基于模型预测控制的微电网多时间尺度需求响应资源优化调度

为了解决微电网自身分布式能源就地消纳及参与上层电网需求响应的功率调度问题,提出一种微电网多时间尺度需求响应资源优化调度方法。建立了微电网多时间尺度需求响应调度框架,结合微电网的运行成本和需求响应补偿收益建立了日前最优经济调度模型;为了校正可再生能源和负荷的预测偏差,基于模型预测控制(MPC)方法建立了以联络线功率偏差和储能荷电状态(SOC)偏差最小为目标的日内滚动优化调度模型,通过引入可调容量比例因子考虑了微电网联络线功率的调节能力,保证微电网在消纳可再生能源的同时具备一定的可调容量;以实际微电网示范工程为例分析验证了所提方法的有效性和可行性,实验结果表明所提框架可使微电网有效地参与短时需求响应市场。     

考虑预测误差下孤岛直流微电网的经济调度策略

基于新能源发电单元的不确定性和电动汽车的灵活性,提出了一种最小化运行维护成本的孤岛直流微电网经济调度策略。建立了孤岛直流微电网的优化调度模型,该模型包含日前经济调度和日内调度两阶段。日前调度阶段以运行维护成本最小为目标调度可控单元,确定日内调度阶段可调负荷和电动汽车有序充放电功率;日内阶段考虑新能源发电的预测误差,以日内可调度单元偏离日前阶段最小为目标,引入神经网络模型,模拟日内新能源发电情况,得到日内调度结果,训练神经网络模型,日内调度根据日内新能源发电数据调度可控单元,实现孤岛直流微电网经济调度和电动汽车有序充电。通过算例,对比日后最优调度,验证了该调度策略的有效性和经济性。     

微电网跟踪调度计划双层双时间尺度实时控制策略

为了提升微电网跟踪调度计划的能力,并降低分布式电源和负荷的功率波动对跟踪效果的影响,提出一种利用由超级电容和电池储能组成的混合储能系统跟踪调度计划的双层双时间尺度实时控制策略。上层基于模型预测控制方法建立日内滚动优化模型,结合分布式电源和负荷的超短期功率预测结果,综合考虑一段时域内的跟踪偏差及混合储能系统的功率和荷电状态对跟踪调度计划进行滚动优化;下层在上层优化结果的基础上,采用基于荷电状态的混合储能系统实时控制策略对超级电容和电池储能的实时功率进行协调分配,进一步降低分布式电源和负荷的实时功率波动对跟踪效果的影响。通过仿真算例对所提控制策略进行验证,结果表明:所提策略不但实现了良好的实时跟踪调度计划的控制效果,而且优化了超级电容和电池储能的荷电状态。     

考虑动态激励型需求响应的微电网两阶段优化调度

针对微电网中风电、光伏出力和负荷大小的不确定性,从日前和实时两个阶段出发,建立了微电网两阶段优化调度模型。日前调度阶段建立以微电网总运行成本最优的经济调度模型。实时调度阶段在日前调度优化结果的基础上,综合考虑实时优化调度各电源的出力调整顺序,提出了一种动态激励型需求响应参与的实时滚动优化策略。该策略的激励价格和用户参与容量随时间尺度前进呈现出动态变化,旨在利用价格引导用户提高需求响应的参与程度。通过算例表明,动态激励型需求响应相较于静态激励型需求响应不仅可以提升对日前联络线计划的跟踪效果,还能更好地消除微电网日前预测误差。该策略在显著提高用户收益的同时有效降低了系统运行成本,为市场化的微电网优化运行提供了参考。     

计及调度优先级的微电网多时间尺度优化调度策略

随着负荷用户的大量增长,负荷侧可调资源逐渐增多,利用负荷侧需求响应资源参与微电网调度,以提升新能源消纳水平。为充分发挥需求响应资源调度潜力,优化用户侧负荷管理能力,提出一种计及调度优先级的微电网多时间尺度优化调度策略。首先根据不同需求响应资源响应特性进行划分,将价格型需求响应资源与激励型需求响应资源细分为5种类型,构建需求响应模型与调度时段进行匹配;其次,构建“日前-日内1 h-日内15 min”的微电网多时间尺度优化调度模型,对微电网内各类可调资源进行优化调度,并针对直接影响用户用电行为的实时可调资源建立优先级权重;最后,以福建地区某实际微电网为例,仿真验证了该模型的有效性。     

考虑不确定性与交互功率的城市综合能源系统两阶段调度

城市综合能源系统运行优化面临新能源发电强随机性和强波动性、负荷功率不确定性以及系统参数不确定性的多重挑战。文中构建考虑聚合特性的用户侧灵活性资源调度模型，提出考虑不确定性与交互功率的城市综合能源系统两阶段优化调度策略。在日前阶段，采用混合随机鲁棒优化方法处理建筑群参数不确定性和源荷不确定性，得到城市配电网与上级电网的最优交互功率区间。在日内阶段，基于新能源发电和负荷的预测结果，采用模型预测控制滚动优化系统的调度策略。算例结果表明，调度策略能够保证用户的热舒适度需求，得到的交互功率区间具有较强的应对日内不确定性能力，同时降低交互功率短时剧烈波动对系统运行安全性和经济性的影响。     

