含循环换电负荷及充电站的微电网多目标优化调度

电动换电重卡由于具有充电功率高、周期性强的循环换电负荷特性,一旦短时大量接入微电网中,将带来经济性和安全性的挑战。首先讨论电动汽车充电、循环换电负荷的不同特性,建立含循环换电负荷及充电站的微电网模型;提出一种综合考虑微电网经济性及联络线功率波动性的多目标调度优化方法;采用线性加权方法将多目标问题转化为单目标问题;最后利用CPLEX工具对仿真算例进行求解,仿真算例表明,所提优化方案可有效求解综合考虑不同权重下微电网净利润、联络线交换功率及换电站内电池最优调度问题,能在尽可能减小微电网与上级电网交换功率波动性的同时,使得微电网获得最大净利润。     

基于强化学习的微电网能源调度策略及优化

针对微电网中能源调度的经济效益、充电效率优化、系统负荷波动以及碳排放问题,提出将强化学习运用到微电网调度中,通过建立一个完整的微电网模型,使强化学习在不断迭代过程中得到最优策略,同时达到经济效益趋向最大化、充电功率相对稳定、系统负荷波动减少、碳排放量达到最小化这4个联合优化目标.仿真结果表明,采用的控制策略既能很好地实现经济效益最大化收敛、碳排放量最小化收敛,同时又能使得充电功率相对稳定,微电网的负荷也能减少,极大地提高了系统的稳定性.     

面向联络线计划功率的直流微电网优化调度

针对可再生能源日渐高比例接入大电网,需要建立主动配电网系统来跟踪和响应大电网的调度需求,提出了一种基于联络线计划功率将微电网转变为主动配电网的经济性调度策略。该策略以风光储直流微电网并网运行系统成本最低为目标,运用改进麻雀搜索算法求解系统运行成本。与无联络线计划功率调度策略的调度结果进行了对比,结果表明,所提调度策略在满足大电网削峰填谷指令的同时,将系统的并网运行成本降低了9.79％。由此验证了该调度策略对于直流微电网并网经济性调度具有可行性。     

基于离散傅里叶变换的微电网混合储能容量优化

针对并网型微电网中由蓄电池和超级电容组成的混合储能系统进行容量的优化配置。光伏发电和负荷之间产生的净负荷功率由大电网和混合储能装置来共同进行平抑。建立一个俩阶段混合储能容量优化的数学模型,利用离散傅里叶变换对微电网中产生的净负荷功率进行分解,第一阶段在满足联络线功率波动要求的基础上来选取联络线功率和混合储能系统功率的分界点使得联络线利用率最高的;第二阶段以混合储能容量配置的经济成本最低为目标选取蓄电池功率和超级电容功率的分界点;从而得到联络线、蓄电池和超级电容的功率分配。利用遗传算法对混合储能容量的优化模型进行求解,得到最优的混合储能容量的配置。通过算例进行了验证分析。     

基于改进樽海鞘算法的微电网优化调度运行

微电网系统中包括多种微电源,需要满足大量的约束条件,传统的优化算法求解易陷入局部最优,难以得到最优解。针对此类问题,提出一种多策略协同优化樽海鞘算法（MSSSA）,在同时考虑运行与环境污染的情况下,以综合成本为目标函数,设定功率平衡、爬坡率、联络线交互功率极值等约束条件,然后利用MSSSA对微电网调度模型进行求解。通过对比仿真结果,验证了MSSSA较其他算法的优越性和对微电网系统优化的合理性。     

一种最优能量流的多微电网分布式优化方法

为实现多微电网经济性目标，一种最优能量流的多微电网系统分布式优化经济调度方法被提了出来。该方法以微电网间功率交互为优化目标，建立多微电网分布式优化经济调度模型，其后利用交替方向乘子法对模型进行求解，从而以分布式的方式实现对多微电网的经济优化，减少信息通信量，实现最优能量流。经过仿真验证，当多微电网系统出现功率分配情况时，此方法可有效保证以经济最优的方式实现微电网之间的功率交互，且维持多微电网功率平衡与稳定运行。     

