污水泵站系统的预测控制

城市污水泵站管网系统是广地域分布的复杂系统 ,系统污水流量具有不确定性、滞后性与非线性特征。通过分析提出了污水泵站管网系统新的数学模型 ,以预测控制结合优化参数算法给出了新的控制策略 ,解决流量滞后和不确定性引起的污水溢出污染和机泵泵水优化节能控制问题。利用实际污水泵站采集数据进行模拟仿真及应用 ,结果表明该模型和控制策略有助于解决当前污水泵站运行中污水外溢问题 ,同时提高了泵水节能效果。     

污水泵站模糊自学习控制系统

以最小耗能为优化目标 ,管网污水溢出概率最小为约束条件建立污水泵站系统最优控制模型 ;用改进遗传算法调整模糊控制器的规则优化模糊控制器的参数 ,使控制器具有良好的自学习功能与鲁棒性。采用该控制系统与VVVF结合在实际污水泵站中应用表明比传统控制方式性能更加优越 ,泵站水位能够在目标水位稳定运行 ,实现泵出流量与流入流量均衡的最佳泵站运行工况 ,从而达到节电效果最佳、区域污水外溢污染最小的双优控制目标 ,具有实用价值     

基于深度学习的三峡水库实时防洪调度模型北大核心CSCD

水库实时调度需要考虑多种约束条件及综合目标,具有较高复杂度。本文以三峡水库实时防洪调度为研究对象,提出一种基于深度学习的水库实时防洪调度模型。研究模拟三峡水库实时调度过程,生成训练样本数据。基于样本数据生成高维张量输入数据,通过网络参数训练提取高维数据特征以学习拟合水库实时调度模式。基于深度卷积神经网络实时调度模型在训练过程中提取闸门数据特征,模型中采用强化学习算法,迭代优化模型参数,随着样本数据不断更新,通过在线学习实现最优调度决策。实例研究表明,水位实时控制和下泄流量实时控制模型模拟的下泄流量与实际数据相对误差分别为1.4%和1.0%左右,该深度学习模型有较好的收敛性,能够应用于水库实时调度。     

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。     

梯级水电厂水库调度信息实时传输及应用模式

为解决梯级水电厂水库调度信息的实时传输问题 ,开发了实时水库调度系统。介绍了该系统的传输模式和系统的主要功能——流量预报、出力预报、远程数据查询及报表的计算处理。     

基于无线传输技术的水网监控系统

城市二次供水自动监控调度服务系统,通过在二次供水泵站安装数据采集终端设备,采集现场供水压力、水箱水位、流量、水泵状态,水浸情况等数据,然后通过GPRS无线分组数据传输技术,实时将数据传输至二次供水管理部门的管理调度服务中心。便可以在该管理调度服务中心的监控终端上实时在线监控各个二次供水泵站的出口压力、进口流量、水箱水位,水泵运停状态等数据。如发现压力不足或过大、水位过高或过低、停水、漏水、停泵、水浸等现象,则立即报警通知泵站管理维护人员,以便进行快速处理。同时,还可根据采集传输回来的各种数据,用科技的手段对二次供水用户的用水情况进行监督控制,从而防止偷水、漏水情况的发生；对于生产管理部门,可根据各种历史数据,绘制每时、每日、每月的压力,流量曲线和数据报表,为水网的管理提供科学的决策依据,提高整个城市供水系统的智能化、信息化、科学化水平。系统工作原理水网无线监控管理系统包括3个部分：数据采集部分,数据传输部分和管理调度中心部分,系统整体框图如图1所示。     

基于混合深度学习的调度数据网流量预测技术研究

电力调度业务产生的数据波动性大且随机性强，在优先级、实时性和稳定性上的要求均高于其他业务，对其数据流量进行准确预测将有效保障电网的安全可靠运行。但是，因为传统运维手段应变力不足且依赖人工优化，所以在运维效率和预测准确性上均无法满足电力调度业务的发展需求。为解决上述问题，将信号分解技术与深度学习技术相结合，构建了一种能对电力调度数据网未来15天流量值与变化趋势进行预测的算法模型。该模型首先使用变分模态分解法自动分解复杂流量在不同时间维度下的特征，然后基于长短期记忆网络模型对所有分解后的子序列进行预测，最后基于各子序列预测值进行聚合叠加给出最终预测结果。使用某省级电力调度数据集对模型效果进行验证，该数据集包含骨干大区和信息大区中长达6个月的电力调度数据。结果表明该模型在调度数据网流量预测中的准确性优于其他时序预测方法，同时在实际场景下具有良好的可行性。     

