Multi-Time Scale Optimal Scheduling of a Photovoltaic Energy Storage Building System Based on Model Predictive Control

Building emission reduction is an important way to achieve China’s carbon peaking and carbon neutrality goals.Aiming at the problem of low carbon economic operation of a photovoltaic energy storage building system,a multi-time scale optimal scheduling strategy based on model predictive control(MPC)is proposed under the consideration of load optimization.First,load optimization is achieved by controlling the charging time of electric vehicles as well as adjusting the air conditioning operation temperature,and the photovoltaic energy storage building system model is constructed to propose a day-ahead scheduling strategy with the lowest daily operation cost.Second,considering inter-day to intra-day source-load prediction error,an intraday rolling optimal scheduling strategy based on MPC is proposed that dynamically corrects the day-ahead dispatch results to stabilize system power fluctuations and promote photovoltaic consumption.Finally,taking an office building on a summer work day as an example,the effectiveness of the proposed scheduling strategy is verified.The results of the example show that the strategy reduces the total operating cost of the photovoltaic energy storage building system by 17.11%,improves the carbon emission reduction by 7.99%,and the photovoltaic consumption rate reaches 98.57%,improving the system’s low-carbon and economic performance.

Bio-Inspired Optimal Dispatching of Wind Power Consumption Considering Multi-Time Scale Demand Response and High-Energy Load Participation

Bio-inspired computer modelling brings solutions fromthe living phenomena or biological systems to engineering domains.To overcome the obstruction problem of large-scale wind power consumption in Northwest China,this paper constructs a bio-inspired computer model.It is an optimal wind power consumption dispatching model of multi-time scale demand response that takes into account the involved high-energy load.First,the principle of wind power obstruction with the involvement of a high-energy load is examined in this work.In this step,highenergy load model with different regulation characteristics is established.Then,considering the multi-time scale characteristics of high-energy load and other demand-side resources response speed,a multi-time scale model of coordination optimization is built.An improved bio-inspired model incorporating particle swarm optimization is applied to minimize system operation and wind curtailment costs,as well as to find the most optimal energy configurationwithin the system.Lastly,we take an example of regional power grid in Gansu Province for simulation analysis.Results demonstrate that the suggested scheduling strategy can significantly enhance the wind power consumption level and minimize the system’s operational cost.

Low-carbon generation expansion planning considering uncertainty of renewable energy at multi-time scales

With the development of carbon electricity,achieving a low-carbon economy has become a prevailing and inevitable trend.Improving low-carbon expansion generation planning is critical for carbon emission mitigation and a lowcarbon economy.In this paper,a two-layer low-carbon expansion generation planning approach considering the uncertainty of renewable energy at multiple time scales is proposed.First,renewable energy sequences considering the uncertainty in multiple time scales are generated based on the Copula function and the probability distribution of renewable energy.Second,a two-layer generation planning model considering carbon trading and carbon capture technology is established.Specifically,the upper layer model optimizes the investment decision considering the uncertainty at a monthly scale,and the lower layer one optimizes the scheduling considering the peak shaving at an hourly scale and the flexibility at a 15-minute scale.Finally,the results of different influence factors on low-carbon generation expansion planning are compared in a provincial power grid,which demonstrate the effectiveness of the proposed model.

Research on multi-time scale doubly-fed wind turbine test system based on FPGA+CPU heterogeneous calculation

As the proportion of renewable energy increases, the interaction between renewable energy devices and the grid continues to enhance. Therefore, the renewable energy dynamic test in a power system has become more and more important. Traditional dynamic simulation systems and digital-analog hybrid simulation systems are difficult to compromise on the economy, flexibility and accuracy. A multi-time scale test system of doubly fed induction generator based on FPGA+ CPU heterogeneous calculation is proposed in this paper. The proposed test system is based on the ADPSS simulation platform. The power circuit part of the test system is setup up using the EMT(electromagnetic transient simulation) simulation, and the control part uses the actual physical devices. In order to realize the close-loop testing for the physical devices, the power circuit must be simulated in real-time. This paper proposes a multi-time scale simulation algorithm, in which the decoupling component divides the power circuit into a large time scale system and a small time scale system in order to reduce computing effort. This paper also proposes the FPGA+CPU heterogeneous computing architecture for implementing this multitime scale simulation. In FPGA, there is a complete small time-scale EMT engine, which support the flexibly circuit modeling with any topology. Finally, the test system is connected to an DFIG controller based on Labview to verify the feasibility of the test system.

