保障极端高温事件下负荷可靠供应的楼宇综合能源规划

近年来极端高温事件频发,负荷侧用电需求激增,电源侧供应能力不足,有必要开展保障极端高温事件下商业综合体楼宇负荷可靠供应的综合能源规划研究。首先,对极端高温事件影响进行建模,并划分重要负荷可靠供应集合,同时建立电价型需求响应改变负荷曲线,在极端高温事件下,叠加激励型需求响应来进一步降低负荷水平,考虑经济因素与心理因素对其用户响应概率的影响,并对其不确定性进行描述;其次,以楼宇的规划周期内年总规划成本最优为目标,建立决策楼宇各能源设备型号及台数的楼宇极端高温事件下负荷可靠供应规划模型。利用综合范数约束普通场景、布尔变量约束极端高温场景的概率分布的分布鲁棒优化模型应对屋顶分布式光伏、光伏幕墙及负荷的不确定性。最后,通过算例表明,所提模型在保障极端事件下负荷可靠供应方面具有良好的经济性及鲁棒性。研究成果可为楼宇综合能源规划提供一定的参考。

虚拟电厂两阶段准线型需求响应优化及收益共享-风险共担决策方法

末端分散式资源的需求响应(demand response,DR)是支撑电力系统灵活调节的重要形式,但末端资源通常规模大且单体容量小,迫切需要虚拟电厂(virtual power plant,VPP)等市场主体进行聚合代理,从而间接参与电网公司的调节服务。聚焦于准线型需求响应这一新兴的响应模式,重点研究VPP内部分散式资源的利益-风险互动协调策略,提出面向准线型DR的VPP两阶段优化及收益共享-风险共担决策方法,构建VPP与电网、内部用户互动协调新模式。首先,在准线型激励下VPP以整体收益最大化为目标,考虑柔性负荷响应积极度与新能源准确度因子,进行日前-日内两阶段DR优化;其次,在收益共享-风险共担决策方法下,VPP与柔性负荷共享准线型激励、与新能源共担不确定性风险,并以改进的Shapley法对内部柔性负荷进行利益分配。仿真结果表明,相较于传统DR,准线型DR给出全时段响应目标,更具有优越性;共享-共担决策吸引柔性负荷参与VPP调节,促使VPP与用户双赢。

考虑生物质能和农业柔性负荷的农业产业园区综合能源系统规划方法

农业产业园区规划是实现农业产业园区用能低碳灵活的基础,而生物质资源高值化利用和农业柔性负荷对于促进农业产业园区的合理规划十分重要。因此,该文提出了一种考虑生物质能和农业柔性负荷的农业产业园区综合能源系统(integrated energy system,IES)规划方法。首先,为实现秸秆高值化利用,引入热解气化炉生产生物质气和生物炭,并通过高厌氧发酵粪污制沼,实现生物质的充分利用。其次,引入农作物日积温作为确定种植业热负荷参与需求响应量的衡量指标,并结合农业负荷特性建立农业柔性负荷模型。然后,以园区投资运行总成本最小为优化目标,考虑设备投资约束和满足农业生长需求的农业用能约束及生物质能成本等运行约束,建立农业产业园区规划模型。随后,为减小天气概率分布不确定性对农业生产和园区供能的影响,基于历史天气数据生成盒式不确定性集合,构建农业产业园区IES分布鲁棒优化模型。最后,通过算例结果分析得出,该文所提的农业产业园区IES规划方法可以显著减少碳排放和系统总成本,并充分利用生物质资源。

考虑阶梯碳奖惩和综合需求响应的楼宇低碳规划

近年来,商业综合体的发展趋势迅猛,楼宇建筑的能源消耗以及碳排放持续增长.在此背景下,对包含购物、餐饮、办公和住宿等多种功能的商业综合体楼宇低碳规划进行研究,建立楼宇低碳规划模型,同时考虑引入上级电网购电分时碳计量模型的阶梯碳奖惩和考虑楼宇各功能区域差异化预测平均指标(PMV)的综合需求响应(IDR).首先,引入上级网络购电分时碳计量模型,利用其评估楼宇等效碳排放,并构建阶梯碳奖惩模型衡量楼宇碳排放.同时,根据所规划商业综合体的特点构建考虑负荷时间转移和用能削减、终端用能设备替代及上级能源端用能种类转换的IDR.其次,以计及楼宇碳奖惩费用的楼宇年总规划成本最优为目标函数,考虑楼宇各功能区域差异化PMV,建立楼宇低碳规划模型来决策楼宇中各能源设备的型号及台数.然后,利用基于Kullback-Leibler散度的分布鲁棒优化方法应对接入的屋顶分布式光伏及光伏幕墙出力波动性.最后,通过算例分析引入上级电网购电分时碳计量模型的阶梯碳奖惩、考虑楼宇各功能区域差异化PMV的IDR及接入光伏出力波动性对楼宇规划的影响,验证所提规划模型可以有效减少楼宇能耗以及降低碳排放.

