基于需量管理的两阶段大用户储能优化模型

为推进用户侧储能商业化应用,对用户侧储能从规划和运行两方面综合考虑,提出了一种需量管理捆绑峰谷套利的工业大用户储能评估及优化调度方法。首先,在储能评估阶段,以用户的综合成本最小搭建储能评估模型,评估用户加装储能的经济性并优化储能配置;然后,在调度优化方法方面,构建了储能月前和日内两阶段优化模型。在月前优化中,确定用户上报的最大需量;在日内优化中,基于最大需量约束,优化每日的储能充放电功率。最后,在MATLAB平台基于CPLEX求解器分别对4家典型工业大用户进行算例仿真,验证了模型的经济有效性,并为用户侧储能电池的商业化推广提供了可行性方案。     

考虑需量管理的用户侧储能优化配置策略研究

为推动储能的商业化应用,考虑应用于两部制电价条件下的用户侧储能规划与运行场景,提出了参与需量管理下的全生命周期储能系统功率及容量配置优化方法。首 先,构建了储能参与需量管理的年化收益模型,包括电量电费部分和基本电费部分,同时针对储能的功率进行惩罚约束;其次,对储能的全生命周期成本进行评估,考虑了电池特性的衰减对其充放电量的影响,量化其电量损失成本函数;然后,根据储能系统运行场景的负荷特性、分时电价、储能荷电状态、充放电功率等约束条件,构建以储能运行年化总成本最小的目标函数;最后通过实际工程算例进行评估,验证了所构建模型的经济合理性,为用户侧储能的投资决策和运行指导提供依据。     

两部制电价引导下储能系统优化运行方法

随着两部制电价带来的机遇和储能本身技术经济性的不断提升,用户配置储能系统可获得巨大的经济效益。为挖掘储能系统收益潜力,在用户负荷最大需量下界分析计算的基础上,提出了一种考虑最优收益的储能系统优化运行模型。该模型以储能配置后的负荷最大需量和充放电功率为变量,综合考虑储能系统运行和寿命约束、变量自身约束等,并通过所提出的辅助变量,将非线性优化运行模型转化为线性模型,降低了求解难度。最后应用该模型方法,对北京和上海2个典型地区的储能系统收益进行了分析。     

用户侧电池储能系统容量配置探讨

随着电池储能技术的日渐成熟和相关设备成本的不断下降,用户侧储能已从示范应用转向商业化应用。考虑用户侧储能在削峰填谷和需量控制方面的收益,以及电池储能系统的投资成本和运行维护成本,建立了储能项目成本收益模型,用于优化用户侧储能项目的容量配置。以深圳瑞华泰储能项目为例,优化其容量配置,并结合实际工程核算实际工程问题约束下的项目经济性指标,从而指导用户侧储能项目建设。     

考虑能量-调频辅助服务下的用户侧储能经济运行策略

目前用户侧储能的投资回报期一般长达6～7年。为进一步提升用户侧储能经济运行收益,提出一种电能量和调频辅助服务市场规则下的经济运行策略。首先综合考虑峰谷价差套利和参与调频建立用户侧储能经济收益模型;其次,分析电力用户生产运行需求并建立用户侧储能运行约束;基于此,提出用户侧储能的两阶段经济运行策略,在日前给出用户侧储能最优调频容量申报量,在日内基于改进直接前瞻方法滚动优化用户侧储能充放电功率,提高整体运行经济性。最后,仿真结果表明所提策略能够有效提高用户侧储能运行经济性。     

用户侧电池储能系统运行策略优化与效益分析

现阶段,电池储能系统（BESS）在用户侧得到了广泛应用。对安装在用户侧的BESS来说,运行成本主要体现为电池损耗成本,收益体现为用电负荷时序平移和月最大需量减少带来的电费支出下降。为发掘用户侧BESS的最大使用效益,建立了以用户综合用电成本最小为优化目标的BESS运行策略优化模型,并采用CPLEX求解器求解。仿真实验表明,对BESS运行策略进行优化可降低用户综合用电成本; BESS接入用户侧后,若容量选择得当,收益可覆盖成本,具有经济上的可行性。     

电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略

现有的用户侧调峰领域的储能调度鲁棒优化方法,缺乏考虑非线性多目标优化模型的研究。当储能出力范围直接受负荷不确定性限制时,传统列和约束生成算法无法求解此类模型。针对以上问题,文章考虑负荷、电池储能等约束条件,建立了以净负荷方差、用户侧用电支出等为优化目标的电池储能系统调度鲁棒优化模型,并同时考虑了用户负荷波动、新能源出力波动等不确定因素。由于第二阶段的决策与优化结果会影响第一阶段决策的取值范围,需要改进列和约束生成算法以实现对该类鲁棒优化问题的求解。通过将目标函数、部分约束条件视为多个子问题考虑,对原列和约束生成算法的每次迭代中的子问题求解步骤进行扩充,使每次迭代中求解多个子问题,能够有效拓宽该算法的适用范围。最后,仿真结果验证了该方法的有效性,能够在不改变传统算法性能优势的情况下成功应用于非线性多目标鲁棒优化问题。     

