计及碳捕集电厂灵活运行与需求响应的多时间尺度调度

充分挖掘电力系统潜在的灵活性资源可有效提高系统中可再生能源的消纳能力。碳捕集电厂可降低电力系统中碳排放,同时也提供潜在的灵活调节能力。本文建立了需求响应与碳捕集电厂的灵活调节模型,提出了计及碳捕集电厂灵活运行与需求响应的多时间尺度调度方法,并将其应用到电力系统的调度运行中,实现系统运行总成本的最小化。在日前调度阶段,采用需求响应、碳捕集电厂灵活调节来时移负荷需求,以实现系统低碳经济运行的目标;在日内调度阶段,采用预测控制模型来校正日前调度计划,以保证实时功率平衡。结果显示,需求响应和碳捕集电厂灵活运行可提高系统的可再生能源消纳量,同时可分别降低18.7%和1.4%的总成本,协同碳捕集电厂与需求响应可降低系统总成本20.1%,效果显著。     

基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度

为了实现园区综合能源系统（PIES）的低碳化经济运行和多能源互补,解决碳捕集装置耗电与捕碳需求之间的矛盾,以及不确定性源荷实时响应的问题,提出了基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度方法。该方法通过在PIES中添加碳捕集装置,解决了碳捕集装置耗电和捕碳需求之间的矛盾,进而实现了PIES的低碳化运行;通过采用近端策略优化算法对PIES进行动态调度,解决了源荷的不确定性,平衡了各种能源的供给需求,进而降低了系统的运行成本。实验结果表明：该方法实现了不确定性源荷的实时响应,并相比于DDPG（deep deterministic policy gradient）和DQN（deep Q network）方法在低碳化经济运行方面具有有效性及先进性。     

考虑源-荷不确定性的矿山综合能源系统多时间尺度区间优化调度

在高能耗矿山综合能源系统中,为减小乏风、瓦斯、矿井涌水等伴生能源、可再生能源、负荷不确定预测误差对系统的影响,提出考虑源-荷预测不确定性的矿山综合能源系统多时间尺度区间优化调度策略.首先,构建含可再生能源、矿山伴生能源、光热电站的矿山综合能源系统架构;其次,根据电-热响应特性和源-荷不确定性在时间上的差异,建立日前-日内-实时多时间尺度区间优化调度模型.在日前和日内优化阶段,利用区间数描述源-荷不确定性,并通过区间优化方法对伴生能源和可再生能源的实际消纳区间进行优化;日内优化在日前优化的基础上,综合考虑建筑用户热舒适度的模糊性、供热系统的热惯性及热水负荷需求响应调整各设备出力;在实时优化阶段,考虑电负荷需求响应对日内电力设备出力进行修正.最后,通过算例分析验证所提模型和方法的可行性.     

基于量子粒子群算法的微电网双时间尺度调度方法

针对光伏发电设备输出功率的随机性和用户负荷的波动性,构建了以滚动时域综合运行成本最小为目标,基于量子粒子群算法的光储微电网双时间尺度运行优化模型。双时间尺度优化调度策略分两步执行：第一步依据优化目标制定一天以4小时为单位的日前经济调度模型;第二步利用日前经济调度结果确定日内滚动优化中每个调度周期起始和结束时储能系统的荷电状态,依据微电网中超短期光伏出力预测和用户负荷预测结果,得到储能系统最优的超短期充放电策略。通过微电网系统日内滚动优化实例仿真,结果表明,基于日前经济调度的优化,系统能够有效控制各设备的输出,能够满足实时的源荷平衡,并且具有稳定性和经济性。另外,也进一步验证了双时间尺度优化调度方法的有效性和合理性。     

基于全生命周期管理的离网型风光储交流微电网的双层优化调度策略

本文为离网型交流微电网设计了双层调度策略,即经济最优化日前调度和日内稳定运行实时调度。在日前以微电网经济性运行为目标,利用全生命周期理论建立经济模型,并计及储能电池荷电状态(State of Charge, SOC)对寿命的影响;在日后以供电稳定性为目标,充分考虑预测误差给系统带来的可能性崩溃,利用储能PQ源实时修正VF源的功率偏差,改善储能VF源的工作状态。通过算例仿真,得到微电网经济稳定运行的综合优化调度方案,验证了该策略的有效性和合理性。     

