事件驱动的智能家庭在线能量管理算法

家庭能量管理系统作为智能电网在用户消费侧的重要组成部分,是智能家庭优化运行的核心。针对装有光伏设备的家庭用户,提出一种事件驱动的在线能量管理算法,基于李雅普诺夫优化方法对家庭中的可控负荷进行调控,采用非预测机制,只需获取当下时刻的相关变量即可实时做出调控决策,可以在分布式电源发电、用户负荷及市场电价的波动场景下快速调控能量。采用事件触发机制决定是否进行在线优化决策,减少触发频率和不必要的计算量。通过仿真结果对比分析可知,该算法能有效降低用户用电成本,占用计算资源少,有利于实现家庭用户的低成本能量管理。     

基于离线优化和在线决策的光伏智能楼宇能量管理算法

作为综合能源的重要发展形态，光伏智能楼宇的用电需求及光功率具有极大的不确定性，现有的能量管理方法很难完全适用，因此提出了基于离线优化和在线决策的光伏智能楼宇能量管理算法。首先，结合光伏智能楼宇的历史运行数据，建立了以运营收益最大化为目标的离线优化模型，通过离线优化为在线学习提供知识库；其次，为了实现分时电价条件下光伏智能楼宇的实时调度，建立了在线学习与认知规则相结合的在线决策算法，实时决策电动汽车充电功率以及可平移负荷的工作状况；最后，以某商业楼宇为例进行了仿真测试，结果表明所提算法在未来光功率、充电需求及可平移负荷未知的情况下具有良好的运行效果。     

采用随机约束和多目标算法的电动汽车换电站能量管理

针对电动汽车换电站的能量管理进行优化。由于实时电价环境下电动汽车换电站的能量管理具有一定的风险性,因此所建的模型考虑了电动汽车换电需求和市场电价的不确定性,是以运行成本的期望和方差为目标的电动汽车换电站的能量管理模型,并采用基于免疫克隆选择的多目标智能优化算法进行求解。算例仿真结果表明通过所提出的模型可以实现电动汽车换电站购电成本的降低,并通过负荷转移给电网带来好处。     

考虑碳权交易和风荷预测误差随机性的环境经济调度

在低碳经济背景下,碳交易的引入及风电接入电网成为实现低碳减排的重要手段和方式。为此,建立了考虑碳交易与风荷预测误差的多目标环境经济调度模型。在经济目标函数中引入碳交易成本,基于碳排放量将碳交易成本分为碳收益、碳权成本、过排放罚金3部分,通过碳权购买裕度控制碳交易成本;模型中考虑污染物排放量最小目标函数,进一步促进系统调度的低碳减排。基于机会约束规划理论处理负荷及风电的不确定性,将其转换成负荷预测误差和风电功率预测误差的不确定性进行处理,并基于正态分布理论将不确定性模型转化成其确定等价类模型进行求解。在模型求解时,采用非支配排序遗传算法实现混合整数多目标优化问题的求解,算例分析表明在碳交易政策下,可以通过合理的碳权购买裕度及引入污染物排放量目标来实现环境经济调度,从而证明了模型的合理性和有效性。     

考虑需求侧储能及可控负荷的微网优化运行

微网中集成了大量风力、光伏等出力具有随机性、间歇性的不可控DG,通过一体协调储能、可控负荷等需求侧资源研究微网优化运行。基于实时电价环境,考虑风机、光伏出力不确定性,利用储能装置的能量转移与能量备用和可控负荷的负荷转移,以微网运行成本为目标建立优化模型。采用基于随机模拟的量子粒子群算法求解模型。通过算例仿真表明提出的微网运行模型和优化算法可有效进行微网能量优化管控,并且验证了考虑需求侧资源的微网运行更具经济性。     

基于电力需求响应的多时间尺度家庭能量管理优化策略

在智能用电的背景下,电力用户与电网的互动更加频繁,用户在考虑自身经济调度的同时,可通过参与电力需求响应获取额外收益。首先建立了包含最大功率约束与需求响应事件约束的激励型需求响应模型及含光储设备的家庭用电模型;然后建立了基于模型预测控制的多时间尺度家庭能量管理模型,提出了以用户净支出与购电功率波动最小为目标的日内家庭用电双层优化策略及实时用电调整策略。通过改变蓄电池充放电功率应对实时运行过程中不可调整负荷及光伏出力的波动,保证用户购电功率满足需求响应要求。最后以某典型家庭负荷配置为例,通过对比不同场景下的优化结果,验证了策略的有效性,并分析了需求响应机制对用户的影响。     

基于家庭用电负荷关联度的实时优化策略

针对家庭负荷在需求响应中巨大的不确定性,提出家电配合使用情况是家庭用户响应情况的重要影响因素之一,并提出家庭用电负荷关联度的概念。建立家庭用电负荷模型,设计基于家庭用电负荷关联度的实时更新的优化策略。通过Matlab对算法模型在单个家庭用户以及多个家庭用户综合情况下进行仿真,验证了纳入家庭用电负荷关联度的实时优化策的有效性及优越性。     

