计及多时间尺度需求响应资源的微电网能量优化调度策略

随着电力体制改革的深入,用户侧微电网逐渐形成多方投资+集中管控的运营模式,研究计及运营商利益的微电网能量优化具有重要的现实意义。文章提出一种以运营商购售电收益最大化和需求响应补偿成本最小化为目标的微电网能量优化调度策略。该策略计及需求响应多时间尺度特性,将集群空调和集群电动汽车2种需求响应资源纳入日前-日内-实时3种时间尺度调度计划中,并根据各阶段可再生能源预测信息以及电价信号,逐级优化储能出力和需求响应供应量,实现运营商的全局利益最大化。负荷聚集商基于集群空调和集群电动汽车的控制模型预测各时段可控负荷容量并实时响应调度指令。最后,通过算例验证本文所提调度策略的有效性。     

基于模型预测控制的微电网多时间尺度协调优化调度

微电网多时间尺度优化调度是消纳间歇性分布式能源的有效技术手段,针对传统基于潮流断面信息的多时间尺度优化方案易出现机组调节响应不及时、计划跟踪误差较大等问题,提出了一种基于模型预测控制(MPC)的多时间尺度协调调度方法。在日前调度阶段,综合考虑电价峰谷差、储能寿命及可再生能源随机性,建立了以系统运行成本最低为优化目标的最优经济调度模型。在日内调度阶段,为应对可再生能源日前预测误差带来的联络线功率波动,同时为确保储能满足日运行能量平衡约束,提出了一种基于MPC的日内滚动优化校正策略。采用有限时间窗内的滚动优化调度代替传统单断面优化调度,提前感知未来一段时间内的可再生能源出力及联络线计划的变化从而对机组出力进行调整,同时结合时域滚动和系统实时状态的反馈校正,更大限度地消除了微电网中不确定性因素的影响,确保了日前计划的合理性及系统运行的稳定性。以某示范微电网为例,通过算例分析验证了所提模型及算法的有效性。     

基于分布鲁棒模型预测控制的微电网多时间尺度协同优化调度

源荷多元不确定性给“源荷储”一体化微电网优化调度带来了诸多挑战,但传统方案存在优化模型过于片面极端和时间尺度单一导致调度不合理的问题,无法兼顾可靠性和经济性,并且难以协调不确定性分析方法与不同时间尺度之间的配合关系。基于数据驱动的多离散场景分布鲁棒方法,提出了一种微电网两阶段分布鲁棒日前优化调度模型,使用列和约束生成算法进行求解。结合改进分布鲁棒优化的不确定方法、多时间尺度调度策略和模型预测控制理论,通过逐级细化调度时间尺度和减小预测周期的长度来提高精度,以最小化发电成本以及调节成本等为目标建立了日前-日内多时间尺度滚动优化调度模型,在较大程度上抵抗了系统不确定性因素的影响。结合算例仿真分析,进一步说明了所提模型能够有效消纳新能源、降低运行成本并且兼顾安全经济。     

计及电动汽车参与多元需求响应的微电网多时间尺度优化调度模型

为深入挖掘电动汽车的可调度潜力,缓解含高比例新能源微电网的供能压力,结合多元需求响应技术,提出一种考虑电动汽车资源参与的微电网多时间尺度优化调度模型。在日前调度阶段,一部分电动汽车资源与价格型需求响应技术相结合,以用户的综合满意度为目标进行优化。微电网基于价格型电动汽车资源的调度计划,以经济低碳成本最低与灵活性满足度最大为目标进行优化,确定各侧可调资源的调度安排。在日内调度阶段,另一部分电动汽车资源与激励型需求响应技术相结合。微电网能量管理中心作为领导者,以运营成本最小为目标,激励型电动汽车群作为跟随者,以用电成本最小为目标,构建微电网日内主从博弈模型进行滚动优化,双方基于补贴价格与用能策略进行博弈。最后,基于某微电网场景进行仿真验证,结果表明所提模型能够降低用户用电成本,减少负荷曲线的峰谷差,实现新能源的全消纳。     

