基于模糊机会约束规划的电力系统网架重构优化

针对电力系统大停电后网架重构阶段线路投运时其操作时间和恢复可靠性的不确定性,运用模糊机会约束规划理论,建立了基于模糊机会约束的网架重构优化模型。将线路操作时间和恢复可靠性分别用三角模糊变量表示,并定义了评价目标网架性能的恢复可靠性指标,在模糊机会约束的框架下,确保机组在其启动时限内成功获得启动电源的可能性不低于一定的置信水平,在此基础上优化得到在尽可能短的重构时间内达到恢复可靠性最高的网架。采用模糊模拟、交叉粒子群优化算法与Dijkstra算法相结合的求解方法对目标网架进行寻优。最后,以IEEE 30节点系统和云南电网的部分区域作为算例验证了该方法的有效性。     

基于目标规划的网架重构路径优化方法

大停电后的网架重构需要在保证系统运行安全的约束下尽快恢复机组出力,合理的路径恢复顺序对提高重构效果意义重大.文中提出了一种基于目标规划的网架重构路径优化方法.该方法以重构时间和机组出力恢复程度作为评价重构效果的主要因素,在为二者确定合理目标值的基础上,建立了体现各目标相对重要性及综合目标偏差最小的目标规划模型.针对IEEE30节点系统的应用结果说明,该方法能够利用不同优化目标间的不相容性,所获得的路径恢复顺序以目标值为基础,最大限度地体现了恢复决策的侧重点,对于指导恢复操作更具现实意义.     

计及操作时间不确定性的电力系统网架重构策略优化

电力系统大停电后的网架重构阶段历时较长,涉及因素众多,是一个多目标、多变量的组合优化问题。发展了计及恢复操作时间不确定性的网架重构方案优化的机会约束规划模型。该模型以恢复的发电节点数和负荷恢复收益作为节点收益,搜索网架重构过程中收益最大的网架重构方案。之后,针对网架重构问题的特点,提出了一种改进的遗传算法求解方法。最后,通过算例说明了所述模型和方法的基本特征。     

基于机会约束的电动汽车充光储一体化充电站容量优化方法

针对电动汽车充电站建设运营成本高,土地利用率较低,功能单一的缺点,提出了电动汽车充光储一体化充电站的容量优化方法。考虑光伏出力及电动汽车充电负荷的不确定性,研究在不确定性环境下的容量配置问题,以保证优化方案的可靠性。基于机会约束规划,以建设运营成本最小为目标建立电动汽车充光储一体化充电站容量配置模型,通过序列运算理论将模型中含有随机变量的约束进行确定性转化,采用CPLEX作为模型的求解工具。算例验证了所提模型及方法的有效性。     

多重随机特性下的电动汽车充电网络机会约束规划

针对分布式光伏接入背景下的电动汽车(Electric Vehicle,EV)充电网络规划问题,建立了同时考虑分布式光伏出力与EV充电负荷随机特性的机会约束规划模型。首先,采用场景概率法分析配电系统规划典型日内的概率潮流特性。在此基础上,给出EV充电网络机会约束规划模型中的节点电压偏移机会约束与线路潮流越限机会约束。在充电站建设总数和最低建设容量给定的情况下,模型通过优化充电站的建设位置和建设容量,尽可能降低配电系统的网损。采用遗传算法对EV充电网络机会约束规划模型进行求解。此外,为提高遗传算法的寻优性能,面向EV充电网络机会约束规划模型的物理特征,对遗传算法中的变异操作算子和交叉操作算子进行了改进。基于IEEE 33节点配电系统的仿真实验验证了所提方法的有效性。     

电力系统网络重构的多目标双层优化策略

提出一种节点重要度综合评价新方法,并在此基础上发展了网络重构多目标双层优化模型。在上层优化模型中,以最大化系统可用发电容量确定发电节点恢复顺序;在下层确定恢复路径的多目标优化模型中,以最大化恢复路径的平均重要度和最小化路径的充电电容为目标,并考虑了线路恢复时间对机组恢复的影响。提出一种基于细胞生理特性的连续动态Pareto多步凋亡优化策略(MSAOS),其将整个电力系统网络重构划分为多步,每步的优化问题规模和难度都较小,且可在一定程度上避免维数灾问题;利用该策略进行多目标网络重构优化,可以在兼顾全局最优的基础上实现发电节点恢复路径优化的分段最优,并能以分支图的形式展示恢复优化过程中的网络重构策略集。利用模糊决策(FDM)方法优化出最终网络重构策略。以新英格兰10机39节点系统和广州电力系统为例,说明了所发展的模型和方法的基本特征。     

