计及源-荷预测不确定性的微电网双级随机优化调度

风光储微电网接入高渗透率的可再生能源对其经济运行构成了巨大的挑战。针对这一问题,提出了计及源-荷预测不确定性的微电网双级调度策略。在日前调度阶段,以多场景下的期望运行成本最低为优化目标,构建了基于多场景技术的随机优化调度模型。利用场景分析法对日前风电、光伏和负荷预测进行场景分析;建立了多场景下含不确定变量的功率平衡方程,并将其松弛为不等式后作为一个随机事件使其以较高的概率满足机会约束;此外,用机会约束规划构建了旋转备用容量的可靠性约束模型,使微电网在一定的置信水平下满足系统的可靠运行。在日内调度阶段,提出了结合自适应小波包算法的日内滚动调度模型。利用自适应小波包算法动态提取每一控制周期内超短期预测数据与日前调度计划之间的功率偏差,并由蓄电池、超级电容器和主网供电共同平抑。     

基于功率多频率尺度分析的风光水气储联合系统日前调度策略

提出一种基于功率多频率尺度分析的风光水气储联合系统日前调度策略。该策略首先根据控制目标对风光出力(power of wind photovoltaic,PWP)进行滤波分析,提取不同频率尺度下的PWP分量,制定各类补偿电站出力计划;然后利用改进粒子群优化算法并行优化各电站内部综合成本,计算联合系统总体输出功率;最后依据不同日前调度模式,考虑稳定性和风光消纳能力,优化风光水气储系统单位发电成本,制定出力计划。算例分析结果表明,与传统优化模型及优化算法相比,该方法能够很好地解决大规模风光并网的功率波动问题,实现联合系统的功率平稳输出,同时能够保证整个系统经济高效、低碳环保。     

基于功率多频率尺度分析的风光水气储联合系统日前调度策略

提出一种基于功率多频率尺度分析的风光水气储联合系统日前调度策略.该策略首先根据控制目标对风光出力(power of wind photovoltaic,PWP)进行滤波分析,提取不同频率尺度下的PWP分量,制定各类补偿电站出力计划;然后利用改进粒子群优化算法并行优化各电站内部综合成本,计算联合系统总体输出功率;最后依据不同日前调度模式,考虑稳定性和风光消纳能力,优化风光水气储系统单位发电成本,制定出力计划.算例分析结果表明,与传统优化模型及优化算法相比,该方法能够很好地解决大规模风光并网的功率波动问题,实现联合系统的功率平稳输出,同时能够保证整个系统经济高效、低碳环保.     

基于多模态多目标果蝇优化的风光燃储微网优化调度

为了实现风光燃储微电网经济环保优化运行,提出了基于种群分区多模态多目标果蝇优化的微网优化调度算法。引入可平移负荷和可中断负荷响应,建立了以风光燃储微电网的运行经济成本和环境污染成本最小为目标函数的多目标优化模型。模型的求解采用三分区的多策略多模态多目标果蝇优化算法——将果蝇种群分为3个区并引入特殊拥挤距离,自适应地调整收敛性和多样性。与5种其他算法进行对比仿真实验,结果表明,所提出的风光燃储微网优化调度算法在全局最优求解、收敛性、多样性以及所得到的最优解集精度等方面具有明显的优势,能有效降低微电网优化的运行成本和环境成本。     

工业园区微网调度研究与仿真

为提高新能源消纳能力和供电经济性、可靠性,研究了含风光柴储、生活负荷、具有有限可控能力工业负荷的工业园区微电网,提出了一种基于日前和日内相结合的优化调度方案。为保证日前优化调度的经济性,提出了一种分段变异优化的改进粒子群算法求解调度模型。改进算法相较于传统粒子群算法收敛性速度更快,同时提高了经济性,减少了园区的运行成本。日内运行时,为了校正日前预测偏差,采用源网荷储共同参与调整,保证尽可能跟随日前经济结果,提高微网系统的可靠性。日内调整建立详细化的仿真模型,采用实时仿真技术。利用实时仿真软件RT-LAB和实时仿真机OP4510构建的实时仿真平台,解决模型仿真用时较长、求解困难的问题,验证了工业园区微网调度策略的可行性。     

