基于数据驱动知识显式嵌入的配电网最优需求响应策略

充分挖掘多元需求侧资源的灵活性,对于提升分布式新能源广泛接入背景下的新型配电网运行可靠性和经济性具有重要意义。然而,目前关于需求响应策略的解析化方法大多基于较为理想的用户行为观测和参数假设,纯数据驱动方法难以兼顾电网侧运行的复杂约束,策略的可用性存疑。为此,文章提出基于数据驱动知识显式嵌入的需求响应策略,首先,考虑到需求侧资源灵活性的强时段耦合特性,提出需求侧资源动态模型,定量分析需求侧灵活性资源的响应特性;其次,提出数据驱动知识的显式解析方法,将需求侧灵活性描述为混合整数线性模型并嵌入至配电网优化运行模型中,实现灵活实用的新型配电网供需交互与协调运行。最后,通过仿真算例验证所提方法兼具解析模型和数据驱动方法的优势,为不完全信息观测条件下源网荷协调运行提供较为实用化的解决方案。     

面向综合需求响应的综合能源系统优化调度

电能和天然气的强耦合使得电气综合能源系统调度问题复杂化,特别是该类系统需求侧的灵活性显著强于电力系统或天然气系统,基于此,该文旨在解决考虑综合需求侧灵活性的电气综合能源系统优化调度问题。为了充分利用需求侧的灵活性,该文建立了详细能量路由器的综合需求响应模型,与传统需求响应方案不同,综合需求侧响应方案须考虑电力需求和天然气需求的灵活性和可控性。此外,该文建立的综合需求响应模型属于一个优化问题,而不是价格响应问题。基于两级优化框架,实现了能量路由器综合需求响应模型与电气综合能源系统的调度模型的能量交互。然后,将上述优化调度问题建模为一个复杂的双层混合整数非线性规划问题,并提出了一种有效解决上述复杂问题的方法。最后,案例研究验证了所提方法的优越性。     

计及需求侧灵活资源的综合能源系统合作博弈优化运行

综合能源系统能够提高能源的综合利用效率,是能源领域未来的发展趋势。为了充分发挥需求侧灵活资源对综合能源系统运行的优化作用,提出一种计及需求侧灵活资源的综合能源系统合作博弈优化运行方法。首先,构建综合能源系统的需求侧灵活资源运行模型,包括综合需求响应和多类型储能设备;接着,考虑多个综合能源系统间的电能交易合作,以合作联盟效益最大化为目标函数,构建计及需求侧灵活资源的综合能源系统合作博弈优化运行模型;然后,运用数学方法对所提模型进行两阶段等效转换,使其易于求解;最后,通过算例分析验证了所提模型能够充分发挥需求侧灵活资源的优势,提高综合能源系统的运行经济性。     

基于动态势博弈理论的主动配电网需求侧资源最优调控策略研究

以提高系统运行经济性为目标,基于动态势博弈理论,提出了一种能够提高主动配电网中分布式风机利用效率的需求侧资源调控策略。该策略在协调各用户之间用电效益的基础上,根据分布式风机出力仿真结果,改变主动配电网中各用户的用电模式,使需求侧资源参与到系统优化运行中,并以包含了传统燃气机组和分布式风机的某主动配电网系统为例进行仿真。结果表明,该需求侧资源调控机制能够有效降低系统运行成本,可提高用户的用电效益。     

考虑碳配额及综合需求响应双重激励的综合能源系统多主体博弈协同优化

文章提出了考虑碳配额和综合需求响应双重激励的综合能源系统（Integrated Energy System, IES）多主体博弈协同优化调度策略。首先,基于Stackelberg博弈理论,同时考虑需求侧和储能侧的主动性,建立了源-荷-储多主体博弈交互框架;其次,以IES运营商为领导者,储能运营商和用户为跟随者,建立了各利益主体的决策模型。其中,为了引导用户科学用能和降低系统碳排放量,在IES运营商模型中引入了基于碳配额和实时价格引导的双重激励政策,并以净利润最大为目标,制定售能价格和内部机组出力计划;最后,采用遗传算法结合CPLEX的两阶段算法对所提多主体博弈模型进行求解。算例仿真表明,所提的双重激励策略和博弈模型能够有效兼顾各方主体利益,在不损害各方利益的情况下,降低了系统的碳排放量,实现IES多主体低碳协同运行。     