基于模型预测控制的户用微电网在线能量管理方法

针对户用微电网中可再生能源出力和负荷需求的不确定性问题,对负荷需求响应特性、可再生能源出力特征、户用微电网能量控制系统的结构特征和运行机理等方面进行了研究,提出一种基于模型预测控制的在线能量管理方法。以用户最小用电成本作为优化目标,基于模型预测控制方法对户用微电网进行动态优化。同时根据用户的用电行为建立事件驱动机制,设置相应的触发条件,只有系统接收到触发信号时才进行在线决策优化。研究结果表明:所提的在线能量管理方法能够实时响应负荷需求,降低用电成本,提高微电网供需平衡能力,并且有效降低计算量。     

多智能用户微电网的分层分时能量管理

针对存在多智能用户的微电网能量管理,提出了一种分层分时的控制架构和多时间尺度管理策略。根据能量在微电网内部不同供电模块间的流动,建立系统的分层模型和基于不同时间尺度控制结构的能量管理优化问题。并针对上下两层优化问题分别采用不同时间尺度进行优化。在慢时间尺度内求解上层优化调度问题以实现在长时间内对能量的优化调度;在快时间尺度内求解负荷实时优化调度问题,实现短期内对用户需求的实时供应。最后,通过数值仿真证明算法有有效性。     

基于改进模型预测控制的微电网能量管理策略

微电网中分布式电源出力具有间歇性、波动性等特点,并且负荷形式多样,分布式电源和负荷的不确定性会导致微电网能量优化的不确定性。为了更好地解决上述问题,提出了一种基于改进模型预测控制(MPC)的双层多时间尺度微电网优化策略。传统MPC优化中某些模型参数固定,难以及时处理系统中的突发扰动;并且传统MPC的单个优化周期时长有限,难以处理一些与时间相关或影响优化结果全局性的复杂约束。根据微电网中不确定性因素及复杂约束提出MPC的自适应改进,能更好地适应微电网设备投切灵活、发电功率受外界影响大等特性,更好地保障系统的鲁棒性与优化的精确性。基于日前计划优化出未来的能量分配及负荷调度;在日内基于改进MPC并参考日前优化结果进行实时能量优化,从而使目标更优,提高结果的准确性。最后应用MATLAB进行仿真,证明了所提策略的适用性和准确性。     

家庭智能用电任务调度优化模型及其算法研究

针对家庭负荷的优化调度,提出了一种家庭智能用电任务调度优化模型。根据不同家电设备的用电特点,采用集合论语言对不同用电任务进行描述定义,建立以负荷峰值、用电费用为优化目标,以家庭负荷特性及运行状态为约束的多目标优化问题。提出了基于混合编码遗传算法的求解算法,算法中针对不同用电任务分别设计了不同的算法编码及算法操作策略,实现对家庭智能用电任务调度问题的单目标和多目标优化求解。通过家庭用电任务模拟算例对该算法性能进行了验证,结果表明该算法能够较好地实现家庭用电任务的优化调度。     

面向多用户的多时间尺度电力套餐与家庭能量优化策略

在智能互联网环境下,居民用户参与需求响应时的不确定因素对家庭能量管理调度策略的实施效果存在较大影响。为此,提出了一种计及用户响应不确定性的多时间尺度可变电价套餐和用电策略。首先,明确多时段可变电力套餐的定义,基于价格型和激励型响应不确定性机理构建电力套餐的模型,并建立完成聚类后的多用户与电网的模型。其次,通过求解基于多用户和电网的非合作和合作博弈模型,获得最优的电价方案和日前优化计划。然后,根据需求响应信息和用户用电安排建立日内滚动优化模型,获得局部动态分时电价和日内调度计划。最后,根据用户实际响应偏差建立实时调整模型,获得动态激励和实时用电计划。以多家庭用户调度组为例进行仿真分析,通过比较不同模型优化结果,验证了考虑用户响应不确定性的电力套餐及多时间尺度协调优化的有效性。     

基于演化多智能体的中长期电力负荷预测方法

利用人工智能领域中的多智能体模型技术设计了中长期电力负荷预测支持系统。主要包括人机界面、交互模块、预测模块和集成模块等。通过应用演化的优化集成算法,此方法可以综合现有的及未来的各种基础负荷预测方法的优点,得到准确度相对较高的中长期电力负荷预测结果。     

基于深度强化学习的居民实时自治最优能量管理策略

随着居民分布式资源的普及,如何考虑用户多类型设备的运行特性,满足实时自治能量管理需求以达到用户侧经济性最优成为亟待解决的课题。传统基于模型的最优化方法在模型精准构建和应对多重不确定性等方面存在局限性,为此提出一种无模型的基于深度强化学习的实时自治能量管理优化方法。首先,对用户设备进行分类,采用统一的三元组描述其运行特性,并确定相应的能量管理动作;接着,采用长短期记忆神经网络提取环境状态中多源时序数据的未来走势;进而,基于近端策略优化算法,赋能在多维连续-离散混合的动作空间中高效学习最优能量管理策略,在最小化用电成本的同时提升策略对不确定性的适应性;最后,通过实际情境对比现有方法的优化决策效果,验证所提方法的有效性。     

