一、电网运行监测和决策支持系统的研究与实现(论文文献综述)
刘燕[1](2021)在《智能电网下充电站优化运营模型及决策支持系统研究》文中进行了进一步梳理近年来,随着我国绿色低碳发展战略的实施,电动汽车充电站的建设与运营倍受关注。智能电网双向高速的数据通信系统,使充电站的运营与电网、充电网络和不同发电厂具备了动态协同运行的条件,充电站又联动电动汽车,让电动汽车、智能电网与充电站成为联动体,充电站优化运营决策拓展为多系统协调优化的综合决策问题。本文梳理了充电站运营面临的问题,提出并构建了包括优化运营的充电站选址、用户充电决策行为、引导电动汽车有序充电和提升风力发电消纳等多个决策模型,并设计了相关决策支持系统的框架。为提升充电站综合运营目标与效率提供决策工具,为政府制定充电服务产业激励政策提供理论依据。本文在深入分析充电站优化运营决策现状研究的基础上,充电站作为电能综合调度枢纽,充电站调度供需两侧电网、电动汽车用户电能资源,围绕充电站供需两侧协同调度与优化决策问题开展研究。首先从优化运营角度布局充电站选址提升设备利用效率。其次分别从预测负荷、管控负荷、调用负荷三个层面挖掘充电站供需两侧可调度的资源,逐层优化充电站运营的综合效率,综合运用鲁棒优化、优化理论、预测理论等理论,进行了优化运营模型群的构建和算例求解。然后,从充电服务供需侧匹配、支撑技术和政策激励三方面进行充电站运营机制设计。最后基于上述研究进一步细化研究了充电站运营决策支持系统。以期为充电站运营带来经济效益和社会效益,解决充电服务供需实时匹配、提升设备利用率、协同电网消纳规模化风力发电等问题。本文的主要工作和创新成果如下:(1)基于大量文献的查阅对我国充电站建设运营项目的发展现状进行分析。研究智能电网与充电站运营交互作用,归纳了我国近年来针对充电站建设运营各类优惠补贴政策;从经济、技术角度分析充电站建设运营现状,展望其发展趋势。结合本文研究的内容探讨充电站优化运营待解决的决策问题。(2)构建基于鲁棒优化方法的充电站选址模型。从充电站优化运营角度根据城市路网产生的不确定的充电需求进行区间限定,分析电动汽车接受充电服务的排队现象,增加充电站负荷能力作为模型的递进约束条件。设计算例验证了选址方案的合理性,优化建站数量与站内设备配置。该模型为充电站优化运营提供合理选址的决策。(3)构建充电站运营系统优化决策模型群。从精准解析充电需求、管控充电过程、协助电网调度提高风电消纳三个方面构建优化决策模型,用户充电决策行为模型、电动汽车有序充(放)电控制模型、充电站协同电网消纳风电模型,将充电站优化运行策略与电动汽车充电需求、充电过程、风电消纳进行多系统协同优化。充电站的多系统综合优化充分利用了充电站调度各类资源的能力,完善充电站优化运营决策,充电站与智能电网调度协同实现电能高效配置。(4)充电站优化运营机制研究。从充电服务供需侧匹配、供需调度、激励政策和市场博弈四方面构建可持续发展的充电站运营机制。通过建立高效供需调度,将精确预估需求侧充电负荷和快速供给侧分层调度实现充电服务供需侧匹配;分析支撑充电服务供需匹配的关键技术;利用需求侧优化电价、参与辅助服务、扩大负荷响应、推动电力市场建设等激励政策;分析市场博弈下充电站运营中各个主体的市场地位、经济策略、权益。为制定可持续发展的充电站运营机制建设提供依据和帮助。(5)进行充电站优化运营决策支持系统设计。将上述优化运营模型群引入到充电站优化运营决策支持系统中的模型库设计,以充电站运营的系统需求、业务流程和优化决策为基础,搭建充电站优化运营决策支持系统。该系统作为连接智能电网、电动汽车用户和可再生能源发电厂的充电站综合电能管控与调度的运营决策平台,集成了运行数据查询和在线监测功能、历史数据统计分析功能、运行调度及协同电网管控功能、综合优化决策功能为一体,实现了为充电网络优化运营决策实施提供平台支持。运用大数据处理和云计算技术构建充电智能服务平台,对充电站运营中的多类数据进行融合与挖掘,为电网、电动汽车用户、充电站以及参与充电站运营的各个主体提供优化决策支持。本文旨在从整体上提高充电站运营的实效性,完善充电站多系统综合优化的管控和调度措施,搭建充电站优化运营决策支持系统。本文是对现有智能电网下充电站优化运营的理论补充,为我国充电站协同智能电网、用户、充电服务平台运营的发展提供了理论依据。
徐泽天[2](2021)在《Elasticsearch在电网调度数据管理的应用研究》文中进行了进一步梳理某市电网调度自动化系统运行维护过程中,发现如下问题:1.调度数据快速增长,存储体量急剧膨胀,现有数据库难以满足数据存储需求。2.随着调度数据量的增长,数据查询速度越来越慢。3.现有调度自动化系统未实现日志可视化管理。随着智能电网的发展,调度自动化系统采集的电网调度运行、输变电设备在线监测等实时数据与系统运行、操作记录等日志数据将越来越多、越来越密集,形成采样快、体量大、类型多的调度大数据。现调度自动化系统普遍采用的关系型数据库是建立在低核心、小内存和大硬盘的硬件背景之上,在呈爆发式增长的调度大数据前存在读写速率低、扩展性差、并发能力不足和难以组织管理日志数据等瓶颈,无法为调度自动化系统提供稳定可靠存储、便捷高效读取和日志可视的调度数据管理服务。针对上述电网调度数据管理问题,本文提出一种以Elasticsearch分布式搜索引擎为核心的电网调度数据可靠存储、快速查询和日志数据可视化方法,将Elasticsearch在数据快速检索与日志可视化管理的优点应用于电网调度数据管理中。本文主要研究工作如下:1.为解决电网调度数据的存储问题,提出以基于云计算的Hadoop生态体系为架构,用非关系型数据库HBase代替现电网调度使用的关系型数据库来存储调度数据的方法。测试表明,电网调度分布式数据库HBase具有高可靠性和良好的并发读写性能,能满足调度自动化系统的数据存储需求。2.为解决电网调度数据查询缓慢的问题,提出在数据库HBase的一级索引基础上,通过Elasticsearch的倒排索引建立第二级索引的方法,设计并实现电网调度监测数据的二级索引结构,代替现关系型数据库的查询。以某市电网调度监测数据为样本,进行并发查询响应的对比测试,测试结果表明,基于Elasticsearch的二级索引结构的查询时间远小于现关系型数据库的查询时间,能满足调度自动化系统高速并发的数据查询需求。3.为解决电网调度自动化系统未实现日志可视化管理的问题,提出运用以Elasticsearch为核心的ELK技术栈的方法,设计并实现调度自动化系统日志可视化管理,有助于把握调度自动化系统的运行状态和精益化管理。4.基于上述解决方案,开发电网调度数据管理系统软件。结合电网调度数据管理需求,软件采用微软.NET框架,基于RESTful API实现后端处理、基于WCF提供数据服务、基于B/S模式进行前端交互,设计并实现电网调度数据管理。电网调度数据管理系统在管理某市电网调度数据的运行效果表明,该系统能满足海量调度数据稳定可靠存储、高效并发读取和日志可视化管理的需求,有助于未来调度自动化系统向智能化、精益化发展。
刘沆[3](2021)在《气电耦合虚拟电厂运营优化及风险评价模型研究》文中指出随着化石能源的持续开发全球大气二氧化碳排放量达到历史最高水平,排放强度逐年上升,对未来世界的可持续发展带来了严重挑战。传统虚拟电厂应用项目普遍存在能源结构单一、参与市场不足、能源耦合关系稀疏和新型负荷缺失等显着问题,导致传统虚拟电厂的运行稳定性差、经济效益低、风险管理难度大。在此背景下,气电耦合虚拟电厂的概念逐步成为未来分布式能源发展应用的一个重要技术方式,通过进一步聚合电转气装置(P2G)、燃气锅炉等气电转换设备,使得分布式可再生能源机组的利用效率得到提升,减少了出力不确定性对系统稳定、经济运行的影响。然而,当前气电耦合虚拟电厂的运行控制及市场运营研究还较为缺乏,无法有效协调多类型灵活性资源并入虚拟电厂,支撑气电耦合虚拟电厂的调度优化及市场运营决策。基于此,亟需计及多重不确定性、电动汽车特性及综合需求响应特性展开对气电耦合虚拟电厂运营优化及风险评价,以便为多类型分布式能源、可控负荷、电转气耦合设备等灵活性资源参与虚拟电厂调度提供强大动力,有效支撑电力系统与虚拟电厂的协同运行,提高虚拟电厂的经济效益与运行效率。第一,基于气电虚拟电厂的研究现状和相关理论,阐明了本文所研究气电虚拟电厂运营优化研究的理论和应用价值。首先,围绕气电耦合虚拟电厂的基本概念、发展过程和主要类型阐述了气电耦合虚拟电厂的基础理论;其次,为了实现供给侧多能互补和负荷侧综合互动的运行目标,从形态特征、结构特征、技术特征和应用特征四个方面对气电耦合虚拟电厂的运营运行特征进行了详细分解;再次,基于气电虚拟电厂多种能源主体的复杂结构及相互关系,梳理了气电虚拟电厂参与外部能源市场的类型和运营优化模式及内部各类能源形式和设备的协同运行模式;最后,针对国内外虚拟电厂应用项目进行了现状分析与经验总结,并指出对气电虚拟电厂经验启示,为本文后续章节开展相关研究奠定扎实的理论基础。