区块链下考虑用户绿色偏好的新能源电力消纳策略

大力发展新能源电力是实现国家“双碳”目标的重要方式,但当前新能源电力难以在市场中被识别。提出了一种以区块链为工具促进用户消纳新能源电力的策略。基于需求侧角度并考虑到用户的潜在绿色偏好,利用区块链技术有效实现了新能源电力价值在供需双方的传递,并量化了区块链技术对用户绿色偏好的影响,构建了重视低碳环保的供电系统和具有绿色偏好的用户之间互动的Stackelberg博弈模型。仿真结果表明：与未应用区块链场景相比,区块链的信息共享特征促使用户显现电力的绿色偏好,显著提高了需求侧对新能源电力的消纳,有利于我国“双碳”目标的实现。     

基于AGA防洪投资的Stackelberg博弈模型

提出用加速遗传算法求解Stackelberg博弈模型中上下层决策者的最优决策,通过上、下层决策者之间动态调整决策逼近博弈均衡解,并用之于模拟防洪投资决策中.结果表明,该计算方法可行、有效,能很好地反映博弈的动态过程.     

考虑电/热储能灵活经济调控的综合能源系统与产消者日前协调优化运行策略北大核心CSCD

多元异质储能技术对含产消者的综合能源系统灵活运行和统筹资源协调具有积极作用。本工作提出考虑电/热储能灵活经济调控的综合能源系统日前博弈-鲁棒优化运行策略,该方法挖掘电/热异质储能在能源交易中的经济潜力和不确定因素下的灵活潜力。首先,考虑节点电压、管道温度等状态量的安全限制建立综合能源系统调度模型和储能运行模型;进而,在电热能源市场框架下,建立考虑储能经济运行的综合能源服务商与产消者博弈的Stackelberg模型及其MPEC形式;然后,基于Stackelberg博弈模型,提出计及电池储能日内灵活调整的两阶段鲁棒优化模型,采用改进的列约束生成算法求解。最后,算例验证了所提方法的有效性,储能灵活经济调控降低系统运行成本以及保证日内电力供需平衡。     

考虑源荷互动的电力系统多目标优化调度

提出了一种考虑需求侧响应不确定性的电力系统日前优化调度方法。首先基于价格弹性系数矩阵,考虑其不确定性,构建计及需求侧间接控制的电力系统优化调度模型,该模型以社会福利最大为优化目标,同时考虑系统的实际运行约束;然后,针对模型求解复杂度高的问题,提出了一种不确定性的序优化算法对模型进行求解。基于IEEE30节点算例的仿真结果表明,对提出的调度方法,由于充分考虑了源荷侧调度资源的不确定性,可以有效提升系统的运行效益,提升其精细化水平。     

考虑灵活性负荷异构性质的多类型储能优化配置北大核心CSCD

灵活性负荷与多类型储能协调优化是实现电力系统电力电量平衡的重要方法,随着大规模灵活性负荷广泛接入电网并参与需求侧响应,灵活性负荷的异构特性已难以适应电网规模化调控需求、无法充分挖掘其调节潜力。本工作提出了考虑灵活性异构负荷的多类型储能优化配置策略,通过聚类灵活性异构负荷建立泛化模型,匹配负荷特性与电网调控需求。首先,基于灵活性异构负荷用电曲线和调节潜力的差异化特性,将典型异构负荷聚类为可转移负荷、可削减负荷和可调节负荷,并建立相应的泛化模型;基于此,提出灵活性异构负荷与多类型储能协调优化策略,以计及发电侧、电网侧、储能侧和负荷侧成本的系统综合运行成本为优化目标,利用混合整数线性规划(mixed integer linear programming,MILP)实现多类型储能的最优配置;最后,通过算例对比分析验证了所提协调优化方案的可行性与有效性,相比于单独考虑灵活性负荷、储能参与系统调控,灵活性负荷与多类型储能协调优化不仅可以实现地区电网电力电量平衡,而且可以降低系统运行成本,提升电网经济效益。     