MULTITASK SCHEDULING IN NETWORKED CONTROL SYSTEMS WITH APPLICATION TO LARGE SCALE VEHICLE CONTROL

Aiming at scheduling problems of networked control system （NCS） used to fulfill motion synthesis and cooperation control of the distributed multi-mechatronic systems, the differences of network scheduling and task scheduling are compared, and the mathematic description of task scheduling is presented. A performance index function of task scheduling of NCS according to task balance and traffic load matching principles is defined. According to this index, a static scheduling method is designed and implemented to controlling task set simulation of the DCY100 transportation vehicle. The simulation results are applied successfully to practical engineering in this case so as to validate the effectiveness of the proposed performance index and scheduling algorithm.

Modified Shifting Bottleneck Heuristic for Scheduling Problems of Large-Scale Job Shops

A modified shifting bottleneck algorithm was proposed to solve scheduling problems of a large-scale job shop.Firstly,a new structured algorithm was employed for sub-problems so as to reduce the computational burden and suit for large-scale instances more effectively.The modified cycle avoidance method,incorporating with the disjunctive graph model and topological sort algorithm,was applied to guaranteeing the feasibility of solutions with considering delayed precedence constraints.Finally,simulation experiments were carried out to verify the feasibility and effectiveness of the modified method.The results demonstrate that the proposed algorithm can solve the large-scale job shop scheduling problems(JSSPs) within a reasonable period of time and obtaining satisfactory solutions simultaneously.

冷能梯级利用的港口多能微网双层不确定性经济调度

为有效挖掘港口液化天然气(LNG)冷能利用的低碳灵活性潜力,充分发挥多时间尺度协同优化效应,提出一种考虑LNG冷能梯级利用的港口多能微网(MEMG)鲁棒-随机双层不确定性经济调度模型。首先,考虑LNG深冷-中冷-浅冷等各个温区的低碳灵活性潜力,建立低温碳捕集-冷能发电-直接冷却的冷能梯级利用模型,并以此为基础形成捕集-存储-利用协同的碳处理流程。其次,根据等概率逆变换生成考虑预测误差时序相关性的风电场景,并基于Wasserstein距离的0-1规划模型进行场景削减。再次,针对风电预测误差随时间尺度增加而增大的特性,构建多时间尺度优化的鲁棒-随机双层不确定性经济调度模型,上层通过分布鲁棒优化保证日前预调度决策鲁棒性,下层通过随机优化保证日内滚动调度决策经济性。最后,仿真结果表明,所提考虑冷能梯级利用的鲁棒-随机双层调度模型在解决日前长时间尺度预测精度低与日内短时间尺度易陷入局部最优矛盾的同时,可赋予港口MEMG更多经济性、低碳性及供电灵活性。

大型风电腰荷接入的主网安全调度方法

风功率波动性大,日前预测准确性较差,导致大型风电消纳与电网安全鲁棒性的矛盾。提出一种风电“腰荷”出力接入的自动调频调度方法,以减少弃风量且提高风电功率大幅波动下的主网在线安全性。首先,为提高日前风功率神经网络预测的收敛性,提出时序矩阵奇异值分解的多样本数据预处理方法;其次,为得到与日前风功率预测相关的腰荷出力计划曲线,采用多项式回归拟合及基准功率偏差,得到相关性较大的光滑曲线;然后,为减小在线风功率骤减导致的频率偏差,设定调频机组自动调频的“启动”曲线族;最后,为保持自动调频后主网有功潮流分布合理并提高功角安全性,采用等效功角最小的优化模型,得到各调频机组出力增量的最优分配方案。算例验证该调度方法的可行性,对减少大型风电的弃风并提高电网安全运行水平具有理论和实际意义。

