基于多任务渐进式学习模型的风-光-荷功率短期预测

同一地区的风电、光伏和负荷功率与风速、辐照度和温度等气象因素密切相关,在电力系统不同运行场景下存在一定的互动耦合关系。为了捕获多源荷间的差异性和相关性,挖掘高维数据中蕴含的潜在规律,提出一种基于深度时空融合网络的多任务渐进式学习模型,实现风-光-荷联合功率预测。首先,基于深度时空融合网络设计共享信息与特有信息子网;然后,构建计及时空相关性的多任务渐进式学习模型,分别对风、光、荷功率的共享和特有时空信息进行由浅至深渐进式提取;最后,将共享信息与特有信息子网所得特征向量进行融合映射,实现对未来风-光-荷功率的联合预测。实际日前风-光-荷联合预测算例结果表明,所提模型可弥补现有多任务模型出现“负迁移”和“跷跷板”现象的不足,提高预测精度和稳健性。

基于权重调节模型预测控制的风-光-储-氢耦合系统在线功率调控

该文针对风-光-储-氢系统中风光的波动性、储氢的动态响应特性,实时在线优化匹配储-氢功率与风-光功率问题,提出基于权重调节模型预测控制(MPC)的风-光-储-氢耦合系统在线功率调控方法。文中构建了风-光-储-氢耦合能源系统拓扑结构,建立了耦合系统状态空间模型,以耦合系统功率平衡为目标,以制氢功率、燃料电池功率和电池功率为控制变量,根据氢储能和电池储能的特性及各约束条件将目标函数转换为二次规划问题进行求解,并在自定义s-函数建立的MPC控制器中依据复合储能系统的状态信息对权重因子进行调节,实现了控制器的参数自适应,最后完成了功率控制层与能量管理层的闭环仿真。通过仿真分析,对比三种调控方法,验证了该文所提基于变权重MPC功率调控方法的有效性和优越性。

风-光-水联合发电系统优化调度研究

为使风-光-水联合发电系统达到经济效益最大化优化调度且平抑功率波动的目的,以功率波动最小为目标的函数引入到经济效益最大化模型中,针对粒子群算法在进化过程中易早熟、后期收敛速度慢且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法。该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力以及后期的局部搜索能力,快速得到全局最优解。该算法在该多目标联合优化调度系统的求解中搜索精度显著提高,表明模型和算法的有效性。

基于事件优化理论的"风-储-荷"联合单元最优平抑控制策略

目前风电平抑控制策略大多单一地以储能备用来减小并网功率波动,未综合考虑电力系统内部多种备用资源的灵活性.引入辅助服务市场机制,提出了基于事件优化理论的"风-储-荷"联合单元日前最优平抑控制策略.根据事件优化理论中事件的基本概念,定义风电不确定事件,构建新的事件Q因子,以贪婪事件优化理论下的策略作为初始平抑控制策略,并采用Softmax函数将策略表示为动作空间上的概率分布.构建联合单元的不确定事件平抑模型,基于储能备用匹配度,以平抑动作效益最大为优化目标建立收益函数,并基于收益函数求解策略下的系统性能.提出一种策略梯度迭代在线算法,以初始平抑控制策略梯度迭代求解最优策略参数,同时考虑平抑效果和平抑效益,得到"风-储-荷"联合单元的最优平抑控制策略.通过算例仿真验证了所提策略的有效性.

风电功率波动平抑下储能出力与平滑能力的动态优化控制策略

风电场并网处布置储能系统能改善并网经济性,平抑风电并网功率波动。然而,储能出力优化电网运行性能受储能系统的功率、容量和能量状态等诸多因素影响。本文引入储能电池出力能力指标,设计了保护储能电池和保障并网功率平衡能力的多目标优化模型,提出一种基于储能荷电状态模糊动态调节的模型预测控制策略,在整体上保证储能出力最小水平,在局部储能高充/放电区域的时段内提高储能充/放电出力能力,并将本文方法与传统模型预测方法进行仿真对比。结果表明,在相同储能配置比例下,本文方法能有效平抑风电功率波动,综合指标均优于传统模型预测方法,在优化负荷功率波动的同时也提高了储能系统的功率支撑能力,平衡了储能输出和平滑能力的矛盾。