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。     

考虑条件风险价值的虚拟电厂多电源容量优化配置模型

虚拟电厂中风、光等可再生能源出力及市场电价的不确定性会导致其收益具有一定的风险性。合理配置虚拟电厂中风电、光伏、储能以及常规机组的容量,能够降低系统成本,使投资者的利益最大化。以投资和运行成本最小为优化目标,采用条件风险价值作为风险量度的指标,建立了一种基于投资组合理论中计及风险量度的虚拟电厂容量优化配置模型。在此基础上,探讨风险偏好对规划虚拟电厂多电源容量配置的影响,以及环境成本、自然资源及负荷之间的相关性对配置结果的影响。以美国德克萨斯州某地区附近的风、光资源,电价及负荷数据为实例,采用场景技术模拟不确定性。算例结果表明了该模型的正确性,可为不同风险偏好的投资商在规划建设虚拟电厂时面对多电源容量配置问题提供定量依据。     

基于混合随机规划/信息间隙决策理论的虚拟电厂调度优化模型

虚拟电厂(VPP)在调度过程中面临多种不确定因素,给决策和系统安全运行带来一定的困难。提出了基于混合随机规划/信息间隙决策理论(IGDT)的VPP调度优化模型,该模型针对电价概率分布描述较为准确、预测精度较高的特点,采用随机规划处理电价的不确定性;针对风光出力概率分布难以精确刻画、预测精度较低的特点,采用IGDT处理风光出力的不确定性,通过赋予风光出力偏差系数不同的权重,解决了IGDT同时处理风光出力不确定性的问题。此外,针对不确定性决策的盲目性和不同策略面临风险程度的不同,引入风险成本量化不同决策方案对应的风险。仿真结果验证了所提模型的有效性。     

基于双层Kriging元模型算法的多产消代理商主从博弈能量管理模型

分布式能源的蓬勃发展为建设低碳高效的能源系统提供了新的途径,但同时也带来用户侧行为随机、能量管理困难等难题.为实现用户侧低碳能源系统的柔性调控与高效管理,提出产消代理商的概念,并对其具体含义作了详细说明.在此基础上,为进一步实现用户侧清洁能源的就地消纳并促进多产消代理商间的能量共享,构建了市场运营商(MO)和多产消代理商间主从博弈模型.该模型中,MO作为博弈的领导者,通过电价优化引导产消代理商的购电/售电行为;而产消代理商作为博弈的跟随者,在收到MO制定的电价后,以最小化用电成本为目标对内部各聚合单元进行优化.同时,为克服下层模型中由布尔变量带来的求解困难问题,采用双层Kriging元模型算法实现博弈模型的求解,减少了下层模型的调用次数,显著提高了计算效率.算例验证了所构建模型的有效性.     

计及多能源集线器的电热综合能源系统分布式优化

由于电热综合能源系统各主体信息不共享、存在隐私保护等,区域内不同主体的自治决策和通信安全变得至关重要。为此,提出一种基于交替方向乘子法(ADMM)的电热综合能源分布式优化方法,以实现电热综合能源系统中能源集线器(EH)的自治决策和分布式优化。建立了电热综合能源系统与EH的优化调度模型,并建立了基于ADMM的电热综合能源系统分布式优化模型,实现了综合能源系统运营商与多个EH运营商的分布式功率交互。同时,采用自适应步长的方法求解所建立的模型,提高了算法的收敛性。     

基于深度学习的直流配电网分布鲁棒优化调度方法

随着分布式资源的大规模接入,直流配电网能量损耗小、控制灵活的优点凸显。针对直流配电网传统物理优化模型效率低的问题,提出了一种基于深度学习的直流配电网分布鲁棒优化(DRO)调度方法,其采用深度学习方法替代了基于场景的DRO模型的迭代求解过程,通过直接预测典型场景的最恶劣概率分布来提高模型求解效率。构建直流配电网基于场景的DRO物理模型,采用列与约束生成算法迭代求解生成深度学习的训练数据;以光伏出力、负荷、范数置信度为输入,以最恶劣概率分布为输出,构建深度神经网络模型;基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度的最恶劣概率分布,构建最恶劣概率分布下的单层随机规划模型,获取等效的基于场景的DRO调度策略;采用33节点直流配电网系统为算例,验证所提方法在求解效率和计算精度方面的有效性。     

基于古诺模型的电力产消者鲁棒随机市场交易研究

随着用户侧分布式能源的爆发式增长,具有源荷双重属性的产消者逐渐增多,并且开始作为新兴主体参与到电力市场中。针对含产消者的寡头电力市场出清问题,提出了一种基于古诺模型的产消者市场交易模型,并进一步采用鲁棒和随机混合方法处理产消者内部可再生能源出力的不确定性,提出了产消者鲁棒随机市场交易模型。最后,在IEEE-39节点系统上验证了所提模型和方法的有效性,并对产消者的市场力进行了评估。     

基于VMD与PSO优化深度信念网络的短期负荷预测EI北大核心CSCD

为提高短期负荷预测精度,采用变分模态分解（variational mode decomposition,VMD）技术将原始历史负荷序列分解为一系列特征互异的模态函数,对每个模态函数进行特征分析并分别建立负荷预测模型。电力系统负荷预测建模过程中,选取有效的输入变量是提高预测精度技术措施之一,该文采用互信息度量影响因素与输出变量间的相关性,可选取出对负荷影响较大的输入变量集合。传统的神经网络负荷预测模型难以训练多层网络,从而影响其预测精度。而深度信念网络（deep belief network,DBN）采用非监督贪心逐层训练算法构成多隐含层感知器结构,在回归预测分析中展现出优良的性能,已成为深度学习领域研究热点。因此,该文借助DBN算法对每个模态函数建立预测模型,提高了预测精度。由于DBN网络权值的随机初始化,使得目标函数在学习训练过程中容易陷入局部最优,采用改进粒子群算法优化网络权值,增强了DBN预测性能。最后,算例测试表明该文模型的有效性。     

电力市场环境下风电-光热-生物质混合电站鲁棒优化调度模型

以风电场、光热电站、生物质锅炉等组成混合电站并参与到电力市场中,能有效提高整体的运营收益.为解决混合电站参与电力市场运行问题,从混合电站的结构及运行机理出发,提出了电力市场下风电-光热-生物质混合电站鲁棒优化调度模型.该模型以最大化运行利润为目标函数,考虑了混合电站参与电力市场所获收益、并网运行环境效益、弃风弃光惩罚成...     

计及辅助服务的电-气-氢综合能源系统优化调度

氢能是中国能源行业低碳化转型的重要支撑。电制氢技术可将电网难以消纳的新能源转换成绿氢注入天然气管道,实现绿氢的远距离传输与利用。文中提出一种计及绿氢注入的电-气综合能源系统优化调度模型,且计及电网辅助服务以支撑高比例新能源消纳。首先,建立了计及绿氢注入及管道管存的天然气系统准动态运行模型;然后,构建了计及调峰与灵活备用的辅助服务的综合能源系统灵活运行模型。最后,算例测试量化评估了电制氢及多能协同对于支撑新能源消纳及提高系统运行灵活性的价值,并且分析了新能源渗透率、管道掺氢比限制对于综合能源系统调度结果的影响机理。