摘要:计及风电场详细模型，按照双馈风电机组(DFIG)无功容量比例分配无功，难以实现风电场无功裕度均衡控制。根据DFIG无功裕度和并网点(PCC)允许电压偏差，提出可变下垂系数以改进无功-电压控制。结合每台DFIG无功裕度及其与PCC间电气距离，定义新的无功不均衡度。针对大规模风电场控制问题，建立双层无功优化模型，其中电网层以减小网损、电压偏差和风电场铜耗为目标，整定电网无功需求量；风电场层以场内线损、DFIG铜耗及无功不均衡度最小为目标，确定各台DFIG无功出力。采用有限记忆拟牛顿信赖域(LBFGS-TR)算法求解无功均衡分配方案。算例结果表明，所提算法可充分利用DFIG无功调控能力，实现风电场无功裕度均衡控制。

摘要:针对微电网储能系统中三端口DC/DC变换器，研究了基于半开关周期采样和全开关周期采样的预测电流移相控制。分析了变换器的工作状态和开关模态，采用Y-D等效变换得到电感电流斜率，在每个开关周期驱动信号的中点时刻采样电感电流，计算不同阶段变换器的电感电流增量。基于电流采样值和电流参考值预测变换器下一个开关周期上升沿和下降沿移相比，更新该移相比使电感电流达到参考值。然后分析了两种采样模式下电感电流中直流分量消除机理，并给出三端口DC/DC变换器闭环控制策略。仿真结果验证了该控制方法的有效性，较好地解决了三端口DC/DC变换器直流偏置问题，提高了系统的动态响应和鲁棒性能。

摘要:针对基于回复电压法的等效电路支路数难以判定的问题，利用回复电压数学模型，分析了回复电压数学表达式与支路参数的关系，提出了回复电压分解法。分离出各极化支路所代表的回复电压子曲线，从而判定等效电路的支路数。通过实例验证表明，利用回复电压分解法能够准确判定等效电路的极化支路数，能更准确地反映变压器绝缘老化状况，且变压器绝缘老化越严重，其回复电压子曲线个数和等效电路的极化支路数越多。

摘要:为了应对分布式电源及柔性负荷大规模接入给配电网电压控制带来的困难，提出一种基于改进的粒子群优化算法的配电网分区方法，通过分区使分布式电源主动参与到配电网的控制过程中。引入评价分区结果优劣的四个指标，综合考虑分区内无功/有功储备、区域内强耦合和区域间弱耦合，并结合无功/有功可控性和电压可观性，构建主导节点选取公式。该方法将分区转化为优化求解问题，使得分区结果能根据分布式电源运行参数和配电网结构的变化进行灵活调整。通过仿真证明了该分区科学合理，在该方法基础上的分布式电压控制能有效缓解柔性负荷大规模接入所带来的节点电压越限等问题，具有实际应用价值。

摘要:为解决交直流混联电网供电问题，提出了计及VSC(Voltage Source Converter)的交直流混联电网扩展规划模型与方法。首先分析了VSC元件稳态模型与典型控制策略，在此基础上研究了计及VSC的交直流潮流计算方法。然后，以发电运维成本最小化为目标，提出了一种交直流混联电网扩展规划优化模型。通过算例验证了模型方法的可行性与有效性，并展示了计算全过程。此外，算例结果也表明差异化VSC元件控制策略会影响潮流分布水平，进而影响最终扩展规划结果。

摘要:暂态电压稳定性已经成为直流受端电网安全的重要威胁之一，实时在线的动态无功源管理和控制是应对这一挑战的有效手段。因此，有必要研究直流受端电网的动态无功需求在线评估技术，量化评估动态无功设备对电网暂态电压稳定性的支撑作用。以往，主要依赖时域仿真法对大电网的暂态电压稳定性进行分析，由于计算耗时较长等原因导致其在线应用受限。针对这一问题，提出了基于支持向量回归(SVR)的直流受端电网动态无功需求在线评估方法。首先，建立了能够量化评估电网暂态电压稳定性的STVSI-SVR模型，然后提出了以该模型为基础的动态无功储备评估算法。相比于传统的基于时域仿真的分析方法，该算法能够快速地计算出合理的结果，满足在线应用的需求。最后在我国某实际受端电网模型上测试了算法的有效性。