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。

计及需求响应的虚拟电厂日前市场交易策略研究

虚拟电厂作为分布式资源的聚合体,可以参与电能量市场与调峰市场交易。提出一种虚拟电厂参与能量与调峰市场的交易策略。首先,构建虚拟电厂参与能量与调峰市场的交易框架。然后,构建了柔性负荷的能量-调峰响应模型,并针对柔性负荷中的可转移负荷提出一种计及峰谷转移偏差的阶梯型补偿需求响应机制,目的在于引导可转移负荷参与需求响应的同时提高虚拟电厂在调峰市场中的收益。最后,构建虚拟电厂与柔性负荷之间的主从博弈模型,采用粒子群算法与Gurobi相结合的方法求解虚拟电厂利润与柔性负荷用电成本的纳什均衡。算例表明,所提需求响应机制能够充分挖掘可转移负荷的响应潜力,并增加虚拟电厂在日前市场中的利润。

基于数据驱动预测控制的有源配电网电压控制策略

高比例分布式光伏接入配电网使得系统的不确定性更加严峻,而配电网的网络拓扑与线路参数等数据很难准确获取,使得基于精确物理建模的传统配电网控制方法难以发挥作用。随着配电网量测装置的普及应用,配电网运行数据的获取愈发容易。文中提出一种基于配电网量测数据的有源配电网无模型电压控制方法。首先,基于配电网历史数据构建Hankel矩阵,建立网络节点电压与储能输出功率的关系;其次,利用局部量测数据,在考虑不确定干扰因素以及储能寿命衰减模型的同时,构建数据驱动预测控制下的配电网电压优化框架,实现控制周期内配电网电压的滚动优化;最后,通过IEEE 34节点标准算例与改进的IEEE 123节点算例仿真验证了所提方法的有效性和优越性。

基于双向循环插补网络的分布式光伏集群时序数据耦合增强方法

分布式光伏点多面广、局部渗透率高、安装环境复杂多变,真实可靠的量测数据是其性能分析、出力预测、运维调控的基础。然而,传感器故障和通信堵塞等因素会造成量测值缺失,恶化原始数据质量,进而影响配电网运行决策的准确性。传统数据修复方法只考虑单一量测值的分布特征,忽略了多维时序数据的潜在耦合关系,修复精度有限。为此,该文提出一种基于双向多阶段循环插补网络和Seq2SeqAttention的时序数据耦合增强方法,改进了循环插补网络的结构,并引入衰减机制,能利用少量未缺失数据,潜在地挖掘原始数据的整体分布规律,一次性对多个光伏场站完成高质量数据修复。实验结果表明,所提方法在高比例缺失情况下仍有良好的修复性能,可明显增强分布式光伏集群的基础数据质量,提升电网运营商对光伏集群的细粒度感知能力。

基于一维卷积和图神经网络的配电网故障区段定位方法

快速、准确地定位故障区段对配电网的安全运行至关重要。传统故障定位方法容错率低、耗费时间长,多数深度学习算法对拓扑变动的泛化性不足。基于此,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)和图神经网络(graph neural network,GNN)的配电网故障区段定位方法。该方法将配电网原始信息与GNN等深度学习算法相结合进行建模。首先利用基于注意力的时空图卷积网络从不同的时空尺度上对遥测数据进行故障特征提取,使用图注意力网络来融合多源遥信数据。然后,利用1D-CNN来调整特征输出维度以实现节点特征到故障支路的映射。最后,通过增设全连接网络来输出故障区段定位结果。依托于Matlab/Simulink平台搭建10 kV中性点不接地配电网系统进行仿真和测试。结果表明,所提方法具有优越的定位性能,能够灵活适用于各类低、中、高阻性接地故障场景,对系统拓扑变动具有强大的泛化能力以及对故障数据不完备的鲁棒性好。

