基于信息物理社会融合的新能源消纳策略

随着信息物理系统的概念逐渐扩展为信息物理社会系统,以及新能源对新型电力系统的大规模渗透,新能源消纳水平提升和新型电力系统经济运行面临着更高的挑战。通过高可靠性的蜂窝星形网络的信息采集和传递将信息、物理和社会系统紧密相连,构建了基于信息物理系统和信息物理社会系统的优化调度模型。为提升新能源的消纳水平,还通过考虑碳交易成本来减少火力发电的占比。在社会系统中,电动汽车聚合商受充电成本的刺激从而积极参与电力系统的优化调度。通过CPLEX对分别包含基于信息物理系统和信息物理社会系统两种优化模型的IEEE 33节点电力系统进行仿真,计算和对比优化结果验证了基于信息物理社会系统优化模型的有效性,其不仅大幅提升了新能源的消纳水平,还减少了电动汽车聚合商的充电成本。此外,发电系统的运维成本和碳交易成本也得到了改善。信息物理社会系统在能源转型中的应用实现了新型电力系统中各主体之间的互利共赢。     

基于Attention-LSTM与多模型集成的短期负荷预测方法

目前深度学习技术发展快速,针对其在短期负荷预测任务中处理离散数据效果较差以及泛化性不佳的问题,提出一种基于注意力机制的长短期记忆网络(long short-term memory network with attention mechanism,Attention-LSTM)与Stacking多模型集成的负荷预测方法,可以兼顾二者优势。首先,利用均值编码的方式处理离散特征,接着应用Attention-LSTM对负荷数据进行特征提取,再将处理后的数据一同输入到基于Stacking的多模型集成预测模型中,通过3种基学习器对输入特征进行分析处理,最终通过元学习器完成预测。算例使用2个数据集中的实际负荷数据进行分析,对2个数据集中的负荷数据分别进行预测,并与门控学习单元、轻量级梯度提升机、支持向量机方法进行对比。仿真结果表明,所提方法在2个数据集的预测精度均能够超过98%,比其他3种方法的预测精度更高。     

基于Benders分解和纳什议价的分布式热电联合优化调度

考虑供热管网储能特性的热电联合优化调度可以有效地提高电力系统的灵活性，促进可再生能源高比例消纳。电力系统和热力系统隶属于不同的运营主体，热电联合优化调度在最大化总体效用时，不应损害个体利益。该文提出一种基于Benders分解和纳什议价的电-热综合能源系统分布式优化调度方法。首先，热力系统与电力系统依次计算最优热流和最优功率分配，分别得到各自独立调度的运行总成本；然后，利用Benders分解计算电-热综合能源系统最优能流，相应得出电-热综合能源系统运行总成本；最后，通过纳什议价重新分配两者的合作剩余以鼓励热力系统参与热电联合优化调度。两个不同规模算例的仿真结果表明，所提方法能在保护信息隐私的前提下，实现激励相容并促进可再生能源消纳。