Nash-Q learning-based collaborative dispatch strategy for interconnected power systems

The large-scale utilization and sharing of renewable energy in interconnected systems is crucial for realizing “instrumented, interconnected, and intelligent” power grids. The traditional optimal dispatch method can not coordinate the economic benefits of all the stakeholders from multiple regions of the transmission network, comprehensively. Hence, this study proposes a large-scale wind-power coordinated consumption strategy based on the Nash-Q method and establishes an economic dispatch model for interconnected systems considering the uncertainty of wind power, with optimal wind- power consumption as the objective for redistributing the shared benefits between regions. Initially, based on the equivalent cost of the interests of stakeholders from different regions, the state decision models are respectively constructed, and the noncooperative game Nash equilibrium model is established. The Q-learning algorithm is then introduced for high-dimension decision variables in the game model, and the dispatch solution methods for interconnected systems are presented, integrating the noncooperative game Nash equilibrium and Q-learning algorithm. Finally, the proposed method is verified through the modified IEEE 39-bus interconnection system, and it is established that this method achieves reasonable distribution of interests between regions and promotes large-scale consumption of wind power.     

基于随机两层规划的电力备用合约购电模型

为研究购电商成本最小化的最优电力备用容量电价及发电商利润最大的最优电力备用合约容量,基于随机两层规划,构建了双定价机制下的电力备用合约购电模型,应用Stackelberg博弈理论求解。数值算例分析了单位缺电损失、电力需求方差对最优策略的影响,并进一步探讨了在发电商经济行为存在相互影响的情况下,购电商与发电商最优策略的变化。     

含分布式发电并网虚拟发电厂鲁棒优化经济调度方法

文章基于鲁棒优化理论建立了虚拟发电厂最优经济调度模型。首先以虚拟发电厂发电净收益最大为目标函数,计及出力计划约束、机组运行约束、机组启停约束、储能运行约束等必要约束条件建立系统优化运行模型;然后考虑风光出力区间不确定性,以风光出力为自然决策者,以虚拟发电厂为系统决策者,分别制定博弈策略和支付,建立虚拟发电厂最优经济调度鲁棒优化模型,并对其Nash均衡点进行分析;基于两阶段松弛法将所建立的鲁棒优化模型转化为有限可解的步骤;最后通过一个算例验证了所建立的模型在制定虚拟发电厂运行计划方面的经济优势。     

兼顾公平性的多能源合作博弈优化调度

针对含高比例可再生能源的电力系统运行经济性和调度公平性问题,提出一种多种能源参与的双层优化调度模型。该模型考虑经济性的同时从两方面体现公平性：上层模型中首先将风电场、光伏电站、抽水蓄能电站和需求响应负荷聚合成虚拟电厂（VPP）,其次,将虚拟电厂作为大电网的一部分参与优化调度,采用基尼系数表征公平性并作为约束条件,以总成本最低为目标函数建立兼顾公平性的多能源经济优化调度模型,最后,将上层VPP的求解结果作为下层优化调度的输入变量;下层模型中基于合作博弈理论建立以VPP内部成员为博弈参与者,以各参与者收益最大为目标函数的合作博弈模型,采用均衡度对比不同联盟组合下各主体的收益分配公平性,对比均分法、按出力分配法及Shapely值法的收益分配均衡度。采用智能优化算法结合CPLEX求解器求解模型,应用实例验证模型的有效性和正确性。     

Optimal dispatch of hydrogen/electric vehicle charging station based on charging decision prediction