考虑多能负荷波动实时平衡的综合能源系统多时间尺度优化调度

综合能源系统内负荷的不确定性及多能源响应负荷波动的时间尺度不同为优化调度结果的可靠性及系统对负荷波动的响应带来了挑战。确定日前、日内、实时三阶段优化调度模式,在日内调度中对当日影响系统运行的随机事件进行分类并将其量化影响反馈至调度模块;对系统内热/冷负荷端口进行能流分析,通过监测供回水压、水温等数据,快速响应热/冷负荷波动,并在实时调度中调整机组出力;建立日前、日内、实时三阶段优化调度模型,提出基于多能负荷波动快速响应的综合能源系统多时间尺度优化调度方法。以中国南方某城市综合能源系统冬季运行模式为例进行数值分析。结果表明,所提方法对计划性负荷调整及突发小幅负荷波动均有良好效果,能有效提升系统供能收益和用户的用能舒适度。

基于ADMM-GBS考虑故障影响的互联微电网多时间尺度优化调度

极端事件攻击微电网可能造成负荷电能供应不足导致大停电事故。针对互联微电网系统,提出了一种考虑极端事件的分布式多时间尺度故障优化调度策略。在故障条件下以系统用户侧削减负荷量最小为目标,建立了互联微电网系统日前-日内两阶段滚动调度模型;基于鲁棒思想,考虑极端事件的时空特性以及故障线路的不确定性,采用分层随机抽样形成故障集,将其作为初始数据确定系统最恶劣故障场景;针对该场景进行线路加固后,采取高斯回代交替方向乘子法(ADMM-GBS)得到最优故障调度策略。通过算例分析验证了所提模型和调度策略的有效性。

基于多时间尺度协同的大规模原油调度进化算法

针对原油调度过程存在的资源规模庞大、约束条件复杂、多时间尺度决策衔接困难等问题,提出一种基于多时间尺度协同的进化算法(MTCEA)。首先,根据炼油企业的规模结构和实际需求,建立了一种大规模多时间尺度原油调度优化模型,该模型由面向资源的中长期调度模型和面向操作的短期调度模型构成,通过引入原油资源动态分组策略,实现原油资源的合理配置,以满足不同的调度规模、多时间尺度的特征和精细化生产的要求;其次,为促进不同时间尺度调度决策的融合衔接,设计基于多时间尺度协同的进化算法,并针对不同时间尺度调度模型中的连续决策变量构造子问题进行求解,以实现不同时间尺度调度决策之间的协同优化;最后,在3个实际工业案例进行了算法性能验证。结果表明,与3种具有代表性的大规模进化优化算法(即竞争性粒子群优化算法(CSO)、基于多轨迹搜索的自适应差分进化算法(SaDE-MMTS)和基于混合模型的进化策略(MMES))以及3种高性能混合整数非线性规划(MINLP)数学求解器(即ANTIGONE(Algorithms for coNTinuous/Integer Global Optimization of Nonlinear Equations)、SCIP(Solving Constraint Integer Programs)和SHOT(Supporting Hyperplane Optimization Toolkit))相比,MTCEA的求解最优性指标和稳定性指标分别提高了30%和25%以上。这些显著的性能提升验证了MTCEA在大规模多时间尺度原油调度决策中的实际应用价值和优势。