第二,基于可再生能源出力、负荷的不确定性以及能源价格波动对气电虚拟电厂运营优化带来的风险,建立了计及多重不确定性的气电耦合虚拟电厂运营优化模型。首先,分析了气电虚拟电厂内部分布式可再生能源出力、负荷需求、碳排放权价格及能源电力价格的不确定性,采用概率分布模型对上述不确定性因素进行了建模;其次,构建了以系统经济效益最优、碳排放最小为目标的计及多重不确定性的气电耦合虚拟电厂运营优化模型,并提出了改进捕食遗传算法的求解算法和具体的计算流程;最后,选取北方某气电虚拟电厂为例,设置了六种不同情景进行了对比研究,验证了在计及内外部多重不确定性下气电耦合虚拟电厂更具有市场竞争力,能够实现经济效益和环境效益的共赢。第三,基于电动汽车特性及耦合设备运行特性对系统运行的影响,建立了计及电动汽车特性的气电耦合虚拟电厂运营优化模型。首先,对电动汽车运行特性及可与电动汽车耦合运行的虚拟电厂相关设备特性进行了研究,设计了考虑电动汽车特性的气电耦合虚拟电厂运行结构;其次,以气电虚拟电厂在日前能量市场中的运营收益最大化为目标,构建了计及电动汽车特性的气电耦合虚拟电厂运营优化模型;然后,考虑了运营优化模型的非线性、多维度问题,为了提高粒子群算法存在收敛速度、计算精度,避免早熟的问题,提出了基于Tent映射的改进混沌优化算法,以及具体的计算流程;最后,选取某工业园区进行实例分析,并对四种情景下的系统收益进行了优化求解,得到了气电虚拟电厂各设备在运行日各时刻的优化出力方案,证实了考虑电动汽车充放电特性并将其与P2G设备引入气电虚拟电厂可显着提升系统收益。第四,基于虚拟电厂参与需求响应的交易机制和需求响应特性分析,建立了计及综合需求响应特性的气电虚拟电厂运营优化模型。首先,分析了气电虚拟电厂参与需求响应的交易机制和需求响应负荷特性,设计了气电虚拟电厂参与综合需求响应的总体框架;其次,以气电虚拟电厂收益最大化为目标,根据各耦合设备出力交换功率和多能源需求响应的互动关系,考虑可控负荷、电力网络、热力网络、天然气网络及能源耦合、存储设备等约束,构建了气电虚拟电厂参与综合需求响应的运营优化模型;然后,针对综合需求响应中各种能源的价格存在不确定性,在原模型基础上引入了均值-方差模型,实现了气电虚拟电厂效益最大化并降低了不确定性带来的风险;最后通过算例和多情景对比研究,结果表明了虚拟电厂参与综合需求响应相比于传统需求响应能够获得更高的效益。第五,基于气电耦合虚拟电厂参与多种能源市场交易中面临内外部多方面风险因素的影响,建立了考虑气电虚拟电厂参与市场运营的全流程风险评价模型。首先,从多重不确定性、电动汽车特性及综合需求响应特性三个方面,深入分析了不同特性对气电耦合虚拟电厂造成的风险影响;其次,结合气电虚拟电厂的运行结构和特点,多维度考虑了外部政策、参与主体、耦合技术、运营交易、信用管理5个方面,设计了包含29个风险评价指标的气电耦合虚拟电厂风险评价指标体系;然后,在熵权-序关系赋权法和云模型解决不确定性评价信息的优点基础上,构建了基于熵权-序关系法改进的云模型风险评价模型;最后,针对四种场景下的气电虚拟电厂进行算例分析,对比研究了不同场景及不同评价模型的评价结果,验证了所提出模型的有效性和优越性。
马良[4](2021)在《信息物理融合环境下网络攻击的微电网弹性控制策略》文中研究指明随着通信网络、可编程控制器及电力电子器件的大规模部署应用,微电网由单一的电气网络向典型的信息物理融合系统(Cyber Physical System,CPS)不断演化,其封闭隔离的运行环境被逐渐打破,呈现开放与互联的新特征。在信息物理融合环境下,微电网可能遭受多种类型的扰动影响,其中网络攻击由于具有隐蔽性与不可预见性会对微电网的安全稳定运行构成严重威胁。为降低网络攻击等不安全因素对系统性能产生的不利影响,弹性控制(Resilient Control)成为CPS综合安全控制框架的重要研究内容。目前,国内外对网络攻击下微电网弹性控制策略的研究尚处于理论探索阶段,各层面的研究成果不尽完善,有待进一步改进。通过对微电网的量测信号、控制信号、控制决策单元以及通信网络等控制环节所面临的典型异常与网络攻击场景开展弹性控制策略设计研究,可以有效保障微电网提供辅助服务的能力与对关键基础设施的支撑作用,在确保微电网的安稳运行与CPS综合安全控制体系构建方面具有重要的理论研究意义与工程实践价值。针对量测信号异常下并网运行微电网的恒功率控制问题,提出一种基于滑模观测器融合变论域模糊控制的异常信号估计与状态重构控制策略。构建电流互感器故障与网络攻击的典型场景模型,基于线性矩阵不等式设计滑模观测器,引入变论域模糊控制动态调整滑模增益,进而重构得到逆变器输出电流的真实状态,可在简化观测器设计步骤的同时实现高精度的异常量测信号估计,从而消除量测信号异常对恒功率控制目标的影响。仿真实验验证了所提策略在多种类型故障与攻击下的有效性,且与常规模糊控制-滑模观测器方法相比具有响应及时、估计准确的优势,可确保分布式电源(Distributed Generation,DG)输出功率对参考信号的快速无偏跟踪,提升了量测信号异常下微电网的可靠功率输送能力。为解决控制信号异常下孤岛运行微电网的频率-有功控制问题,定量分析了执行器故障与网络攻击引起的异常控制信号对常规基于领导-跟随一致性的微电网次级控制产生的不利影响,提出一种计及时延的分布式自适应滑模控制策略。基于Artstein变换将含有时延的系统状态转换为无时延状态,根据变换后的系统设计基于滑模的分布式控制方法,克服了现有方法需要已知异常信号先验信息的缺陷,可实现对任意异常控制信号的自适应抑制。仿真实验验证了所提控制策略能够保证对非均一、时变时延的有效补偿,且具有对多种类型异常控制信号的良好平抑能力,从而确保微电网频率恢复至额定值的同时有功功率按下垂系数实现合理均分,提高了微电网频率稳定性与延时鲁棒性。针对在控制决策单元中注入虚假数据的典型攻击场景,分析了控制决策单元异常对基于平均值估计信息的孤岛微电网分布式电压-无功控制策略产生的影响,得出了入侵者实施隐蔽攻击与试探攻击的充要条件。提出一种基于信誉机制的弹性控制策略,可实现DG异常行为的分布式检测,克服共谋攻击对信誉度评估结果的影响,证明了所提的隔离与补偿恢复措施可确保平均值估计过程的正确进行。仿真实验验证了暂态扰动、持续攻击与共谋攻击下所提控制策略的有效性,且与未采用补偿恢复措施的控制策略相比,可消除虚假数据的累积效应对电压-无功控制目标的影响,从而确保正常DG平均电压恢复至额定值的同时无功功率按下垂系数实现合理均分,提升了系统的安全性与电压控制的准确性。为解决传统周期性通信方式造成网络负担加重的问题,提出一种基于自触发通信机制的分布式电压-无功控制策略,可在保证孤岛运行的微电网电压稳定的同时满足无功功率按DG容量合理均分。针对入侵者实施拒绝服务攻击引起通信网络中断的典型场景,设计基于ACK应答的通信链路监视机制并据此设置触发条件,克服现有方法需要攻击频率严格受限于通信试探频率的约束,证明了所提控制策略的收敛性能。仿真实验验证了所提控制策略可有效降低微电网控制系统的通信负担实现按需通信,且与未采用ACK应答机制的常规控制策略相比对高频拒绝服务攻击具有更强的抵御能力,可确保通信异常中断下微电网无功功率按DG容量实现均分,有助于降低控制策略对通信服务完好性的依赖。以网络攻击下微电网的弹性控制策略为研究背景,系统地分析了网络攻击引起的量测信号、控制信号、控制决策单元以及通信网络异常对微电网控制性能产生的不利影响,提出了基于滑模观测器的恒功率控制方法,设计了分布式自适应滑模的频率-有功控制方法,根据信誉机制构造分布式电压-无功控制方法,以及引入自触发通信机制设计分布式电压-无功控制方法,实现了网络攻击造成的CPS异常下微电网安全稳定运行的控制目标,形成了微电网弹性控制的理论框架与实施方法,为进一步实际工程应用提供了技术支撑。
