基于集群负荷预测的主动配电网多目标优化调度

常规的配电网调度模式中,往往通过可控分布式电源、储能和柔性负荷来调节预测误差和实时波动,粗略地预测负荷值,这使得负荷预测往往不够精准,而且用可控分布式电源、柔性负荷或储能平衡配电网负荷波动,会造成较大的波动成本和备用成本.对此提出一种基于集群负荷预测的主动配电网多目标优化调度方法.采用模糊聚类的方法,对负荷进行集群划分...     

计及电动汽车和冷负荷响应的多楼宇联合优化调度研究

楼宇多呈现集群特性,通过楼宇间的功率交互和能源设备的优化出力,能进一步提高能源利用效率、减少环境污染.首先构建典型能源互联型楼宇,提出多楼宇联合运行结构.然后重点讨论室内冷负荷需求模型和电动汽车模型,通过适宜温度限制和温度惩罚函数对楼宇室温进行优化,以整体楼宇群的总运行成本为优化目标,提出考虑楼间功率交互的多楼宇联合优化调度模型.为增强说服力,增加各楼宇独立运行时的仿真,通过算例对比2种运行方式的经济成本,分析了电动汽车和冷负荷需求对系统运行的影响.结果表明考虑电动汽车和冷负荷需求会影响楼内微源的出力和经济性,进一步提高可再生能源的利用率,在一定程度上降低系统运行成本.     

计及柔性负荷的能源枢纽多目标综合优化调度

能源枢纽是多能源综合利用的主体单元,具有多能互补的优势。本文首先对基本的能源枢纽进行拓展,建立了包含风电、多种储能以及电转气(power-to-gas, P2G)设备的能源枢纽模型,并将用户侧的电、气、热等多种柔性负荷纳入需求侧响应资源。在此基础之上,考虑分时电价与分时气价,构建能源枢纽的多目标日前综合优化调度模型,并采用法线边界交叉(normal boundary intersection, NBI)法进行求解。最后,算例在四种不同的能源枢纽运行场景下进行测试,结果表明：P2G、储能以及柔性负荷参与调度,不仅能提高能源枢纽消纳风电的能力,还能降低经济成本和减小碳排放。     

基于机会约束规划的家庭用电设备负荷优化调度方法

为了解决家庭负荷优化调度中的不确定性参数问题,以非侵入负荷监测数据为基础,提出一种基于机会约束规划的家庭用电设备负荷优化调度方法。该方法采用机会约束规划方法构建了一个包含多种随机变量的优化调度模型,并结合随机模拟技术与粒子群优化算法求解决策结果。设置不同的置信水平和时变温度约束区间反映用户对约束违背容忍度与用户多样化舒适区间的选择,并讨论了两者对调度结果的影响。算例仿真结果表明,所提模型能够在随机变量扰动下为用户提供一个具有良好鲁棒性的零容忍度方案;用户也可通过损失一定的舒适度和调整温度约束区间换取经济而多样化的用电决策。     

基于虚拟发电厂理论的双侧调峰多目标协调优化调度

随着大规模新能源并网以及需求侧多样化的灵活性资源接入,电力系统的安全稳定运行正经受着源与荷双重不确定性的考验。为实现广域能源的优化调度,需要对新能源与灵活性资源进行协调控制。基于虚拟发电厂理论,将储能系统、电动汽车、柔性负荷以及分布式新能源等需求侧灵活性资源通过虚拟发电厂方式整合后,同电源侧资源一同接受电网的调度,建立了基于系统调峰指数、电网运行成本以及用户补偿成本的电源侧与需求侧协同调峰的多目标优化模型。该模型能够充分发挥电源侧和需求侧的调峰能力,实现新能源的可靠消纳。仿真分析结果验证了该模型的有效性。     

基于模糊多目标优化的负荷优化分配研究

针对火电厂负荷优化分配,基于煤耗最小的单目标优化的局限性,提出了兼顾全厂煤耗最小和完成变负荷时间最短的双目标负荷优化分配模型,利用模糊理论将此双目标函数处理成相同约束条件下的单目标函数;然后用动态规划法求解,并将此结果同只考虑煤耗最小的单目标优化模型的结果相比较;最后对4台机组进行仿真。结果表明:采用多目标模糊优化设计对负荷优化分配效果良好。     

