共享电动汽车混合充换电站选址优化

在未来城市中更换电池这种便捷、高效的方式将成为共享电动汽车补充电能的主要方式.为了建立效率高、成本低、电网友好型的混合充换电站,首先根据共享电动汽车的租赁规律以及功率、时间等充电数据,利用蒙特卡洛模拟方法预测共享电动汽车的充电负荷;然后,以共享电动汽车充换电站对用户捕获程度最大、配电系统网络损耗最小和配电系统电压偏移最小为目标,建立共享电动汽车混合充换电站最优规划的多目标模型;最后,采用改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对多目标模型进行求解,得到Pareto最优解集.以25节点交通网络和IEEE 33节点配电系统为例,验证了所建模型的可行性,可为共享电动汽车混合充换电站的建设提供可行性经验.     

基于强化学习的电动汽车换电站实时调度策略优化

随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。     

双馈感应发电机Crowbar电路的投切控制策略优化研究

研究了Crowbar投入、退出时间对双馈感应风力发电机低电压穿越性能的影响,并在Matlab/Simulink仿真平台上搭建了含Crowbar保护电路的DFIG模型,验证了Crowbar投切时间对DFIG低电压穿越的影响,保证故障发生时,Crowbar电路按设定的投切时间工作,短路电流能根据电流的变化规律快速衰减,转子电阻电压不超过直流母线电压;采用阈值投入延时切出的方案,防止Crowbar保护在电网故障时多次投切。仿真结果表明,经过适当的延时切除Crowbar电路可以避免Crowbar电路多次动作和转子再次过电流,能很好地保护风电机组,提高其低电压穿越能力。结果显示,低电压穿越效果很大程度上受退出时间影响。     

基于改进泰尔熵和熵度的电力系统关键节点识别

为了弥补信息熵考虑因素单一的缺陷,引入泰尔熵并对其适当改进用于电力系统关键节点识别中。改进后的泰尔熵将系统线路按照负载率进行分区,并分别计算节点功率变化时同区及区间潮流分布的均匀程度,然后采用负载率对同区结果进行加权,得到节点的改进泰尔熵指标。为了使识别结果更贴近工程实际,采用熵度评估了节点网络拓扑位置的重要性,然后提出了关键节点综合评估指标。综合评估指标兼顾节点网络拓扑结构重要性和其功率变化对潮流的影响情况,通过对IEEE-39节点系统进行关键节点识别验证,验证了方法的可行性和有效性。     

双馈式风电场改进的恒电压控制策略

双馈式风电场采用恒电压控制能够为电网提供电压支持,但风速的随机波动使输电线路潮流频繁变化,给控制系统的稳定性带来了挑战,因此本文对恒电压控制进行改进：通过引入等值风速作为前馈控制,对风速扰动进行补偿,抑制电压波动。为减小双馈风电机组内部有功损耗,提出双层无功分配策略：第一层根据各机组无功极限的大小进行分配,第二层以最大限度的减小机组内部有功损耗为目标,在双馈机定子侧和网侧变流器（GSC）之间进行优化分配。通过仿真,验证了该方法能有效抑制由于风速变化导致的电压波动,并且大大减小双馈风电机组内部功率损耗。     

专家系统与神经网络及其结合在电力系统中的应用

专家系统和人工神经网络是智能理论研究与应用的热门话题,它们在电力系统中的应用也非常广泛,但多年来的研究成果表明对专家系统和神经网络的孤立研究都存在着一定的局限性。介绍了专家系统和神经网络的结构,特点及其差异,并以电力系统实际应用的先例介绍了专家系统与神经网络相结合的几种方法。     

专家系统与神经网络及其结合在电力系统中的应用

专家系统和人工神经网络是智能理论研究与应用的热门话题,它们在电力系统中的应用也非常广泛,但多年来的研究成果表明对专家系统和神经网络的孤立研究都存在着一定的局限性。介绍了专家系统和神经网络的结构、特点及其差异,并以电力系统实际应用的先例介绍了专家系统与神经网络相结合的几种方法。     

基于主从博弈和贪心策略的含电动汽车主动配电网优化调度

随着入网的电动汽车规模增加,为了实现电网与车主的双赢不仅要考虑其无序充放电对电网负荷的影响,还要计及双方的成本。基于此,建立了主动配电网与电动汽车主从博弈模型。上层以配电网运行成本最低为目标,通过合理的电价及激励策略引导电动汽车充放电,并协调优化分布式电源及储能;下层基于贪心策略进行两阶段优化,先以分时电价下充放电成本最低为目标优化充放电策略,在不减少收益的约束下,再最大化电网对减小负荷波动给予的激励调整策略。通过改进的IEEE 33节点系统算例分析表明,该模型在最大化双方利益的同时极大地缩小了负荷峰谷差,避免了大量电动汽车充电引起新的高峰。     

考虑风电不确定性的互联电力系统鲁棒经济调度

实现可再生能源的大规模利用和共享是能源互联网的主要目的。将可再生能源转化成电能,实现了对可再生能源的利用;通过输电网对电能的远距离传输,实现了可再生能源的大规模共享。本文针对输电网,提出一种广域协调消纳大规模新能源发电出力的策略,实现可再生能源广域内的大规模共享。并运用鲁棒优化技术,有效控制新能源出力不确定性给电力系统带来的影响。首先,给出了一种“传统关口调度结合风电消纳”的联络线调度模式,将日前联络线功率调度计划分为计划值和调整值;其次,建立两阶段零和博弈模型;最后,针对所建博弈模型,提出一种改进的“非线性割平面”算法进行求解。算例分析结果表明,所提出的新能源广域协调消纳策略能够在保证互联系统鲁棒性的同时提高互联系统的经济性。     

分布式电源接入配电网多目标优化规划

建立分布式电源(DG)选址优化多目标计算模型,从投资费用、网损、电压指标3个主要角度独立分析DG接入配电网的优化计算问题。提出基于熵和距离的多目标粒子群(DEMPSO)算法和模糊多权重(FMW)技术,通过DEMPSO算法找到DG接入配电网的多个可行方案,通过FMW决策确定最优方案,基于此进行DG优化选址与定容。算例验证了所提模型与方法的有效性和合理性。