抽蓄-风-光-火联合系统日前优化调度研究_邵磊.pdf

第39卷 第6期2023年6月电网与清洁能源Power System and Clean EnergyVol.39No.6Jun.2023清洁能源Clean Energy基金项目：陕西省自然科学基础研究计划项目（2021JQ-471）。Project Supported by Natural Science Basic Research Program ofShaanxi Province（2021JQ-471）.ABSTRACT：Vigorously developing and utilizing renewableenergy sources help to achieve Chinas dual carbon goals ofcarbon peaking and carbon neutrality.In this paper，weconstruct a day-ahead optimal scheduling model of thecombined operation system of pumping storage，wind，solar andthermal power and use the Yalmip optimization toolbox to solvethe example to obtain the day-ahead optimal scheduling resultsof the combined system under different typical days and differentenergy ratios.The results show that the addition of the pumpedstorage power station can improve the economic benefits of thecombined system operation and the stability of thermal poweroutput，reduce the pollution control cost and the CO2emissionsof the system.The economy of each scenario is different underdifferent capacity ratios，and the economic benefits of thecombinedsystemshowanonlinearcorrelationwiththepenetration rate of renewable energy，and tend to be stable withthe increase of the penetration rate of renewable energy.KEY WORDS：pumped storage power station；combinedoperation system；day-ahead optimal scheduling；renewableenergy；economic performance摘要：大力开发和利用可再生能源有助于实现我国“碳达峰、碳中和”的双碳目标。该文构建抽蓄-风-光-火联合运行系统日前优化调度模型，运用 Yalmip 优化工具箱求解模型，探究不同典型日及不同能源配比下的日前优化调度出力结果。结果表明，引入抽水蓄能电站，可以显著提高联合系统运行经济效益和火电出力稳定性，以及降低系统治理污染成本、减少系统 CO2排放量；不同容量配比下各场景经济性有所差异，联合系统经济效益与可再生能源渗透率呈现非线性相关关系，并随可再生能源渗透比例的增加而在明显增加后趋于稳定。关键词：抽水蓄能电站；联合运行系统；日前优化调度；可再生能源；经济效益大力开发以风能和太阳能为代表的间歇性可再生能源，构建环保、经济的新型现代能源体系是实现“双碳”目标的重要途径1。近年来，新能源并网消纳问题日益突出，仅靠火电机组对大规模可再生能源进行调节，必然会造成火电机组频繁启停，进而严重威胁电网安全运行2。抽水蓄能电站以其独特的储存电能、能源转换、经济性优和易开发等特点成为主要的储能手段之一，能显著提升新能源的消纳能力3。文献4针对风光蓄联合系统的优化运行问题进行研究，探究风光相关性对联合系统可再生能源消纳的影响。文献5以系统剩余负荷方差最小为目标函数，利用改进粒子群算法（IPSO），求解风光水互补发电系统日前优化调度模型。文献6构建雅砻江风光水互补发电优化调度模型，并以弃风、弃光量最小和梯级水电站蓄能最大为目标函数。