基于改进布谷鸟算法的微电网源-荷-储功率优化调度

为实现微电网源网荷储的最优匹配,提出了一种计及需求侧响应的微电网有功功率调度模型。首先综合考虑系统运行约束、蓄电池运行约束和引入负荷响应补偿的用户满意度,以微电网经济性和环保性最优为目标函数,构建了包含风光发电、储能单元和负荷的微电网功率调度模型。进一步改进了布谷鸟搜索算法,并在4个典型场景下求解所提出的调度模型。通过算例验证模型和所提方法的有效性,结果表明：负荷响应与储能可以有效降低微网运行成本,通过可移负荷跨时段平移,实现负荷削峰填谷;同时,模型能根据不同的满意度要求提供相应的经济优化调度方案;此外,通过对比粒子群算法与布谷鸟算法,进一步验证了改进的布谷鸟算法性能更优。     

工业园区微网调度研究与仿真

为提高新能源消纳能力和供电经济性、可靠性,研究了含风光柴储、生活负荷、具有有限可控能力工业负荷的工业园区微电网,提出了一种基于日前和日内相结合的优化调度方案。为保证日前优化调度的经济性,提出了一种分段变异优化的改进粒子群算法求解调度模型。改进算法相较于传统粒子群算法收敛性速度更快,同时提高了经济性,减少了园区的运行成本。日内运行时,为了校正日前预测偏差,采用源网荷储共同参与调整,保证尽可能跟随日前经济结果,提高微网系统的可靠性。日内调整建立详细化的仿真模型,采用实时仿真技术。利用实时仿真软件RT-LAB和实时仿真机OP4510构建的实时仿真平台,解决模型仿真用时较长、求解困难的问题,验证了工业园区微网调度策略的可行性。     

考虑需求侧管理的风光燃储微网两阶段优化调度

针对微电网中源荷匹配较弱及储能应用不充分的问题,计及需求侧管理与碳排放对其源荷储进行协调优化。所研究的并网型微网优化分为需求侧管理与调度两阶段。首先,第一阶段引入需求侧管理模型,结合储能电池并采用纵横交叉算法求解,使微网的净负荷最小与自供率最大。然后,第二阶段依托第一阶段需求侧管理后的信息从经济和环保角度出发,建立以综合成本最小及碳排放量最低为目标的风光燃储微网日前优化调度模型,利用改进多目标灰狼优化算法进行求解。最后,以福建某实际微网为例,通过仿真表明引入需求侧管理可有效利用储能电池改善微网源荷匹配度,充分挖掘需求响应潜力。相比单阶段优化,两阶段优化更有利于提高可再生能源渗透率,降低微网日运行成本与碳排放量,实现微网的低碳经济运行。     

基于广义需求侧资源的微网运行优化

智能电网技术为需求侧响应的实施和各类分布式能源的接入创造了良好条件.文中分析了分布式发电、负荷、储能等3类资源在微网运行优化中各自发挥的作用和协调关系,将其视为广义需求侧资源,建立基于“源-荷储”三维架构、更具弹性的微网运行优化构架.为降低微网运行优化问题的维度,提出将启发式规则与粒子群算法相结合的求解模型,首先利用启发式规则形成储能与负荷的优化策略,然后利用多目标粒子群形成电源的优化策略.为兼顾优化控制结果的稳定性和精确性,采用滚动时间窗优化方法.算例对比分析了各类需求侧资源对微网运行优化的效果,验证了所提方法的有效性.     

