合作模式下含多利益主体的综合能源系统协同优化研究

在能源转型的背景之下,园区综合能源系统成为现代能源领域发展的重要趋势,多园区综合能源系统(multiple park integrated energy system, MPIES)能量协同优化受到了重点关注。针对多园区综合能源系统的多主体分布自治特点,具有模型求解困难与主体隐私问题的集中式调度模式将难以为继。文中提出了一种多主体经济调度架构及竞争合作机制,利用博弈合作理论构建了MPIES博弈合作优化调度模型,基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）对其进行求解,并给出了算法流程。MPIES合作调度模型实现了PIES之间的能源交互,充分挖掘了园区间能源潜力,不仅有效提高新能源利用率和储电设备使用寿命,还具有良好的环保性。算例以多园区综合能源系统为例进行分析,结果验证了所述方法的有效性和准确性。     

计及多能源集线器的电热综合能源系统分布式优化

由于电热综合能源系统各主体信息不共享、存在隐私保护等,区域内不同主体的自治决策和通信安全变得至关重要。为此,提出一种基于交替方向乘子法(ADMM)的电热综合能源分布式优化方法,以实现电热综合能源系统中能源集线器(EH)的自治决策和分布式优化。建立了电热综合能源系统与EH的优化调度模型,并建立了基于ADMM的电热综合能源系统分布式优化模型,实现了综合能源系统运营商与多个EH运营商的分布式功率交互。同时,采用自适应步长的方法求解所建立的模型,提高了算法的收敛性。     

基于交替方向乘子法的园区电-氢-热系统低碳优化调度

针对园区电-氢-热低碳能源系统分布与集中交互优化调度问题，提出一种基于交替方向乘子法（ADMM）的园区电-氢-热能源双层能量低碳优化调度方法。通过将分布式（屋顶光伏、园区建筑电、热负荷）与集中式（电池储能、氢储能、电蓄热）能源相结合，上层基于ADMM求解园区内各建筑可用于共享的交互能量值，下层以园区能源系统运行总成本最小为目标，利用上层求取的建筑交互能量及各建筑剩余功率，基于混合整数规划求解各建筑间交互能量及园区内各集中式能源设备最优出力，实现多主体能源点对点能量精准最优交互。最后，通过吉林市某低碳产业园能源架构进行算例分析，验证了所提低碳优化调度方法的有效性。     

基于分层分布式调度的多园区服务商与综合能源供应商两级协调优化运行模型

在用能形态转变关键期,有关园区级综合能源系统的试点项目集中涌现。多个园区以不同参与主体接入电力系统与热力系统构成的区域综合能源系统,带来利益冲突与交互功率不匹配问题。为此,基于交替方向乘子分布式算法,建立了多园区服务商与综合能源供应商的两级协调优化运行模型。上级综合能源供应商运营管理电网与热网构成的区域综合能源系统,下级各园区服务商控制管理各园区级综合能源系统。上级模型中针对热电能源本身特性,建立供需实时平衡的配电网以及考虑热能传输延时性的热网模型;在下级模型中利用多能转换设备实现能源的梯级利用。该文提出的两级协调运行模型基于ADMM(alternatingdirectionmethod of multipliers)分布式算法,利用复制变量法解耦上下层交互功率保护参与主体隐私信息,利用惩罚因子调整参与主体调度策略,在多次迭代互动中实现上下层协调运行。以苏州同里某新能源智慧园区为算例,验证所建模型可保护各参与主体隐私,同时满足整体运行成本最低,并分析不同调度模式以及不同运行场景对系统运行结果的影响。     

结合区块链的园区综合能源系统可信协调优化方法

分布式能源的日益普及与随之而来更复杂的能源系统结构,极大地增加了传统集中式求解能源协同优化问题的难度与成本。分布式优化方法与复杂的能源结构有良好的适配性,但缺少天然可信的协调中心,存在主体隐私保护困难、主体间交互数据真伪难辨等问题,因此提出了结合区块链的园区综合能源系统可信协调优化方法。首先,引入协调者角色组成协调委员会,并利用无偏随机排序算法选取协调者。之后,通过分解协调算法将协调优化问题解耦为上下两层的求解最优值问题,并利用区块链共识算法保障多协调者间可信。然后,设计了双区块链园区综合能源系统数据存储模型,保证数据安全和交易链效率。最后,仿真实验表明结合区块链的园区综合能源系统可信协调优化方法可公平选取协调者,有效实现园区综合能源协同优化、降低节点作恶影响、保护数据隐私,具有较好的鲁棒性和容错性。     

