主动配电网多元主体灵活性和随机性的转换机制与刻画方法

能源变革背景下,分布式光伏、储能系统及互动型负荷规模化接入配电网。在调控优化模型中,由于资源特性的差异,配电网及用户侧等多元主体既有潜力作为具有灵活性的控制变量,也可能仍为具有随机性的参数。当负荷互动能力强、储能配置容量大、预测误差小时,这些主体可能表现出灵活性;反之,则可能表现出随机性。文中首先研究了灵活性和随机性的转换机制,基于聚合功率的鲁棒优化结果,推导了多元主体在控制变量和参数之间的一般性转换条件。然后,考虑时序耦合下聚合功率可行范围或波动范围最优,基于两阶段鲁棒优化,刻画了控制变量的可控区间和参数的不确定区间。最后,通过算例验证了转换条件及刻画方法的有效性,为电网多层级协同优化问题的建模和快速求解提供了支撑。

基于随机优化的综合能源系统能量管理

为提升综合能源系统经济性,并削减电动汽车广泛应用后增加的用电高峰负荷,提出了一种包含随机优化与并行求解算法的快速能量管理策略.在对多能流子系统耦合与设备运行约束建模后,结合电动汽车有序充电策略,建立包含时域滚动的随机规划下的能量管理模型.为了降低能量管理在线运行的时间成本,一方面采用场景生成与削减技术实现对输入变量预测场景集的合理利用,另一方面求解时应用Benders分解算法实现并行计算.算例结果表明:所提方法与不考虑随机优化的方法相比,系统运行的总用能成本明显降低;与不考虑场景削减及Benders分解的随机优化方法相比,总用能成本稍有提高,但运行时间成本显著下降.

考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测

分布式光伏短期功率预测缺乏同时空气象数据。传统方法直接借助邻近集中式光伏站点数据进行功率预测,忽略了地理位置偏移带来的气象信息时移,难以满足预测精度要求。文中提出了一种考虑气象信息时移的混合预测方法。在机理驱动模型中,采用最优时移对气象数据进行偏移修正;在数据驱动模型中,引入时间模式注意力机制削弱气象数据偏移的影响。然后,通过Stacking集成学习框架将两种方法进行融合,形成机理-数据混合驱动模型,进一步提高预测稳定性及准确率。基于分布式光伏和公共气象站点实际数据进行的案例分析表明,所提方法能够有效利用偏移地理位置的气象数据,实现更高精度的分布式光伏发电功率预测。

基于数据驱动方式的电动汽车充电需求预测模型

电动汽车充电需求预测是研究电动汽车与电网和交通网互动的重要前提,由于现有工作大都没有采用真实的交通数据来分析电动汽车充电需求。为此,该文提出一种基于数据驱动方式的电动汽车充电需求预测模型。首先利用"滴滴"网约车出行原始轨迹数据进行数据挖掘与融合建模,数据分析过程包括区域范围选定、空间网格建模、轨迹数据映射、POI检索数据识别、城市功能区聚类以及交通路网建模。通过建模处理得到了功能区域划分、出行规律分布以及实际行驶路径等再生特征数据。其次考虑电动汽车的移动负荷特性,建立包含行驶特征参数和充电特征参数的单体电动汽车模型。然后将建模分析得到的再生数据以及单体电动汽车模型作为充电需求预测架构的数据来源和模型支撑。最后以南京市某区域为例,设计路径规划实验和不同场景充电需求负荷实验。结果表明所提模型可以有效预测不同日期类型和不同功能区域充电需求负荷的时空分布特性,也为后续电动汽车充电控制和充电引导的研究奠定理论基础。

考虑能量时空转移的城市规模化共享电动汽车充放电优化调度

共享电动汽车(electric vehicles,EV)的发展不仅为用户提供了便捷的出行方式,也为城市电网提供了高效的灵活调节资源,规模化共享EV出行和充放电行为复杂、随机性强,对其建立充放电控制模型需要考虑多元利益主体的在线滚动协同,计算量大且实时性要求高。首先,采用基于荷电状态区间的聚合建模方法,根据荷电状态确定共享电动汽车的能量时空转移状态,对规模化EV的充放电优化调度进行降维处理。然后,考虑运营商利益、有限理性用户累积前景效用以及电网需求响应等多元主体收益,构建了基于深度强化学习的充放电优化模型,并采用深度Q网络方法进行求解,可实时在线获得面向城市不同区域共享EV的充放电聚合优化策略,有效应对随机性带来的影响。最后,结合某市9区域共5000辆共享EV的实际运营数据,通过算例分析验证了城市内部共享EV具有能量时空转移特性,所提建模方法与求解策略在保证多元主体利益的目标下能够有效解决大规模共享EV充放电优化调度问题。