文献7以调度系统中电费最大收益为优化函数，构建风文章编号：1674-3814（2023）06-0108-07中图分类号：TM715文献标志码：A抽蓄-风-光-火联合系统日前优化调度研究邵磊1，多增森2，柴嘉启2，孔凯2，庄晓隆2（1.航天科工仿真技术有限责任公司复杂系统仿真技术应用国家工程研究中心，北京100854；2.西安理工大学水利水电学院，陕西 西安710048）A Study on the Day-ahead Optimal Scheduling of the PumpedStorage-Wind-Solar-Thermal Combined SystemSHAO Lei1，DUO Zengsen2，CHAI Jiaqi2，KONG Kai2，ZHUANG Xiaolong2（1.National Engineering Research Center for Complex System Simulation Technology Application，Aerospace Science and IndustrySimulation Technology Co.，Ltd.，Beijing 100854，China；2.School of Water Conservancy and Hydro-Electric Power，Xi an University of Technology，Xi an 710048，Shaanxi，China）第39卷第6期电网与清洁能源清洁能源Clean Energy电-抽水蓄能联合运行模型，并结合局部弹性搜索和遗传算法求解模型，结果表明联合运行模型能较大程度弥补风能的随机特性。此外，文献2以系统总运行成本最小为目标函数，构建风-光-火-蓄-储多能源互补优化调度模型，引入动态惯性权值粒子群算法，求解分析 3 种不同日前优化调度策略下各类型机组出力情况。文献8以联合系统运行费用最小为优化函数，建立风-光-水-火-蓄联合调度模型，分析春夏秋冬 4 个典型日水电、风电和光伏出力预测曲线，并探究有/无抽水蓄能电站对弃风、弃水和弃光率的影响机理。文献9以风光联合出力最大和火电机组运行成本最小为优化函数，建立风-光-火-储联合调度模型，考虑钠硫电池容量约束，基于粒子群优化算法求解模型。本文以火力发电机组承担系统主要负荷和新能源并网为研究背景，建立抽蓄-风-光-火联合运行系统日前优化调度模型。以联合系统最大电费收益为目标函数，考虑联合运行系统火电污染治理成本、分时电价、电网负荷波动及碳排放量等指标，基于 Yalmip 工具箱分析联合运行系统日前调度模型在不同典型日抽蓄是否参与以及不同容量配比 2种方案下的各类型机组出力情况，为抽蓄电站改善联合系统稳定性提供有效的日前优化调度策略。1抽水蓄能-风-光-火联合运行系统日前优化调度模型1.1优化函数考虑分时电价政策和火电厂环境污染治理成本，以联合运行系统经济效益最大为目标，目标函数为Fmax=Fin-Fout-Ft-Fo（1）式中：Fin为系统运行电费收益；Fout为系统运行中抽蓄抽水费用；Ft为火力发电环境污染治理成本；Fo为火电厂运行费用。1.1.1电费收益Fin=i=1n(CiPwi+CiPpvi+CiPti+CiPhi)t（2）式中：Pwi、Ppvi、Pti分别为i时段风电场、光伏电厂、火电厂的输出功率；Phi为i时段抽蓄发电功率；Ci为i时段分时电价；t为时间间隔。根据甘肃省相关电价政策7，本文采用的分时电价见表 1。表1分时电价Table 1Time-of-use price时间段00：00 i 08:0008：00 i 10:0010：00 i 18:0018：00 i 24:00电价Ci/元 (MWh)-1584.3865.0306.5865.01.1.2抽蓄电站抽水费用抽蓄电站的抽水费用可以用抽水功率及电价表示为Fout=i=1n(CpiPpi)t（3）式中：Ppi为i时段抽蓄抽水功率；Cpi为i时段抽水蓄能电站抽水电价。本文将抽蓄抽水电价简化为抽蓄发电电价的1 4，可以表示为Cpi=0.25Ci（4）1.1.3火电污染治理费用火力发电厂的主要污染物类别、含量及其治理成本见表 2。表2火电厂排放的主要污染物及其治理成本（1t煤）10Table 2Main pollutants and treatment cost of 1 t coalcombustion in the thermal power plant10污染物CO2COSO2NOxTSP(总悬浮颗粒物)灰渣排放量/kg1 731.000.261.258.000.41110.0030.00治理成本/（元 kg-1）0.131.006.008.002.200.120.10火力发电厂污染物治理费用为Ft=0.33j=1m(AjBjPt)（5）1.1.4火力发电厂运行费用火力发电厂运行费用为Fo=i=1nfta()Pi2+bPi+c（6）式中：f 为煤价；a、b、c 均为煤耗系数。