样级水电厂水库调度信息实时传输及应用模式

为解决梯级水电厂水库调度信息的实时传输问题，开发了实时水库调度系统，介绍了该系统的传输模式和系统的主要功能－流量预报，出力预报，远程数据查询及报表的计算处理。     

基于广义联络线网省协调的两阶段实时发电计划模型

为进一步提高实时发电计划闭环运行水平,实现区域电网和省级电网调度协调稳定运行,提出了广义联络线模式的实时发电计划模型。首次引入广义联络线计划的概念,并对区域电网和省级电网分别建立数学模型。两级数学模型通过跟踪各自广义联络线计划,实现实时计划偏差调整量在区域电网和省级电网间的协调分配,保证地理联络线执行率。另外,区域电网采用两阶段优化实现控制区溢出功能,分析各个控制区广义联络线计划跟踪情况。     

考虑网内外功率特性的含风场电网日内发电需求滚动预测

由于自然风力、风向的不确定,大规模风场并网运行使得电网和风电调度的难度增大,在最大功率跟踪模式下,更加准确地预测发电出力是重要课题。考虑风场传统日前负荷预测时间尺度较大导致风场实时调度困难的实际,提出了一种在基于日内风场出力的发电需求滚动预测方法,以多级时间尺度为预测依据,建立了考虑风电接入的理想发电需求预测模型,提出了该模型下的滚动预测算法,并结合实际风场数据进行了实际预测,结果表明,提出的预测方法、模型和算法能明显提高发电需求预测精度,为大型风场的科学调度提供了决策依据,具有一定理论价值和工程应用价值。     

考虑SOC优化设定的电-氢混合储能系统的运行优化

针对含电-氢混合储能的源网荷储系统,为提高新能源的消纳水平并降低系统运行成本,提出了考虑SOC优化设定的电氢混合储能系统的运行优化方法,实现系统的日前实时优化调度。首先提出了大容量储能系统SOC优化设定的方法,以确定储能系统日前的始末SOC优化设定值。随后,基于双延迟深度确定性策略梯度算法,提出了一种日前实时优化调度模型训练方法。结合储能SOC的优化设定值和日前运行数据,建立了源网荷储系统的实时优化调度模型,实现日前和实时综合优化调度。最后,通过算例分析验证了所提运行优化方法的有效性。结果表明,大容量储能系统的SOC优化设定方法可以有效提高系统收益,日前-实时优化调度模型则在日前优化调度的基础上减少了预测误差带来的影响。     

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一.鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度.首先,建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型.然后,在实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其他子系统前一时刻的输入序列进行状态估计并优化自身性能指标.最后,通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求.仿真结果表明,所提方法能够在改善系统控制性能的同时,提高系统运行的经济性.     

多级控制中心全局电网潮流计算及闭环控制仿真系统

为了模拟电网互联一体,但调度控制分层分区进行的特点,研发多级控制中心协同的全局电网潮流计算及闭环控制仿真系统。介绍其关键技术实现,包括定关口的模型拼接、定关口模型拆分、连续数据断面拟合、多用户任务调度和并行处理以及模拟子站控制等。通过与实时系统以及与调度员培训仿真系统的对比说明该系统特点。以南方电网为应用对象,搭建网省地一体化全局潮流计算及闭环控制仿真系统,为验证多级控制中心协调控制策略提供仿真基础。     

基于近似动态规划的建筑能量管理系统日内优化调度方法

为了维持建筑内部温度和应对随机量的波动，提出了一种建筑能量管理系统的日内优化调度方法。首先考虑建筑围护结构热平衡关系，得出与室温相关的人体舒适度函数，并以经济性最优为目标建立了建筑能量管理系统日内调度优化模型。然后提出近似动态规划(ADP)与模型预测控制(MPC)相结合的求解方法，采用历史数据作为训练集以应对新能源出力和温度、辐照等大量不确定性因素，将离线训练得到的分段线性函数作为日内调度的未来值函数。最后，算例分析表明所提出的MPC-ADP算法可以通过不断迭代得到近似最优的日内调度方案，并大幅提升人体舒适度。     

