基于条件风险价值的虚拟电厂参与能量及备用市场的双层随机优化

为充分发挥虚拟电厂的灵活性价值,提出了虚拟电厂参与电能量及备用辅助服务市场的双层随机优化模型。上层基于条件风险价值理论建立了虚拟电厂参与电能量及备用辅助服务市场的两阶段风险决策模型,其中,第一阶段考虑新能源不确定性的潜在风险,建立了虚拟电厂参与能量和备用辅助服务市场的投标报价模型,第二阶段针对不同场景下的新能源出力建立了以虚拟电厂期望运行成本最小为目标的分布式资源优化调度模型;下层在已知各市场主体的投标报价信息后,开展电能量市场及备用辅助服务市场的联合出清。仿真分析表明,所提方法能够有效指导虚拟电厂规避新能源不确定性的潜在风险,并通过将备用价格提高到下一个边际机组的报价从而增加自身利润。

氢储能系统容量双层鲁棒随机优化配置方法

氢能作为一种清洁无污染、能量密度大的二次能源,是大规模消纳新能源的理想储能载体,耦合氢储能系统和可再生能源的电热氢综合能源系统为消纳新能源提供新的思路和方案。围绕电热氢综合能源系统中如何以经济合理的方式投入氢储能设备展开研究,解决氢储能设备容量的合理配置问题以及考虑源荷不确定性对电热氢综合能源系统运行的影响,提出了一种考虑季节性存储和源荷不确定性的电热氢综合能源系统中氢储能容量优化配置方法。首先针对风电功率预测误差较大,电热气负荷预测精度较高的特点,分别采用不确定集和抽样场景描述源和荷两侧的不确定性。然后建立了考虑源荷不确定性和季节性存储的氢储能容量配置双层鲁棒随机优化模型,其上层问题以年化投资成本和运行成本的总成本最小化为目标确定氢储能系统装置容量,下层问题采用两阶段鲁棒随机优化模型模拟电热氢综合能源系统典型日在风电出力最恶劣场景下的最优运行方案。由于该模型难以直接求解,提出基于粒子群优化算法和列与约束生成算法对该类复杂模型进行求解。最后,通过对某个电热氢综合能源系统算例进行分析,算例分析结果验证了所提方法的有效性,获得的氢储能系统容量优化配置方案能够促进风电消纳和提高系统运行的经济性。

数据驱动下考虑多预测误差带信息的多场景随机优化调度

针对高比例可再生能源接入电网后省级电网面临的风光功率预测不确定性大、调度决策难等问题,提出一种多场景随机优化调度模型。基于核密度估计方法引入调度预测误差带的概念,结合风光聚合场站的预测出力和实际出力构建计及时间相关性的海量随机场景,结合改进的K-means聚类与同步回代消除算法进行场景缩减,引入布莱尔分数评价削减后随机场景的性能;基于风光随机出力场景,考虑供热系统中的热用户舒适度,构建日前随机优化调度模型。基于新疆电网实际网架结构和风光实际历史出力数据进行算例验证,结果表明:所提方法生成的风光出力随机场景可以更好地描述风光的预测轨迹;相较于传统日前调度方法,基于场景法的随机优化调度模型可有效提升风光可再生能源消纳率;以供热系统中热用户舒适度为导向,热电联产机组参与热力系统热电调节可进一步降低风光弃电率。

电制氢协同的含高比例光伏配电网两阶段电压随机优化控制

针对传统配电网电压控制方法存在的调节资源有限、调控成本较高、响应速度较慢等问题,提出一种利用电制氢(power to hydrogen,P2H)辅助的两阶段电压随机优化控制策略。首先,在建立P2H装置在内的调压设备运行约束以及配电网线路约束的基础上,建立了考虑电解制气收益的日前-日内两阶段电压优化控制模型。其次,针对分布式能源出力和负荷需求日内短时扰动引发的电压波动甚至越限问题,基于拉丁超立方抽样与Kantorovich距离削减技术构建了配电网典型运行场景,并以各场景下日内阶段目标函数期望最小为目标求解电压控制策略。算例结果表明,所提方法相比于不考虑P2H辅助的常规电压控制方案,有效避免了电压越限问题,并且总控制成本降低了26.43%。

