基于点估计仿射可调鲁棒优化的含储能电力系统实时调度

为应对大规模风电的接入,建立一种机组与储能联合参与自动发电控制的电力系统实时调度模型,并提出一种点估计仿射可调鲁棒优化来处理风电不确定性。不同于传统仿射可调鲁棒调度优化基准运行成本,点估计仿射可调鲁棒调度优化期望运行成本以提高系统经济性。提出利用确定性的点估计法来实现对期望运行成本的快速、精确评估。所提模型为一混合整数双线性约束问题,采用一种“预估-矫正”的凸化方法来求解该难题,预估阶段对储能的状态变量进行松弛,而矫正阶段直接对其状态变量进行矫正。最后,引入一种凸函数差优化进一步凸化2个阶段的双线性约束问题,以提高含储能实时调度的求解质量。在IEEE39、118以及300节点3个系统的仿真验证了所提模型及方法的有效性。

考虑大量EV接入的电-气-热多能耦合系统协同优化调度

随着能源互联网的发展,在未来多能源网络将深度耦合的大背景下,传统的电网调度模式已不能够满足对多能源系统协同优化的要求,电动汽车的大量推广也给制定更合理的调度策略,支撑多能源系统运行带来了新的挑战和机遇。基于上述背景,文中考虑电网潮流、天然气网潮流、能源中心供能和电动汽车出行及充电需求等约束,利用模糊理论处理电动汽车总体需求及风电出力的不确定性,以全系统供能成本和污染物排放最小为目标,建立了计及大量电动汽车接入下的多能源系统协同调度模型,并采用内点法进行求解。最后,以典型的11节点多能源系统为算例,分析了电动汽车不同充放电模式和不同能源中心结构下的调度策略及效益,并比较了不同接入车数与不同置信水平下的调度结果,验证了电动汽车参与多能源系统的协同调度能够提升系统运行的经济性。

电动汽车充换电站参与电网AGC功率分配的成本一致性算法

搭建电动汽车充换电站参与电网自动发电控制(AGC)功率分配的框架,并建立其优化数学模型。在此基础上,提出电动汽车参与AGC功率分配的成本一致性算法。智能体间采用虚拟一致性变量作为一致性交互计算信息,同时以真实一致性变量确定电动汽车的AGC功率,提高算法的应用灵活性。某电网模型仿真结果表明:成本一致性算法可以减少电网调节成本,提高区域电网的控制性能标准,且能有效实现电动汽车参与电网AGC功率分配的自律调频。

碳交易机制下多区域综合能源系统的分散调度

为解决信息不完全情况下综合能源系统的优化运行问题,该文以能源中心为基础,首次建立了计及碳交易成本的多区域综合能源系统分散调度模型。其次,该文用联络线切割法和区域重叠法对综合能源系统进行了区域分解,并基于辅助问题原则算法、分块坐标下降法和近似牛顿法分别进行求解。最后,该文以扩展的两区域6能源中心系统和3区域33能源中心系统为仿真算例,对比分析了上述分散优化算法在综合能源系统分散调度中的计算性能,并对碳交易成本对系统运行的影响作了详细分析。

基于知识迁移Q学习算法的多能源系统联合优化调度

随着能源互联网的提出,传统的单一能源优化利用模式正在发生变革,多种能源网络协调优化模式展现出广阔的发展前景。在此背景下,首先以能源中心建模方法建立了多能源系统的联合优化调度框架,在此基础上构建了计及含阀点效应供能成本和碳排放目标的典型多能源系统联合优化调度模型。其次,对于此不连续可微、非凸的非线性问题,以知识迁移Q学习算法和内点法构成级联式算法进行求解,即上层Q学习以机组有功功率作为动作变量,下层以内点法求解机组有功功率确定后的多能源系统优化模型,并通过知识迁移提高求解效率。最后,以33能源中心测试系统为算例的仿真分析,验证了所提模型及算法的有效性。

邻近均分轴线法及其在电–气互联系统帕累托优化运行中的应用

在能源互联网背景下,提出一种计及经济、碳排放和有功网损目标的电–气互联系统帕累托优化运行模型。为解决此类多变量、强约束多目标优化问题的帕累托前沿求取难题,该文首次提出一种新颖的解析类帕累托优化算法——邻近均分轴线法。邻近均分轴线法通过均分轴线,求取邻近中心和筛选非劣解3个基本策略得到分布广泛且均匀的帕累托前沿。此外,该文还为决策者提供了一种用于选取折中解的马氏距离双基点法。对修改的IEEE39节点电网和比利时20节点气网耦合电–气互联系统的仿真分析,验证了该文算法对于此类多目标优化问题的适用性。