对模型中非线性的火电机组燃料成本函数分段线性化处理，约束表述分别为109清洁能源Clean EnergycPi(t)=Aiuti+l=1LiFl,il(i,t)（7）pi(t)=l=1Lil(i,t)+-piuti（8）1(i,t)T1,i-piuti（9）l(i,t)Tl,i-Tl-1,i（10）Li(i,t)p i-Tl-1,i（11）l(i,t)0（12）式中：Ai=a()Pi2+bPi+c；Fl,i和l(i,t)分别为曲线分段线性化中，机组 i 在 l 段的增量费用和在 t 时段分段函数 l 段的机组出力；Tl,i为机组 i 在 l 段的上限。1.2约束条件1.2.1功率平衡约束Pi+Pphi+Pwi+Ppvi+Pti=PLi（13）式中：Pi、PLi分别为i时段火电厂功率和系统负荷；Pphi为i时段抽蓄功率（Pphi0，抽水蓄能电站处于放水发电工况，此时Pphi=Pph）。1.2.2抽蓄约束放水发电功率为PhminPhimin(Phmax，Eith)（14）Ei+1=Ei+t(pPpiPhih)（15）0EiEmax（16）放水发电和抽水储能不能同时发生，则phippi=0（17）式中：Phmax为抽蓄电站最大发电功率；Ei为i时段的抽蓄电站上游水库储能容量；h、p分别为抽蓄电站放水发电效率和抽水储能效率；t为时段长。1.2.3电源约束风电场输送到电网的功率小于最大预测功率，即0PwiPw,max（18）式中：Pw,max为风电场最大预测功率。光伏发电厂输送到电网的功率小于最大预测功率，即0PpviPpv,max（19）式中：Ppv,max为光伏电场最大预测功率。火电机组出力限制约束为PminPiPmax（20）火电机组爬坡速率约束为-Vt,downtPi+1-PiVt,upt（21）式中：Pmin、Pmin分别为火电机组出力功率上、下限；Vt,down、Vt,up分别为火电机组最大增出力速率和最大减出力速率；t为时间间隔。2联合系统日前调度策略抽蓄-风-光-火联合系统运行原理见图 1，系统运行时其日前调度策略有以下 2 点：1）系统负荷为定值时，当电网系统负荷预测值小于火力发电厂最小输出功率与新能源预测功率总和时，抽蓄电站处于抽水蓄能工况，调度系统将额外的电能转化存储；当电网系统负荷预测值大于火力发电厂输出功率与新能源预测功率总和时，抽水蓄能电站处于放水发电工况，将存储电能释放弥补负荷缺口，保证电网处于平衡状态。2）在满足火力发电厂最小输出功率的情况下，联合运行系统中的新能源优先调用发电。当电网系统负荷预测值小于火力发电厂最小输出功率与新能源预测功率总和，并且抽水蓄能电站储能能力也达到峰值时，优化调度系统开始逐步弃风、弃光。图1抽蓄-风-光-火联合系统运行原理Fig.1Operation principle of the pumped storage-wind-solar-thermal combined system3算例分析3.1基本数据与参数本文以我国甘肃地区总装机容量为 1 200 MW的某抽水蓄能电站为研究对象，对抽水蓄能-风-光-火联合运行系统进行小时级日前优化调度分析。抽水蓄能-风-光-火联合运行系统配置了总装机容量分别为 3 000 MW 的火电机组、1 000 MW 的邵磊，等：抽蓄-风-光-火联合系统日前优化调度研究Vol.39No.6110第39卷第6期电网与清洁能源清洁能源Clean Energy光伏电站和 1 500 MW 的风电场；抽水蓄能电站抽水储能和放水发电的效率均设定为 75%，火电机组最大增出力速率和最大减出力速率均为 600 MW/h，火力发电厂出力上、下限分别为3000MW和 900 MW。本文基于 Matlab 中的 Yalmip 工具箱建模，利用Cplex 求解器求解11。为探究抽蓄-风-光-火联合运行系统负荷预测需求变化情况，分别选取 7 月 31 日作为夏季典型日，12月18日作为冬季典型日，其负荷预测需求曲线见图2。图2系统负荷预测需求曲线Fig.2The system load forecast demand curve由图 2 可知，系统负荷在 08:0023:00 较大，说明该时间段为用电高峰期；在 01:00 07:00 时段负荷较低且较为平稳，同时冬季负荷值高于夏季。系统风电、光伏出力预测曲线见图 3。其中，光伏发电厂根据光照情况，采用昼发夜停模式，不同季节光伏发电功率的变化趋势基本不变，且与负荷变化方向一致，有正调峰的作用12；风力发电有较强的随机性和季节性，不同季节出力区别较大，具有反调峰性13-14。