基于模型预测控制的多时间尺度无功电压优化控制方法

针对高比例风电接入下电网电压快速、频繁波动的问题,提出了基于模型预测控制(MPC)的多时间尺度电网无功电压优化控制方法。在日前优化安排离散无功补偿设备的基础上,日内采用基于MPC的滚动优化及校正控制思路,利用连续无功补偿装置对电压进行控制。首先,建立基于灵敏度的电网电压预测模型,预测得到未来多个时刻的电网电压运行状态;然后,以未来多个时刻的电网电压预计控制偏差最小为优化目标,建立日内滚动优化控制模型,求解得到连续无功补偿装置的无功控制计划,并通过电压控制偏差校正,完成日内无功电压模型预测控制;最后,以我国"三北"地区某风电场集群为例进行仿真计算,通过与传统电压控制方法进行对比,验证所提方法在提高电压控制水平方面的可行性和有效性。     

计及调度优先级的微电网多时间尺度优化调度策略

随着负荷用户的大量增长,负荷侧可调资源逐渐增多,利用负荷侧需求响应资源参与微电网调度,以提升新能源消纳水平。为充分发挥需求响应资源调度潜力,优化用户侧负荷管理能力,提出一种计及调度优先级的微电网多时间尺度优化调度策略。首先根据不同需求响应资源响应特性进行划分,将价格型需求响应资源与激励型需求响应资源细分为5种类型,构建需求响应模型与调度时段进行匹配;其次,构建“日前-日内1 h-日内15 min”的微电网多时间尺度优化调度模型,对微电网内各类可调资源进行优化调度,并针对直接影响用户用电行为的实时可调资源建立优先级权重;最后,以福建地区某实际微电网为例,仿真验证了该模型的有效性。     

考虑电动汽车需求响应的微电网预测控制研究

电动汽车数量的日益增长使得微电网内的不确定性不断增加。针对集群电动汽车到达时刻的不确定性以及到达时刻剩余电量的不确定性,建立了一个双层模型预测控制策略对接入微电网的电动汽车进行最优充放电管理,以降低主网与微电网之间的交换功率。在上层集群电动汽车充放电优化中,考虑下层单个电动汽车的充电需求,并根据充电紧迫性将其划分为参与调控的电动汽车和不参与调控的电动汽车。仿真结果表明,所提方法在集群电动汽车充放电管理上具有更好的表现,且更加贴近现实情况,更易满足居民需求。     

计及需求侧响应的综合能源系统多时间尺度优化调度

综合能源系统作为能源互联网的物理载体,实现其合理调度成为当前研究的重点。考虑可再生能源和需求侧负荷波动,利用价格型和替代型需求侧响应特性,建立计及需求侧响应的日前-日内优化调度模型,其中日内根据电、冷/热和气调度时间的差异性,提出3层滚动优化调度模型。算例分析表明,引入需求侧响应的多时间尺度优化调度模型能能抑制日内可再生能源和负荷的波动,提高系统的稳定性,进一步降低系统运行成本。     

基于差异化需求响应模型预测控制的微网时域滚动优化调度

为充分利用需求响应资源并提升微网优化调度的可靠性,首先提出以日综合运行成本最低为目标构建计及差异化价格型需求响应的日前优化调度模型,并以此为基础,进一步将差异化需求响应机制与模型预测控制方法相结合,以滚动时域综合运行成本最低为目标构建基于日内时域滚动优化调度模型;鉴于上述微网时域滚动优化调度为复杂的动态优化问题,提出了...     

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一.鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度.首先,建立以系统日运行经济最优、系统日运行费用及机组启...     

计及需求响应的电动汽车充电站多时间尺度随机优化调度

电动汽车充电站源-荷资源优化互补与多时间尺度协调配合,能够降低充电站运营成本,减小源-荷随机性对系统调度策略的影响。提出一种计及需求响应的电动汽车充电站多时间尺度随机优化调度模型。在日前阶段,以日运行成本最小为优化目标,采用条件风险价值(CVaR)度量不确定性风险。同时引入价格型和激励型需求响应优化充电站净负荷曲线,构建了计及运行风险约束的充电站多场景优化调度模型。在此基础上,以日前期望值调度策略为参考,提出基于模型预测控制(MPC)的电动汽车充电站日内滚动优化和反馈校正控制方法,从而降低净负荷预测精度不足对优化决策的影响。最后,以某实际电动汽车充电站为算例进行仿真分析,验证了所提模型的可行性,并分析了需求响应以及不确定性风险偏好对充电站运行的影响。     

基于随机模型预测控制的电网联合调度

针对大规模风电并网给电力系统运行调度带来的问题,指出风电在小时级的波动性和不确定性是风电并网给系统运行带来的根本挑战,为应对该挑战,利用随机模型预测控制对含负荷响应的系统联合调度运行进行建模,并从数学上证明运行策略的全局最优性。通过算例仿真验证了负荷响应在小时级的灵活性对系统运行的经济性和风电消纳的重要作用。     

