Optimization of PV/Diesel Production through Data Monitoring

The study PV/diesel system is a stand-alone microgrid powered by the PV/diesel combination without production storage. The study focused on optimising PV/diesel production by monitoring data. It also referred to a comparison of sensitive factors in PV/diesel production. This study implemented structural and non-structural factors of the said system. A literature search was conducted to determine the factors involved. So, factors such as system autonomy, energy quality, system stability and data monitoring were considered for the study. Thus, after a detailed presentation of the data monitoring, a comparison based on the method, Analysis of Failure Modes, their Effects and Criticalities (FMEA) was carried out. At the end of the comparison, a hierarchy of parameters in the exploitation of the energy production of autonomous microgrids was made. From its results, it emerges a good consideration of the factor “data monitoring” in the management of the system studied. The results obtained confirm the importance of data monitoring for a better optimization of energy production. A monitoring program or procedure has been developed according to the originality that the present study has identified. The study also made it possible to evaluate the performance of data monitoring for the energy production of photovoltaic systems in general and hybrid PV/diesel systems in particular.

基于分层约束强化学习的综合能源多微网系统优化调度

构建多微网系统是消纳可再生能源、提升电网稳定性的有效方式。通过各微网的协调调度,可有效提升微网的运行效益以及可再生能源的消纳水平。现有多微网优化问题场景多元,变量众多,再加上源荷不确定性及多微网主体的数据隐私保护等问题,为模型的高效求解带来了巨大挑战。为此,该文提出了一种分层约束强化学习优化方法。首先,构建了多微网分层强化学习优化框架,上层由智能体给出各微网储能优化策略和微网间功率交互策略;下层各微网以上层策略为约束,基于自身状态信息采用数学规划法对各微网内部的分布式电源出力进行自治优化。通过分层架构,减小通信压力,保护微网内部数据隐私,充分发挥强化学习对源荷不确定性的自适应能力,大幅提升了模型求解速度,并有效兼顾了数学规划法的求解精度。此外,将拉格朗日乘子法与传统强化学习方法相结合,提出一种约束强化学习求解方法,有效地解决了传统强化学习方法难以处理的约束越限问题。最后通过算例验证了该方法的有效性和优势。

含共享储能的数据中心微网群分布式优化调度

多个数据中心微网可联合成微网群以实现不同数据中心微网的资源联动和能量互补。首先,建立了含共享储能的数据中心微网群运行模型,考虑了不同数据中心微网间的功率交互、数据负载交互、碳配额交互及共享储能容量使用权分配等耦合约束。其次,提出了考虑时变容量使用权和旋转备用服务的共享储能容量分配与运行策略,以进一步提高共享储能的效能。然后,采用高斯混合模型对数据中心微网内可再生发电的预测误差概率分布进行精确拟合,并结合机会约束处理预测误差的不确定性。最后,通过交替方向乘子法实现各个数据中心微网的独立求解,并引入动态乘子更新策略和预测-矫正因子以提高算法的收敛性。所提模型与方法的有效性在仿真中得到验证。

基于ARO-MKELM的微电网攻击检测

智能电网的复杂性和开放性使其在信息交换时更易受到网络攻击的威胁。目前大多数检测方法只关注检测攻击的存在性,不能确定受到攻击的分布式电源的具体位置,导致无法快速将被攻击的分布式电源隔离,继而造成严重的损失。提出一种基于人工兔群优化算法优化多核极限学习机的交流微电网虚假数据注入攻击检测方法。在传统极限学习机中引入组合核函数以提升检测模型的学习能力和泛化能力,并采用具有强全局搜索能力的人工兔群优化算法优化多核极限学习机的核函数参数及正则化系数,进一步提升检测模型的检测精度。利用非训练样本内幅值为55和95的阶跃攻击信号进行仿真验证,检测准确率范围分别达到了(93.44~94.64)%和(98.11~99.23)%,与其他检测模型进行对比分析,验证了所提方法的优越性。