含多园区综合能源系统的配电网双层分布式调度

在能源转型的背景之下,园区综合能源系统成为能源领域发展的重要趋势,多园区综合能源系统与配电网的协同运行受到了重点关注。为此提出了面向多园区综合能源系统的配电网运行的分布式调度管控模式,从而降低了对模型数据的要求和求解的复杂度。通过构建园区综合能源系统以自身运行成本最低为目标的预调度优化模型以及上级配电网优化运行模型,并提出以松弛联络线功率为接口的上下级交互协调机制,进而构建了考虑配电网和多园区综合能源系统为2个不同的利益主体的双层优化调度模型。最后通过算例验证了所提方法能实现上下层电网的协同优化运行。     

基于目标级联法的园区综合能源系统多主体日前经济优化调度

园区综合能源系统运营商和用户主体之间存在复杂的利益博弈关系,因此研究如何在提高系统整体经济效益的同时平衡各方主体利益具有必要性。为此,提出一种考虑多主体利益的园区综合能源系统日前经济优化调度策略。首先,考虑利用园区综合能源系统多能协同互补优势参与需求响应市场交易,建立两级递阶经济优化调度模型：上层是以运行利润最大为目标的运营商优化调度模型,下层是以用能成本最小为目标的用户优化响应模型。其次,采用基于目标级联法的分布式优化算法实现上下层模型的解耦和独立并行求解。最后,通过算例分析验证了所提策略通过综合需求响应可实现园区供、用能侧可调资源的协同优化,并通过分布式求解使各主体经济效益均达到最优。     

耦合能量枢纽多区域电—气互联能源系统分布式协同优化调度

能量枢纽概念已广泛应用于集成电力、天然气及其他多种异质能源的综合能源系统的数学建模和优化。当多区域互联综合能源系统的基本决策主体转变为多个相互连接且自治运行的能量枢纽时,多个决策主体之间的交互将更为频繁和复杂,对整个综合能源系统进行集中式优化将难以为继。为避免集中式优化方法存在的数据采集量大、模型复杂、与实际运行管理模式不匹配等现实问题,针对多区域电—气互联能源系统的多主体分布自治决策特点,构建了以能量枢纽为基本决策主体的电—气能量流解耦机制,提出了与能量枢纽分布式粒度相适应的多主体协同优化调度模型,并给出了基于交替方向乘子法的分布式求解流程。针对两个耦合能量枢纽的电—气互联能源系统开展的算例测试结果验证了所述方法的有效性和准确性。     

基于模型预测控制的微电网群分布式优化调度EI北大核心CSCD

微电网群由多个微电网互联构成并以集群的形式运行,能够实现微电网间的能量互补,显著提高可再生能源消纳能力和系统运行可靠性。结合同步型交替方向乘子法(alternating direction method of multipliers,ADMM)和模型预测控制(model predictive control,MPC),提出了一种微电网群分布式优化调度策略。采用同步型ADMM求解MPC中的优化问题,每个子微电网同步计算本地的子问题,同时引入有限时间一致性算法传递迭代计算过程所需的期望交换功率信息,实现完全分布式计算。算例计算结果表明,基于MPC的优化调度策略能够有效降低系统运行成本,分布式优化算法具有良好的收敛性,并且计算结果与集中式算法一致;该方法在通信拓扑发生改变的情况下依然有效,具有较高的可靠性。     

基于交替方向乘子法的主动配电网分布式多目标优化调度

主动配电网优化调度是实现主动配电网中各类分布式能源协调、高效利用的有效手段。随着分布式能源渗透率的逐渐提高,传统的集中式优化调度面临计算复杂、通信量大、目标单一等问题,基于此,提出了一种基于交替方向乘子法(alternating direction method of multipliers,ADMM)的主动配电网分布式多目标优化调度方法。建立了计及分布式电源、柔性负荷、储能装置等的多区域、多目标优化调度模型,采用ADMM进行相邻分区间的交替迭代并行计算,降低了计算复杂度,并且各分区可根据利益主体的不同实际情况与重点需求,科学、独立地确定不同的优化目标,与目前普遍采用的统一设定各分区相同优化目标的调度方法相比,大大提高了灵活性;同时,相邻分区间只需交互少量信息,使通信量大幅减小。最后通过对算例的分析验证了所提方法的可行性与高效性。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

可再生能源配额制下多园区综合能源系统优化调度

为提高综合能源系统可再生能源消纳能力和满足电力行业节能减排的要求,提出了一种基于可再生能源配额制的多园区综合能源系统优化调度模型.建立了考虑热网的多园区综合能源系统模型;将可再生能源配额制引入模型中,提出了综合考虑绿色证书交易机制和热网的综合能源系统调度模型;分析了不同算例下的系统经济性和可再生能源消纳情况.结果表明,...     