基于广义需求侧资源的微网运行优化

智能电网技术为需求侧响应的实施和各类分布式能源的接入创造了良好条件。文中分析了分布式发电、负荷、储能等3类资源在微网运行优化中各自发挥的作用和协调关系,将其视为广义需求侧资源,建立基于"源—荷—储"三维架构、更具弹性的微网运行优化构架。为降低微网运行优化问题的维度,提出将启发式规则与粒子群算法相结合的求解模型,首先利用启发式规则形成储能与负荷的优化策略,然后利用多目标粒子群形成电源的优化策略。为兼顾优化控制结果的稳定性和精确性,采用滚动时间窗优化方法。算例对比分析了各类需求侧资源对微网运行优化的效果,验证了所提方法的有效性。     

考虑用户禀赋效应和环保意识不确定性的微电网鲁棒优化调度方法

需求侧响应作为解决微电网源荷不匹配的有效方案，提高其响应效率，能够有效地从用户侧改善负荷曲线，提高源荷匹配性。然而，除经济因素以外，需求侧响应实际参与程度极易受到用户心理等不确定性因素的影响。为此，在考虑各种源荷不确定性的基础上，为了充分利用需求侧资源，该文建立一种在需求侧响应中考虑用户心理因素不确定性的微电网鲁棒优化调度模型。根据负荷类型的不同，分别建立基于价格和基于激励的需求侧响应方案，对于其中居民普通负荷和电动汽车负荷的激励型需求侧响应模型，通过引入禀赋效应和环保意识来描述用户心理因素的不确定性。然后，利用列和约束生成算法求解优化模型，得到最恶劣场景下的最优微电网经济调度方案。最后，通过算例分析验证所提模型以及求解方案的有效性，结果表明，考虑用户心理因素不确定性可以有效提高微电网系统运行的经济性和鲁棒性，并为微电网运营商针对性提高需求侧响应参与度提供一定的参考，同时通过调节不确定性参数的取值，运营调度人员可以在经济性和稳定性之间进行合理选择。     

需求侧响应下的微网源-网-荷互动优化运行

微电网是利用可再生能源的主要方式之一,是典型的"源-网-荷"一体化系统,与智能电网、需求侧管理、分布式电源等技术联系紧密,目前已经成为能源研究的重要领域。本文通过考虑微网内源侧的不同类型分布式能源运行特点、负荷侧的不同类型需求侧响应方式以及网侧的电压约束等,建立了微网源-网-荷互动优化运行数学模型,通过滚动优化算法进行仿真分析。算例分析表明,利用本文提出需求侧响应下的管理系统模型,不仅提高了电网用电的经济性和环境友好性,而且降低了微网的负荷峰值和负荷冲击,提高了用电效率。     

考虑需求侧储能及可控负荷的微网优化运行

微网中集成了大量风力、光伏等出力具有随机性、间歇性的不可控DG,通过一体协调储能、可控负荷等需求侧资源研究微网优化运行。基于实时电价环境,考虑风机、光伏出力不确定性,利用储能装置的能量转移与能量备用和可控负荷的负荷转移,以微网运行成本为目标建立优化模型。采用基于随机模拟的量子粒子群算法求解模型。通过算例仿真表明提出的微网运行模型和优化算法可有效进行微网能量优化管控,并且验证了考虑需求侧资源的微网运行更具经济性。     

计及典型日选取与源荷灵活性调节的优化调度研究

针对电网面临的反调峰特性和新能源消纳问题,提出一种计及源荷侧灵活性调节资源的电力系统优化调度模型。首先,根据负荷特点采用改进SSE-PFCM聚类算法求取负荷典型日。其次,基于负荷用户对电价变化的不同响应行为,提取出具有需求响应潜力的两类负荷,并且分别为其构建计及乐观响应隶属度的模糊负荷转移率模型以及需求价格弹性模型。然后,计及需求响应不确定性模型以及火电机组深度调峰,以系统综合运行成本最小为目标构建优化调度模型,采用引入步长弹性系数的改进粒子群算法求解。最后,以改进IEEE 30节点系统为例进行多种场景的仿真计算分析,结果表明所提策略能够有效提升系统可再生能源的消纳能力和系统运行的经济性。     

计及分类需求响应的孤岛微网并行多目标优化调度

孤岛微网优化调度中的源荷协调性非常重要,却常被忽视。针对孤岛微网的运行特点,计及分类负荷需求响应,构建了以系统运行成本及污染排放最小化为目标的微网源荷协调多目标优化调度模型。并引入多核并行运算环境和多种群并行交叉变异机制,构建新型的并行多目标微分进化(PMODE)算法对模型进行高效求解,以调和常规智能算法寻优深度和速度间的矛盾。结合应用结果分析了分类负荷发生转移及削减前后对微网内各分布式电源的出力影响和负荷的峰谷调整状况。表明所提出的孤岛微网源荷协调优化调度模型可有效实现节能减排和提升风光消纳率,并验证了PMODE算法的优越性能。     

