基于实时电价的含储能可再生能源系统协同调度策略

间歇性可再生能源和高渗透率的储能设备使能源系统的供需平衡控制愈加复杂,为能源系统的协同调度带来了挑战。针对含储能可再生能源系统,提出了一种基于实时电价的能源系统协同调度策略。首先,建立了含风光、储能系统、火电机组及多类型用户的可再生能源系统模型。其次,提出了一种双层规划模型,将实时电价和能源调度有机集成,实现了能源系统的协同调度优化。最后,基于KKT算法与改进麻雀优化算法实现模型求解。仿真实验表明了基于实时电价的协同调度策略对于含储能可再生能源系统的协同调度优化及系统效益提高具有重要意义。     

基于短期均衡模型的动态电价经济效率研究

针对动态电价是实现电力市场资源优化配置的重要途径问题,基于微观经济学理论建立了动态电价的短期均衡模型,通过实际算例分析了峰荷、用电总量、用户用电成本、消费者剩余、生产者剩余及社会剩余对动态电价的经济有效性。结果表明,动态电价能有效反映供电成本,引导用户有序用电,减少用电成本,具有良好的经济效率。     

基于智能负荷控制的分布式能源系统调控策略研究

为提高分布式能源系统（DES）经济性及运行效率,提出基于智能负荷控制的DES调控策略。首先,基于智能电表的测量数据,采用监督学习技术训练神经网络,构建智能负荷神经网络模型计算住宅可控有功功率;其次,考虑智能负荷与DES之间的互动关系,结合DES各设备运行及互补特性,构建智能分布式能源管理系统模型,分析其可控负荷的调度策略,并给出求解流程,利用IEEE-6节点系统进行算例分析。结果表明,DES总运行成本将随着需求响应控制的加强而降低,考虑智能负荷参与能源系统互动,可有效改善系统负荷曲线,减少切负荷现象,促进风电、光伏清洁能源的消纳。     

含有用户自主选择行为分析的电价套餐设计策略

基于用户自主选择行为并趋优的特性,提出了一种新型的电价套餐制定策略。首先,采用K-means算法对电力用户负荷特性曲线进行聚类分析,生成各类典型的用户负荷特性曲线;构建效用模型及用户选择概率模型,以效用最大化确定不同用电习惯的用户选择套餐的概率。其次,制定基于CVaR的售电商成本与风险模型,并以用户自主选择行为和售电商成本与风险等作为约束,以售电商利润最大化为优化目标,建立了电价套餐定制模型。最后,结合算例验证所提出的电价套餐的合理性及可行性。     

计及微网实时电价的并网运行控制策略

微网可以并网运行和孤岛运行,微网实时电价(Realtime Pricing,RTP)为并网优化运行策略提供参考标准,有利于发挥微网清洁环保、保障用户可靠用电、提高供电效益等优势,成为电力市场中的研究热点。并网运行时,微网与大电网进行功率交换,为了更好发挥微网的经济效益和环境效益,对微网的实时电价进行分析,并给出微网并网运行的控制策略。     

基于满意度的户用型微电网多属性需求响应策略

针对户用型微电网的负荷多样性、用户侧参与需求响应过程中满意度有待提高的问题,结合用户侧需求响应理论与数据挖掘的思想展开研究.首先,以用户综合满意度指数最大为目标函数,建立基于满意度的多属性需求响应策略模型,从用户的历史用电数据中挖掘用电行为习惯.其次,在传统细菌群体趋药性算法中引入禁忌搜索,提出禁忌细菌群体趋药性混合算...     

