基于深度强化学习的微电网优化运行策略

风电、光伏、负荷的不确定性给含有高比例可再生能源的微电网制定运行策略带来了挑战,人工智能技术的发展为解决微电网运行优化问题提供了新思路。基于强化学习框架,将微电网运行问题转化为马尔可夫决策过程,以最大化微电网经济利益和居民满意度为目标,提出一种基于深度强化学习的微电网在线调度方法。为了在深度强化学习训练的过程中高效利用经验,设计一种优先经验存储的深度确定性策略梯度(PES-DDPG)算法,学习各类环境下不同时段的微电网最优调度策略。算例结果表明,PES-DDPG算法能够为微电网提供有效的调度策略,并实现微电网的实时优化。     

基于神经网络的微电网参与上层电网实时优化调度策略

微电网优化调度策略除要解决风电、光伏就地消纳及其自身稳定运行问题外,还应具备调用分布式电源、具有需求响应能力的负荷等灵活性资源向电网提供辅助服务,参与上层电网实时调度的能力。基于此,文章提出一种基于BP神经网络的微电网资源优化调度策略。结合微电网运行成本和需求响应容量收益建立日前阶段经济最优调度策略;日内模拟阶段模拟预测功率波动以及上层电网实时需求,通过神经网络学习,得到日内阶段调度模型,为日内调度做准备;日内阶段通过上层电网的需求响应信号,将联络线功率输入到神经网络训练模型当中,得到日内阶段各个分布式电源实时功率。所提策略既能保障微电网的经济运行,又能满足上层电网的实时调度要求。最后以日后最优调度算例结果验证了策略的经济性和有效性。     

基于深度学习的超短期光伏精细化预测模型研究

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义。机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径。提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性。     

基于确定性策略梯度深度强化学习和模仿学习的多源微电网经济优化调度策略

当前国家大力实施“双碳”战略,以新能源为主体的新型电力系统将呈现爆发式增长,风电、光伏等新能源机组逐渐成为主力电源,微电网得以提出并迅速发展,其调度与优化问题也成为研究的热点。传统的基于数学建模与求解的微电网有功优化调度方法计算量大且十分复杂,存在易陷入局部最优、模型修改困难等瓶颈问题,因此提出基于确定性策略梯度深度强化学习(DDPG)和模仿学习(XGBoost)的经济优化调度策略。首先构建微电网有功优化调度的统一预置数学模型,其次通过构建XGBoost模型学习得到初始宏观决策,最后再构建基于DDPG的微电网有功调度人工智能模型。通过进行XGBoost分类器和DDPG神经网络离线训练,得出基于确定性策略梯度深度强化学习和模仿学习的微电网优化调度在线决策模型,最后通过算例分析验证了模型和算法的有效性。     

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。     

基于深度强化学习的孤立多微电网系统频率和电压综合控制

分布式电源出力不确定性和负荷功率扰动给孤立多微电网系统稳定带来较大威胁。提出基于多智能体柔性动作评价(MA-SAC)算法的孤立多微电网负荷频率控制器(LFC),同时采用柔性动作评价(SAC)算法对自动电压调节器(AVR)的比例积分(PI)控制参数进行优化调整。建立了多微电网LFC和AVR组合模型。对于电压和频率控制器的设计,分别根据SAC算法和多智能体深度强化学习(MA-DRL)框架建立各自的状态、动作空间与奖励函数。选择合适的神经网络与训练参数经过预学习生成深度强化学习控制器。最后通过仿真分析,基于SAC算法优化的PI控制器能更快跟踪电压参考值;多微电网系统遭遇功率扰动时,MA-SAC控制器可以快速维持频率稳定。     

不同时间尺度下基于混合储能调度的微网能量优化

针对混合储能系统中能量型和功率型储能的不同特点,建立了符合实际需求的微网经济优化模型。根据不同时间尺度提出了日前调度策略和实时调度策略。考虑到日前调度预测精度差的弊端,应用机会约束规划,以一定置信水平下满足备用需求作为可靠性约束,将最小运行成本作为优化目标,利用分时电价差异,优化协调各微源和储能系统出力。针对微网内风机、光伏和负荷等不确定性因素带来的功率波动,实时调度中应用1阶低通滤波算法平滑波动功率,并通过滑动平均滤波方法对滤波后的波动功率在混合储能中进行合理分配,使蓄电池储能承担更多低频功率波动,超级电容器承担高频波动。实时调度按照日前计划进行,实时监测各单元运行状态,并及时修正功率波动累积引起的日前计划偏差。     

