考虑冷热电多能流的混合储能系统三阶段能量优化调度策略

针对综合能源系统(Integrated energy system, IES)中可再生能源(Renewable energy, RE)能量耦合的复杂性和能量波动问题,提出了一种改进的混合储能系统(Hybrid energy storage system, HESS)三阶段能量优化调度。分析了IES中各种器件在不同时间尺度下的功率响应特性,表明三阶段能量优化调度方法可以与包括HESS在内的IES很好地耦合。比较分析了HESS在稳定功率波动和延长储能寿命方面优于单一储能系统的优点,提出了三阶段能量优化调度下超级电容的控制方法。根据日前预测数据,一次能源消耗、运营成本、二氧化碳排放被视为日前滚动优化阶段的优化目标。在日内滚动调整阶段,该方法可以减少RE日前预测误差的影响,实现日内能源调度平衡,确保IES设备的安全运行。考虑到IES中可再生能源比例较高的背景,创新性地利用HESS的优势来改善系统的功率响应特性。仿真结果表明,所提方法在提升系统功率响应速度、延长储能电池(Lithium-ion battery,LiB)寿命和减少碳排量上具有显著提升。

风-光-柴-储微电网能量管理的日前优化调度策略分析

针对风-光-柴-储微电网能量管理日前优化调度问题展开研究。首先,介绍了风-光-柴-储微电网结构,并建立各发电部分的输出功率和成本模型;其次,以总运行成本最低为目标函数制定微电网能量管理日前优化调度策略,并建立相应模型;最后,以某算例进行能量管理日前优化调度策略效果验证。验证结果显示:通过采用所提出的能量管理日前优化调度策略,可以满足用户的日常负荷要求,同时所配置的储能系统可以最大限度的存储可再生能源系统多余的发电量,最大程度地避免了弃电,并减少了柴油发电系统的使用率,降低了对环境的伤害,可满足微电网的能量管理目标;验证了策略的经济性与可靠性。

三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题,但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题,提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数,此模型的超参数根据预测的不确定性进行自适应更新,降低计算复杂度的同时保证模型在高维上的准确性;此外,在模型管理方面提出一种三阶段自适应采样的策略,将采样过程分为不同的优化阶段以更有针对性的选择个体,能够首先保证收敛性,提高算法的收敛速度。为了验证算法的有效性,在包含各种特征的两组测试问题DTLZ(deb-thiele-laumanns-zitzler)、MaF(many-objective function)和路径规划实际工程问题上与最新的同类型算法进行实验对比,结果表明该算法在解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

考虑虚拟电厂和分时电价的风光火储系统两阶段优化调度策略

为减小可再生能源发电的波动性和间歇性对电网造成的冲击,提高电网运行的经济性,提出了一种考虑虚拟电厂和分时电价的风光火储系统两阶段优化调度策略。第1阶段将风光储作为虚拟电厂考虑,采用极点对称模态分解对虚拟电厂出力进行分解,采用储能对分解后的出力进行平抑,平抑后的功率作为虚拟电厂出力传递至第2阶段;第2阶段采用分时电价对电力用户进行引导,以减少系统净负荷波动,并采用机会约束对旋转备用容量进行求解。提出了一种自适应粒子群优化算法对调度策略进行求解。以某地区配电网为例进行了分析,算例结果表明,风、光出力的波动性明显改善,系统运行的经济性显著提高,验证了该调度策略的有效性。

基于三阶段逐步优化算法的三峡水库水沙联合优化调度研究

针对水沙联合优化调度多目标、高维、难以求解以及泥沙淤积计算具有后效性的问题,以泥沙淤积量为基本目标、发电量为约束目标,利用约束法将多目标水沙联合优化调度模型转化为单目标模型,并采用三阶段逐步优化算法进行求解。以三峡水库水沙联合优化调度为例,获得了满意的水库发电与泥沙淤积的非劣解集及水库非劣运用过程,验证了所建立模型及提出的求解方法的合理性和有效性。

家庭能量管理系统多目标能量调度优化策略

为实现家庭能量管理系统的经济运行、提高用户能量收益和减少用户用能成本,提出了一种基于实时电价和NSGA-Ⅱ算法的家庭能量管理系统多目标能量调度优化策略。设计了家庭能量管理系统的基本架构,构建了家庭用电负荷模型、光伏发电模型、蓄电池模型和两阶段家庭能量调度优化模型,确定了优化决策变量、约束条件以及用户能量收益、光伏消纳率和用户满意度等优化目标,并采用所提调度优化策略对所构建两阶段能量调度优化模型进行了求解。基于MATLAB平台的仿真结果表明,所提出的调度优化策略能完成家庭能量管理系统能量的多目标优化,实现了系统中源、储、荷的协调配合和经济运行。

