制;在观测器数学模型中引入扰动补偿环节,用于抵消扰动输入为斜坡函数时的扰动误差,提高观测器的扰动观测能力和观测精度;引入模糊控制优化算法对控制器参数进行优化调节,使控制器具备参数自主优化能力;搭建数字仿真模型进行实验验证,并与PI、LADRC相对比.实验结果显示:所提控制策略既具备了优异的接口处电压振荡抑制能力,又使系统获得了优异的鲁棒性.

    直流微电网三相六路变换器线性自抗扰模糊控制

    基于深度强化学习的逆变器多频点控制参数优化

    覃日升况华姜訸于辉...
    124-132页
    查看更多>>摘要:传统逆变器闭环控制具有良好的静态和动态性能,但非常依赖精确的系统数学模型,难以适应逆变器接入不同负载或电网环境等原因带来的模型参数扰动.将该深度强化学习应用于逆变器多频点控制参数整定过程.文章首先建立了单相电压型逆变器的控制模型;在此基础上分析了逆变器参数调节过程中的不稳定特征,并设计了一种基于FFT的不稳定特征判断方法,实现逆变器参数调节过程中稳定状态的在线监测;其次对逆变器控制参数自适应过程进行马尔可夫过程建模,设计了智能体的状态、动作和奖励函数;针对智能体样本不平衡问题引入了经验优先级回放以及动作屏蔽机制提高智能体的学习效率;经过仿真学习训练,智能体实现比例谐振控制器参数自整定以获取最佳的多频点跟踪性能;最后在搭建的实验平台上进行实验,结果表明:训练后的智能体可以在较少次数训练后获得满足各频点控制精度要求的控制参数,同时整个训练过程系统都是稳定的.

    逆变器比例谐振控制深度强化学习参数优化

    基于最大功率点跟踪的分布式光伏电量异常辨识研究

    翟佳胡晨同张翃帆
    133-138,145页
    查看更多>>摘要:在辨识分布式光伏电量异常时,其参数识别特征不稳定,缺少统一的可识别的辨识特征,导致不同电量模式下光伏电量异常辨识结果与实际值相差大,异常数据辨识查全率低.提出一种基于最大功率点跟踪的分布式光伏电量异常辨识方法.分析分布式光伏电池特性,采用最大功率点跟踪算法,获取与跟踪分布式光伏电量的最大功率点,利用最小二乘法对分布式光伏电量的实测值进行拟合,获取虚增电量检测指标;将虚增电量检测指标与最大功率点进行对比,分辨分布式光伏电量是否存在异常,以达到辨识光伏电量异常的目地.实验结果表明:该方法的异常辨识结果与实际值相差小、异常数据辨识查全率高,实用性强.

    最大功率点跟踪分布式光伏电量异常辨识最小二乘法虚增电量检测指标

    黄河上游风电光伏互补性量化评估及容量配比研究

    李宏斌郭怿魏立保梁岩...
    139-145页
    查看更多>>摘要:针对现有的相关性分析并不能清晰地描述风电和光电联合后变化特征这一问题,该文以黄河上游清洁能源基地为例对风电和光电之间的互补性展开研究,分析其在多个时间尺度上的特征和变化规律,采用一种基于波动特性描述的多能源互补性评估指标体系,评估风电和光电的互补性.结果表明,风电和光电在不同时间尺度上均存在一定程度的互补性,即两者叠加能够降低其自身的波动性.进一步探究不同风、光装机配比下互补性的变化规律,有助于全面理解风、光等不同能源之间的互补性,并为清洁能源基地的规划与设计提供一定的科学依据.

    黄河上游风电光伏互补性指标体系容量配比

    注意力机制和多目标粒子群混合驱动的配电网无功优化

    徐涛李互刚杨龙雨郭梦琪...
    146-154页
    查看更多>>摘要:配电网安全稳定运行的关键之一是解决好配电网的无功功率平衡,尤其是高比例分布式光伏无序接入条件下,挑战巨大.为此,提出了一种注意力机制和多目标粒子群混合驱动的高比例分布式光伏配电网无功优化方法.首先,针对光伏出力强不确定性而预测难的问题,提出了基于Transformer 的光伏预测模型,并与长短期记忆网络(long short-term memory,LSTM)以及卷积神经网络(convolutional neural networks,CNN)神经网络进行对比,验证了所提模型的精确性.进一步,针对强间歇性的分布式光伏高比例接入配电网的无功优化难题,提出了一种基于注意力机制的多目标粒子群算法(multi-objective particle swarm optimization algorithm based on attention mechanism,AMOPSO),将注意力机制应用于多目标粒子群算法,从而可减少粒子群算法本身不必要的搜索范围,有效地避免陷入局部最优,获得高比例分布式光伏配电网无功优化的调度策略.最后,在改进的IEEE33 节点配电网系统中进行算例分析,验证了所提算法的有效性.

    光伏出力预测Transformer模型配电网无功优化注意力机制多目标粒子群算法