摘要:针对限流电抗器安装在换流站出口，基于线路边界元件特性的多端柔直电网线路保护难以适用的问题，提出了基于换流站不同出线低频暂态能量比值的多端柔直电网线路保护方案。首先，通过分析故障后模块化多电平换流器(modular multilevel converter, MMC)在直流侧呈现的阻抗频率特性，推导出实际频率大于谐振频率时MMC等效阻抗呈感性。然后，通过分析母线处电压行波折射系数的幅频特性可知，折射过程会对故障电压行波中的低频分量具有较明显的衰减作用，并以此为依据分析区内外故障时线路两侧换流站不同出线低频暂态能量比值的差异，可利用此差异识别故障。最后，PSCAD/EMTDC的仿真结果表明，所提保护方案能够可靠识别故障，不依赖线路边界元件，且具有一定的耐过渡电阻能力。

摘要:针对永磁同步电机(permanent magnet synchronous motor, PMSM)参数变化影响转子位置估计精度问题，提出了一种基于单位电流最优功率输出的位置估计误差非线性补偿策略。首先，分析了电机参数误差特别是电感误差对位置估计精度的影响，建立了位置估计误差与单位电流输出功率的关联模型，推导出电感误差与最优输出功率的关系模型。然后，结合功率模型构建了基于多项式的电感误差非线性模型，利用少量测试点拟合该多项式模型，即可辨识电感误差用于准确补偿位置估计误差。所提方法实现简单，不依赖电机参数，能有效克服噪声干扰。最后，仿真与实验结果验证了提出补偿策略的有效性。

摘要:目前围绕量测条件受限的配电网展开的故障定位研究较少，且传统的主站集中式故障定位系统在实时性与安全性等方面存在不足。针对上述问题，提出一种基于边缘计算和深度学习的单相接地故障区段定位方法。首先，构建基于分区修正的边缘计算单元配置多目标优化模型。该模型通过分区修正方法降低了故障定位系统的通信时延，提升了数据传输安全性，进而保障配电网安全运行。其次，将基于数据驱动的智能算法应用于配电网故障区段定位，选择易获取的相电流稳态有效值在故障前后的变化量作为故障特征，利用全连接型深度神经网络学习样本特征与标签间的映射关系，得到离线训练好的定位模型并储存在边缘节点以实现快速故障定位。最后，以IEEE33节点系统为例进行仿真。算例结果表明该模型在分布式电源接入、高阻故障、噪声干扰以及拓扑改变等情况下均具有良好表现。

摘要:柔性直流电网故障电流上升速度快与电力电子器件过流能力弱形成突出矛盾，线路保护需要在数毫秒级完成故障判别，输电线路精确参数的获取对于提升继电保护的性能至关重要。然而直流系统中缺乏稳定基频，导致输电线路相关参数难以获取、保护实现较为困难。针对柔性直流线路频变参数难以获取的问题，提出基于半桥模块化多电平换流器(half bridge modular multilevel converter, HB-MMC)特征信号注入的柔性直流线路频变参数辨识方法。首先通过换流器控制在线路中注入特定频率信号，然后利用快速傅里叶分解提取不同频率的信号并计算指定频率下的线路参数，最后依据不同线路参数的频变特性拟合出对应的幅频特性曲线。仿真表明，所提参数辨识方法可以准确拟合保护所需直流线路频变参数，参数辨识频段内相对误差小于1.5%。

摘要:基于连续物理模型设计的传统惯量监测方法收敛慢，难以准确追踪具有时变特性的虚拟惯量。考虑现代电力系统测量装置输出离散数据的特点，提出一种基于离散信息模型的电力系统汇集点惯量在线监测方法。首先，基于连续时间系统中含惯性常数的数学模型，构建Z域中的等效电机离散传递函数。其次，基于Z域中传递函数的数学结构，采用回归法构造另一等效电机离散传递函数，并在此基础上提出了汇集点等效惯性常数计算方法。最后，采用改进的IEEE9节点系统进行仿真，验证了所提方法的时效性和准确性。研究结果表明，基于离散信息模型的惯量在线监测方法能够在全运行状态下准确测量电源汇集点的转动惯量与虚拟惯量。

