基于多目标优化的日前风电接纳研究

在考虑风功率/负荷预测误差以及常规机组随机停运的基础上,构建了电网日前风电接纳模型,在运行方式优化的基础上对风电接纳能力进行评估。模型是典型的多目标优化模型,具有风电接纳能力最大与发电成本最小两个互相冲突的优化目标。采用非支配分类遗传算法对其进行求解,获得了Pareto最优解集,给出了日前自然风电接纳电量与最大理论风电接纳电量。在Pareto最优解集的基础上,对不同风电接纳水平下的常规系统平均发电成本以及平均风电接纳成本进行了分析。基于IEEE 118节点系统的仿真实验验证了本文所提模型及算法的有效性。评估模型给出的风电接纳电量、接纳成本等信息可为调度决策提供有益的参考。     

基于NSGA-II和熵权法的氢综合能源系统商业运营模式

针对含氢综合能源系统运营过程中的成本和收益问题,提出一种考虑供能方式的综合能源商业运营方法。首先考虑各个投资主体,提出多环节供能模式和多方合作供能模式2种运营模式;分析各个模式下投资主体的成本和收益构成,最后以产能公司和供能公司净收益最高,各能源销售给用户价格最低为目标制定运营过程中各个公司的售能价格;利用带有精英保留策略的快速非支配多目标优化算法（NSGA-II）确定各个模式下最优价格Pareto解集,最后利用熵权法确定各个目标函数权重,选出最受三方（供能公司、产能公司和用户）欢迎的方案1和2的解集,进而得到最优的综合能源系统商业运营的2种模式。     

基于灰靶决策和多目标布谷鸟算法的微电网分布式电源鲁棒优化

风机、光伏等可再生能源出力和负荷需求的不确定性给微电网稳定运行带来挑战。首先,针对这一特性,构建约束条件的不确定集,综合考虑运行成本和环境成本,建立微电网多目标鲁棒调度模型,并引入鲁棒不确定预算调节不确定集合的保守度。其次,采用基于Pareto支配策略的改进的非线性多目标布谷鸟算法求出Pareto最优解集,并利用多目标灰靶决策从Pareto最优解集中选择出满意方案。最后,针对一个小型微电网系统建立优化模型并求解,对比分析仿真结果,验证了所提方法的可靠性和有效性。     

计及电气热综合需求响应的区域综合能源系统优化调度

区域综合能源系统(Regional Integrated Energy System,RIES)是解决社会能源利用效率低以及可再生清洁能源难以消纳问题的有效途径之一。首先建立了包含风电、多种储能以及电转气(Power-to-Gas,P2G)设备的RIES模型。针对电、气、热负荷柔性特征和可调度价值,结合三种负荷在RIES中形成的耦合关系,提出计及电-气-热多种负荷的综合需求响应模型。同时采用典型场景集考虑风电出力的不确定性,建立区域综合能源系统优化调度模型。该模型以综合运行成本最少、碳排放量最小、能效利用率最高为优化目标,利用非支配排序遗传算法(NSGA-II)进行求解并输出Pareto最优前沿解集。仿真算例设置了4种场景,分析电、气、热需求响应及P2G、储能设备接入对区域综合能源系统运行优化的影响。结果验证所建立多目标优化调度模型既能够提高能源利用效率,也能保证系统的环保经济运行。     

基于NSGA-Ⅱ的电动汽车充电站多目标优化规划

电动汽车充电站既是公共服务设施又是配电网络中的大型用电负荷,构建了同时考虑充电服务能力最大与配电网络损耗最小的电动汽车充电网络优化规划模型。该模型为典型的多目标优化模型,采用改进非支配排序遗传算法对其进行了求解,获得了Pareto最优解集。基于25节点交通网络和IEEE33节点配电系统的仿真结果验证了本文所提模型及其算法的有效性。     

电网供电缺失环境下多园区有限电量优化调度策略

在大电网供电缺失环境下,孤岛型微电网由于自身电源容量的限制和可再生能源出力的不确定性,会出现供电量不足情况,制定合理的电能调度策略可提高用户用电经济性和用户满意度。因此,针对电网供电缺失环境下电量有限的情况,以进行电能共享的多园区为研究对象,对不同园区中不同类型负荷合理分配电量、调整负荷工作时间,以停电损失、储能配置成本及用户不满意度最小为目标,建立多园区有限电量优化调度模型。然后,采用基于精英策略的非支配排序遗传算法进行模型求解,对生成的Pareto解集利用模糊隶属度法筛选得到最优解。最后,以上海某区域多园区为例,通过方案对比验证了文章所提优化策略能够有效提高电能的利用率,同时降低停电损失和储能配置成本,提高用户满意度。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