The hydrogen/electric vehicle charging station (HEVCS) is widely regarded as a highly attractive system for facilitating the popularity of hydrogen and electric vehicles in the future. However, conventional optimal dispatch of HEVCS could lead to poor performance due to the lack of adequate consideration of vehicle charging decision behaviours and neglection of the impacts of different information sources on it. This paper investigates a charging demand prediction method that considers multi-source information and proposes a multi-objective optimal dispatching strategy of HEVCS. First, an information interaction framework of integrated road network, vehicles and HEVCS is introduced. Road network model and HEVCS model are established based on the proposed framework. To improve the flexibility of dispatch, two charging modes are designed, which are intended to guide drivers to adjust their consumption behaviour by electricity price incentives. Furthermore, psychologically based hybrid utility-regret decision model and Weber-Fechner (W–F) stimulus model are developed to reasonably predict drivers' choice of charging stations and charging modes. The daily revenue of HEVCS and the total queuing time of drivers are the objective functions considered in this paper simultaneously. The above multi-objective optimization results that the proposed strategy can effectively improve the benefits of HEVCS and reduce energy waste. Additionally, this paper discusses the results of a sensitivity analysis conducted by varying incentive discount, which reveals the combined benefits of the HEVCS and the vehicles are effectively increased by setting reasonable incentive discounts.     

Genetic algorithms and non-intrusive energy management system based economic dispatch for cogeneration units

By integrating neural networks (NNs) with turn-on transient energy analysis, this work attempts to recognize demand load, including the buyers’ load on the power systems and the internal load on the cogeneration systems, thereby increasing the recognition accuracy in a non-intrusive energy management (NIEM) system. Analysis results reveal that an NIEM system and a new method that is based on genetic algorithms (GA) can effectively manage energy demand in an optimal economic dispatch for cogeneration systems with multiple cogenerators, which generate power for buyers. Furthermore, the global optimum of economic dispatch under typical environmental and operating constraints of cogeneration systems is found using the proposed approach, which is based on genetic algorithms. Moreover, the use of the proposed GA-based method for economic dispatch can substantially reduce computational time, fuel cost, power cost and air pollution.     

基于粒子群算法的水电站中长期优化调度研究

以洪家渡水电站为例,探讨了粒子群算法在水电站中长期优化调度的应用方法及效果。实例计算结果表明,该算法可以求解复杂约束条件的非线性水库优化调度,精度高、收敛速度快,为解决水电站中长期优化调度问题提供了一种有效的方法。     

计及风电条件风险价值的鲁棒柔性超前调度

提出一种考虑大规模风电并网的超前优化调度方法,引入风电条件风险价值来评估风电消纳风险。建立基于鲁棒优化的柔性超前调度模型,以平衡运行成本与风电条件风险价值。根据该模型,对AGC机组的基点功率、参与因子、柔性容量进行协同优化,还可得到各风电场输出功率的可容许区域。提出一种基于大M法和分解法的求解双线性规划模型的高效算法。所提模型及算法结合鲁棒优化与随机优化的优点,在保证计算效率的同时,可避免鲁棒优化的过度保守。仿真结果验证了所提模型及算法的有效性。     

基于联盟博弈的多控制性水库梯级电站补偿效益分摊方法

我国西南特大流域巨型水电站水库群集中建成投产,大幅提高了梯级电站的补偿调节作用,但如何科学合理地分摊电站间补偿效益是均衡协调不同发电主体利益的关键问题。为此,提出一种基于联盟博弈的多控制性水库梯级电站补偿效益分摊方法,将上游水库投产前后下游梯级发电效益的增量作为补偿效益,采用联盟博弈理论,计算所有可能投产组合形式下的发电效益,建立基于Shapley值的补偿分摊方法,并应用联盟核心和分裂倾向理论对分摊方案进行稳定性评价。澜沧江下游梯级水电站群实例应用结果表明,所提方法可合理分摊多控制性水库发电补偿效益,同时能够消除分摊顺序差异对结果的影响。