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。     

微电网耦合碳捕集封存与需求响应的多时间尺度鲁棒优化调度

随着可再生能源的普及,微电网成为了一个可持续能源供应的重要工具。然而,由于其源荷多不确定性和碳排放挑战,优化调度成为了一个难题。本文提出了一种基于储液式碳捕集封存和需求响应的多时间尺度鲁棒优化调度方法,旨在降低微电网的碳排放和提高其运行性能。该方法在日前阶段以1小时时间间隔进行调度,采用鲁棒优化处理不确定性中的低频分量,同时结合碳捕集技术和需求响应以促进调度计划的低碳经济性。日内阶段以15分钟时间间隔进行调度,采用模型预测控制跟踪并滚动修正日前鲁棒经济调度计划,以应对源荷预测误差和不确定性中的高频分量,确保微电网实际功率平衡。仿真分析表明,这种方法可以显著降低微电网的总成本和碳排放量,提高了微电网的运行性能和可持续性。     

考虑需求响应激励机制的园区综合能源系统博弈优化调度

建设源荷协调、灵活互动的综合能源系统是构建新型电力系统的有效路径.在综合能源系统下,通过价格、补贴等激励手段合理调节用户侧需求响应机制可以促进综合能源系统的经济高效运行.为制定合理的需求响应激励机制,首先充分考虑源侧可再生能源出力和负荷侧多类能源需求的不确定性,提出随机场景生成策略;然后提出计及用户需求响应的综合能源系统博弈优化框架,分别以园区综合能源系统运营商和综合能源用户效益最大化为目标,建立双主体博弈优化调度模型,并提出快速高效的求解算法;最后,基于某实际园区综合能源系统开展多场景算例仿真分析,制定合理有效的需求响应价格激励方案.调度结果表明,所提出方案可以有效提升综合能源系统运行商和用户的效益.     

考虑不确定性电源的气-电综合能源系统优化调度研究

分析互联综合能源系统概念及框架,建立了天然气市场与电力市场综合能源协调框架。在能源系统中综合考虑电源和用能需求的不确定性,对日前市场阶段和实时平衡市场阶段,建立了基于混合整数优化的综合能源系统优化调度模型;根据天然气市场在日前和实时阶段与电力市场的配合关系,针对天然气供需约束、用气量约束、物理变量约束等进行详细分析和建模,分别建立综合能源系统随机优化调度模型和综合能源系统序列优化调度模型。并通过仿真模型分析两种模型之间的差异和优势,论证了通过多种能源源类型的市场协调运行在更大范围内平衡多种能源需求和供给的不确定性,进而更好的利用可再生能源的可行性。同时指出综合能源系统序列优化调度模型更加适用于气-电综合能源系统。     

计及多元不确定性的综合能源系统优化配置

综合能源系统的优化配置关键在于设备选型与数量配置,而能源负荷负荷和可再生能源出力预测误差以及故障发生的不确定性将直接影响配置方案的合理性以及经济性.为此,本文提出一种考虑源–网–荷多元不确定性的综合能源系统多目标–机会约束规划方法.考虑可再生能源出力与负荷需求预测误差引起的不确定性,本文构建了满足置信概率的能量供需平衡约束;针对供能网络中设备N-1故障引起的不确定性,提出调整裕度模型,进而构建了调整裕度与N-1设备能量缺额的机会约束.对于获得的帕累托解集,采用信息熵与逼近理想排序法构建多准则评价模型,以确定最优的系统配置.将本文方法应用于某区域综合能源系统的最优结构设计,实验结果表明,本文方法的有效性与可靠性.     

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.     

