风电场集群租赁共享储能两阶段优化运行策略

随着共享储能的逐步发展,如何构建与发电侧资源能量共享的联合互动机制成为共享储能在发电侧布局的重点方向。在共享理念背景下,提出了风电场集群租赁共享储能两阶段优化运行策略。首先,为厘清共享储能提供租赁服务的多元价值,提出了基于两部制电价模式的共享储能租赁服务价格机制并引入紧俏因子进行价格机制的调整与优化。其次,根据风电场集群租赁需求的动态变化特性,构建了风电场集群租赁共享储能的两阶段优化运行策略。日前阶段建立了以共享储能为主体、风电场集群为从体的主从博弈优化模型,通过纳什均衡解形成各时段租赁价格,并将价格信号传导至实时阶段。实时阶段分别以风电场集群与共享储能各自效益最大化为目标,结合租赁价格信号构建了实时滚动优化运行策略,继而形成各时段风电场集群实时租赁容量和储能充放电计划。接着,为保障风电场集群稳定性,充分考虑成员个体与集群和成员个体间的相关性,利用改进shapley值将储能租赁成本合理分摊至各风电场。最后,通过算例结果验证策略的有效性,为共享储能在风电场集群的应用提供了新的思路。

基于猎人猎物优化算法优化BiLSTM的电力负荷短期预测

针对电力负荷由于随机性和非线性等原因导致预测精度不高等问题,基于经验模态分解(empirical mode decomposition,EMD)与猎人猎物优化(hunter-prey optimization,HPO)算法,提出一种优化双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的电力负荷短期预测模型。首先,利用经验模态分解将电力负荷时间序列分解成多个固有模态函数分量和一个残差分量。然后,利用猎人猎物优化算法优化双向长短期记忆神经网络构建HPOBiLSTM预测模型,并将各个固有模态函数分量和残差分量归一化后输入HPO-BiLSTM预测模型中进行预测,把各分量的预测值反归一化后直接相加得到最终的预测结果。最后,选取某地区在2018年3月1日-11日的电力负荷数据进行分析,仿真结果表明,与BiLSTM、HPO-BiLSTM、EMD-BiLSTM、EMD-GA-BiLSTM和EMD-PSO-BiLSTM预测模型相比,EMD-HPO-BiLSTM预测模型的预测精度更高,拟合效果更好。

基于核主成分分析和食肉植物算法优化随机森林的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于核主成分分析和食肉植物算法(carnivorous plant algorithm,CPA)优化随机森林(random forest,RF)的风电功率短期预测方法。首先,利用核主成分分析从13个气象因素中提取出8个与风电功率相关的气象因素,将这8个气象因素输入到预测模型中。然后,利用CPA优化RF构建CPA-RF预测模型解决RF预测模型预测精度不够高的问题。最后,选取实际风电功率数据进行测试,测试结果表明,利用核主成分分析选取8个气象因素作为输入的效果要优于直接输入13个气象因素的效果,CPA-RF预测模型的预测精度高于长短期记忆网络(long short-term memory,LSTM)预测模型、双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)预测模型和RF预测模型。该方法可为提升风电功率短期预测精度提供参考。

基于MPC的光-储协同调频优化策略

[目的]为了降低光伏发电给电网带来的频率扰动,并进一步提升调频效果,提出了一种基于MPC(Model Predictive Control)的光-储协同调频优化策略,分析了该策略的基本原理、控制流程、约束条件、目标函数并优化了权重系数。[方法]构建了一个基于MPC的光-储并网系统模型,并根据该模型推导出了非线性状态空间方程。为了验证该策略的调频效果,设置了4种不同的仿真环境:无储能、带电池储能、带混合储能以及文章提出的策略。[结果]仿真结果表明:与其他场景相比,所提出的策略在调频效果上是最优的,无储能的条件下调频效果是最差的,此外,采用混合储能的调频方法优于使用电池储能的方法。[结论]在MATLLAB/Simulink平台上验证了所提策略的有效性。在光伏发电系统中,对储能和光伏最大功率点跟踪进行优化控制,能使电网频率更加稳定,从而提高整个系统的稳定性。该研究成果可为光伏发电并网提供参考依据。

