The Optimal Steam Pressure of Thermal Power Plant in a Given Load

As the large change of the grid load, many large capacity units of our country had to change the load in order to meet the gird need. When a thermal power plant receives a given load instruction from the grid, it is necessary to set an optimal steam pressure to maintain the high efficiency of the plant. In the past optimization methods, during the process of calculation, the output of the turbine often changed, it was hard to maintain the output constant. Therefore, in combination with the theory of variable condition of turbine, calculation of governing stage and the matrix equation of thermal power system, an optimization method were put forward and an optimal solution was got in a given load.

Grid Power Optimization Based on Adapting Load Forecasting and Weather Forecasting for System Which Involves Wind Power Systems

This paper describes the performance, generated power flow distribution and redistribution for each power plant on the grid based on adapting load and weather forecasting data. Both load forecasting and weather forecasting are used for collecting predicting data which are required for optimizing the performance of the grid. The stability of each power systems on the grid highly affected by load varying, and with the presence of the wind power systems on the grid, the grid will be more exposed to lowering its performance and increase the instability to other power systems on the gird. This is because of the intermittence behavior of the generated power from wind turbines as they depend on the wind speed which is varying all the time. However, with a good prediction of the wind speed, a close to the actual power of the wind can be determined. Furthermore, with knowing the load characteristics in advance, the new load curve can be determined after being subtracted from the wind power. Thus, with having the knowledge of the new load curve, and data that collected from SACADA system of the status of all power plants, the power optimization, load distribution and redistribution of the power flows between power plants can be successfully achieved. That is, the improvement of performance, more reliable, and more stable power grid.

An optimization-oriented modeling approach using input convex neural networks and its application on optimal chiller loading

Optimization for the multi-chiller system is an indispensable approach for the operation of highly efficient chiller plants.The optima obtained by model-based optimization algorithms are dependent on precise and solvable objective functions.The classical neural networks cannot provide convex input-output mappings despite capturing impressive nonlinear fitting capabilities,resulting in a reduction in the robustness of model-based optimization.In this paper,we leverage the input convex neural networks(ICNN)to identify the chiller model to construct a convex mapping between control variables and the objective function,which enables the NN-based OCL as a convex optimization problem and apply it to multi-chiller optimization for optimal chiller loading(OCL).Approximation performances are evaluated through a four-model comparison based on an experimental data set,and the statistical results show that,on the premise of retaining prior convexities,the proposed model depicts excellent approximation power for the data set,especially the unseen data.Finally,the ICNN model is applied to a typical OCL problem for a multi-chiller system and combined with three types of optimization strategies.Compared with conventional and meta-heuristic methods,the numerical results suggest that the gradient-based BFGS algorithm provides better energy-saving ratios facing consecutive cooling load inputs and an impressive convergence speed.

Modeling Simulation Technology Research for Distribution Network Planning

This paper proposes to use the power system simulation software CYME to plan, model and simulate for an actual distribution network for improving the reliability and efficiency, enhancing the efficiency and capacity, simulating the abnormal condition of distribution network, and presenting operation program of safe, reliable and having simulation record statements. The modeling simulation results show that the software module has lots of advantages including high accuracy, ideal reliability, powerful practicality in simulation and analysis of distribution network, it only need to create once model, the model can sufficiently satisfy multifarious types of simulation analysis required for the distribution network planning.

Battery Energy Storage System and Demand Response Based Optimal Virtual Power Plant Operation

With certain controllability of various distribution energy resources (DERs) such as battery energy storage system (BESS), demand response (DR) and distributed generations (DGs), virtual power plant (VPP) can suitably regulate the powers access to the distribution network. In this paper, an optimal VPP operating problem is used to optimize the charging/discharging schedule of each BESS and the DR scheme with the objective to maximize the benefit by regulating the supplied powers over daily 24 hours. The proposed solution method is composed of an iterative dynamic programming optimal BESS schedule approach and a particle swarm optimization based (PSO-based) DR scheme approach. The two approaches are executed alternatively until the minimum elec-tricity cost of the whole day is obtained. The validity of the proposed method was confirmed with the obviously decreased supplied powers in the peak-load hours and the largely reduced electricity cost.