基于热路模型的变压器负荷智能系统研究

正突破传统保守的变电运行及调度控制管理模式,提出变压器负荷智能管理方案及动态负荷调度控制策略,基于先进成熟的计算机及信息通信技术,建立并优化变压器热路模型算法,通过实时在线监测信息的采集和分析,提升重点区域变     

基于电热氢混合储能的综合能源系统的能量管理优化研究

综合能源系统可以实现对电能、热能、氢气等混合能源的梯级利用,提高能源利用效率,在近年来引起广泛的关注。本文着重通过考虑风光出力和负荷波动的不确定性,提出一种基于场景法的综合能源系统的能量管理优化策略。首先,基于特定场景下建立包含“电、热、天然气、氢气”在内的综合能源系统各子系统的等效数学模型。然后,利用场景法处理风力、光伏发电以及负荷需求等不确定性问题。最后,以综合能源系统运行经济性及环境成本最小为目标函数对综合能源系统进行能量实时动态管理,给出各部件每个小时的出力期望值。仿真结果证明了搭建模型的正确性,验证了基于电氢混合储能综合能源系统的经济性和环保性。     

基于分时电价和激励补贴机制的家庭能量双层优化模型

为了降低居民日负荷曲线峰谷差,提高居民参与电网需求响应的积极性之前,文章基于分时电价和激励机制,提出双层模型实现家庭能量的优化调度。该模型以需求侧响应为手段,以家庭能量优化为策略,实现供电端与用电端的互动,刻画出电价、激励机制与用户用电行为之间的交互关系。外层模型在分时电价的环境下,采用模糊C-均值聚类算法(fuzzy C-means algorithm, FCM)对用户用电情况进行分析,以日负荷曲线削峰填谷为目标,设计包含激励补贴和峰谷系数的电力套餐。内层模型基于电力套餐实现家用电器的智能管理,模拟实施套餐前后的居民日负荷曲线,实时调整用电计划,使用户日负荷曲线满足电力套餐中的峰谷系数。通过仿真验证双层优化模型有效降低了用户日负荷曲线的峰谷差,且设计的电力套餐在用户侧有一定的实用性,有利于用户更加积极地参与电网的优化调度,满足电网削峰填谷的要求。     

不确定性环境下基于深度强化学习的综合能源系统动态调度

随着综合能源系统中间歇性能源和负荷不确定性的逐步增强,传统的调度方法局限于固定物理模型及参数设定,难以较好地动态响应源荷的随机波动。针对这一问题,提出了一种基于深度强化学习的综合能源系统动态调度方法。首先,以数据驱动方式构建面向综合能源系统的深度强化学习模型,通过智能体与综合能源系统的持续交互,自适应学习调度策略,降低对物理模型的依赖程度。其次,通过添加随机扰动的方式表征源荷不确定性变化特征,针对不确定性变化特征改进深度强化学习模型的状态空间、动作空间、奖励机制以及训练流程等关键环节,并经由近端策略优化算法优化求解,实现了综合能源系统的动态调度决策。最后,通过算例仿真验证了所提方法在不同时间尺度以及不确定性环境下的可行性和有效性。     

考虑阶梯型碳交易的多负荷聚合商协同优化调度与成本分配

可再生能源的大规模渗透给电力系统的稳定运行带来极大挑战。在供需两侧双重不确定性叠加驱动下,基于终端柔性负荷的需求响应资源亟待挖掘。考虑不同类型用户负荷差异化特性,引入基于合作共赢的多类型负荷聚合商,基于异类负荷响应行为互补特点参与电力系统灵活调度;同时,赋予各负荷聚合商碳交易集成商的双重身份进入碳交易市场,采用预测电负荷法为系统无偿分配碳排放配额,构建奖惩阶梯型碳交易模型。以多个负荷聚合商合作联盟运营成本之和最小为目标,构建多聚合商间交互合作的日前优化模型并进行求解;引入合作博弈Shapley值法,根据各参与者对合作联盟运营的贡献度,进行成本分摊。结果表明,合作运营机制下,联盟整体和个体的运营成本及碳排放量均大幅降低。     

计及多种储能协调运行的数据中心实时能量管理

随着互联网+、云计算的发展,数据中心能耗迅速增加,高能耗和高电费问题日益突出,对数据中心进行能量管理和优化是运营商提升市场竞争力的重要手段.但由于数据负荷、电网电价和新能源出力的不确定性,如何在实时运行时保证数据中心的运行经济性是亟待解决的问题.针对以上问题,考虑数据负荷调度、服务器休眠、多种储能协调运行、与电网交互等因素,建立了数据中心的实时能量管理模型.由于模型中多类型储能和批处理负荷各自的时段间耦合约束都会影响系统全局最优决策,需要分别对其进行解耦,故提出一种基于多维分段线性函数近似值函数的近似动态规划(PLF-ADP)算法的数据中心实时能量管理策略.仿真算例表明,所提多维PLF-ADP算法能够在随机环境下考虑数据中心中多类型储能和批处理负荷的协调运行,得到近似全局最优的实时能量管理策略,保证数据中心运行的经济性.