考虑风速相关性和可调度负荷不确定性的区间最优潮流

提出一种考虑风电场风速的区间相关性,含可调度负荷和风电的电力系统区间最优潮流(interval optimal power flow,IOPF)模型,并采用基于随机空间仿射变换的蒙特卡罗(Monte Carlo,MC)法加以求解。首先,将风速区间相关性用"相关角"的概念表达;然后,建立随机仿射空间坐标系,利用仿射变换将相关区间变量转化为仿射空间内独立区间变量;最后,由MC法获得IOPF待求量的区间分布。IEEE-118和300节点系统的计算结果表明,IOPF结果可定性和定量分析区间变量不确定性和相关性对电力系统最优潮流的影响,用以研究用户侧与系统侧、不确定性与确定性调度资源的协调配合潜力,为实现用户与电网的友好互动提供参考。同时所提的仿射变换MC法能较为精确地实现区间变量去相关化,具有广阔的应用前景。

计及响应不确定性的可调度负荷响应及惩罚价格随机优化

可调度负荷(DL)参与需求响应能够减小系统功率偏差,促进可再生能源消纳。但受到调节能力的限制,其响应具有不确定性,进而影响各市场主体的利益。针对响应偏差可以制定惩罚机制,但惩罚过于宽松则效果有限,过于严苛则会降低DL的响应积极性。文中将响应偏差作为随机变量,基于响应价格与响应量、惩罚价格与响应偏差之间的关系,提出了针对DL响应量与惩罚价格的随机优化模型,并通过期望模型将其转化为确定性优化模型。最后,通过算例验证了所提模型的有效性。

面向需求响应市场的柔性负荷调度方法研究

为保障新能源的充分消纳和电力系统的安全性及可靠性,需要更多的灵活性资源参与调度,以市场化手段制定负荷聚合商等新型主体的调度运行机制,充分发挥其调节能力,对新型电力系统的建设和发展具有重要意义。从参与主体、准入条件、响应规则和补偿规则4方面分析了目前柔性负荷参与需求响应现状,根据负荷控制场景下的调频及调峰需求,构建柔性负荷优化调度模型。按照目前大部分省市所应用单边报量报价的模式,以“价格优先、容量优先”竞价原则,决定补贴价格及各负荷主体响应量。利用包括独立负荷及负荷聚合商在内的5000个柔性负荷规模系统测试调度优化速度,测试表明模型满足需求响应市场下快速高效调整负荷的需求。

基于强化学习的智慧社区广义负荷协同互动调度策略

随着低碳经济在电力行业的发展,居民的节能环保意识逐步提高。针对智慧社区广义负荷灵活调度的问题,研究了基于强化学习框架的智慧社区广义负荷协同互动调度策略。基于智能电表和智能设备的数据来实现负荷管理和能源消费优化,通过分析智慧社区的负荷特性和用户的用电偏好,建立了广义负荷和储能充放电模型,构建了基于深度强化学习框架的能量管理模型,并提出一种基于柔性动作-评价(softactor-critic,SAC)的社区能量管理方法来求解低碳社区的优化调度策略。研究结果表明,智慧社区广义负荷协同互动调度策略能够显著降低能源消费成本,同时有效减少社区碳排放。

基于启停控制的办公建筑空调用电负荷调度研究

为挖掘空调系统用电负荷调度潜力,以青岛市某办公建筑空调系统为例,搭建TRNSYS能耗模拟仿真平台,模拟启停控制下空调系统用电情况,对空调系统用电负荷调度潜力进行分析。模拟结果表明,在保证室内热舒适的前提下,10:30-11:30停机1 h负荷调度效果最好,调度容量为557.81 kWh。若聚合区域内50栋类似规模建筑,停机1 h可调度容量为27.89 MWh,区域负荷调度效果十分可观。

基于粒子群算法的新能源微电网局部停电负荷调度研究

新能源微电网的停电负荷具有灵活而易于控制管理的特点。将停电负荷积极参与到微电网调度计划中,可有效提高微电网运行的稳定性。提出基于粒子群算法的新能源微电网局部停电负荷调度方法。构建用电信息采集模块,完成新能源微电网运行信息的采集,根据新能源微电网的实际运行情况,将NTP协议应用在信息采集系统中,实现数据的同步更新;构建局部停电负荷调度双层模型,并采用粒子群算法求解模型,实现新能源微电网局部停电负荷调度。由实验结果可知:在16:00之前风力出力持续升高,此时段设备的开机时序即生产负荷在优化后大部分向后移,说明所提方法能够充分利用风力能源,调节电网设备开机时序;调度后的新能源微电网在停电情况下,其总负荷和净负荷均有所降低,说明对微电网运行稳定性的改善效果非常显著。