信息–物理–社会融合的智慧能源调度机器人及其知识自动化:框架、技术与挑战

着眼于能源5．0前瞻性基础理论，重点研究基于信息-物理-社会融合系统（eyber-physical．socialsystems，CPSS）的智慧能源调度机器人（robotofenergycontrol，RoboEC）群体及其知识自动化的关键理论方法。包括：构建面向下一代能源电力系统的平行CPSS理想框架及工程可行性框架体系；提出基于数据驱动及自校正引导方法的新型高精度镜像计算实验方法，实现镜像系统对真实物理系统的趋优引导；研究面向未来能源电力系统集中／分散调度模式下的知识自动化流程和平行机器学习方法，实现RoboEC群体的知识自我探索和群体智慧水平的自动提升；探讨平行系统与真实系统的交互协调收敛数学机理及实现CPSS大闭环的系统化设计方法，获得能源、信息、社会三者的深度融合方法和系统化工程设计方法。在后续研究过程中，不断完善基于平行CPSS架构的RoboEC研究平台，并提出可最终尝试将RoboEC投入到小规模实际工程进行运行测试。最后，分析了其面临的挑战，为中国在“能源4．0”到“能源5．0”的技术发展之路上先行一步提供借鉴和思考。

多区域并行协同的多目标分布式帕累托最优潮流算法

在开放电力市场的环境下,各区域电网合作与利益博弈共存,区域电网之间的信息保密问题显得愈发重要。现有的帕累托最优潮流求解方法均属于集中式算法,在优化时需要获知全网的信息,无法满足高私密性以及高可靠性的要求。在该背景下,寻求一种去中心化的分布式优化方法以保障系统内各区域电网的信息安全显得尤为重要。基于此,文中提出了一种多区域并行协同的多目标分布式帕累托最优潮流求解算法。该算法以法线边界交叉法为基础,将整个系统的多目标潮流优化问题分解为与多个子区域对应的子优化问题。每个子区域采用独立的优化器完成子问题的优化,区域之间仅交换联络线上的边界变量以及虚拟目标因子进行全局调整,不断逼近原问题的帕累托最优解集。IEEE 118节点算例仿真结果表明:所提算法可在有效实现多目标帕累托最优潮流分布式并行求解的同时,还可提高求解精度和减小计算内存,从而适用于在开放电力市场背景下各区域电网合作与利益博弈共存的运营模式。

计及大气污染物时空扩散的电-气能流分散协同优化

针对传统大气污染物排放总量控制对降低发电活动污染危害效率不高的问题,提出一种计及大气污染物时空扩散和地区容忍能力差异的电-气互联系统最优能流分散求解算法,同时提出一种不含整数变量的天然气管道气流方向描述方法。基于高斯烟团模型描述污染物时空扩散过程,建立发电活动对空气污染的评价指标和环境附加约束。用若干仅含二次方项的等价约束替代含有绝对值符号的Weymouth气流方程,并通过罚凸凹过程将模型凸化。最后基于广义Benders分解将最优电-气能流问题分解为可独立求解的电力网络主问题和天然气网络子问题,两者只需交换少量信息便可实现协同优化。仿真算例验证了该方法减轻大气污染的有效性及所提气流方向处理方法的准确性和优越性。

综合负荷聚合商参与的配电—气能源系统供需互动均衡模型

在综合能源系统背景下,提出一种基于主从博弈机制的配电—气能源系统与多个综合负荷聚合商的互动均衡模型。考虑次日能源价格的制定,配电—气系统以总利润最大化为目标求解日前最优能流。在价格机制作用下,综合负荷聚合商通过优化能源配置降低自身能源购置成本,从而实现配电—气系统与综合负荷聚合商的互利共赢。为求取主从博弈均衡解,采用二阶锥松弛(SOCP)和罚凸凹过程(PCCP)消除配电—气系统优化模型中的非凸源,并应用KKT条件和强对偶理论将原模型转化为单层凸优化模型。由此通过迭代求解混合整数二阶锥规划问题逐渐缩紧配气网管道气流松弛域,最终获得博弈均衡解。最后,以IEEE 33节点配电网和20节点配气网构成的系统为例进行仿真说明,所得结果验证了文中模型及方法的有效性。

