摘要：该文首先概述数据驱动的机器学习模型(data-drivenmodel,DDM)的有关理论研究成果。在此基础上,论证数据–知识融合的学习模型(knowledge-guiding&data-drivenmodel,KDM)在问题的局部学习空间和全域学习空间的泛化性能。结果表明,在有限样本和一定的假设前提下,KDM在局部学习空间的泛化误差以接近概率1收敛于某泛化误差界;在全域学习空间的泛化误差以概率1-δ收敛于某泛化误差界,该界比DDM的泛化误差上界更紧。因此,与单纯DDM相比,KDM的学习过程更加高效、可靠,能够更好地应对实际问题中的少样本学习问题。

摘要：随着可再生能源的发展,电力系统中不确定性因素增多。精确地模拟可再生能源场景,对大规模新能源并网调度、规划有着重要意义。针对该问题,提出一种基于Wasserstein概率距离的场景约简0-1规划模型。并对聚类有效性指标进行分析,提出包含内部有效性及外部有效性的指标体系,依据聚类有效性指标确定最佳聚类数。算例以爱尔兰岛风电预测–实测数据为基础生成初始场景集,根据聚类有效性指标确定的最佳聚类数对初始场景进行场景约简,验证了所提方法的合理性与有效性。对比分析了传统场景约简方法,结果表明,场景约简0-1规划模型有着更好的精准性与适用性。

摘要：远洋海岛的和平开发与利用在我国的海洋战略中占有极其重要的地位。对于远洋海岛中需要通过船运对负荷中心岛进行能量支援的资源富集岛而言,其离岸可再生能源消纳设备(renewable energy absorption facility,REAF)的高效运行至关重要。针对此问题,该文设计兼顾蓄–氢–冷多能源形式的制氢装置,有效提升了REAF系统能源吸收效率;同时,基于快速决策树剪枝算法及强化学习式蒙特卡洛算法设计包含蓄–氢–冷的REAF系统的综合调度策略。仿真算例表明,该文提出的决策树快速剪枝算法及改进强化学习式蒙特卡洛算法能够有效提升REAF系统调度策略的能源消纳能力。最后探讨进一步提升基于这2种算法的REAF系统调度策略性能的路径。

摘要：随着高渗透率风电并入多区域互联的交直流电网,风电渗透区域容易出现自动发电控制(automatic generation control,AGC)机组调频容量不充足,难以有效抑制风电功率随机性带来的频率波动问题。为此,该文提出基于双层模型预测结构的跨区域AGC机组协同控制策略,实现多区域间共享调频资源。该控制策略在上层采用经济性模型预测控制实现跨区域AGC机组稳态功率优化分配;在下层采用分布式模型预测控制实现多区域AGC机组动态频率优化控制。以含风电场的三区域交直流互联电网为例,仿真结果表明:与传统的AGC控制方式相比较,该文所提出控制策略不仅能有效维持联络线断面安全和抑制频率波动,而且降低了多区域AGC机组联合调频成本。

摘要：多端柔性直流电网的故障定位方法是保障直流电网安全可靠运行的关键技术。该文针对现有故障测距方法存在的问题,提出一种基于电流突变量的直流电网区内双极短路故障定位方法。它利用直流线路两端的电流突变量计算定位系数来定量表示短路点在线路中的位置,即故障点至本线路一侧保护的距离与线路全长的比值。为了避免线路保护区出口处短路引起的距离误判,引入判区依据K以确保故障定位只在区内短路时有效,该定位方法采用改进电压梯度法快速启动。在PSCAD/EMTDC仿真平台上搭建四端柔性直流电网模型,验证了所提出的定位方法可以在发生区内双极短路故障时可靠定位,并且几乎不受直流电网传输功率和过渡电阻的影响,具有很高的准确性和适用性。