沿海区域综合能源生产单元随机优化调度

为实现沿海区域的海上风电场、海上采气平台和陆上热电联供燃气电厂等多种能源生产子单元的协同化运行,考虑可再生能源出力和氢负荷的随机波动,提出沿海区域综合能源生产单元(coastal integrated energy production units,CIEPU)随机优化调度模型。采用参数化代价函数近似(parametric cost function approximation,PCFA)的动态规划算法求解随机优化调度模型。通过一种基于梯度下降的求解方法--Adadelta法,获得策略函数的一阶信息,并计算梯度平方的指数衰减平均值,以更新策略函数的迭代步长;对随机优化调度模型进行策略参数逼近,从而得到近似最优的策略参数,并逐一时段求解出CIEPU的最优调度计划。最后,以某个CIEPU为例,分析计算结果表明,所提出方法获得的优化调度方案可以提高CIEPU运行的经济性并降低碳排放量,验证了所提方法的准确性和高效性。

基于随机优化算法的天然气管道运行优化研究综述

在“双碳”目标背景下,天然气管道的运行优化可以最大程度地实现降本增效减碳,因而得到了广泛且深度的关注。与确定性算法不同,随机优化算法在处理大规模管道和混合整数非线性规划问题上优于经典确定性算法。为此,对基于随机优化算法的天然气管道运行优化进行了调研。首先,介绍了天然气管道运行的数学模型;其次,采用随机优化算法求解模型最优调度结果,分别对遗传、粒子群、蚁群以及模拟退火4类算法在天然气管道运行中的应用进行了分析、对比和归纳。最后,对天然气管道运行优化的技术挑战与发展趋势进行了探讨。

深度强化学习方法求解梯级水库随机优化问题

深度强化学习(deep reinforcement learning,DRL)是将强化学习与深度神经网络相结合的方法,近年来已广泛应用于求解组合优化问题.论文提出深度强化学习方法求解梯级水库多阶段随机优化问题,将问题建模为马尔科夫决策过程,构建基于梯级水库调度计算的强化学习训练环境,基于梯级水库调度模型定义强化学习的动作、状态、收益函数,通过与强化学习训练环境进行交互学习,采用邻近策略优化算法(proximal policy optimization,PPO)求解得到梯级水库随机优化策略.以西南流域梯级水库为例计算,实例表明,深度强化学习方法能够处理梯级水库随机优化中的随机性,通过强化训练学习可以解决梯级水库随机优化问题,梯级水库随机优化策略可用于实时调度运行决策.深度强化学习方法具备强大的计算和学习能力,理论上可以解决不同尺度的梯级水库随机优化调度问题,基于深度强化学习的梯级水库随机优化调度有可能改变梯级水库的管理和运营方式.

考虑需求侧响应及V2G的综合能源系统随机优化

为解决高比例新能源综合能源系统中风力、光伏等不确定因素,以及电动汽车无序充电对综合能源系统稳定运行带来的问题,提出一种包含需求侧响应以及电动汽车入网的随机优化调度方法,以优化综合能源系统的运行。根据负荷特性将用户负荷分类,建立用户负荷的需求侧响应模型。基于不确定因素的历史数据,使用场景法生成典型场景。以综合能源系统的经济运行为目标,建立综合能源系统随机优化模型,并通过算例分析该优化模型效果。研究结果表明,该优化模型可以有效减少负荷峰谷差,提高系统运行稳定性,降低系统运行成本。

含碳捕集及电转氢设备的低碳园区综合能源系统随机优化调度

针对工业园区的零碳转型需求,建立了一种“新能源发电+氢储能”与“火电+碳捕集”的多能互补技术组合。系统考虑将氢能直接售卖给氢能汽车获益以达成经济性目标,将氢能汽车减排量加入碳交易以实现低碳性目标。通过可再生能源渗透率、弃风弃光率及氢能汽车减排量3个指标来量化系统的低碳效益。考虑风光出力不确定性,基于蒙特卡洛算法对风光曲线进行场景生成,基于概率距离削减法削减至4个典型场景,然后采用随机优化方法分析典型日运行成本。结果表明:该系统既能增加风光新能源的消纳、降低碳排放,又能降低系统日运行成本,验证了零碳园区转型的可行性。