基于深度强化学习的微电网在线优化

针对微电网的随机优化调度问题,提出了一种基于深度强化学习的微电网在线优化算法。利用深度神经网络近似状态-动作值函数,把蓄电池的动作离散化作为神经网络输出,然后利用非线性规划求解剩余决策变量并计算立即回报,通过Q学习算法,获取最优策略。为使得神经网络适应风光负荷的随机性,根据风电、光伏和负荷功率预测曲线及其预测误差,利用蒙特卡洛抽样生成多组训练曲线来训练神经网络;训练完成后,保存权重,根据微电网实时输入状态,神经网络能实时输出蓄电池的动作,实现微电网的在线优化调度。在风电、光伏和负荷功率发生波动的情况下与日前优化结果进行对比,验证了该算法相比于日前优化在微电网在线优化中的有效性和优越性。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型

针对微电网中电动汽车充放电及风光荷预测误差带来的问题,提出一种在微电网环境下考虑日前预测误差的电动汽车多时间尺度优化调度模型,由日前调度计划和日内短期滚动优化调度构成。日前调度模型兼顾微电网与电动汽车车主双方利益,以微电网运行成本最低、所有电动汽车车主充电总成本最低为目标;滚动调度模型以实际等效负荷与日前调度计划中等效负荷匹配程度最大为目标,将实际车主充电总成本不大于日前计划车主充电总成本作为约束条件考虑。最后使用适用于电动汽车充电优化问题的灰狼优化算法求解,优化结果表明,微电网通过多时间尺度优化调度可以有效降低运行成本,并减小预测误差带来的影响,同时电动汽车车主也可以获得一定的经济利益。     

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,利用极限学习机对负荷进行集群预测。基于预测值,先以有功调度成本最低进行日前调度,再在日前调度的基础上进行修正,以可控分布式出力修正量最小、储能出力修正量最小、柔性负荷修正量最小为目标进行实时调度。     

基于遗传算法的独立型风光互补发电容量优化

在满足负荷供电可靠性前提下如何合理配置风光储容量,是设计风光互补发电系统的重要环节。容量优化旨在降低成本、负荷缺电率LPSP(loss of power supply probability)和能量浪费率SPSP(surplus of power supply probability),为多目标优化。分别对风光储建模采用一种改进的遗传算法和能量调度策略,取风机、光伏电池和蓄电池数量为决策变量,提出功率偏差概念,综合考虑蓄电池的能量型和功率型约束以及成本、LPSP和SPSP3个目标,能快速得到最优风光储组合。采用某地区2011年9月至2012年8月的风光实时数据计算证明了该方案经济可行。     

基于概率潮流的主动配电网日前-实时两级优化调度

为有效应对主动配电网(ADN)中间歇性电源、虚拟微网与柔性负荷等不确定变量给电网安全经济运行带来的挑战,基于概率潮流技术建立了ADN日前—实时两级优化调度模型。日前调度以ADN中各单元日前功率预测结果为依据,以运行成本最小为目标,确定次日各时段内各调度单元运行计划;在此基础上,针对实际运行中各单元的波动性和超短期预测结果进行实时调度,以不确定单元作为随机变量进行概率潮流计算,对日前调度计划进行调整,使得ADN中各节点电压和支路功率在3倍标准差内波动仍满足约束条件,提高ADN的安全裕度。最后,结合引力搜索算法和粒子群算法对调度模型进行求解,并通过算例验证模型的有效性。     

基于相关机会目标规划的风光储联合发电系统储能调度策略

为改善风电、光伏发电出力的不确定性,使风光储联合发电系统具有可调度性,将风电和光伏发电的出力表示为确定性的出力和具有模糊性的误差之和。利用相关机会目标规划方法,以风光储调度出力曲线与计划出力曲线匹配程度最大,储能电池充放电功率最平缓和储能电池可持续工作性最佳为目标,建立了风光储联合发电系统储能调度模型。利用将模糊模拟、神经网络与改进粒子群算法嵌套结合形成新型混合智能算法对模型进行了求解,给出了联合发电系统日前储能调度计划。算例分析表明,新算法能够较好地求解高维数不确定规划问题,其收敛速度快,全局和局部搜索能力强。     

考虑风–光–光热联合直流外送的源–网–荷多时段优化调度方法

为解决西北地区大规模风光并网下电力系统的新能源弃电问题,提出一种考虑风–光–光热联合直流外送的源网荷多时段协调优化方法。首先,对源网荷三侧具备的调峰能力及其互补特性进行分析,充分利用源侧光热电站、网侧特高压直流联络线以及柔性负荷的灵活调节能力,提高风光资源利用率。其次,针对新能源、负荷预测精度日前–日内逐步提高的特点,结合源网荷三侧各类调峰资源具有不同响应速度的特性,并以系统综合运行成本最低为目标,构建源网荷日前–日内两阶段多时段优化调度方法;最后,以西北某省电网2025规划构造的算例仿真验证了该调度方法能够有效促进高比例新能源电网的风光消纳,降低系统运行成本。     