王泽[5](2021)在《基于双层决策模型的用户侧储能优化配置方法》文中认为本课题来源为山西煤炭运销集团有限公司的校企合作项目《基于需求侧管理平台的煤矿变电站监控系统设计及节能分析》下的子项目。随着社会经济的不断发展和居民生活水平的提高,电力系统中各类用户的负荷在高峰和低谷时段会出现相差过大的特征,可能导致在电力系统中发生供需不平衡的状况,对用户来说也会增加其电费方面的花费。而仅依靠增加的资金投入来增加年发电量和扩容输变电线路,不仅成本高,而且设备的利用率低。随着储能技术的发展,使用储能系统进行削峰填谷的方法也已逐渐普及。但由于储能系统本身的成本较高,对其经济方面的分析是一个不可忽视的研究问题。因此,本文针对大工业用户在需量电价条件下超过最大需用量后的惩罚问题,提出一种基于双层决策的用户侧储能系统的优化配置模型。主要研究内容如下:(1)建立储能系统的整体架构,包括监测控制系统、电池单元和光伏单元,分析安装储能系统的必要性。第一部分是监测控制系统:提出了无线监测控制系统总体结构的设计。阐述了系统的设计与实现,该部分包括硬件的设计与实现、软件的设计与实现、上位机驱动的设计与实现,完成了监测控制系统中上位机监测控制软件的设计与实现。第二部分是电池单元:阐述了铅蓄电池、锂离子电池和液流电池的使用情况,分析了几种电池各自的技术特点。第三部分是光伏单元:阐述了光伏发电的原理,建立了光伏发电的功率模型。(2)采用双层决策模型作为储能配置优化的整体框架,分别建立内层和外层的约束条件以及目标函数。针对大容量储能电池建立数学模型,包括成本和出力模型,作为整体优化模型的基础。在采用两部制电价中最大需量计费的条件下,模型外层的目标函数是储能系统在储能介质寿命周期内的总成本,考虑了电价成本、储能电池及相关设备成本等因素,得到储能容量和最大需用量的配置结果;内层的目标函数是用户日调度用电的成本,得到最优的日合成负荷曲线。(3)选取了三种双层决策中的外层算法,进行分析对比。首先,对麻雀搜索算法、遗传算法和量子遗传算法进行了原理的分析阐述;其次,通过两种典型测试函数测试三种算法的各自性能,可以看出不同算法的收敛速度和最终寻优能力有着一定的差别,发现了在两种函数的测试中,麻雀算法的寻优能力都比较突出,验证了麻雀算法的有效性。因此选取收敛速度较快、结构较为简约、精度高、模式新颖的麻雀搜索算法作为外层优化的算法。(4)在前面两部分的基础上,进行了容量优化配置。采用一大工业用户的负荷数据作为算例,用所建立的双层优化配置模型对算例进行了仿真优化,得到了锂离子电池和铅酸电池两种模式下的储能配置结果,分析了两种电池的特点和优劣,比较了锂电池和铅酸电池两种情况下的容量配置和经济性,并验证了模型的有效性。
许易经[6](2021)在《电力系统状态检修决策的多阶段随机优化理论研究》文中进行了进一步梳理在状态检修背景下,从系统运行角度统筹决策各个设备的状态检修时机,进行电力系统状态检修决策(本文的电力系统指具有电力背景的系统,如发电系统,输电系统,发输电系统,配电系统等),可以从系统决策层面利用实际设备状态信息,最大程度地挖掘设备状态监测和评估技术在决策应用层面的潜力,对于提升电力系统的设备资产管理及运行可靠性水平具有重要的理论和现实意义。目前的电力系统状态检修决策模型利用研究周期开始时的实际状态信息和研究周期内的预测的设备状态变化过程,优化决策得到固定的检修计划,缺乏对研究周期内潜在的新增状态信息的应对策略。这类研究在离线监测背景下是合理的,因为使用离线监测在研究周期内能获得的状态信息有限,自然无法在决策时做出完备的检修策略。然而设备状态监测技术正迅速向在线监测发展,设备状态在线监测和评估技术可以实时感知设备状态,其在决策应用层面的影响是在研究周期内可获得的新增状态信息量会急剧增加,这为制定完备的检修策略提供了基础。从随机优化理论的角度看,目前的电力系统状态检修决策理论属于两阶段随机优化,其第一阶段的检修决策需要在研究周期内的设备状态实现之前做出,若要制定一个可以自适应于研究周期内设备状态的逐渐实现过程的系统级检修策略,需要在多阶段随机优化理论框架下重新审视电力系统状态检修决策问题。对此,本文针对电力系统状态检修决策的多阶段随机优化问题展开深入的理论研究。目的是在完备的设备状态在线监测和评估技术背景下,将多阶段随机优化理论应用到电力系统状态检修决策中,制定可以自适应于研究周期内设备状态的逐渐实现过程的系统级检修策略。这样可以充分利用在线监测信息,将决策与设备状态变化过程紧密关联,使检修决策更加精准有效,进一步提升电力系统的设备资产管理及运行可靠性水平。本文研究内容如下:(1)对电力系统状态检修决策的多阶段随机优化问题进行概述。首先介绍多阶段随机优化的基本理论;然后针对电力系统状态检修决策,讨论其多阶段随机优化问题,具体包含以下问题:1)建立两类决策问题,包括检修决策问题和运行调度决策问题;2)建立多阶段决策过程;3)建立多阶段随机优化模型;4)考虑滚动决策的实际情况,依据滚动决策周期是否小于研究周期分为两种情况,分别讨论其决策执行情况和多阶段随机优化的优势。后文以此为基础进行具体的建模和求解工作。(2)提出了一种考虑N-K安全约束的两阶段鲁棒-随机优化模型。该模型以研究周期内的设备预防性检修成本和期望故障后检修成本之和最小为目标,优化决策设备的检修计划,同时在各个时段内满足系统运行的N-K安全约束。考虑N-K安全约束需要在随机优化模型中列举出大量的预想事故,导致模型规模过大难以求解,所以采用两阶段鲁棒优化框架来重构问题:第一阶段决策检修计划;第二阶段在第一阶段给出的检修计划下,决策最严重预想事故下的系统运行调度方案。由于在此框架的第一阶段中仍然存在设备检修决策的随机优化问题,所以自然形成了一个内嵌随机优化问题的两阶段鲁棒优化模型,称为两阶段鲁棒-随机优化模型。此模型采用C&CG(Column and Constraint Generation)算法进行求解,为了加速收敛,提出一种针对此模型的增强型C&CG,基本思路是在每次迭代过程中添加额外的基于迭代解子集的最严重预想事故场景。最后通过两个算例说明所提出方法的有效性。(3)提出了一种基于检修门槛决策规则的多阶段随机优化模型。为防止设备在检修计划前故障导致计划失效的情况,在已有两阶段随机优化模型中引入检修门槛的概念,此检修门槛与检修计划共同构成决策规则,表现为从设备状态变化过程到检修决策的映射。在此决策规则下可以使检修决策自适应于研究周期内设备状态的逐渐实现过程,实现了多阶段随机优化的概念。决策规则具体为一旦设备状态在检修计划前达到检修门槛,则将原计划提前执行以防止发生故障。在此基础上,给出随预定检修计划和检修门槛变动的期望设备故障后检修成本和期望系统中断运行成本的数学表达,并以研究周期内二者之和最小为目标,计及相关检修和运行调度约束,优化决策检修门槛和预定检修计划,以此建立基于检修门槛决策规则的多阶段随机优化模型,并用遗传算法对模型进行求解。最后通过两个算例来验证所提出方法的有效性。(4)提出了一种自适应多阶段随机优化模型。目的是给出一种不受任何决策规则限制的自适应于研究周期内设备状态的逐渐实现过程的系统级检修策略。首先基于多阶段决策过程建立了完整的自适应多阶段随机优化模型,该模型需要针对场景树中的每一个节点给出决策,而节点数会随阶段数的增长呈指数增长,这导致模型规模过大,难以计算。进一步从马尔可夫决策过程的角度重构问题,检查每个阶段决策后可能出现的独立状态,可以发现独立状态的数目不会随阶段数的增长而无限制的增长,这样可以转而针对马尔可夫决策过程的独立状态做决策,避免了场景树规模过大的问题。然而在求解马尔可夫决策过程的每个阶段的递归方程时会遇到维数灾问题,进一步引入近似动态规划的概念,其用采样学习的方法代替完整反向归纳的方法,避免了维数灾问题,具体步骤包括:1)用决策后状态重构动态规划,将原来每个阶段需要求解的随机优化问题替换为确定优化问题;2)用正向动态规划方法避免了状态空间的维数灾;3)用抽样状态空间代替真实状态空间,避免了随机生成状态空间的维数灾;4)用近似值函数方法避免了动作空间的维数灾。最后通过三个算例说明了所提出方法的有效性。
李佳佳[7](2021)在《适应网荷互动的可中断负荷特性及监测模型研究》文中提出近二十年经济高速发展促进了产业结构的优化升级,使得电力需求呈现出显着的季节性差异,用电尖峰越来越明显。随着电力系统中需求侧资源响应能力的持续改善,需求侧在保持网荷平衡中的功能越发突出。但事实上,电力消费需求仍然高于传统电力供应能力,为了保障能源安全,保证电力供给的效率和可靠性,对电力供应与需求机制的研究刻不容缓,而对适用于网荷互动的负荷特性的研究则是其中的重要环节。首先针对高能耗工业、商业和居民三类典型负荷的生产(消费)流程、负荷设备及用电特性进行了研究,评估了三类典型负荷成为可中断负荷的潜在能力;通过计算电力客户的基线负荷,与其实际负荷对比,获得用户的实际可中断量;通过构建负荷损失成本计算模型,分析了不同行业的损失成本数据。其次,通过对可中断负荷的不确定性影响因素模型的研究,推断出可中断负荷的波动范围,据此归纳出对可中断负荷产生不确定影响的两方面原由:负荷削减总需求和用户响应。并采用区间概率分布对不确定性进行建模,量化了不确定性成分对系统的作用;接着对概率分布参数估计方法进行了研究,评估了最小二乘法作为参数估计方法得到的拟合结果的准确性;通过算例对目标负荷响应用户的响应不确定性进行剖析,得到可中断负荷的波动范围。最后,研究了可中断负荷的监测控制评价模型,从参加项目的可中断负荷的物理特性、历史数据以及不确定性几个维度综合得到各类用户的可中断量,定量描述了负荷参与可中断的潜力及其波动;分析了目前存在的可中断负荷管理几大模式,选择了适用于扬州电网的合理可中断模型,并结合可中断负荷特性模型定制了详细的控制方法,初步建立了参加可中断负荷需求响应项目的用户潜力评价指标体系。本研究结合了扬州数家用户的实际运行数据,评估了不同行业可中断潜力及可中断能力,初步建立了评价指标体系,为可切负荷选择和精准负荷管控提供了实施思路。
