基于模型预测控制的风光储综合能源系统优化调度

由于风光及用户侧的不确定性,采用传统的优化调度响应不及时会导致日内的供需不平衡。为此,构建一种含风机、光伏、蓄电池和光热的风光储综合能源系统,充分利用可再生能源,并在日前调度的基础上,基于模型预测控制算法并结合能源系统的状态空间方程,建立日内滚动优化数学模型;在Matlab平台上进行典型日的算例仿真,分析系统各设备的功率输出及供能情况,仿真结果显示:在3种典型日下该系统日运行费用较日前分别减少12.3%、7.4%、11.3%,且供电、热不平衡率均有所下降,提高了供能系统运行的经济性和可靠性。

基于AI大模型技术的新能源发电功率预测优化方法及系统

文章就AI大模型技术的新能源发电功率预测优化方法及系统进行探讨,结合AI大模型的核心技术及特点,分析了AI大模型预测优化的方法及预测优化系统,旨在能为新能源发电的发展提供重要的理论支撑和科学依据。结果表明,优化后AI大模型技术的新能源方法,解决了传统预测手段难以全面捕捉和解析气象因素与发电效能之间复杂且多变的互动问题,为电网的稳定运行和高效管理提供了依据。

基于大语言模型绿电预测和绿电交易的园区综合能源系统集群多目标协同运行方法

为实现传统工业园区数字化和智能化升级,助力区域高质量发展,亟需园区智能化调度模型。为此,该文结合智慧园区管理系统和园区综合能源系统物理模型建立园区综合能源系统集群架构,提出了园区综合能源系统集群绿电交易三阶段协同运行方法,以解决多园区综合能源系统绿电交易的问题,实现分布式绿电的精准预测以及就地消纳。首先,基于大语言模型LLAMA-7B实现绿电预测,进一步以绿电功率划分购售电园区。其次,基于绿电价格配额曲线预测模型和动态绿电定价策略,制定园区间绿电交易差异价格。在此基础上,建立了多目标低碳经济优化运行模型,从而解决绿电交易所带来的经济因素和环境因素的矛盾问题。算例分析表明:所提出的模型可以统筹规划园区综合能源系统集群的经济成本、实际碳排放量和新能源利用率,对多园区综合能源系统的智能调度具有积极的推动作用。

一种基于分布式模型预测控制的综合能源系统优化调度方法

为了有效提升综合能源系统的能源利用效率,并解决环境污染的问题,提出一种基于分布式模型预测控制的综合能源系统优化调度方法。该方法将短期综合能源系统内部协调控制作为主要研究对象,利用模型预测控制算法实时更新综合能源系统的状态,有利于最大限度地降低预测误差对系统产生的影响。通过比较MPC控制策略和DMPC控制策略的控制性能可知,DMPC控制策略的控制性能更优,符合系统对经济性的要求。

基于CNN-Bi-LSTM功率预测的海岛综合能源系统优化调度

合理构建海岛综合能源系统对沿海能源清洁化转型意义重大,其优化调度更是实现海岛能源供需平衡的有效途径。为此,提出了一种考虑风光功率预测的海岛综合能源系统优化调度方法。首先,搭建包含氢能设备、海水源热泵、海水淡化装置、波浪能发电装置等新型能源转换设备的系统模型。其次,海上气候多变会导致新能源发电不稳定,故采用含环境变量重要性排序的一维卷积神经网络和双向长短时记忆神经网络(convolutional neural network-bi-directional long short-term memory,CNN-Bi-LSTM)联合模型对发电功率进行预测。然后,为维持海岛基本生存条件,以电-冷-淡水-氢平衡为约束,以改善系统运行经济性和可再生能源消纳率为目标函数,建立综合能源系统优化调度模型。对夏冬两个典型日进行仿真分析,结果表明所提出的预测模型具有较高的预测精度,所提优化调度方法可以实现海岛能源供需平衡,同时能够有效降低系统运行成本,提高可再生能源消纳率。

