综合负荷聚合商参与的配电—气能源系统供需互动均衡模型

在综合能源系统背景下,提出一种基于主从博弈机制的配电—气能源系统与多个综合负荷聚合商的互动均衡模型。考虑次日能源价格的制定,配电—气系统以总利润最大化为目标求解日前最优能流。在价格机制作用下,综合负荷聚合商通过优化能源配置降低自身能源购置成本,从而实现配电—气系统与综合负荷聚合商的互利共赢。为求取主从博弈均衡解,采用二阶锥松弛(SOCP)和罚凸凹过程(PCCP)消除配电—气系统优化模型中的非凸源,并应用KKT条件和强对偶理论将原模型转化为单层凸优化模型。由此通过迭代求解混合整数二阶锥规划问题逐渐缩紧配气网管道气流松弛域,最终获得博弈均衡解。最后,以IEEE 33节点配电网和20节点配气网构成的系统为例进行仿真说明,所得结果验证了文中模型及方法的有效性。     

光伏逆变器无源分数阶滑动模态控制器设计

设计了光伏逆变器无源分数阶滑动模态控制器(Passive Fractional-Order Sliding-Mode Controller, PFSMC)来实现不同运行条件下的最大功率跟踪。首先,基于跟踪误差构建储能函数,保留系统阻尼有益项以提高跟踪速率,并完全补偿其他的系统非线性以实现全局一致的控制性能。随后,引入分数阶滑动模态控制(Fractional-Order Sliding-Mode Control, FSMC)作为附加控制输入对储能函数进行能量重塑以提高光伏逆变器的动态响应性能,同时分数阶滑动模态的引入可大幅提高闭环系统的鲁棒性。为验证所提控制器的有效性,进行了两种算例研究,即光照强度变化和电网电压跌落。仿真结果表明,PFSMC与常规PID控制、无源控制(Passivity-BasedControl,PBC)和FSMC相比,其能在各类工况下实现最快的动态响应以及最低的超调量。最后,基于d Space的硬件在环实验(Hardware-in-the-Loop, HIL)验证了所提算法的硬件实现可行性。     

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。     

考虑大量EV接入的电-气-热多能耦合系统协同优化调度

随着能源互联网的发展,在未来多能源网络将深度耦合的大背景下,传统的电网调度模式已不能够满足对多能源系统协同优化的要求,电动汽车的大量推广也给制定更合理的调度策略,支撑多能源系统运行带来了新的挑战和机遇。基于上述背景,文中考虑电网潮流、天然气网潮流、能源中心供能和电动汽车出行及充电需求等约束,利用模糊理论处理电动汽车总体需求及风电出力的不确定性,以全系统供能成本和污染物排放最小为目标,建立了计及大量电动汽车接入下的多能源系统协同调度模型,并采用内点法进行求解。最后,以典型的11节点多能源系统为算例,分析了电动汽车不同充放电模式和不同能源中心结构下的调度策略及效益,并比较了不同接入车数与不同置信水平下的调度结果,验证了电动汽车参与多能源系统的协同调度能够提升系统运行的经济性。     

信息–物理–社会融合的智慧能源调度机器人及其知识自动化:框架、技术与挑战

着眼于能源5.0前瞻性基础理论,重点研究基于信息–物理–社会融合系统(cyber-physical-social systems,CPSS)的智慧能源调度机器人(robot of energy control,Robo EC)群体及其知识自动化的关键理论方法。包括:构建面向下一代能源电力系统的平行CPSS理想框架及工程可行性框架体系;提出基于数据驱动及自校正引导方法的新型高精度镜像计算实验方法,实现镜像系统对真实物理系统的趋优引导;研究面向未来能源电力系统集中/分散调度模式下的知识自动化流程和平行机器学习方法,实现Robo EC群体的知识自我探索和群体智慧水平的自动提升;探讨平行系统与真实系统的交互协调收敛数学机理及实现CPSS大闭环的系统化设计方法,获得能源、信息、社会三者的深度融合方法和系统化工程设计方法。在后续研究过程中,不断完善基于平行CPSS架构的Robo EC研究平台,并提出可最终尝试将Robo EC投入到小规模实际工程进行运行测试。最后,分析了其面临的挑战,为中国在"能源4.0"到"能源5.0"的技术发展之路上先行一步提供借鉴和思考。     