智能电网的定价模式研究与上海策略思考

2013年2月,国家电网公司公布了《关于做好分布式电源并网服务工作的意见》,突破了太阳能、光伏、天然气和生物质能多种分布式能源电网接入障碍,推动电网对分布式能源的接纳,是智能电网技术发展又一里程碑。随着智能电网各种先进技术的商业化推广,双向互动电力定价机制的技术基础日臻完备,电力定价机制的创新工作迫在眉睫。依据智能电网信息收集、分析、处理技术的先进性,结合上海市电力行业的特点,提出智能电网的销售电价定价创新建议与实施策略。     

基于双蓄电池组的家庭可再生能源实时优化策略

可再生能源发电的间歇性和居民用电的主观性制约家庭能源最优调度。文章提出一种基于双蓄电池组的家庭可再生能源日内实时优化策略。首先,根据预测将可再生能源划分为确定部分和不确定部分,对蓄电池存储系统划分为充电组和调度组,其中不确定部分单独存储在充电组;然后,在考虑可再生能源发电的确定部分、家庭负荷特性、蓄电池约束和分时电价的基础上,建立以用电成本最小化为目标的日内实时优化模型;最后,采用遗传算法对模型进行求解。算例结果表明,文章策略能降低用电成本,减少发电和用电不确定性对能源最优调度的影响。     

基于改进GSA-GWO算法的含分布式电源局部电网孤岛划分策略

为进一步提高局部电网在故障恢复过程中的高效性和可靠性,文章提出了一种基于改进GSA-GWO算法的局部电网故障下孤岛划分策略。首先,采用最优-最劣法对负荷进行评价,得到负荷权重值,从而确定局部电网故障下孤岛划分重要负荷恢复优先级;其次,结合负荷优先级确定负荷等级权重系数值,构建含分布式电源的局部电网孤岛划分目标函数模型;再次,为了获取更佳的目标函数求解结果,引入混沌反向学习和遗传退火算法（Genetic Simulated An-nealing, GSA）对灰狼优化算法（Grey Wolf Optimization, GWO）进行改进,以提高算法的优化性能;最后,以修改后的IEEE 69节点为例进行仿真分析,运用改进的GSA-GWO算法对局部配电网故障模型进行求解,得到更佳的孤岛划分结果。算例分析表明,文章提出的策略可准确实现局部电网故障下孤岛划分最优策略,保证了重要负荷的电力供应,验证了策略的有效性和优越性。     

再分配电价制度下储能和电动车集群协同调度的需求响应策略

以家庭为研究对象,研究储能和电动车集群协同参与需求响应的控制策略及经济可行性。在实际再分配电价制度下,提出了一种基于优先级的储能和电动车集群协同调度的需求响应策略,以最小化全年总成本为目标,通过遗传算法优化得出了储能设计参数和能源系统控制参数,对比了不采用需求响应和只利用储能提供需求响应的两种案例。研究结果表明,相比于不采用需求响应和只利用储能提供需求响应的两种对比案例,提出的策略能够分别削减59.8%和27.2%的全年用电总成本。同时,相比于只利用储能提供需求响应的情况,提出的储能和电动车集群协同控制策略能够削减储能成本,同时避免储能长时间失效。此研究结果对于家庭集群实现基于储能和电动车的需求响应具有指导意义。     

计及分布式光伏发电的分时电价模型研究

针对分布式新能源发电在配电网的大量接入,提出了一种计及分布式光伏发电的分时电价模型,通过模糊隶属函数对等效负荷曲线进行时段划分,基于消费者心理学建立用户响应曲线,并在考虑用户舒适度的情况下采用遗传算法进行求解。算例分析表明,分时电价可有效地进行削峰填谷,提高等效负荷曲线的负荷率,并兼顾到用户舒适度,说明了所提出的分时电价模型具有优越性和可实施性。     

基于灰狼算法的分布式电源优化配置

分布式电源(DG)的优化配置是主动配电网(ADN)规划中的重要环节,ADN中DG的合理配置对ADN的稳定运行具有重要意义。从电能供给侧出发,建立了考虑DG的投资和主动管理费用、系统网损及电压偏移的多目标联合优化配置模型,并根据1-9标度法对各目标权重系数进行设定。针对传统灰狼算法(GWO)在全局寻优能力和收敛速率上的不足,提出了引入混沌序列的GWO算法,并在IEEE33节点系统中对所提模型进行求解。结果表明,改进方法能对DG进行有效的优化配置,其收敛速度和寻优能力亦优于传统算法。     