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。     

协调储能与柔性负荷的主动配电网多目标优化调度

为了更多的消纳可再生分布式能源,在主动配电网的优化调度中,考虑储能和柔性负荷的时空联系与网络潮流的影响,构建了以可再生能源利用率最大、网络损耗最小和用户满意度最高为目标的主动配电网优化调度模型。然后提出AHP?熵权法计算各子目标权重系数,并采用含非线性递减惯性权重的粒子群算法求解所建模型。同时通过设定可控分布式发电单元、储能系统及柔性负荷的调度优先级量化主动配电网各单元间的协调作用。最后进行了算例分析,仿真结果表明储能和柔性负荷的协调优化会增加可再生分布式发电的利用率,所提的调度优先级有效减小了网络有功损耗,提高了用户满意度,从而验证了这种优化方案的合理性。     

计及储能和空调负荷的主动配电网多目标优化调度

为了实现可再生分布式能源的充分消纳以及配网负荷峰谷差的降低,提出了一种考虑储能系统和空调负荷的主动配电网多目标调度优化方法。首先,基于空调负荷等效热参数模型和状态列队控制方法,给出了空调负荷虚拟电厂运行参数的计算方法。在此基础上,构建了一种以可再生能源功率削减量最小、配网运行费用最小和负荷曲线方差最小为目标的主动配电网优化调度模型。最后,采用多目标粒子群算法在改进的IEEE 33节点测试系统上对所提模型进行求解和仿真分析。仿真结果表明,所建模型可以有效地提升可再生能源的消纳能力,优化负荷曲线。     

基于动态调度优先级的主动配电网多目标优化调度

供需互动的主动配电网调度技术为应对可再生能源的高比例接入提供了新的思路。在多种不确定性的环境下,本文建立了需求侧资源(如柔性负荷、电动汽车等)和供给侧资源(如储能装置、可控分布式电源等)互动调度机制,综合考虑可调度资源的实时状态和历史数据信息,建立可调度资源动态调度优先级(DSP)评估体系。在此基础上,根据DSP评估结果对各类可调度资源进行协调控制,以达到调度成本最小、可再生能源利用率最大以及用户满意度最高的主动配电网优化目标。最后结合某11节点配电网络,通过改进粒子群算法对调度模型求解,验证了调度模型和求解算法的有效性和可行性。     

基于多目标优化的ISMA-CNN-BiLSTM短期负荷预测

为提高短期负荷的稳定预测能力,提出一种基于多目标的改进黏菌算法(improved slime mould algorithm, ISMA)的卷积神经网络-双向长短期记忆(CNN-BiLSTM)短期负荷预测模型。针对现有黏菌算法(slime mould algorithm, SMA)易陷入局部最优且全局搜索能力存在一定局限的问题,首先,采用Sin混沌映射生成初始黏菌种群;其次,引入Tent混沌映射和高斯变异来提高种群的多样性,增强寻找局部最优解的概率;同时,还引入了新的自适应惯性权重和融合随机扰动、贪心策略等改进方法,以优化算法的全局搜索能力。此外,为了验证ISMA的优势,基于不同类型的测试函数进行实验,相较于其他算法,ISMA具有更高的寻优精度和更快的收敛速度。最后,对某区域的真实负荷数据进行分析,结果表明,在预测一周负荷时,所提出的模型相较于CNN-BiLSTM和SMA-CNN-BiLSTM模型,其平均绝对百分比误差分别降低了1.79%和1.04%,进一步验证了ISMA-CNN-BiLSTM模型在短期负荷预测方面具有较高的准确性。     

基于信息间隙决策理论的微电网多目标鲁棒优化调度

针对预测技术难以准确获取实际的可再生能源出力和负荷大小,其随机性影响微电网控制策略及用户经济性的问题,基于含光伏系统、储能系统和负荷的并网型微电网,考虑分时电价和需量管理,以用户日电费成本最低为目标函数,建立一种需量管理捆绑峰谷套利的微电网日前优化调度模型。基于该模型,计及光伏出力和负荷的波动性,提出基于信息间隙决策理论（Information Gap Decision Theory,IGDT）的微电网多目标鲁棒优化调度模型,制订具有鲁棒性的调度方案,并研究预设目标成本与光伏出力及负荷波动区间的定量关系。利用ε-约束方法刻画多目标问题的Pareto有效前沿,运用模糊满意度理论确定Pareto解集中的折中解,为运行人员提供合理的鲁棒决策方案。通过对某工业微电网进行仿真,并与蒙特卡洛法对比分析,验证了所建模型的可行性和有效性。     