邢月[8](2021)在《风电机组运行状态监测与健康维护关键技术研究》文中认为随着风电在我国电力能源结构中占比不断提升,如何在提升风电机组发电能力的同时,降低运行和维护成本,已成为风能能否长期健康发展的关键因素。针对风电机组发电量低于额定值、整机综合性能不明确、关键部件异常事件突然发生等问题,本文从“整机发电性能”、“整机综合性能”和“关键子系统”三个角度分析了风电机组运行状态监测与健康维护的关键技术,以达到提升风电机组运行状态的目的。本文主要的研究内容为:1.针对风能随机波动性导致输出功率变化范围大,掩盖机组发电性能趋势的问题,提出基于标准功率曲线的整机发电性能评价方法。以额定功率为基准,将输出功率转换为瞬时效率,为评估不同时间点的发电效率提供了标准化基准;由于瞬时效率在不同风速区具有不同分布特征,因此,采用分位数方式将瞬时效率划分分级,使其在风速区具有相同的等级评定标准。通过构建评价当前发电性能的发电指数模型和表征机组在可实现范围内发电量上升空间的发电潜力模型对机组发电性能进行在线定量评价。2.针对整机综合性能不明确,运行参数阈值宽泛的问题,提出了基于基准空间的风电机组整机综合性能评估和优化模型。根据风能转换阶段能量的损失机制,确定了评价整机综合性能的指标体系;针对SCADA数据量大,且缺乏标签的问题,使用无监督算法对由多维变量组成的运行状态的相似性进行量化;通过分析运行状态相似度的分布特性,确定了风电机组运行状态的基准空间;通过量化在线数据和固定基准空间之间的相似性,对风电机组的整体综合性能进行了评价;为了能够改善机组的性能,在调整运行参数方面,利用基准空间建立了风电机组的运行优化模型。3.针对偏航系统的部分动作没有实际输出,但这些动作却降低了偏航系统稳定性的问题,提出了采用数据挖掘的方法减少无效偏航动作的思路;通过量化偏航动作的连续性和风能随机性的影响,提取了与偏航系统启动和停止相关的多维变量;为了减少偏航无效动作优化模型的输入参数,使用决策树算法对多维变量进行了特征选择,该算法对噪声数据有很好的适应性;根据历史数据建立了偏航系统优化模型,采用偏航次数和偏航时间评估了模型的有效性。4.针对风电机组关键子系统的异常表征在早期阶段不明显,而且只在某些风速区间出现的问题,提出了综合热特性和数据挖掘的关键部件异常识别模型。以关键部件的热特性为基础,得出热平衡过程中关键参数的变化机制;为了解决关键参数的变化率和风速的变化率在同一时间不匹配的问题,使用区域内极值法和数据平滑法,获得同一时间跨度内不同时间尺度的风速和关键参数的变化率;利用正常历史数据和参数变化率建立了关键子系统异常识别模型;通过同步构建各关键参数的异常识别模型,实现了异常设备的定位和异常原因的确定,为风电机组运行维护提供指导。
王蕾[9](2021)在《电力信息物理协同攻击检测与序列模式挖掘方法研究》文中研究说明随着智能电网和能源互联网战略的推进,大量的电气设备、数据采集装置和计算终端通过电网、通信网两个实体网络互连,传统以物理设备为核心的电力系统已逐渐演变成为高度耦合的电力信息物理系统(Cyber Physical System,CPS),即电力CPS。由于这种耦合依赖性,网络攻击不仅可以破坏信息系统的相关功能,还可以通过信息系统渗透到电力物理系统,危害电力系统运行的安全性和稳定性,特别是近年来出现的电力信息物理协同攻击,已经导致多起电网大停电事故,破坏电力系统运行状态。电力信息物理协同攻击(Coordinated Cyber Physical Attack,CCPA)可以描述成一个离散的信息侧与物理侧联合攻击事件序列,攻击过程具有较强的时序性和关联性,由于物理电网拓扑与信息系统传输链路具有密切的耦合关系,因此在确定的信息网-物理网连接关系下,协同攻击可能发生的路径虽然众多,但这些路径之间具有一些共性的规律,通过挖掘不同攻击路径的演变过程,可以发现其中起关键作用的攻击环节和攻击意图,对于识别电力CPS的脆弱环节、制定电力信息物理协同攻击预防和阻断策略具有重要意义。本文研究的电力信息物理协同攻击序列模式是指:联合信息侧的告警事件和物理侧的电网量测、决策指令等信息,从中挖掘协同攻击在电力CPS中演变的共性行为特征的过程,不同攻击路径表示的协同攻击过程在攻击发生条件、攻击事件顺序等方面不一定完全相同,但攻击序列模式可能是相同的。研究工作可分为攻击行为检测、攻击路径提取、攻击序列模式挖掘共3个方面,具体研究工作如下:(1)攻击行为检测方面,针对物理电网自然故障与协同攻击导致的故障现象具有相似性,且攻击样本不平衡、数据维度高,造成攻击识别准确率低、泛化能力差的问题,提出了基于CS_GBDT的电力CPS协同攻击检测方法。首先,根据信息网络与物理电网耦合关系,建立信息-物理拓扑关联索引表,通过耦合映射建立信息物理联合状态链;其次,构建了基于PCA_Two Step聚类的运行状态类别聚合模型,获取不同攻击状态的全部最优特征,兼顾攻击事件特征集合的表示能力和分类能力,设计了运行状态类别不平衡处理方法;最后,通过优化GBDT算法中代价敏感损失函数,给出了协同攻击分类检测算法,仿真实例表明算法在降低误报率的同时提高了攻击检测的准确率。(2)攻击路径提取方面,协同攻击会导致电力系统产生不同故障状态,如何根据这些可见的故障序列快速、准确地提取出隐藏的攻击路径是采取有效响应防御措施的关键问题,提出了基于HMM的电力信息物理攻击路径提取模型。首先,对信息系统和物理系统的原始状态序列符号化表示、过滤、分割和融合处理,获取同一攻击者产生的系统故障联合序列;然后,依据设计的信息物理协同攻击与系统故障的映射表,动态生成系统故障发生概率矩阵,并引入灵敏度概念量化分析信息攻击与物理攻击交互影响程度;最后,给出隐马尔可夫模型实现算法。经RT-LAB与OPNET联合仿真实验表明,该模型可以从系统故障联合序列中有效提取攻击路径。(3)攻击序列模式挖掘方面,由于物理电网故障信息与信息系统告警日志缺乏关联性,无法提取异构数据中不同攻击步骤间的发生次序特征,难以揭示入侵行为模式,为解决这一问题,提出了基于时序拓扑约束的协同攻击序列模式挖掘方法。首先,根据不同攻击下量测数据特征曲线的变化规律,设计了物理攻击事件组合判据方法,从海量的量测数据集中识别物理攻击事件类型。然后,采用模糊C均值聚类算法根据信息告警日志攻击特征进行聚类,并提出基于模糊特征分析的信息攻击序列识别方法,解析出同一攻击者的信息攻击序列。最后,基于时序和拓扑约束,对物理攻击事件和信息攻击序列进行关联匹配,有效辨识攻击序列模式。通过密西西比州立大学的Test Bed攻击实验,对方法的有效性和效率进行了验证。
相晨萌,曾四鸣,闫鹏,赵建利,贾伯岩[10](2021)在《数字孪生技术在电网运行中的典型应用与展望》文中研究指明随着电网建设规模的扩大和数字经济的推动,电网数字化和智能化越来越成为电力行业发展的迫切需求。数字孪生技术基于数字化标识、自动化感知、网络化连接、普惠化计算、智能化控制和平台化服务等信息技术体系,为推进电网安全稳定运行、建设能源互联网企业提供了新思路和途径。该文基于数字孪生的概念、基本架构和特征,提出了数字孪生电网的内涵,构建了数字孪生电网的框架,阐释了数字孪生电网的运行模式,分析了数字孪生电网的关键技术,并从设备层、电网层、业务层和运营管理层4个层面提出了数字孪生技术在电网企业可实现的典型应用,为数字孪生电网的建设提供了理论支撑,指明了发展方向和建设思路。
二、电网运行监测和决策支持系统的研究与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电网运行监测和决策支持系统的研究与实现(论文提纲范文)
(1)智能电网下充电站优化运营模型及决策支持系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 充电站选址规划模型研究现状 |