基于多阶段随机优化的水库流量控制和洪水风险短期管理

由于水电、供水、防洪等多重目标,以及来水和需水量预测的内在不确定性,水库的短期优化管理具有挑战性。模型预测控制(MPC)通过将过程模型、预测和目标函数的制定结合起来,并通过优化算法求解,为这一管理问题提供了在线解决方案。这种预期管理有许多优点,但也可能存在预测的不确定性。在实践中,预测的不确定性有多种来源,这些来源可能危及控制决策。本研究是在MPC的闭环模式下结合确定性和概率性的径流进行了后报实验,以模拟实时洪水缓解案例。并采用基于树的约简技术,将概率流入预测与多阶段随机优化模型相结合。结果表明,基于树的MPC模型通过在决策过程中加入更长的预测时间和考虑预测的不确定性,建议在重大洪水情况的实时控制期间减少泄洪道流量。另一方面,将能源生成与确定性方法进行了比较。结果表明,该方法在不影响能量生成的前提下具有良好的应用前景。

基于场景法的含电动汽车接入微电网随机优化调度模型分析

针对电动汽车接入微电网带来的一系列问题,基于场景法,提出了一种针对含电动汽车接入的微电网随机优化调度模型,并通过实验验证该模型的有效性和可行性。实验结果表明,该模型能够实现微电网经济效益最大化。同时,通过“削峰填谷”策略,电动汽车用电总成本降到了最低,为微电网优化调度提供了新的思路和方法。

基于余留期效益函数的水光互补随机优化调度方法

针对多能互补模式下水库调度面临径流、新能源出力等多重不确定性叠加影响,以及如何协调近期效益和远期效益的最优余留库容等关键问题,提出了一种基于余留期效益函数的水光互补随机优化调度方法。结合数学期望模型提出了水光互补调度两阶段随机优化决策框架,基于水库调度的周期性马尔科夫特性,采用逐步迭代方法对多能互补系统的余留期效益函数进行近似逼近,以实现有限预报信息条件下水库长期余留库容动态决策。以锦屏一级水光互补系统为实例进行验证,结果表明:余留期效益函数受光伏出力影响较小,而与余留库容、径流呈正相关有关系;随着调度时段从枯期进入汛期,余留期效益函数逐渐从线性曲面变为凸曲面;相较于常规调度方法,提出的调度方法多年平均发电量在率定期、检验期分别增加了2.70亿、2.51亿kW·h,在径流、光伏出力预报信息相对较小的条件下,能有效指导水光互补系统的长期调度运行。

梯级水库深度强化学习长期随机优化调度研究

梯级水库调度相较于单库调度状态空间呈指数级增大,为解决基于表格的强化学习方法在解决梯级水库长期随机优化调度问题时面临的维数灾问题,提出采用深度强化学习中的深度Q网络算法求解。首先基于Copula函数分析梯级水库随机入库径流的联合分布函数;再根据时序差分思想分别建立目标神经网络和主神经网络,分别逼近当前和下一状态对应的动作状态价值,并采用ε-贪婪探索利用策略获取最优调度策略;最后将主要参数分步调优保障调度效益。算例对比表明,深度Q网络算法相较于Q学习算法及其改进算法提升了优化调度目标值,加快收敛速度,有效解决了梯级水库随机优化调度中的维数灾问题.

基于双层随机优化的农村能源系统规划设计方法

在“双碳”背景下,新型农村能源系统快速发展,其中面临一系列重要问题,如建设容量与后期运行之间的耦合关系,不确定参数对能源系统的影响等。为解决上述问题,提出一种基于双层随机优化的农村能源系统规划设计方法。首先,构建针对农村地区能源系统的双层优化模型;然后,通过场景法描述风、光出力随机性,并采用粒子群算法结合混合整数线性规划进行求解;最后,以典型村为例,得到了关于容量配置的pareto最优解集和不同季节下能源设备的最优出力情况。分析结果显示,与优化前相比,3个优化方案平均可以降低成本79.7%,降低碳排放量83.1%,同时风、光消纳率达到88.62%;与确定性模型相比,随机性将会导致运行成本和碳排放量分别上升53%和6%。

电热气氢综合能源系统随机优化调度

首先,分析电解槽以及燃料电池等设备工作特点,计及设备的动态能效,建立氢系统设备的精细化模型;其次,建立各种能源间的耦合关系模型,通过电热氢多种储能实现电热气氢系统的能量平衡;最后,计及电热气负荷的波动与可再生能源的不确定性,以日运行成本最小为目标,建立电热气氢综合能源系统随机优化调度模型。算例分析验证了该优化模型能有效消纳风光资源、降低日运行成本、减少环境污染,具有较好的经济性与环保性。

