计及需求响应的多点分布式储能系统多阶段入网调度模型

多点分布式储能系统在响应过程中,对外部环境和需求响应等因素考虑较少,导致调度成本过高,调度模型运行效率较低.基于此,提出建立计及需求响应的多点分布式储能系统多阶段入网调度模型.实验结果表明,计及需求响应的多点分布式储能系统多阶段入网调度模型可快速完成调度任务,且调度成本较低.     

储能式充电桩参与电网需求侧响应联合运行优化

储能式充电桩参与电网的联合运行,不但能够减小电网扩容成本,还可以获得参与电网需求侧响应辅助管理服务收益,从而降低充电桩运营成本。为探究需求侧响应中实时定价激励对储能式充电桩经济效益的影响,本文进行储能式充电桩参与电网需求侧响应的联合运行优化能量调度研究。本文考虑电网需求响应实时电价,建立以储能式充电桩参与需求侧响应的经济效益函数模型;以实现经济效函数最大化为目标,建立以储能式充电桩电量和容量约束的充电桩的电网联合运行优化模型;为应用对偶分解方法,将优化模型转化为典型凸优化问题,从而求得储能式充电桩最优化能量调度。基于储能式充电桩实际运行电量、容量和经济性参数进行仿真,仿真结果表明所提出的方法能够实现较快收敛,并且能够获得收益。     

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。     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

投资与需求约束下的光伏储能最优收益模型

为了提升光伏消纳率,提升光伏储能系统能量协同调度能力,提高系统年收益,提出考虑需求响应的光伏储能系统能量协同调度方法.建立用户多时段需求响应模型与投资收益需求响应模型,依据两种模型分析投资收益需求响应对负荷峰谷差以及光伏利用率的影响,以此构建综合需求响应模型,并将年收益和光伏消纳率作为优化目标,建立光伏储能系统能量协同...     

基于风电消纳的热电系统储热模型仿真

为了有效解决电热联合系统弃风严重、煤耗量较高的问题,基于风电消纳的热电系统储热模型。融合不同的系统组建电热联合系统,以热电联产机组最小煤耗及最低成本为目标,通过风电消纳需求提升系统中用户需求的灵活性,同时挖掘用户的需求响应侧潜力,组建基于风电消纳的电热联合系统储热模型。采用粒子群算法对电热联合系统储热模型进行求解,得到最优储热方案。最后进行仿真测试,实验结果表明,所设计模型能够有效降低运行成本,采用该模型后电热联合系统的弃风率和煤耗率大幅下降,有效提升系统的稳定性。     

电力系统节能优化控制过程仿真分析

研究电力系统节能优化控制问题.传统的PSO节能控制方法以电力系统总发电成本消耗最小为寻优目标,但是在线路阻抗角较小等特殊情况下,输电线路传输的功率与成本之间呈现弱耦合性,此时把功率与成本关联计算,会引起控制过程的不收敛,控制结果效果差.提出采用多重自适应粒子群的电力系统节能控制算法.算法首先生成大量随机粒子,然后根据当前成本与能耗的最优位置和全局最优位置更新粒子的位置和速度,同时在迭代过程中不断调整调度优化的惯性权重和学习因子,使得所有粒子不断逼近节能调度的全局最优值.仿真结果表明,新的粒子群算法在函数最优值上的搜索精度高于同时期的两种粒子群算法.将改进算法用于电力系统优化仿真中,可以有效的优化电力能耗,实用性高.     

考虑风电和储能接入电网的多目标协同博弈区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题, 充分考虑储能灵活充放电的运行优 势, 提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法. 本文综合考虑有功调度与无功优化之 间的内在耦合关系, 以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标, 建立多目标区间储能经济 调度优化模型. 在优化过程中, 首先考虑在直流潮流的区间调度模型中, 通过优化储能和发电机的有功出力来实现 对风电不确定性的处理, 然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化, 从 而获得兼顾电网安全性与经济性的均衡最优解. 本文还从风电的不同区间波动以及风电场并网规模的角度出发, 分 析了对系统储能调度运行的影响. 最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的 Pareto最优解进行对比分析, 可避免确定权重因子时的人为主观因素. 本文通过对IEEE RTS–24节点系统进行算例 仿真, 验证了所提模型的合理性和可行性.     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

混合自适应粒子群算法在电力经济调度中的应用

以电力系统中发电成本最低为目标,结合实际发电运行中系统平衡约束和机组操作约束条件,建立电力经济调度(ED)模型。由于标准粒子群算法存在易陷入局部最优的问题,用这种方法求解ED模型得到的最终结果会不太理想。为此,本文提出一种非线性自适应权重调整策略来增强算法全局搜索和局部搜索能力,首先引入小生境优化种群策略使算法跳出局部最优,然后将这种改进后的混合自适应粒子群算法（HAPSO）应用于求解ED模型。最后,算例分析结果表明本文所改进算法的有效性,提高了求解精度。