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。     

考虑综合需求响应和电转气的园区综合能源系统优化调度方法

针对园区综合能源系统可再生能源消纳和冷热电负荷波动的问题,引入电转气技术,同时结合可平移电负荷、灵活的热负荷和灵活的冷负荷,建立了考虑综合需求响应和电转气技术的园区综合能源系统优化调度方法,并转变模型构建成为混合整数线性规划模型,通过matlab结合yalmip调用cplex求解器进行求解,快速解决海量数据和约束条件对于求解复杂度的影响。并通过对比算例分析,考虑综合需求响应对于削峰填谷、可再生能源消纳的影响以及园区综合能源系统整体经济性的影响,验证本文所搭建模型的有效性和合理性。     

基于深度Q网络的风光柴储微电网能量管理策略

微电网能量管理对保障微电网安全、经济运行具有至关重要的作用。综合考虑可再生能源出力及用户负荷需求,提出了一种基于深度Q网络的微电网能量管理策略。针对日前调度中光伏功率的随机特性,利用随机规划生成不同概率下的光伏出力场景。将其与风电功率、负荷功率、市场电价和蓄电池荷电状态等一同构成环境信息,并通过深度Q网络与环境信息的交互优化微电网运行指标。仿真结果表明,所提出的能量管理策略能够降低设备的安全指标成本,并提高可再生能源的利用率。在光伏出力随机性较强的场景中,证实了基于随机规划的深度Q网络管理策略具备突出的适应能力。     

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。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性, 同时新能源和负荷也给配电网带来了双重不确定性, 致使主动配电网的实时优化调度决策维度大、建模精度差. 针对这一问题, 本文提出结合图神经网络和强化学习的图强化学习方法, 避免对复杂系统的精准建模. 首先, 将实时优化调度问题表述为马尔可夫决策过程, 并将其表述为动态序贯决策问题. 其次, 提出了基于物理连接关系的图表示方法, 用以表达状态量的隐含相关性. 随后, 提出图强化学习来学习将系统状态图映射到决策输出的最优策略. 最后, 将图强化学习推广到分布式图强化学习. 算例结果表明, 图强化学习在最优性和效率方面都取得了更好的效果.     

面向高比例新能源电网的重大耗能企业需求响应调度

随着国家“双碳”重大战略的提出,高比例新能源并网将成为我国电力能源转型的重要态势.针对火电机组、配电网和需求侧关联的系列运行约束制约了电网对高比例新能源的有效消纳这一问题,本文提出重大耗能企业这一主要电力负荷参与网需求响应(Demand response, DR)的研究思路,通过重大耗能企业与电网协调调度促进新能源消纳,并获得经济补偿以减少运行成本.研究首先基于混合需求侧响应机制,提出以重大耗能企业、新能源、火电机组为核心的协调调度方法,并根据新能源预测值-预测误差的信息依存顺序提出了两步调度策略.在此基础上,进行生产过程行为建模以实现重大耗能企业需求侧响应决策描述,并建立高比例新能源并网的重大耗能企业需求响应与电网协调调度优化模型.最后,基于烟台电网实际系统进行算例分析,验证了重大耗能企业通过需求响应参与电网协调调度以及两步调度策略的有效性.     

Fuzzy logic-based coordinated control method for multi-type battery energy storage systems

In order to take full advantage of the complementary nature of multi-type energy storage and maximally increase the capability of tracking the scheduled wind power output, a charging–discharging control strategy for a battery energy storage system (BESS) comprising many control coefficients is established, and a power distribution method employing fuzzy control principles to optimize the multi-type BESS is proposed, so as to reduce the error of day-ahead short-term wind power prediction. A simulation analysis, taking a typical wind farm output as an actual data sample, showed that the proposed fuzzy logic control method for the multi-type BESS is uniquely flexible and adaptable in achieving the control effect of improving the capability of tracking the scheduled wind power output.     

