规模化储能参与下的电网二次调频优化控制策略

近年来,大规模电池储能参与电网二次调频控制是其继调峰之后最具潜力的应用方向之一,但是传统的二次调频控制策略无法区分不同电池储能技术特征的差异,进而难以充分发挥其调频优势,造成资源浪费。为此,提出一种计及电池储能技术特征的电网二次调频控制策略。受传统机组的调频成本模型启发建立电池储能调频成本函数,定量描述具有不同技术特征的储能在承担调频责任时所对应的调频成本。以调频成本最小化为目标,配置储能调频责任以满足电网二次调频需要。利用MATLAB/Simulink搭建含多个电池储能的区域电网动态模型,验证所提二次调频策略的可行性,并与其他2种调频策略进行对比分析。仿真结果表明,所提控制策略能够充分考虑不同电池储能的技术特征,从而精确地调度储能以满足电网调频需要,并实现荷电状态的均衡控制。     

工商业用户负荷中断速率及中断容量特性分析

为了精细化分析工商业用户负荷的最大中断速率及最大中断容量特性,采用二次分类模型对工商业用户的日负荷数据进行聚类分析。每次聚类均采用模糊C均值聚类法,第一次聚类分离出常规用电数据与参与中断响应的数据,第二次聚类获得精细化的中断响应模式,进而从时间维度和行业维度分析中断速率特性和中断容量特性。结果表明二次分类模型能够有效地挖掘用户的最大中断响应速率及最大中断容量。     

基于多面体不确定集的需求响应不确定性研究

随着需求响应技术的不断发展,用户侧柔性资源体现出越来越强的可调度潜力。然而由于用户习惯、模型精度、使用环境,大部分分散式可调度负荷呈现一定的不确定性,给负荷精准调度带来一定困难。多面体不确定集相比于传统盒式不确定集,在描述样本不确定性空间时引入负荷相关系数,能够压缩样本空间不确定测度,提高优化策略的精准性和经济性。通过拉丁超立方抽样模拟分析不同相关性条件下盒式不确定集与多面体不确定集的策略表现,可知基于多面体不确定集建立的负荷群调度优化策略模型能够降低调度成本,甄别优质响应资源,体现负相关负荷的互补性。     

基于Q学习算法的综合能源系统韧性提升方法

将综合能源系统随机动态优化问题建模为马尔可夫决策过程,并引入Q学习算法实现该复杂问题的求解。针对Q学习算法的弊端,对传统的Q学习算法做了2个改进:改进了Q值表初始化方法,采用置信区间上界算法进行动作选择。仿真结果表明:Q学习算法在实现问题求解的同时保证了较好的收敛性,改进的初始化方法和采用的置信区间上界算法能显著提高计算效率,使结果收敛到更优解;与常规混合整数线性规划模型相比,Q学习算法具有更好的优化结果。     

利用MODIS数据对北极夏季卷云特性的研究

利用2011~2014年MODIS云产品数据对北极地区夏季卷云的出现概率、云顶温度、云顶高度、光学厚度、有效粒径大小进行统计分析,并讨论了北极地区夏季卷云有效粒径大小和卷云高度的关系。结果表明,北极地区上空夏季卷云出现概率最高,水云较少。卷云云顶温度主要分布在230~272 K(即-43~-5℃),其云顶高度主要在2~8 km,4.5~6 km出现概率最大。卷云的光学厚度主要在小于10范围内。卷云的有效粒径在5~40 m之间,10~20 m出现概率最大。卷云的有效粒径和高度的关系与中纬度地区相反,北极地区卷云高度越高,卷云有效粒径越大。北极地区卷云随着纬度增大,卷云出现概率增加,卷云云顶温度降低,卷云高度增加,卷云有效粒径增大,卷云光学厚度增大。     