考虑储能寿命的风-光-火-储打捆外送系统容量优化配置

风光和火电打捆外送是新能源消纳的重要方式,如何确定其容量比成为难题。储能调节灵活,可以平抑新能源出力不确定性造成的影响,但频繁充放电会对电池储能的寿命造成影响。考虑储能的放电深度和循环次数建立了电池寿命量化模型,提出了计及储能寿命的风光火储打捆外送系统双层容量优化模型。上层以系统总成本最小为目标,下层以典型日调度成本最小为目标。利用机会约束处理新能源出力不确定性对系统备用容量的影响,基于序列运算将概率性机会约束转换为确定性约束,将问题转换为易于求解的混合整数线性规划问题。算例结果表明,配置储能可以有效降低系统成本。同时考虑储能寿命可以在保证经济性的前提下制定更合理的调度策略,延长储能使用寿命,验证了模型的有效性。     

基于条件风险价值的电动汽车充电站规划

针对电动汽车充电负荷的假日性以及负荷预测的不确定性,基于条件风险价值构建了电动汽车充电站规划模型。基于出行链,结合Dijkstra最短路径算法,利用蒙特卡洛随机模拟得到快慢充负荷的时空分布。以充电站建设数量最少为目标,满足所有充电需求点为约束,建立选址模型。考虑用户等待时长,以充电站建设成本最小为目标,建立定容模型。为解决定容模型中充电负荷假日性以及负荷预测随机性,利用鲁棒优化将定容模型转化为机会约束规划,引入条件风险价值工具进行求解。以某区域充电站规划为仿真算例,算例结果验证了该方法能够增强充电站规划模型的鲁棒性,具有可行性。     

兼顾不同角色利益的集中型充电站优化布局

考虑到充电站投资主体和充电用户两种不同角色所追求的利益互异会影响充电站规划决策,发展了一种兼顾投资主体投资成本和充电用户满意度的集中型充电站双层优化布局模型。根据各类电动汽车(EVs)的行为特性建立了电动汽车充电功率需求模型。以企业投资成本和用户满意度分别作为双层规划模型的上层和下层目标函数,并考虑企业投资预算约束、电网约束、充电站容量约束和充电用户需求约束,综合反映了不同角色间的耦合决策作用。双层规划问题属于强NP-hard问题,采用量子遗传算法求解上层规划模型,采用粒子群算法求解下层规划模型,并输出最终充电站布局方案。结果表明,综合考虑投资成本和用户满意度的集中型充电站方案能合理兼顾投资主体和用户的各自利益,实现投资成本和用户满意度的有效折衷。     

基于LCC和量子遗传算法的电动汽车充电站优化规划

电动汽车充电站优化规划是电动汽车与智能电网灵活互动的重要研究内容之一。面向电动汽车充电站运营周期,详细分析了充电站的成本效益及全寿命周期成本（LCC）的计算方法;基于上述工作,提出利用交通路网车流量信息估算充电站容量,以充电站运营商获得的净现值收益最大为优选目标,以交通路网车流量、电网电能质量和经济性、用户充电需求为约束条件,确定充电站的选址和容量;进一步地,提出了计及LCC的充电站优化规划模型,并采用量子遗传算法求解该模型。算例仿真表明,优化规划模型及其求解方法有效。     

高速路网上电动汽车充电站布点优化

电动汽车的发展需要合理规划的充电站与之匹配,高速路网上的充电站是电动汽车在城市间远距离行驶的保证。研究了电动汽车在高速路网中的充电需求分布,采用两阶段法确定充电站规划方案。考虑充电站距高速公路出入口的距离和续航里程确定候选站址;考虑充电需求,最小化建站成本、接电网成本和运维成本,确定最优建站位置和容量。在包含6个出入口、4个交叉路口的算例系统中选出90个候选站址,规划得到24座充电站。采用的方法可以满足目标,并随初始电池荷电状态期望、站间影响因数和建站数量约束变化而得到不同的规划方案。     

含电动汽车和智能软开关的配电网动态重构

提出含分布式能源、智能软开关(SOP)和电动汽车(EV)有序接入的配电网重构策略。基于上班族的出行习惯模拟EV的无序充电模型,并构建配电网重构下的SOP模型;对于接入的EV无序充电负荷,采用拉格朗日松弛分散式优化算法和虚拟电价进行EV的有序调度;以最小化网损费用,SOP运行费用,弃风、弃光费用与开关动作费用之和为目标函数,通过大M法和二阶锥松弛将配电网重构模型转化为混合整数二阶锥规划模型,采用CPLEX求解器进行求解。IEEE 33节点标准系统的仿真结果表明,在配电网动态重构中采用SOP代替传统开关能够提升配电网运行的经济性,同时采用所提有序调度方法优化EV充电可以改善配电网电压质量。     

基于需求响应潜力模糊评估的电动汽车实时调控优化模型

针对快充场所电动汽车(EV)大规模接入造成的配电网过载问题,提出了EV需求响应潜力模糊评估方法与实时调控优化模型。首先,基于EV电池安全电量、EV充电需求、充电桩额定功率的限制建立用户客观响应能力约束模型,以及考虑激励水平的用户主观响应意愿评估模型。其次,结合客观响应能力和主观响应意愿建立用户响应潜力评估模型,采用模糊推理确定充电电价、当前电量需求和剩余驻留时间等因素对用户响应意愿的影响。然后,提出激励型实时需求响应的双层优化模型及其求解方法,上层优化模型以EV聚合商激励成本最小化为目标对EV聚合商激励电价进行优化,下层优化以用户平均充电满意度最高为目标对EV充放电功率进行优化,从而充分挖掘用户的响应潜力,兼顾电网公司、EV聚合商、用户各方的利益。最后,通过多组仿真验证了所提模型和方法的有效性。     

