基于能源区块链网络的虚拟电厂运行与调度模型

区块链作为一种全新的去中心化基础构架和分布式计算范式,融合并创新了多种计算机技术。虚拟电厂(virtual power plant,VPP)是能源互联网中的一个重要分支,在聚合分布式发电资源和建立虚拟电力资源交易等方面发挥着重要的作用。该文针对现有的VPP模型中存在的问题,将区块链技术引入VPP,提出一种能源区块链网络模型,进而提出一种改进的VPP运行与调度模型。通过仿真实验,对比了该模型与原有的VPP运行模式在煤炭消耗、温室气体排放和经济成本等方面的数据。仿真结果表明,该模型可更好地反映需求侧实时信息,更有利于VPP进行环境友好、信息透明的稳定调度,也提高了系统的数据安全性和存储安全性。     

基于模仿者动态算法的虚拟发电厂内部分布式发电资源均衡调度方法

为优化整个虚拟发电厂(virtual power plant,VPP)内部分布式发电资源(distributed energy resources,DER)的调度成本,基于VPP的多代理结构形式建立了VPP内部DER的均衡调度模型,以实时满足系统负荷需求为条件,利用模仿者动态算法处理VPP内部调度资源分配问题。通过分析不同种类DER的适应度系数与可调容量,提出多方共赢的VPP内部DER的均衡调度策略:适应度系数越小(即调用成本越低)、可调容量越大的DER参与调度的机会越多,反之越少。算例分析证明了所提模型和算法的合理性和有效性。与传统基于市场机制的VPP调度方法相比,模仿者动态算法在解决VPP内部DER调度问题方面能有效控制调度成本,同时具有简便、易拓展的特点。     

基于能源区块链的虚拟电厂两阶段鲁棒优化调度

随着可再生能源电力接入比重逐渐增大,电力系统的构架、控制方式、运行模式等开始发生改变,将区块链技术引入能源互联网系统中,形成能源区块链网络,有利于解决信息安全等问题。将区块链引入虚拟电厂(VPP)的调度运行机制中,针对新能源参与的电力系统模型,提出适用于VPP的实用拜占庭容错算法共识机制以实现区块链下半中心化的两阶段鲁棒优化调度模型,保留了VPP控制中心的导向作用。阶段1对预调度方案进行求解;阶段2利用区块链技术获取历史数据,建立数据驱动的风电出力不确定集合用于求解调控方案,该约束集合可排除部分极端场景,降低了模型的保守度。优化过程中利用区块链共识机制的验证作用,摒弃了被恶意节点篡改的信息,增强了系统的容错能力。通过算例仿真验证了所提方法的有效性。     

基于改进灰狼优化算法的分布式能源系统优化调度

为了提高分布式能源系统（Distributed Energy System,DES）运行的经济性，以DES运行成本最小为目标函数，建立了基于改进灰狼优化（Improved Grey Wolf Optimization,IGWO）算法的分布式能源系统优化调度模型。采用Tent混沌映射和非线性调整收敛因子策略对灰狼优化算法（Grey Wolf Optimization,GWO）进行改进，提高了算法的性能。利用某综合大楼分布式能源系统进行算例分析，并与其他优化算法的求解结果进行对比，结果表明，IGWO算法收敛时的迭代次数更少，收敛时间更短，与其他三种算法相比，运行成本最低，各项指标均优于其他优化算法，在此调度方案下，各分布式电源出力合理，验证了本文DES优化调度模型的正确性和求解方法的有效性。     

基于区块链和梯度修正法的分布式经济调度策略研究

分布式经济调度计算负载均衡、可扩展性强,适用于电源分散分布的场景。区块链作为分布式对等网络,具有去中心化、安全性高和数据高度共享等特征,与分布式经济调度的需求相契合。针对分布式经济调度中全局信息共享难、存在个体欺骗以及安全性不足的问题,提出了基于区块链和梯度修正法的分布式经济调度策略。该策略考虑配电网的多种约束,采用统一微增变量的梯度修正法迭代计算各电源功率,实现电网最小经济成本下的最优功率分配。对以太坊技术进行了调整和改进,大幅降低其算力消耗和部署成本。并将调度算法合约化,结合区块链的存储、共识和加密机制优化节点间的信息共享,防止个体欺骗行为,提高系统的安全性。仿真实验和分析表明,基于区块链和梯度修正法的分布式经济调度策略收敛速度快,具有良好的鲁棒性、安全性及可扩展性。     