基于融合容积卡尔曼滤波的直流微电网虚假数据检测

随着信息技术在微电网中的广泛应用,微电网正发展为一类物理系统与信息系统深度融合的电力信息物理系统(CPS)。由于微电网的分布式协同控制对即时通信和系统状态信息依赖程度高,使其受到虚假数据注入攻击(FDIA)的风险加大。针对直流微电网中的虚假数据注入攻击,提出一种基于融合容积卡尔曼滤波(CKF)的虚假数据注入攻击检测方法。首先,建立存在虚假数据攻击的直流微电网模型,对攻击下的直流微电网系统进行分析;其次,提出一种融合容积卡尔曼滤波的方法对攻击进行检测,可以精确检测到直流微电网中的攻击并确定攻击注入的量测单元;最后,在不同直流微电网模型工况下进行了仿真验证。仿真结果表明,所提方法在不同工况下的准确性和有效性均高于传统的容积卡尔曼滤波检测方法。

基于深度学习的直流微电网虚假数据注入攻击二阶段检测方法

直流微电网是一个网络物理信息系统,在信息传递的过程中容易遭受网络攻击的影响。虚假数据注入信息通道会影响微电网的系统安全。检测并修正虚假数据注入攻击,能够提升微电网系统运行的安全性。针对这一问题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)联合最大互信息系数(maximum information coefficient,MIC)的二阶段虚假数据注入攻击检测方法。首先,使用CNN从直流微电网运行的时序数列中提取时序特征,运用LSTM模型结合CNN提取的时序特征运行得到直流微电网运行状态预测值,与直流微电网运行的实际值对比,初步判断系统中是否存在虚假数据;其次,考虑到CNN-LSTM模型存在一定的误报率,构建MIC校验器,进一步判断系统中是否存在虚假数据并恢复;最后,通过直流微电网Matlab仿真分析,验证了所提方法的合理性和可行性。

考虑压力能利用的数据中心供能系统优化运行

针对天然气管网压力能未被充分利用且应用场景适应性不足等问题,在数据中心高能耗、碳污染问题日益突出的背景下,提出一种含天然气压力能综合利用的数据中心供能系统优化运行方法。首先,设计了考虑天然气压力能发电制冷综合利用的数据中心供能系统架构。然后,基于(火用)分析理论建立了天然气压力能发电、制冷出力特性模型,考虑数据中心IT设备能耗以及散热特性,建立了数据中心电功率需求模型和冷功率需求模型。其次,综合考虑配电网供能约束、燃气轮机、吸收式制冷机功率约束和电池充放电功率约束,以日运行费用最低为目标函数构建优化调度模型。最后,根据西南地区某天然气调压站、某A级数据中心能耗需求数据设置算例进行仿真,验证了所提系统方案及优化方法的可行性和经济性。

基于数据驱动期望场景集序列的微电网鲁棒经济调度算法

针对新能源和负荷功率的不确定性,提出基于数据驱动期望场景集序列的微电网鲁棒经济调度算法。通过聚类方法将大量历史场景数据进行聚类处理,形成聚类场景集序列,基于概率缩减为期望场景集序列。日前计划阶段,以任意场景可行作为约束条件,以期望场景所对应的微电网运行成本的概率加权指标作为目标函数,通过列约束生成算法对微电网经济调度问题进行求解。日内调度阶段,利用新能源和负荷的测量数据,基于日前计划调度结果对微电网进行再调度,通过对传统能源发电功率和电网交互功率调整进行惩罚,来追踪日前计划调度结果,优选出微电网设备最优出力,提高微电网经济性。仿真案例验证了该方法的有效性。

联邦学习在新型电力系统中的应用与展望

新型电力系统的核心目标是实现清洁、低碳、安全、灵活和高效的电力供应,同时是推动“双碳”目标的关键举措。然而,面对新能源的广泛接入、人工智能技术的深度融合以及智能电网和电动汽车等分布式能源的快速发展,传统的集中式数据处理模式在确保数据隐私和实现智能化管理方面显得力不从心。联邦学习(FL)作为一种创新的分布式机器学习技术,以其在数据隐私保护和智能化方面的潜力,为新型电力系统智能化管理、数据隐私保护和效率优化提供了新的解决方案。系统回顾了FL在新型电力系统中的应用,介绍了FL的基本原理和主要算法。重点探讨了FL在隐私保护下的负荷预测与异常数据检测、分布式电源控制与能源管理等方面的应用实例,分析了当前面临的技术挑战。最后,对FL在新型电力系统中的应用前景进行了展望。

