智能交通信息物理融合云控制系统

针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.     

数字孪生驱动下微电网多智能体协调控制优化

传统微电网系统设备分时控制能力差,存在协同控制不足的问题。对此,提出采用思维进化算法优化多智能体控制系统。首先基于“源-网-荷-储”概念提出微电网多智能体模型,并优化目标环保成本与运维成本;然后在数据分析的基础上,通过历史光伏发电功率数据与当日气象数据,构建分布式“源”功率预测模型;最后采用思维进化算法对智能体种群调度策略的适应值进行趋同异化优化,迭代出最优种群调度策略。功率预测仿真结果表明,在类簇为3时,模型具有最高的预测精确性,较传统预测方法精度提升了5.6%;控制策略仿真结果表明,MEA算法的微电网协调控制决策优化后,提高多智能体协同控制能力,降低了环保成本与运维成本。     

基于光伏预测的微电网能源随机优化调度

可再生能源的间歇性和负荷的随机性对微电网能源管理系统（ EMS）产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,将光伏预测误差当做随机变量,建立了一种基于期望模型的能源随机优化调度模型。用Monte Carlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了随机优化调度模型更加有效。     

基于XGBoost短期预测控制的微电网多时间尺度调度

针对交直流混合微电网中可再生能源发电不确定性导致的预测误差,提出一种基于XGBoost短期预测控制的多时间尺度调度策略.基于NSGA-II算法,结合风光出力与负荷的供需关系,优化和制定未来24小时的调度计划;针对预测误差产生的功率波动,引入XGBoost短期预测模型,实现对日前调度的实时修正.以中国北方某小区供电系统为例进行验证,并分析不同直流负荷比例对优化调度结果的影响,结果表明该方法可以有效提高微电网运行效益及稳定性.     

计及源端不确定性的综合能源日前调度方法研究

可再生能源出力的多重不确定性对系统安全、经济运行的影响,已成为以风、光为主体的高比例可再生能源综合能源系统亟须解决的问题。在构建的日前调度模型基础上,基于可再生能源发电功率概率预测模型,以其预测置信度为决策变量,引入经济性、风电机组及光伏机组发电功率越限惩罚三个评价指标,提出一种外层为多目标优化、内层为两阶段鲁棒优化的日前调度方法。仿真结果表明：通过对可再生能源发电功率概率预测模型置信度的寻优,可以得到兼顾鲁棒性和经济性的日前调度计划。该方法可充分考虑可再生能源多重不确定性对日前调度计划的影响,为含高比例可再生能源的综合能源系统的安全、高效运行提供指导。     

风电场风功率预测系统研究

对风电场发电功率的准确预测,可以有效优化电网调度,使得电网经济运行,同时提高风电场在电力市场中的竞争能力.文中提出了基于先进统计方法的风电功率预测系统,以高精度数值气象预报为基础,搭建完备的数据库系统,利用各种通讯接口采集风电场监控数据.提出并实现了“自适应逻辑网络”(ALN),为风电场建立功率预测算法引擎,可以准确预报风电场未来72小时短期功率负荷,并能针对单台风机、风电场或风机集群进行预测和上报,为风电场管理提供重要辅助手段.现场运行测试验证了系统在风速预测以及针对不同型号风机风功率预测的可行性和有效性.     

一种最小化绿色数据中心电费的负载调度算法

为了减少电费和碳排放,数据中心运营商开始建立就地绿色能源发电厂以进行供电.然而,负载的波动性、电价的时间差异性以及绿色能源的间歇性,给节约数据中心电费带来了挑战.针对以上问题,提出一种在线式负载调度算法,可以在不使用未来的负载、电价和绿色能源可用性信息的前提下,最小化数据中心的电费.首先,建立拥有就地绿色能源发电厂的数据中心的电费模型;然后,将数据中心电费最小化问题形式化为一个随机优化问题;最后,求解该优化问题得到相应的负载调度策略.基于真实数据的实验结果表明：该算法可以在保证负载性能的前提下,有效降低数据中心的电力成本.     

含风电的发电资源优化调度与仿真研究

风电大规模集群接入电网给电力系统的调度带来巨大挑战.基于对风功率波动特性的分析,将风电作为负的负荷,构建了以污染物排放最小为目标的含风电的电力系统优化调度模型.根据次日风功率和负荷功率的预测值,安排火电机组的发电调度计划.把目标函数作为适应度函数,利用遗传算法迭代优化蚁群算法的参数,得到两者融合后的改进算法,最后求得最优解.实例仿真表明,本文提出的运行调度模型及改进求解方法能够用于计划机组出力,可有效减小污染物的排放.     

基于大数据的分布式光伏接入配电网影响分析与功率预测研究

为提高分布式光伏发电功率预测的精度,满足电网调度和规划的高精度要求,本文利用光伏运行、电能量采集、电网调度等业务系统的海量数据,利用大数据分析方法研究大量分布式光伏接入对配电网负荷特性的影响,并提出基于气象相似日和粒子群算法优化BP神经网络的光伏电站功率预测方法.通过分析光伏发电功率随天气类型、温度、光照强度等气象因素...     