基于能量枢纽的沼–风–光全可再生能源系统日前–实时两阶段优化调度模型

针对以沼气-风能-太阳能为动力的全可再生能源系统,考虑了余电余热反馈沼气池,构建了能量枢纽模型,并提出了基于数据驱动的日前-实时两阶段分布式鲁棒优化调度模型。模型在日前调度阶段决策机组启停机成本与风光基础预测场景下的其他成本;在实时调度阶段综合考虑1-范数和∞-范数约束下的不确定场景概率分布,决策最恶劣概率分布下的实时调整成本。模型采用列与约束生成(column and constraint generation,CCG)算法进行求解,算例结果表明了多能互补对可再生能源消纳的促进作用和分布式鲁棒优化算法的优越性。

基于光伏和蓄电池的智能小区能量调度优化策略研究

为了解决智能小区用电过程中存在的用电费用高、电能浪费明显的问题,在构建光伏、蓄电池数学模型基础上,对应分时电价,提出了以用电费用最低为优化目标的智能小区能量调度优化策略。针对智能小区对蓄电池的效用需要,构建了单元楼蓄电池的工作模型,同时对蓄电池运行特性进行了探究。针对小区内具有各种家用负荷、蓄电池和光伏电源的问题,提出了智能小区能量管理系统的总体架构。运用蒙特卡洛法,分别模拟出优化前后某智能小区负荷曲线,并利用仿真软件对智能小区能量调度优化策略进行验证。对应分时电价,对比了采用负荷群优化控制策略前后的用电情况,计算了采用该策略所削减的电费同时计算在运用能量调度优化策略前后智能小区所削减的电费。仿真结果表明,该策略可以在有效节约小区用电费用的同时实现小区负荷削峰填谷。

含广义储能虚拟电厂电–气–热三阶段协同优化调度

分析了虚拟电厂参与日前阶段、日中阶段以及实时阶段的三阶段调度优化流程,并根据广义储能中各部分设备响应速度和时间进行建模,以此为依据建立含广义储能虚拟电厂三阶段调度模型。在日前阶段,采用C&CG处理风光不确定性,建立有效快捷的电动汽车充放电管理模型,对广义储能中固定电热储能以及电动汽车充放电进行优化,进行24h整体优化;在日中阶段,利用替代型负荷之间的相互转换以及燃气轮机、锅炉的出力调整,对虚拟电厂调度计划逐个时段进行再调整;在实时阶段,建立时间解耦的空调集群模型,利用其快速响应特点,以半小时为步长,在实时风光场景下进行偏差平抑。仿真算例验证了所构模型的有效性,结果表明:通过多阶段调度以及广义储能的协同作用,可以有效降低虚拟电厂运行成本以及大幅提高虚拟电厂的供能稳定性。

基于改进深度确定性策略梯度算法的微电网能量优化调度

针对微电网中分布式发电设备存在输出不确定性和间歇性问题,以及传统的深度确定性策略梯度算法存在收敛速度慢、鲁棒性差、容易陷入局部最优的缺点。本文提出了一种基于优先经验回放的深度确定性策略梯度算法,以微电网系统运行成本最低为目标,实现微电网的能量优化调度。首先,采用马尔可夫决策过程对微电网优化问题进行建模;其次,采用Sumtree结构的优先经验回放池提升样本利用效率,并且应用重要性采样来改善状态分布对收敛结果的影响。最后,本文利用真实的电力数据进行仿真验证,结果表明,提出的优化调度算法可以有效地学习到使微电网系统经济成本最低的运行策略,所提出的算法总运行时间比传统算法缩短了7.25%,运行成本降低了31.5%。