储能用户多市场协同响应服务优化模型

储能是推动能源向绿色低碳转型和提高电力系统安全运行的重要支撑。文章利用电力物联网平台对储能的数据和信息进行实时监控和分析,为储能用户提供更智能、高效的管理方式。针对储能用户在电力市场环境下如何参与多样化交易的问题,在研究弃风弃光量调控的同时,将储能用户参与的交易范围扩展至新能源消纳方面,建立了储能用户同时参与能量市场、调频辅助服务市场和备用辅助服务市场的协同响应服务优化模型,并以用户的最大收益为目标进行了优化。通过对算例中3个方案的仿真分析,验证了该模型及方法的可行性和经济性。

考虑“风-荷”不确定性的海上“风-储”协同调峰优化模型

海上“风-储”协同有利于提高电力系统运行稳定性,但其易受海况影响,运维难度较高。提出在电力物联网的环境下面向海上风电的储能集群协同调峰的控制方法。考虑了海上风电出力的模糊性,建立风电功率的模糊机会约束模型,并将模糊机会约束条件转化为等价清晰类,以最低运行成本和最小弃风量为目标,综合考虑系统以及各设备的运行约束条件,分别建立风-火、风-火-储调峰模型,使用布谷鸟搜索算法求出最优解。通过算例分析,结果表明,火-储联合调峰能够更好地消纳风能,并且减少系统运行成本,提高经济效益。

平抑海上风电波动的混合储能系统容量优化配置

海上风电具有功率波动强的特点,接入电网时难以达到并网功率变化限制要求。为了平抑海上风电的输出功率波动,提出了一种考虑海上风电波动平抑的混合储能系统(HESS)容量配置方法。首先,利用加权移动平均滤波法得到HESS的输出功率信息指令;然后,利用能量谷优化算法(EVO)对变分模态分解(VMD)的模态分解个数N和惩罚因子?进行优化,采用参数优化后的VMD算法对HESS的功率指令进行分解;最后,以HESS全寿命周期内平均日总成本最小为目标构建HESS成本优化模型,通过优化最优分频点对HESS进行功率分配,从而制定经济性最优的储能配置方案。仿真结果表明,该方法能有效提高配置HESS平抑海上风电输出功率波动的经济性,可为海上风电配置储能接入电网运行提供参考。

能源低碳利用评价指标与技术综述

[目的]面对国家“双碳”战略的推进,我国各地区能源将在其独特资源禀赋上,向低碳利用方向发展。为了解低碳能源发展水平,需要对能源低碳利用进行评价研究。[方法]文章首先对能源低碳利用评价对象进行分析;然后对能源低碳利用评价指标进行分类与整理;接着梳理和介绍各评价方法和模型的特点,说明对能源低碳利用评价研究的作用。[结果]能源低碳利用评价对象可分为能源系统评价和区域性能源评价,从能源低碳指标、能源利用指标和能源安全指标3个方面综述了评价指标,合理运用主客观赋权评价方法可以更全面、准确地评估了解能源低碳利用的情况。[结论]当前能源低碳利用评价通常只作为评价指标体系的一部分体现。随着低碳能源的发展、清洁能源占比的提升,低碳能源利用进行评价的重要程度将越来越大。

基于IAOA优化SVM的变压器故障识别方法

针对电力变压器故障类型只有小样本数据难以准确识别的问题,提出一种基于改进算术优化算法(improved arithmetic optimization algorithm,IAOA)优化支持向量机(support vector machine,SVM)的变压器故障识别方法。该方法通过Piecewise混沌映射对算术优化算法进行改进,可以避免算法陷入局部最优解,利用IAOA对SVM参数进行优化,解决了SVM参数选择困难的问题,进而构造IAOA-SVM分类器对变压器故障进行识别。仿真结果表明,相比较于SVM和AOA-SVM分类器,IAOA-SVM分类器的识别性能最优,对5种、7种变压器故障类型的识别准确率分别为94.32%、99.26%,验证了所提方法的准确性。

基于TSO-ELM的广东省电力需求预测方法

针对极限学习机(extreme learning machine,ELM)的输入层权值以及隐含层偏值的不同取值对预测结果影响较大和现有的预测模型对广东省电力需求预测精度不高的问题,提出一种基于金枪鱼群优化(tuna swarm optimization,TSO)算法优化ELM得到最优数值,构建TSO-ELM预测模型的方法。将2008—2018年广东省的6个影响因素和电力需求量数据进行归一化处理之后构建预测模型,对2019—2021年广东省的电力需求量进行预测。仿真结果表明,与SVM、BP、ELM和GWO-ELM这4种预测模型相比较,TSO-ELM预测模型具有更高的预测精度。