提高微网光伏消纳率的价格激励需求响应分层优化方法

在光伏装机比例较高的微网中存在光伏的消纳问题,对负荷的合理调整有助于提高光伏的就地消纳能力,而价格激励需求响应是调整负荷的有效手段。基于分时电价模式下的价格激励需求响应机制,提出了通过优化电价以调节负荷进而提升微网光伏消纳率的方法。在分析了模型的多元非线性性质的基础上,有针对性地建立了兼顾发电经济性与光伏消纳率指标的多层优化模型,并通过改进模拟退火算法与混合整数规划算法进行分层迭代求解,最终实现了光伏消纳能力的提升。算例结果表明,该方法可在不增加需求侧负担的前提下有效提高微网中的光伏消纳率,并提升微网运行的整体经济性。     

考虑不确定性价格型需求响应的多源微网运行优化

为提高微网供需两侧的经济运行水平,分析价格弹性系数不确定性给微网需求侧和供应侧带来的成本影响,在微网需求侧,建立了考虑价格弹性系数不确定性的需求响应成本效益模型;然后在微网供应侧,以经济运行成本和环境成本为优化目标,结合微网实际运行约束,建立了考虑不确定性价格需求响应的微网经济运行优化模型,提出一种新的差分粒子群混合算法作为优化模型的求解方法。采用基准函数作优化对比测试,验证了改进算法的有效性和可靠性。通过仿真实验结果得出:考虑价格弹性不确定性因素,会增加微网需求响应成本,同时,加入不确定性因素后微网供应侧运行效益有所降低。     

基于二层规划模型的交直流混合微网源荷储协调分区优化经济调度

交直流混合微网作为一种具有前景的微网形式,其优化运行是微网领域内的重要研究课题。该文综合计及交直流混合微网经济性和环保性;并考虑负荷平移构建优化运行模型。将负荷平移策略和储能充放电策略综合考虑为负荷转移手段,以荷储协调负荷转移策略为上层决策变量,并计及负荷平移中用户用电效益损耗以负荷协调转移效益最大估计为上层目标;以交直流混合微网优化运行策略为下层决策变量并考虑交流区和直流区优化运行成本最小为下层目标,建立源荷储协调二层规划模型。应用混沌粒子群算法结合Yalmip优化软件对其进行求解。最后通过算例验证该方法可以提高并协调微网收益和用户效益,并更适用于交直流混合微网实际运行。     

含海洋能发电的海岛微网源荷储容量优化配置研究

为了提高风能、太阳能和海洋能等可再生能源的利用率,并保证远洋海岛淡水供给,合理地配置微网的源荷储容量是海岛微网建设的关键。结合海岛特有的源荷特点,针对海岛微网源荷储容量配置所面临的问题,文中提出了一种含海洋能发电的远洋海岛微网源荷储容量优化配置方法。分析典型海岛微网结构,并建立波浪能、潮汐能及海水淡化等海岛特有的源荷模型;根据远洋海岛源荷运行特性,将外层容量配置优化和内层运行成本优化相结合,提出海岛微网源荷储容量配置的双层优化模型;考虑供电可靠性和居民用水需求,基于构建的海岛微网协调运行控制策略,利用粒子群算法对双层优化模型进行求解。算例分析表明,文中提出的优化配置方法可以更加合理地实现海岛源荷储容量配置,为未来远洋海岛微网建设提供理论依据和技术支撑。     

计及需求侧响应的多源微电网优化运行

微电网作为包含"源–网–荷–储"的自治单元,已成为接纳可再生能源的重要载体,对其优化运行进行研究具有现实意义。文章针对需求侧进行建模分析,协同优化供应侧和需求侧资源,结合分时电热价格,以微电网综合运行成本最小化为目标函数,建立计及需求侧响应的热电联供型微电网优化运行模型。采用CPLEX软件对模型进行求解,算例结果验证了需求侧响应对改善负荷特性的有效性以及电热能源互联微网的经济性。     