低碳目标下计及电动汽车V2G的虚拟电厂优化调度方法

促使风电、光伏等分布式能源和电动汽车保有量快速增长。考虑电动汽车到电网(vehicle to grid,V2G)能量互动对多元化能源发电出力随机性及波动性的平抑作用,以及提升风/光电的消纳水平,采用虚拟电厂(virtual power plant,VPP)技术实现对二者的统一协调管理,进而结合电动汽车全生命周期碳排放数量和分布式能源运行时碳排放数量,构建电动汽车参与的虚拟电厂整体多目标优化模型,采用粒子群优化算法对该模型进行求解,从而优化系统运行成本及碳排放成本。在结合真实数据配置的算例模型上进行实验分析,实验结果表明,提出的优化模型可以有效调度虚拟电厂各要素,充分发挥电动汽车V2G入网充放电带来的运行和碳排放收益,可以为低碳目标背景下电网系统的安全稳定运行提供技术参考。

基于强化学习的含电动汽车虚拟电厂优化调度

大量电动汽车(EV)用户的无序充电可能造成电网负荷剧烈波动,危及电网的安全稳定。随着EV入网(V2G)技术的应用,将EV充电站及其周边的分布式新能源发电聚合为虚拟电厂(VPP)后进行优化调度,有助于改善EV用户充放电的经济性及满意度,同时提高分布式新能源的利用率,平抑电网负荷波动,但EV充电站的整体充放电负荷是大量个体EV用户随机行为的聚合,难以用数学模型精确描述。针对包含EV的VPP,提出一种基于深度强化学习的交互式调度框架,以最大化VPP内EV用户的总效益。VPP控制中心作为智能体决策EV个体的充放电动作,无需掌握个体详细模型,而是通过与区域电网环境的交互,不断学习和更新动作策略,从而克服集中式优化方法的局限性。该优化调度框架采用深度确定性策略梯度(DDPG)算法进行求解。仿真结果表明,与集中式优化方法相比,该优化算法提高了各EV用户的效益,并使EV充放电负荷与分布式新能源发电协调配合实现削峰填谷,改善了VPP的整体运行性能。

基于耦合约束解耦的虚拟电厂动态可行域求解方法

构建以新能源为主体的新型电力系统需深入挖掘需求侧灵活性资源的调度潜力,使其参与电网调度调节任务以提升电网平衡调节能力。灵活性资源的海量异构特性使其聚合可行域的求解计算复杂度提升、约束满足难度增大。该文基于顶点搜索法,建立计及分布式电源出力不确定性的虚拟电厂动态可行域求解模型,进而通过李雅普诺夫优化将求解模型内部耦合约束松弛解耦为虚拟队列稳定性问题,提出以顶点搜索与队列稳定为目标的数学模型,最终通过建立虚拟时间队列形成求解算法。所提算法通过耦合约束解耦以提高求解效率;通过满足调度能力约束以提升资源调度能力。算例结果表明,在日前与日内场景下,所提算法具备提升计算效率与约束满足能力等方面的优势。

热电联供电厂厂级供热集中智能管控系统开发及应用研究

为了解决多台机组供热负荷调节分散、供热系统压力波动大、供热经济性差的问题,首先提出基于MODBUS通信方式下多台机组供热单元互联控制的厂级供热集中智能管控系统;然后,结合机组实际性能试验数据建立机组性能仿真模型,获得不同电负荷下冷热再抽汽量与煤耗量的关系;最后,考虑机组安全运行边界,建立适用于多台机组热负荷经济分配的数学模型,以厂级总耗煤量最低寻优为目标,获得各机组热负荷分配方案,并成功在某装机6台、总容量3320 MW燃煤电厂实现了工程示范应用。结果表明:厂级供热集中智能管控系统可采用流量指令方式在机组安全运行边界内对各机组供热流量进行自动调节;全厂对外供热流量在50~400 t/h之间变化时,厂级供热集中智能管控系统可将供热母管压力控制在设定值的±0.03 MPa以内;通过对总供热负荷智能寻优分配,全厂总煤耗量可降低0.13~3.53 t/h。