消纳大规模风电的电-气互联系统鲁棒区间调度模型与方法

现有的电–气互联系统联合调度模型在利用燃气机组的快速调整能力应对风电波动时,难以考虑到对气网运行约束的影响,同时往往忽略了电转气(P2G)装置进一步消纳风电的能力.为解决上述问题,本文计及燃气机组和P2G装置追踪风电波动提出了一种鲁棒区间调度模型,所提模型在保证风电消纳区间最大化的同时,将优化得到的燃气机组和P2G装置允许出力区间转换为最大、最小进气量场景以进一步校验气网的可行性.为进一步扩大风电消纳区间,本文将AGC机组和P2G装置的风电承担系数作为待优化变量,并对因此引入的非线性项进行松弛处理.最后,通过一种计及再调整的日后校正模型对各个算例场景进行蒙特卡洛模拟,验证了本文模型和方法的有效性.

风险调度中引入知识迁移的细菌觅食强化学习优化算法

针对电力系统运行过程中负荷及故障的不确定性,在经济调度中引入风险评估原理,并提出了一种全新的基于知识迁移的细菌觅食强化学习优化算法。该算法将细菌觅食算法的寻优模式与Q学习算法的试错迭代机制结合,利用多主体协同合作来更新共有的知识矩阵,并以基于知识延伸的维度缩减方式避免了"维数灾难"。在预学习获得最优知识矩阵后,利用知识迁移加速在线学习进程。IEEE RTS-79测试系统的仿真结果表明:所提算法在保证获得高质量最优解的同时,寻优速度可达经典智能算法的9~20倍,适合求解大规模复杂电网的风险调度快速优化。

低碳动态电—气最优能流的加速凸分散优化求解

在综合能源系统背景下,提出一种计及碳交易机制的低碳动态电-气最优能流模型。考虑到气流传输的延迟特性,采用时空偏微分方程精确描述气流动态。此外,该模型引入一种碳交易机制以充分发挥电-气互联系统的经济与低碳效益。为实现电-气互联网络的分散优化并得到一个可靠的高质量解,提出两种内外层相协调的凸分散优化方法—罚凸凹过程(PCCP)-Benders和PCCP-交替方向乘子算法(ADMM)。在此凸分散优化框架下,外层优化基于一种PCCP将非凸气流动态凸化成一个迭代的二阶锥规划,而内层优化分别基于Benders分解和ADMM求解外层PCCP迭代的每一步。最后,通过算例仿真对比分析了上述两种凸分散优化算法的计算性能,并详细分析了碳交易成本对系统运行的影响,所得结果验证了文中模型及算法的有效性。

电–气互联系统的气电解耦分布式多目标优化调度

本文基于能源互联网背景建立了一种计及供能成本、碳排放量和净负荷曲线平滑度的电–气互联系统多目标优化模型,并采用线性化方法将非线性优化模型转化为混合整数线性规划模型.同时,为了求解该模型,实现各能源的协同互补利用,提高能源的利用率,本文在保障各能源网络分散自治权的基础上提出一种基于气电解耦的分布式多目标优化算法,以气电解耦优化的方式实现电、气系统的分散自治.所提算法将原系统的多目标优化问题分解为电网和气网的子优化问题,并采用独立的优化器完成子问题的求解.电网和气网仅需交换少量边界变量以及虚拟目标因子分别进行全局调整即可获得多目标解.最后,本文根据修改的IEEE 39节点电力网络和比利时20节点天然气网络搭建模型并进行仿真分析,结果验证:所提算法能够完成电–气互联系统的气电解耦并实现多目标并行求解,从而提高系统信息私密性、实现各能源网络的分散自治.