实时电价下源网荷各侧收益的优化研究

基于用户在峰谷分时电价中的响应机制和价格弹性理论,用户会随着电价的变化调整自身用电量,因此通过电价变化引导用户主动地调整用电计划,从而达到缩小负荷曲线峰谷差,降低源网荷各侧成本以及增加收益的目的。文中采用模糊聚类算法对日负荷进行峰平谷分类,根据各小时的峰平谷隶属度建立实时电价模型,并且依据新电改之后相关政策对电源侧和电网侧的收益建立数学模型,以电源侧和电网侧收益最大、峰谷差最小为目标函数,将以负荷侧用户用电成本不上涨为约束条件的源网荷各侧收益作为优化模型,采用粒子群算法进行求解,并在Matlab仿真平台上验证了该模型缩小峰谷差和增加收益的有效性。     

计及需求响应和电动汽车调度的CHP微网优化运行

针对电动汽车入网造成系统峰谷差增大的问题,以包含电动汽车负荷的热电联产(combined heat and power,CHP)微网为研究对象,提出一种计及需求响应和电动汽车有序调度的优化模型。首先,以分时电价为决策变量,建立基于峰、平、谷分时电价的用户常规负荷需求响应模型。其次,结合分时电价和需求响应后的负荷曲线,引导电动汽车有序充放电参与微网调度。以微网运行成本最小为目标建立日前优化调度模型,采用粒子群优化算法对模型进行求解。最后,以某地区并网型CHP微网为算例,验证了所提模型的有效性和经济性。     

计及综合需求响应的综合能源系统优化调度

为提高系统运行的可靠性和经济性,在综合能源系统优化调度的基础上引入综合需求响应,利用不同形式能源间的相互转化关系,实现削峰填谷,提高能源利用效率。计及综合需求响应策略,建立了基于电价的电力负荷需求响应和基于激励的热负荷需求响应模型。并以运行成本最小为目标函数,提出了综合考虑供需平衡和供储能设备约束的综合能源系统调度模型。采用改进二阶振荡粒子群算法对模型进行求解。该算法在常规粒子群算法的基础上对速度迭代公式进行更新,克服了常规粒子群算法易陷入局部最优的问题。通过实际算例仿真,验证了所提出模型和求解算法的有效性。     

基于深度学习的微网需求响应特性封装与配电网优化运行

微网作为新型需求响应资源,并网规模日益增加,但由于微网内部资源组合的不确定性以及源荷随机出力波动性,其参与电网运行的需求响应特性也呈现较大不明朗特征,极大地增加了配电网运行风险.为此,提出一种基于深度学习的微网需求响应特性封装与配电网优化运行新机制,采用数据驱动的方式对微网需求响应特性封装,避免对微网内部模型的解析,充分利用气象信息、价格数据建立微网长短期记忆(LSTM)多维时序需求响应封装模型,在此基础上构造配电网运行优化模型,并提出了基于改进的粒子群优化(IPSO)算法模型求解策略,以最大限度降低配电网电压越限风险与网络损耗.通过含微网群的33节点配电网系统算例进行分析,结果表明了所提微网需求响应封装模型的有效性以及IPSO算法的优越性.     

基于一致性算法的“源-网-荷-储”协同优化方法

可再生能源和储能的大规模应用,使得电力系统逐步转变为"源-网-荷-储"多元复杂结构。为了充分利用弹性负荷的响应特性和储能的灵活性,基于多代理的电力系统"源-网-荷-储"协同优化变得日益重要。该文建立了"源-网-荷-储"的协同优化模型,并考虑了网络中的传输损耗。通过一致性算法的运用,协同优化模型得以高效求解。算例结果表明,协同优化模型可以促进可再生能源的消纳吸收,指导负荷积极响应电网调度;所采用的一致性算法在保证与粒子群算法具有相同求解精度的前提下,收敛速度更快。