An efficient Differential Evolution algorithm for stochastic OPF based active–reactive power dispatch problem considering renewable generators

Optimal active–reactive power dispatch problems (OARPD) are non-convex and highly nonlinear complex optimization problems. Typically, such problems are expensive in terms of computational time and cost due to the load variations over the scheduling period. The conventional constraint-based solvers that are generally used to tackle such problems require a considerable high budget and may not provide high quality solutions. In the last decade, complexity of OARPD has further increased due to the incorporation of renewable energy sources such as: wind, solar and small-hydro generators. More specifically, the incorporation of renewable sources introduces uncertainty in generation on top of the load variations in conventional OARPD, making the problem more complicated. Recently, Differential Evolution (DE) is viewed as an excellent algorithm to solve OARPD problems, due to its effectiveness to optimize the objective function which is subject to many operational constraints. A new efficient Differential Evolution algorithm, denoted as DEa-AR, is propounded to solve the contemporary stochastic optimal power flow OARPD problems considering the renewable generators. DEa-AR uses arithmetic recombination crossover and adapts the scaling factor based on Laplace distribution. In addition, an efficient archive strategy that acts as a corresponding image of the population and stores the inferior individuals for later use, is also incorporated. The target behind using this strategy is to consider the information of inferior individuals as a direction toward finding new good solutions. The IEEE 57-bus system is used to evaluate the OARPD problems with different stochastic scenarios based on different probability distributions employed to model parameters of renewable energy sources. The performance of the proposed work is compared with other state-of-the-art algorithms. Simulation results indicate that the proposed technique can solve the OARPD problems with renewable sources effectively and can provide high quality solutions. The proposed algorithm is ranked the first with a Friedman rank equals to 1.8333 with a clear statistical significant difference compared with the most recent studies on the used problems.     

Development of a tool for urban microgrid optimal energy planning and management

Small-sized variable renewable energy sources (RES) live a large-scale development in urban electrical systems. They increase local high dynamic unbalancing and then can create instabilities on the inertia response. Thus, setting an adequate operating reserve (OR) power to compensate the unpredicted imbalance between RES generation and consumption is essential for power system security. Indeed, effective calculation and dispatching of OR considering inaccurate forecast of both RES and load demand can provide substantial cost reductions. Thus, to facilitate the energy management and system optimization in an urban microgrid (MG), a user-friendly tool for Energy Management System and Operational Planning has been developed. The tool provides a complete set of user-friendly graphical interfaces to study the details of photovoltaic (PV) and batteries, load demand, as well as micro gas turbines (MGTs). Furthermore, this energy management system allows system operators to properly model RES uncertainty. In addition, it could assist operators for the day-ahead energy management with an efficient information system and an intelligent management.     

计及需求响应的电网安全优化调度模型

针对传统的发电日前调度方案,提出一种计及需求响应的电力系统安全优化调度模型.以峰谷分时电价为基础,建立激励补偿机制,鼓励用户积极参与需求侧资源调度,从而使得“削峰填谷”的效果更加明显.同时,为了合理配置电网运行的备用容量,在所提出的模型中融入期望停电损失,保证电网运行的安全性.基于IEEE24节点的算例分析表明,所提出的考虑需求响应和期望停电损失的电力优化调度模型可以在保证一定可靠性水平的前提下,降低电网的运营成本,实现市场环境下电力系统的经济和安全运行.     

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。     

Functional-type Single-input-rule-modules Connected Neural Fuzzy System for Wind Speed Prediction

Wind is one kind of clean and free renewable energy sources. Wind speed plays a pivotal role in the wind power output. However, due to the random and unstable nature of the wind, accurate prediction of wind speed is a particularly challenging task. This paper presents a novel neural fuzzy method for the hourly wind speed prediction. Firstly, a neural structure is proposed for the functional-type single-input-rule-modules (FSIRMs) connected fuzzy inference system (FIS) to combine the merits of both the FSIRMs connected FIS and the neural network. Then, in order to achieve both the smallest training errors and the smallest parameters, a least square method based parameter learning algorithm is presented for the proposed FSIRMs connected neural fuzzy system (FSIRMNFS). Further, the proposed FSIRMNFS and its parameter learning algorithm are applied to the hourly wind speed prediction. Experiments and comparisons are also made to show the effectiveness and advantages of the proposed approach. Experimental results verified that our study has presented an effective approach for the hourly wind speed prediction. The proposed approach can also be used for the prediction of wind direction, wind power and some other prediction applications in the research field of renewable energy.