基于储能利用的充换电站电池调度路径优化北大核心CSCD

以电动汽车充换电服务为研究背景,通过计算调度车辆和用户车辆的充电损耗,并结合站点和电网间的储能共享,分析了时变路况下电池调度的路径优化问题。首先,提出了基于荷电状态和时速的调度行驶数学模型,并建立电池充电模型;然后,为精确计算充电损耗,考虑在时变功率下的电能损耗,提出了基于电池容量修正的电池损耗模型。此外,为实现储能利用,提出在充换电站与电网之间进行储能电池共享,从而建立了以充电损耗和共享收入为调度成本的目标函数。最后,在传统的站点流量和电池容量等约束下,又考虑了基于储能利用的站点电源功率约束,并采用遗传算法求解。实验结果表明,所提方法能有效减少调度过程中的充电损耗,研究成果为充换电站和电网之间的共享储能提供了理论指导。     

双碳目标下用户侧电力混合储能控制方法研究

双碳目标背景下开展用户侧电力储能工作时,主要基于历史数据进行储能控制,对用户需求考虑不充分,使电力混合储能控制后的综合收益较低,因此提出双碳目标下用户侧混合储能控制方法。模拟众多的电力大功率需求场景,选择合适的场景树节点,得出用户侧混合储能负荷预测结果。考虑用户需求计算以最小电池损耗成本、最大经济效益为目标的混合储能控制目标函数,应用灰狼算法进行最优混合储能控制方案求解。在自抗扰控制器结构下,实现双碳目标下用户侧电力混合储能控制。实验结果表明：所提控制方法应用后储能电池在一日运行中,荷电状态始终在20%到90%之间,符合约束条件,满足储能发展的经济效益要求。     

“双碳”视域下考虑工业园区光-储发电系统不确定性的光-储鲁棒规划模型构建

为进一步提升能源利用效率,确保工业园区供电的稳定性,许多工业园区引入了光伏发电系统,但由于光伏发电的稳定性较低,需建立光-储能发电系统进行控制。为此,探索在光-储能发电系统的构建模式,根据不确定性鲁棒优化建立工业园区光-储发电系统的规划模型;利用某工业园区模拟优化,分析容量、购电成本配置方式。发现工业园区大规模增加光伏发电容量会导致成本过高,需将规模控制在合理范围,且光伏的不确定性会导致系统的投资、运行成本增加,需加强对光伏发电状况的预测,实现系统的最佳配置。     

家庭能量管理系统多目标能量调度优化策略

为实现家庭能量管理系统的经济运行、提高用户能量收益和减少用户用能成本,提出了一种基于实时电价和NSGA-Ⅱ算法的家庭能量管理系统多目标能量调度优化策略。设计了家庭能量管理系统的基本架构,构建了家庭用电负荷模型、光伏发电模型、蓄电池模型和两阶段家庭能量调度优化模型,确定了优化决策变量、约束条件以及用户能量收益、光伏消纳率和用户满意度等优化目标,并采用所提调度优化策略对所构建两阶段能量调度优化模型进行了求解。基于MATLAB平台的仿真结果表明,所提出的调度优化策略能完成家庭能量管理系统能量的多目标优化,实现了系统中源、储、荷的协调配合和经济运行。     

源荷不确定冷热电联供微网能量调度的建模与学习优化

针对含光伏,微型燃气轮机组等分布式能源的冷热电联供微网系统,研究源荷双侧不确定情况下多类型能量调度动态优化问题.首先,针对光伏出力和异类负荷的随机不确定性,将光伏和负荷的变化描述为连续马尔科夫过程;然后以决策时刻,负荷需求以及分布式能源出力的离散值为状态分量,以微型燃气轮机组启停行动和储能充放行动为动作分量,在分时电价模式下,以降低包括购电成本,燃料代价,启停代价等在内的日运行成本为调度优化目标,将源荷不确定冷热电联供微网系统调度动态优化问题描述为马尔科夫决策过程模型,并引入强化学习方法对该问题进行策略求解.最后通过算例仿真对不同策略进行了比较,验证了优化方法的有效性.     

区域电网的主从博弈调度

针对当前风、光、储、火组成的区域能源网络经济效益不突出,以及传统火电机组减排的问题,本文建立了一种主从博弈模型,将电网运营商和发电商作为不同地位决策者,通过优化电网运营商制定的分时上网电价与发电商的调度控制策略,对上级电网进行"削峰填谷",实现发电商自身的经济效益以及环境效益的最大化.在模型中,选择电网运营商制定的分时上网电价作为主体,发电商收益作为从体,主体以降低CO2,SO2的排放量为目标,从体以提高发电商自身的收益为目标;按照风光储系统的运行模式,其主网所处的峰/平/谷运行时段以及整个网络发/用电供需平衡状况,综合考虑火电机组的环境效益和发电系统的经济性,对分布式能源以及传统火电厂的调度进行优化.最后,将构建的主从博弈模型在IEEE 10机系统算例中进行仿真,对模型的有效性以及分时上网电价的引导作用能否整个系统实现经济效益和环境效益的双赢进行验证.     