基于模型预测控制的含岸电混合能源系统优化运行

针对港口中包含岸电、海上风机与储能的混合能源系统,提出一种系统优化运行方法。该方法建立混合能源系统模型,其中包括岸电负荷预测模型、岸电动态电价模型、风机模型与储能模型。针对岸电负荷不确定性导致的预测精确度较小的问题,提出一种分频段预测方法,该方法利用小波包分解进行信号分频并根据不同频段特点选择不同的预测方法,提高了预测准确率;针对岸电供售电价格机制不明确的问题,提出与岸电用电量线性相关的阶梯服务费模型和随负荷变化动态调整的电价模型,平衡了港口企业、航运企业与电网企业三方利益;针对整数变量引入形成的混合整数非线性规划问题,采用模型预测控制滚动优化方法,利用CPLEX+YALMIP进行求解,改善了开环优化方法在不确定性环境下误差较大的问题,得到了系统总运行成本最小的优化结果。

园区型综合能源系统多时间尺度模型预测优化调度

在冷/热/电综合能源系统中,协调多种设备使其优化运行,经济可靠地满足系统用能需求十分重要,制定合理有效的调度策略是实现这一目标的关键。该文针对一个实际园区综合能源系统冬季运行优化调度问题进行研究。在对设备进行详细建模基础上,建立包含滚动优化环节和动态调整环节的两阶段多时间尺度模型预测控制调度策略:滚动优化阶段以系统运行费用和机组启停罚金最小为目标,结合分时电价并考虑多系统互补运行,通过多步滚动求解制定系统大时间尺度调度计划;动态调整阶段以滚动优化阶段调控计划为基准,对设备的运行状态进行调整,应对可再生能源及负荷小时间尺度的不确定性变化。分析结果表明,该文调度方法可协调供能、蓄热装置的运行,发挥多种设备互补运行的优越性,有效降低运行成本,减少主机启停次数;动态调整阶段的引入可快速响应可再生能源和系统负荷小时间尺度变化,经济可靠地满足系统用能需求。

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一。鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度。首先,建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型。然后,在实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其他子系统前一时刻的输入序列进行状态估计并优化自身性能指标。最后,通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求。仿真结果表明,所提方法能够在改善系统控制性能的同时,提高系统运行的经济性。

基于鲁棒随机模型预测控制的园区综合能源系统两阶段优化

可再生能源发电与负荷的不确定性给园区综合能源系统的安全准确调度带来了巨大挑战,为了提高系统调度的准确度和运行经济性,提出了一种基于鲁棒随机模型预测控制的两阶段优化调度策略。该模型考虑到园区综合能源系统中负荷预测误差分布的规律性和可再生能源出力波动的概率分布难以准确刻画的特点,分别利用随机优化和鲁棒优化处理负荷侧和发电侧的不确定性;在第二阶段的优化目标中加入协调策略以使实时优化控制变量值尽量接近日前全局优化值,从而在修正第一阶段预测误差的同时克服实时优化过程中的短视效应;通过算例对比分析证明了所提策略可以有效平衡不同优化时间尺度上的预测误差与系统短视效应所带来的经济性影响,有利于兼顾系统的经济性与鲁棒性。

基于奖惩阶梯型碳价机制的能源枢纽低碳优化策略

为进一步降低碳排放水平以及源-荷不确定性对系统运行的影响,文中提出一种基于奖惩阶梯型碳价机制和分布式模型预测控制(distributed model predictive control,DMPC)的能源枢纽(energy hub,EH)日前-日内-实时多时间尺度低碳优化调度策略。引入奖惩阶梯型碳价计算方法,构建EH日前低碳优化调度模型,并制定基于DMPC的日内滚动和实时调整的反馈闭环优化策略,降低源-荷预测误差,提高传统模型预测控制(model predictive control,MPC)的求解效率。在日内阶段,构建以阶梯型碳成本、运行成本和储能调整惩罚成本之和最小为目标的日内滚动优化模型;在实时阶段,分解整体优化问题,建立基于DMPC的多智能体实时调整模型。算例结果表明,文中所提策略能够有效提升系统经济效益,降低源-荷不确定性,实现EH的低碳经济、稳定可靠运行。

