考虑车网互动的园区电网动态双层能量管理策略

为解决大量接入的清洁能源出力波动和充电场内汽车数量的随机变化给电网能量管理带来的困难,提出一种园区电网双层优化控制策略.上层基于模型预测控制技术建立风光储集成动态优化模型,综合应用园区电池储能系统和电动汽车(EV)电池储能系统参与电网能量平衡.下层则考虑同时满足EV车主对EV的充电需求和上层能量调度的车网互动管理需求,制定园区电网内停车场的EV有序充放电策略.仿真算例验证表明:所提策略能将分散园区各处的EV储能集成为统一虚拟储能,扩展园区电网储能系统,增加可再生分布式电源的消纳与园区电网的经济效益.

计及三相不平衡的有源配电网重构

针对单相光伏的大量接入引起配电网运行的三相不平衡、线路有功损耗增大问题,提出以有功损耗和三相不平衡度为目标函数,构建基于三相电流注入法的配电网动态重构模型,采用大M法对节点电压方程进行松弛,避免断开线路的约束条件对模型的影响,并采用多边形内近似法将非线性约束线性化。通过修改的IEEE 33节点配电系统的分析计算,验证了算法的有效性,提高了算法的求解效率和求解精度。

基于改进TD3算法的综合能源系统低碳经济调度

在用传统调度方法进行综合能源系统低碳经济调度时会面临数据维数高、建模难度大等困难。虽然用基于数据驱动自适应挖掘物理模型的深度强化学习算法有希望克服这些困难,且其中确定性策略梯度算法尤其适用于连续决策变量问题的求解,但该算法在实际应用时存在训练效率普遍较低的问题。对此,提出了一种基于改进双延迟深度确定性策略梯度算法的调度决策模型。首先基于综合能源系统低碳经济调度特性建立序贯马尔可夫决策过程模型;进而应用改进双延迟深度确定性策略梯度算法构建并训练神经网络,避免过估计并提高网络输出稳定性。同时,为提升网络训练效率,以求和树对训练过程中的历史经验数据进行存储和经验回放采样。实验结果表明,所提方法能对综合能源系统低碳经济调度问题进行有效求解,且比传统强化学习算法表现更优。

基于二阶锥松弛的三相不平衡配电网最优潮流研究

电动汽车与光伏发电系统大规模接入配电网使其内部的单相电源增加,负荷加重,加剧了单相运行问题。为保证电网供电质量,大量可调节单、三相补偿调节设备在电网中得到应用,因此对三相不平衡配电网最优潮流展开研究。对配电网三相不平衡条件下的最优潮流进行求解分析,建立了以有功损耗最小为优化目标的多时段配电网最优潮流模型。通过二阶锥规划将非凸非线性最优潮流模型变换为线性模型,在不损失精确度的情况下,降低求解难度,提高了求解效率。采用Pyomo建模工具以及Gurobi算法包对所建模型求解,并分析了潮流误差,验证了该方法的可行性与有效性。