基于模型预测控制的含多微电网的能源互联网分布式协同优化

研究了预测不确定性条件下含多个微电网的能源互联网分布式协同调度策略.各微电网都拥有多种智能负荷,如功率可调负荷、可调度负荷和关键负荷;部分微电网含有分布式电源,如微型燃气轮机、风电机组、光伏发电系统等;且部分微电网还拥有储能设备,如电池储能系统.每个微电网都可当做一个独立的实体,拥有自己的运行目标,这些运行目标可表示成混合整数规划模型.提出了基于并行分布式优化的博弈模型以较小的信息通信量协调各微电网带有竞争性的运行目标.在此基础上,引入模型预测控制（MPC）机制以降低能源互联网中风、光等可再生能源输出、负荷需求及电价波动的不确定性产生的不利影响.算例证明了本文所提方法的可行性和有效性.     

基于源荷不确定性的虚拟电厂负荷优化调度方法

为强化虚拟电厂的市场竞争力，争取利益最大化、能耗最小化，提出一种基于源荷不确定性的负荷优化调度方法。利用正态分布描述源荷不确定性，采用离散型随机变量的概率分布，架构光伏电站出力与负荷模型。将能耗量最大化与运行成本最小化作为负荷优化调度目标，建立目标函数方程、负荷优化调度模型及对应约束条件。仿真结果表明，所提方法在保证虚拟电厂高效运行的同时，对电价峰-谷趋势起到了较好的“削峰填谷”效用，经济收益相对可观，具有较高的可靠性。     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

基于XGBoost短期预测控制的微电网多时间尺度调度

针对交直流混合微电网中可再生能源发电不确定性导致的预测误差,提出一种基于XGBoost短期预测控制的多时间尺度调度策略.基于NSGA-II算法,结合风光出力与负荷的供需关系,优化和制定未来24小时的调度计划;针对预测误差产生的功率波动,引入XGBoost短期预测模型,实现对日前调度的实时修正.以中国北方某小区供电系统为例进行验证,并分析不同直流负荷比例对优化调度结果的影响,结果表明该方法可以有效提高微电网运行效益及稳定性.     

区块链背景下虚拟电厂分布式调度策略研究

完全分散型虚拟电厂没有中心化机构,支持分布式能源的自由接入,是未来虚拟电厂的主流模式之一。基于分散型虚拟电厂与区块链在去中心化、点对点交互和分散协同等方面的一致性,提出利用区块链共识机制实现虚拟电厂分布式调度,结合等耗量微增率准则,将微增量特征作为一致性变量,实现虚拟电厂的最优经济调度。虚拟电厂中每个分布式能源作为区块链的一个节点,拥有全网关键数据的完整备份,当负荷发生变化后,利用PBFT共识算法,每个节点独立计算各个机组的新功率,并将新功率数据上链存储,同时保持微增量特征全局一致性,实现负荷在机组间的合理分配。通过仿真实验验证了算法的有效性,利用区块链实现分布式调度,为分散型虚拟电厂运行模式提供了一种可行的参考方案。     

计及需求响应的微电网多时间尺度调度仿真

当前已有的微电网调度方法未考虑电源的发电特性以及需求响应侧问题，导致微电网调度后的功率无法达到理想值。本文提出一种计及需求响应的微电网多时间尺度调度方法。分析微电网中不同分布式电源的发电特性以及需求侧不同负荷的特性，同时通过负荷的特性对负荷分类。根据负荷分类结果，将微电网整体问题转换为居民住户优化问题和微电网多时间尺度问题，以最小电力花费以及最小充放电循环次数作为目标，构建微电网多时间尺度调度模型。进一步采用改进的萤火虫算法对模型进行求解，以获取最优调度方案。实验结果表明，所提方法可以获取最佳调度方案。     

含随机负荷的微电网储能优化运行策略

供需两侧的随机性会对微电网的稳定运行产生影响,因此提出了一种调度策略以提高微电网的稳定性,降低运行成本。首先,利用蒙特卡罗方法建立电动汽车无序充电负荷模型,通过电量电价弹性矩阵确定电价与电动汽车充电负荷之间的函数关系。然后,建立微电网的运行成本、维护成本和污染治理成本最低的优化目标函数,结合可再生能源和负荷情况,分别使用双Q学习算法和Q学习算法设计调度策略,得到优化后的实时电价和调度方案。仿真结果表明,相比于Q学习算法,双Q学习算法在工作日和节假日情景下都得到了更加经济稳定的调度策略,且降低了微电网的经济成本。     

基于光伏预测的微电网能源随机优化调度

可再生能源的间歇性和负荷的随机性对微电网能源管理系统（ EMS）产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,将光伏预测误差当做随机变量,建立了一种基于期望模型的能源随机优化调度模型。用Monte Carlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了随机优化调度模型更加有效。     

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。     

多虚拟电厂接入的主动配电系统优化经济调度

在市场环境下,为促进含随机性可再生能源的消纳同时协调各经济主体矛盾并挖掘各主体价值和经济效益,本文提出一种基于分析目标级联理论的主动配网调度优化模型,以配网与虚拟电厂存在电能交互为建模背景。考虑虚拟电厂组成的多样性,设置风储型虚拟电厂以及含冷热电系统型虚拟电厂,各虚拟电厂可以分别与配网进行电能交互,各经济主体根据自身组成优化内部变量以及交互功率,通过分析目标级联法与其他主体协调交互功率实现分布式求解。最后通过IEEE33节点配电系统的算例仿真表明,调度结果能较好的反应主体经济性,得出风储型虚拟电厂有利于提高风电的消纳量,冷热电联供型虚拟电厂可以实现综合能源经济管理,分析目标级联法用于本文所提的模型背景是有效的。