摘要:极端场景下微电网与主网断开形成多个孤岛时，微电网内重要负荷的持续可靠供电面临极大挑战。微电网群内的电动汽车储能参与负荷支撑是提高系统韧性的有效技术手段。针对微电网孤岛供电问题，提出了一种基于电动汽车储能的多微电网两阶段韧性提升策略。首先，建立正常运行时多微电网能量管理模型，通过协调系统内各类发电资源进行能量互济，实现运行成本最小化。然后，针对台风极端事件引起的孤岛微电网持续可靠供电问题，通过多微电网各类发电资源和电动汽车储能进行能量互济，构建了多微电网两阶段韧性提升模型，最大限度地减少切负荷量，使系统运行成本最优。最后，采用Shapley值对涌现收益进行合理分配，并通过与传统多微电网能量管理方法进行对比，验证了所提韧性提升策略的有效性。

摘要:T型三电平变换器在常规调制策略下，存在着严重的内管外管损耗不均的问题。当变换器的调制比低于0.57时，T型三电平变换器的内管温升明显高于外管温升，这个问题在低电压穿越(low voltage ride through, LVRT)运行时更为严峻，将威胁变换器的长期可靠运行。为此，提出了一种基于损耗优化分布的不连续脉宽调制策略，在空间矢量图的对应区域采用新的开关序列，每相采用钳位到直流侧正极或直流侧负极的钳位方式，进而实现外管内管电流的重新分配。新调制策略采用五段式发波，不仅有效改善了内外管损耗的分布，还能提高变换器整体效率；通过冗余小矢量互补的序列，维持中点电压的平衡；新调制策略具有统一的载波调制实现方式。最后，通过电气热联合仿真，验证了所提损耗优化分布调制策略的有效性。

摘要:共享储能作为一种新兴能源存储技术正在迅速发展。为提高含共享储能电力系统的经济性，提出一种基于源荷不确定性的两阶段鲁棒多园区微网与共享储能合作博弈模型。首先，建立共享储能主体和各园区微网主体间的电能交易优化运行模型。其次，考虑可再生能源及负荷的不确定性，建立园区微网的两阶段鲁棒调度模型。然后，基于纳什谈判理论建立多园区微网-共享储能多主体合作运行模型，并将其等效为合作成本最小化子问题与电能谈判支付子问题。为了保护各主体隐私，运用交替方向乘子法对上述两个子问题进行分布式求解。最后,通过算例验证所提合作运行模型以及分布式算法的有效性。仿真结果表明共享储能与各园区微网协同优化运行能够减少各主体的运行成本。

摘要:共享储能作为一种新兴的储能方案，有助于微电网内部新能源的消纳并降低运行成本，释放微网作为独立的利益相关者的资源共享潜力。而传统的共享储能和微网间的互联忽略了各主体交易的信息隐私问题，且合作策略往往不能实现合理的利益分配。为此，提出了一种含有共享储能的微电网群分布鲁棒博弈优化调度方法。首先，建立了具有多种能量形式的微电网模型以及共享储能模型。其次，为降低风光出力不确定性对系统经济性的影响，采用分布鲁棒优化理论对其进行处理，求解最恶劣概率分布下的运行策略。最后，基于纳什谈判理论，建立了共享储能与微电网系统的联合运行模型，并利用具有良好收敛性与私密性的交替方向乘子法将模型分解为联合系统运行成本最小化问题和系统内部电能交易谈判问题进行求解。通过合作前后对比分析，所提方法使得微电网运行成本分别降低了2.99%、4.90%和4.27%，说明所提方法能够在有效应对风光出力不确定性的同时降低各主体的运行成本，使系统兼具灵活性与经济性。

摘要:随着人工智能技术特别是强化学习在能源优化调度领域的深入研究，将系统状态表示为向量用于学习的模式，其训练效率与信息利用率较低。针对这一问题，提出了一种融合图神经网络模型与强化学习的综合能源系统优化调度方法。首先，将电-热-气综合能源系统建模为图结构数据，充分利用系统的拓扑信息。其次，提出了基于图神经网络架构的强化学习模型，使其可以充分利用图结构信息实现更快的训练速度，获得更大的探索空间。最后，将表示系统状态的图结构信息送入该模型进行训练，算例仿真验证了该方法的训练效率与探索能力。

摘要:在分布式储能孤岛直流微电网系统中，针对传统下垂控制策略无法实现荷电状态均衡、功率分配不精确和母线电压跌落的问题，提出了一种自适应下垂控制策略。首先将双曲正切函数与荷电状态相结合，利用双曲正切函数的特性，限制下垂系数的范围并且快速进行调整。然后通过调节补偿量，使下垂系数对应的电压相等，设计了功率分配的补偿策略。最后计算线缆阻抗，设计了二次母线电压补偿策略。Simulink仿真实验结果表明，所提控制策略可以实现荷电状态的均衡和功率的精确分配，并且使母线电压能够准确维持在额定值。