计及风险和需求响应的频率约束两阶段鲁棒机组组合

为应对新能源接入带来的强不确定性,改善传统鲁棒优化存在的不确定集范围难以预先给定的问题,本文提出了一种计及风险和需求侧响应的频率约束两阶段鲁棒机组组合。该模型引入了新能源出力的概率分布信息,依据条件风险价值理论提出了弃风风险和失负荷风险指标,并将不确定集的边界设置为优化变量。在对机组出力、机组备用和需求侧资源进行协同优化的同时考虑了频率安全约束。在39节点系统上的算例分析验证所提模型与算法的有效性。将不确定集边界设定为优化变量实现了调度计划鲁棒性和经济性的平衡。需求侧响应的实施引导用户合理转移用电负荷,提升了电力系统运行灵活性。考虑频率安全约束后频率最大偏差和频率最大变化率得到了明显改善。     

基于鲁棒优化理论的电梯群控调度策略

论文针对不确定线性优化问题,研究其不确定集的选择,初始不确定鲁棒优化模型的建立,以及基于该模型的鲁棒对等式转化问题.然后将鲁棒优化建模方法应用于电梯群控调度问题,建立其鲁棒优化模型,解决了交通流不确定性的影响,从而使调度结果更为合理.结合电梯群控虚拟仿真环境,设计了电梯群控鲁棒优化调度算法,并进行仿真验证.通过与其他调度算法的比较,证明了鲁棒优化调度算法在不同交通流F均具有优良的性能和适应能力.实验表明,鲁棒优化调度方法可以解决交通流预测误差的影响,很好地改善电梯群控调度性能.     

计及源端不确定性的综合能源日前调度方法研究

可再生能源出力的多重不确定性对系统安全、经济运行的影响,已成为以风、光为主体的高比例可再生能源综合能源系统亟须解决的问题。在构建的日前调度模型基础上,基于可再生能源发电功率概率预测模型,以其预测置信度为决策变量,引入经济性、风电机组及光伏机组发电功率越限惩罚三个评价指标,提出一种外层为多目标优化、内层为两阶段鲁棒优化的日前调度方法。仿真结果表明：通过对可再生能源发电功率概率预测模型置信度的寻优,可以得到兼顾鲁棒性和经济性的日前调度计划。该方法可充分考虑可再生能源多重不确定性对日前调度计划的影响,为含高比例可再生能源的综合能源系统的安全、高效运行提供指导。     

基于XGBoost短期预测控制的微电网多时间尺度调度

针对交直流混合微电网中可再生能源发电不确定性导致的预测误差,提出一种基于XGBoost短期预测控制的多时间尺度调度策略.基于NSGA-II算法,结合风光出力与负荷的供需关系,优化和制定未来24小时的调度计划;针对预测误差产生的功率波动,引入XGBoost短期预测模型,实现对日前调度的实时修正.以中国北方某小区供电系统为例进行验证,并分析不同直流负荷比例对优化调度结果的影响,结果表明该方法可以有效提高微电网运行效益及稳定性.     

邻域自适应粒子群算法求解地源热泵区域 能源系统鲁棒优化调度问题

针对地源热泵区域能源系统中冷热负荷和机组效能的不确定性, 本文提出了一种考虑双重不确定性的鲁棒优化调度方法. 首先, 基于多面体不确定模型描述调度模型中的鲁棒变量. 然后, 针对建筑冷热负荷不确定性, 采用对偶原理将双层优化模型等价为单层优化模型; 对于机组效能不确定性, 采用场景法进行分析. 最后, 采用多目标优化约束处理方法处理鲁棒优化调度模型中的约束条件. 同时, 为更加高效、准确求解所构建的优化调度模型, 提出了一种邻域自适应粒子群优化算法(NAPSO). 实验结果表明, 在制冷和制热工况下, 与经验运行策略相比, 本文所提方法可分别减少7.22%和5.55%的系统运行成本, 是一种解决地源热泵区域能源系统鲁棒优化调度的有效方法.     

基于交叉-变异人工蜂群算法的微网优化调度

随着大规模可再生能源接入微网,其不确定性直接影响微网的优化调度.鉴于此,以微网的产能利润最大化为目标,构建微网日前产能调度的优化模型,其中对储能单元和需求响应负荷进行调度,对可再生能源产能预测的误差进行处理.考虑优化模型中包含的非线性特征,提出一种基于交叉和变异的人工蜂群算法以求解微网最优调度策略.所提出算法在雇佣蜂和观察蜂阶段,引入遗传算法中的交叉和变异操作对邻域搜索策略进行更新,以确保子代种群的多样性;在侦查蜂阶段,构建基于全局搜索的初始化机制,以提高算法搜索全局最优解的能力.仿真结果验证了所构建模型的有效性和算法的优越性.     

