冷热电联供型微电网系统多目标日前优化调度

冷热电联供(CCHP)型微电网系统结合了冷热电三联供系统和微电网系统两者的优点,可对微电网中微型燃气轮机发电时产生的余热进行回收利用,并采用吸收式制冷机进行制冷,实现了冷热电三联供。针对某大型住宅小区并网模式运行下的冷热电联供型微电网系统,以系统运行成本和污染物治理成本最低为优化调度目标,将微型燃气轮机、蓄电池、蓄热/冷槽三类可控单元中每时段的出力作为优化变量,在满足设备物理约束和系统运行约束的条件下,建立了该冷热电联供型微电网系统的多目标日前优化调度的数学模型。为提高计算速度和Pareto解的多样性,利用改进的多目标粒子群优化算法对其进行求解,并与"以热定电"和"以电定热"的运行方式调度结果进行了对比分析。分析结果表明:冷热电联供型微电网系统可以实现热电负荷的协调统一调度;多目标优化调度策略不仅能降低微电网优化运行和环境治理的成本,而且可以提供更多的优化调度方案。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

考虑电网调峰需求的工业园区主动配电系统调度学习优化

本文针对含光伏(Photovoltaic, PV)、全钒液流电池(Vanadium redox battery, VRB)储能装置与多类型柔性负荷的工业园区主动配电系统, 研究在考虑源荷随机性情况下该系统的动态经济调度问题. 首先, 将PV出力、多类型负荷需求和电网调峰需求的随机动态变化近似描述为连续马尔科夫过程, 并根据系统内VRB的充放电特性对储能系统进行建模; 然后, 以各决策时刻下PV出力、负荷需求、调峰需求以及储能荷电状态(State of charge, SOC)的离散等级为状态, 以储能充放电及多类型柔性负荷调整方案为行动, 在系统功率平衡等相关约束下, 以应对电网调峰需求和提高系统经济运行水平为目标, 将工业园区主动配电网系统动态经济调度优化问题建立成随机动态规划模型; 最后, 引入强化学习方法进行策略求解. 算例仿真结果表明所得策略可有效提高系统经济运行效益, 并在一定程度上满足电网调峰需求.     

基于文化基因算法的冷热电联供型微网优化运行方法

多个供电源协调调度能够使得冷热电联供型微网运行综合效益达到最优，对此提出一种新的基于文化基因算法的方法。建立包含最小经济性运行成本和最小环保性运行成本的多目标函数模型，并为模型设置6个约束条件。在约束条件下，利用文化基因算法求取多目标函数模型最优解，得出冷热电联供型微网优化运行方案。结果表明，该方法应用，其综合效益以及两个单项成本较低，实现了多个供电源的协调调度。     

考虑源荷互动的主动配电网两层优化调度

针对主动配电网中清洁能源消纳率低、负荷侧资源调度不足的问题,提出了一种包含负荷层和主动配网层的两层优化调度模型。负荷层首先根据负荷参与调度的形式不同分类建模,然后通过源荷协调互动调整柔性负荷用电时序及清洁能源的出力;主动配网层则依据分时电价优化系统的综合运行成本,提出禁忌-细胞膜优化算法对模型求解。通过算例对比分析了分层、分类负荷前后三种方案下优化调度的结果,证明了提出的优化调度模型在配网系统经济运行的前提下,可以有效提高清洁能源的消纳率,进一步降低负荷峰谷差,同时验证了算法的有效性。     

多可再生能源冷热电联供微网系统环境经济优化调度

针对含多种可再生能源的冷热电联供微网系统调度优化问题,提出微网系统最小运行费用和二氧化碳排放的多目标调度优化模型,并结合启发式调度规则,采用改进多目标交叉熵算法获取Pareto最优解集.为了提高算法的收敛速度和求解精度,依据重要抽样理论将多目标优化定义为小概率事件,并引入样本分段生成策略和参数更新机制.算例仿真表明,所提出的多目标模型及其优化算法能够使微网系统获取较好的经济和环境效益,满足用户多样性的优化需求.     