基于Floyd-warshall算法的分布式电源孤岛划分

鉴于分布式电源孤岛运行能够保证重要负荷的不间断供电,提高系统可靠性水平,以孤岛内等效负荷最大建立孤岛划分模型,基于配电网络的树形连通图结构,应用Floyd-warshall算法与最小生成树法进行孤岛搜索,并引入孤岛可行域的概念,用深度优先搜索算法确定孤岛可行域范围,缩小了搜索空间,提高了孤岛搜索效率。实例应用结果表明,孤岛划分模型考虑了负荷的重要程度、动态负荷以及功率平衡、电压、电流等约束,符合工程实际,孤岛划分方法具有合理性和有效性。     

基于自适应遗传算法的分布式综合能源系统优化设计

针对分布式综合能源系统的非线性特征,构建了基于自适应遗传算法的系统优化模型,以系统最小成本为目标优化函数,同时考虑到系统的环保指标和运行可靠性等因素,运用MATLAB软件针对东南沿海一旅游岛屿进行了为期一年的动态运行仿真。研究结果表明：采用优化后的分布式综合能源系统发电成本仅0.8元/KW·h,而单一柴油发电机发电成本达到3.236元/KW·h。在提高系统供电可靠性的同时,大大降低了发电系统的运营成本。系统污染物排放量也得到了大幅降低,相较于单一柴油机发电形式,新的分布式综合能源发电系统的污染排放可以忽略不计,因此可很大程度改善岛上环境。     

基于GA-PSO的分布式光伏发电最大功率跟踪控制

为解决局部阴影下光伏阵列采用传统最大功率点跟踪(MPPT)易陷入多峰值的局部最优点问题,采用分布式构架的光伏阵列,提出了一种基于遗传粒子群(GA-PSO)的MPPT混合算法,GA-PSO算法结合了粒子群算法(PSO)的位置转移和遗传算法(GA)的全局搜索能力,使混合算法拥有比GA算法和PSO算法更好的追踪准确性和快速性。在MATLAB/Simulink平台上建立了基于GA-PSO的分布式最大功率跟踪控制(DMPPT)电路拓扑结构的光伏阵列仿真模型,仿真结果验证了所提算法的可行性和有效性,为MPPT技术改进提供一种参考方案。     

基于改进微分进化算法的分布式电源优化配置

为研究分布式电源接入对配网的影响,建立了包含发电收益最优、有功耗损最低和电压稳定度的多目标优化模型,并运用改进的微分进化算法对接入配网的分布式电源进行整体寻优,该算法将自适应策略融入到传统微分进化算法中,并结合Pareto占优概念将所有代非占优解存储到外部精英存档中。通过对IEEE-33节点的标准配电网算例分析,表明分布式电源的合理配置可使配网电压水平提升、减小有功网损、提升电压稳定指标,且所提模型和算法合理、可行。     

基于蚁群算法的多类型分布式电源优化配置

鉴于不同类型分布式电源接入配电网的位置及注入容量对系统潮流分布的影响,主要体现在能源的梯级利用率、电网规划成本、供电可靠性和电能质量等方面,在配电网规划建设期间建立各种分布式电源(DG)的出力模型,综合考虑需求侧的经济利益,建立以用户侧的投资运行成本和网络损耗费用最小为优化目标的函数,采用蚁群算法对函数进行求解得到优化的位置和容量。算例分析表明,该方法可以得到较为合理的方案,并可有效降低系统网损、节点电压偏差,提高需求侧的经济效益和电能质量。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用“解环”的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法（CAPSO）进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于纵横交叉算法在含分布式电源的配电网故障定位

摘要： 分布式电源（DG）接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法（CSO）,该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法（GA）和免疫算法（IA）与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。