一种需求响应参与下风电储能系统调度方法的研究

针对风电并网对电力系统稳定性的不利影响,论文将储能系统和需求响应引入含风电的电网优化调度中.首先以系统最低发电成本为调度目标,以日前预测和实时风能预测作为随机变量,将需求响应和储能系统分别引入需求侧和发电侧,同时通过两阶段调度,构建风电储能系统的两阶段调度优化模型.其次利用粒子群优化算法对模型进行求解.应用场景分析的结构表明,所提调度方法采用粒子群优化算法可以较好求得模型的全局最优解;通过储能系统和需求响应的引入可以提高主动配电网的风电利用效率,降低发电成本.     

微电网中混合储能系统的规划运行一体化配置方法

目前针对微电网中储能容量配置的经济优化算法中,大多都是直接以储能系统的全寿命周期成本作为目标函数.然而微电网作为一个整体,不同的能量调度方案会导致不同的储能配置需求,因此微电网的运行目标也会间接影响到储能系统的全寿命周期成本.本文提出的规划运行一体化配置方法,是从微电网的整体经济效益出发,将储能系统全寿命周期成本的直接和间接影响因素都考虑在内,建立了计及微电网经济运行的储能全寿命周期成本复合模型.通过算例验证以及与已有方法优化结果的对比分析,说明了所提方法在提升微电网整体经济效益上的有效性,可以为评估微电网中混合储能系统的配置效果提供更全面的参考依据.     

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.     

微电网储能容量优化配置算法仿真

为了确保微电网系统的电能质量和稳定运行,提出基于Benders分解的微电网储能容量优化配置算法。以微电网系统作为研究对象,分析不同储能单元的充放电特性,将储能系统全寿命周期最小成本作为目标函数,组建微电网储能容量优化配置模型。根据模型特点,将模型分解为上下2层子模型,通过Benders分解算法对模型求解,进而获取最优微电网储能容量优化配置方案。经实验测试结果表明,所提算法可以更好完成容量优化配置,经过优化配置后,电网功率波动范围得到了明显降低。     

用户侧蓄电池储能容量优化修正方法研究

现有的用户侧蓄电池储能容量优化修正方法存在着负荷率低、能量浪费率高的缺陷,为此提出一种新的用户侧蓄电池储能容量优化修正方法。根据用户侧蓄电池储能结构,建立储能容量优化修正目标函数,并设置函数约束条件,利用改进的粒子群算法对函数进行求解,得到用户侧储能电容最佳优化修正结果。测试结果显示,与现有的用户侧蓄电池储能容量优化修正方法相比较,提出的修正方法极大地提升了负荷率,降低了能量浪费率,充分说明提出的修正方法具备更好的优化修正效果。     

基于三角旋回算法的共享储能电站工业用户日前优化调度方法

针对逐步寻优求解后,工业用户群的日运行成本依旧较高的问题,提出一种基于三角旋回算法的共享储能电站工业用户日前优化调度方法。考虑电量交互时的共享储能服务费,建立工业用户日前优化调度模型;以工业用户群日运行成本最小化为目标,构建优化调度目标函数,计算工业用户主体效益;设置多项连续性优化调度约束条件,引入三角旋回算法,通过灾变操作修正个体对应位计算全局最优解,得到最合理的日前优化调度方案。结果表明,应用所提优化调度方法后,有效降低了工业用户购电费用。     

计及需求响应的电网安全优化调度模型

针对传统的发电日前调度方案,提出一种计及需求响应的电力系统安全优化调度模型.以峰谷分时电价为基础,建立激励补偿机制,鼓励用户积极参与需求侧资源调度,从而使得“削峰填谷”的效果更加明显.同时,为了合理配置电网运行的备用容量,在所提出的模型中融入期望停电损失,保证电网运行的安全性.基于IEEE24节点的算例分析表明,所提出的考虑需求响应和期望停电损失的电力优化调度模型可以在保证一定可靠性水平的前提下,降低电网的运营成本,实现市场环境下电力系统的经济和安全运行.     