基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。     

考虑氢-电混合储能的直流配电网优化调度

针对氢-电混合储能系统的运行模型和多端柔性直流配电网的电压-功率下垂特性二次调节过程,提出了一种源-储-网联合多时间尺度优化调度策略.日前调度阶段以运行成本和电压偏差率最小为目标,优化混合储能运行模式、微型燃气轮机的启停与下垂特性二次调节参数,为日内优化调度提供参考;日内滚动优化调度阶段以经济性为目标,微调设备出力并修正预测误差带来的功率波动.以某环形多端直流配电网为例,验证了所提调度策略的可行性、混合储能的优势和下垂特性二次调节对运行的改善.     

基于能源路由器的微网源荷储联合优化调度

随着能源结构的改革,能源需求侧负荷类型愈发多样化,为有效协调微网内源荷储供需关系,提高微网内多能耦合、多能互补的调度能力,本文提出一种基于能源路由器管理微网内源荷储的联合优化调度方法。首先,建立考虑柔性负荷参与调度的能源路由器源荷储能源转换扩展模型,在此基础上以日运行成本最小为优化目标,建立考虑源荷储供需关系的优化调度模型;其次,提出基于非线性权重因子改进的鲸鱼优化算法求解策略,得到典型日微网源荷储联合调度方案;最后,通过算例验证本文提出的源荷储联合调度能够提高新能源的消纳能力,有效降低日运行成本。     

基于灰色模型的“源-网-荷-储”配电网预测分析

针对主动配电网（ADN）的内涵、“源荷储”特性、风光出力预测模型及方法进行综述;分析由于日内各类负荷数据相较于日前24 h负荷数据对于优化调度更具有现实意义,提出基于累加方式的灰色预测模型来预测风光出力情况,并对预测过程及方法进行了仿真研究与分析,根据日前7天的24 h数据来预测日内24 h的风光出力情况。仿真结果表明,预测得到的日内48个风光出力数据具有较高的精确性。     

考虑柔性负荷和阶梯型碳交易的低碳经济优化调度策略

为提高可再生能源的利用效率、促进风光消纳并且降低碳排放量,构建一种考虑柔性负荷和阶梯型碳交易的低碳经济优化调度模型。将柔性负荷纳入系统调度计划,通过调控柔性负荷弥补因风光出力不确定性造成的功率缺额,进一步促进系统风光消纳。以系统综合运行成本最小为目标函数,并引入阶梯型碳交易机制,实现系统低碳经济运行。采用Yalmip工具箱和Cplex求解器对模型进行求解,并设置3种场景对比分析所提优化调度策略的有效性。算例仿真结果表明,调度模型能够兼顾安全性、经济性和低碳性,系统弃风弃光量显著减少,负荷峰谷差明显缩小。     

考虑多类型柔性负荷的日前优化调度技术

新能源大规模接入以及用电侧使能技术的发展使得柔性负荷调度技术成为调度自动化领域的研究热点。文中提出一种涵盖多种类型柔性负荷的日前优化调度技术,为实现源网荷三侧资源的协同调度提供了技术支撑。基于现有调度自动化系统,设计了考虑多类型柔性负荷的日前优化调度架构,依据用户侧负荷特性,将负荷进行分类,并建立考虑各类负荷的日前优化调度模型。最后基于省级电网断面数据,进行日前优化调度案例仿真,并依据仿真结果,分析了各类柔性负荷对电网运行的影响,验证了所提技术的有效性。     

含柔性负荷的主动配电网优化模型研究

随着主动配电网技术不断发展进步,柔性负荷参与到负荷的优化调度使得主动配电网优化调度更加灵活,电网更安全可靠的运行。文中将柔性负荷分为可转移负荷和可中断负荷,以柔性负荷单元实时功率为控制变量,建立含有柔性负荷的主动配电网优化调度二层规划模型,上层模型以一个完整的调度周期AND系统运行成本最低为目标函数,下层模型以各个微网区域的运行成本最低为目标函数,针对提出的二层规划模型采用标准遗传算法和模拟退火算法求解。算例分析表明将柔性负荷引入主动配电网的优化调度中能够减小系统的调度成本,并且随着柔性负荷调度量的增加调度成本在逐渐降低。