基于峰谷时段模糊识别模型的梯级水电站负荷联合调度方法

梯级水电站开展负荷有效调度对于提高水电站的供电能力具有重要作用。为了最大程度发挥出梯级水电站的优势,实现对其优化调度并保证稳定运行,研究以提高联合调度效益和峰谷调节能力为目标,通过协调不同水电站之间的发电量、出力调整以及蓄水量等多种参数,再结合各个水电站之间的相互影响和依赖关系等因素,以整体性能优化为目标,协调梯级水电站的运行计划和调度策略,使梯级水电站达到更高效、经济且稳定可靠的电力供应。还在引入模糊半梯形隶属度函数的基础上,利用模糊识别模型划分出峰谷时段,分别以发电效益最高、电网余荷均方差最小为目标函数,利用差分进化算法求解约束条件下满足目标函数的最优解,最终得到了梯级水电站的负荷联合调度方案。实验结果表明:在应用该方法后,可以使电网余荷均方差更小,发电总效益也得到显著提高,说明该方法的联合调度效果更优。

基于混合粒子群优化的智能电网负荷协同调度

由于智能电网负荷频率和负荷电压调节向量不确定,难以实现智能电网负荷协同调度,因此,提出基于混合粒子群优化的智能电网负荷协同调度方法。根据混合粒子群优化条件,求解电网负荷协同调度中的优化参数,定义目标负荷函数。分别计算智能电网负荷频率与负荷电压调节向量,结合电量信号确定协同调度决策指标的取值范围,实现智能电网负荷协同调度。实验结果表明,所提方法应用下,电量信号传输功率极值之差不超过100 dBm,满足智能电网负荷协同调度的实际应用需求。

基于改进差分进化的含分布式电源配网负荷自适应调度方法

为避免分布式电源接入配网运行受限,增加调度成本,提出了一种基于改进差分进化的含分布式电源配网负荷自适应调度方法。先进行配网负荷数据聚类,计算负荷削减量,然后评估调度优先级,利用改进差分进化算法求解,输出含分布式电源配网负荷自适应调度方案,最后设计对比实验证明所提方法的先进性。结果证明,该方法能有效降低调度成本,应用效果较好。

基于深度强化学习的分布式电力配电网负荷调度研究

分布式电力配电网通常涉及多个能源源头,如传统发电机组、可再生能源和储能设备等。这些能源的有效协调调度是一个关键难题。需要考虑不同能源之间的互补性和相互依赖性,以平衡供需关系,提高系统的可靠性和经济性。为此,提出一种基于深度强化学习的分布式电力配电网负荷调度方法。利用深度强化学习中的LSTM(长短期记忆)提取损坏负荷数据,基于此,建立分布式电力配电网调度模型的约束条件,并将非线性递减惯性权重引入到传统粒子群算法中,对调度结果实现寻优。实验结果表明:通过对负荷的优化调度,可实现存储设备及灵活负荷的主动加入,新能源功率特性与负荷特性的匹配度更高。

综合需求响应条件下能量枢纽负荷优化调度策略

本文针对电、气、冷、热多种能源高度耦合的能量枢纽,考虑实施综合需求响应的分时补偿价格以及给用户带来的不方便性,构建了以最小化经济成本、碳税成本和需求响应实施成本为目标的能量枢纽负荷优化调度模型。提出的模型在考虑多能协同的基础上,对电、热、冷等多种可转移和可削减负荷进行调度,提升了能源互联网环境下多能互补水平,提高了能量枢纽的经济性、稳定性。该建模方法及其实用性通过一个实例得到了验证,该实例是一个由风机、热电联产单元、燃气锅炉、电制冷、电储能、热储能等设备组成的能量枢纽。基于是否考虑储能和需求响应,设计了四种仿真调度实验场景。结果表明,通过接入储能和实施需求响应,能够进一步降低能量枢纽的总成本。此外,还对能量枢纽中的能源转换设备、储能设备的参数进行了灵敏度分析,分析了参数变化对调度结果的影响,验证了模型的稳定性。提出的负荷优化调度策略,对于支撑能量枢纽的经济高效运行和能源互联网环境下多能协同互补具有重要现实意义。

基于可再生能源消纳的数据中心负荷调度研究综述

在“碳达峰碳中和”的社会环境和“碳成本”的经济环境下,可再生能源的消纳成为数据中心运营商负荷调度决策的重要影响因素。分析了可再生能源消纳与数据中心负荷调度协同的价值潜力、模式及挑战;介绍了数据中心负荷调度优化目标和算法;分别从负荷空间转移、负荷时间转移、负荷时空转移3个顶层设计方面对基于可再生能源消纳的数据中心负荷调度策略进行分析、总结和对比。

基于改进粒子群算法的区域综合能源优化调度方法

针对目前区域综合能源优化调度方法调度能耗和负荷过高的问题,基于改进粒子群算法提出一种新的区域综合能源优化调度方法。通过电网、风电、光伏和天然气建立区域综合能源系统,利用P2G设备处理信息,完成储电、储气和储热工作。计算区域综合能源系统的目标收益和最终能源采购总价得到目标函数,以天然气汽锅释放的热量功率、天然气发动机的热功率、电热锅的热功率和电锅炉的输出功率模型确定约束条件。利用改进粒子群算法得到隶属度函数,依次排列每个目标函数的关键水平,建立目标矩阵,实现区域综合能源层次分析,根据粒子合理性函数进行单次优化,完成能源优化调度。实验结果表明:基于改进粒子群算法的区域综合能源优化调度方法的最高能耗仅为48.7%,调度负荷低于60.0%,具有极好的调度能力。