基于目标级联分析法的台区源网荷储多元协调控制技术

分布式能源入网转变了电力系统的运行方式,使其从电源追踪负荷模式向源网荷储运行模式转变,在一定程度上增加了电力系统的波动性和不确定性。为保证电力系统的多能源安全调度和能量管理,研究基于目标级联分析法的台区源网荷储多元协调控制技术。考虑台区源网荷储配电网的互动模式,在单独约束条件下确定其能量转换枢纽,构建台区源网荷储运行可调模型。将台区源网荷储划分为火电机组和送电联络线以及储能电站三个部分,按照混合规划理论表示各机组的出力与运行状态,计算各个机组的协调控制系数。基于目标级联分析法设定控制参量分解流程,引入目标函数对各相进行独立求解,实现台区源网荷储的多元协调控制,完成方法设计。实验以某省配网为测试对象,分别连接3组不同类型的微网结构,对其运行负荷进行协调管理,在本方法应用下能够实现不同微网的负荷控制,保证其安全稳定运行,具有应用价值。     

考虑源-荷不确定性的矿山综合能源系统多时间尺度区间优化调度

在高能耗矿山综合能源系统中,为减小乏风、瓦斯、矿井涌水等伴生能源、可再生能源、负荷不确定预测误差对系统的影响,提出考虑源-荷预测不确定性的矿山综合能源系统多时间尺度区间优化调度策略.首先,构建含可再生能源、矿山伴生能源、光热电站的矿山综合能源系统架构;其次,根据电-热响应特性和源-荷不确定性在时间上的差异,建立日前-日内-实时多时间尺度区间优化调度模型.在日前和日内优化阶段,利用区间数描述源-荷不确定性,并通过区间优化方法对伴生能源和可再生能源的实际消纳区间进行优化;日内优化在日前优化的基础上,综合考虑建筑用户热舒适度的模糊性、供热系统的热惯性及热水负荷需求响应调整各设备出力;在实时优化阶段,考虑电负荷需求响应对日内电力设备出力进行修正.最后,通过算例分析验证所提模型和方法的可行性.     

冷热电联供系统多目标运行优化

冷热电联供系统能够提高能源利用率和减少碳排放,是解决能源和环境危机的重要途径.本文提出了冷热电联供系统多目标优化运行方法,以运行成本日节约率、一次能源日节约率、CO2日减排率综合最优为目标,利用遗传算法求解,得到关键设备的逐时出力计划,并以此为基础,设计了由MATLAB和LABVIEW构成的运行优化器.最后本文基于TRNSYS与LABVIEW搭建了冷热电联供系统(CCHP)软硬件混合实时仿真系统,验证了运行优化器的有效性,结果表明本文提出的优化运行方法较传统运行模式,可有效提高冷热电联供系统的经济性、节能性和环保性.     

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.     

混合控制策略动态优化多负荷CCHP微网系统

为了降低含冷、热、电、气负荷多能互补微网的运行成本,并解决在传统控制方法下微网系统耗能大、响应慢及稳定性差等问题,提出了一种基于最短距离的CCHP系统混合控制策略.首先从系统运行经济性、稳定性和环保角度建立微网综合能源模型,结合传统控制方式建立4个运行场景,采用主副协同动态粒子群算法进行优化.实验结果表明,该控制策略在...     

Dynamic selling of quality-graded products under demand uncertainties

This paper examines dynamic selling (DS) problems under demand uncertainties. Quality-graded products with fully downward substitutable demands are considered. Downward demand substitution indicates that demands for lower quality grade products can be fulfilled by either designated or higher quality grade products. In this dynamic selling problem, decision makers need to choose an optimal selling policy in each decision epoch. The objective is to identify an optimal policy for the dynamic selling of quality-graded inventory.DS problems are formulated as a discrete-time Markov decision process (MDP) model. In the MDP model, demand type and inventory levels are state variables. The objective is to maximize expected profits. In such a multi-dimensional dynamic decision problem, computational complexity is a chief concern. This study proves the structure of optimal policies that significantly reduce computational complexity. Performance of optimal dynamic selling policies is evaluated in detailed numerical studies.     

基于深度强化学习的微电网在线优化调度

提出一种基于深度强化学习的微电网在线优化调度策略.针对可再生能源的随机性及复杂的潮流约束对微电网经济安全运行带来的挑战,以成本最小为目标,考虑微电网运行状态及调度动作的约束,将微电网在线调度问题建模为一个约束马尔可夫决策过程.为避免求解复杂的非线性潮流优化、降低对高精度预测信息及系统模型的依赖,设计一个卷积神经网络结构学习最优的调度策略.所提出的神经网络结构可以从微电网原始观测数据中提取高质量的特征,并基于提取到的特征直接产生调度决策.为了确保该神经网络产生的调度决策能够满足复杂的网络潮流约束,结合拉格朗日乘子法与soft actor-critic,提出一种新的深度强化学习算法来训练该神经网络.最后,为验证所提出方法的有效性,利用真实的电力系统数据进行仿真.仿真结果表明,所提出的在线优化调度方法可以有效地从数据中学习到满足潮流约束且具有成本效益的调度策略,降低随机性对微电网运行的影响.     