基于模型预测控制的区域综合能源系统运行优化方法

本文以上海世博园区B片区综合能源系统为研究对象,分析其现有运行策略在夏季和冬季典型工况下的运行效果。首先,针对现有运行策略的不足,结合模型预测控制(MPC)滚动优化方法构建区域综合能源系统运行优化的数学模型;其次,考虑冷、热、电负荷及可再生能源的实时特性,在滚动优化过程中引入动态调整模型,用于对调度策略的实时调节;最后,将优化模型应用于该区域综合能源中心,对现有机组的运行策略进行优化。通过运行优化,该园区B片区夏冬两季累积收益分别提高了27.4%和15.6%。

基于遗传算法的中国清洁能源需求Logistic预测模型

通过分析中国历年能源需求量变化规律,得出序列近10 a增长趋势与以往明显不同。为准确描述能源需求增长趋势,用整体序列和近10 a序列分别建立Logistic模型,再将两者耦合,并运用遗传算法优化模型参数,由此建立基于遗传算法的能源需求Logistic中长期预测模型。运用该模型对中国2020年能源需求量进行预测,并构建未来社会经济发展情景,结合碳减排目标推求清洁能源需求量,由此建立基于遗传算法的清洁能源Logistic中长期预测模型,并对中国2020年清洁能源需求量进行预测分析。结果表明,该模型物理概念明确,思路清晰,预测结果与中国能源规划目标相符,具有一定的合理性。

计及云边协同的园区综合能源系统双层能量优化

深入挖掘园区综合能源系统内部多能耦合利用以及综合需求响应潜力,对系统内灵活性资源进行储能化建模,并将虚拟储能资源按照参与优化调度的时间尺度进行划分,提出了日前、日内2个阶段的园区综合能源系统优化调度方法,在日前阶段建立了热电协同优化模型,在日内阶段基于日前调度结果建立了电功率快速调整模型。进一步地,为充分发挥综合能源系统中各园区资源的时空互补优势,从多时间尺度、多主体角度提出适用于实时阶段的计及云边协同的综合能源系统双层能量优化方法。基于各园区可再生能源发电和电负荷的最新预测结果,在能量管理云平台建立了满足系统整体运行经济性目标的实时能量优化模型,在边缘控制器利用模型预测控制方法建立了以日内优化结果为参考值的精细化调控模型,并采用交替方向乘子法求解,以实现园区自身利益与综合能源系统总体效益的均衡。仿真结果表明,通过园区间联络线的传输功率协调以及电储能、动态可控负荷的辅助调用,可有效平抑可再生能源出力和电负荷需求的实时波动,提高系统整体运行调控的鲁棒性与有效性。

机会约束的两阶段能源管理系统全局优化策略

为了满足系统不确定性和高灵活性要求,并且有效实现全局优化,提出了一种考虑机会约束的两阶段能源管理系统全局优化策略。第一阶段经济调度分别确定了充电站和电池交换站的最佳运行点,并且提出的随机模型预测控制问题可以通过机会约束优化公式进行描述,从而捕获系统预测不确定性。进一步采用交替方向乘子法,通过并行计算加速优化进程,并在传输层面降低系统运行成本。第二阶段根据系统的安全性和实时性要求来实现调度信号,旨在协调电动汽车充电机制,并为大型集中电网提供了一种整体控制策略。数值仿真结果证明了提出的方法能够改善电力系统性能,并有效减低成本。

电—气互联综合能源系统多时间尺度动态优化调度

对于时空相关的天然气管存,应用多时间尺度/模型预测控制尤为重要。计及天然气管网的慢动态特性,考虑暂态天然气系统变量存在时段耦合的特性,提出了基于模型预测控制的多时间尺度优化调度策略,使机组有功出力和气源产气控制过程更为平滑。其中,以日前优化调度得到的有功出力值和产气量为参考值,基于模型预测控制,进行日内多时段滚动优化。最后,对修改的IEEE 24节点电力系统和比利时20节点天然气系统进行算例分析,验证了所提优化调度方法的可行性以及有效性,并分析了气网管存对电—气互联综合能源系统运行的影响。