摘要:源-荷随机波动性及储能电池并网容量是影响分布式电源渗透率的主要原因。综合考虑稳定性、经济性及环保性因素，建立源-储-荷多目标优化模型。利用概率潮流模拟风光出力的不确定性，并采用基于拉丁超立方采样的蒙特卡罗方法进行计算。针对该模型的多目标多约束求解问题，采用改进花授粉算法进行优化。通过引入授粉加速度因子及遗传自适应因子改善其搜索效率及寻优能力。通过仿真得到源-储-荷多目标优化规划与运行调控策略，根据优化结果建立电压累计评价指标。结果验证了多目标数学模型及所提方法的正确性及可行性。

摘要:交流系统中合空载变压器会产生严重的励磁涌流。该励磁涌流的注入，在导致逆变器交流母线电压发生畸变的同时，也会引起基波电压的变化，这必然会对逆变器的换相过程产生影响。目前的研究主要集中在基波电压下降造成的换相失败，对于电压畸变引起的换相失败的研究较少。从换相电压对时间的面积角度阐述了电压畸变导致换相失败的机理，在此基础上提出快速评估励磁涌流是否会造成换相失败的方法，从而为采取及时有效的措施提供指导，这对电网的安全稳定运行具有重要的意义。最后，在PSCAD/EMTDC中进行了仿真分析，验证了所提的评估方法的有效性。

摘要:常规同杆双回线路重合闸策略由于三相抵消原理，其故障相存在的互感电气量非常小，容易受到线路干扰造成误判，重合于永久性故障。提出了一种适用于接地故障的基于缺相耦合电压特性的故障性质判据及综合重合闸策略，对健全线进行了缺相处理，增大了故障线耦合电气量幅值，并增加了非跨线接地故障性质的识别准确度。为使该策略适用于同杆双回线路相间故障和三相故障性质判别，提出在线路装设接地开关的方案，实现了对非跨线非接地故障的快速准确识别。在PSCAD/EMTDC平台上构建仿真模型，验证了该重合闸策略的可行性。

摘要:针对传统三电平空间矢量脉宽调制的开关矢量作用次序的选取较为复杂、算法的运算量较大等缺点，提出一种运用到三电平间接矩阵变换器上的简化空间矢量调制策略。该方法在整流级采用无零矢量的调制策略，保证输入电压功率因数达到最大。逆变级采用简化扇区的空间矢量调制，使参考电压旋转归一到第一扇区，然后进行参考电压修正和降电平处理。该调制策略与传统调制策略相比，不仅使算法运算量比原来减少，无需预先存储大量数据，还使谐波畸变率比原来降低。通过仿真对简化的空间矢量调制策略进行验证，并且搭建样机平台，用实验的方法对该策略的可行性和正确性进行验证。

摘要:针对永磁直驱风力发电系统的内部参数摄动和外部扰动等问题，基于非线性扩张状态观测器(NLESO)提出了一种实现最大功率跟踪的改进型积分滑模控制方法。该方法使用非线性光滑函数设计了NLESO，对系统的内外扰动等不确定因素进行估计和主动补偿，提高了转速的跟踪能力。引入非线性光滑函数设计了滑模趋近律，消除了传统滑模控制中的高频抖振现象，并基于Lyapunov原理对滑模控制器进行了稳定性分析。仿真结果表明，与传统PI控制相比，该方法不仅响应速度快，无超调无抖振，而且具备良好的抗扰能力，风速突变情况下仍能快速实现最大功率跟踪，在风力发电系统最大功率跟踪控制领域具有较大的应用前景。