多目标水库资源优化调度决策支持系统及应用

水资源调度是水库运行管理的中心环节和复杂的过程。水库优化调度是涉及入径流、工农业供水、发电等多目标决策问题。运用三库DSS结构设计由数据库、模型库、管理策略方法库和业务操作4部分模块组成的水库资源优化调度决策支持系统,建立基于成本函数和基于决策者偏好的效用函数的目标规划模型,实现水库资源的优化调度策略。     

The policy iteration algorithm for average reward Markov decisionprocesses with general state space

The average cost optimal control problem is addressed for Markov decision processes with unbounded cost. It is found that the policy iteration algorithm generates a sequence of policies which are c-regular, where c is the cost function under consideration. This result only requires the existence of an initial c-regular policy and an irreducibility condition on the state space. Furthermore, under these conditions the sequence of relative value functions generated by the algorithm is bounded from below and “nearly” decreasing, from which it follows that the algorithm is always convergent. Under further conditions, it is shown that the algorithm does compute a solution to the optimality equations and hence an optimal average cost policy. These results provide elementary criteria for the existence of optimal policies for Markov decision processes with unbounded cost and recover known results for the standard linear-quadratic-Gaussian problem. In particular, in the control of multiclass queueing networks, it is found that there is a close connection between optimization of the network and optimal control of a far simpler fluid network model     

随机平稳策略下半Markov决策过程的仿真优化算法

基于性能势理论和等价Markov过程方法,研究了一类半Markov决策过程(SMDP)在参数化随机平稳策略下的仿真优化算法,并简要分析了算法的收敛性．通过SMDP的等价Markov过程,定义了一个一致化Markov链,然后根据该一致化Markov链的单个样本轨道来估计SMDP的平均代价性能指标关于策略参数的梯度,以寻找最优(或次优)策略．文中给出的算法是利用神经元网络来逼近参数化随机平稳策略,以节省计算机内存,避免了“维数灾”问题,适合于解决大状态空间系统的性能优化问题．最后给出了一个仿真实例来说明算法的应用．     

An economic load dispatch and multiple environmental dispatch problem solution with microgrids using interior search algorithm

Microgrid is a novel small-scale system of the centralized electricity for a small-scale community such as villages and commercial area. Microgrid consists of micro-sources like distribution generator, solar and wind units. A microgrid is consummate specific purposes like reliability, cost reduction, emission reduction, efficiency improvement, use of renewable sources and continuous energy source. In the microgrid, the Energy Management System is having a problem of Economic Load Dispatch (ELD) and Combined Economic Emission Dispatch (CEED) and it is optimized by meta-heuristic techniques. The key objective of this paper is to solve the Combined Economic Emission Dispatch (CEED) problem to obtain optimal system cost. The CEED is the procedure to scheduling the generating units within their bounds together with minimizing the fuel cost and emission values. The newly introduced Interior Search Algorithm (ISA) is applied for the solution of ELD and CEED problem. The minimization of total cost and total emission is obtained for four different scenarios like all sources included all sources without solar energy, all sources without wind energy and all sources without solar and wind energy. In both scenarios, the result shows the comparison of ISA with the Reduced Gradient Method (RGM), Ant Colony Optimization (ACO) technique and Cuckoo Search Algorithm (CSA) for the two different cases which are ELD without emission and CEED with emission. The results are calculated for different Power Demand of 24 h. The results obtained to ISA give comparatively better cost reduction as compared with RGM, ACO and CSA which shows the effectiveness of the given algorithm.

     

反向散射辅助的无线供能通信中的信息年龄最小化

信息年龄（AoI）是一种从目的端的角度衡量所捕获数据新鲜度的性能指标。在能量受限的实时感知物联网场景中,为了提高系统的AoI性能,提出了联合采样和混合反向散射通信更新的策略。该策略通过允许源端选择状态采样动作以及更新过程的传输模式来最小化系统的长期平均AoI。具体来说,首先将该优化问题建模为一个平均成本马尔可夫决策过程（MDP）;然后在已知环境动态信息的情况下,通过相关值迭代算法获取最优策略;在缺乏环境动态信息的情况下,采用Q学习算法和探索利用方法,通过与环境的试错交互来学习最优策略。仿真结果表明,与两种参考策略相比,所提出的策略明显提高了系统AoI性能,同时发现系统的AoI性能随更新包尺寸的减小或者电池容量的增大而提升。