基于北方苍鹰优化算法优化长短期记忆神经网络的光伏发电功率短期预测

为提高光伏发电功率短期预测的精度,提出一种结合时变滤波经验模态分解和北方苍鹰优化算法优化长短期记忆神经网络的组合预测方法。首先,利用时变滤波经验模态分解将光伏发电功率分解成多个固有模态函数分量。其次,利用北方苍鹰优化(northern goshawk optimization,NGO)算法优化长短期记忆(long short-term memory,LSTM)神经网络隐含单元的个数、最大训练次数和初始学习率,构建NGO-LSTM预测模型。最后,把每一个固有模态函数分量都输入到预测模型中进行预测,将所有固有模态函数分量的预测结果进行叠加便可得到光伏发电功率短期预测的结果。仿真结果表明,所提的预测模型可以有效提高光伏发电功率的预测精度。

基于鹈鹕优化算法优化广义回归神经网络的电动汽车充电负荷短期预测

针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残差分量。其次,对于分解后的固有模态分量容易出现冗杂信息,利用样本熵对分解后数值相近的固有模态分量进行相加重构,降低冗杂程度。最后,考虑广义回归神经网络的预测效果与平滑因子的数值有很大关系,利用鹈鹕优化算法优化广义回归神经网络的平滑因子,进而对电动汽车充电负荷进行短期预测。仿真表明,所提出的预测方法可以有效地提高电动汽车充电负荷的预测精度,具有较高的实用性。

海上风电与电氢混合储能协同运行优化

在“双碳”目标下,海上风电不断发展,随之带来了风电消纳与应对出力不确定性的难题。针对该问题构建含储氢盐穴的氢储能系统与退役动力电池的电氢混合储能系统。通过基于数据驱动的Wasserstein距离构建风电出力模糊集的分布鲁棒优化模型研究海上风电与电氢混合储能的协同优化运行。模型在第1阶段制定日前运行计划,在第2阶段通过仿射策略分配功率调整任务。最后通过算例研究不同预测误差对系统运行情况、运行成本的影响,验证了电氢混合储能在消纳风电与减少实时功率偏差的有效性。

基于VMD和IAO-SVM的电压暂降源识别方法

针对支持向量机(support vector machine,SVM)的惩罚因子、核函数参数选择困难和天鹰优化(aquila optimizer,AO)算法在寻优时容易陷入局部最优解的问题,利用改进的天鹰优化(improved aquila optimizer,IAO)算法对SVM的惩罚因子和核函数参数进行寻优,构建IAO-SVM分类器,利用变分模态分解(variational mode decomposition,VMD)提取电压暂降源信号三相电压的特征向量,并进行归一化处理之后输入到构造好的IAO-SVM分类器中对样本进行训练与识别,并与K近邻、极限学习机、SVM和AO-SVM这4种分类器进行对比。仿真结果表明,在对8种电压暂降源信号分别加入0 dB、10 dB、20 dB、30 dB、40 dB、50 dB和60 dB的高斯白噪声情况下,IAO-SVM分类器识别的准确率分别为99.5%、94%、99.25%、100%、99.25%、98.5%和97.25%,其识别准确率最高,验证了在对信号加入不同的高斯白噪声时,IAO-SVM分类器均具有较高的识别准确率和抗噪声能力,有助于解决电压暂降源的分类问题。

基于IHHO-SVM的电能质量扰动信号识别方法

针对SVM(支持向量机)的惩罚因子和核函数参数在寻优过程中容易陷入局部最优以及哈里斯鹰优化算法容易陷入局部最优的问题,提出一种利用IHHO(改进哈里斯鹰优化)算法对SVM的惩罚因子和核函数参数进行寻优,构建IHHO-SVM分类器来对电能质量扰动信号进行识别的方法。通过对9种不同的电能质量扰动信号加入0 dB、20 dB和30 dB的高斯白噪声来进行测试,利用改进的自适应噪声完备集合经验模式分解算法分解信号并提取信号前3阶固有模态函数分量的能量熵和样本熵作为一组特征向量,将特征向量进行归一化处理后输入9种分类器进行对比。仿真结果表明,在信号加入0 dB、20 dB和30 dB高斯白噪声的情况下,IHHO-SVM分类器的识别准确率分别为99.11%、97.78%和97.33%,其分类效果是所有分类器中最优的,证明了其分类的准确性、优越性和抗噪性。

