极端灾害下基于故障传播的电-气综合能源系统弹性优化
作者单位:江苏大学
学位级别:硕士
导师姓名:谭伦农
授予年度:2023年
学科分类:080702[工学-热能工程] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0807[工学-动力工程及工程热物理]
摘 要:由于环境污染的加剧以及传统电力系统在能源供给上的限制,人们开始关注能够连接多种能源的综合能源系统。在此背景下,研究供能网络与供能技术更加成熟的电网与天然气网络构成的电-气综合能源系统(Integrated gas-electronic system,IGES)具有重要意义。相较于传统的能源网络供给,综合能源系统供给在效率与利用率上更具优势,具有更广泛的应用前景,因此本文以IGES为研究对象,针对包含P2G和燃气轮机技术的综合能源系统展开研究。本文主要研究内容包括:1)研究了极端灾害条件下,基于传染病模型IGES故障传播问题。一是根据SIS传染病模型和SIRS传染病模型,构建了气网和电网故障传播模型并对其平衡性进行了分析。通过对气网和电网特性的分析,对故障传播做了气网潜伏性改进和电网隔离性改进,并对改善后的平衡性做了分析。二是在双传染病模型基础上构建IGES耦合设备故障传播模型并分析其平衡性。三是根据历史故障数据构建IGES故障传播概率模型并对求解概率修正系数。并且通过算例分析证明本文故障传播模型能够对极端灾害条件下的故障传播过程做出有效预测。2)提出了基于故障传播的电力-天然气综合能量系统的弹性策略。一是在上述故障传播模型的基础上构建IGES节点权重模型。二是以IGES系统为研究对象,分别对气网系统建模,电网系统建模以及耦合装置建模。并对IGES进行了能量流分析,其中包括潮流方程分析以及储能建模。三是根据极端灾害条件下故障传播及临时运行寻求情况,确立了其IGES系统弹性策略。并且通过算例分析证明本文基于故障传播综合能量系统的弹性策略有效地改善极端灾害时IGES能量供应。3)对人工蜂群优化算法(Improved Artificial Bee Colony,IABC)进行了改进。一是对于传统的人工蜂群算法做了介绍,建立了算法的原理模型以及计算步骤流程。二是将改进后的人工蜂群算法应用于复杂系统故障诊断中。三是根据其不足开展了混合初始化、修正邻域搜索、并行蜜源选取、基于蜜源吸引力的全局更新和引领蜂交叉变异等改进工作。并且通过算例分析证明本文改进的IABC算法不仅能改善全局搜索能力和局部细化能力,而且能提高计算速度。