智能船舶综合能源系统及其分布式优化调度方法

船舶航运污染是阻碍海洋经济发展、海洋强国建设的瓶颈问题. 智能船舶为航运业绿色环保发展提供了重要手段. 为进一步开发船载新能源, 提升能源综合利用效率, 降低船舶航运污染排放, 本文构建以能量优化调度系统为核心、以能源转换中心为枢纽的智能船舶综合能源系统; 考虑其特有的动力系统负荷需求、航行低污染排放量标准以及电?热多能流耦合供能特性, 建立智能船舶综合能源系统能量优化调度目标函数及相关约束条件; 并基于宽度学习、带有广义噪声的多智能体分布式优化相关理论, 提出可快速准确地预测全航程各时段负荷需求、可容纳复杂干扰的分布式优化调度方法, 实现高效的智能船舶综合能源系统能量优化调度, 保障智能船舶经济、可靠、稳定航行. 仿真分析验证了所提出智能船舶综合能源系统分布式优化调度方法的有效性.     

风力发电系统技术的发展综述

风能是目前全球发展最快的可再生绿色能源,风力发电系统是将风能转化为电能的关键系统,它直接关系到风力发电的性能与效率。分别介绍了风电系统涉及的控制技术、风力机和发电机,特别是对当前的风力发电机系统进行了科学分类;并详细分析和比较了各类风电系统的原理、优缺点和适用范围,最后指出了风电系统的发展趋势。这对风力发电系统的选择和研究具有一定的参考指导价值。     

Distributed Model Predictive Load Frequency Control of Multi-area Power System with DFIGs

Reliable load frequency control (LFC) is crucial to the operation and design of modern electric power systems. Considering the LFC problem of a four-area interconnected power system with wind turbines, this paper presents a distributed model predictive control (DMPC) based on coordination scheme. The proposed algorithm solves a series of local optimization problems to minimize a performance objective for each control area. The generation rate constraints (GRCs), load disturbance changes, and the wind speed constraints are considered. Furthermore, the DMPC algorithm may reduce the impact of the randomness and intermittence of wind turbine effectively. A performance comparison between the proposed controller with and without the participation of the wind turbines is carried out. Analysis and simulation results show possible improvements on closed-loop performance, and computational burden with the physical constraints.      

基于随机模型预测控制的含大规模风电接入的电力系统优化调度

风电是重要的清洁可再生能源,将其引入智能电网中对节能减排有着重要的意义.为降低大规模风电不确定性给电网调度带来的影响,提出一种基于随机模型预测控制的风电与传统机组协调调度方法.考虑了部分传统机组需要人工调度而无法频繁、连续操作的情况,并引入可调负荷以增加系统可调度能力.构建基于混合整数二次规划(MIQP)的风电调度目标函数,以及包括机组最大可调节次数、最小运行/停机时间、可调度负荷总能量需求一致性、风电切负荷比例等约束.提出两阶段场景缩减方法以实现典型场景的快速筛选.通过与传统开环调度方法的性能对比表明所提出方法的可行性与有效性,并在此基础上进一步分析机组启停次数和可调度负荷对系统运行的影响.     

A reactive scheduling and control framework for integration of renewable energy sources with a reformer-based fuel cell system and an energy storage device

The main technological barrier in relying solely on renewable energy resources is that the sources such as wind and solar are highly intermittent in availability and result in uncertainty in demand satisfaction. This paper focuses on the integration of these uncertain renewable energy sources along with relatively deterministic energy sources such as reformer based fuel cell and battery. The power mix scenario between these multiple renewable energy sources along with the reformer based fuel cell system, coupled with an energy storage option is envisaged in this paper to ensure undisrupted power supply, to combat the possible intermittent nature of these renewable sources. An appropriate scheduling layer which provides a detailed plan of the optimum contribution of the various available power sources is considered over one week (7 days) duration. A model predictive control (MPC) scheme is deployed at the lower level control layer that receives a measurement of the possible fluctuations or uncertainties in the renewable power sources and maintains a smooth operation of the power generation system through appropriate decisions on generation via the reformer based fuel cell or by exploiting the battery storage, to ensure a delay-free delivery of power to the external load. During real-time operation of the plant, due to the uncertainties in the contribution from solar and wind sources, the power demanded from the fuel cell and the battery is varied accordingly by the MPC layer to meet the overall power demand. The performance of the designed MPC to maintain a smooth delivery of power in both the absence and presence of uncertainties in the renewable energy sources, with and without a reactive feedback between the scheduling and control layers, is illustrated using case studies.     