多时间尺度微电网能量管理优化调度方案

提出一种多时间尺度微电网能量管理优化调度方案,该方案包括日前经济优化调度和日内调度2个阶段。在日前调度阶段,推导出锂电池运行成本函数,在不同放电深度下将锂电池寿命损耗归算于相应具体运行成本;考虑峰谷平各时段电价、光伏运行于MPPT和输出功率可控2种发电状态;根据日前光伏与负荷预测,以包含锂电池和燃料电池的运行维护成本、可中断负荷的中断补偿、从大电网购售电等总运行成本为目标函数进行功率优化分配,解决混合整数非线性规划问题(mixed-integer nonlinear programming,MINLP)。在日内调度阶段,根据功率波动、各时段电价以及分布式电源发电成本来调配分布式单元的运行,并且在调度过程中计入附加成本便于准确计算总运行成本。最后,针对算例,在优化调度的2个阶段分别使用LINGO 11.0与C++进行编程仿真计算,实验结果验证了调度策略的合理性。

自适应混合EDA求解一类三阶段装配流水线调度问题

针对生产过程中广泛存在的一类三阶段装配流水线调度问题,即带序相关设置时间的三阶段装配流水线调度问题,提出一种自适应混合分布估计算法,用于最小化平均完成时间和最大延迟时间的加权和。提出初始种群和初始概率分布模型生成机制,使概率分布模型能适当地积累较多优质解的信息,以提高AHEDA在进化初期的搜索能力。设计了基于信息熵的概率分布模型自适应更新机制和保留优良模式的新种群采样生成方法,增强了算法的全局搜索能力。引入基于Insert的邻域搜索来增强算法的局部搜索能力。最后通过仿真实验和算法比较验证了AHEDA的有效性。

混合分布估计算法求解考虑同步性和准时性的三阶段装配集成调度问题

本文研究以加工–运输–装配同步性和交货准时性的加权和为优化目标的三阶段装配集成调度问题(3sAISP_SP),并基于问题特点设计混合分布估计算法(HEDA)进行求解.首先,分别建立3sAISP SP的数学规划模型和排列模型.其次,在对问题模型特点分析的基础上,设计合理的编码和解码规则,同时利用HEDA中基于概率模型的全局搜索以发现问题解空间存在优质解的区域.然后,为进一步提高算法性能,设计3种局部搜索策略对优质解区域进行细致搜索.进而,在小规模问题下,将HEDA得到的较优解与优化求解器GUROBI得到的最优解进行比较,验证HEDA的求解结果接近最优解;在较大规模问题下,将HEDA与其他有效智能优化算法进行比较,验证HEDA的求解性能.最后,通过对优化目标中不同权重设置的实验分析,给出加工–运输–装配同步性和交货准时性权重设置的合理范围,并得到考虑装配同步性有利于降低中间库存的结论.

两阶段三存档集约束优化算法(TSDA)

针对约束优化算法采用相同的进化策略处理位于Pareto边缘的解与函数值较差的解,使得寻优结果较差,提出一种两阶段三存档集约束优化算法.该算法分为两个阶段.第一阶段:根据ε(t)值将种群分为3个存档集,即非支配解存档集、支配解存档集以及非支配可行解存档集.非支配解存档集进行混合策略的双重寻优,既避免了算法陷入局部最优,又使得靠近前沿的解加速收敛;支配解存档集则注重于全局搜索,从而有利于算法搜索到更优可行解.非支配解存档集和支配解存档集使用不同的优化策略进行进化,提高了算法的寻优能力.第二阶段:在第一阶段达到设定的代数时,将各代保留到非支配可行解存档集中的个体进行快速非支配排序,选出的N个优秀个体则为最优解.最后,将提出的算法与其他约束多目标进化算法在3种经典约束测试函数上进行对比,仿真结果表明,所提出算法在不同类约束条件下的寻优能力均具有优势.

微电网系统的调度策略及经济运行优化研究

传统大电网采用基于负荷预测,调节可控发电的模式,实现系统功率平衡;而微电网系统是由波动性和随机性很强的可再生新能源发电和随机负荷组成。如何通过调度实现具有强随机性的发电和用电单元之间的功率平衡,是微电网急需解决的关键问题。本课题以光伏/风力发电、储能、负荷、配电网等单元构成的微电网系统为研究对象,研究微电网的调度策略及运行优化方法,确立并网和孤岛两种运行状态下的调度策略及运行目标;并以一个算例分析验证所提出的调度模型、调度策略、优化目标及优化算法的正确性与有效性。