基于边缘计算的能量自治区域调度策略

为了提升配电物联网基础数据海量增长背景下能量调度的效率,提出了基于边缘计算的能量自治区域调度策略,构建能量自治系统边缘计算架构和优化调度模型。该方法将大部分数据处理和储存工作下放至网络边缘侧,降低网络传输成本并且减少调度中心计算量,边缘侧采用基于莱维飞行的改进粒子群算法进行优化调度,既可以独立进行优化工作,也可以边云交互完成整体调度。相比于传统集中式调度策略,该方法可节省约90%的系统整体优化时间,且云层以及边缘层所进行的总迭代次数较集中式调度减少60%以上。最后以某地区电力负荷及分布式电源预测出力数据为算例进行仿真计算,结果表明基于边缘计算的优化策略有效地提高了能量调度的效率。     

计及用户分级的虚拟电厂经济调度

虚拟电厂(Virtual Power Plant, VPP)通过需求响应(Demand Response, DR)引导用户参与电力市场,充分发挥了分布式电源的调度灵活性。而传统的VPP调度策略局限于单一响应用户类型,为此,提出了一种计及分级用户边际停电成本的VPP经济优化调度模型,并综合考虑风、光、DR不确定性影响。首先基于各用户响应的共性及特性,建立了DR激励模型。其次以激励相容为约束,建立了兼顾系统运行成本和DR效用的VPP经济优化调度模型。最后通过算例分析验证了所提模型的可行性。结果表明,相较传统需求响应激励策略,计及用户主动性和多元性可进一步提升VPP内供需双方经济效益,实现供需侧效益均衡。     

奖惩机制下虚拟电厂优化调度效益分析

虚拟电厂(virtual power plant,VPP)是聚合分布式发电、分布式储能及需求响应等分布式能源(distributed energy resources,DERs)进行统一管理并参与电力市场的有效技术形式。而VPP的功率不确定性问题不仅对其内部运行提出了挑战而且对提供给系统良好服务构成威胁。通过分析VPP市场合同实施、随机发电出力和可中断负荷响应的功率不确定性,建立了相应奖惩机制,即市场合同违约惩罚机制、弃风弃光惩罚机制和可中断负荷响应奖惩机制。基于奖惩机制,兼顾VPP运行经济和风险效益,制定了VPP协调调度策略。以VPP净利润最大为目标,兼顾系统运行约束,建立了奖惩机制下的VPP优化调度模型。通过对改进IEEE30系统算例仿真,验证了所提模型的有效性。     

计及安全约束的虚拟电厂两层优化调度

随着分布式电源接入电网比例不断提高,其出力的随机性和间歇性对电力系统安全稳定运行造成威胁,虚拟电厂(VPP)为有效解决分布式电源并网提供了新思路。风电等可再生能源的发电和电价具有不确定性,如何在不确定环境下提高VPP的可调度性成为研究热点。针对电价预测精度高、误差分布较为规律的特点,采用随机规划法处理电价的不确定性,对于风电等可再生能源的出力,其预测误差通常难以准确地用概率分布描述,采用鲁棒优化法处理,在此基础上建立VPP优化调度的上层经济调度模型。进一步考虑电网的安全约束,建立VPP优化调度的下层安全调度模型,最终形成VPP两层优化调度模型。通过对改进的IEEE 33节点系统及由风电场、抽水蓄能电站和燃气轮机组成VPP的算例分析,验证了所提模型的可行性和有效性。     

区块链技术在虚拟电厂交易中的应用综述

区块链技术自提出以来被应用到各行各业中，因其透明安全的交易环境以及共同维护的节点信息被人们应用到虚拟电厂(virtual power plant, VPP)中，满足VPP聚合各类分布式能源，构建以清洁低碳能源为主体的能源供应体系以及电力系统安全运行和综合防御体系。从区块链与VPP的概念出发，对共识机制、加密技术、分布式存储以及智能合约四个方面在VPP的适用性与应用场景进行了分析。最后对区块链在VPP应用中遇到的问题进行分类总结，旨在提升VPP与分布式电源交易的灵活性以及数据管理的安全性，为VPP与区块链进一步结合优化电力市场结构提供了思路。     

