系统动力学模型在电网公司经营决策支持中的应用

对电网公司关键经营统计指标进行预测及敏感性分析,先利用加权移动平均、多元线性回归、灰色模型预测售电量指标得到三种预测结果,将GDP、人口作为神经网络的输入条件,借助Matlab软件,基于RBF神经网络的综合预测模型将三种预测结果拟合后预测出核心指标售电量;再借助STELLA软件用图形表示因素之间的相互关系和影响,进而构建系统动力学模型,定量分析了各指标间的关系,获得了所有关键指标的预测值,并选取售电量和售电均价做敏感性分析,分析售电量和售电均价变化对电网投资能力的影响程度。     

基于Tent映射混沌优化NSGA-Ⅱ算法的综合能源系统多目标协同优化运行

为了提高能源综合利用效率与分布式可再生能源就地消纳能力,结合能源互联网建设过程中自动需求响应系统的应用趋势,构建了基于自动需求响应和储能的综合能源系统多目标协同优化运行模型,并提出了基于Tent映射混沌优化的NSGA-Ⅱ多目标函数求解算法。将所提模型及求解算法应用于我国某典型园区综合能源系统的实际算例中,结果表明:Tent映射混沌优化NSGA-Ⅱ算法求解此类问题具有可行性;考虑自动需求响应和储能作用的综合能源系统相较于其他3种情景具有显著经济、技术和环境效益,促进了新能源并网消纳。     

基于COA-EO混合算法的含DG的配电网Pareto最优规划

含DG的配电网规划是一种复杂的组合优化问题,随着智能配电网的发展以及波动性可再生能源的接入,对优化模型的效率提出了更高的要求。该文提出了基于混沌优化算法（chaos optimization algorithm,COA）和极值动力学优化算法（extreme dynamics optimization algorithm,EO）相互结合的多目标问题求解模型。通过算例验证,结果表明COA-EO优化算法同时利用COA算法和EO算法的优点,从而成功避免了各自缺陷,使得普通EO算法跳出局部最优,避免了算法的早熟现象,从而得到了全局最优结果。另外,为得到更好的多目标优化结果,引入Pareto最优解,并利用所提出的COA-EO算法求解Pareto最优解。计算结果亦表明COA-EO算法的优化性能优于EO算法、遗传（genetic algorithm,GA）算法、蚁群（ant colony optimization,ACO）算法、ACO-EO算法和GA-EO算法,说明COA-EO算法是解决含DG配电网规划问题的有效工具。     

计及需求响应和深度结构多任务学习的电力系统短期负荷预测

随着需求响应技术的快速发展,使得电力系统负荷数据呈现出规模庞大、结构复杂的非线性特征,基于深度机器学习和高效数据处理平台的负荷预测方法是当前的研究重点。为实现计及需求响应的电力系统短期负荷预测,建立了基于Spark平台和时钟频率驱动循环神经网络(CW-RNNs)的短期负荷预测方法。首先,在Spark平台上设置不同工作组将全部数据分割为多个子数据模块,通过并行化计算提高数据处理效率,进而基于需求响应技术对负荷曲线做出调整,计算得到用户预期收益和用户舒适度影响指标值;其次,采用离散小波变换将调整后的负荷曲线分解,得到一组高、低频信号;并采用偏最小二乘回归模型和CW-RNNs回归模型分别对低、高频信号进行训练学习;最后,将训练好的PLS模型和CW-RNNs模型通过加权平均得到最终组合预测模型(Spark-CW-RNNs)。通过实例计算验证算法的准确性和有效性,结果表明：Spark-CW-RNNs模型比其他单一模型的预测误差更小、预测精度更高,模型具有有效性和可行性。     

基于复式竞价撮合的电力市场交易模式设计与实践

售电侧放开增强了市场多主体间的激烈竞争,制定科学合理的电力市场交易机制对于促进电力市场发展具有重要意义。针对目前电力市场主体意识薄弱、双边协商过程反复以及协商成本高等问题,提出了一种基于复式竞价撮合的电力市场竞价模式,主要将集中竞价、双挂双摘和火电匹配有机融合,将水电交易与火电交易统一安排,实现以集中竞价发现价格、以双挂双摘促成交易、以火电匹配方便用户的市场化交易方式。其次,在详细描述复式竞价撮合交易的设计思路和相关特征的基础上,构建了以社会福利最大化为目标的数学模型和计算方法。最后,将所提出的竞价模式应用于四川电力市场进行了实践证明,相关结果表明复式竞价撮合交易模式的用户侧成交率达到88.2%,用户侧成交量比单模式下集中竞价和双向挂牌竞价分别提高了23%和14%,有效节省了市场主体时间成本,解决了电力市场竞争不充分、参与市场竞争难以及市场信息不对称等问题。     

主动配电网下分布式能源系统双层双阶段调度优化模型

主动配电网下分布式能源系统的调度优化是实现经济及安全运行的重要保障,也是提高分布式能源有效利用率的重要途径,构建主动配电网双层能量管理下的双阶段调度优化模型及其求解算法。在负荷预测及间歇式能源出力预测的基础上,构建分布式能源系统的日前和实时两阶段调度优化模型。为求解上述模型,在传统帝国竞争算法(ICA)的基础上引入微分进化因子(DE),建立基于微分进化改进的帝国竞争优化算法(DE-ICA)。将所提模型应用于改造后的IEEE 33节点调度优化问题,仿真结果表明,双层双阶段调度优化能够有效地提高分布式能源利用率,降低系统运行费用,且验证了所提算法在求解此类优化问题时的有效性和优越性。     

基于Berge-NS均衡的电力市场多主体非合作博弈竞争模型

售电侧放开促使了电力市场主体的多向性选择,同时也增强了多元主体间的激烈竞争,而市场外部因素是不确定的,每个市场主体就需要在含不确定性的博弈中研究多元主体间的竞争关系并发展竞价策略,这对于促进电力市场的发展具有重要的意义。在明确市场主体需求的基础上,分别对发电商、售电商和大用户主体构建了市场决策模型;根据Berge-NS均衡模型制定了电力市场多主体非合作博弈竞争的流程和步骤,并利用磷虾群(KH)优化算法对各市场主体竞价策略的动态调整和市场均衡情况进行求解。通过算例仿真对所构建竞争博弈模型及求解算法进行验证,相关结果表明:随着博弈的不断深入和市场信息的积累,市场主体间的竞价策略会逐渐达到均衡状态,从而实现各方收益共赢和协调发展,有效提高了市场效率;同时验证了KH优化算法在求解电力市场多主体博弈竞争问题时的可行性和有效性。     

区块链技术下局域多微电网市场竞争博弈模型及求解算法

区块链技术作为新兴分布式数据库技术,在能源领域有巨大的应用潜力。多微电网系统作为能源互联网的重要组成部分,研究多微电网系统中多主体的竞争博弈对能源互联网技术的发展具有重要的意义。在综合分析微电网运营商、大用户以及分布式聚合商市场主体需求及收益等因素的基础上,构建了基于区块链技术的多微电网系统竞争博弈模型;针对这一复杂多目标优化问题,提出了采用改进蚁群优化算法(IACO)进行求解。对所构建的竞争博弈模型及求解算法进行了仿真分析,仿真结果表明,基于所提模型得到的各时段最优电价策略可有效地平衡市场各主体的效益,从而实现多方共赢和协调发展;结果验证了IACO在求解基于区块链技术多目标优化问题时的适应性和有效性。