基于分布式深度强化学习的微电网实时优化调度

随着海量新能源接入到微电网中, 微电网系统模型的参数空间成倍增长, 其能量优化调度的计算难度不断上升. 同时, 新能源电源出力的不确定性也给微电网的优化调度带来巨大挑战. 针对上述问题, 本文提出了一种基于分布式深度强化学习的微电网实时优化调度策略. 首先, 在分布式的架构下, 将主电网和每个分布式电源看作独立智能体. 其次, 各智能体拥有一个本地学习模型, 并根据本地数据分别建立状态和动作空间, 设计一个包含发电成本、交易电价、电源使用寿命等多目标优化的奖励函数及其约束条件. 最后, 各智能体通过与环境交互来寻求本地最优策略, 同时智能体之间相互学习价值网络参数, 优化本地动作选择, 最终实现最小化微电网系统运行成本的目标. 仿真结果表明, 与深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)相比, 本方法在保证系统稳定以及求解精度的前提下, 训练速度提高了17.6%, 成本函数值降低了67%, 实现了微电网实时优化调度.     

基于边缘计算的混合储能多微电网功率自适应控制

在微电网中,将多个双向接口变换器并联可提高微电网两侧的功率交换能力,但并联变换器的微电网难以有效控制。研究发现,微电网接入储能系统可以缓冲功率波动、降低功率控制难度。为保证微电网稳定运行,提高功率控制精度,本文提出了基于边缘计算的混合储能多微电网功率自适应控制方法。研究基于边缘计算技术,分析了混合储能多微电网结构,并构建了一个用于混合储能多微电网的自动管理平台。在此基础上,通过对母线实时电压的控制实现频率的调节,增强接口变换器的稳定性,以完成混合储能多微电网功率交互的调度与控制。在混合微电网中,我们接入储能系统,通过功率交换控制、自主功率分频自适应控制实现了混合储能多微电网的功率自适应控制。实验结果表明,所提方法在混合储能多微电网功率控制方面效果较好,有功功率控制误差较小,能够有效保证混合储能多微电网稳定运行,并提高功率自适应控制准确度。     

基于深度强化学习的微电网在线优化调度

提出一种基于深度强化学习的微电网在线优化调度策略.针对可再生能源的随机性及复杂的潮流约束对微电网经济安全运行带来的挑战,以成本最小为目标,考虑微电网运行状态及调度动作的约束,将微电网在线调度问题建模为一个约束马尔可夫决策过程.为避免求解复杂的非线性潮流优化、降低对高精度预测信息及系统模型的依赖,设计一个卷积神经网络结构学习最优的调度策略.所提出的神经网络结构可以从微电网原始观测数据中提取高质量的特征,并基于提取到的特征直接产生调度决策.为了确保该神经网络产生的调度决策能够满足复杂的网络潮流约束,结合拉格朗日乘子法与soft actor-critic,提出一种新的深度强化学习算法来训练该神经网络.最后,为验证所提出方法的有效性,利用真实的电力系统数据进行仿真.仿真结果表明,所提出的在线优化调度方法可以有效地从数据中学习到满足潮流约束且具有成本效益的调度策略,降低随机性对微电网运行的影响.     

基于模型预测控制的含多微电网的能源互联网分布式协同优化

研究了预测不确定性条件下含多个微电网的能源互联网分布式协同调度策略.各微电网都拥有多种智能负荷,如功率可调负荷、可调度负荷和关键负荷;部分微电网含有分布式电源,如微型燃气轮机、风电机组、光伏发电系统等;且部分微电网还拥有储能设备,如电池储能系统.每个微电网都可当做一个独立的实体,拥有自己的运行目标,这些运行目标可表示成混合整数规划模型.提出了基于并行分布式优化的博弈模型以较小的信息通信量协调各微电网带有竞争性的运行目标.在此基础上,引入模型预测控制（MPC）机制以降低能源互联网中风、光等可再生能源输出、负荷需求及电价波动的不确定性产生的不利影响.算例证明了本文所提方法的可行性和有效性.     

考虑多重决策心理的海岛孤网调度综合评价

为解决能源供应问题,偏远海岛可构建风-光-海水抽蓄型微电网,研究该类结构的离网型海岛日前调度的综合评价问题.首先,考虑经济、环保、技术和可靠性等因素,提出一套海岛孤网日前调度的评价指标体系;其次,利用改进的组合赋权模型,将直觉模糊层次分析法的主观权重与改进熵权法的客观权重融合为最优权重;再次,构建基于合作博弈与改进累积...