一种考虑峰荷-电量分摊机制和风电关键场景的输-配电网协同调度策略

风电功率的不确定性问题严重制约其消纳,因此,激发输-配电网积极性并提出合理的风电协同消纳方法具有重要意义。在建立改进峰荷-电量责任模型的基础上,提出一种基于场景法的输-配电网多目标协同调度模型。首先,将传统输-配电网峰荷责任模型、电量责任模型相结合,同时计入风电消纳、需求响应的影响并引入输配电成本分摊机制,建立改进输-配电网峰荷-电量责任模型。其次,针对输-配电网集中式和分布式风电出力的不确定性问题,基于风电功率日前基础预测场景和奇、偶时刻的极限爬坡场景构建关键风电场景集,并在此基础上提出输-配电网柔性资源协同调度策略。然后,将输-配电网改进峰荷-电量责任模型和柔性资源协同调度策略相结合,建立输-配多目标协同优化模型。最后,基于典型T6D2系统进行案例仿真,采用目标级联分析法对所提模型进行求解。结果表明,所提模型有利于支撑并促进输-配电网提升风电消纳水平,而峰荷-电量责任的边际效应有助于输-配电网有序制定对应责任权重,从而实现经济效益、风电消纳和社会效益的合理均衡。

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。

考虑碳减排的共燃发电厂鲁棒可信性选址决策优化

基于“碳达峰、碳中和”战略目标,研究考虑碳减排的共燃发电厂选址决策问题.受天气状况、市场环境等外部因素的影响,生物质供应能力和生物质价格等参数具有不确定性,构造一个非精确可能性分布集来描述问题中的不确定参数,进而建立一个分布鲁棒可信性选址优化模型.通过推导鲁棒可信性目标和鲁棒可信性约束的等价形式,将原模型重构为一个可计算的混合整数线性规划模型.最后利用算例分析验证提出方法的有效性.

面向分布式资源聚合管控的虚拟电厂建模与优化控制综述

随着可再生能源渗透率不断提高,电力系统运行灵活性不足的问题日益突出。虚拟电厂(virtual power plant,VPP)是一种融合先进通信与控制技术的分布式可控资源管理新模式,将多类型可控资源聚合为整体,对电力系统经济运行、调峰、调频、稳定控制等多方面进行支撑。从分布式资源聚合管控与运行优化视角,系统综述了VPP内涵、架构、资源聚合、运行优化等方面当前技术水平和研究现状。首先梳理虚拟电厂功能内涵与定位,总结基于端-边-网-云的分层聚合管控框架及各环节需要解决的关键技术问题;随后介绍各类资源物理建模方法及其聚合模型,并从“对外统一、对内协调”角度综述VPP内部资源优化控制及其整体参与电网互动的协同方法,总结了虚拟电厂未来的技术挑战与发展前景。

大型光伏电站分布式无功优化

大型光伏电站经常面临严重的电压波动问题。传统的集中式控制方案采用中央控制器进行无功优化,以确保系统稳定运行。然而,这种方案存在计算负担过重、容易发生单点故障和网络安全问题的弊端。为了解决这些问题,分布式优化方法被提出并应用于大型光伏电站。该方法将电站划分为多个子系统,并使用局部控制器分别解决每个子系统的优化问题。相邻子系统之间的信息交流较少,系统信息更加安全,同时也能处理规模更大的光伏电站。基于交替方向乘子法(alternating direction method of multipliers,ADMM),提出一种适用于大型光伏电站的分布式无功优化方案解决电站电压越限问题,并通过案例验证其有效性。此外,通过分析支路潮流模型约束的线性化处理对潮流求解的影响和罚函数系数对ADMM性能的影响,进一步提升优化参数,优化大型光伏电站的运行结果。

基于自适应学习率卷积神经网络的新型配电网源网荷储无功协调优化技术

随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储无功协调优化技术。首先以最小网络损耗和最低电压偏移为目标,构建无功优化模型;其次利用卷积神经网络强大的非线性拟合能力,挖掘出电网运行场景和无功调压设备、储能充放电策略之间的映射关系,引入自适应学习率的方式更新网络参数,提高了网络训练效率;再次通过控制无功调压设备和储能装置充放电情况协调分布式电源出力,实现电力系统无功电压主动优化控制;最后通过IEEE33节点电网模型进行了仿真验证。结果表明,文章所提的配电网源网荷储无功协调优化方法提高了电力系统电压调节能力,为配电网安全可靠运行奠定了良好基础。

