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.     

基于光伏预测的微电网能源随机优化调度

可再生能源的间歇性和负荷的随机性对微电网能源管理系统（ EMS）产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,将光伏预测误差当做随机变量,建立了一种基于期望模型的能源随机优化调度模型。用Monte Carlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了随机优化调度模型更加有效。     

一种基于强化学习的微电网能量管理算法

文中建立了一个包括可再生能源发电机和公用电网双边能量流动的微电网模型,能源交易利润和电网运营成本之间的权衡制定为联合优化问题,并进一步将其转化为马尔可夫决策问题。该文提出了一种在线微电网能源调度算法,旨在最大限度提高系统在能源交易中的运营利润,并保证电力系统的运行安全;为解决电价和需求的不确定性,该算法使用基于强化学习的Q学习算法来学习最优的能量调度策略。数值仿真表明,与基线算法相比,该算法可以将系统运营利润提高10.54%。     

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。     

含随机负荷的微电网储能优化运行策略

供需两侧的随机性会对微电网的稳定运行产生影响,因此提出了一种调度策略以提高微电网的稳定性,降低运行成本。首先,利用蒙特卡罗方法建立电动汽车无序充电负荷模型,通过电量电价弹性矩阵确定电价与电动汽车充电负荷之间的函数关系。然后,建立微电网的运行成本、维护成本和污染治理成本最低的优化目标函数,结合可再生能源和负荷情况,分别使用双Q学习算法和Q学习算法设计调度策略,得到优化后的实时电价和调度方案。仿真结果表明,相比于Q学习算法,双Q学习算法在工作日和节假日情景下都得到了更加经济稳定的调度策略,且降低了微电网的经济成本。     

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.     

区域能源智能物联网平台开发

碳减排背景下,结合多能互补、余热利用的区域能源项目逐渐涌现。为进一步提高区域能源系统的信息化和智能化水平,基于Niagara框架技术,搭建区域能源智能物联网(IoT)平台。平台的硬件框架部署传感器仪表、数据终端、网络控制器等设备。平台的软件框架实现了系统集成、数据远传、数据可视化等功能。在管理平台原有功能的基础上,引入人工智能算法。通过软件编程进一步赋能,实现了基于神经网络模型的区域负荷预测和以可再生能源利用率为主要目标的能源系统优化调度方案。该方案不仅能提高区域能源中可再生能源利用率,还能降低系统运行能耗。基于原有平台定制额外软件功能的方法,开发周期短、自定义程度高、贴合实际系统,有效提高了IoT平台的智能化程度。     

考虑不确定性因素的微电网经济运行的优化

本文针对微电网经济运行优化问题,考虑分布式可再生能源的输出功率具有随机性特点,提出了一种基于场景分解及场景策略聚合机制的优化方法.该方法针对所提出的优化问题中,统计信息不足以建立一个随机规划模型的难点,首先进行了场景分析,将原优化问题分解为多个场景子优化问题;其次引入场景束约束,将场景策略分为可容许策略、可实现策略和偶然策略,依照可用信息的进化机制,迭代修正每个场景子优化问题,并且采用动态规划方法求解每个场景子优化问题.然后,统计分析子优化问题最优解的主要特征和趋势,最终得到微电网经济运行优化问题的最优解.通过仿真验证了所提出方法的有效性.     

考虑需求响应的综合能源虚拟电厂多级管理模型

电力系统资产协同运行面临严峻挑战,微电网与虚拟电厂可解决一些实际问题.针对不确定性会增加运行成本问题,提出同时调度微电网和虚拟电厂能源的分层模型.该模型是一种虚拟发电厂和微电网同时调度的三阶段随机模型.考虑到可再生能源发电和负荷需求的不确定性,模型包含协调和不协调两种运行方式.另外,在调度模型中分析了相邻微电网之间进行功率交换的可能性,从而防止了不真实功率变化.通过算例验证电网协调运行可以降低负荷供应成本,同时分时定价机制可为微电网较提供较实时定价和尖峰定价更高的利润.     

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。     

考虑需求侧响应的微电网群协调优化调度模型

针对单个微电网中存在严重的风、光利用率不足的问题,从需求侧响应入手,建立一种微电网群协调优化调度模型。模型通过能量管理中心协调微电网群供给侧的可再生能源,实现各微电网之间能源互补,并根据需求侧响应转移柔性负载和调度自身的发电机组,实现微电网的优化运行。以三个微电网构成的微电网群为例进行实验,验证需求侧响应与微电网之间的协调优化调度策略的可行性,并进行各策略之间的对比分析。实验结果表明,所提出模型能够有效降低储能装置的使用频率。     

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.     

