考虑居民用户参与度不确定性的激励型需求响应模型与评估

先进的智能测控与双向通信技术引导越来越多居民用户通过智能家庭能量管理系统（SHEMS）参与需求响应（DR）,然而用户参与度等不确定因素导致难以有效量化评估居民响应能力。首先,建立了复杂用电环境下的混合整数负荷模型,并综合考虑基于分时电价和用户协议的DR策略,建立了激励型DR参与度自主决策的智能家庭日前优化调度模型。然后,考虑到用户响应行为的不确定性,提出以参与度、响应时间等多重影响因素与净负荷功率构建高维参数空间,利用响应前后净负荷包络域期望量化用户响应能力,进而提出综合考虑电网激励成本与用户响应成本的响应能力梯度评估指标,为电网激励机制设计和用户响应方案决策提供指导依据。最后,仿真结果验证了所提模型及评估方法的有效性。     

逆变器串并联型微电网的一种本地主从协调控制策略

逆变器串并联型微电网吸收了传统并联型和串联型系统的优点,但其结构的复杂性给系统的控制策略设计带来了新的挑战。针对逆变器并联型和串联型微电网功率均分策略之间的矛盾,提出了一种基于虚拟阻抗技术的本地主从协调控制策略。该控制策略将每个微源串中靠近公共连接点(Point of Common Coupling, PCC)的微源设置为主控单元,其采用无通信的改进下垂控制实现微源串之间的同步和功率一致,其余串联微源在本地跟随主控单元运行,最终实现了全局的功率均分。全局无通信的设计提高了系统的可靠性和灵活性,降低了运行成本。仿真结果验证了所提方案的可行性和有效性。     

基于加权扩展日特征矩阵的分布式光伏发电日前功率预测

分布式户用光伏发电系统的精确日前功率预测可为智能家庭优化运行提供依据,但历史数据量少和缺乏精确辐照预报数据的问题增大了预测难度。为此,将邻近多用户数据融合以扩充样本规模,提出一种考虑功率关联性和相关度权重的相似日搜索方法,并基于长短期记忆(LSTM)神经网络实现日前预测。分析光伏发电功率的影响因素及其内在相关性,基于天气类型统计数据划分日类型,并利用气象信息、相同日类型的历史功率信息和皮尔逊积矩相关系数构造加权扩展日特征矩阵。提取历史数据中与待预测日特征矩阵欧氏距离最小相似日的光伏功率,将其与关键气象特征共同输入LSTM神经网络模型进行预测。以北美丹佛市多个用户的实测数据验证了所提方法的有效性,该方法能够适用于历史数据受限的场景,且在多种天气类型下显著降低了预测误差。