考虑动态激励型需求响应的微电网两阶段优化调度

针对微电网中风电、光伏出力和负荷大小的不确定性,从日前和实时两个阶段出发,建立了微电网两阶段优化调度模型。日前调度阶段建立以微电网总运行成本最优的经济调度模型。实时调度阶段在日前调度优化结果的基础上,综合考虑实时优化调度各电源的出力调整顺序,提出了一种动态激励型需求响应参与的实时滚动优化策略。该策略的激励价格和用户参与容量随时间尺度前进呈现出动态变化,旨在利用价格引导用户提高需求响应的参与程度。通过算例表明,动态激励型需求响应相较于静态激励型需求响应不仅可以提升对日前联络线计划的跟踪效果,还能更好地消除微电网日前预测误差。该策略在显著提高用户收益的同时有效降低了系统运行成本,为市场化的微电网优化运行提供了参考。     

考虑用户满意度的基于需求侧管理的微电网多目标优化调度

微电网作为一种小型发配电自治系统,能够实现自我控制和自我管理,可以有效提高可再生能源消纳水平,缓解能源危机。针对基于需求侧管理的微电网的优化调度,不仅要考虑供给侧的经济效益,还要兼顾需求侧的用电满意度。因此,文章以微电网的总运行费用最小和用户满意度最大为优化目标,提出了基于需求侧管理的微电网多目标优化调度模型。同时,结合混沌思想和遗传算法,使用改进的混沌遗传算法对上述模型进行求解。对一个微电网案例进行仿真分析,以验证模型的有效性。仿真结果表明,文中提出的模型可以为不同需求的用户制定相应的优化调度方案,为用户提供更好的服务,从而实现微电网供需两侧联动效益的最大化。     

基于模型预测控制算法的多风储直流微电网分布式电压二次控制策略

针对含多组风储单元的直流微电网中蓄电池的电压优化控制问题,提出了一种基于模型预测控制算法的分布式电压二次控制策略.设计了一种多步长预测一致性模型作为电压预测模型,通过目标函数最小化求解预测系数,得到最优电压二次控制补偿量加入一次控制中,将传统一致性算法中比例积分控制器下的偏差调节问题转化为模型预测控制器下的电压跟踪问题进行求解,从而实现对直流母线电压动态响应的滚动优化.该方法有效解决了传统一致性算法下电压控制策略瞬态特性差和部分工况下存在控制误差等问题,并通过MATLAB/Simulink仿真平台搭建模型验证了不同工况下所提策略的有效性和优越性.     

Application of model predictive control to optimal dynamic dispatch of generation with emission limitations

Reducing emission from fossil-fueled electric power generating plants has received considerable attention in recent years in both regulated and deregulated power markets. Under regulated power systems, utilities solve the dynamic economic dispatch problem to determine the optimal scheduling of the committed unit's output at minimum fuel cost while satisfying a set of constraints. In this paper, we introduce the following problems where the emission effects are included in the mathematical model: (1) dynamic economic emission dispatch and (2) emission constrained dynamic economic dispatch. Under deregulated markets, the generation company can determine the optimal amounts of energy to be sold in the market by running profit-based dynamic economic dispatch problem to maximize its own profit. To take into account the emission limitations we introduced two problems: (1) profit-based dynamic economic emission dispatch problem and (2) profit-based emission constrained dynamic economic dispatch problem. In this paper we applied the model predictive control (MPC) approach proposed recently to the dynamic dispatch problems in both regulated and deregulated systems. The convergence and robustness of the MPC algorithms are demonstrated through the application of MPC to these problems with a six-unit system.     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。     

基于MPC的超短期优化调度策略研究

为实现多时间尺度协调调度模式,基于模型预测控制(MPC)理论对超短期优化调度策略进行了研究。以系统发电机组运行成本和排放量费用最小为目标函数,通过求解前瞻时间内的多时段优化问题,为实时调度提供初始策略,以实际调度结果和新的预测信息作为反馈信息进行滚动优化调度。该方法将日前调度时间尺度和实时调度时间尺度的信息联系起来,可有效应对预测信息波动对系统调度的影响。算例仿真结果表明:考虑多时段整体优化,可以更好地在机组之间合理的优化分配负荷,提高整个火电厂运行的经济性。同时验证了MPC方法的鲁棒性和收敛性。