融合虚拟储能系统的楼宇微网模型预测调控方法

提出一种融合虚拟储能系统的楼宇微网模型预测调控方法。将楼宇虚拟储能系统作为灵活可控单元集成到楼宇微网优化调控中,形成融合虚拟储能系统的楼宇微网模型预测调控框架;提出该楼宇微网模型的预测调控方法,以有限时段的反复滚动优化代替一次离线全时段优化,可有效解决可再生能源出力预测精度随时间尺度增加而下降的问题。在夏季制冷场景下,对两种典型楼宇微网系统的优化调控结果进行分析。该文提出的融合虚拟储能系统的楼宇微网模型预测调控方法可充分利用楼宇蓄热特性,挖掘楼宇参与微网优化调控的虚拟储能潜力,降低运行成本;同时可有效解决由可再生能源出力、负荷需求及实时电价预测误差导致的楼宇微网优化调控方案与实际运行场景偏差较大的问题,在预测不确定环境下具有较强的鲁棒性。

电力现货市场环境下园区型综合能源系统多阶段联合优化运行

针对国内最新电力现货市场规则,设计了园区型综合能源系统参与电力市场的系统框架和运行模式,基于多时间尺度多步递进优化的思想,建立了包含日前、日内、实时三阶段联合优化经济运行模型:在日前和日内阶段,采用随机优化概率约束解决光伏、负荷的不确定性问题,通过线性规划算法求解现货日前市场最优申报用电量和日内24 h功率计划曲线;在实时阶段,采用模型预测控制算法,形成了对功率、电价信息的滚动跟踪预测和校正反馈,实现与实时市场的同步滚动优化。算例分析结果表明,该优化经济运行模型可以使园区用户积极跟踪电力现货市场价格波动,通过降低综合用能成本有效提升盈利空间。

考虑不确定性与交互功率的城市综合能源系统两阶段调度

城市综合能源系统运行优化面临新能源发电强随机性和强波动性、负荷功率不确定性以及系统参数不确定性的多重挑战。文中构建考虑聚合特性的用户侧灵活性资源调度模型,提出考虑不确定性与交互功率的城市综合能源系统两阶段优化调度策略。在日前阶段,采用混合随机鲁棒优化方法处理建筑群参数不确定性和源荷不确定性,得到城市配电网与上级电网的最优交互功率区间。在日内阶段,基于新能源发电和负荷的预测结果,采用模型预测控制滚动优化系统的调度策略。算例结果表明,调度策略能够保证用户的热舒适度需求,得到的交互功率区间具有较强的应对日内不确定性能力,同时降低交互功率短时剧烈波动对系统运行安全性和经济性的影响。

基于灰色预测模型的参数寻优方法及能源预测应用

能源电力是中国实现双碳目标的关键领域,精确预测未来能源供需及碳排放量,有利于制定低碳转型的可行路径。灰色预测模型GM(1,1)是在能源预测领域应用最为广泛的一种动态预测模型,但其对原始数据要求较高,且GM(1,1)发展系数α较大时,模型可能失效,另一方面,GM(1,1)的另一关键参数灰作用量u直接决定模型预测精度,如果能够找到更优的u值代入模型进行预测,则模型的精度将会显著提高,考虑到这些问题,本文将一种在实际优化问题中表现优良的新颖群体智能算法帝王蝶优化算法(Monarch Butterfly Optimization,MBO)引入到灰色预测模型关键参数α和u的寻优过程,提出了一种全新的灰色-帝王蝶优化预测模型,实现对天津能源供需及碳排放的准确预测,并依据预测结果制定天津2030年碳达峰的低碳转型路径,通过与已有经典文献方法与预测数据的对比,证实了本文所提出的灰色-帝王蝶优化预测模型的有效性和优越性。