基于主从博弈和贪心策略的含电动汽车主动配电网优化调度

随着入网的电动汽车规模增加,为了实现电网与车主的双赢不仅要考虑其无序充放电对电网负荷的影响,还要计及双方的成本。基于此,建立了主动配电网与电动汽车主从博弈模型。上层以配电网运行成本最低为目标,通过合理的电价及激励策略引导电动汽车充放电,并协调优化分布式电源及储能;下层基于贪心策略进行两阶段优化,先以分时电价下充放电成本最低为目标优化充放电策略,在不减少收益的约束下,再最大化电网对减小负荷波动给予的激励调整策略。通过改进的IEEE 33节点系统算例分析表明,该模型在最大化双方利益的同时极大地缩小了负荷峰谷差,避免了大量电动汽车充电引起新的高峰。     

基于宽度和深度模型以及残差网络的综合能源负荷短期预测

针对用户级综合能源系统负荷波动大，能源耦合复杂的特点，提出一种基于深度和宽度模型(Wide&Deep)和残差网络(ResNet)框架并且采用完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)和主成分分析(Principal Components Analysis, PCA)的综合能源系统联合负荷预测方法。所提模型由宽度和深度两部分组成：深度部分参考ResNet拟合残差映射的思想将多个长短期神经网络(Long Short-Term Memory, LSTM)子层堆叠构建深度预测网络，深度部分数据在输入前采用CEEMDAN进行分解，并利用主成分分析对分解结果进行主要影响因素提取和排序，并通过对数据的梯级输入实现对不同信息密度数据的梯级利用；宽度部分则采用简单模型并对传统Wide&Deep-LSTM模型的Wide部分输入进行改进，有效降低了模型的训练难度。通过实际算例分析可知所提模型具有良好的预测精度和收敛速度。与常规模型相比，所提模型具有一定优越性。