1.2.2 充电站运营与可再生能源协同优化配置模型的研究现状 |
1.2.3 充电站引导有序充电协同优化运营模型研究现状 |
1.2.4 充电站运营管理机制及平台研究现状 |
1.3 论文框架结构及主要内容 |
1.4 论文研究创新点 |
第2章 充电站建设运营项目发展与问题分析 |
2.1 充电站系统运营界定 |
2.1.1 充电站运营特点 |
2.1.2 充电站运营业务 |
2.2 充电站站建设运营项目发展分析 |
2.2.1 充电站建设运营政策分析 |
2.2.2 充电站建设运营经济分析 |
2.2.3 充电站建设运营发展技术分析 |
2.3 智能电网与充电站运营交互作用 |
2.3.1 智能电网与充电站运营的交互过程 |
2.3.2 智能电网是充电站优化运营的条件 |
2.3.3 智能电网提升充电站对资源的优化配置 |
2.3.4 智能电网对充电站建设运营影响 |
2.4 多角度优化充电站运营决策问题的提出 |
2.4.1 如何从运营优化的角度进行充电站选址决策 |
2.4.2 如何从多系统协同优化的角度提升运营决策的整体效用 |
2.4.3 如何从可盈利运营模式角度引导充电站优化运营决策 |
2.4.4 如何依据用户行为优化充电站运营决策 |
2.4.5 如何从资源综合运用角度制定充电站优化运营决策 |
2.5 本章小结 |
第3章 引入优化运营视角的充电站选址模型研究 |
3.1 相关理论与问题分析 |
3.1.1 充电站选址规划的相关理论 |
3.1.2 相关问题分析 |
3.2 充电站选址影响因素分析 |
3.2.1 充电服务需求的影响因素 |
3.2.2 充电站选址影响用户满意度的因素 |
3.3 电动汽车充电站选址模型构建 |
3.3.1 问题描假设 |
3.3.2 截取道路车流量的模型 |
3.3.3 路途不确定下的鲁棒优化选址模型 |
3.3.4 充电站负荷能力约束优化模型 |
3.4 本章小结 |
第4章 充电站运营系统优化决策模型群构建 |
4.1 引言 |
4.2 电动汽车用户充电决策行为模型 |
4.2.1 相关算法 |
4.2.2 模型空间状态分析 |
4.2.3 基于Q-Learning算法的用户充电行为决策模型 |
4.3 充电站电动汽车有序充电优化决策模型 |
4.3.1 充电站引导电动汽车有序充电控制原理 |
4.3.2 充电站引导电动汽车有序充电的决策模型 |
4.3.3 算例分析 |
4.4 充电站充放电与可再生能源发电优化模型 |
4.4.1 智能电网下充电站充放电的特征 |
4.4.2 可再生能源发电的特征 |
4.4.3 充电站的负荷响应对电网消纳风力发电能力影响模型 |
4.5 本章小结 |
第5章 可持续发展的充电站运营机制研究 |
5.1 充电站供需侧匹配模式 |
5.1.1 常见充电站供需调度模式 |
5.1.2 充电站供需调度匹配模式改进 |
5.2 充电站快速充电服务供需调度模式 |
5.2.1 充电站快速分层调度管理模式 |
5.2.2 充电站快速供需调度匹配运行模式 |
5.2.3 充电站快速充电供需匹配的支撑技术 |
5.3 供需侧匹配的政策激励机制 |
5.4 市场博弈下充电站运营机制研究 |
5.5 本章小结 |
第6章 充电站运营决策支持系统研究 |
6.1 系统研究意义和目的 |
6.2 系统需求分析和业务功能 |
6.2.1 系统需求分析 |
6.2.2 决策支持系统的业务功能 |
6.3 系统模块组成及设计 |
6.3.1 数据库模块设计 |
6.3.2 模型库模块设计 |
6.3.3 方法库模块设计 |
6.3.4 知识库模块设计 |
6.3.5 多媒体库模块设计 |
6.4 构建充电智能服务平台 |
6.4.1 业务平台 |
6.4.2 技术支撑平台 |
6.4.3 云服务支撑平台 |
6.4.4 数据采集 |
6.5 本章小结 |
第7章 研究成果与结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)Elasticsearch在电网调度数据管理的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景 |
1.2.1 电网智能化发展趋势 |
1.2.2 调度自动化系统的发展历程和趋势 |
1.2.3 现调度所用关系型数据库不能满足电网调度大数据的需要 |
1.3 国内外研究现状和趋势 |
1.4 主要研究内容及结构 |
第二章 基于云计算的电网调度数据存储 |
2.1 电网调度数据管理现状与发展趋势 |
2.1.1 电网调度数据管理现状 |
2.1.2 未来云调度数据管理 |
2.1.3 电网调度数据管理对比分析 |
2.2 电网调度分布式数据库HBase |
2.2.1 分布式云计算及其核心技术 |
2.2.2 基于云计算的Hadoop架构及其核心组件 |
2.2.3 基于Hadoop架构的数据库HBase |
2.3 基于云计算的电网调度数据库HBase的搭建、运行与测试 |
2.3.1 Hadoop集群的搭建 |
2.3.2 Hadoop分布式文件系统的调优 |
2.3.3 电网调度数据库HBase的搭建与运行 |
2.3.4 电网调度数据库HBase的测试 |
2.4 本章小结 |
第三章 Elasticsearch在电网调度监测数据查询的应用 |
3.1 电网调度监测数据查询现状 |
3.2 电网调度监测数据查询需求 |
3.2.1 电网调度运行数据查询需求 |
3.2.2 输变电设备在线监测数据查询需求 |
3.3 Elasticsearch在电网调度监测数据查询的应用 |
3.3.1 Elasticsearch分布式搜索引擎 |
3.3.2 电网调度监测数据的二级索引结构 |
3.3.3 电网调度监测数据的二级索引结构设计 |
3.3.4 电网调度监测数据的二级索引结构实现 |
3.3.5 电网调度监测数据读写流程 |
3.4 电网调度监测数据查询测试 |
3.4.1 Elasticsearch搭建与实验环境 |
3.4.2 电网调度运行数据查询测试 |
3.4.3 输变电设备在线监测数据查询测试 |
3.5 本章小结 |
第四章 Elasticsearch在电网调度日志管理的应用 |
4.1 电网调度日志管理现状 |
4.2 基于Elasticsearch的调度自动化系统日志管理架构 |
4.3 电网调度日志管理实现 |
4.3.1 日志实时采集模块 |
4.3.2 日志过滤解析模块 |
4.3.3 日志存储与查询模块 |
4.3.4 日志可视化模块 |
4.4 本章小结 |
第五章 电网调度数据管理系统开发与实现 |
5.1 需求分析 |
5.1.1 功能需求分析 |
5.1.2 非功能性需求分析 |
5.2 功能结构设计 |
5.2.1 结构设计 |
5.2.2 功能设计 |
5.3 开发实现 |
5.3.1 基于RESTful API的后端处理开发 |
5.3.2 基于WCF的数据服务开发 |
5.3.3 基于B/S模式的前端交互开发 |
5.4 性能测试 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
6.3 主要创新点 |
5 参考文献 |
附录 A |
致谢 |
攻读硕士学位期间取得的研究成果 |
(3)气电耦合虚拟电厂运营优化及风险评价模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 虚拟电厂发展研究综述 |
1.2.2 虚拟电厂参与能源电力市场研究综述 |
1.2.3 虚拟电厂运营优化研究综述 |
1.2.4 虚拟电厂风险评价研究综述 |
1.3 论文主要研究内容及技术路线 |
1.3.1 论文主要研究内容 |
1.3.2 论文研究技术路线 |
1.4 论文研究主要成果和创新点 |
1.4.1 本文主要研究成果 |
1.4.2 本文主要创新点 |
第2章 气电耦合虚拟电厂相关理论基础 |
2.1 气电耦合虚拟电厂基础理论 |
2.1.1 气电虚拟电厂基本概念 |
2.1.2 气电虚拟电厂发展过程 |
2.1.3 气电虚拟电厂主要类型 |
2.2 气电耦合虚拟电厂运营特征 |
2.2.1 形态特征 |
2.2.2 结构特征 |
2.2.3 技术特征 |
2.2.4 应用特征 |
2.3 气电耦合虚拟电厂内外部运营优化规则 |
2.3.1 内外部主体构成 |
2.3.2 外部运营策略优化 |
2.3.3 内部协同运行模式 |
2.4 气电耦合虚拟电厂应用项目经验总结及启示 |