考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划

电动汽车充电站作为电动汽车重要配套基础设施,直接影响电动汽车行驶的便利性和经济性,站址规划是否合理成为电动汽车能否普及的关键因素之一。为了提高充电站的覆盖率和服务率,文中基于出行链思想对出行者空间行为特性进行分析,建立了电动汽车空间充电需求模型,以充电需求为衡量站址合理性的指标之一进行站址优化,然后基于Voronoi思想,利用免疫算法建立充电站站址选择模型,从而得到充电站合理布局规划结果,扩大了电动汽车可充电范围,提高了充电站的服务率。     

巡线机器人延迟容忍传感器网络数据传输策略

巡线机器人延迟容忍传感器网络(delay tolerant mobile sensor networks for inspection robot,DTMSNR)用于输电线路巡线机器人远程电网数据收集,具有节点稀疏、异构、随机移动性、间歇连通性和延迟容忍性.针对传统传感器网络数据传输算法机器人数据传输成功率低与网络可靠性差等问题.提出一种基于巡线机器人位姿信息的数据传输(mobile robot position-based delivery,MPD)策略.为准确计算巡线机器人网络位姿信息,建立机器人路径约束随机运动模型.MPD采用机器人相对网络位姿信息计算传输概率,进行消息传输路径选择.对网络异构消息引入机器人消息优先传输、消息失效机制进行消息队列管理.仿真实验表明,相较现有的几种延迟容忍传感器网络(delay tolerant mobile sensor network,DTMSN)数据传输策略,针对巡线机器人网络MPD能在适当的传输能耗下达到更高的传输成功率与更低的传输延迟.      

考虑游程检测法重构的EMD-Elman风电功率短时组合预测

考虑到直接对经验模式分解(EMD)所得多个分量分别建模预测会引入多重随机误差和产生较大预测工作量,提出一种基于游程检测法重构原则的EMD-Elman神经网络组合的风电短时功率预测算法,运用游程检测法对风电出力时间序列EMD得到系列本征模态函数IMF和趋势项Res进行波动性程度检测,将波动程度相似、变化规律相近的分量依照fine to coarse顺序重构成高频分量、低频分量和趋势项。然后针对性地对3个分量分别建立较准确的Elman神经网络短时多步预测模型,可减少预测分量建模数,提高预测精度和预测速度,最后将三分量预测结果自适应叠加。还分别给出两种预测模型的算例,对比分析发现EMD-Elman组合预测模型的精度优于Elman神经网络单一预测模型。     

基于改进EMD及Elman算法的短期光伏功率预测研究

本文提出一种基于改进EMD算法及Elman算法相结合的光伏功率预测方法。首先对历史数据根据辐照时长及辐照强度进行聚类分析,确定待预测日的所属类别及对应的辐照强度待预测时段;其次根据主环境特征量在待预测日所属类别中构建同类型日时间序列,利用改进EMD算法对同类型相似日时间序列进行中值滤波,并按波动程度进行模态分解,同类型模态划归一类,最后采用Elman算法对各模态类进行辐照强度预测,进而得到光伏逐时发电功率值。该方法旨在提高弱辐照情况下对辐照强度预测精准度,经验证,该方法适应了不同类型日的辐照强度预测,能够在一定程度上提高预测精度。     

计及旁路二极管效应的太阳能模组性能评估

为避免功率失配损失,太阳能模组一般都配置旁路二极管,提供一个能量散逸的途径。基于这种配置提出一种新的太阳能模组性能评估算法。依据实际旁路区段配置建立网络方程,通过牛顿–拉夫逊非线性迭代方法实现拓扑求解,继而获得模组的整体性能。在用制造商标准测试数据验证了该评估算法的有效性后,进一步考察各种阴影场景下的模组整体性能,并给出全局最大功率点(maximal power point,MPP)位置随辐射强度变化时的定性结论。理论分析和仿真结果表明,由于多辐射强度导致功率多峰值的存在,常规最大功率点跟踪(maximal power point track,MPPT)算法可能会因为只能检测到MPPT伪极大值点而失效;而且,旁路二极管的合理配置对太阳能模组性能有很大影响。