基于多时间尺度综合需求响应策略的综合能源系统优化运行

为充分挖掘各类型综合需求响应(integrated demand response,IDR)参与协调综合能源系统(integrated energy system,IES)优化运行能力,首先分析IDR多时间尺度特性,建立各类型IDR模型并制定了IDR多时间尺度响应策略;然后基于此策略建立以经济性最优为目标的IES多时间尺度优化运行模型:该模型分为日前-日内上层-日内下层三个阶段,在日前阶段制定经济性最优的日前调度计划,在日内阶段划分长、短两个时间尺度分别对冷/热、电/气相关设备出力进行分层管理;最后算例分析表明,所提模型能够有效降低运行成本,充分发挥不同响应能力的设备参与日内调度的潜力。     

基于多时间尺度综合需求响应策略的综合能源系统优化运行

为充分挖掘各类型综合需求响应(integrated demand response,IDR)参与协调综合能源系统(integrated energy system,IES)优化运行能力,首先分析IDR多时间尺度特性,建立各类型IDR模型并制定了IDR多时间尺度响应策略;然后基于此策略建立以经济性最优为目标的IES多时间尺度优化运行模型:该模型分为日前-日内上层-日内下层三个阶段,在日前阶段制定经济性最优的日前调度计划,在日内阶段划分长、短两个时间尺度分别对冷/热、电/气相关设备出力进行分层管理;最后算例分析表明,所提模型能够有效降低运行成本,充分发挥不同响应能力的设备参与日内调度的潜力。     

基于两阶段鲁棒优化的西南地区微电网经济调度

针对西南地区可再生能源储备丰富的特点,考虑微电网中可再生分布式能源出力和负荷的不确定性对微电网运行调度的影响,搭建了两阶段鲁棒优化经济调度模型,求解系统在极端运行场景下的经济性最优解。模型考虑系统功率平衡和输出功率约束、需求响应负荷约束以及微电网与配电网的交互约束,通过不确定性调节参数处理微电网中的不确定性,调节模型的保守度。随后通过Benders分解算法将模型分为主问题和子问题求解,并采用对偶理论对内层模型进行解耦。最终得出的结果验证了所搭建模型的有效性,为微电网接入西南电网后的调度策略提供参考。     

基于模型预测控制的微电网多时间尺度协调优化调度

微电网多时间尺度优化调度是消纳间歇性分布式能源的有效技术手段,针对传统基于潮流断面信息的多时间尺度优化方案易出现机组调节响应不及时、计划跟踪误差较大等问题,提出了一种基于模型预测控制(MPC)的多时间尺度协调调度方法。在日前调度阶段,综合考虑电价峰谷差、储能寿命及可再生能源随机性,建立了以系统运行成本最低为优化目标的最优经济调度模型。在日内调度阶段,为应对可再生能源日前预测误差带来的联络线功率波动,同时为确保储能满足日运行能量平衡约束,提出了一种基于MPC的日内滚动优化校正策略。采用有限时间窗内的滚动优化调度代替传统单断面优化调度,提前感知未来一段时间内的可再生能源出力及联络线计划的变化从而对机组出力进行调整,同时结合时域滚动和系统实时状态的反馈校正,更大限度地消除了微电网中不确定性因素的影响,确保了日前计划的合理性及系统运行的稳定性。以某示范微电网为例,通过算例分析验证了所提模型及算法的有效性。     

考虑机组灵活性的独立微网日前日内协调优化调度

作为高效利用分布式能源以及补充大电网灵活性的有效手段之一,微网的优化调度越来越受到重视。在全面考虑各类分布式资源调度灵活性的基础上,从日前和日内2个时间尺度出发,建立以总运行成本最小为目标的独立微网优化调度模型。日前调度计划为日内调度提供参考,必要时在日内调度中可调整满足灵活性要求的分布式资源的启停状态;日内调度采用滚动优化方式,并通过制定各类分布式资源的调整优先级,指导日内调度计划的优化调整。将蓄电池初始荷电状态作为优化变量,与分布式资源的调度计划同时进行优化,以进一步提高微网运营经济性。对该模型进行线性化处理,并调用CPLEX求解器求解该混合整数规划问题。算例分析结果验证了所提调度策略的合理性。     

基于深度强化学习的微电网在线优化

针对微电网的随机优化调度问题,提出了一种基于深度强化学习的微电网在线优化算法。利用深度神经网络近似状态-动作值函数,把蓄电池的动作离散化作为神经网络输出,然后利用非线性规划求解剩余决策变量并计算立即回报,通过Q学习算法,获取最优策略。为使得神经网络适应风光负荷的随机性,根据风电、光伏和负荷功率预测曲线及其预测误差,利用蒙特卡洛抽样生成多组训练曲线来训练神经网络;训练完成后,保存权重,根据微电网实时输入状态,神经网络能实时输出蓄电池的动作,实现微电网的在线优化调度。在风电、光伏和负荷功率发生波动的情况下与日前优化结果进行对比,验证了该算法相比于日前优化在微电网在线优化中的有效性和优越性。     