考虑新能源不确定性的储电站储能容量配置优化技术

目前储电站储能容量配置优化受到新能源不确定性因素影响,导致配置优化成本约束效果较差,且容量无法达到理想配置.针对该问题,提出新的储电站储能容量配置优化技术研究.构建新能源不确定性分布模型,以此调整储电站输出功率,并平滑注入电网功率.依据储电站储能结构,将直流电能转换为交流电能.结合储电站储能所引起的费用问题,以安装储能后储电站年最大净收益为约束目标,采用改进粒子群算法求解目标函数,确定迭代过程中粒子位置和速度,实现储电站储能容量配置优化.由实验结果可知,该技术储电站储能容量较大,储能容量配置效果较好.     

考虑负荷方差的智能微网用户侧分时电价优化模型

为调整用户用电行为，提升智能微网安全性和稳定性，需构建考虑负荷方差的智能微网用户侧分时电价优化模型。通过需求价格弹性系数描述用户对电价的反应情况，依照智能微网中负荷恒定状态和波动状态，计算线路可变损耗，取样采点一定周期内负荷，计算负荷方差，探析负荷方差对线路损耗的影响。依照负荷方差和用户负荷峰谷差构建智能微网用户侧分时电价优化的目标函数，设置峰平谷电价、用户利益、峰谷倒置等五个约束条件，结合约束条件和目标函数获取最终的优化模型。实验表明，该种方法构建的用户侧分时电价优化模型后，用户侧分时电价最大峰段负荷为14109 kW，峰谷差是7963 kW，显著增加售电侧和发电侧利润。     

光伏侧电池储能系统优化配置及经济性分析

分布式光伏发电的随机性和间歇性导致了资源利用率低,而电池储能具备功率快速吞吐、灵活运行的能力,是当前解决光伏并网和消纳的有效手段之一。本文首先针对当前储能成本高、收益模型不清晰等问题进行了研究,随后分别从投资者和社会综合收益角度构建了储能系统经济收益模型,并以最优经济指标对储能进行容量配置,对影响储能经济效益的重要因素进行盈亏平衡和敏感性分析,最后以某分布式光伏系统典型日的数据为基础,对储能系统进行经济分析和容量优化配置,结果表明储能的成本因素对系统经济收益起主要影响作用。     

基于用户行为的分时电价时段划分和价格制定

以往分时电价的时段划分仅考虑负荷曲线的数值变化,忽视了时段划分对分时电价的制定和对用户行为的影响,使得分时电价优化受限,需求侧响应不能达到最优的效果。为此提出了基于用户行为的分时电价时段划分和价格制定模型,首先通过模糊聚类法初步制定峰段、平段、谷段,然后将峰谷时段的起始时间和终止时间设为待优化的变量,并根据消费者心理学建立用户电价电量响应行为模型,最后以用户满意度和电网收益最大化为目标,同时对分时电价和时段划分进行优化。仿真结果显示,与直接根据FCM模糊聚类分析方法划分时段相比,该模型更能针对负荷特性激励用户响应分时电价,促使用户响应曲线更加平滑,进一步降低调峰成本,验证了该模型通过优化时段划分方法提高社会福利的有效性。     

实时电价下用户侧电力需求响应模型优化策略及数字仿真谈竹奎1,汪元芹2,赵菁2,刘斌1,刘敏2

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

基于多智能体的太阳能无人机能源控制

为满足太阳能无人机对长航时飞行和高载重能力的需求,研究能源系统的储能均衡控制问题.通过将太阳能无人机中每个由光伏-储能-输出单元组成的发电节点作为一个智能体,设计基于多智能体的分布式控制器并给出满足系统约束的控制算法,实现储能单元荷电状态的一致性.分别针对连续系统模型和离散系统模型给出分布式控制协议,并通过理论分析说明连续和离散的控制协议均可实现控制目标.通过搭建半实物平台进行实测验证,采用光伏模拟器和电子负载模拟能源系统运行的外部环境,以18650锂离子电池作为储能单元,实验结果表明,分布式协同控制协议能够有效地解决光伏功率不均及电池参数差异导致的不均衡问题,使系统的充放电深度得以有效提升.     