图3风电与光伏出力预测曲线Fig.3The output prediction curve of windpower and photovoltaic3.2方案设置3.2.1方案一本文对比分析夏、冬季典型日及抽蓄是否参与下的 4 种日前调度策略，探究不同场景下抽蓄-风-光-火联合运行系统的经济效益。其中，4 种场景如下：场景 1（抽蓄不参与）和场景 2（抽蓄参与）均为夏季典型日；场景 3（抽蓄不参与）和场景 4（抽蓄参与）均为冬季典型日。为综合分析抽蓄-风-光-火联合运行系统不同场景下的运行工况，考虑 CO2排放量指标和火力发电机组出力波动性指标，计算公式如下。系统运行时，CO2排放量指标为f1=0.33i=1nPtiAco2（22）式中：Aco2为火力发电厂燃烧1t煤时 CO2排放量。系统运行中，火力发电厂出力波动性指标为f2=1Pr1ni=1n(Pti-Pr)2（23）式中：n为总时长；Pr为火力发电厂出力下限。3.2.2方案二本小节以方案一中抽蓄参与的夏季典型日为初始状态，逐步调整风光组合能源容量配比，改变可再生能源所占比例，分析不同能源容量配比对抽蓄-风-光-火联合运行系统的 CO2排放量、经济效益和火电出力波动性的影响。此外，研究优化调度系统中抽蓄电站应对不同比例新能源并网的储能/发电能力，剖析不同容量配比/可再生能源渗透率与联合运行系统经济运行效益之间的关系。依据新能源占比，将新能源系统划分为 3 个等级15：中比例（10%30%）、高比例（30%50%）和极高比例（50%100%）。设定场景1场景9所对应的联合运行系统中，抽蓄和火电装机容量分别为1200MW和 3 000 MV，并维持不变；光伏与风电装机容量比例为 2 3，也维持不变。表 3 展示了调整新能源容量配比后，9 种场景中各能源容量配比参数。表3不同容量配比场景Table 3Different capacity ratio scenarios场景初始场景1场景2场景3场景4场景5场景6场景7场景8场景9抽蓄容量/MW1 2001 2001 2001 2001 2001 2001 2001 2001 2001 200风电容量/MW1 5001 8002 1002 4002 7003 0003 3003 6003 9004 200光伏容量/MW1 0001 2001 4001 6001 8002 0002 2002 4002 6002 800火电容量/MW3 0003 0003 0003 0003 0003 0003 0003 0003 0003 000可再生能源比例/37424549525457596163111清洁能源Clean Energy3.3结果分析3.3.1方案一结果分析图 4 展示了抽蓄-风-光-火联合运行系统向电网输送功率的情况。联合运行系统中抽蓄电站不参与时，风电、火电及光伏的日前输出功率见图 4（a）和图 4（c）；抽蓄电站参与时，火电、光伏、风电及抽水蓄能的日前输出功率见图 4（b）和图 4（d）。表 4展示了联合运行系统日前优化调度中经济效益、CO2排放量及火力出力波动性指标数据。图4联合运行系统日前优化调度输出功率Fig.4Day-ahead optimization scheduling output powerof the combined operation system表4联合运行系统日前优化调度结果Table 4Day-ahead optimal scheduling results of thecombined operation system场景场景1场景2场景3场景4抽蓄参与情况未参与参与未参与参与经济效益/万元2 641.203 211.342 470.433 052.13CO2排放量/t21 870.021 345.724 311.823 935.6火电出力波动性/%77739794结合图 4 和表 4，对比场景 1 和场景 2 的分析结果可知，当抽水蓄能电站引入到联合运行系统后，系统运行的经济效益提高 570.14 万元、CO2减排524.3t，并且火力发电机组出力稳定性提升 4%；同样对比分析场景 3 和场景 4，当联合运行系统中抽蓄参与调节时，系统经济收益提升 658.57 万元、CO2减排376.2t，并且火力发电机组出力稳定性提高 3%。对比场景 1场景 4 的分析结果可知，冬季典型日火力发电机组输出功率明显大于夏季典型日；此外，由于可再生能源中风电、光伏在夏季和冬季的输出功率波动较大，此时抽蓄如果不参与调节，联合运行系统则会对火电机组的调节能力提出更高要求，进一步降低火电出力稳定性和系统经济效益，排放更多的 CO2量。算例结果表明，当联合运行系统中引入抽水蓄能电站后，系统运行的经济效益以及火电机组输出功率的稳定性大大提高，CO2排放量显著减少，缓解了风电和光伏输出功率波动造成火电机组频繁启停、爬坡工况频繁转换现象的发生。