2.4.1 国外虚拟电厂应用项目 |
2.4.2 国内虚拟电厂应用项目 |
2.4.3 经验总结与启示 |
2.5 本章小结 |
第3章 计及多重不确定性的气电耦合虚拟电厂运营优化模型研究 |
3.1 引言 |
3.2 多重不确定性分析及运行架构 |
3.2.1 多重不确定性分析 |
3.2.2 多重不确定性设备参与气电耦合运行架构 |
3.3 计及多重不确定性的气电虚拟电厂多目标优化模型 |
3.3.1 目标函数 |
3.3.2 约束条件 |
3.3.3 不确定性处理 |
3.4 气电耦合虚拟电厂多目标运营优化求解方法 |
3.4.1 多目标优化模型求解 |
3.4.2 基于捕食搜索策略的遗传算法 |
3.4.3 设计优化模型求解流程 |
3.5 算例分析 |
3.5.1 基础数据 |
3.5.2 仿真结果分析 |
3.5.3 敏感性分析 |
3.5.4 收敛性分析 |
3.6 本章小结 |
第4章 计及电动汽车特性的气电耦合虚拟电厂运营优化模型研究 |
4.1 引言 |
4.2 气电虚拟电厂电动汽车运行特性及运行架构 |
4.2.1 电动汽车及耦合设备运营特性 |
4.2.2 电动汽车及耦合设备参与气电耦合运行架构 |
4.3 计及电动汽车特性的气电虚拟电厂运营优化模型 |
4.3.1 目标函数 |
4.3.2 约束条件 |
4.4 气电耦合虚拟电厂运营优化模型求解算法 |
4.4.1 典型粒子群优化算法 |
4.4.2 混沌优化算法 |
4.4.3 设计优化模型求解流程 |
4.5 算例分析 |
4.5.1 基础数据 |
4.5.2 场景设置 |
4.5.3 算例结果分析 |
4.5.4 敏感性分析 |
4.5.5 收敛性分析 |
4.6 本章小结 |
第5章 计及综合需求响应的气电耦合虚拟电厂运营优化模型研究 |
5.1 引言 |
5.2 虚拟电厂参与综合需求响应的交易机制与特性分析 |
5.2.1 虚拟电厂参与综合需求响应的交易机制 |
5.2.2 综合需求响应特性分析 |
5.3 计及综合需求响应的气电虚拟电厂运营优化模型 |
5.3.1 目标函数 |
5.3.2 约束条件 |
5.3.3 条件风险价值均值-方差模型 |
5.4 气电耦合虚拟电厂参与综合需求响应运营的求解算法 |
5.4.1 互利共生阶段 |
5.4.2 偏利共生阶段 |
5.4.3 寄生阶段 |
5.4.4 基于旋转学习策略的SOS改进 |
5.5 算例分析 |
5.5.1 基础数据 |
5.5.2 仿真结果分析 |
5.5.3 求解算法性能对比 |
5.6 本章小结 |
第6章 计及多角度特性下气电耦合虚拟电厂运营风险评价模型研究 |
6.1 引言 |
6.2 多角度特性下气电虚拟电厂运营风险分析 |
6.2.1 多重不确定特性产生风险分析 |
6.2.2 含电动汽车产生风险分析 |
6.2.3 综合需求响应产生风险分析 |
6.3 设计气电耦合虚拟电厂风险评价指标体系 |
6.3.1 风险评价指标选取原则 |
6.3.2 设计风险评价指标体系 |
6.3.3 风险评价指标的预处理 |
6.4 基于熵权法-序关系改进的云模型风险评价模型 |
6.4.1 熵权-序关系赋权法 |
6.4.2 云模型算法 |
6.4.3 设计风险评价计算流程 |
6.5 算例分析 |
6.5.1 场景设置 |
6.5.2 基于改进云模型风险评价的结果分析 |
6.5.3 基于传统模糊综合评价的结果分析 |
6.6 本章小结 |
第7章 研究成果和结论 |
7.1 本文主要结论 |
7.2 未来研究展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)信息物理融合环境下网络攻击的微电网弹性控制策略(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 CPS综合安全与弹性控制 |
1.2.1 网络攻击与CPS安全 |
1.2.2 弹性控制 |
1.3 国内外研究现状 |
1.3.1 入侵与攻击检测技术 |
1.3.2 状态与控制重构技术 |
1.3.3 多智能体的弹性一致性技术 |
1.4 主要研究内容 |
1.5 本文组织结构 |
第2章 微电网CPS建模及控制架构研究 |
2.1 引言 |
2.2 微电网CPS建模 |
2.2.1 微电网典型CPS结构 |
2.2.2 CPS过程流与网络攻击基本模型 |
2.3 分布式电源建模 |
2.3.1 光伏模型 |
2.3.2 风机模型 |
2.3.3 微型燃气轮机模型 |
2.3.4 储能电池模型 |
2.4 微电网分层控制架构及控制模式 |
2.4.1 分层控制架构及控制目标 |
2.4.2 微电网控制模式 |
2.5 控制理论基础 |
2.5.1 Lyapunov稳定性理论 |
2.5.2 基础图论知识 |
2.5.3 多智能体一致性理论 |
2.6 本章小结 |
第3章 量测信号异常下并网微电网的恒功率控制研究 |
3.1 引言 |
3.2 并网运行微电网中DG逆变器系统建模 |
3.2.1 恒功率控制模式下DG逆变器状态空间模型 |
3.2.2 基于LQR的输出反馈电流控制环设计 |
3.2.3 CT量测信号异常模型 |
3.3 基于SMO-VUFC的恒功率控制策略 |
3.3.1 SMO设计及稳定性分析 |
3.3.2 基于VUFC的增益调整机制 |
3.3.3 异常信号估计与状态重构 |
3.4 仿真实验与分析 |
3.4.1 典型CT故障及网络攻击场景仿真验证 |
3.4.2 异常信号估计方法性能比较 |
3.4.3 异常估计与状态重构策略性能验证 |
3.5 章节小结 |
第4章 控制信号异常下孤岛微电网的频率-有功控制研究 |
4.1 引言 |
4.2 微电网常规分布式频率-有功次级控制策略 |
4.2.1 对等模式下DG的初级控制 |
4.2.2 基于领导-跟随一致性的分布式次级控制 |
4.2.3 控制信号异常对分布式次级控制的影响分析 |
4.3 计及控制信号异常的分布式自适应控制策略 |
4.3.1 基于Artstein变换的时延补偿机制 |
4.3.2 基于滑模的的分布式自适应控制 |
4.4 仿真实验与分析 |
4.4.1 微电网正常运行时的控制策略性能验证 |
4.4.2 输入时延变化下的控制策略性能验证 |
4.4.3 异常控制信号影响下的控制策略性能验证 |
4.4.4 控制信号异常下不同控制策略性能比较 |
4.5 章节小结 |
第5章 控制决策单元异常下孤岛微电网的电压-无功控制研究 |
5.1 引言 |
5.2 微电网分布式电压-无功控制及FDI攻击建模 |
5.2.1 基于平均值估计信息的电压-无功分布式控制 |
5.2.2 FDI攻击下电压-无功控制策略的脆弱性分析 |
5.3 基于信誉机制的分布式电压-无功弹性控制策略 |
5.3.1 DG异常行为检测阶段 |
5.3.2 信誉度评估阶段 |
5.3.3 恶意DG辨识阶段 |
5.3.4 攻击抑制与恢复阶段 |
5.4 仿真实验与分析 |
5.4.1 暂态扰动场景 |
5.4.2 持续FDI攻击场景 |
5.4.3 多攻击者与共谋攻击场景 |
5.4.4 参数选取对所提弹性控制策略影响分析 |
5.5 章节小结 |
第6章 通信服务中断异常下孤岛微电网的电压-无功控制研究 |
6.1 引言 |
6.2 微电网常规分布式电压稳定与无功均分控制 |
6.2.1 微电网电气网络建模 |
6.2.2 基于一致性的无功功率均分控制策略 |
6.3 DoS攻击下基于自触发通信的电压-无功控制 |
6.3.1 DoS攻击建模 |
6.3.2 基于改进三元组自触发通信的控制策略 |
6.3.3 收敛性能分析 |
6.4 仿真实验与分析 |
6.4.1 负载变化下的性能验证 |
6.4.2 通信需求比较 |
6.4.3 DG即插即用下的性能验证 |
6.4.4 DoS攻击下的性能验证 |
6.4.5 高频DoS攻击下的性能比较 |
6.5 章节小结 |
第7章 结论与展望 |
7.1 论文结论 |
7.2 未来工作展望 |
参考文献 |
攻读博士学位期间发表的学术论文 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简历 |
(5)基于双层决策模型的用户侧储能优化配置方法(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文研究内容 |
第2章 储能系统的总体设计 |
2.1 用户侧储能的总体结构 |
2.2 电池单元 |
2.2.1 铅蓄电池 |
2.2.2 锂离子电池 |