面向高比例新能源电网的重大耗能企业需求响应调度

随着国家“双碳”重大战略的提出,高比例新能源并网将成为我国电力能源转型的重要态势.针对火电机组、配电网和需求侧关联的系列运行约束制约了电网对高比例新能源的有效消纳这一问题,本文提出重大耗能企业这一主要电力负荷参与网需求响应(Demand response, DR)的研究思路,通过重大耗能企业与电网协调调度促进新能源消纳,并获得经济补偿以减少运行成本.研究首先基于混合需求侧响应机制,提出以重大耗能企业、新能源、火电机组为核心的协调调度方法,并根据新能源预测值-预测误差的信息依存顺序提出了两步调度策略.在此基础上,进行生产过程行为建模以实现重大耗能企业需求侧响应决策描述,并建立高比例新能源并网的重大耗能企业需求响应与电网协调调度优化模型.最后,基于烟台电网实际系统进行算例分析,验证了重大耗能企业通过需求响应参与电网协调调度以及两步调度策略的有效性.     

电梯再生电能的储能回收控制策略研究北大核心CSCD

电池储能是电梯再生能量回收利用的有效方式,针对应用中储能系统容量优化问题,基于回馈电能功率/能量以及变换器电压等约束条件确定电池组边界条件。在此基础上,通过引入制动电阻辅助分流以及电压动态调整的方法,研究了吸收释放再生电能过程的控制策略,并在Matlab/Simulink中搭建仿真模型。仿真结果表明该控制方法可在稳定直流供电网电压的前提下实现再生能量的高效利用,同时有效减少电池系统容量和成本。     

实时电价下用户侧电力需求响应模型优化策略及数字仿真谈竹奎1,汪元芹2,赵菁2,刘斌1,刘敏2

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

计及碳捕集电厂灵活运行与需求响应的多时间尺度调度

充分挖掘电力系统潜在的灵活性资源可有效提高系统中可再生能源的消纳。碳捕集电厂可降低电力系统中碳排放的同时提供潜在的灵活调节能力。基于此，本文建立需求响应与碳捕集电厂的灵活调节模型，并引入到电力系统的调度运行，提出计及碳捕集电厂灵活运行与需求响应的多时间尺度调度方法，以最小化系统的运行总成本。日前调度阶段，采用需求响应、碳捕集电厂灵活调节来时移负荷需求，以实现系统低碳经济运行的目标；日内调度阶段，采用预测控制模型来矫正日前调度计划，以保证实时功率平衡。研究结果显示需求响应和碳捕集电厂灵活运行可提高系统的可再生能源消纳量，同时分别降低18.7%和1.4%的总成本；此外，协同碳捕集电厂、需求响应可将系统的总成本降低20.1%。数据证明需求响应、碳捕集电厂在提高电力系统可再生能源消纳量和降低总成本方面具有显著的效果。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

考虑需求响应激励机制的园区综合能源系统博弈优化调度

建设源荷协调、灵活互动的综合能源系统是构建新型电力系统的有效路径.在综合能源系统下,通过价格、补贴等激励手段合理调节用户侧需求响应机制可以促进综合能源系统的经济高效运行.为制定合理的需求响应激励机制,首先充分考虑源侧可再生能源出力和负荷侧多类能源需求的不确定性,提出随机场景生成策略;然后提出计及用户需求响应的综合能源系统博弈优化框架,分别以园区综合能源系统运营商和综合能源用户效益最大化为目标,建立双主体博弈优化调度模型,并提出快速高效的求解算法;最后,基于某实际园区综合能源系统开展多场景算例仿真分析,制定合理有效的需求响应价格激励方案.调度结果表明,所提出方案可以有效提升综合能源系统运行商和用户的效益.     

