数据孤岛下基于联邦学习的用户电价响应刻画及其应用

电价型需求响应离不开对用户价格响应的精准刻画,然而用户对价格的响应大多发生在与聚合商的交互中。并且出于隐私保护需求,这些交互数据往往不被公开,呈现为数据孤岛。针对现阶段用户数据隐私需求和电网调度需求相互冲突的问题,提出了基于联邦学习的用户电价响应行为刻画及其应用方法。首先,构建基于联邦学习的用户电价响应行为刻画的分布式交互框架,将原始数据信息交互转变为特征信息交互。然后,利用差分隐私-联邦近端算法实现不同聚合商电价响应模型的参数聚合,获得区域用户电价响应模型。最后,提出嵌入响应模型的配电网优化运行应用方法,利用改进的策略近端优化算法求解系统实时电价和储能出力。算例表明,所提方法在保障用户用能信息隐私下,能准确刻画区域用户电价响应行为,并改善配电网综合效益。     

基于双层区块链的电动汽车充电隐私数据可信聚合方法

在海量电动汽车接入的配网未来场景下,聚合配网各区域的电动汽车充电负荷数据是制定电动汽车需求响应策略,引导有序充电的重要基础。传统数据聚合手段在未来场景下将面临电网企业负担增大、数据可信赖性不足、车主隐私信息泄露等问题。为此,提出基于双层区块链的电动汽车充电隐私数据可信聚合方法。首先,建立了电动汽车充电数据多层级聚合架构,以区块链为手段实现自治化的充电数据聚合,减轻电网企业收集海量电动汽车充电数据的负担;随后,提出了隐私保护的电动汽车充电数据可信聚合算法,保护电动汽车隐私信息并保障聚合结果的可信赖性;最后,通过理论推导和算例分析,论证了所提方法的防篡改性能和隐私保护性能。     

基于相似性匹配的电网边缘终端数据隐私保护方法

针对智能电网终端用电用户敏感信息的保护问题,为了对抗关于用户敏感信息的隐私推理攻击,本文提出了基于相似性匹配的智能电网边缘终端数据隐私保护方法。本文首先基于时序数据预测模型,证明了用户的敏感信息可以被推理出来。为了对抗隐私推理,采用FastDTW算法鉴别与敏感信息相关的时序数据,通过对相关数据进行模式扰动、降低推理准确率,从而达到隐私保护的目的。实验结果表明:本文提出的隐私保护方法使攻击者不能准确获得用户的实际用电量,从而可有效保护用户的敏感用电信息。     

支撑能源互联网协同优化的隐私计算关键技术

传统电力系统与其他能源系统不断交叉融合，逐渐形成能源互联的新生态。在能源互联网中，数据使用权与数据所有权分离、信息资源与计算资源分离的特征使得多主体协同优化的隐私保护问题日益突出。文中从能源互联网协同优化的典型模式出发，总结了传统第三方代理计算模式及无第三方交互计算模式的隐私安全风险，提出了考虑隐私保护的能源互联网协同优化初步技术方案。首先，面向含第三方场景提出了基于信息伪装机制的安全代理计算方案，并研究了该方案的算法特性、算子构造方法以及基于云服务的用户侧、集群级、系统级应用场景。然后，面向无第三方场景提出了基于秘密分享原理的安全多方交互计算方案，并结合多中心化和全分布式两种应用架构，分析了该方案应用于海量主体或少量主体场景时的特性差异。最后，所述方案从数据隐私性和计算安全性层面，保障数据所有者的权益，遏制并降低能源互联网协同优化计算的数据泄露风险，实现可靠隐私保护。     

基于联盟链的电动汽车虚拟聚合调频

随着可再生能源发电比例不断提高,提高电力系统灵活调节能力、维持电力系统频率稳定是新型电力系统研究中的关键问题。电动汽车作为一种具有快速响应特性的灵活性资源,如何充分引导其参与调频是当前研究热点。现有研究多利用聚合商管理电动汽车集群参与调频辅助服务市场,但此模式对于电动汽车用户的数据隐私安全来说存在较高风险,第三方聚合商在调频交易中也与用户存在利益冲突,电网调度中心、聚合商、电动汽车用户三者之间存在地位不平等、信息不对称的问题,用户不依赖聚合商参与调频辅助服务市场的通道尚不存在。因此,文中给出虚拟聚合商定义,提出虚拟聚合调频框架,基于联盟链的共识机制、智能合约等技术实现电网调度中心和电动汽车所需的调频资源聚合、调频指令分解等服务。算例表明,所提虚拟聚合调频框架可在联盟链网络中实现去中心化的分布式调频优化,在收益分配方面更加公平合理,有利于激励电动汽车用户保持高响应水平,促进电动汽车灵活性资源利用。     