基于改进混沌算法的供热机组热电负荷优化分配系统

热电负荷拟合效果不佳会导致供热机组实际耗能量大幅增加,为此,该文设计基于改进混沌算法的供热机组热电负荷优化分配系统。按照主供热单元连接形式,实现热电负荷循环模式规划,确定热电负荷优化布置标准。根据混沌指数计算结果,求解改进罚函数,完成对混沌算法的改进,构建供热机组热电负荷分配的数学模型,并设计负荷分配模型的约束条件,完成供热机组热电负荷优化分配系统设计。实验结果表明,热电负荷参量与标准拟合曲线之间的误差不会超过30%,可以解决因热电负荷拟合效果不佳导致的供热机组实际耗能量增加的问题。

考虑光热电站和柔性负荷的电氢热综合能源系统联合优化运行

为解决现有综合能源系统运行灵活性差及风、光消纳难的问题,同时充分利用氢能实现碳减排目标,本文提出一种考虑光热电站和柔性负荷的电氢热综合能源系统联合优化运行方法。首先,基于光热电站和含电转氢余热利用的氢能系统模型构建电氢热综合能源系统。其次,考虑需求侧电氢热柔性负荷的特征和调节价值,构建含可平移、可转移、可削减负荷的电氢热柔性负荷模型。然后,进一步构建考虑电氢热柔性负荷调节特性的电氢热综合能源系统联合优化运行模型。最后,通过算例仿真验证所提方法能够兼顾经济运行与低碳效果,不仅可以提高光热电站与氢能系统的联合运行能力,而且能够有效提升系统运行的经济性和低碳性,电、氢、热负荷峰谷差分别降低6.68%、11.95%、8.35%,系统运行总成本降低24.4%。

基于最优经济效益的虚拟电厂平台优化调度模型

为了解决多种分布式资源的协调调度并提高负荷聚合商的经济效益,提出了一种考虑分布式储能、风电、及需求侧响应的虚拟电厂调度模型。基于对不同种类分布式资源的日前出力基础上,对虚拟电厂调度策略进行实时优化,并通过协调多种需求侧资源的出力预测情况,降低分布式资源的实际出力与预测值之间的偏差,使得虚拟电厂偏离日前计划安排最小,实现虚拟电厂经济效益最优。仿真实验结果表明,含有多种不同种类分布式资源的虚拟电厂经济效益高于只含有单一分布式资源的虚拟电厂,并且当分布式资源的预测出力越接近于实际出力时所构建的虚拟电厂调度模型经济效益最优。

基于矩不确定性的虚拟发电厂分布鲁棒机组组合

由于分布式能源输出的随机性使得虚拟发电厂难以向独立系统运营商提供具体物理参数。为此,本文建立基于高阶矩模糊集的分布鲁棒优化模型来评估虚拟发电厂的物理特性。首先采用虚拟净负荷的矩信息(例如均值和协方差)来描述风电输出功率和负荷需求的不确定性;然后,在第1阶段优化虚拟发电厂的机组组合,在第2阶段优化机组出力和储能充放电,建立虚拟发电厂的两阶段分布鲁棒优化模型;最后,结合对偶变换将虚拟发电厂分布鲁棒机组组合模型转化为二次二阶锥规划模型,便于采用两阶段迭代求解。通过案例分析验证了本文所建立的虚拟发电厂分布鲁棒机组组合模型的有效性。

基于改进AUGMECON的配网虚拟电厂多目标优化运行

虚拟电厂可聚合配网末端的可调节负荷资源参与电力系统的调用以缓解面临的供需平衡等问题。同时末端资源功率的调节影响着配网的运行质量,负荷侧资源的调用可降低配网区域峰谷差,减少系统网损。为此,以配网运营商为主体构建虚拟电厂,提出一种基于改进AUGMECON的配网虚拟电厂多目标优化模型,以运行效益、配网峰谷差和配网网损为目标函数,调用配网末端负荷资源参与需求响应,在提高运行收益的同时改善配网运行质量。通过改进AUGMECON获取所提多目标优问题的Pareto前沿,并采用考虑公平性的方法获取折中解。最后基于修改后的IEEE 33节点配电网系统进行了仿真分析,验证了所提模型的有效性。