基于大数据的分布式光伏接入配电网影响分析与功率预测研究

为提高分布式光伏发电功率预测的精度,满足电网调度和规划的高精度要求,本文利用光伏运行、电能量采集、电网调度等业务系统的海量数据,利用大数据分析方法研究大量分布式光伏接入对配电网负荷特性的影响,并提出基于气象相似日和粒子群算法优化BP神经网络的光伏电站功率预测方法。通过分析光伏发电功率随天气类型、温度、光照强度等气象因素变化规律,运用模糊聚类算法计算确定待预测日的气象相似日序列,选取气象相似日历史数据作为BP神经网络预测模型的输入变量,并采用粒子群算法方法优化BP神经网络的初始值,最终输出分布式光伏各时段发电功率的预测值。实验结果表明该方法可有效提高光伏电站功率预测模型的收敛能力和学习能力,具有较高的预测精度。     

基于泄漏积分型回声状态网络的在线学习光伏功率短期预测

为提高光伏功率预测结果的准确性与普适性,提出基于泄漏积分型回声状态网络(LIESN)的具有在线学习功能的预测方法。在回声状态网络(ESN)中引入泄漏积分型神经元,增强储备池的短期记忆能力;分析了LIESN的参数对光伏功率预测性能的影响,得到优化后的预测模型;利用最小二乘在线学习算法对模型实施训练,得到最终的在线学习LIESN预测模型。实例证明,该算法可完成复杂的建模且适用于多种天气情况,预测精度优于BP神经网络、经典ESN及LIESN模型。     

基于深度学习的直流配电网分布鲁棒优化调度方法

随着分布式资源的大规模接入,直流配电网能量损耗小、控制灵活的优点凸显。针对直流配电网传统物理优化模型效率低的问题,提出了一种基于深度学习的直流配电网分布鲁棒优化(DRO)调度方法,其采用深度学习方法替代了基于场景的DRO模型的迭代求解过程,通过直接预测典型场景的最恶劣概率分布来提高模型求解效率。构建直流配电网基于场景的DRO物理模型,采用列与约束生成算法迭代求解生成深度学习的训练数据;以光伏出力、负荷、范数置信度为输入,以最恶劣概率分布为输出,构建深度神经网络模型;基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度的最恶劣概率分布,构建最恶劣概率分布下的单层随机规划模型,获取等效的基于场景的DRO调度策略;采用33节点直流配电网系统为算例,验证所提方法在求解效率和计算精度方面的有效性。     

基于确定性解法的新能源微电网经济运行优化

针对典型的微电网应用场景,研究光伏发电、风力发电测和负荷预测误差的数学规律,在考虑微电网环保性因素、经济性因素的基础上,构建基于确定性解法的微电网经济运行优化模型,该模型简化了多目标问题的求解难度。在具体算例中,分析不同置信度、不同预测误差及不同环保算子对微电网经济运行的影响。研究结果表明：提高光伏出力、风电出力和负荷预测精度可以降低微电网优化运行成本;微电网优化运行模型求解时,确定性解法的算法收敛速度快,迭代时间更短。     

基于确定性解法的新能源微电网经济运行优化

针对典型的微电网应用场景,研究光伏发电、风力发电测和负荷预测误差的数学规律,在考虑微电网环保性因素、经济性因素的基础上,构建基于确定性解法的微电网经济运行优化模型,该模型简化了多目标问题的求解难度。在具体算例中,分析不同置信度、不同预测误差及不同环保算子对微电网经济运行的影响。研究结果表明：提高光伏出力、风电出力和负荷预测精度可以降低微电网优化运行成本;微电网优化运行模型求解时,确定性解法的算法收敛速度快,迭代时间更短。     

改进粒子群算法的微网经济调度

作为电力系统生产和消费的一种运行组织形式,微网在电网中起着重要作用。以发电成本作为目标函数,并将发电成本按成本类型分为运行成本和环境成本,或按发电单元类型分为联产系统发电成本、燃料电池发电成本以及电网成本,由此构成两种多目标函数。建立了包含风力机、光伏阵列、基于微燃机的冷热电联产系统、燃料电池和蓄电池的微网系统,针对一具体微网,运用基于相似度权重动态调整的粒子群算法对并网下微网各微源出力和电网购电量进行优化调度,并优化出两种多目标函数下的非劣解集,最后给出了一天的各成本和收益结果,算例结果表明了所建模型和运行算法的可行性和有效性。     