考虑准线需求响应的高比例新能源电力系统调度优化

随着新能源装机容量与发电量占比的快速攀升,传统火电机组装机容量大幅降低,为平移新能源出力的随机性和波动性,迫切需要将负荷侧纳入调度优化。为此,提出一种考虑准线需求响应的高比例新能源电力系统调度模型。首先,构建考虑新能源出力存在极端出力和极端爬坡情况的不确定性场景集;其次,根据各节点负荷结构特点,刻画节点负荷响应能力差异,并加入正则化项对准线形状进行约束,在此基础上提出了考虑负荷响应能力的节点负荷准线模型;再次,将准线需求响应引入日前调度,建立高比例新能源电力系统两阶段调度优化模型;最后,通过对IEEE-30节点系统的算例分析表明,所提调度方法能够有效抑制新能源的不确定性,增强高比例新能源电力系统的新能源消纳能力和电力可靠供应能力。

考虑供电能力提升的低压配电网柔性互联规划

构建具有可靠供电能力的低压配电网具有重要意义,然而低压配电网供电能力受到低压配电变压器负载、低压配电网新能源消纳能力以及低压配电网供电电压3大要素影响。因此,该文基于低压配电网柔性互联技术提出考虑供电能力提升的低压配电网柔性互联规划方法,通过抽取影响低压配电网供电能力的主要场景建立低压配电网柔性互联规划框架。另外,针对该文多主体规划运行模型的不确定性,采用信息间隙决策理论(information gap decision theory,IGDT)与基于Wasserstein距离的分布鲁棒方法进行精细化建模。最后,采用MATLAB和CPLEX求解器在IEEE 38节点配电网上进行算例分析。仿真结果表明,该规划方法在有效提升低压配电网供电能力的同时具有更好的经济性。

基于深度学习的城市配电网多级动态重构决策方法

多级动态重构技术相比于传统全局重构技术更适合用以改善大规模城市配电网的运行经济性,但是随之而来的重构级别识别又成了新问题。由此,该文依托现有的多级动态重构数学模型,提出一种基于深度学习算法的城市配电网多级动态重构决策方法,可跨过级别识别过程直接实现输入净负荷数据与最优重构决策方案之间的非线性映射。建立了将特征空间注意力机制、时间序列注意力机制、卷积神经网络与门控循环单元相结合的组合神经网络,针对城市配电网净负荷数据时空分布不均衡的特性,采用特征空间注意力机制与卷积神经网络对整个配电网的净负荷数据进行空间特征的学习以感知其高维特征空间的潜在联系。接着采用门控循环单元与时间序列注意力机制来充分挖掘净负荷数据在长时间尺度下的时序特征,提取其在时间分布上的不平衡特征,充分训练所提组合神经网络以拟合现有数学模型。最后,通过实际的145节点系统、IEEE 33节点系统、PG&E 69节点系统进行算例分析,验证了所提方法的有效性。

考虑分级重构的配电网安全低碳两阶段运行优化方法

随着配电网拓扑结构的复杂程度提高,针对高比例可再生能源出力预测误差会导致配电网优化调度决策的准确性下降的问题,提出考虑分级重构方法的配电网安全低碳两阶段优化方法。首先,分析了配电网两类分级开关的影响程度和两阶段运行优化框架。其次,提出了配电网日前-日内两阶段优化方法,通过协调分级开关动作、储能系统、工业负荷需求响应等手段实现配电网最优化运行。然后,考虑到光伏出力在不同时间尺度上预测误差,分别构建了以低碳性为目标的日前全局低碳经济调度模型及以安全性为目标的日内滚动安全经济调度模型。最后,算例验证了所提模型能够在光伏高比例渗透背景下,有效支撑复杂配电网安全低碳运行。

考虑CCER收益共享激励火电机组深度调峰的电力系统低碳调度

在新能源大量接入电力系统的背景下,火电机组深度调峰可提高系统灵活性,但会导致火电机组运行成本增加,降低其积极性。基于现有的碳市场相关政策,引入动态收益共享因子,将新能源机组通过绿电上网而获得的国家核证自愿减排量(CCER)收益与火电机组共享以补偿火电机组深度调峰成本,并利用与预期风光出力关联的新能源机组满意度来表征它们在进行共享时的意愿变化情况,从而将CCER收益共享激励火电机组深度调峰融入电力系统调度模型。采用场景法表征风光出力的不确定性,并以系统运行成本最低、碳排放最低为多目标,构建电力系统低碳调度模型。通过改进的IEEE30节点系统进行算例分析,结果表明所提方法能鼓励火电机组深度调峰,降低系统碳排放。