映射关系下多模态微电网数据实时检索仿真

由于微电网数据的多样性和复杂性,导致数据特征挖掘难度大,降低了实时检索的精度,为此,提出了一种基于映射关系的多模态微电网数据实时检索方法。利用Borderline-SMOTE算法扩充微电网数据类别中少数类的样本数量。采用循环注意力机制映射关系法对扩充后的图像信息和文本信息进行对齐,使数据检索模型更容易挖掘数据特征。使用深度全连接网络构建数据实时检索网络模型,通过对齐图文信息进行分类输出检索结果,并通过softmax函数约束检索结果,使数据检索模型输出结果与实际需求一致,提升多模态微电网数据实时检索精度,以便及时发现微电网运行故障位置。实验结果表明,基于映射关系的数据检索方法能够准确找到与实际需求相匹配的数据,并且表现出强大的数据处理能力。

基于数据模型双驱动的新能源微电网分布鲁棒优化调度

针对新建新能源微电网数据稀缺性和源荷不确定性的能量优化调度问题,文中提出了一种基于数据模型双驱动的微电网分布鲁棒优化调度框架。首先,通过神经网络与光伏发电物理模型相结合,利用历史气象数据增强场景生成的准确性和鲁棒性,以应对数据稀缺带来的问题。其次,通过引入基于Wasserstein距离的分布鲁棒优化策略和线性决策规则,将考虑源荷不确定性的微电网能量优化调度问题由复杂的半无限规划问题转化为易于求解的混合整数线性规划问题。所提出的分布鲁棒优化能源调度框架能够在低运营成本和高可靠性之间实现平衡,并适应光伏发电功率和其他因素的实时变化。最后,在3种典型气象条件下的实验对比结果验证了所提方法的有效性。

计及数据中心和风电不确定性的微电网经济调度

风电机组并网容量占比的不断增大为电力系统风电消纳带来了巨大挑战。数据中心作为高灵活性电负荷,具有电网风电消纳巨大潜力。因此,提出一种计及数据中心和风电不确定性的微电网经济调度模型。首先,根据数据中心的分层结构建立信息层和电力层之间的耦合模型;其次,针对风电出力不确定性,搭建计及数据中心和风电不确定性的微电网经济调度模型;最后,基于对偶理论和两阶段鲁棒优化算法,将调度模型转化为鲁棒优化模型并采用列和约束生成算法(column and constraint generation,C&CG)和对偶理论进行求解。算例结果表明:数据中心参与微电网经济调度可有效降低运行成本,同时系统运营商按需求可灵活调整风电出力不确定性。

大数据技术下微电网CPPS发展研究挑战和展望

微电网及其控制系统是一种典型的信息物理系统(Cyber-Physical Power System,CPPS)。微电网智能化的深入发展,使得跨领域数据量激增,且数据的规模与特点符合大数据特征。文章以大数据分析技术为基础,探讨微电网电力物理信息融合发展下电力大数据技术的特征、研究挑战及其在相关领域的发展趋势。

基于微服务架构的微电网运行自动加密仿真研究

为保障微电网运行数据安全,研究了基于微服务架构的微电网运行自动加密方法。构建基于微服务架构的微电网运行加密结构;采集微电网设备运行数据;利用负载均衡模块实现负载均衡分配;采用基于高级加密标准算法与非对称加密算法的混合加密机制实现微电网运行数据加密。经仿真试验验证:该方法可有效完成数据加密处理,可有效提升微电网运行数据安全性,保障负载均衡。