虚拟电厂参与下的配电网分布鲁棒优化调度

虚拟电厂（virtual power plant, VPP）可以对分散的灵活性资源进行聚合,通过能量管理系统进行统一协调调度,是实现智能配电网的重要技术之一。提出一种不确定性环境下VPP参与下的配电网分布鲁棒优化模型,可降低损耗和提高运营商收益。分析VPP与配电网的信息及能量交互特性,提出了多个VPP参与下配电网的优化调度策略,在此基础上针对可再生能源出力以及负荷不确定性,引入分布鲁棒优化理论,建立基于典型场景的VPP-配电网分布鲁棒优化调度模型,并采用列和约束生成算法进行求解。最后,通过IEEE 33节点系统进行算例分析,验证了该模型的有效性与准确性。     

主动配电网下分布式能源系统双层双阶段调度优化模型

主动配电网下分布式能源系统的调度优化是实现经济及安全运行的重要保障,也是提高分布式能源有效利用率的重要途径,构建主动配电网双层能量管理下的双阶段调度优化模型及其求解算法。在负荷预测及间歇式能源出力预测的基础上,构建分布式能源系统的日前和实时两阶段调度优化模型。为求解上述模型,在传统帝国竞争算法(ICA)的基础上引入微分进化因子(DE),建立基于微分进化改进的帝国竞争优化算法(DE-ICA)。将所提模型应用于改造后的IEEE 33节点调度优化问题,仿真结果表明,双层双阶段调度优化能够有效地提高分布式能源利用率,降低系统运行费用,且验证了所提算法在求解此类优化问题时的有效性和优越性。     

基于在线分布式优化的虚拟电厂自趋优运行方法研究EI北大核心CSCD

虚拟电厂(virtual powerplant,VPP)需要在快速变化的运行环境下协同大量分布式能源(distributed energy resources,DERs)满足上级电网的调节需求。当前有关VPP优化运行的研究需在每一个控制时段消耗较多的运算与通讯时间,不易应对快速变化的运行环境。自趋优(self-approaching optimization,SAO)为VPP运行提供了全新的理念,主张在变化的环境中,以细粒度的时间间隔快速更新DERs,确保VPP不断趋近于最优的运行状态。为实现这一理念,该文提出基于在线分布式优化(online distributed optimization,ODO)的VPPSAO运行方法。首先,建立含非储能型DERs和储能型DERs的VPP运行统一模型;其次,通过模型松弛变换等技术依次解决时间耦合、空间耦合、变量快速更新、激励机制与自主响应等问题,形成基于ODO的自趋算法;进而,定义趋优间隙以量化算法可能产生的最优性损失,并从理论上证明提出的算法具有严格的趋优间隙上确界。以分布式光伏、储能及电动汽车等DERs为例构造测试VPP,与其他不同方法进行算例对比,验证SAO运行方法在约束满足、优化性能、计算效率等方面的优势。     

基于粒子群算法的制氢电解槽运行控制策略

新能源制氢系统的优化调度、经济性与制氢效率密切相关,针对现有新能源制氢系统制氢效率低的问题,提出一种基于粒子群算法的新能源制氢系统控制策略。首先,基于质子交换膜电解槽模型,分析电解槽工作特点与制氢效率的关系,提出一种基于粒子群算法的制氢系统运行控制策略,提高制氢效率;然后,建立了考虑系统制氢效率的新能源制氢系统优化调度模型,并采用粒子群算法求解最佳制氢功率;最后通过电网实际运行数据的仿真分析,证明所提出制氢系统控制策略相较于传统的启停控制策略能够有效提高系统制氢量,提高系统收益。这为制氢系统在电网中的大规模应用提供了理论依据。     

基于区块链的智能电网分布式资源管理研究

针对智能电网中分布式能源系统存在的管理困难,电力资源难以调度等问题,提出了一种基于区块链技术的电力网络管理系统。使用以太坊作为开发平台,建立分布式能源的电力交互管理区块链。使用股权证明(PoS)变异算法确立区块链中发用电双方共识机制,指定交易双方中的记账人;通过K-means聚类算法和粒子群优化算法(PSO)来设计分布式电能调度策略,进一步保障电网中能源交易分配的可靠性,最终实现电力运营智能合约下分布式能源的有效管理。实验结果表明：在智能电网中部署电力交互管理区块链,有效解决了分布式能源交易难达成,耗时长的问题,提高了电网中资源管理的合理性。     