基于差分进化算法的多目标优化V2B2模式的调度策略

分布式可再生能源的配置提高了家庭微电网的调度空间,有利于能源结构的改善,但同时也对主电网的稳定性构成了挑战。针对这一现状,提出了一种基于差分进化算法的多目标优化V2B2模式的调度策略。该方法基于电动汽车的移动性,利用电动汽车和蓄电池的充放电功率,实现了2个不同地理位置下微电网的统一调度,在优化用电成本的基础上,着重于光伏发电的储存和使用,由此降低光伏波动对主电网的影响。采用上海地区相关数据进行实验,结果证明,该方案在降低用电成本、提高光伏自消耗率以及降低负荷峰谷差方面均取得了良好的效果。     

平抑联络线功率波动的微网混合储能容量优化

为合理配置微网混合储能系统的容量,降低联络线功率的波动性,提出平抑联络线功率波动的混合储能系统容量配置方法。首先,以净负荷和联络线期望功率的偏差平方最小为目标,以联络线功率的上下限以及最小调节时间为约束,优化得到联络线期望功率。其次,依据净负荷功率以及优化得到的联络线期望功率计算得出混合储能系统功率。然后,建立了以混合储能系统全生命周期成本为目标,以蓄电池以及超级电容器工作频段的分界频率为优化变量的混合储能系统容量优化模型,并应用粒子群算法求解该模型获得最优的储能系统功率和容量。最后,采用实际微网运行功率数据,进行了案例验证,仿真结果证明了所提方法的经济性和有效性。     

基于能源区块链网络的微电网经济调度模型

现有微电网经济调度模型存在的可再生能源及负荷预测误差大、信息透明度低、系统安全风险高等问题。将区块链技术引入微电网,研究基于能源区块链网络的微电网经济调度,再计及储能和用户侧响应,提出基于智能合约的多时间尺度微电网经济调度方法。仿真结果表明该模型可以充分提高可再生能源的利用率,提高微电网系统的信息透明性、数据安全性和存储安全性,实现微电网的去中心化经济调度。     

提高多逆变器并网运行稳定性的控制方法

针对微电网中多逆变器并列运行时功率分配不当导致分布式电源并网困难,特别是功率动态分配的情况下系统可靠性更加恶化的问题进行研究。首先建立了多机下垂控制模型,推导下垂系数与分布式电源容量的匹配方程,并分析系统的静态稳定性。其次,提出了一种下垂控制与虚拟同步发电机控技术相结合的功率控制策略。通过增大逆变器的惯性和阻尼系数,抑制了微电网的频率波动,从而在输出功率静态稳定的同时,削弱了分布式电源并网产生的冲击,提高微电网运行的稳定性。最后,通过Matlab/Simulink仿真验证了所提控制策略的有效性。     

基于两层优化的主动配电网储能优化配置

针对主动配电网储能系统优化配置问题,考虑运行控制策略对规划方案的影响,提出一种基于两层优化的配置方法。在短时间尺度的内层优化中,利用低通滤波算法提取上网功率高频分量,以高频分量变异系数和可再生能源浪费率最小为目标,基于标量化方法和粒子群算法优化主动配电网控制策略。在长时间尺度的外层优化中,构建多目标优化模型,最小化投资成本和可再生能源浪费率,采用NSGA-Ⅱ算法求取储能系统配置的Pareto最优解。由于运行控制和规划配置间存在相互影响,将不同时间尺度的内外层优化置于统一的框架内,以可再生能源浪费率、储能系统配置位置和容量为耦合变量交替迭代求解。结合算例,对所提模型及其求解方法进行了验证。算例分析表明:主动配电网中储能系统优化配置能够有效提高电网对可再生能源的消纳能力。     

基于两层优化的主动配电网储能优化配置

针对主动配电网储能系统优化配置问题,考虑运行控制策略对规划方案的影响,提出一种基于两层优化的配置方法。在短时间尺度的内层优化中,利用低通滤波算法提取上网功率高频分量,以高频分量变异系数和可再生能源浪费率最小为目标,基于标量化方法和粒子群算法优化主动配电网控制策略。在长时间尺度的外层优化中,构建多目标优化模型,最小化投资成本和可再生能源浪费率,采用NSGA-Ⅱ算法求取储能系统配置的Pareto最优解。由于运行控制和规划配置间存在相互影响,将不同时间尺度的内外层优化置于统一的框架内,以可再生能源浪费率、储能系统配置位置和容量为耦合变量交替迭代求解。结合算例,对所提模型及其求解方法进行了验证。算例分析表明:主动配电网中储能系统优化配置能够有效提高电网对可再生能源的消纳能力。     