基于灰狼多目标算法的电网碳-能复合流优化调度

针对低碳经济发展过程中电网应承担的碳排放责任,本文将实际的潮流和虚拟的碳流结合,通过追溯网损对应的碳排放建立起电网碳-能复合流优化模型,并采用多目标灰狼算法对该模型进行求解。通过在原始灰狼算法中加入Pareto存档、α、β和δ狼选择机制及灰狼的游荡行为,使之能够应用到多目标优化中,并得到分布性能较好的Pareto前沿。最后引入改进TOPSIS法进行折中解选择。IEEE118节点仿真结果表明多目标灰狼算法在电网碳-能复合流优化模型中具有很好的适用性。

电力企业碳排放研究现状及展望

作为中国碳排放的主力军,电力企业必须谋求低碳发展。本文对碳交易市场的内涵及类型进行深入研究,并对目前电力行业的碳减排技术进行总结。以深圳市为例,剖析其碳交易市场的发展现状及发展方向,对深圳电网此经济环境下的碳排放管理提出建议。指出深圳电网可以通过自身碳减排在碳交易市场上获取更多经济效益,并能够在中长期电网规划中发挥起对电力系统碳减排的支撑作用,促进电力企业低碳发展。

考虑大气污染物时空分布的多区域电力系统调度及其多目标分布式优化

随着电力系统的发展,互联电网对各自区域内信息的私密性愈发重视;同时,大气污染日趋严重,对发电提出了更高的要求。为此,提出了考虑发电成本、碳排放和大气污染的多区域电力系统多目标模型。不同于传统的总量控制,采用一种时空分布控制对大气污染物排放进行处理。该方法利用高斯烟团模型描述大气污染物的扩散运动,以此计算机组发电所排放的大气污染物对居民的影响,从而调整发电计划。为在保证区域私密性的前提下,协调多维相互冲突的目标,先用隶属度处理多维目标,然后解耦相关目标和约束,并用交替方向乘子法(alternatingdirectionmethodof multipliers,ADMM)进行分布式求解。最后,通过仿真算例验证模型在降低大气污染物排放对居民影响的优越性以及多目标分布式优化的有效性。

基于扰动观测器的光伏逆变器鲁棒分数阶PID控制

文中设计了一款基于扰动观测器的鲁棒分数阶PID控制(Perturbation Observer based Robust Fractional-order PID control,PORF-PID)来实现光伏逆变器的最大功率跟踪。将光伏逆变器的非线性、参数不确定性以及未建模动态聚合成一个扰动,并通过滑模扰动观测器(Sliding-Mode Perturbation Observer,SMPO)对其进行在线估计。随后,采用分数阶PID控制(Fractional-order PID control,FPID)对该扰动估计进行实时完全补偿,从而实现不同工况下全局一致的控制性能。由于引入了分数阶控制框架,额外的控制器参数可进一步提高闭环系统的动态响应特性。为验证所提控制器的有效性,文中进行了两种算例研究,即光照强度变化和电网电压跌落。仿真结果表明,PORFPID控制与常规PID控制、FPID控制和反馈线性化控制(Feedback Linearization Control,FLC)相比,能在各类工况下实现最快的动态响应以及最低的超调量。

帕累托部落进化算法及其在电力系统多目标优化发电调度中的应用

本文提出一种新颖的帕累托部落进化算法用于解决多变量、多约束的多目标优化问题。算法核心在于动态地将帕累托前沿(PF)分段并赋予不同的个体以不同的地位,以实现精细化的局部搜索和个体间的协同搜索。帕累托部落进化算法通过部落划分、部落繁衍、部落迁徙三种基本策略来得到分布性好的帕累托解集,并引入灰色关联度用于折中解选择。仿真算例采用IEEE标准118节点与300节点电力系统的多目标优化发电调度问题,仿真结果验证了所提算法在解决多目标优化问题中的优越性。

同步优化容许区间与期望发电成本的风电鲁棒估计法

现有的风电鲁棒区间调度模型往往以最小化基态发电成本和最大化风电利用作为目标,难以考虑在实际调度过程中对发电成本的优化。针对上述问题,文中提出了一种同步优化风电容许区间和机组期望发电成本的方法,基于Nataf逆变换的三点估计法,在保证风电容许区间最大化的同时,将应对风电波动的发电成本期望值作为经济目标,以反映实际发电成本的最小化。为提高风电消纳能力,将机组的风电承担系数作为变量,并对因此引入的非线性项进行松弛处理。而对于期望发电成本作为目标所引入的非凸性,则采用一种凸-凹过程进行迭代处理,以确保方法的准确性。最后,通过校正模型在修改的IEEE 118节点系统上进行蒙特卡洛模拟,验证了所提方法的有效性。