首先,阐述了需求响应资源的概率分布特性,并以IES运行成本为优化目标,综合考虑电力系统、天然气系统运行约束及能量耦合约束。建立IES最优能量流(optimal energy flow,OEF)模型,用于求取发电机和耦合环节功率,并将其作为电力系统稳定器...首先,阐述了需求响应资源的概率分布特性,并以IES运行成本为优化目标,综合考虑电力系统、天然气系统运行约束及能量耦合约束。建立IES最优能量流(optimal energy flow,OEF)模型,用于求取发电机和耦合环节功率,并将其作为电力系统稳定器的输入;其次,通过搭建不同负荷水平下的暂态仿真模型,得到故障情况下的系统稳定情况;然后,提出基于堆栈降噪自动编码器(stacked denoising auto-encoders,SDAE)的电力系统稳定性评估器的训练方法;最后,在IEEE.39节点电力系统和修改的比利时20节点天然气系统组成的IES中,进行电力系统稳定性智能化评估的算例分析。仿真结果表明,基于SDAE的电力系统稳定性评估器识别精度较高,同时计算效率也较优。展开更多
文摘首先,阐述了需求响应资源的概率分布特性,并以IES运行成本为优化目标,综合考虑电力系统、天然气系统运行约束及能量耦合约束。建立IES最优能量流(optimal energy flow,OEF)模型,用于求取发电机和耦合环节功率,并将其作为电力系统稳定器的输入;其次,通过搭建不同负荷水平下的暂态仿真模型,得到故障情况下的系统稳定情况;然后,提出基于堆栈降噪自动编码器(stacked denoising auto-encoders,SDAE)的电力系统稳定性评估器的训练方法;最后,在IEEE.39节点电力系统和修改的比利时20节点天然气系统组成的IES中,进行电力系统稳定性智能化评估的算例分析。仿真结果表明,基于SDAE的电力系统稳定性评估器识别精度较高,同时计算效率也较优。