基于柔性互联技术的含高渗透率新能源配电网多目标优化运行

智能软开关（SOP）可控制潮流、提供无功补偿,进而改善配电网电压、降低网损。因此,针对可再生能源大规模接入配电网后电能质量下降问题,采用K-means算法构建风-光典型场景,同时建立了基于SOP、可投切电容器的含高渗透率分布式电源的主动配电网优化运行模型。该模型以电压偏差、系统网损最小以及系统运行成本最低为目标,综合考虑了能源利用率及系统运行稳定性。最后利用基于参考点的非支配排序方法的多目标优化算法（NSGA-III）进行求解,输出Pareto最优解集,并采用改进的IEEE 33节点系统对所建立模型的有效性进行了验证。     

一种基于拉丁超立方抽样和聚类分析的改进MOPSO算法

针对基本的MOPSO算法的可能导致局部最优和难以输出代表性非支配解的问题,在MOPSO算法的基础上,运用拉丁超立方抽样和聚类分析对算法进行改进。应用拉丁超立方抽样指导MOPSO算法种群初始化,使初始化种群可以均匀遍布整个空间,避免了基本的MOPSO算法可能会导致的局部最优等问题。为了加强非支配解集的分布性和多样性,同时考虑在众多非支配解中自动挑拣代表性非支配解,增加聚类分析环节,对输出解集进行聚类处理,以挑选代表性非支配解。与基本的MOPSO算法相比较,改进的MOPSO算法求解的Pareto解集在寻优效果及代表性解筛选方面具有一定优势。     

基于NSGA-Ⅱ和模糊决策的交直流混合微电网多目标优化调度

风电、光伏等可再生能源在微电网的渗透率日益增加，使得交直流混合微电网经济调度难度加大。为实现含高渗透率可再生能源的交直流混合微电网的优化运行，结合分时电价机制，对蓄电池充放电策略进行研究。以经济成本和总节点电压偏差为优化的目标函数，建立考虑蓄电池荷电状态和公共直流母线关键节点电压偏差的多目标优化模型；针对非支配排序遗传算法(non-dominated sorting in genetic algorithm-Ⅱ,NSGA-Ⅱ)只能求出一个非劣解集的特点，将NSGA-Ⅱ和模糊决策相结合，利用模糊决策从非劣解集中寻找最优解。最后针对交直流混合微电网算例，求出交直流混合微电网的优化调度策略，结果表明该算法能有效降低交直流混合微电网运行成本以及公共直流母线关键节点的电压偏差。     

某研究所实验楼应用冰蓄冷空调实施效果分析

空调蓄能技术是一种有效地获取分时电价差效益、节省电制冷运行电费的成熟技术。电网的峰谷差是电网的一大特点。通过某研究所应用冰蓄冷空调的典型成功案例分析,提出应加强蓄能空调在电力需求侧的应用,转移电网高峰用电量,平衡电网峰谷差,提高企业及社会经济效益。     

零碳园区电-氢混合储能系统多目标优化配置

随着氢气生产和储存技术的快速发展,开发氢气储能系统(hydrogen energy storage systems, HESSs)将给能源和电力系统结构带来根本性变化。HESSs和电池储能系统(battery energy storage systems, BESSs)相结合进行协调优化可以解决多种能源供需之间的不平衡,并提高能源效率。为确保BESSs和HESSs规划的有效性,以最小全生命周期成本(life cycle cost, LCC)、系统网损、联络线交换功率偏差、负荷波动以及电压波动为目标,采用带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm-II, NSGA2)求解储能系统(energy storage systems, ESSs)选址定容规划方案的Pareto非支配解集。并利用基于熵权法(entropy weight method, EWM)的灰靶决策在Pareto非支配解集中选取最佳折中解。另外,通过模糊核C-均值(fuzzy kernel C-means, FKCM)聚类算法获取源荷典型运行场景集,并基于扩展的IEEE-33节点系统进行仿真分析。仿真结果表明:NSGA2算法不仅实现了电-氢混合储能系统LCC最小,且其电压质量、功率稳定性、网损与负荷波动也显著优于对比算法。     

水风储微电网电源容量的优化配置

由于配电系统线路功率和节点电压的约束,在微电网规划中需要弃风弃水来减少设备容量。文中提出一种高效能的友好并网型水风储微电网优化配置方法。通过量化风电资源和水电资源的最大可发电量,结合所提的微电网运行控制策略及运行约束,建立以微电网投资及运营成本、年弃风弃水电量和电源年发电量为目标函数的多目标优化模型;通过基于精英策略的非支配性排序遗传算法(NSGA-II)求出模型的最优解集,并采用逼近理想解排序方法(TOPSIS)选择满意的配置方案。通过韶关地区某实际配电系统进行多场景仿真验证,结果表明该模型提高了可再生能源利用率,保证了配电系统的电能质量,验证了该配置方法的实用性和经济性。     