2.2.3 液流电池 |
2.2.4 电池储能技术特性 |
2.3 光伏单元 |
2.3.1 光伏发电原理 |
2.3.2 光伏发电功率模型 |
2.4 监测控制系统设计 |
2.4.1 系统硬件设计方案 |
2.4.2 监测控制系统软件设计 |
2.5 本章小结 |
第3章 基于双层决策的储能优化配置模型 |
3.1 双层决策模型 |
3.2 外层优化 |
3.2.1 外层目标 |
3.2.2 外层约束 |
3.3 内层优化 |
3.3.1 内层目标 |
3.3.2 内层约束 |
3.4 内层工具和程序 |
3.5 本章小结 |
第4章 外层优化算法 |
4.1 遗传算法 |
4.1.1 遗传算法简介 |
4.1.2 实现过程 |
4.2 量子遗传算法 |
4.2.1 基本概念 |
4.2.2 关键步骤 |
4.3 麻雀搜索算法 |
4.3.1 问题描述 |
4.3.2 算法构思 |
4.3.3 算法原理 |
4.3.4 算法改进 |
4.3.5 算法流程 |
4.4 本章小结 |
第5章 算例分析及实际应用 |
5.1 算例数据 |
5.2 几种算法的对比 |
5.2.1 标准函数测试 |
5.2.2 遗传算法 |
5.2.3 量子遗传算法 |
5.2.4 麻雀搜索算法 |
5.3 优化配置结果 |
5.4 经济性分析 |
5.5 监测控制系统的应用 |
5.5.1 监测控制系统硬件框图与接线 |
5.5.2 系统应用分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 研究展望 |
参考文献 |
发表论文和科研情况说明 |
致谢 |
(6)电力系统状态检修决策的多阶段随机优化理论研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 检修模式和电力系统检修决策理论的发展历程 |
1.2.2 电力系统状态检修决策理论的研究现状 |
1.3 目前存在的问题 |
1.4 本文研究内容 |
第2章 多阶段随机优化问题概述 |
2.1 引言 |
2.2 多阶段随机优化的基本理论 |
2.3 问题描述 |
2.4 本章小结 |
第3章 考虑N-K安全约束的两阶段鲁棒-随机优化模型 |
3.1 引言 |
3.2 问题描述 |
3.2.1 两阶段决策过程 |
3.2.2 考虑N-K安全约束的系统状态检修决策模型 |
3.2.3 设备元件不可用度计算 |
3.2.4 两阶段鲁棒-随机优化模型 |
3.3 算法 |
3.3.1 分解算法框架 |
3.3.2 C&CG算法 |
3.3.3 增强型C&CG算法 |
3.4 算例 |
3.4.1 算例1:简单系统 |
3.4.2 算例2:修改的RTS79系统 |
3.5 本章小结 |
第4章 基于检修门槛决策规则的多阶段随机优化模型 |
4.1 引言 |
4.2 问题描述 |
4.2.1 基于检修门槛决策规则的多阶段决策过程 |
4.2.2 设备状态转移过程 |
4.2.3 设备可用度及期望故障次数计算 |
4.2.4 基于检修门槛决策规则的多阶段随机优化模型 |
4.3 算法 |
4.4 算例 |
4.4.1 算例1:RTS79系统 |
4.4.2 算例2:扩展的RTS79系统 |
4.5 本章小结 |
第5章 自适应多阶段随机优化模型 |
5.1 引言 |
5.2 问题描述 |
5.2.1 多阶段决策过程 |
5.2.2 多阶段随机优化模型 |
5.2.3 马尔可夫决策过程 |
5.2.4 设备状态转移概率计算 |
5.3 近似动态规划 |
5.3.1 动态规划的三种维数灾 |
5.3.2 用决策后状态重构动态规划 |
5.3.3 正向动态规划 |
5.3.4 用抽样状态空间代替真实状态空间 |
5.3.5 近似值函数 |
5.4 算例 |
5.4.1 算例1:简单系统1 |
5.4.2 算例2:简单系统2 |
5.4.3 算例3:修改的RTS79系统 |
5.5 本章小结 |
第6章 结论与展望 |
参考文献 |
致谢 |
攻读博士学位期间发表与录用的学术论文 |
攻读博士学位期间参与的课题研究与项目研发 |
学位论文评阅及答辩情况表 |
(7)适应网荷互动的可中断负荷特性及监测模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 项目背景及意义 |
1.2 国内外研究现状 |
1.2.1 可中断负荷实施方式 |
1.2.2 可中断负荷实施情况 |
1.2.3 江苏电网源网荷精准切负荷系统 |
1.3 论文主要工作 |
1.4 章节内容分配 |
第2章 典型用户可中断负荷特性研究 |
2.1 可中断工业负荷特性研究 |
2.1.1 钢压延加工行业 |
2.1.2 机械加工行业 |
2.1.3 造船业 |
2.1.4 水泥业 |
2.1.5 化工行业 |
2.1.6 纺织业 |
2.2 商业负荷 |
2.3 居民负荷 |
2.4 可中断负荷特性建模 |
2.5 本章小结 |
第3章 可中断负荷损失成本分析 |
3.1 可中断负荷损失成本影响因素 |
3.1.1 提前通知时间 |
3.1.2 中断持续时间 |
3.1.3 中断发生时间 |
3.1.4 不同电压等级 |
3.2 可中断负荷损失成本评估计算模型 |
3.3 不同类型中断损失成本计算 |
3.3.1 延时可中断负荷中断成本计算 |
3.3.2 立即可中断负荷中断损失计算 |
3.4 典型行业用户损失成本评估分析 |
3.5 可中断负荷激励机制研究 |
3.6 本章小结 |
第4章 可中断负荷控制精度影响研究 |
4.1 需求响应不确定性分析 |
4.1.1 需求响应的随机性 |
4.1.2 需求响应的模糊性 |
4.1.3 需求响应中的粗糙性 |
4.2 可中断负荷不确定性表征模型 |
4.2.1 基于负荷削减需求的可中断不确定性建模 |
4.2.2 基于用户响应的可中断不确定性建模 |
4.3 参数估计方法 |
4.4 算例分析 |
4.5 本章小结 |
第5章 可中断负荷监控模型 |
5.1 基于历史数据的可中断负荷预测 |
5.1.1 负荷聚类 |
5.1.2 支持向量机算法 |
5.1.3 基于负荷聚类的支持向量机算法负荷模型 |
5.1.4 算例分析 |
5.2 可中断负荷具体控制策略 |
5.2.1 可中断管理模型各主要类型介绍 |
5.2.2 可中断管理模型选择 |
5.3 可中断负荷监控模型 |
5.4 本章小结 |
第6章 可中断负荷能效评价指标体系 |
6.1 可中断负荷评价指标 |
6.2 可中断负荷需求响应评估方法 |
6.2.1 层次分析法和专家打分法简介 |
6.2.2 权重划分及计算 |
6.3 算例分析 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 未来展望 |
参考文献 |
致谢 |
(8)风电机组运行状态监测与健康维护关键技术研究(论文提纲范文)
摘要 |
Abstract |
物理名称及符号表 |
第1章 绪论 |
1.1 课题研究背景 |
1.1.1 风电机组技术发展现状 |
1.1.2 风电机组运行维护面临的挑战 |
1.1.3 风电机组运行维护的新机遇 |
1.2 课题研究的目的和意义 |
1.2.1 风电机组运行状态监测与健康维护的内涵 |
1.2.2 课题研究目的及意义 |
1.3 课题国内外研究现状 |
1.3.1 风电机组运行状态监测研究现状 |
1.3.2 风电机组健康维护技术研究现状 |
1.4 本文主要研究内容及结构安排 |
第2章 风电机组发电性能在线评估 |
2.1 引言 |
2.2 风能对有功功率的影响 |
2.2.1 风能随机性的量化研究 |
2.2.2 有功功率理论变化 |
2.2.3 有功功率实际变化特性 |
2.3 基于分位数的发电性能在线评估模型 |
2.3.1 瞬时效率及分布特性 |
2.3.2 根据分位数对瞬时效率分类 |
2.3.3 风电机组发电指数 |
2.4 风电机组发电潜力评估模型 |
2.4.1 基于偏航变桨运行参数的工况划分 |
2.4.2 考虑风能随机性的有功功率预测模型 |
2.4.3 风电机组发电潜力指数 |
2.5 案例分析 |
2.5.1 相同时间段机组间对比 |
2.5.2 风能环境对机组的影响 |
2.5.3 异常状态效率分析 |
2.6 本章小结 |
第3章 风电机组整机综合性能在线评估 |
3.1 引言 |
3.2 风电机组整机综合性能评估功能分析与流程设计 |
3.3 整机综合性能评估和优化模型 |
3.3.1 计及损耗的指标体系构建 |