考虑用电特征的楼宇负荷分类优化调度仿真

针对自动需求响应过程中楼宇负荷的优化调度问题,根据负荷用电特征的不同,提出一种考虑用电特征的负荷分类优化调度模型。根据楼宇负荷不同的用电特征,将其分为连续型负荷和开关型负荷。基于各负荷的约束,以负荷用电成本为优化目标,建立楼宇负荷的分类优化调度模型。使用CPLEX优化技术对模型进行求解。通过仿真分析得出,相比于传统的调度方法,所提方法能有效降低负荷用电成本,减少优化迭代次数,从而保证了自动需求响应过程中的实时性。

基于多策略协同进化差分算法的社区居民负荷优化调度

针对需求响应下负荷调度的问题,为提供满足居民利益的响应方案,并提高电网运行稳定性,综合考虑电价、激励型需求响应机制与居民用电需求,以用电成本和社区负荷方差最小化为目标,建立了多用户负荷调度高维目标优化模型。结合模型特征提出一种基于多策略的合作协同进化差分进化算法,设计了基于居民用电特征的混合编码与种群初始化策略,以提高解的质量;引入合作协同进化思想将问题变量分解,依据高维目标分组与聚合对种群进行划分,避免陷入局优;各子种群进化时采取双差分模式协同策略,并构建知识迁移个体实现种群间信息交互,最后经贪婪与随机选择结合的种群合并策略保留完整优秀解至外部档案,以提高Pareto最优集的收敛性与分布性。算例仿真表明,所提方法可降低社区居民用电成本18%左右、负荷波动方差30%以上;随着居民数量增加,算法的收敛性与多样性与同领域其他算法相比优势更为明显。

基于深度学习的火电厂机组负荷调度自动控制方法

传统火电厂机组负荷调度自动控制方法无法准确预测多用户目标负荷,导致负荷调度误差较大,提出基于深度学习的火电厂机组负荷调度自动控制方法。通过火电厂的历史运行数据构建火电厂机组负荷分配模型,采用深度学习中的长短期记忆网络(Long Short-Term Memory,LSTM)神经网络进行火电机组负荷预测,建立机组系统能耗与负荷频率的相关模型,输出负荷调度结果,引入比例、积分(Proportion Integral,PI)控制器实现火电厂机组负荷调度自动控制。实验结果表明,文章设计方法能够准确预测火电厂机组运行负荷,在升负荷过程及降负荷过程中的调度负荷和调度自动控制准确性均较好。

基于信息熵理论的配电网多目标负荷调度模型设计

传统配电网多目标负荷调度模型无法准确预测多用户目标负荷,导致配电网电力调度误差较大,能源损耗较高,为此,基于信息熵理论设计了配电网多目标负荷调度模型。计算配电网多目标负荷信息熵指数,通过该指数构建基于信息熵的配电网多目标负荷数学模型,完成配电网多目标负荷调度模型的设计。实验结果表明,当电力负荷相同时,该调度模型在有储能的前提下所需电能消耗较三种常规方法分别小约6×10^(4) kW、1.2×10^(4) kW、3×10^(4) kW,在无储能时所需电能消耗较三种常规方法分别小约12.1×10^(4) kW、13.4×10^(4) kW、10.9×10^(4) kW,由此可知该电力调度模型能够减少配电网电力调度误差,减少能源损耗。

智能化预测技术在发电侧短期负荷调度中的应用

阐述发电侧短期负荷调度的重要性和面临的挑战,探讨智能化预测技术在负荷预测中的应用优势,可以提高负荷预测的准确性,通过优化调度算法提高短期负荷调度的效率。

电力柔性负荷调度研究综述

电力高峰负荷持续增长以及间歇式能源的迅猛发展对电力系统调节能力提出新的重大挑战,柔性负荷调度作为发电调度的补充,已成为国内外关注的热点。从柔性负荷参与电网调度运行的视角综述了近年来国内外在柔性负荷可调度潜力、调度模式、响应行为建模和调度架构等方面的研究成果,着重对比分析了不同调度模式和调度架构的适用场景和优缺点,从柔性负荷综合响应建模、多时间尺度互动交易模式、多时间尺度协调调度、集中&分布式协调控制和互动效益评估5个方面探讨了柔性负荷调度领域需进一步研究的方向。并结合中国国情,提出了开展柔性负荷调度的建议设想。

电动汽车充电负荷与调度控制策略综述

电动汽车的普及已成为一种趋势,将会对电力系统运行产生深刻影响。电动汽车充电控制将成为系统运行控制的重要手段,不仅能够限制充电负荷的不利影响,而且能够实现负荷削峰填谷,促进可再生能源吸纳,发挥负荷调度的作用。该文介绍了近年来充电负荷、充电控制领域内的研究成果,涉及充电负荷仿真分析模型、充电控制效益、充电控制策略研究等方面;同时指出了尚未解决的问题和可能的研究方向。