3.3.2方案二结果分析本小节以方案一中抽蓄参与的夏季典型日为初始状态，此时系统运行的经济效益为 3 211.34 万元、CO2排放量为 21 345.7 t、可再生能源所占比例为29%、火电机组出力波动性为 73%。参考表 5 的数据可知，相比于初始状态，当新能源占比逐步提升时，9 种不同场景下联合系统的经济效益分别提高了243.98 万元、422.11 万元、620.7 万元、786.15 万元、889.21万元、980.41万元、1053.39万元、1094.07万元、1094.07 万元；CO2排放量分别减少了 2 850.8 t、3 621.3 t、4 391.6 t、5 777.1 t、6 260.8 t、7 474.3 t、8 458.5 t、9 007.1 t、9 007.1 t；火力发电机组出力稳定性分别增加了 23%、29%、36%、47%、51%、61%、68%、73%、73%。表5不同容量配比时联合系统各指标变化量Table 5The change of each index of the combined systemunder different capacity ratios场景场景1场景2场景3场景4场景5场景6场景7场景8场景9可在生能源渗透比例/%424549525457596163经济效益/万元3 455.323 633.453 832.043 997.494 100.554 191.754 264.734 305.414 305.41CO2排放量/t18 494.917 724.416 954.115 568.615 084.913 871.412 887.212 338.612 338.6火电出力波动性/%504437262212500综合表 5 分析可知，随着可再生能源所占比例邵磊，等：抽蓄-风-光-火联合系统日前优化调度研究Vol.39No.6112第39卷第6期电网与清洁能源清洁能源Clean Energy逐渐提高，系统运行经济效益、CO2排放量和火电出力波动性数据均呈非线性变化：联合运行系统的经济效益和火电出力稳定性均随可再生能源渗透比例的增加而增加；CO2排放量随可再生能源渗透比例的增加而减少。同时，抽蓄电站对具有适当新能源占比的联合运行系统具有较好的调节能力。算例仿真结果显示，当新能源占比达到 63%且处于并网时，系统运行经济效益、火电出力波动性均在明显增加后趋于稳定，CO2排放量逐渐减少至稳定。此时，联合系统运行的经济效益约达到峰值，抽蓄占比为 11%。4结论本文基于我国甘肃地区某抽水蓄能电站构建了一种抽蓄-风-光-火联合运行系统日前优化调度模型。方案一考虑了抽水蓄能电站的加入对联合系统的影响，并设立 4 种场景，引入碳排放量和火电波动性 2 个衡量指标；方案二考虑了可再生能源比例对联合系统的影响，设置了高比例、极高比例的不同场景，基于 Yalmip 优化工具箱，仿真求解以系统经济效益为最大的目标函数，探究不同方案下的联合运行系统日前优化调度策略。主要结论有以下 3 点：1）抽蓄电站会显著减少联合系统对火力发电机组出力的需求，改善火电机组出力波动性问题，减少 CO2排放量，从而显著提升联合运行系统运行的经济效益和火力发电机组输出功率的稳定性。2）联合运行系统经济效益与不同能源容量配比呈现非线性相关关系，经济效益和火电出力波动性均随着可再生能源占比的增加而在明显增加后趋于稳定；CO2排放量的变化趋势与之相反。在新能源占比高达 63%的情况下并网，系统经济效益达到峰值，表明抽水蓄能电站对含有适当占比新能源的联合运行系统具有良好的调节能力，未来通过提高联合运行系统中新能源占比可以提升火电出力的稳定性。3）本文从联合运行系统日前优化调度模型的经济效益角度，探究不同典型日和不同能源容量配比下抽水蓄能-风-光-火联合运行系统的小时级日前优化调度问题，为未来高比例新能源并网场景下联合调度系统多能源互补运行提供了策略。参考文献1程春田.碳中和下的水电角色重塑及其关键问题J.电力系统自动化，2021，45（16）:29-36.CHENG Chuntian.Function remolding of hydropowersystems for carbon neutral and its key problemsJ.AutomationofElectricPowerSystems，2021，45（16）:29-36.2安磊，王绵斌，齐霞，等.“风、光、火、蓄、储”多能源互补优化调度方法研究J.