考虑电动汽车虚拟储能的高渗透配电网鲁棒优化调度

针对可再生分布式电源和电动汽车大量接入后给配电网带来的挑战,提出了一种综合考虑电动汽车接入随机性和分布式电源出力不确定性的鲁棒优化调度模型.首先,分析了分布式电源与电动汽车负荷的协同特性,结合电动汽车充放电管理方法与各类电动汽车的停驶特点,建立了可供调度的电动汽车虚拟储能容量估算模型;然后,利用鲁棒随机优化理论描述风光不确定性,以净负荷波动最小和电动汽车用能成本最低为目标函数,构造了优化调度模型及求解算法.最后,以某配电网为算例对所提模型与算法进行验证,结果表明:对电动汽车的充放电价格、功率及时间进行集中优化调控,能够达到协同可再生能源出力、平抑负荷波动的目的,削峰填谷效果显著.     

基于改进鲁棒重复控制与QPR的光伏电流控制策略

为提高微电网中光伏逆变器的功率控制性能,改善光伏发电的并网电流质量,首先建立光储微电网中光伏主电路的状态空间模型,基于此模型,提出一种"嵌入式"的鲁棒重复控制模型,改进传统重复控制中的内模结构,并加入鲁棒补偿器,通过线性矩阵不等式法求得最优配置,以提高控制系统的稳定性能和跟踪精度.然后结合准比例谐振(QPR)控制良好的滤波效果,提出一种基于改进鲁棒重复控制与QPR并联的光伏电流控制策略.最后在RTDS仿真平台上对所提策略进行验证,仿真结果表明,该策略可以有效地提高光伏逆变器的电流跟踪性能和谐波抑制能力,从而验证该策略的有效性和工程应用价值.     

分布式视频编码关键技术及研究进展*

系统地阐述了分布式视频编码(distributed video coding,DVC)技术框架的基本原理和近五年的发展历程;列举了国内外多个研究小组的基本思想研究现状;分析了分布式视频编码技术的发展趋势;揭示了技术的关键和研究热点;展望了该技术在信息安全、可伸缩编码、多描述编码以及光场编码中的应用前景.     

基于鲁棒学习算法的水下机器人神经网络控制

针对水下机器人神经网络控制系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,结合误差反向传播学习算法,推导出一种新颖的强鲁棒性学习算法,并详细讨论其全局稳定性条件,最后在水下综合探测机器人仿真平台上进行了试验研究.结果表明,控制器对学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

不确定离散系统的鲁棒Gl2滤波器设计

对于凸多面体不确定离散系统,研究了满足误差估计系统鲁棒稳定且满足一定Gl₂性能指标的线性全阶稳定滤波器设计方法.分别给出了确定性和不确定性离散系统具有Gl₂性能的线性矩阵不等式（linear matrix inequality, LMI)充要条件和充分条件.在此基础上,通过使用滤波器参数化方法,分别推导出了以LMI描述的确定性和不确定性系统的Gl₂滤波器存在的充要条件和充分条件,进而可以使用LMI凸优化程序求解滤波器.通过对算例的计算,结果表明,在噪声信号为独立范数有界情况下,鲁棒Gl₂滤波比H_∞滤波具有更少的保守性.     

新型RISE-LADRC逆变器电压控制策略

当微网逆变器中出现不平衡负载和非线性负载等强扰动时,传统线性自抗扰控制(LADRC)的抗扰能力不足,针对此问题提出一种误差符号鲁棒积分(RISE)与LADRC相结合的新型RISE-LADRC控制策略.通过采用RISE控制律来代替线性状态误差反馈律(LSEF),可减小控制器对线性扩张状态观测器(LESO)的依赖,当LESO的观测带宽一定时,RISE控制能有效地抑制系统中存在的扰动,并利用李雅普诺夫稳定性定理证明了所提控制策略的稳定性.仿真及实验结果表明,在微网逆变器中出现强扰动的情况下,相比传统LADRC控制策略,RISE-LADRC控制策略提高了控制器的跟踪精度,减小了稳态误差且表现出更好的抗扰能力.     

基于数据驱动分布式鲁棒的热-电-气综合能源系统日前经济调度优化

部署综合能源系统的微网能够实现风电与多种能源的能量互济,进而提升能源的综合利用率.然而风电自身的不确定性为综合能源系统的日前经济调度方案带来了诸多挑战.为应对风电的不确定性,首先构建了热-电-气综合能源系统两阶段日前经济调度模型,其次利用数据驱动分布式鲁棒方法刻画了风电的不确定性,然后引入对偶理论、大M法进一步将非线性的第二阶段经济调度模型转换为易于求解的线性优化模型,最终采用列约束生成算法进行迭代求解.算例证明,相比于传统模型,所提模型能够实现16.9％的经济性提升;相比于鲁棒优化方法,所提方法能够实现经济性提升4％.     

储能与AGC机组协同的鲁棒调度

利用储能所具有的调节速率快的特点参与自动发电控制(AGC)机组调度,对应对风光间歇性具备明显的优势.已有计及储能的调度决策方法往往不能准确刻画储能应对风光间歇性的作用.为此,提出了储能协同AGC机组应对风光间歇性的两阶段鲁棒优化调度模型,将储能与AGC机组在控制中的动作轨迹抽象为任意2个瞬间之间的过程,利用储能所具有的快速充放电特点,弥补AGC机组响应速度的不足,提高其爬坡能力来释放机组的调节潜力,从而应对可再生能源发电的间歇性问题.所提两阶段模型具有解耦复杂、迭代次数多的特点,采用列约束生成(C&CG)算法进行求解.算例结果表明,与不考虑利用储能应对间歇性的模型相比,所提模型具有较强的鲁棒性,可有效降低对电力系统调度的配置需求,在经济和效率上有明显的优势.     

考虑不确定性的高速公路光储充电站选址定容

针对高速公路并网光储充电站选址定容中存在的不确定性,提出了一种基于数据驱动的分布式鲁棒优化的两阶段选址定容方法.阶段1基于蒙特卡洛模拟方法得到充电点的位置,利用整数规划模型确定充电站的位置;阶段2兼顾充电站利益及用户满意度,建立基于数据驱动的分布式鲁棒优化定容模型,通过KL(Kullback-Leibler)散度构建以经验概率分布为中心的概率分布模糊集合描述不确定量,利用风险理论将分布式鲁棒优化模型转化为混合整数线性规划问题,进而对充电站内的充电桩数量及光储容量进行优化.最后,通过环形路网对所提方法进行验证并进行敏感度分析.结果表明:所提方法可行、有效;配置光储设备能降低年均寿命成本;通过控制KL散度公差、样本数量、续航里程、充电功率等能有效平衡系统的经济性与鲁棒性.     

基于鲁棒一步集的Tube不变集鲁棒模型预测控制

针对一类干扰有界的输入和状态受约束线性离散系统,提出了一种基于鲁棒一步集的Tube不 变集鲁棒模型预测控制方法.首先采用多面体不变集离线设计方法得到基于多面体不变集序列的扩 展终端约束集;然后为了扩大鲁棒模型预测控制的初始状态允许区域,并提高系统的鲁棒性,在扩展终端约束集的基础上,通过引入鲁棒一步集并借助Tube不变集控制策略,设计了基于鲁棒一步集的鲁棒模型预测控制方法,并给出了算法的存在性和稳定性证明. 该方法不仅极大地扩大了初始状态允许区域,而且对有界干扰具有有效的抑制作用,使得受扰系统收敛到以原点为中心的最小鲁棒正不变集内.最后仿真验证了算法的有效性.