考虑负荷中断的微网并网经济调度

为了降低微网并网时的运行成本,同时协助电网"削峰填谷",提出一种考虑负荷中断的微网并网经济调度模型。模型以微网为中间环节,构建一种新型负荷中断补偿机制,同时引入浮动补偿电价,该电价受到中断功率与中断时间的影响,可以反映用户满意度的变化。以一个包含风力发电机、光伏电池、微型燃气轮机、燃料电池、蓄电池以及可中断负荷的典型微网为例,通过Cuckoo-Search算法求解模型,给出最优中断组合、调度结果和运行成本,并求出极限中断电量。结果表明,该文模型与算法可行,可以为各参与方创造可观的经济效益。     

含多种分布式电源的微网经济运行优化研究

微网能够有效地利用各种分布式电源,在解决能源短缺、环境保护和改善电能质量等方面表现出极大潜能。建立热电联产型微网系统经济调度模型,以一个包含风、光、储、微型燃气轮机、燃料电池、柴油发电机以及热电负荷的微网为例,总结了孤网运行方式下的调度策略,并运用改进遗传算法优化了各微源的出力,验证了所提模型、策略和算法的有效性。     

风—光—水互补微电网的运行优化

在给出的风—光—水微电网结构的基础上,建立了含蓄电池在内的风光水互补发电优化运行模型。针对风电、光伏不可调度的特性,提出了一种通过起作用集算法对蓄电池进行充放电的控制策略,来达到削峰填谷效果,采用改进粒子群算法对微电网系统进行经济运行优化的方法。选取冬季典型日的风—光—水微电网进行了研究,在保证系统安全的基础上,以总的经济效益最高作为目标函数,分析结果表明了所提方案的正确性和有效性。     

离网型微电网稳态功率控制策略研究与实践

为了更好地解决离网型微电网的“源-荷”匹配问题,减轻以往能量管理过多依赖预测信息的弊端,在对储能电池SOC状态的变化趋势研究和工程实践的基础上,针对不同运行方式和运行场景,采用了基于专家规则的控制策略,充分利用微网能量管理系统的一体化数据采集和处理,保证能量管理可以依据储能SOC所属区间,按照事先制定的策略表,进行微网的稳态功率调控。在实际工程应用中,合理地设计了功率控制的控制网络,保证控制的快速性和准确性。该控制方法实现了光伏、风电、蓄热锅炉的功率自动控制,提高了离网型微电网稳态“源-荷”平衡控制的准确性和鲁棒性。     

基于CPS-SPWM的模块化多电平整流器的研究与应用

首先介绍MMC整流的原理和拓扑结构。建立数学模型,并以其中一相A相为例进行分析,直观地分析其工作原理。分析CPS-SPWM的工作原理,基于CPS-SPWM对MMC整流进行调制。其次在Matlab/Simulink中搭建仿真模型。在综合控制上,首先给出整个控制流程图,然后分别介绍了电流电压内外环闭环控制,保持桥臂电压平衡控制以及子模块电容电压的稳压控制的原理及控制方法。最后建立环流产生的数学模型,详细分析环流产生的原理。针对环流的特点,搭建环流抑制控制器。仿真结果表明,控制策略能够完成对系统的控制,环流抑制控制对环流有很好的抑制作用。     

风光储微电网并网联络线功率控制策略

主动配电网环境下,将发电具有间歇性和随机性特点的小风电、光伏发电与蓄电池组成微电网,协调控制其内的多个可再生发电单元使其成为发电功率分时恒定的发电单元或者负荷,既方便配电网对微电网群的调度和管理,又能促进分布式可再生能源的安全消纳。在综合考虑风光储微电网风速曲线和光照条件瞬时变化且储能容量配置较小等实际情况下,提出一种分层协调控制策略。首先根据每时段风速及光照强度预测信息给出了联络线分时交换功率的计算方法,上层中心控制器将该联络线交换功率参考值与上级主动配电网调度中心通信,制定分时联络线交换功率。上层中心控制器并依据此分时功率需求实现系统运行模式的选择及切换以及底层控制器的选择和管理。该分层控制策略实现了运行状态的无缝转换,保证了风光储微电网按照联络线交换功率需求输出,即联络线功率分时恒定。当微电网内风电和光伏输出的瞬时功率之和与联络线交换功率需求相差较大时,微电网内可能会出现部分弃风弃光。该文建立了风光储微电网仿真系统,仿真结果验证了所提策略的正确性与有效性。