基于交替方向乘子法的电动汽车分散式充电控制

大规模电动汽车的无序接入会对电力系统的安全、经济运行产生诸多不利影响。针对这些问题,建立了用户收益最大化及系统有功网损最小化的实时充电控制多目标凸优化模型。引入交替方向乘子算法,将集中式充电优化问题转换为分散式以设备为单位的子优化问题求解。每次迭代设备与相邻的交互信息点之间仅需交互少量信息,利于保护用户的信息安全,并能有效解决集中式控制策略引起通信要求高、计算开销大的问题。IEEE 33节点、实际的119节点配电网系统的仿真结果表明:所提模型与集中式优化模型的计算结果一致,所提算法计算效率高、通信开销小,适用于滚动式实时调度。     

基于交替乘子法与Shapley分配法的多微网联合经济调度

针对多微网联合经济调度下的多主体利益与系统优化调度矛盾,提出一种考虑动态交流潮流约束的分布式优化与涌现利益再分配的多微网联合经济调度模型。其中,采用交替方向乘子法将全局变量——联络线功率、微电网向主网的购售电功率转化为局部变量,在满足局部优化条件基础上,实现系统整体优化目标;并利用Shapley值法按各微电网主体对系统边际贡献进行涌现收益再分配,解决系统优化与个体利益冲突矛盾。IEEE 33节点系统仿真结果表明:所提模型能有效克服独立式和集中式优化存在的缺陷,明显提高区域系统经济性和本地风电、光伏的消纳利用率,并有降低通信负担和保护微电网主体运行隐私作用,同时有效解决了联盟成员涌现收益分配不公平的问题。     

基于并行ADMM的分布式电-气能量流多目标协同优化

在能源互联网的背景下,电力系统与天然气系统互联以实现能量双向流动,此时对电-气耦合系统的电-气能量流进行协同优化很有必要。同时,为协调电力系统与天然气系统在多个目标下的矛盾冲突,需考虑如何实现多目标下系统最优调度运行。针对以上问题,并考虑到电力系统与天然气系统通常隶属于分布自治的经营主体,文章提出一种基于并行交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的分布式电-气能量流多目标协同优化算法,利用分解协同交互机制实现电力流与天然气流的分布式多目标并行优化,并针对算法的原理、收敛性能以及相关参数对算法的影响对该算法进行深入探讨。最终,在基于IEEE 39节点电力网络和Belgian 20天然气网络搭建的电-气耦合能源系统上进行仿真测试,仿真结果验证了所述算法的有效性     

基于改进深度Q网络算法的多园区综合能源系统能量管理方法

多园区综合能源系统可通过多能互补互济显著提升运行经济性,然而园区之间的复杂互动、多能耦合决策会给多园区综合能源系统的能量管理带来决策空间庞大、算法难以收敛等挑战性问题。为解决上述问题,提出了一种基于改进深度Q网络(modified deep Q network,MDQN)算法的多园区综合能源系统能量管理方法。首先,采用独立于园区的外部气象数据、历史互动功率数据,构建了基于长短期记忆(long short-term memory,LSTM)深度网络的各园区综合能源系统外部互动环境等值模型,降低了强化学习奖励函数的计算复杂度;其次,提出一种基于k优先采样策略的MDQN算法,用k-优先采样策略来代替ε贪心策略,克服了大规模动作空间中探索效率低下的问题;最后,在含3个园区综合能源系统的算例中进行验证,结果表明MDQN算法相比原DQN算法具有更好的收敛性与稳定性,同时可以提升园区经济效益达29.16%。     

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一.鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度.首先,建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型.然后,在实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其他子系统前一时刻的输入序列进行状态估计并优化自身性能指标.最后,通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求.仿真结果表明,所提方法能够在改善系统控制性能的同时,提高系统运行的经济性.     

基于边缘计算的能量自治区域调度策略

为了提升配电物联网基础数据海量增长背景下能量调度的效率,提出了基于边缘计算的能量自治区域调度策略,构建能量自治系统边缘计算架构和优化调度模型。该方法将大部分数据处理和储存工作下放至网络边缘侧,降低网络传输成本并且减少调度中心计算量,边缘侧采用基于莱维飞行的改进粒子群算法进行优化调度,既可以独立进行优化工作,也可以边云交互完成整体调度。相比于传统集中式调度策略,该方法可节省约90%的系统整体优化时间,且云层以及边缘层所进行的总迭代次数较集中式调度减少60%以上。最后以某地区电力负荷及分布式电源预测出力数据为算例进行仿真计算,结果表明基于边缘计算的优化策略有效地提高了能量调度的效率。