New optimization method based on energy management in microgrids based on energy storage systems and combined heat and power

Microgrids can be assumed as a solution model for green energy sources, energy storage systems, and combined heat and power (CHP) systems. In this work, the cost and emission minimization based on a demand response (DR) program is considered an optimization problem. To solve the mentioned problem a new multiobjective optimization algorithm (improved particle swarm optimization) is proposed based on a fuzzy mechanism to select the optimal value. The microgrid system includes two CHP units, fuel cell and battery systems, and the heat buffer tank. In this problem, two different feasible operating regions have been assumed in CHPs. Accordingly, to decrease the operational cost, time-of-use, and real-time pricing DR programs have been simulated, and the impacts of the mentioned models are evaluated overload profiles. The effectiveness of proposed models has been applied on different cases studies by different scenarios. The proposed model solved the DR program, time of use-DR and real-time pricing-DR problems. The proposed model could reduce the cost about 10%.     

Application of economic MPC to the energy and demand minimization of a commercial building

This paper presents an application case study of an economic model predictive control (EMPC) method for optimizing the building demand and energy cost under the time-of-use price policy. The control strategy is comprised of an economic objective function that accounts for the combination of energy and demand costs with a time-of-use rate structure, a dynamic thermal process and power model of the building thermal mass dynamics, and a set of constraints to ensure the building is operated properly. The optimization is a min–max optimization problem and is converted to a linear program. The EMPC method is implemented in a commercial office building located in Milwaukee, Wisconsin, USA. An internet-based control architecture is developed to carry out tests with the EMPC controller at a remote location. The test results show that the EMPC strategy is capable of shifting the peak demand to off-peak hours and reducing energy costs compared to a baseline case for the building.     

基于滑模控制的独立光伏发电系统控制策略

针对独立运行的光伏发电系统,提出了基于滑模控制的最大功率跟踪(MPPT)策略;针对光伏微源输出功率随机性引起的逆变器输入侧直流母线电压波动,通过储能控制实现电压稳定;针对负载变化引起的系统输出电压波动,设计了系统输出电压电流双闭环控制器。通过MatLab/Simulink对提出控制策略进行了仿真验证。分析结果表明,所提出滑模控制策略可实现光伏电池的MPPT;储能控制策略可有效抑制光伏微源输出功率波动引起的直流母线电压波动;输出电压控制策略能稳定系统电压,确保安全可靠运行。     

A Markov Model for Subway Composite Energy Prediction

Electric vehicles such as trains must match their electric power supply and demand, such as by using a composite energy storage system composed of lithium batteries and supercapacitors. In this paper, a predictive control strategy based on a Markov model is proposed for a composite energy storage system in an urban rail train. The model predicts the state of the train and a dynamic programming algorithm is employed to solve the optimization problem in a forecast time domain. Real-time online control of power allocation in the composite energy storage system can be achieved. Using standard train operating conditions for simulation, we found that the proposed control strategy achieves a suitable match between power supply and demand when the train is running. Compared with traditional predictive control systems, energy efficiency 10.5% higher. This system provides good stability and robustness, satisfactory speed tracking performance and control comfort, and significant suppression of disturbances, making it feasible for practical applications.     

风光气储联合发电最优容量配比问题研究

开发和利用农村的风能、光能、沼气是解决偏远农村地区用电量快速增加和偏远山区供电问题的有效途径,该文针对3种可再生能源和储能的联合发电问题,通过研究它们之间的协调互补性,提出了一种新型的"风光气储"多能源互补的微电网供电系统,在该系统中因地制宜地采用沼气和蓄电池作为备用电源,通过改进的鲸鱼算法对"风光气储"联合运行问题进行了优化,仿真实验结果表明在成本最低和弃风弃光率最低这2个目标下都能稳定的运行,对已经有的粒子群算法、遗传算法和鲸鱼算法进行了对比,实验结果表明改进的鲸鱼算法在解决"风光气储"最优容量配比问题上得到了很大的提升。     

Smart grid coordination in building HVAC systems: EMPC and the impact of forecasting

Energy consumption by heating, ventilation, and air conditioning (HVAC) systems exhibits a clear correlation with electricity prices. The method of economic model predictive control (EMPC) can be used in conjunction with thermal energy storage (TES) to time-shift power consumption away from periods of high demand to periods of low energy cost. Dynamic electricity pricing and weather condition forecasts can be readily incorporated within this methodology. Unfortunately, the receding horizon nature of this control strategy makes it very susceptible to the quality of the forecasts used. To this end, the development and implementation of several forecasting methods will be discussed. Finally, the EMPC performance of these methods will be assessed on a simple building example using active TES.