并网型风电场扩展光伏互补发电容量优化配置

风、光资源具有天然的互补性,在已建成的风电场中扩展光伏发电,组建互补发电系统,有利于平抑出力波动并提高运行经济性。提出一种并网型风电场扩展光伏容量优化配置方法。基于风速和太阳辐射在时间尺度上的互补性,建立修正的气象概率分布模型。以电气设备利用率最大,输出功率波动性和弃风、弃光电量最小为目标构建多目标优化模型,充分考虑3个目标之间的矛盾以及不同升压主变容量的影响。采用蒙特卡罗方法仿真生成风、光气象数据,基于多目标粒子群算法求取Pareto最优解集合,结合工程要求和经济性指标从集合中确定最终方案。结合算例,对本研究方法的有效性进行了验证。     

基于改进蝙蝠算法含分布式电源的无功优化

将分布式电源与传统的配电网电压调节方式相结合,分析包含分布式电源的配电网系统无功优化的问题,并建立了有功网络损耗最低以及电压稳定裕度最大的多目标优化数学模型,利用模糊理论将分布式电源的多目标无功优化问题转换成单目标优化问题,进一步减少了有功网损,提高了电压稳定性。鉴于传统蝙蝠群体易于聚集于局部极值,导致早熟,将混沌序列以及自适应调整策略融入到蝙蝠优化算法中,提出了一种改进型多目标蝙蝠优化算法,利用混沌理论以及动态自适应机制调整的特性,对蝙蝠算法参数进行调整。通过IEEE-33测试系统验证,所提算法具有良好的实用性和适应性,并且也证明了所提模型的实际意义。     

大规模可再生能源电解水制氢合成氨关键技术与应用研究进展

新能源的快速发展为电力和化工行业带来了机遇和挑战，一方面，由于可再生能源电力消纳问题导致大量的弃水、弃光等能源浪费，另一方面，以绿氢为原料替代碳基化石能源合成氨，可以极大地减少化工行业的碳排放。因此，利用水力、光伏等可再生能源电解水制氢，为合成氨提供绿色原料，可显著提升可再生能源消纳能力，降低能耗与碳排放，服务国家“碳达峰、碳中和”目标。然而，可再生能源电力电量的波动性难以适配传统合成氨生产过程的平稳性要求，大规模可再生能源电解水制氢合成氨的设计与运行依然存在诸多挑战，亟需开展系统性研究突破适应可再生能源波动特性的大规模电解水制氢合成氨系统的集成与调控关键技术。对此，本文首先对可再生能源电解水制氢合成氨的工艺组成及过程进行介绍，包括电解水制氢工段、压缩缓冲工段、化工合成氨工段，进而提出该系统建设的关键技术体系，包括可再生能源波动条件下的合成氨工艺流程优化和柔性调控技术、考虑“电-热-质”耦合的大规模电解水制氢系统的模块化集成和集群动态控制技术、计及可再生能源波动性与化工多稳态特性的“源-网-氢-氨”的全系统协同控制技术、计及电、氢、氨等要素的全方位安全防护与市场运营机制。针对适用于柔性生产的合成氨工艺优化及多工段协同调控技术，在考虑氢储供量与催化剂性能下，综合合成塔、压缩机、气体分离、换热网络等子系统开发了合成氨高保真代理模型；研究了可再生能源供给和市场需求波动下，充分考虑操作安全性和过程经济性的电解水制氢合成氨各子系统的适配方案与协同控制技术。针对大规模电制水制氢系统模块化集成和集群动态控制技术，基于奇异摄动和代理模型技术研究了集群系统多时间尺度时域仿真方法，建立了电解集群系统多物理耦合状态空间模型；综合考虑了模块启停组合调度、模块间功率分配调度及模块自身灵活调节，计及安全运行区间及电热气接口特性约束，以提高氢产量、提升能量利用效率、改善水光电源消纳和跟踪电网调峰调频指令为目标，构建了集群系统多目标分层调度与控制模型。针对氢能参与电网的全系统协同控制技术，研究了水光互补发电、电制氢、储氢、合成氨、储氨多工段间稳态运行特性的多工段间灵活运行方法，以及电制氢合成氨系统柔性动态协同控制方法；综合采用了静态等值和参数聚合等方法降维和等值电制氢合成氨系统仿真模型，研究了源网氢氨协同提升系统安全稳定性的优化控制方法和技术指标；结合电网调频和调峰特性，研究了电制氢合成氨系统参与电力辅助服务的策略。建设大规模可再生能源电解水制氢合成氨系统，提高可再生能源本地消纳率和并网调度友好性，降低化工碳排放，具有显著社会效益和战略意义。     