含新能源接入的配电网中储能系统协调控制策略

以提高电网对新能源接纳能力为目的,本文研究了含新能源的配电网中电池储能系统的协调控制策略,针对配电网有功功率波动、新能源接入点电压波动建立优化模型,使用NSGA-II算法(快速非支配排序遗传算法)求解其Pareto非支配解集,实现多个储能系统的协调控制。使用该控制方法,可以将分布式储能系统联合调度,较好地平抑配电网整体的有功功率波动,同时改善新能源接入节点电压波动,提高电力系统稳定性。最后,本文对IEEE14节点配电网进行算例分析,在该配网中接入了接近负荷一半的光储和风储系统,将原本只和本节点光伏或风电配合的储能系统联合考虑,协调控制其出力,最后通过对比一个完整调度周期内储能系统单独控制和协调控制的效果,表明本文协调控制策略的有效性。     

大规模空调负荷在恶意控制下的配电网风险分析

针对目前配电网第三方终端智能设备存在信息安全防御程度低、没有严格的准入标准等问题,分析了大规模空调负荷在恶意控制下的配电网安全运行风险。首先,根据配电网中不同类型空调功率响应特点,建立相应的空调负荷攻击模型。其次,分析了空调启停和温控后运行功率变化,制定快速、持续攻击策略,以造成严重电力电量不平衡。最后,通过某网区10 kV馈线进行仿真分析,结果表明该攻击模型不仅可快速造成馈线停电事故,而且还可长时间地造成电力公司和用户的经济损失。     

零碳园区电-氢混合储能系统多目标优化配置

随着氢气生产和储存技术的快速发展,开发氢气储能系统(hydrogen energy storage systems, HESSs)将给能源和电力系统结构带来根本性变化。HESSs和电池储能系统(battery energy storage systems, BESSs)相结合进行协调优化可以解决多种能源供需之间的不平衡,并提高能源效率。为确保BESSs和HESSs规划的有效性,以最小全生命周期成本(life cycle cost, LCC)、系统网损、联络线交换功率偏差、负荷波动以及电压波动为目标,采用带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm-II, NSGA2)求解储能系统(energy storage systems, ESSs)选址定容规划方案的Pareto非支配解集。并利用基于熵权法(entropy weight method, EWM)的灰靶决策在Pareto非支配解集中选取最佳折中解。另外,通过模糊核C-均值(fuzzy kernel C-means, FKCM)聚类算法获取源荷典型运行场景集,并基于扩展的IEEE-33节点系统进行仿真分析。仿真结果表明:NSGA2算法不仅实现了电-氢混合储能系统LCC最小,且其电压质量、功率稳定性、网损与负荷波动也显著优于对比算法。     

考虑用户响应程度的电动汽车分时电价策略*

本文提出了一种综合考虑用户和电力公司利益的电动汽车分时电价策略。结合用户充电特性,建立了电动汽车需求响应模型。以用户和电网经济效益最大和电网波动最小为目标,通过NSGA-II算法求得了问题的Pareto解集。结合模糊隶属度的方法找到了其中的折中解,并作为最优分时电价。进一步,研究政府补贴额对用户响应参与度的影响,并定量计算出使用户达到最大响应度的最小补贴值。结果表明,分时电价响应制度能很好地激励用户参与到电价响应中来。同时,政府适当增加补贴能更好激励用户参与电价响应。本文提出的电价政策对电网公司具有一定的指导意义。     

基于模糊控制的混合储能平抑风电功率波动

风电功率波动对电网造成不容忽视的影响。风电并网处加入混合储能系统可以有效地降低风电对电网的影响。首先按照风电并网波动量要求,估算出某时刻的预估风电波动量。然后根据风电预估波动功率以及电池当前的能量状态建立模糊控制器,输出平抑系数K1,并计算出混合储能系统的实际输出功率以及风储并网功率。最后利用需混合储能SOE变化量以及超级电容器当前能量状态,建立模糊控制器,输出分配系数K2,计算当前超级电容器和电池的实际输出功率,并实时更新混合储能的能量状态。通过算例证明,在混合储能容量充足和不足的情况下协调控制算法均可靠、有效,并且能够充分解决混合储能使用寿命和风电功率波动平抑度之间的矛盾。     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。