基于改进鲸鱼优化算法的多目标无功优化调度

在鲸鱼优化算法(WOA)对求解电网无功优化问题中容易陷入局部最优、收敛速度慢、求解精度低等缺点时,本文将一种引入冯诺依曼拓扑结构的改进鲸鱼优化算法(AWOA)应用到ORPD问题中,在鲸鱼对猎物进行狩猎行为时,能够增加猎物的多样性,提高了算法的全局搜索能力。以系统有功网损和电压偏差为双目标函数,对IEEE 30节点系统进行仿真,并利用方差分析法(ANOVA)将所得结果与基本鲸鱼优化算法(WOA)、粒子群优化算法(PSO)进行比较,研究表明AWOA算法在搜索能力、迭代次数、收敛性上的潜力,并证明了在解决ORPD问题上的有效性、高效性及鲁棒性,同时也为解决非线性约束问题提供了新途径。     

水火电力系统多目标优化调度

水火电力系统多目标优化调度模型的确定在整个电网经济、安全运行中起着非常重要的作用。本文首先分析了大型水库的3种水能形式,建立了水电站发电模型,并在此基础上提出了耗水微增率的计算模型。在考虑发电成本时,引进了煤炭价格因素,并建立了新的发电成本函数模型。最后以水电站总发电用水最少和火电站总发电成本最低为两个目标函数建立调度模型,并对该模型进行了优化计算。仿真计算结果表明了本文提出的调度准则具有可行性和适用性,能给系统调度员作出最佳决策提供一定的依据。     

负荷预测对新能源电网多目标优化调度的影响规律研究

当前负荷预测的主要目标是提高算法精度,无法实现不同预测精度对新能源电网调度影响的量化分析,因此研究了不同负荷预测精度对新能源电网成本和二氧化碳排放量的影响。首先,确立了包含火-水-光-风电机组新能源电网的多目标函数和约束条件。其次,探讨了粒子群算法在新能源电网调度中的优化思路。再次,利用灰色算法对负荷进行预测并给出了预测结果。最后,求解了粒子束优化调度时不同负荷预测精度下新能源电网运行成本和二氧化碳排放量的数值结果,并进行了拟合规律分析。结果表明负荷预测精度和新能源电网的成本和二氧化碳排放满足二次函数关系,可为新能源电网的规划和调度提供借鉴。     

计及储能与可控负荷的智能楼宇系统短期优化调度

本文以深度挖掘源-荷互动潜力为目标出发,提出了一种分布式动态可重构电池网络架构的楼宇储能系统拓扑,以提高智能楼宇储能系统的灵活调度能力。首先,通过深入分析楼宇系统内不同类型的可控负荷的工作特性和可中断负荷的反弹效应,建立楼宇可控负荷的区间内可调度裕值指标。在此基础上,考虑用户的用电舒适度和楼宇系统调度区间内实际可调度裕值,以楼宇系统调度成本最小为目标函数建立了短期优化调度模型。最后,应用改进的粒子群算法在IEEE14节点配电系统上对所提的模型进行求解和仿真分析。仿真的结果表明所提出的调度模型可以有效地提升新能源的消纳能力和降低楼宇负荷的功率波动。     

基于DWT-MOSMA-SVM的多目标优化短期母线负荷预测

母线负荷基数小，波动性和不确定性大，随着光伏、风电等可再生能源的接入，母线负荷受天气等随机性因素的影响增加，母线负荷的高精度预测受到很大影响。针对小样本场景下母线负荷预测问题，提出了一种基于离散小波变换-多目标黏菌算法-支持向量机(discrete wavelet transformation-multiple objective slime mould algorithm-support vector machine, DWT-MOSMA-SVM)的多目标优化短期母线负荷预测方法。首先采用离散小波变换对母线负荷数据进行处理；然后兼顾预测的精度和稳定性两个目标函数，采用多目标黏菌算法对支持向量机的惩罚因子和核函数参数进行优化；最后在优化所得的Pareto前沿面上选择Pareto最优解，以此搭建支持向量机(support vector machine, SVM)预测模型进行训练，并将预测结果与长短期记忆网络(long short-term memory, LSTM)、未优化的SVM以及多目标黏菌算法(multi-objective slime mold algorithm, MOSSA)...     

基于多目标优化的配电网负荷转移路径研究

建立了配电网故障后负荷转移路径优化模型,提出了优化的目标函数和约束条件。应用带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）求解该多目标多约束优化问题,得到的最优解集能更好地反映优化问题的本质,并结合熵权法建立了综合最优解的提取方法。根据提出的算法,编制了应用于配电网负荷转移的程序,用IEEE33节点算例验证了该算法的可行性。