云计算系统中能量有效的数据摆放算法和节点调度策略

云计算环境中数据中心能耗问题已经引起广泛关注,从绿色节能的角度考虑如何摆放云平台中的数据、如何调度云平台中的节点,成为非常重要的问题.现有的节点调度策略并不能在云计算平台环境中获得理想的节能效果.提出了一种启发式的动态数据摆放算法以及两种适用于云计算环境的节点调度优化策略.在保证任务请求满足预期执行效果的前提下,通过数据摆放算法和节点调度优化策略减少云平台消耗的能量.使用Cloudsim模拟了私有云环境,通过数据共享机制在资源池中进行数据块的动态摆放,开启最少的节点来覆盖最多的数据块,由此达到节能目的.将节点覆盖数据块的问题抽象为带权重的集合覆盖问题,使用贪心算法进行求解.通过实验测试了数据摆放方法和节点调度方法的节能效果,实验结果验证了数据摆放方法和节点调度方法的有效性.

考虑源荷不确定性的风光储耦合制氢系统两阶段能量调度

为降低源、荷不确定性对系统能量调度的影响,提出了一种离网型风光储耦合制氢系统两阶段能量调度策略,并建立日前-日内两阶段滚动优化调度模型。日前调度阶段,采用电解槽分级调度策略,并以系统富余功率或过剩功率与可再生能源总功率比值最小为目标函数,建立日前系统稳定性调度模型。日内调度阶段,考虑可再生能源与负荷的不确定性,提出储能分组调度策略,建立包含源、荷预测误差的日内调度目标函数,以滚动优化方式修正日前机组出力计划。对黏菌算法改进,使用改进黏菌算法求解调度模型。算例表明:所提出两阶段稳定性调度模型可有效应对源、荷不确定性对系统能量调度影响,提高了系统应对源、荷波动时的稳定性。

基于两阶段信息采集的智能建筑能量控制优化研究

提高智能建筑能源利用效率的关键不仅在于发挥能源互联网"云大物智联"的先天技术优势,更需要深度挖掘不同能源需求间的相互关系。能量管理系统是智能建筑系统能量调控决策的核心,通过信息流控制能量流,可以确保系统运行的安全性、高效性和经济性。以提高系统运行经济性与用户舒适度为双重优化目标,建立了智能建筑微电网能量管理系统优化模型。该模型从两个时间尺度对智能建筑能量系统进行两阶段优化运行,第一阶段优化计及分时电价并考虑系统运行的经济性,第二阶段优化在第一阶段优化的基础上综合考虑系统经济性及用户舒适度,多维综合协同优化系统内各电源、储能及负荷的运行状态,通过滚动运行的方式制订系统实时运行计划。最后通过优化算例验证了所提出方法的有效性。

计及调控成本和次数的配电网无功优化策略

提出了一种计及调控成本及调控次数的无功优化控制策略,以避免动作设备过多和过于频繁,并提出预优化和实时优化的两阶段处理方法:预优化采用传统模型对全天各个时段分别计算并统计;实时优化控制采用灵敏度与设备调节成本及次数等多目标,获得系统网损、电压水平、设备寿命和调控次数的综合优化结果。两阶段优化均采用改进的遗传算法,并采取措施加快搜索和减少随机解的影响。实例表明,文中策略和方法具有良好的实用性和较高的实时性,可满足调度运行的决策要求,可有效地应用于在线无功优化。

多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略

【目的】为应对虚拟电厂(virtual power plant,VPP)在参与电能量和需求响应市场时所面临的新能源出力和负荷不确定性问题,提出一种考虑多重不确定性的鲁棒优化调度策略,旨在降低鲁棒优化的保守性并提高VPP的经济效益。【方法】构建基于条件风险价值(conditional value at risk,CVaR)的多面体不确定性集,在此基础上,考虑风电、光伏出力和负荷的不确定性,建立VPP参与电能量和需求响应市场策略的日前两阶段鲁棒优化模型。基于行列生成(column-and-constraint generation,C&CG)算法和拉格朗日对偶理论,将所建模型分为可利用求解器求解的主问题和子问题。最后,利用蒙特卡罗方法生成大量风电、光伏和负荷数据,对所提策略进行仿真分析,并与其他方案的优化结果进行对比。【结果】所提策略采用基于CVaR的多面体不确定性集,能够充分利用历史数据,相比于采用传统不确定性集的方案,VPP的总成本降低了约2%。【结论】所提策略可以显著降低鲁棒优化结果的保守性,并在多重不确定性条件下提升VPP参与市场的经济性。