3.3.2 风电机组基准空间确定 |
3.3.3 计及风能随机性的整机综合性能评估 |
3.3.4 基于基准区间的风电机组整机综合性能的健康维护 |
3.4 计及风能变化的偏航系统无效动作优化模型 |
3.4.1 偏航动作概况 |
3.4.2 偏航动作影响因素 |
3.4.3 基于数据挖掘的偏航动作优化模型 |
3.5 案例分析 |
3.5.1 环境变化与性能指数 |
3.5.2 异常识别与性能指数 |
3.5.3 偏航无效动作优化 |
3.6 本章小结 |
第4章 综合热特性和数据挖掘关键部件异常识别 |
4.1 引言 |
4.2 基于系统热特性的运行参数变化机理 |
4.2.1 齿轮箱运行过程热特性分析 |
4.2.2 发电机运行过程热特性分析 |
4.2.3 关键参数异常识别机理 |
4.3 关键参数的变化特征 |
4.3.1 风速对关键参数的影响 |
4.3.2 环境温度对关键参数的影响 |
4.3.3 关键参数动态特性量化 |
4.4 关键系统异常识别模型 |
4.4.1 基于Savitzky-Golay的数据平滑 |
4.4.2 局部变化率的确定 |
4.4.3 残差指数与异常点率 |
4.5 风电机组健康维护机理分析 |
4.5.1 基于故障树的风电机组健康维护机理分析 |
4.5.2 基于故障树的风电机组异常状态因果链分析 |
4.5.3 基于FMEA的风电机组健康维护措施 |
4.6 算例验证 |
4.6.1 传感器数据采集异常 |
4.6.2 发电机驱动端过热异常 |
4.6.3 齿轮箱散热异常 |
4.7 本章小结 |
第5章 风电场运行状态监测与健康维护测试系统设计与实现 |
5.1 引言 |
5.2 信息物理系统模型 |
5.2.1 CPS构成 |
5.2.2 CPS的特点 |
5.3 基于CPS的系统设计框架 |
5.4 测试系统功能与实现 |
5.4.1 机组概况及专家知识库功能 |
5.4.2 发电性能监测和分析功能 |
5.4.3 整机综合性能监测功能 |
5.4.4 关键部件异常识别和健康维护功能 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 论文主要创新点 |
6.3 有待进一步开展的工作 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(9)电力信息物理协同攻击检测与序列模式挖掘方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景与意义 |
1.2 国内外研究现状 |
1.2.1 电力信息物理协同攻击分类与威胁 |
1.2.2 电力信息物理协同攻击相关技术研究现状 |
1.2.3 电力信息物理协同攻击研究中面临的挑战 |
1.3 研究目标与关键问题 |
1.4 本文主要工作及结构安排 |
第2章 物理电网与信息网络联合状态链构建 |
2.1 引言 |
2.2 电力CPS交互过程与本体建模 |
2.2.1 电力CPS中信息-物理系统交互过程 |
2.2.2 协同攻击的多级层次化本体建模 |
2.3 物理电网与信息网络的状态链动态耦合 |
2.3.1 物理电网的状态链 |
2.3.2 信息网络的状态链 |
2.3.3 信息物理联合状态链的耦合映射 |
2.4 实验仿真与分析 |
2.4.1 物理电网攻击状态仿真 |
2.4.2 信息网络攻击状态仿真 |
2.4.3 信息物理联合状态链验证 |
2.5 本章小结 |
第3章 基于联合状态链的电力信息物理协同攻击检测模型 |
3.1 引言 |
3.2 电力信息物理协同攻击检测模型框架 |
3.3 电力CPS运行状态类别聚合算法 |
3.3.1 电力CPS不同运行状态的数据特征 |
3.3.2 基于PCA_TwoStep的运行状态类别聚合算法 |
3.3.3 不同运行状态类别的频率分布特点 |
3.4 电力CPS运行状态类别特征选择与不平衡处理 |
3.4.1 基于NJMIM的攻击类别最优特征选择 |
3.4.2 基于ADASYN组合采样的运行状态类别不平衡处理 |
3.5 基于CS_GBDT的电力CPS协同攻击分类算法 |
3.5.1 GBDT中代价损失函数的优化 |
3.5.2 基于CS_GBDT的协同攻击分类检测 |
3.5.3 协同攻击分类检测算法参数优化 |
3.6 实验仿真与分析 |
3.6.1 仿真实验环境与数据 |
3.6.2 电力CPS运行状态类别划分验证 |
3.6.3 电力CPS运行状态类别不平衡处理验证 |
3.6.4 电力CPS协同攻击检测性能验证 |
3.7 本章小结 |
第4章 电力信息物理攻击路径提取与攻击场景重构 |
4.1 引言 |
4.2 电力信息物理协同攻击步骤分析 |
4.3 信息物理系统攻击路径提取模型形式化定义 |
4.3.1 隐马尔可夫模型的定义与应用 |
4.3.2 攻击路径提取模型的相关定义 |
4.4 信息物理系统攻击路径提取模型的构建与求解算法 |
4.4.1 同一攻击者产生的系统故障序列获取 |
4.4.2 系统故障发生概率矩阵 |
4.4.3 信息攻击与物理攻击交互影响灵敏度矩阵 |
4.4.4 电力信息物理系统攻击路径提取模型求解算法 |
4.5 电力信息物理攻击场景重构方法 |
4.5.1 网络攻击状态空间图模型构建 |
4.5.2 攻击场景重构算法 |
4.6 实验仿真与分析 |
4.6.1 实验环境准备 |
4.6.2 模型参数的确定 |
4.6.3 信息物理协同攻击路径提取验证 |
4.6.4 信息物理协同攻击场景重构验证 |
4.7 本章小结 |
第5章 电力信息物理协同攻击序列模式挖掘方法 |
5.1 引言 |
5.2 协同攻击序列模式相关定义与挖掘流程框架 |
5.2.1 电力CPS协同攻击的相关定义 |
5.2.2 协同攻击序列模式挖掘方法流程 |
5.3 基于模糊特征分析的信息攻击序列识别算法 |
5.3.1 计及信息攻击特征的网络攻击事件集合 |
5.3.2 信息攻击序列识别 |
5.4 基于组合判据的物理攻击事件识别算法 |
5.4.1 物理判据条件的生成 |
5.4.2 物理攻击事件识别 |
5.5 时序-拓扑约束的协同攻击序列模式挖掘算法 |
5.5.1 协同攻击过程的主要特点 |
5.5.2 时序-拓扑约束的协同攻击序列模式挖掘 |
5.6 实验仿真与分析 |
5.6.1 信息攻击序列识别算法有效性验证 |
5.6.2 物理攻击事件识别算法的有效性验证 |
5.6.3 协同攻击序列模式挖掘算法有效性与效率验证 |
5.7 本章小结 |
结论与展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(10)数字孪生技术在电网运行中的典型应用与展望(论文提纲范文)
0 引言 |
1 数字孪生 |
1.1 数字孪生的含义 |
1.2 数字孪生体系的架构 |
1.3 数字孪生体系的特征 |
2 数字孪生电网体系 |
2.1 数字孪生电网的内涵 |
2.2 数字孪生电网的框架 |
2.3 数字孪生电网的运行模式 |
2.4 数字孪生电网构建的关键技术 |
3 数字孪生电网典型应用及展望 |
3.1 设备层 |
3.2 电网层 |
3.3 业务层 |
3.4 运营管理层 |
4 结论 |
四、电网运行监测和决策支持系统的研究与实现(论文参考文献)
- [1]智能电网下充电站优化运营模型及决策支持系统研究[D]. 刘燕. 华北电力大学(北京), 2021
- [2]Elasticsearch在电网调度数据管理的应用研究[D]. 徐泽天. 广西大学, 2021(12)
- [3]气电耦合虚拟电厂运营优化及风险评价模型研究[D]. 刘沆. 华北电力大学(北京), 2021
- [4]信息物理融合环境下网络攻击的微电网弹性控制策略[D]. 马良. 华北电力大学(北京), 2021(01)
- [5]基于双层决策模型的用户侧储能优化配置方法[D]. 王泽. 太原理工大学, 2021(01)
- [6]电力系统状态检修决策的多阶段随机优化理论研究[D]. 许易经. 山东大学, 2021
- [7]适应网荷互动的可中断负荷特性及监测模型研究[D]. 李佳佳. 扬州大学, 2021(08)
- [8]风电机组运行状态监测与健康维护关键技术研究[D]. 邢月. 华北电力大学(北京), 2021(01)
- [9]电力信息物理协同攻击检测与序列模式挖掘方法研究[D]. 王蕾. 东北电力大学, 2021
- [10]数字孪生技术在电网运行中的典型应用与展望[J]. 相晨萌,曾四鸣,闫鹏,赵建利,贾伯岩. 高电压技术, 2021(05)