摘要:级联型并网逆变器在大容量光伏并网中具有较好的应用前景，有利于解决光伏阵列间的光照不均匀造成的发电效率低的问题。研究了在不对称电网故障条件下级联型光伏并网逆变器的低电压穿越控制策略。首先分析了在不对称电网故障条件下网侧电压的数学模型，总结出不同故障条件下三相网侧电压幅值与相位之间的规律。基于上述规律分析了不同故障条件下级联型光伏并网逆变器的控制方法，并提出了基于旁路原理的低电压穿越控制策略。最后建立了级联型光伏并网逆变器低电压穿越控制策略的仿真模型。通过算例仿真，验证了控制策略设计的正确性和有效性。

摘要:为提高光伏虚拟同步发电机建模的准确性，给出了计及光伏输出最大功率点跟踪、储能、并网逆变器于一体的光伏虚拟同步发电机的建模方法。首先，考虑光伏阵列及蓄电池储能的输出特性，分直流和交流两部分建模，得到其各自的输出功率数学模型。其次，结合光伏输出最大功率点跟踪和储能的双环控制，提出一种分层协调的虚拟同步发电机控制策略，给出光伏虚拟同步发电机四种运行模式，并综合交直流输出特性，获得光伏虚拟同步发电机四模式运行的等效输出静态模型。最后，通过Matlab/Simulink平台搭建了光伏虚拟同步发电机的仿真模型。仿真结果验证了所建模型的准确性及控制策略的有效性。

摘要:由于采样值差动保护具有计算速度快、易考虑CT饱和等优点而被普遍应用于当前的母线保护装置中。然而暂态特性不同于传统火电机组的双馈风电机组大量接入电力系统，这会给现有的继电保护带来严重的挑战。以双馈风电场远距离接入220 kV电压等级变电站母线为例，在RTDS仿真平台上研究双馈风场进线对母线采样值差动保护的影响。结果表明，在母线区内故障时风场侧支路提供的短路电流存在弱馈、高谐波及频率偏移等特点。与此同时，计及CT饱和、双馈机组本身的无功优化控制策略等因素影响，使得该短路电流的复杂性更加突显，进而造成传统母线釆样值差动保护动作有延迟。为此，提出了一种自适应变数据窗的釆样值差动保护判据，并通过RTDS仿真平台验证了该方法行之有效。

摘要:为提高配电网故障应急抢修调度在电网应急管理的辅助决策作用，建立了综合考虑抢修资源分配、多小组协作、抢修顺序的配电网多点故障应急抢修优化模型。引入多种群协同进化机制对传统人工蜂群算法进行改进，通过多蜂群智能体增强算法解决高维度复杂优化问题的能力。结合改进人工蜂群算法提出了应急抢修优化模型的统一调度方法。PG&E69节点算例仿真研究表明，所提方法可在配电网发生多处故障后快速给出应急抢修预案，减少了停电经济损失。

摘要:优化控制策略是提升分布式电源消纳能力的核心技术，也是有源配电网安全、经济、高效、优质运行的重要保障。为解决分布式电源接入后引起的潮流分布剧变、电压抬升、源荷分布不均衡等问题，提出了配电网拓扑重构以及有载调压器、补偿电容器等多级无功调节设备联动优化策略，建立了含网损、负荷均衡以及节点电压偏差的多目标综合优化模型。通过参数自适应动态调节及变维数和声记忆库机制，提出了改进型多目标和声搜索算法对优化模型进行求解，大幅提高算法收敛速度与寻优能力。在IEEE 33节点算例中进行了多个场景的测试验证，并将改进型多目标和声搜索算法与多目标和声搜索算法、基本和声搜索算法进行了比较，结果表明模型和算法的有效性。

摘要:为了准确评估告警信号产生时智能变电站保护系统的可靠运行情况，研究了一种基于进程仿真工具PAT的智能变电站保护信息交互建模与验证方法。分析了多个厂家保护装置的原理，构造了保护系统的告警故障树，给出了各保护子功能的工作条件与告警信号的对应关系。采用进程仿真工具PAT的实时系统模块RTS(Real-Time System Module)，对各IED的内部工作、各IED之间的交互过程等进行建模，包括工作条件、各进程之间的信息传递与时序等，给出了保护子功能死锁与保护系统运行阶段的断言与验证。多个算例验证了基于PAT包含告警信号的智能变电站保护系统交互建模与验证方法的有效性，提高了保护模型的准确性和实用性。