配电台区灵活资源多时间尺度优化调度方法——以含虚拟储能的建筑微网为例

随着“双碳”目标的提出,配电台区接入大量分布式光伏、电动汽车、微网以及智能建筑等新元素,在给中低压配网安全运行带来挑战的同时也蕴含着巨大的灵活调节潜力。本工作以配电台区的智能建筑为例,提出一种含虚拟储能系统的建筑微网多时间尺度优化调度方法。首先对建筑围护结构的动态特性进行建模,构建了对建筑灵活性进行定量描述的虚拟储能模型,通过对虚拟储能的充放电过程进行优化调度来实现对建筑灵活性的定量利用;随后,在配电台区灵活资源多时间尺度优化调度模型中详细考虑了建筑的可调虚拟储能特性,分别在日前调度和日间修正两个时间尺度对建筑虚拟储能进行充分利用,提出以运行成本最低为目标的日前经济调度方法和跟踪微网联络线设定值的日间修正方法。最后以夏季制冷场景为例,利用典型建筑微网系统验证了本文所提多时间尺度优化调度方法的有效性。结果表明,本文所提方法可有效调度建筑的虚拟储能能力,实现在日前运行阶段降低建筑微网的运行成本,在日间运行阶段有效平抑可再生能源的随机波动。

考虑不确定性的周期性资源购买机制及多时间尺度调峰调度策略

合理的资源购买和有效的调度策略是充分利用需求响应资源向系统提供辅助服务的关键。该文针对电力系统运行中最常出现、影响也较大的辅助服务事件之一--调峰的需求响应资源周期性购买问题和日内调度问题进行研究。首先,对广大调峰事件的调峰需求特征进行聚类,利用概率描述调度中心不同的决策行为,建立周期内调节资源购买的不确定性模型并获取最优调节资源购买量。其次,针对日内调度,结合负荷预测,建立基于滚动优化的多时间尺度能量和功率协调调度策略。大时间尺度上以调度中心调峰经济性最优为目标对调节能量进行分配,小时间尺度上以调峰效果最优为目标对调节功率进行分配。仿真结果表明,所提周期性资源购买决策机制能够有效提升周期内调度中心的平均收益;而日内多时间尺度协调的调峰策略则能够充分利用已购资源,实现调度中心调峰经济性和调峰效果的双赢。

计及多重差异的交直流混合多能微网多时间尺度优化调度

近年来,可再生能源发电、热电联产、储能和电力电子变压器(PET)等技术发展迅速,有利于构建多能互补、清洁高效的交直流混合多能微网(MEMG),但不成熟的PET模型和复杂的不确定性为系统的优化调度带来了挑战。为此,首先构建了一种基于三级式PET的交直流混合MEMG结构,建立了包括PET在内的设备模型和不确定性模型;其次,提出了计及多重差异的MEMG多时间尺度优化调度策略,明确了日前-日内-实时三时间尺度调度的协调机制,其中,多重差异包含需求响应资源、系统调度目标和源荷预测精度在时间尺度上的差异,以及不同能量的响应特性差异;再次,建立了对应的多时间尺度优化调度模型,包括日前鲁棒机会约束优化模型、日内随机优化模型和实时分层滚动修正模型,并在日前调度中,改进了传统储能和电热耦合设备的备用模型,设计了基于PET的交直流系统备用共享机制,将调度模型转换为混合整数线性规划模型,给出了利用CPLEX求解器求解多时间尺度调度模型的步骤;最后,通过算例分析表明,所提调度策略可以通过逐级修正调度计划应对不确定性,且所设计备用方案兼具可靠性和灵活性。

基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。

计及调度优先级的微电网多时间尺度优化调度策略

随着负荷用户的大量增长,负荷侧可调资源逐渐增多,利用负荷侧需求响应资源参与微电网调度,以提升新能源消纳水平。为充分发挥需求响应资源调度潜力,优化用户侧负荷管理能力,提出一种计及调度优先级的微电网多时间尺度优化调度策略。首先根据不同需求响应资源响应特性进行划分,将价格型需求响应资源与激励型需求响应资源细分为5种类型,构建需求响应模型与调度时段进行匹配;其次,构建“日前-日内1 h-日内15 min”的微电网多时间尺度优化调度模型,对微电网内各类可调资源进行优化调度,并针对直接影响用户用电行为的实时可调资源建立优先级权重;最后,以福建地区某实际微电网为例,仿真验证了该模型的有效性。