主动配电网分层鲁棒规划模型及其求解方法

国内外大力提倡用户开发利用清洁能源,而分布式电源(distributed generation,DG)的不确定性对接入配电网规划运行带来了巨大的挑战。文章侧重于对现有配电网的升级改造,主要包含有载调压变压器、主动配电网储能系统、分组投切电容器、静止无功补偿装置等主动管理手段的网络拓扑规划设计,以适应分布式电源和负荷的不确定发展。首先,对DG和负荷建立了一定保守度的不确定性时序集合,并设计了场景筛选规则;其次,构建了主动配电网分层鲁棒规划模型,并以弃风、弃光和失负荷最少为优化目标;然后,对规划模型投资层和运行层进行有效关联,且通过二阶锥等手段将原模型转化为混合整数二阶锥规划问题进行快速求解。最后,通过修改的IEEE 33节点系统验证了模型的有效性。

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制。同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型。模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型。最后,建立了潮流裕度指标,并评估了该模型的安全性。算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考。

基于坏场景集的含风电机组组合模型

针对风电出力的不确定性和波动性,引入坏场景集和鲁棒优化方法来解决含风电的机组组合优化问题。在分析场景集和鲁棒优化在电力系统不确定性调度中的应用基础上,构建评价坏场景恶化程度的保守度指标,在优化目标中加入方差来抑制个别坏场景导致整体优化结果的恶化,并结合储能系统对平抑风电波动的固有特点,建立了基于坏场景集的鲁棒机组组合模型及其算法。最后,通过算例进行了成本、储能装置容量和鲁棒度量分析,验证了该模型的有效性和实用性。

考虑风储一体的多场景两阶段调度决策模型

考虑风电的波动性和随机性,将风电功率的不确定性引入含风电调度模型中,建立基于场景集的日前机组组合和日内经济调度滚动修正两阶段决策模型。应用场景集描述风电功率的不确定性,建立基于场景集的机组组合模型,同时考虑合理弃风和切负荷有利于系统的稳定经济运行,在日内修正模型中引入弃风量以及切负荷量作为松弛变量,提高了模型的收敛性。两阶段模型均包含了储能系统来平抑风电功率的波动。算例结果表明:该模型有效抑制了风电的不确定性影响,提高了调度决策的鲁棒性。

主动配电网最优潮流研究及其应用实例

最优潮流研究在配电网规划运行中不可或缺,且在大量分布式能源接入的主动配电网环境下尤为重要。传统的启发式算法在全局最优解和求解速度上均无法满足主动配电网运行要求,而基于线性化的最优潮流方法在高阻抗的配电网中适用性也较弱。基于此,文章建立了基于二阶锥规划(second order cone programming,SOCP)的动态最优潮流模型框架,力图将原非线性规划模型松弛转化为SOCP进行快速求解。首先,给出了基于二阶锥松弛的配电网动态最优潮流基本模型;然后,对主动配电网中各重要参与元素进行相应的线性化建模处理以便高效求解,如主动管理设备、配电网重构、需求响应及综合负荷等;同时,分析了松弛模型和近似等效的准确性。最后,通过3个应用实例验证了该最优潮流模型的松弛准确性和有效性。

考虑多产消者差异化特征的社区微网系统P2P交易机制设计

随着分布式能源的大量接入和电力系统运行方式的逐渐转变,社区微网系统(community microgrid system,CMS)中用户已经从传统的消费者转变为具有电能生产/消费行为的产消者。在此背景下,通过引入点对点(peer to peer,P2P)能源交易机制,实现社区微网系统中的产消者自主能量管理以及自主竞价策略最终达成P2P能量交易。首先,考虑产消者的差异化特征,对CMS内部资源自主形成的4种典型类型的产消者进行整合和建模。然后,基于连续双边拍卖机制搭建了日前阶段多类型产消者P2P能量交易框架,各产消者考虑历史交易决策信息以个体利益最大为目标,并通过交互有限的信息,在产消者之间互相发起交易请求,实现CMS内产消者之间P2P能量交易。针对在交易过程中产消者可能出现的隐私性保护,提出基于多段报价机制的P2P竞价策略,既能降低交易方的信息暴露风险,又能减少单次竞价决策的风险度,保证产消者收益稳定。最后,通过算例验证文中设计的P2P交易机制能够有效保护产消者的交易隐私性的同时,提高其经济效益。