微电网多目标随机动态优化调度算法

针对含风光发电和储能电池的微电网多目标随机动态优化调度问题,建立以微电源总运行费用和系统总网损为目标函数,同时以多个蓄电池剩余电量的和作为资源存储量的微电网多目标随机型存储模型。模型中采用交流潮流模型准确描述配电线路的传输功率安全约束,并考虑了各种分布式电源的电压无功特性。结合自适应加权和法(AWS)和近似动态规划法(ADP)求解多目标随机动态优化调度问题,先采用AWS法将多目标随机动态优化模型转化为一系列单目标随机动态优化模型,再采用ADP的近似值函数迭代算法实现对单目标随机动态优化模型的逐时段递推解耦求解,并通过对AWS法中分割段新增Pareto点对应权值的调整以得到均匀分布的Pareto前沿。通过某一实际微电网的算例仿真,证明了所提出模型与算法的正确性和有效性。

考虑碳排放权交易市场影响的日前电力市场两阶段出清模型

作为推动中国“碳达峰、碳中和”目标的重要政策性工具,碳排放权交易(CET)市场的运行预计将对电力市场的出清产生深远影响。针对现有出清模型无法平衡不同目标的冲突且控制碳排放效果不明显的缺点,提出了考虑CET市场影响的日前电力市场两阶段出清模型。第1阶段,建立电力系统总运营成本最小和发电企业碳排放成本总和最小的多目标优化模型;第2阶段,建立以最小化电力系统总运营成本为目标的追踪模型,该模型满足第1阶段获得的Pareto最优解形成的约束。传统加权和法难以获得多目标优化问题分布均匀的Pareto前沿,且无法在非凸区域找到Pareto最优解。因此,采用自适应加权和法求解第1阶段多目标优化问题的完整Pareto前沿。最后,对中国某省级2278节点系统进行了算例分析和两阶段出清模型有效性验证。算例结果表明,CET市场运作将抬高日前电力市场出清价格。