计及牵引负荷不确定性的同相供电系统随机优化运行策略

为克服列车高速行驶中取流波动性而加剧的同相供电系统安全高效运行的不确定性,建立包括牵引变压器、潮流控制器、储能元件的同相供电系统数学模型。以牵引负荷功率为随机变量,形成刻画运行不确定性的潮流机会约束条件;以电压不平衡补偿、系统安全运行边界为确定性约束,计及混合储能服役性能退化影响,以牵引变电所电费成本和储能元件老化成本组成的日运行成本最小为优化目标,以潮流控制器控制方案和混合储能充放电策略为决策变量,建立同相供电系统随机优化运行模型,并将该模型转化为混合整数线性规划模型进行求解。算例分析结果表明:提出的优化运行策略在不确定性条件下可有效降低运行成本约13%,且混合储能循环寿命提高了约3 a。

考虑柔性负荷无功调节能力的配网日前两阶段无功随机优化调度

针对高比例分布式光伏接入配网所引起的电压控制问题,利用柔性负荷的无功调节能力,并考虑光伏和负荷的不确定性,提出了配网日前两阶段无功随机优化调度方法。首先,在第1阶段根据光伏和负荷的预测值,优化反映电容器组动作和柔性负荷无功调度的离散决策变量。其次,在第2阶段考虑光伏和负荷的不确定性,优化光伏的无功出力和柔性负荷的无功调度量。在优化模型中,设置了电压偏差最小化和柔性负荷的无功调度次数最小化两种目标函数,采用ε约束法对多目标优化问题进行求解,并利用熵权优劣解距离(technique for order preference by similarity to ideal solution,TOPSIS)法选择最优折衷解。在修改的IEEE33节点系统进行仿真,结果表明所提方法能有效缓解由高比例分布式光伏并网所引起的电压越限问题。

基于随机优化的虚拟电厂热电联合经济优化调度

针对三北地区现有能源结构调节能力不足而导致的弃风问题,将风电场、光热电站、火电机组和热电联产机组聚合为虚拟电厂。采用随机优化处理风光不确定性问题,通过拉丁超立方抽样生成大量随机风光场景,并在充分考虑风光相关性和分布随机特性的基础上,利用Kantorovich距离削减与K-均值聚类算法对随机场景进行降维优化,获得风电、太阳直接辐照度典型预测场景。结合光热电站的灵活性与供能惯性,构建含光热虚拟电厂热电联合优化调度模型,并建立系统总运行成本最小的目标函数。最后在算例部分验证所提随机优化方法在计算效率、预测精度和处理风光随机问题的优越性;对不同运行模式下的目标函数进行求解,验证所提出的优化调度策略能够在满足系统运行经济性的同时实现风电的最大消纳。

考虑设备风险和风光不确定性的园区综合能源随机优化运行

综合能源系统因其能源梯级利用的高效性被广泛应用,而在运行过程中各设备的潜在故障风险与风光出力波动会成为系统供能稳定性的安全隐患。为此,首先基于设备负载率建立故障概率模型与设备风险模型。其次针对风光出力的不确定性采取蒙特卡洛采样法生成典型场景,建立考虑设备风险与风光不确定性的综合能源多目标随机优化模型,运用分段线性化、宽容分层序列法将该模型处理为混合整数模型。最后,通过算例仿真表明:所提优化模型能够兼顾运行风险与经济成本,相较于传统经济调度,在总成本仅上升了9.6%时、设备风险降低了79.3%,证明了模型的经济性与安全性。

基于随机优化模型的量子线路映射辅助设计方法

物理量子位之间的受限连通性是含噪中型量子计算设备面临的重要约束之一。量子线路映射方法通过插入量子交换(SWAP)门对量子线路进行变换,使得其中的每一个量子位交互操作均满足物理设备施加的受限连通约束。在噪声环境下,减少插入的SWAP门数对于提升量子计算成功率有重要意义。以最小化SWAP门数为目标,结合随机搜索技术,提出了一种基于多迭代随机寻优模型的启发式量子线路映射优化方法。实验结果表明,该方法可以通过迭代大幅减少量子线路映射过程所需插入的量子门数,并有效降低结果物理线路对初始映射的依赖程度。