电动汽车充换电站参与电网AGC功率分配的成本一致性算法

搭建电动汽车充换电站参与电网自动发电控制(AGC)功率分配的框架,并建立其优化数学模型。在此基础上,提出电动汽车参与AGC功率分配的成本一致性算法。智能体间采用虚拟一致性变量作为一致性交互计算信息,同时以真实一致性变量确定电动汽车的AGC功率,提高算法的应用灵活性。某电网模型仿真结果表明:成本一致性算法可以减少电网调节成本,提高区域电网的控制性能标准,且能有效实现电动汽车参与电网AGC功率分配的自律调频。     

考虑风电与用户满意度的电动汽车两层智能充放电策略

大规模的电动汽车充放电调度问题既关系到电网的安全稳定运行,又关系到运营商的经济利益和用户的使用感受。引入分层分区调度的理念,构建了基于双层规划的电动汽车两层智能充放电模型,并以IEEE16节点标准测试系统数据参数为基础,通过粒子群算法和顺序选择法在Matlab中完成了仿真验证。在上层模型中,通过优化各管辖区在各时段的总充放电功率,保证了运营商利润的最大化,并合理地规避了充放电行为对电网的影响;在下层模型中,通过优化各管辖区内电动汽车的具体充放电策略,使得下层的调度策略与上层的区域总充放电功率尽可能保持一致,并合理地兼顾用户满意度。最后,通过上下层之间的数据交互,实现运营商、电网和用户三者之间利益的有机协调。     

基于动态实时电价的电动汽车集群分层优化调度

针对大量电动汽车接入电网后的无序充放电对电网造成的不利影响,提出了一种基于实时电价的双层优化调度模型,根据接入电动汽车的可充放电时间段,将其划分为若干个集群,在保证配电网经济安全运行的同时,满足车主充电需求。该调度模型上层以负荷曲线方差及实时电价下用户的充放电总成本最小为目标,采用粒子群算法求解得到集群的实时最优充放电功率,并将集群的电动汽车充放电负荷与电价联动调整;下层引入充放电优先级指数,利用能量缓冲一致性算法,制定出集群内的各辆电动汽车的实时充放电策略。以典型的区域配电网负荷数据为例,通过仿真验证了所搭建的集群优化模型和求解算法的实用性和有效性。     

基于时空耦合关联分析的电动汽车集群可调度能力评估

随着电动汽车与电网互动 (vehicle-to-grid,V2G)技术的日趋成熟,电动汽车集群参与电网调度成为研究热点。V2G技术可有效实现削峰填谷,辅助电网经济安全运行。然而电动汽车与电网的交互行为受用户行为习惯、汽车类型等影响,具有时空双重不确定性,其可调度能力难以准确评估。文章考虑电动汽车不确定性的时空耦合关系,提出电动汽车集群的V2G可调度能力评估方法。结合随机出行链,基于高斯混合模型建立包含时空信息的充电站负荷概率模型和站内电动汽车荷电状态概率模型并获得条件概率分布。提出电动汽车集群的电压调节能力指标,基于概率潮流评估不同时段电动汽车集群可调度能力。仿真结果表明,通过在电动汽车集群可调度能力评估中充分考虑时空耦合关联关系可有效提升评估结果的准确性。     

多情形下电动汽车与分布式光伏协同优化调度算法

在智能电网环境下,电动汽车与家庭用电互动(vehicle to home,V2H)技术成为车电互联研究领域新的焦点。首先,对V2H模式中家庭能源管理系统调度电动汽车参与家庭供电进行了分析;其次,以最大化利用太阳能,减少家庭用电费用为目标,给出多情形下电动汽车与含分布式光伏(photovoltaic,PV)的智能家居互动的调度优化算法;最后,以上海市某小区用户为例,对比研究了晴天、多云、阴雨3种天气条件下光伏出力变化和电动汽车用户短途、中途、长途出行情况下V2H模式的经济效益。实际算例结果表明含分布式光伏的V2H模式能够提高光伏发电利用效率,减少家庭用电费用,并为电动汽车安全接入电网提供支持。     

用户充电选择对电网充电调度的影响

电动汽车充电负荷作为可调度负荷,可减小负荷高峰期的供电压力,提高负荷低谷时的机组利用率,提高电网的经济运行水平,其优化调度对电网意义重大。基于部分电动汽车用户实际中不接受电网调度的事实,以所有电动汽车用户的充电成本之和最小、电网负荷方差最小为目标,以用户充电需求等为约束,建立了电动汽车负荷的多目标优化调度模型。模型在保证用户充电获益的同时优化电网运行。采用改进粒子群算法求解模型,仿真结果表明,用户充电选择将影响充电调度方案、用户经济性和电网运行安全。在充电调度中,需要考虑用户的充电选择。     