风险调度中引入知识迁移的细菌觅食强化学习优化算法

针对电力系统运行过程中负荷及故障的不确定性,在经济调度中引入风险评估原理,并提出了一种全新的基于知识迁移的细菌觅食强化学习优化算法。该算法将细菌觅食算法的寻优模式与Q学习算法的试错迭代机制结合,利用多主体协同合作来更新共有的知识矩阵,并以基于知识延伸的维度缩减方式避免了"维数灾难"。在预学习获得最优知识矩阵后,利用知识迁移加速在线学习进程。IEEE RTS-79测试系统的仿真结果表明:所提算法在保证获得高质量最优解的同时,寻优速度可达经典智能算法的9~20倍,适合求解大规模复杂电网的风险调度快速优化。     

含电转气的电-气互联系统多目标优化调度

在“能源互联网”背景下,提出一种计及经济、碳排放和削峰填谷目标的电-气互联系统多目标优化调度模型,通过电转气装置和燃气轮机的相互配合,电-气互联系统可实现风电消纳能力提高,系统碳排放降低以及净电力负荷曲线平滑等目的。采用改进的广义法线边界交叉法求解电-气互联系统多目标优化调度模型的Pareto前沿,为调度人员提供多样化的决策解选择。此外,针对传统多目标决策方法没有计及目标间的相关性,而不能有效协调多维相互冲突的目标,提出一种马氏距离双基点法用于选取折中解,以提高多目标决策的科学性。最后,采用修改的IEEE 39节点电网与比利时20节点气网耦合的电-气互联系统为仿真算例,验证所提模型的优越性以及广义法线边界交叉法和马氏距离双基点法对此多目标优化调度问题的适用性。     

消纳大规模风电的电–气互联系统鲁棒区间调度模型与方法

现有的电–气互联系统联合调度模型在利用燃气机组的快速调整能力应对风电波动时,难以考虑到对气网运行约束的影响,同时往往忽略了电转气(P2G)装置进一步消纳风电的能力.为解决上述问题,本文计及燃气机组和P2G装置追踪风电波动提出了一种鲁棒区间调度模型,所提模型在保证风电消纳区间最大化的同时,将优化得到的燃气机组和P2G装置允许出力区间转换为最大、最小进气量场景以进一步校验气网的可行性.为进一步扩大风电消纳区间,本文将AGC机组和P2G装置的风电承担系数作为待优化变量,并对因此引入的非线性项进行松弛处理.最后,通过一种计及再调整的日后校正模型对各个算例场景进行蒙特卡洛模拟,验证了本文模型和方法的有效性.     

电动汽车充换电站参与电网AGC功率分配的成本一致性算法

搭建电动汽车充换电站参与电网自动发电控制(AGC)功率分配的框架,并建立其优化数学模型。在此基础上,提出电动汽车参与AGC功率分配的成本一致性算法。智能体间采用虚拟一致性变量作为一致性交互计算信息,同时以真实一致性变量确定电动汽车的AGC功率,提高算法的应用灵活性。某电网模型仿真结果表明:成本一致性算法可以减少电网调节成本,提高区域电网的控制性能标准,且能有效实现电动汽车参与电网AGC功率分配的自律调频。     

同步优化容许区间与期望发电成本的风电鲁棒估计法

现有的风电鲁棒区间调度模型往往以最小化基态发电成本和最大化风电利用作为目标,难以考虑在实际调度过程中对发电成本的优化。针对上述问题,文中提出了一种同步优化风电容许区间和机组期望发电成本的方法,基于Nataf逆变换的三点估计法,在保证风电容许区间最大化的同时,将应对风电波动的发电成本期望值作为经济目标,以反映实际发电成本的最小化。为提高风电消纳能力,将机组的风电承担系数作为变量,并对因此引入的非线性项进行松弛处理。而对于期望发电成本作为目标所引入的非凸性,则采用一种凸-凹过程进行迭代处理,以确保方法的准确性。最后,通过校正模型在修改的IEEE 118节点系统上进行蒙特卡洛模拟,验证了所提方法的有效性。