可再生能源，2018，36（10）:1492-1498.AN Lei，WANG Mianbin，QI Xia，et al.Optimaldispatching of multi-power sources containing wind/photovoltaic/thermal/hydro-pumped and battery storageJ.Renewable Energy Resources，2018，36（10）:1492-1498.3MUHAMMAND-SHAHZAD J，MA T，JURASZ J，et al.Solar and wind power generation systems with pumpedhydrostorage:ReviewandfutureperspectivesJ.Renewable Energy，2020，148：176-192.4李树林，戴嘉彤，董海鹰，等.考虑相关性的风光抽蓄互补发电系统优化运行J.电力系统及其自动化学报，2019，31（11）:92-102.LI Shulin，DAI Jiatong，DONG Haiying，et al.Optimaloperation of wind power-photovoltaic-pumped storagejoint power generation system considering correlationsJ.Proceedings of the CSU-EPSA，2019，31（11）:92-102.5张世钦.基于改进粒子群算法的风光水互补发电系统短期调峰优化调度J.水电能源科学，2018，36（4）:208-212.ZHANG Shiqin.Short-term peak shaving for wind-photovoltaic-hydro system optimization based on improvedparticle swarm optimizationJ.Water Resources and Power，2018，36（4）:208-212.6张歆蒴，黄炜斌，王峰，等.大型风光水混合能源互补发电系统的优化调度研究J.中国农村水利水电，2019（12）:181-185.ZHANG Xinshuo，HUANG Weibin，WANG Feng，et al.Rearch on the optimal scheduling of large wind-pv-hydrohybrid energy complementary power generation systemJ.China Rural Water and Hydropower，2019（12）:181-185.7潘文霞，范永威，杨威.风-水电联合优化运行分析J.太阳能学报，2008（1）:80-84.PAN Wenxia，FAN Yongwei，YANG Wei，et al.Theoptimization for operation on wind park combined withwater power systemJ.Acta Energlae Solaris Sinica，2008（1）:80-84.8张国斌，陈玥，张佳辉，等.风-光-水-火-抽蓄联合发电系统日前优化调度研究J.太阳能学报，2020，41（8）:113清洁能源Clean Energy79-85.ZHANG Guobin，CHEN Yue，ZHANG Jiahui，et al.Research optimization of day-ahead dispatching of windpower-photovoltaic-hydropower-thermal power-pumpedstoragecombinedpowergenerationsystemJ.ActaEnergiae Solaris Sinica，2020，41（8）:79-85.9韩自奋，张柏林，崔凯华，等.考虑新能源消纳能力及发电成本的风光火储联合调度策略研究J.电工技术，2020（8）:21-25.HAN Zifen，ZHANG Bailin，CUI Kaihua，et al.Researchon joint dispatching strategy of wind-solar-thermal powerstorage system considering new energy accommodationcapacityandpowergenerationcostJ.ElectricEngineering，2020（8）:21-25.10 袁玥.风光储组合发电单元运行经济性评估的研究与实现D.北京：华北电力大学，2015.11 LFBERG J.Modeling and solving uncertain optimizationproblems in YALMIPJ.IFAC Proceedings Volumes，2008，41（2）:1337-1341.12 夏永洪，吴虹剑，辛建波，等.考虑风/光/水/储多源互补特性的微网经济运行评价方法J.