计及源-荷预测不确定性的微电网双级随机优化调度

风光储微电网接入高渗透率的可再生能源对其经济运行构成了巨大的挑战。针对这一问题,提出了计及源-荷预测不确定性的微电网双级调度策略。在日前调度阶段,以多场景下的期望运行成本最低为优化目标,构建了基于多场景技术的随机优化调度模型。利用场景分析法对日前风电、光伏和负荷预测进行场景分析;建立了多场景下含不确定变量的功率平衡方程,并将其松弛为不等式后作为一个随机事件使其以较高的概率满足机会约束;此外,用机会约束规划构建了旋转备用容量的可靠性约束模型,使微电网在一定的置信水平下满足系统的可靠运行。在日内调度阶段,提出了结合自适应小波包算法的日内滚动调度模型。利用自适应小波包算法动态提取每一控制周期内超短期预测数据与日前调度计划之间的功率偏差,并由蓄电池、超级电容器和主网供电共同平抑。     

基于模糊激励型需求响应的微电网两阶段优化调度模型

针对微电网中风电和负荷不确定性，提出一种基于价格型需求响应（price-based demand response，PBDR）的日前负荷调度和基于激励型需求响应（incentive-based demand response，IBDR）的实时负荷调度的两阶段优化调度模型。在日前阶段，根据用户需求对电价的响应，引入需求价格弹性建立了用户响应模型；在实时调度阶段，为了挖掘不同用户参与需求响应的积极性，利用模糊工具求出不同用户的动态激励方案，提高需求响应项目的参与度。算例分析结果表明，两阶段调度模型相较于只采用日前价格型需求响应提高了风电消纳能力，增加了电网和用户的经济效益；而较于只采用实时激励型需求响应增强了削峰填谷作用，提高系统运行的平稳性。同时动态激励价格比固定式激励价格使负荷曲线峰谷差更小，进一步减少了弃风量。     

考虑噪声和环境的微电网分布式经济调度策略

随着微电网的迅速发展,其运行和经济优化控制越来越受到人们的关注。传统的经济优化控制为集中式控制,其面临着单点故障,资源消耗大等问题。分布式控制可以很好地解决上述问题,并可以结合一致性算法解决微电网中的经济调度问题。系统调度过程需要通信网络完成信息的交互,然而通信网络通常会受到噪声的影响,针对此问题,本文提出了一种基于有限时间一致性的完全分布式经济调度策略来应对噪声的干扰,并以分布式系统的发电成本和环境污染排放最小为目标,通过引入一致性增益函数来抑制噪声,实现系统的完全分布式环境/经济优化调度。算例仿真表明：本文所提出的完全分布式调度策略在保证一致性收敛的同时,可以抑制噪声的干扰并且达到了较好的优化效果。     

基于双蓄电池组的微电网两阶段调度优化模型及控制策略

针对微电网应用中储能寿命损耗成本过高的瓶颈问题,提出了基[JP2]于双蓄电池组的日前日内两阶段协调调度模型与控制策略。在日前阶段,综合考虑日前预测数据、储能装置寿命及市场电价,建立了以微电网运行总成本最低为目标的经济调度模型,并利用随机权重粒子群优化算法求解该模型。在日内阶段,为应对间歇性分布式电源预测误差引起的联络线功率波动,构建了基于双蓄电池组拓扑结构的储能系统,根据蓄电池特性设计了实时控制策略,即两组蓄电池分别作为放电组、充电组,交替补偿联络线功率的正、负偏差,当任一组蓄电池达到其荷电状态的上、下限,则同时交换两组蓄电池的充、放电状态。最后,以某园区的示范微电网作为分析对象,通过实际算例验证了日前优化模型及算法的有效性,并证明了基于双蓄电池组的日内实时控制策略能有效延长蓄电池循环寿命,提高系统的经济性。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

基于GRU-MPC的光储充电站日前-日内两阶段优化控制

电动汽车负荷与光伏出力的随机性给光储充电站的经济运行带来严峻考验。为了更高效地利用储能系统以及提高控制策略的鲁棒性,建立光储充电站日前-日内两阶段优化模型。在日前阶段,结合变分模态分解与门控循环单元神经网络预测一天48个时刻的充电负荷,并建立以日充电成本最小为目标的优化模型;在日内阶段,以日前调度计划与日内实际运行结果的偏差最小为目标,采用模型预测控制来实现滚动优化,为了增强储能控制策略对不确定源荷的跟踪能力,在日内关键时间点结合超短期源荷预测的结果对日前计划进行更新,得到基于阶段性最佳参考轨迹的实时调度。以实际算例进行仿真计算,比较不同控制策略对充电成本的影响,结果表明所提两阶段优化控制策略可以节省更多的充电成本,有更高的经济价值。