电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略

现有的用户侧调峰领域的储能调度鲁棒优化方法,缺乏考虑非线性多目标优化模型的研究。当储能出力范围直接受负荷不确定性限制时,传统列和约束生成算法无法求解此类模型。针对以上问题,文章考虑负荷、电池储能等约束条件,建立了以净负荷方差、用户侧用电支出等为优化目标的电池储能系统调度鲁棒优化模型,并同时考虑了用户负荷波动、新能源出力波动等不确定因素。由于第二阶段的决策与优化结果会影响第一阶段决策的取值范围,需要改进列和约束生成算法以实现对该类鲁棒优化问题的求解。通过将目标函数、部分约束条件视为多个子问题考虑,对原列和约束生成算法的每次迭代中的子问题求解步骤进行扩充,使每次迭代中求解多个子问题,能够有效拓宽该算法的适用范围。最后,仿真结果验证了该方法的有效性,能够在不改变传统算法性能优势的情况下成功应用于非线性多目标鲁棒优化问题。     

含电转气的热电联产微网电/热综合储能优化配置

电转气技术提升了多能源系统运行的灵活性,在此背景下,针对综合能源系统中电/热综合储能配置优化问题研究不足的现状,构建了包含电转气装置的热电联产微网电/热综合储能优化配置模型,提出包含电/热储能系统额定容量和功率的配置方法。首先考虑用户侧电能替代,建立随机“以电代热”负荷模型,并以此修正负荷曲线。其次针对成本、供能可靠性和新能源接纳率的多目标,并计及电储能寿命的折损,构建双层优化模型,外层为配置优化,内层为运行优化。基于内层模型的Karush-Kuhn-Tucker(KKT)条件将内层模型转化为外层模型的附加约束,将双层模型转化为单层模型,调用Gurobi求解器对模型进行求解。最后,算例验证了所提模型的正确性,并对比分析了电转气技术对储能系统优化配置的影响。     

基于GRU多步预测技术的云储能充放电策略

为解决云储能日前充放电策略预测的问题,提出了一种基于门控循环单元(GRU)多步预测技术的云储能充放电策略形成方法.首先,鉴于云储能优化需求及单用户负荷预测效果不稳定,构建用户聚类后的GRU多步预测方法预测一天的24点功率.然后分析了云储能模式下的用户和云储能提供商两个主体的交互过程,以预测为基础建立了云储能充放电决策滚动优化模型.仿真算例选取实际数据,在预测聚类用户光伏、负荷功率后,滚动优化求解实际值和预测值下的云储能充放电策略.算例通过5种场景验证了在云储能充放电策略中聚类的作用以及GRU多步预测技术的优势,并且证明云储能模式能够进一步削弱光伏、负荷预测误差的影响.     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

电力系统电压和网损优化计算

采用非线性规划中的梯度法，进行电力系统的电压、网损优化计算。其中补偿节点 的处理，开始均作为ＰＶ节点，计算结束前转化为实际的补偿量。步长由电压的最大误 差 比梯度的最大分量来决定，使得计算速度大大加快。对于一天24 ｈ的优化，在保证电压 合 格率的前提下，减少了可调设备动作的次数，使得总体经济效益较优。所编程序通过银川供 电局较长时间的实际使用，证明原理正确，经济效益显著。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

Particle Swarm Optimization with velocity control

This paper presents a new Particle Swarm Optimization (PSO) technique with velocity control. In the proposed method, we lead the particles from intensification to diversification by adding a random number to the velocity of the particle depending on the distance from global best position (gbest), and thereby the particles can search widely in the search space. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

300 MW循环流化床锅炉运行优化

结合2台300 MW循环流化床(CFB)锅炉的实际运行状况,介绍了一系列的运行优化和逻辑优化方法:将埋刮板给煤线中间给料机由运行转为备用,减小下水冷壁的磨损;低负荷时停运辅机,降低厂用电率;掺烧一定比例的非设计煤种;优化燃油系统运行方式;空气预热器入口烟温较高时投入锅炉吹灰,保证单台空气预热器安全运行;调节燃煤粒径,控制床压等.采用这些优化措施达到了300 MW CFB锅炉更加安全、稳定、经济运行的目的.     

电磁装置优化设计的改进禁忌算法

通过引入细化搜索过程、提出连续变量空间离散的新技术和邻域产生的新规则、存储已搜索过的状态空间等措施 ,本文给出了一种改进禁忌算法。为验证算法的可靠性 ,给出了典型数学函数和实际工程问题的数值计算结果。