摘要:电动汽车充放电行为的随机性，导致充放电站运行数据波动性强、指标间权重差距大，传统方法难以全面准确评估其充放电站的并网性能。为此，提出了一种电动汽车充放电站并网性能的综合评估方法。首先，提出了包含安全性、适应性、稳定性等5项准则的综合评估指标体系。其次，采用Apriori算法处理指标间关联关系。同时引入博弈思想将网络分析(Analytic network process, ANP)法与基于指标相关性的指标权重确定法结合以确定指标的最优组合权重。基于最优组合权重和基于逼近理想解排序法建立评估模型，对各充放电站并网的综合性能进行量化分析。最后，采用某市电动汽车充放电站运行数据对所提方法进行验证，并与已有评估方法进行对比。结果表明所提评估体系与评估方法的有效性和优越性。

摘要:随着以新能源为主体的电力系统的发展，分布式特征明显，终端设备数量剧增。海量用电负荷的调度和控制面临着时延过高和计算效率不足等问题，亟待建立高效的通信网络以有效提高电力系统的运行效率和可靠性。针对现有边缘计算技术与电力系统结合中未考虑在边缘网络资源管理中服务缓存和虑拟机(virtual machine, VM)迁移的联合优化问题，基于任务卸载模型、服务缓存模型和VM迁移模型，提出了一种联合服务缓存和VM迁移的边缘资源分配策略，旨在提高系统性能。针对服务缓存与VM迁移联合优化的耦合性问题，将原问题解耦成两个子问题的方法进行迭代求解，以实现更优的资源分配效果。仿真结果进一步证明了所提策略在性能方面表现更优，与其他方案相比可以得到更低的任务处理时延。

摘要:光伏发电具有间歇性、波动性和预测难的特性，因此需要与其他能源进行互补。常用的方法是利用水电机组的快速响应和储能电池灵活高效的补偿来构建水光储微电网系统。然而，这一系统具有强烈的非线性特性，其稳定性的一个关键问题是频率控制。针对这一问题，设计了基于多目标H2理论的混合H2/H∞鲁棒控制器，主要目标是在暂态下抑制频率振荡。在控制器中嵌入海鸥算法，对海鸥算法进行混沌初始化和参数改进得到一种改进海鸥算法(improved seagull optimization algorithm, ISOA)。利用ISOA对H2/H∞鲁棒控制的加权矩阵系数和范数权重进行参数优化，最终获得最优混合ISOA-H2/H∞鲁棒控制器。仿真结果表明，所设计的ISOA-H2/H∞鲁棒控制器在功率扰动和系统参数摄动下能保证水光储系统的频率稳定，并具有满意的动态特性。

摘要:绕组松动故障是变压器最主要的机械故障之一，尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点，导致其构建足量具有时间相关性的图像集十分困难，提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习，获得微调后的神经网络模型。实验结果表明：利用该样本构建方法生成的图像集作为训练集和验证集，建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上；利用变压器周期性振动信号生成的图像集作为测试集，测试准确率达到99%以上，实现了变压器绕组松动故障的准确诊断，并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。

摘要:高压并联电抗器运行过程中产生的声信号是准确判定电抗器运行状态的重要依据，在对电抗器声信号现场采集时易受到多种外界噪声的干扰，测量仪器无法有效进行预处理，导致对电抗器运行状态的评估发生误判。提出了一种基于多传感器融合及最小下限频率截止的改进集合经验模态分解(ensemble empirical mode decomposition, EEMD)高压并联电抗器声信号去噪方法。首先，利用一致性数据融合算法对各声纹传感器进行关联和甄别，剔除失效传感器，确定有效传感器组。其次，选取有效传感器组中的最小下限频率作为固有模态函数(intrinsic mode function, IMF)的筛选截止条件并进行集合经验模态分解。然后利用相关系数法提取有效的IMF分量。最后对有效IMF分量叠加重构，得到去噪声信号。模拟实验和实测结果表明，该方法具有较好的去噪效果。通过与传统经验模态分解法(empirical mode decomposition, EMD)、标准EEMD去噪技术的比较，验证了该方法在实际应用过程中的有效性和实用性。

摘要:针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题，提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先，根据故障诊断规则，构建一种包含完备故障信息的完全解析模型。其次，将离散工作机制融入改进算法的种群更迭中，以避免发生空间脱节。然后，结合进化种群动力学思想(evolutionary population dynamics, EPD)，引入一种自适应交叉算子，以提高种群质量和增强算法的全局寻优能力。最后，通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法，在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力；在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。