基于ICA和NSGA-Ⅱ组合算法的微电网优化调度

为了提高微电网运行的经济性,提出了一种基于ICA和NSGA-Ⅱ组合算法的微电网优化调度方法。首先对含有多种分布式电源的微电网结构进行分析;然后通过ICA算法筛选对微电网运行经济性影响较大的因素,并建立相关目标函数和约束条件;接着结合改进NSGA-Ⅱ算法建立优化调度模型;最后利用该组合算法对含多种分布式电源的微电网进行优化调度仿真分析。其结果表明：基于ICA和NSGA-Ⅱ组合算法的后期搜索能力强,且收敛速度快。通过该算法得到微电网经济运行成本值仅为1 120.2元/天,比PSO算法和FPA算法分别少了150.5元/天和733元/天,并且其收敛速度比PSO算法快28%。此外,通过组合算法得到的微电网优化调度能够有效调节系统内分布式电源输出功率,使得系统功率分配更合理。当电网售电价高和负荷大时,充分利用分布式电源发电以降低购电成本,起到削峰填谷的效果,使系统运行的经济性达到最佳。     

考虑需求侧响应的微电网经济优化调度

为了解决微电网的经济最优调度问题,建立了微电网系统的分布式电源模型,引入需求侧响应模型,以平衡峰谷负荷的巨大差异;利用改进的内部搜索方法建立微电网系统模型,进行优化调度,并将其计算结果与典型调度策略进行比较,验证了改进算法的优越性。     

基于强化学习的直流微电网分布式经济下垂控制

针对直流微电网在传统下垂控制下整体运行成本偏高且存在电压静态偏差的问题,提出一种基于强化学习的完全分布式经济下垂控制策略.通过分布式一致性算法寻找系统最优经济运行点,并利用偏差调整和Adam算法优化经济下垂系数,以提高计算的速度与效率;通过改进强化学习原理进行电压的二次优化控制.利用MATLAB/Simulink搭建具有不同运行成本单元的直流微电网仿真模型,结果验证了所提策略的有效性和优越性以及即插即用特性.     

计及不确定性和需求响应的风光燃储集成虚拟电厂随机调度优化模型EI北大核心CSCD

为促进以风光为代表的分布式能源发电并网,集成风电、光伏发电、燃气轮机、储能系统和激励型需求响应为虚拟电厂(virtual power plant,VPP),引入条件风险价值(conditional value at risk,CVaR)理论和置信度方法描述VPP运行不确定性,以运营收益最大化为目标函数,建立VPP常规调度优化模型,确定VPP运行收益的门槛值。然后,应用CVaR理论描述VPP运行目标函数中不确定性因素,应用置信度方法转换含不确定性变量的约束条件,建立考虑运行风险的VPP随机调度优化模型。最后,选择改进IEEE 30节点系统作为仿真系统,结果表明:价格型需求响应能够平缓用电负荷曲线,储能系统和激励型需求响应能够增加VPP运营收益。VPP常规调度收益为9 550.19元,风光并网电量为12.49 MW×h,风险规避调度收益为8 995.34元,风光并网电量为11.31 MW×h,这意味着CVaR理论和置信度方法能够用于描述VPP运行风险,通过设置门槛值和置信度反映决策者风险态度,为决策者提供风险控制工具。     

基于碱性电解槽宽功率适应模型的风光氢热虚拟电厂 容量配置与调度优化

为提高能源利用效率,降低碳排放水平,改善虚拟电厂运行效益,构建了基于碱性电解槽宽功率适应模型的风光氢热虚拟电厂(Virtual Power Plant, VPP)模型。将制氢电解槽、氢燃料电池、储氢罐构成氢能系统,代替传统虚拟电厂中的蓄电池,并提出碱性电解槽宽功率适应模型,提高电解槽在不同输入功率条件下的适应性。利用氢能系统运行时产生热量对系统负荷实行热电联供,并将电解槽产生氧气出售。在此基础上,使用改进多路无网格光线寻优算法对各设备出力调度与设备容量配置进行优化。仿真结果表明,该算法在计算精度和速度上有一定提高。基于碱性电解槽宽功率适应模型的风光氢热VPP,在降低系统运行成本的同时可以有效应对风、光出力波动,提高风、光消纳水平,减少碳排放。