Fault diagnosis for wind turbines based on LSTM and feature optimization strategies

High penetration of renewable energy is the development trend of the future power system. As one of the clean energy sources, wind power generation has an increasing share in the energy market. However, due to the harsh working environment, the high fault rate and poor accessibility of the wind farms, resulting in the difficult maintenance process and high cost. This article proposes a fault diagnosis (FD) method based on long short-term memory (LSTM) and feature optimization strategies for wind turbines (WTs), thus reducing the operation and maintenance costs of WTs. First, Pearson correlation coefficient analysis is performed on the collected data features to remove redundant features, and wavelet transform is adopted to remove the redundant data, so as to optimize the fault features and fault data. Then the selected features samples are used to train LSTM-based FD model. Finally, the actual production data is adopted to verify the proposed method. The proposed method can effectively locate the faults, and provide data support for wind farms, thus improving the reliability, safety, and economic benefits of wind farms.     

Joint operation of wind farms and pump-storage units in the electricity markets: Modeling,simulation and evaluation

Renewable power plants generation scheduling and unit commitment construct new problems of the power systems. In this paper, optimal scheduling of the joint operation (JO) and uncoordinated operation (UO) of wind farms and pump-storage plants in the energy and ancillary service markets are studied. For this purpose, a new method for modeling, simulation and evaluation of these units is presented. Since there are uncertainties in wind power generation (WPG) and the market prices, the scheduling problem is modeled by a stochastic optimization problem. Optimal bidding strategy of units is determined by solving this stochastic optimization problem. For this purpose, uncertainties are modeled by a scenario tree method. In order to evaluate the performance of the results of JO and UO of the plants, the value at risk (VaR) and the profit of the plants are compared. With JO of pump-storage plants and wind units, the profit of these plants in comparison with their UO will be increased. The results for pump-storage and wind farms of IEEE 118-bus standard system, verify that the JO of these units, improves the profit and VaR of the system.     

智能全功率MPPT风光互补路灯控制器设计

针对一类普通风光互补路灯控制器转换能效低、稳定性差等问题,设计一种智能全功率MPPT风光互补路灯控制器.采用双MCU处理器PIC16F877A单片机为控制器核心,硬件采用模块化的设计方法,整个控制器由主控制模块、从控制模块、风力发电机智能升压MPPT模块,以及风力发电机点刹控制模块、太阳能智能升压MPPT模块、蓄电池充/放电模块、负载LED灯模块组成,在分析光伏电池和风力发电机最大功率点跟踪问题的基础上,采用风力发电机和太阳能智能全功率MPPT跟踪控制策略.最后,在实验室搭建测试平台,测试结果表明,控制器可以可靠稳定运行,跟普通控制器相比,其充电效率与能源利用能效提高22.1％,能够实现能源的最大化利用.     

基于NSGA-II的并网型风光互补发电系统协调控制

针对并网型风光互补发电系统中,系统最大输出功率大于给定功率时,风力发电子系统和光伏发电子系统功率如何协调的问题,提出了一种功率协调控制方法.在该方法中,根据系统并网收益最大和输出电流谐波最小构建目标函数,采用带精英策略的快速非支配排序遗传算法对风力发电子系统和光伏发电子系统的输出功率进行多目标优化,协调控制子系统的发电功率;并以甘肃华电阿克赛风光互补发电项目为例进行了仿真验证.仿真结果表明,与传统的光伏优先接入方式相比,基于NSGA-Ⅱ的并网型风光互补发电系统协调控制方法可以更加合理地利用风能和太阳能,提高新能源电能的电网友好性.     

一种基于能耗优化的云计算系统任务调度方法

服务器执行任务产生的能耗是云计算系统动态能耗的重要组成部分。为降低云计算系统任务执行的总能耗,提出了一种基于能耗优化的最早完成时间任务调度方法,建立了服务器动态功率计算模型,基于动态功率的服务器执行能耗模型,以及云计算系统的能耗优化模型。调度策略根据任务的截止时间要求和在不同服务器上的执行能耗,选择不同的调度算法,以获得最小任务执行总能耗。实验结果证明,提出的任务调度方法,能够较好地满足任务截止时间的要求,降低云计算系统任务执行的总能耗。     

区域源网荷储一体化调控管理模式

针对当前源网荷储一体化调控面临的“新能源+规模化储能”一体化调控策略缺失、主动支撑能力不足以及多系统林立等共性问题，本文以全国首个“源网荷储”一体化项目为例，探讨一体化调控管理模式的应用。主要研究内容包括区域风光功率联合预测、电网友好型新能源电站的“网-源”协调关键机制、风光储场站协同优化控制保护、新能源快速一次调频和虚拟惯量支撑等技术创新研发，以及风光储场站一体化数据集控平台研发和“集控+直控”双调度模式创新。研究结果表明，一体化集控平台从可测、可控、可调、可支撑四个方面为源网荷储一体化运行提供数据支持，满足新能源电站一体化智慧控制、电网友好接入及风光储稳定运行的要求，实现了全景智慧、电网友好、风光储协同的目标。研究成果有助于加快推动源网荷储一体化建设，创新一体化调控管理模式，并为促进形成规范化的源网荷储一体化实施路径提供参考。