适应储能参与的调频辅助服务市场机制设计及调度策略

储能系统参与调频已经成为电力系统稳定频率波动的有效手段,合理的辅助服务市场运营机制有利于激励储能提供优质的辅助服务,培育优质的第三方市场主体。针对现有储能参与调频辅助服务市场面临的定价机制不完善、快慢调频资源补偿机制不合理和储能容量越限等问题,设计了适应储能参与的调频辅助市场运营机制,并在该市场机制下提出了考虑调频成本和储能荷电状态恢复的调频资源优化调度策略。首先,采用主客观权重方法计算不同类型的调频资源综合调频性能指标权重系数,刻画多类型调频资源的调频性能差异。其次,横向比对不同交易时段的调频需求,引入时间松弛因子优化交易时段的边际出清价格,有利于形成有效映射系统调频需求变化的调频价格信号。同时,为快速厘清快慢调频资源调频效果差异,采用空间松弛因子量化不同调频资源的替代容量,形成快慢调频资源的合理补偿。然后,充分考虑储能荷电状态影响,以调度周期内调频成本最小为目标函数,提出了多类型调频资源实时控制优化策略,在降低调频成本的同时有效避免储能容量越限。最后,以广东现行调频辅助服务市场交易规则为基础,验证了所提市场机制及调度策略的实用性和有效性。

自适应图融合的缺失多视图聚类算法

多视图聚类能充分利用不同视图间数据的一致性和差异性,引起越来越多的关注。传统多视图聚类方法假设每个视图的数据都是完整的,然而在实际应用中,收集到的多视图数据常存在部分视图缺失的样本。为了对缺失多视图数据进行聚类分析,提出自适应图融合的缺失多视图聚类算法(IMC_AGF)。算法以两两视图间共有样本为瞄点构建样本-样本的相似度矩阵,学习其一致性知识,再利用两两视图间的互补性,用自适应图融合算法整合所有的相似度图,获取缺失多视图数据完整的相似度矩阵,然后进行谱聚类得到分类结果。实验结果表明,提出的算法优于与之比较的经典缺失多视图聚类方法。

考虑光伏的备用容量替代配置优化模型

在新能源环境下,负荷需求与新能源发电的不确定性对备用容量对提出了更高的要求,新能源与备用替代日益受到关注。根据电量不足期望值(expected energy not supplied,EENS)与备用容量的关系,确定了电力系统备用总量,并采用优先分配方式在多类型的发电机组中分配备用容量。基于EENS与运行成本,构建光伏发电系统替代火电机组的综合替代效益评价指标,以综合替代效益评价指标的数值最小化为目标函数,构建考虑光伏发电系统替代火电机组参与备用运行的电力系统备用容量优化模型。并用分段线性理论对具有二次特性的目标函数进行线性化处理,采用分支定界算法求解构建的非线性整数规划问题。以IEEE-30系统作为实例,计算结果表明,光伏发电系统替代火电机组参与备用运行,可以降低综合替代效益及备用容量。

微电网技术研究综述

微电网接入到电网中可以促进新能源的使用,起到缓解能源危机和改善环境的作用。对微电网技术的研究现状进行综述,从国内外微电网工程建设发展现状、微电网技术研究现状、国内外冷热电联供系统工程建设发展现状、国内外冷热电联供技术研究现状、微电网在电力市场中的应用等几个方面阐述微电网技术研究的最新进展,并给出对应的评述,指出“源-网-荷-车-储”微电网未来发展趋势。

基于改进粒子群算法的微电网经济运行优化方法

为更好地优化冷热电联供型微电网系统中各种设备的出力,使得微电网经济运行最优,建立了一个包含风机、光伏、燃气轮机、天然气内燃机、燃料电池和燃气锅炉等主要设备的冷热电联供型微电网系统模型,以微电网系统的经济运行成本和CO_(2)排放成本最小为目标函数,在满足各种设备出力和功率平衡等约束条件下,利用改进粒子群算法对模型进行求解。仿真结果表明,所提出的改进粒子群算法方法可以提高冷热电联供型微电网系统的经济效益。