基于DDPG算法的离网型可再生能源大规模制氢系统优化调度

为提高可再生能源消纳能力,减少整流和并网等设备的投资成本,降低电解水制氢系统成本,实现可再生能源大规模制氢,构建了一个孤岛型可再生能源大规模制氢系统。该系统通过智慧能量管理,实现了提高系统经济性与安全性的目标。首先建立可再生能源大规模制氢系统的仿真模型,制定控制策略;其次,提出一种基于深度确定性策略梯度(DDPG)的能量优化调度策略。通过大量长期的训练,使用DDPG算法得到的智能体能够实现智能化的动态能量优化调度。将该策略与深度Q网络、粒子群优化和传统控制方法在经济性和安全性方面进行比较,结果表明DDPG算法在能量优化管理中可实现更高的经济收益,更好地利用可再生资源,并确保系统的安全运行。

大规模风电并网后电力系统有功功率调度模型

为了保证大规模风电并网后电力系统能够稳定运行,解决现有有功功率调度模型存在的调度效果不佳、调度成本高的问题,对电力系统有功功率调度模型进行了优化设计。选取大规模风电功率场景作为有功功率的调度范围,在该场景内模拟风电并网过程,分析并网后对电力系统产生的影响。根据功率时序特征的提取结果和电力系统潮流计算结果,预测电力系统的有功功率值。通过功率分配、调度量计算、约束条件设置等步骤,完成大规模风电并网后电力系统的有功功率调度。通过实例应用分析实验得出结论:与传统调度模型相比,应用设计调度模型得到的有功功率输出结果更接近期望值,且调度成本降低了2.7万元。

考虑源荷协同的水风光一体化多时间尺度优化调度研究

以大规模、高比例新能源为主体的新型电力系统背景下,为解决中长期、短期水风光互补系统的电力质量、源荷协同矛盾的问题,本文提出了一种考虑不同时间尺度下水风光互补目标的水库优化调度决策,可实现不同时间尺度下的水风光一体化优化调度,指导水风光一体化系统的全周期运行过程。首先,从水风光一体化互补基本原理层面,阐述水风光一体化互补的机理、原则以及具体方法;其次,提出基于多时间尺度的以送电量为主、适应受端负荷的水风光互补调度多目标函数,构建水风光中长期—短期优化调度的多层嵌套调度模型,引入分层联合解耦、区间二分搜索算法求解;最后,通过不同时间尺度的水风光一体化场景与受端负荷特性确定边界,结合多目标函数构建水电中长期、短期优化调度方案。研究结果表明:利用水电灵活调节性能可有效提升中长期、短期水风光互补发电质量效益,同时增加对受端电力系统负荷的适应性。本次研究成果对水风光一体化系统的调度运行指导提供一定的经验借鉴和参考。

多时间尺度下计及综合需求响应和碳捕集-电转气联合运行的综合能源系统优化调度

对源侧进行低碳化改造、荷侧辅以综合需求响应策略有利于“双碳”目标的实现。为此,提出一种多时间尺度下计及综合需求响应和碳捕集-电转气联合运行的综合能源系统低碳优化调度策略。源侧在碳捕集电厂中引入储液罐,形成碳捕集电厂的综合灵活运行方式,并构建计及碳捕集电厂和电转气设备的新型联合运行模型;在荷侧分析需求侧资源在不同时间尺度下的响应特性,建立不同时间尺度下的价格型、激励型需求响应模型,通过源荷协调配合提升系统的低碳性能;提出源荷互补的综合能源系统多时间尺度低碳调度策略,构建含综合需求响应的日前-日内-实时调度模型。算例结果表明,所提模型能够充分利用源荷资源参与调节,实现系统低碳、经济、稳定运行。