V2G模式下微网电动汽车有序充电策略研究

为了应对V2G(Vehicle-to-Grid)模式下大规模电动汽车接入给电网带来的诸多挑战,针对现有电动汽车调度策略对大规模电动汽车充放电需求考虑不足的问题,提出一种微电网电动汽车有序充电策略。调度策略可根据当前微电网负荷状态、电动汽车充电需求等实时数据,采用模糊控制算法优化安排电动汽车充电计划,满足电动汽车充电需求同时实现对电网的削峰填谷。利用该调度策略对某配电区域600辆电动汽车进行充电,并与传统即时充电策略进行比较分析。仿真结果表明,基于模糊控制算法的电动汽车有序充电策略能够有效避免大量电动汽车接入电网引起负荷尖峰的问题,为电网提供削峰填谷的服务,实现用户和电网的双赢。     

基于需求响应的电动汽车经济调度

提出了一种基于需求响应的电动汽车充电策略,根据电网实时电价信息优化电动汽车用户充电电价触发值,降低用户充电成本。同时,研究了含大规模电动汽车的电力系统机组组合问题。在此基础上建立了基于需求响应的电动汽车经济调度模型,通过对电动汽车用户行为特性的预测,以电网公司收益最大化为目标,优化制定电动汽车充电电价,转移电动汽车充电负荷。算例分析结果表明,提出的经济调度模型可以起到降低峰谷差率的作用,且与无序充电情景相比,能够明显降低系统的运行费用,可以实现电动汽车大规模接入电网时的经济调度。     

基于分时电价的电动汽车充放电多目标优化调度

大规模电动汽车无序充电易造成电网负荷"峰上加峰"等后果,这严重影响电网安全运行,因此合理调度充电行为至关重要。基于分时电价制度和电动汽车可入网的情况,针对电动汽车调度机构建立了计及电网负荷波动及用户成本的多目标优化模型,采用交叉遗传粒子群算法求解得到次日优化充放电计划。基于某商用楼宇负荷数据进行算例仿真,对比分析了分时电价与固定电价下的仿真结果及不同分时电价对调度策略的影响,结果表明:分时电价引导下的调度策略在减小电网峰谷差与提高用户经济性上都具有更大优势;受峰谷电价差增大与尖峰电价的影响,新的分时电价下电网调峰效果更加明显,但用户成本却因平均电价上浮而增高。     

计及入网电动汽车不确定性的电网鲁棒优化调度

针对电动汽车与电网互动的不确定性,提出将鲁棒优化理论引入到含电动汽车的电网优化调度中;构建了含电动汽车的电网多目标动态鲁棒优化调度模型,考虑火电发电成本、V2G用户的经济效益及污染气体排放量的综合优化目标;设计了一种新的多目标回溯搜索优化算法,该算法通过将帕累托非劣排序操作引入回溯搜索优化算法,有效弥补了算法无法求解多目标模型的缺点.算例分析验证了所提模型和算法的有效性和实用性.     

基于用户利益与出行意愿的电动汽车充放电调度策略

如今,随着越来越多智能充电桩的建立,人们对电动汽车的需求量日益加大,电动汽车不仅可以提高能源利用率、减少污染,而且还可以反向对电网进行供电,达到削峰填谷的目的。但是随着越来越多的电动汽车接入到电网,越来越多的用户参与到电动汽车调度中,电动汽车的充放电调度也变得越为复杂,在以往的一些调控中总是优先考虑电网的峰值负荷如何降低,却很少考虑用户的需求与利益。事实上,在保证电网负荷曲线的同时更应该考虑到用户的利益与需求,因为用户的利益与需求才是保证调度计划顺利实施的基础。文中基于用户的利益与出行意愿,利用粒子群算法对电动汽车的充放电进行调度,保证了用户的利益与满意度,同时有效削减了电网峰值时刻的负荷。     

计及充电行为特征与可调性的电动汽车集群优化调度

针对传统电动汽车集群优化调度过程中未能充分考虑电动汽车是否具备参与电网响应的物理条件和主观意愿等问题,提出一种基于双向门控循环单元（Bi-GRU）的电动汽车充电行为可调性识别方法,并以聚合商收益最大为目标进行优化调度。首先,利用电动汽车在充电站内的真实数据描述电动汽车用户充电时间特征、充电电量特征,并从影响用户参与优化调度的主观意愿因素出发,分析并描述用户充电偏好;其次,构建充电过程物理矩阵和用户响应意愿矩阵,并采用Bi-GRU模型将电动汽车划分为可调电动汽车集群与不可调电动汽车集群,计算可调集群充电电量与不可调集群充电电量;最后,从电动汽车聚合商利益最大化角度出发,提出考虑分时电价影响的电动汽车集群参与电网优化调度模型及求解策略。算例表明,与传统优化调度方法相比,所提Bi-GRU模型能精准识别电动汽车是否具备可调性,且优化调度策略能在保证聚合商收益最大化前提下有效平抑负荷波动,保证电网安全稳定运行。     

面向含风电楼宇的电动汽车优化调度策略EI北大核心CSCD

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

面向含风电楼宇的电动汽车优化调度策略

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。     

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。