大规模电动汽车集群分层实时优化调度

为解决电动汽车的大规模实时优化调度问题,根据接入电动汽车不同的期望充电完成时间,将其划分为若干个不同优先级的电动汽车集群,在满足车主充电需求、配电网安全运行的同时,建立了考虑电动汽车充放电的大规模集群实时优化调度模型。该调度模型主要分为两个层次:首先,采用灰狼优化(GWO)算法对上层调度进行求解,从而获得各个电动汽车集群的充放电策略;然后,利用提出的能量缓冲一致性算法,制定出集群内的各辆电动汽车的底层充放电策略。仿真算例表明:所搭建的集群优化模型能明显降低电动汽车的大规模实时优化调度难度,同时,GWO算法和能量缓冲一致性算法在求解电动汽车的大规模优化调度问题上,更具有实用性和快速性。     

计及电池动态损耗的电动汽车有序充放电策略优化

目前电动汽车通过电动汽车入网(V2G)技术向电网放电时,计算电池总损耗模型过于简单,无法准确反映电池的损耗。为此,基于电池放电特性曲线,文中利用电池放电动态容量衰减模型,得出在不同剩余电量下释放相同电量对电池损耗有较大差异的结论。在以配电网变压器容量为约束的前提下,建立了计及电池损耗的有序用电用户充放电费用最小模型及相应的充放电策略;并采用优先顺序法将多时段优化问题转化为各时段最优问题,实现该模型的求解。仿真算例结果表明该方法不仅可以有效保障放电用户利益,同时能够提高充电站利润及无序用电用户充电成功率。     

基于集群响应的规模化电动汽车充电优化调度

大规模电动汽车(EV)的充电需求和充电负荷分布将呈现出规律性,从群体的角度对EV进行优化调度,可以降低问题的维度,提高优化计算的效率。基于区域EV的集群响应特性,建立了以负荷峰谷差最小化为目标的EV群体充电概率分布模型。在此基础上,根据EV群体对充电电价的灵敏度,建立EV集群响应的实时电价模型,通过电价对EV的充电行为进行有序引导,从而实现电网的"移峰填谷"策略。以典型的区域配电网负荷数据为例,验证了文中EV充电优化调度方法的有效性。最后,对EV群体响应实时电价的灵敏度,以及不同灵敏度下EV群体和代理商的节省成本进行讨论。     

基于LSTM神经网络的电动汽车充电站需求响应特性封装及配电网优化运行

随着电动汽车的快速增长,大规模电动汽车充电具有随机性、时空耦合性的特点,对配电网运行电压造成越限风险.通过基于价格的需求响应,引导电动汽车在大时空范围有序合理地充电成为重要的技术手段.文章研究基于数据驱动的电动汽车充电站需求响应特性及其参与配电网运行优化调度问题,首先提出单体电动汽车充电模型和计及交通网络拓扑结构的电动...     

基于GA-PSO的电动汽车换电站时空双层充电优化策略

针对电动汽车(Electric Vehicle, EV)用户换电体验不佳、换电站备用电池组空闲、充电成本过高及配电网负荷特性恶化的问题,建立了兼顾EV用户、换电站和电网公司三方利益的时空双层充电优化模型。该模型采用双层时空解耦结构,上层模型以满足EV用户个性化需求为目标,重点解决空间尺度上换电站的选择问题。下层模型在时间尺度上采用一种两阶段优化策略,第一阶段以充电成本最小为目标重点关注电池组充电方案的制定问题,第二阶段虑及电网激励以配电网负荷波动最小和峰谷差最小为目标重点关注充电方案的优化问题。最后,采用Monte Carlo法模拟EV用户的换电需求,采用GA-PSO(遗传-粒子群算法)对提出的时空双层优化模型进行迭代求解。以某典型城区为例,仿真验证了所提模型与方法的正确性。     

均衡不同主体利益的集中型充电站多目标二层规划

随着电力体制改革的深入,集中型充电站的建设主体越来越多样化,为实现集中型充电站独立开发商和配电公司的利益均衡,在已有风电场接入的配电网中,考虑集中型充电站作为可控负荷对电网的削峰填谷作用,建立了能够反映不同主体利益的集中型充电站多目标二层规划模型。上层多目标函数为电网网损年减少值和集中型充电站开发商的效益,下层目标函数为集中型充电站的辅助收益。采用改进非劣排序遗传算法和自适应变异粒子群算法相结合的多目标二层求解策略对集中型充电站的位置、容量和调度进行优化,结果验证了该模型的合理性和算法的可行性。