电力自动化设备，2017，37（7）:63-69.XIA Yonghong，WU Hongjian，XIN Jianbo，et al.Evaluationof economic operation for microgrid with complementaryDGs and energy storageJ.Electric Power AutomationEquipment，2017，37（7）:63-69.13 李丹，刘俊勇，刘友波，等.风电接入后考虑抽蓄-需求响应的多场景联合安全经济调度模型J.电力自动化设备，2015，35（2）:28-34.LI Dan，LIU Junyong，LIU Youbo，et al.Joint secure&economicdispatchconsideringwindpower，pumpedstorageanddemandresponseJ.ElectricPowerAutomation Equipment，2015，35（2）:28-34.14 潘华，梁作放，陈文超，等.基于布谷鸟搜索算法的水电站消纳风电调峰运行策略研究J.水利水电技术，2019，50（3）:207-211.PAN Hua，LIANG Zuofang，CHEN Wenchao，et al.Research on wind power peak shaving operation strategy ofhydropower station based on cuckoo search algorithmJ.Water Resources and Hydropower Engineering，2019，50（3）:207-211.15 卓振宇，张宁，谢小荣，等.高比例可再生能源电力系统关键技术及发展挑战J.电力系统自动化，2021，45（9）:171-191.ZHUO Zhenyu，ZHANG Ning，XIE Xiaorong，et al.Keytechnologies and developing challenges of power systemwith high proportion of renewable energyJ.Automation ofElectric Power Systems，2021，45（9）:171-191.收稿日期：2022-5-10。作者简介：邵磊（1981），男，博士研究生，高级工程师，研究方向为复杂系统建模与仿真、数字孪生系统研发；多增森（1997），男，硕士研究生，研究方向为水风光多能互补调度；柴嘉启（1999），男，硕士研究生，研究方向为水风光多能互补调度；孔凯（1999），男，硕士研究生，研究方向为水风光多能互补调度；庄晓隆（2000），男，硕士研究生，研究方向为水风光多能互补调度。（编辑卢秀）Short-term load forecasting based on CEEMD-FE-AOA-LSSVMJ.Power System Protection and Control，2022，50（13）:126-133.24 蒋佳炜，胡以怀，柯赟，等.基于小波包特征提取和模糊熵特征选择的柴油机故障分析J.振动与冲击，2020，39（4）:273-277，298.JIANG Jiawei，HU Yihuai，KE Yun，et al.Faultdiagnosis of diesel engines based on wavelet packet energyspectrum feature extraction and fuzzy entropy featureselectionJ.Journal of Vibration and Shock，2020，39（4）:273277，298.25 HIEU THANH DO，ZHANG Xing，LI Haoyuan，et al.Wavelet packet-based passive islanding detection methodfor gridconnected photovoltaic inverters C.2016 IEEE 8thInternationalPowerElectronicsandMotionControlConference（IPEMC-ECCE Asia），Hefei，2016:1566-1570.收稿日期：2022-10-28。作者简介：邵美阳（1996），女，硕士，助理工程师，研究方向为分布式电源接入的配电网保护与控制技术；张子墨（1998），男，硕士研究生，研究方向为分布式电源保护与控制技术；王露缙（1996），女，硕士，助理工程师，研究方向为配电网故障处理技术。（编辑董小兵）（上接第107页）邵磊，等：抽蓄-风-光-火联合系统日前优化调度研究Vol.39No.6114