多区域并行协同的多目标分布式帕累托最优潮流算法

在开放电力市场的环境下,各区域电网合作与利益博弈共存,区域电网之间的信息保密问题显得愈发重要。现有的帕累托最优潮流求解方法均属于集中式算法,在优化时需要获知全网的信息,无法满足高私密性以及高可靠性的要求。在该背景下,寻求一种去中心化的分布式优化方法以保障系统内各区域电网的信息安全显得尤为重要。基于此,文中提出了一种多区域并行协同的多目标分布式帕累托最优潮流求解算法。该算法以法线边界交叉法为基础,将整个系统的多目标潮流优化问题分解为与多个子区域对应的子优化问题。每个子区域采用独立的优化器完成子问题的优化,区域之间仅交换联络线上的边界变量以及虚拟目标因子进行全局调整,不断逼近原问题的帕累托最优解集。IEEE 118节点算例仿真结果表明:所提算法可在有效实现多目标帕累托最优潮流分布式并行求解的同时,还可提高求解精度和减小计算内存,从而适用于在开放电力市场背景下各区域电网合作与利益博弈共存的运营模式。     

电–气互联系统的气电解耦分布式多目标优化调度

本文基于能源互联网背景建立了一种计及供能成本、碳排放量和净负荷曲线平滑度的电–气互联系统多目标优化模型,并采用线性化方法将非线性优化模型转化为混合整数线性规划模型.同时,为了求解该模型,实现各能源的协同互补利用,提高能源的利用率,本文在保障各能源网络分散自治权的基础上提出一种基于气电解耦的分布式多目标优化算法,以气电解耦优化的方式实现电、气系统的分散自治.所提算法将原系统的多目标优化问题分解为电网和气网的子优化问题,并采用独立的优化器完成子问题的求解.电网和气网仅需交换少量边界变量以及虚拟目标因子分别进行全局调整即可获得多目标解.最后,本文根据修改的IEEE 39节点电力网络和比利时20节点天然气网络搭建模型并进行仿真分析,结果验证:所提算法能够完成电–气互联系统的气电解耦并实现多目标并行求解,从而提高系统信息私密性、实现各能源网络的分散自治.     

基于并行ADMM的分布式电-气能量流多目标协同优化

在能源互联网的背景下,电力系统与天然气系统互联以实现能量双向流动,此时对电-气耦合系统的电-气能量流进行协同优化很有必要。同时,为协调电力系统与天然气系统在多个目标下的矛盾冲突,需考虑如何实现多目标下系统最优调度运行。针对以上问题,并考虑到电力系统与天然气系统通常隶属于分布自治的经营主体,文章提出一种基于并行交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的分布式电-气能量流多目标协同优化算法,利用分解协同交互机制实现电力流与天然气流的分布式多目标并行优化,并针对算法的原理、收敛性能以及相关参数对算法的影响对该算法进行深入探讨。最终,在基于IEEE 39节点电力网络和Belgian 20天然气网络搭建的电-气耦合能源系统上进行仿真测试,仿真结果验证了所述算法的有效性     

人工情感Q学习的互联电网自动发电控制算法

对互联电网中自动发电控制AGC中控制策略进行改进,设计了人工智能中的人工心理学和人工智能中的机器学习结合的控制策略.分别对Q学习算法和Q(λ)学习算法进行改进,设计了具有人工情感的智能体.提出了人工情感Q学习算法和人工情感Q(λ)学习算法.且将人工情感分别作用于Q学习算法和Q(λ)学习算法中的输出动作、学习率和奖励函数.最后在IEEE标准两区域和南方电网四区域的互联电网Simulink模型中进行数值仿真.绘制并统计了控制性能指标、区域控制误差和频率偏差的值.从仿真结果看,所提人工情感Q学习算法和人工情感Q(λ)学习算法控制效果优于原有Q学习算法、Q(λ)学习算法、R(λ)算法、Sarsa算法、Sarsa(λ)算法和PID控制算法,该数值仿真结果验证了所提算法的可行性和有效性.