考虑新能源性能风险的调频辅助服务市场出清与调度策略

新能源机组具有控制灵活以及响应迅速等特点,在技术上具有参与电力系统调频的能力,如将其作为一种调频资源,将有利于缓解系统调频压力。考虑到新能源机组出力具有一定的波动性与不确定性,文中提出了新能源参与调频的辅助服务市场机制,以调频准确性概率指标评估其调频性能指标,进行其调频风险损失量化计算,建立了考虑新能源调频风险的市场出清模型;在实际调度过程中,考虑新能源机组实时调频准确性与历史数据的偏差,构建了基于模型预测控制的实时调频调度模型,根据调度结果和机组实时出力的准确性指标对调度进行反馈校正。提出的市场机制和调度策略既充分利用新能源作为调频资源,又有效地控制了新能源调频出力不确定性的风险。仿真结果验证了模型和算法的有效性。     

计及新能源及负荷不确定性的多能微网系统两阶段随机规划方法

以电-热-气多能微网系统为研究对象,针对新能源与负荷的不确定性,提出基于分位数梯度提升决策树（quantile gradient boosting regression tree,QGBRT）的分位点-置信区间预测方法,并结合机会约束规划处理不确定性,在此基础上建立了基于能源集线器的日前两阶段随机规划调度优化模型,以置信区间形式,从统计层面反映机组可调控裕度,为日内和实时调度提供可信度参考。其中,QGBRT分位点-置信区间预测方法采用描述不确定性量的Pinball函数为损失函数,预测结果作为机会约束规划的约束信息输入。同时为了充分利用日前不断更新的信息,以及缓和日内调度计划制定的压力,日前第一阶段根据已发布信息,确定微网各设备的启停状态与交易能量状态量,日前第二阶段利用更新的信息,在第一阶段的基础上调整优化设备出力,实现日前的精准优化调度,以适用于实际调度。最后以一个典型的含多能微网系统的居民区为例,验证了所提考虑不确定性的两阶段随机规划方法的有效性与经济性。     

基于两阶段线性模型的微电网实时优化调度方法

微电网实时优化调度作为保证微电网安全高效运行的关键技术,工程中要求可以快速可靠地取得最优解。针对这一问题,详细分析了微电网实时调度各状态空间下应采取的控制策略;提出了遵循储能SOC日前计划的“等效供电成本最小”和实际供电成本最小的两阶段线性模型;并建立了储能系统充放电引导系数模型,以控制储能系统的充放电量;最后,通过对微电网各实时状态进行优化调度仿真和有/无储能SOC日前计划情况下的实时调度仿真实验,验证了该方法能够尽量遵循储能日前SOC计划,给出满足各状态下实时调度策略的优化调度方案,并能有效降低微电网供电总成本。     

考虑运行状态信息的综合能源系统图强化学习优化调度

“双碳”背景下,异质能源的耦合加剧迫使综合能源系统(integrated energy system, IES)拓扑朝着更复杂、更灵活的方向不断演变。然而,现有优化调度方法对非欧网络拓扑知识及其异质潮流约束考虑不足。针对这一问题,提出一种基于图强化学习的综合能源系统优化调度方法。首先,基于图理论在保证节点多样状态的情况下,将异质能源网络拓扑转换为网络图模型。其次,通过建立基于真实图映射的状态-动作-奖励的框架,利用图强化学习的方法学习图模型的非欧拓扑信息,将异质潮流知识加入系统节点运行状态,从而实现IES的安全优化调度。最后,利用某工业园区的真实数据进行仿真验证,所提方法相对于传统方法有效缓解了节点电压越限的问题。结果表明,所提方法能够在考虑IES真实拓扑运行状态信息和异质潮流安全的情况下实现IES的优化调度。     

基于鲁棒随机模型预测控制的园区综合能源系统两阶段优化

可再生能源发电与负荷的不确定性给园区综合能源系统的安全准确调度带来了巨大挑战,为了提高系统调度的准确度和运行经济性,提出了一种基于鲁棒随机模型预测控制的两阶段优化调度策略。该模型考虑到园区综合能源系统中负荷预测误差分布的规律性和可再生能源出力波动的概率分布难以准确刻画的特点,分别利用随机优化和鲁棒优化处理负荷侧和发电侧的不确定性;在第二阶段的优化目标中加入协调策略以使实时优化控制变量值尽量接近日前全局优化值,从而在修正第一阶段预测误差的同时克服实时优化过程中的短视效应;通过算例对比分析证明了所提策略可以有效平衡不同优化时间尺度上的预测误差与系统短视效应所带来的经济性影响,有利于兼顾系统的经济性与鲁棒性。