智能电网条件下微电网接入的配电网综合效益研究

在智能电网的发展过程中，配电网需要从被动式的网络向主动式的网络转变，这种网络利于分布式发电的参与，能更有效地连接发电侧和用户侧，使得双方都能实时地参与电力系统的优化运行。而微电网这种新型的网络结构恰是实现主动式配电网的一种有效的方式，开发和延伸微电网的概念能够促进分布式电源与可再生能源的大规模接入，使传统电网向智能网络...     

分布式风力优化配置与线路损耗及电压稳定研究

考虑了分布式能源接入对电压稳定性和线路损耗的影响,针对配电系统电压稳定性和线路损耗问题深入研究,提出了一种基于混合整数线性规划(MILP)的分布式风力配电模型,为高效整合可再生分布式能源提供支持。为了最大化配电网中可再生分布式风力接入的多目标技术效益,考虑了优化运行、实施自适应功率因数控制(PFC)方案及OLTC分接头运行,针对含风电的分布式电源优化配置问题,提出一种新的辐射状配电系统LPF公式,并与一般潮流模型进行验证。案例研究表明,所提出的优化模型能够有效提高电压稳定性并降低线路损耗,从而推动可再生能源在配电网中的普及。     

基于典型气象年和制氧可时移负荷的独立微电网容量优化配置

微电网电源容量的优化配置是微电网规划和建设初期的关键步骤。这需要根据建设地点的气象数据、地理位置和负荷需求,在满足经济性和可靠性的前提下,合理地配置微电网的电源容量。本文以高原地区的某独立微电网为研究对象,提出了一种基于典型气象年和制氧可时移负荷的独立微电网电源容量配置优化方法。算法综合考虑了可再生能源装机容量比、供电可靠性和供氧可靠性等多种约束条件,以微电网全寿命周期内年平均成本最小为目标函数,并采用遗传算法求解这个优化配置模型。本文对不同方案下的配置结果进行了分析,验证了所提方法的可行性。该研究为独立微电网的规划和建设提供了参考,有助于实现能源的高效利用和经济性,同时也提高了供电和供氧的可靠性。     

基于多主体博弈的综合能源系统运行优化方法

30·60双碳目标的实现,要求可再生能源的大规模消纳,因此构建可大幅就地消纳可再生能源的综合能源系统具有重要意义.在此背景下,本文提出了一种基于合作博弈的综合能源系统运行优化方法,能够有效降低系统用能成本和碳排放,激励不同主体参与系统整体协调优化运行.本文在考虑系统运行成本和二氧化碳排放量的基础上,建立了综合能源系统合...     

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。     

基于稀疏学习的微电网负载建模

微电网由负载、储能系统和分布式电源互联集成到能源系统中, 微电网系统可以作为一个整体系统与电网并行运行或以孤岛模式运行. 负载建模是微电网运行和管理中的一个基本问题. 本文着重解决以下两个关键问题: 1)协调负载模型结构的合理性和简洁性; 2)负载模型参数的校准. 与常规负载建模方法不同, 本文提出了一类数据驱动建模方法以同时实现负载模型结构选择和参数校准. 具体地, 该方法从量测数据中稀疏学习静态负载模型和动态负载模型, 其关键方法分别来自于稀疏贝叶斯学习方法和交替方向方法, 即从一组备选非线性字典函数中稀疏学习最主要的非线性项以平衡数据拟合度并实现模型学习. 所提出的方法将机器学习与稀疏表示相结合, 旨在对负载模型从物理角度提供机理解释并向配电网系统操作员提供有关负载的动态信息. 在孤岛微电网测试系统中验证并评估了所提出的算法. 研究测例表明所提出算法从量测数据中实现负载稀疏学习的合理性和对于噪声的鲁棒性.     

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.     

城市大型配电网调度智能运行系统设计

当下城市大型配电网数据流处理方法存在一定的局限性和不安全性,不能实现配电网高效运行。为此,提出一种基于城市大型配电网调度的智能运行系统模型的建立。该系统根据城市配电网应用特点及其设备种类,依照不同智能数据运行的模式,为达到最高效的智能运行效率,选择合理的系统运行组件。在此基础上,对配电网调度智能运行系统设计进行建模,得出模型函数,实现数据设计的应用。从绿色环境可再生能源的本质出发,在配电网负荷一定的前提下,使电能与模型函数成正比,从而完成配电网调度智能运行系统的设计。仿真实验证明,所提出的设计理念可以实现配电网调度系统运行的实时性、有效性和可靠性,为今后城市大事配电网智能运行系统设计研究提供坚实的基础。