孤岛微电网系统的混合控制策略及动态滤波技术研究

应用于孤岛型微电网以实现频率控制功能的传统控制器多为分数阶PID(fractional order PID,FOPID)控制器及模糊分数阶PID(fuzzy fractional order PID,FFOPID)控制器,二者的控制性能均存在局限性。针对这一问题,设计了一种变论域混合FFOPID控制器,用于提高孤岛微电网的频率控制性能。通过对比FOPID、FFOPID以及变论域混合FFOPID3种控制器作用时的不同效果,证明了变论域混合FFOPID控制器相比其他控制器对于孤岛微电网的频率控制有着更好的控制性能。同时考虑了反馈信号受到测量噪声干扰时对控制器的控制性能产生影响进而使得孤岛微电网频率波动增大的情况,并针对此问题使用了动态数据校正(dynamic datareconciliation,DDR)滤波技术。通过对比时域仿真中FOPID、FFOPID以及变论域混合FFOPID控制器各自作用时孤岛微电网频率偏差的输出结果,验证了DDR滤波技术对孤岛微电网的频率控制的显著效果。

基于数据驱动控制的孤岛微网中电池储能系统研究

文章提出了一种用于电池储能系统的数据驱动微电网支持控制系统,与传统的电网支持逆变器相比。该系统无需改变逆变器内部的有功功率和无功功率控制回路。调节数据驱动控制器无需微电网的动态模型。该系统识别微电网的频率响应并直接用于优化控制器的鲁棒性能。文章通过实时仿真软件在电磁暂态下验证了数据驱动控制器的性能,将其与反向下垂控制法进行比较。结果表明,数据驱动控制法可显著降低电压和频率偏差。

微电网保护系统的设计与实现

微电网中存在多个分布式电源,将会导致传统的阶段式过电流保护无法正常工作。为解决微电网中的继电保护问题,设计了一种以工业控制计算机为核心的实验室微电网保护系统。该系统利用数据采集卡快速地完成数据采集,并根据故障后电压参数的变化以及故障方向等情况,对故障类型及故障区域进行判断,切除故障,对并网运行和孤岛运行模式下发生短路故障的微电网都能起到保护的作用。以实验室微电网为例对微电网保护算法做了简要说明,并阐述保护系统的硬件结构和软件流程,分析保护系统的可行性。

基于直流配电与直流微网的电气节能研究

分布式可再生能源/清洁能源(特别是可再生能源发电)的推广应用,以及用户终端负荷特性的变化(特别是电动车充电),为传统大电网带来了巨大的挑战,能源互联网作为未来可能的能源可持续发展解决方案正逐渐成为研究的热点。鉴于直流配电以及直流微电网的自身优势,必将是微电网、未来能源互联网的重要形式之一,也是电气节能的重要研究方向和发展趋势。本文从工程应用驱动角度,基于能源互联网思维,探讨计及电动车充电的智能建筑、能耗高发展快的数据中心等典型应用的直流微电网方案;此外,还给出了在农业汲水灌溉、海岛/海上油气平台海水淡化等具有广阔应用前景的光伏/风光互补泵站直流微电网方案。为节约能源、降低碳排放、高效利用可再生能源提供技术支撑,为电气节能提供技术支持与工程应用参考。

计及负载特性的数据中心微电网双层优化配置

为解决数据中心微电网前期容量规划不合理,无法适应数据中心运行特性的问题,同时为提高数据中心微电网的供电经济性和可再生能源消纳能力,文中提出了计及负载特性的数据中心微电网容量双层优化配置模型。使用基于场景缩减的选择方法应对可再生能源出力的不确定性,同时解决大量场景带来的计算复杂性问题。根据不同负载的特性,考虑其时间维度上的灵活性,制定相应的负载分配策略。采用带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)与Gurobi结合的方式进行求解,最后利用模糊多属性决策方法获得折衷最优解,合理规划微电网内储能系统、光伏和风机的容量。算例表明,所提方法降低了数据中心微电网建设与运行成本,减少了碳排放,提高了数据中心运营商的满意度。

基于云平台的微电网光伏模块数据采集装置的设计

随着“碳中和”目标的明确和相关政策的推进,微电网项目的数量持续增加,由于常规微电网中主要的发电组件是光伏发电平台,因此对于光伏发电平台运行维护的需求也会增加。笔者设计了一种对本地监测数据进行收集并通过云平台传送到总控室PC或维护人员随身移动设备的装置,在总控室的PC或移动设备上可以查看实时数据,对一些可能的故障及类型进行警示提醒,从而提高设备维护的效率。