计及电转气技术的一种区域综合能源优化方法

随着可再生能源的大量开发,可再生能源的不稳定与电网建设的滞后等问题导致了严重的弃风弃光现象,造成了大量资源浪费,带来了较为严重的经济损失。能源互联网的提出可有效解决大规模可再生能源的消纳问题,提高新能源利用率。在此背景下,文章提出以日前24 h区域经济效益最优为目标的区域综合能源优化模型,该模型引入电转气技术,并考虑目标区域的风电与负荷特性,将在满足区域电负荷后的富余风电转化为易存储的天然气,再将天然气卖给区域用户,若在满足区域气负荷的情况下还有富余气量,则将富余天然气转卖给燃气公司通过燃气管道送给用户,进而实现日前24 h区域经济效益最优。最后,仿真实验验证了电转气技术的消纳风电潜力及其可以带来的可观经济效益。     

考虑可再生能源的冷热电联供系统环境经济调度模型

随着对节能减排的广泛关注,为了减少能源的消耗,冷热电联供系统（CCHP）、可再生能源发电在全球得到了广泛的应用,但传统冷热电联供系统经济调度忽略了污染物排放对环境的影响。为此,考虑各机组运行的环境成本,提出考虑可再生能源的冷热电联供系统环境经济调度模型;考虑可再生能源的随机性,在目标函数中加入可再生能源备用容量补偿成本,借助排污系数法将机组运行的环境成本并入机组运行总费用目标函数中,从而将环境经济调度模型从多目标优化转为单目标优化问题。基于Matlab优化工具箱以IEEE-14节点系统为例进行系统仿真,验证了优化模型的有效性和实用性。     

基于多目标多任务进化算法的含可再生能源混合发电系统优化调度

可再生能源发电的快速发展为电力系统的安全和经济运行带来了新的挑战。在此背景下,构建了能够计及火电阀点效应非线性,风电、光伏发电系统出力不确定性和水电一次能源浪费的多目标优化调度模型。假设风速服从Weibull分布、光照服从Beta分布的前提下,含可再生能源混合发电系统优化模型综合考虑了能源利用、环境保护、成本以及损耗等限制因素。在此基础上,创新的引入了多目标多任务进化算法,同时优化多个任务的多个目标,并行处理多个发电系统的优化调度问题,从而大幅提高了搜索速度。仿真算例采用标准IEEE30节点和IEEE118节点系统,验证了该算法在解决多目标多任务多电源发电系统优化问题时的优越性。     

Multi-objective coordination optimal model for new power intelligence center based on hybrid algorithm

In order to resolve the coordination and optimization of the power network planning effectively, on the basis of introducing the concept of power intelligence center (PIC), the key factor power flow, line investment and load that impact generation sector, transmission sector and dispatching center in PIC were analyzed and a multi-objective coordination optimal model for new power intelligence center (NPIC) was established. To ensure the reliability and coordination of power grid and reduce investment cost, two aspects were optimized. The evolutionary algorithm was introduced to solve optimal power flow problem and the fitness function was improved to ensure the minimum cost of power generation. The gray particle swarm optimization (GPSO) algorithm was used to forecast load accurately, which can ensure the network with high reliability. On this basis, the multi-objective coordination optimal model which was more practical and in line with the need of the electricity market was proposed, then the coordination model was effectively solved through the improved particle swarm optimization algorithm, and the corresponding algorithm was obtained. The optimization of IEEE30 node system shows that the evolutionary algorithm can effectively solve the problem of optimal power flow. The average load forecasting of GPSO is 26.97 MW, which has an error of 0.34 MW compared with the actual load. The algorithm has higher forecasting accuracy. The multi-objective coordination optimal model for NPIC can effectively process the coordination and optimization problem of power network. Foundation item: Project (70671039) supported by the National Natural Science Foundation of China