摘要:为提高调度数据网接入层厂站对网络故障和异常行为的自我判断能力，提出了一种网络监测装置的设计方案。方案基于镜像数据监听技术，采用Ping程序检测厂站内各联网设备的数据链路通断状态，使用开源Linux数据包捕获工具Tcpdump作为监听实现途径，并制定了多端点监听下基于非剥夺式的静态优先级调度算法的任务调度机制。通过分析监测结果中的源IP地址、目标IP地址、通信时间和传输数据量，判断网络内是否存在非法通信操作、数据传输隧道断开和DoS攻击等异常行为。测试结果表明，装置的设计方案是可靠且有效的，能够对网络故障和异常行为作出较为准确的判断，有助于增强厂站对自身网络运行状态信息的识别与掌控能力。

摘要:为了有效改善调度员仍然采用“拉路”法进行选线的现状，利用各级调度机构已有的SCADA系统获取线路的稳态零序电流，提出了基于调度SCADA系统的小电流接地选线方法。新的选线方法能够应用于中性点不接地和中性点经消弧线圈接地的小电流系统，通过比较各条线路稳态零序电流幅值和变化量辨识故障线路，最多1次拉路操作就能确认故障线路。截至目前，武汉电网已有19座变电站开始应用新的选线方法进行选线，累计14次单相接地故障全部判断正确。实际选线案例和应用过程表明，该方法准确有效，具有广泛的适用性和推广性。

摘要:搭建了一种混合直流输电物理动模平台，其整流站采用串联的电网换相换流器(LCC)，逆变站采用半桥和全桥子模块混合的模块化多电平换流器(FHMMC)。为提高系统容量，逆变侧的FHMMC换流器采用高低阀组串联的拓扑结构。对不同全桥子模块配比下高低阀组的在线投退、直流故障穿越等关键技术进行了研究，并在所设计的动模平台上进行了实验验证。实验结果表明所提出的控制策略能够实现混合直流输电系统的高低阀组在线投退及故障自清除，为多种混合直流输电以及新型电压源换流器的工程应用提供了论证平台。

摘要:针对智能变电站就地运维中缺少二次设备位置自动定位、设备压板无强制闭锁的现状，提出了基于设备自锁定技术的二次设备就地运维方法。该方案在监控主机上部署一套智能运维防误模块，通过一体化业务平台获取站内信息并结合规则库来实时计算站内所有操作对象的防误闭锁状态。通过智能变电站二次设备空间数据模型和电力专网的智能变电站二次设备物联网系统，完成就地运维操作的二次设备自定位与自识别功能。并完善二次设备与智能运维防误模块交互的防误机制，实现智能变电站二次设备定位及操作对象自动锁定，达到就地防误操作的双重确认机制。该方案在实际工程应用中取得了良好的效果，提高了运维安全性，解决了运维人员的困惑。

摘要:为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用，提出了一种关联循环神经网络(Recurrent Neural Networks, RNN)模型的负荷辨识方法。在该方法中，首先引入了时间窗负荷事件检测方法，提取谐波分量作为负荷特征，并将负荷特征作为RNN模型的输入。然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联，从而建立面向时间序列输入的RNN负荷辨识方法。进一步地，为了避免“梯度消失”问题，选择了最佳的激活函数和损失函数。最后，通过单负荷辨识、多负荷辨识的实测实验，证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求。

摘要:以数据驱动为主要特征的超短期风功率预测是大规模风电并网运行的关键基础之一。按照预测流程，从数据挖掘、机器学习算法及风速-功率曲线等角度分析现有数据驱动方法的思想及局限性。总结离线数据驱动/深度学习算法和在线应用的预测思路，给出风电场数据筛选的评价手段，归纳深度学习算法的最新研究进展。最后分析超短期风功率预测的当前定位:“由模型驱动向数据驱动过渡，由机器学习算法向深度学习算法转移”，并指出合理的算法更迭和深层次的数据融合将是未来的研究趋势。