Data center demand response: Avoiding the coincident peak via workload shifting and local generation

Demand response is a crucial aspect of the future smart grid. It has the potential to provide significant peak demand reduction and to ease the incorporation of renewable energy into the grid. Data centers’ participation in demand response is becoming increasingly important given their high and increasing energy consumption and their flexibility in demand management compared to conventional industrial facilities. In this paper, we study two demand response schemes to reduce a data center’s peak loads and energy expenditure: workload shifting and the use of local power generation. We conduct a detailed characterization study of coincident peak data over two decades from Fort Collins Utilities, Colorado and then develop two algorithms for data centers by combining workload scheduling and local power generation to avoid the coincident peak and reduce the energy expenditure. The first algorithm optimizes the expected cost and the second one provides a good worst-case guarantee for any coincident peak pattern, workload demand and renewable generation prediction error distributions. We evaluate these algorithms via numerical simulations based on real world traces from production systems. The results show that using workload shifting in combination with local generation can provide significant cost savings (up to 40% under the Fort Collins Utilities charging scheme) compared to either alone.     

考虑电能与备用联合出清的日前调度优化方法

为解决电力现货市场与辅助服务市场改革不断深入带来的日前调度计划编制模式转变问题,提出了一种考虑电能与备用辅助服务联合出清的日前调度优化方法。首先,剖析了电能与备用辅助服务之间的耦合关系,从机组运行特性和电网承载能力两个维度出发明确了电能与备用联合出清中需要考虑的运行约束项。接着,以综合购电成本最低为优化目标,全面考虑电网运行、电力平衡、机组运行等三方面约束条件,构建了电能与备用辅助服务联合出清下的日前调度优化模型。并根据模型特点,明确了求解方法。最后基于我国某省区电网实际数据构造的算例表明,该方法能够有效提升发电资源调用效率,避免由于备用均摊等方式造成的发电机组中标量超过系统承载能力或发电机组发电能力的问题。     

网格经济模型中基于信任机制的调度算法*

在Buyya设计的GRACE网格资源管理框架下,提出反映信任值动态变化规律的信任函数,在此基础上建立基于行为的网格信任机制。根据应用环境的不同需求,对网格经济模型DBC调度算法进行改进,分别提出了以时间优化、成本优化和时间—成本折中优化为目标的基于信任的DBC调度算法(Trust DBC)。理论分析及模拟实验结果表明,该算法性能明显优于相应的未考虑信任的调度算法。     

基于改进粒子群算法的电动汽车停车场V2G策略研究

为解决电动汽车大规模并网带来的一系列问题,国内外逐步在城市商业停车场内提供电动汽车充电服务。在此背景下,提出一种基于电动汽车并网技术的电动汽车充放电停车场模型。该模型响应实时电价,对电动汽车的充电并网行为进行动态调度,继而与电网进行能量交互。在求解电动汽车最优调度策略时采用粒子群优化算法,从可行性编码、自适应搜索半径、边界变异修正等方面进行改进,以提高算法的效率及收敛精度。仿真实验采用美国PJM公司的实时电价数据及主流电动汽车的型号参数,对比分析了3种不同情景下电动汽车停车场的运营过程及结果,验证了所提模型的合理性以及改进算法的有效性。     

An incentive-based heuristic job scheduling algorithm for utility grids

Job scheduling in utility grids should take into account the incentives for both grid users and resource providers. However, most of existing studies on job scheduling in utility grids only address the incentive for one party, i.e., either the users or the resource providers. Very few studies on job scheduling in utility grids consider incentives for both parties, in which the cost, one of the most attractive incentives for users, is not addressed. In this paper, we study the job scheduling in utility grid by optimizing the incentives for both parties. We propose a multi-objective optimization approach, i.e., maximizing the successful execution rate of jobs and minimizing the combined cost (incentives for grid users), and minimizing the fairness deviation of profits (incentive for resource providers). The proposed multi-objective optimization approach could offer sufficient incentives for the two parties to stay and play in the utility grid. A heuristic scheduling algorithm called Cost-Greedy Price-Adjusting (CGPA) algorithm is developed to optimize the incentives for both parties. Simulation results show that the CGPA algorithm is effective and could lead to higher successful execution rate, lower combined cost and lower fairness deviation compared with some popular algorithms in most cases.