基于碳交易的含风光发电的电力系统低碳经济调度

在发展低碳经济的背景下,本文提出了一种基于碳交易含有风光发电的电力系统经济调度模型。首先在碳配额初始分配的基础上对火电机组加入补偿配额,并分析碳交易对机组的出力和碳排放的影响;然后在满足功率平衡约束,机组出力上下限约束,旋转备用容量等约束下,以碳交易成本,机组运行和起停成本建立目标函数,最后采用遗传算法对算例在不同模式的系统运行成本进行计算并分析。算例结果验证了模型的合理性和可行性。

基于碳交易的含风光发电的电力系统低碳经济调度

在发展低碳经济的背景下,提出了一种基于碳交易含有风光发电的电力系统经济调度模型。首先在碳配额初始分配的基础上对火电机组加入补偿配额,分析碳交易对机组的出力和碳排放的影响。然后在满足功率平衡约束、机组出力上下限约束、旋转备用容量等约束下,以碳交易成本、机组运行和启停成本建立目标函数。最后采用遗传算法对算例在不同模式下的系统运行成本进行计算并分析,算例结果验证了模型的合理性和可行性。

基于改进小生境PSO算法的综合能源系统调度

以减少综合能源系统运行成本、提高可再生能源利用率为目的,在调度目标中考虑可再生能源消纳程度,构建了满足电热冷负荷的综合能源系统模型。针对传统粒子群优化算法PSO(particle swarm optimization)易陷入局部最优的问题,将小生境技术与粒子群算法结合并提出一种非线性递减惯性权重策略,利用改进的小生境粒子群优化算法对构建的综合能源系统模型求解,结果表明改进后的算法具有更好的寻优能力,所提模型在兼顾经济性的同时提高了系统对可再生能源的消纳能力。

含P2G的综合能源系统经济调度研究

综合能源系统由于其能源的梯级利用可以促进可再生能源的消纳,而电转气(P2G)设备的出现可以很大程度上促进风电消纳,在能源中心概念的基础上建立了包含电转气(P2G)设备的综合能源系统模型,以系统运行成本最低作为目标进行调度研究,在约束条件中考虑了系统内部的功率约束、能源转换设备以及储能设备的运行约束,通过算例在MATLAB平台进行仿真验证,构建了两个不同的场景,分别考虑在加入电转气(P2G)设备和不加入情况下系统的风电消纳能力,结果表明电转气(P2G)设备的加入促进了系统对风电的消纳。

改进PSO算法优化的配电网精准切负荷策略

随着智能电网的深化建设,配电网系统迫切需要更精确的精准切负荷策略来维护电网的最后一道安全屏障,保证负荷用电的可靠性。通过构建以维护电力系统稳定运行为约束的切负荷成本模型,以正态随机数权重改进粒子群优化(RPSO)算法进行迭代优化精准切负荷策略,利用罚函数对模型求解确定每个可切除负荷的切负荷量。采用分区电网算例验证了RPSO算法的优化效果,并分析了RPSO算法优化精准切负荷策略的综合性能。

基于一致性算法的微电网无差调频控制策略

微电网孤岛运行时,采用传统下垂控制策略的微电网频率因其输出功率的变化而偏离额定值,为此,提出一种微电网下垂系数自调节控制策略。微网内各微源由一致性算法获得下垂系数自调节值,实现微电网频率无静差,同时确保有功功率按额定容量分担负荷,在PSCAD中搭建微网模型,并与传统下垂控制仿真结果对比,表明了控制策略的有效性。

基于多智能体一致性的微电网无功功率分配方法研究

在孤岛运行的微电网中,由于各分布式电源到公共母线的距离和网络结构差异,导致采用传统下垂控制的分布式电源难以按其额定容量分担负荷。为此,提出一种基于多智能体一致性的分布式无功功率控制策略,各分布式电源通过通信网络,接收邻近微电源无功功率。应用动态一致性算法对无功功率差值进行迭代求和,再利用比例-积分器对下垂特性曲线的参考额定电压幅值进行自适应补偿。该策略在实现无功功率合理分配的同时,降低了系统对通信线路的要求,提高了系统的可靠性。

计及电网电价的微网能量优化管理

针对微网运行时各分布式电源的出力特性以及电网电价对微网运行经济性的影响,构建以系统总运行成本最小为目标的优化模型,并提出计及电网电价的分时段微网能量管理策略.该策略以光伏电池和风机的出力为研究对象,从负荷需求以及微网经济效益出发,结合电网分时电价,对不同时段微网与大电网能量交换情况进行分析.并以由分布式电源构成的直流母线型微网系统为例,用粒子群优化算法进行求解.结果表明,微网能量优化管理中考虑电网电价,不仅能充分利用电能,还能降低微网的运行费用,使总的发电成本最低.

基于Holt-Winters指数平滑和时间卷积网络的短期负荷预测

为提升短期电力负荷预测的精度,着眼于特征组合的构建,提出了一种基于Holt-Winters指数平滑的特征组合(FCHW),并结合时间卷积网络(TCN)构建了FCHW-TCN负荷预测框架。首先,应用Holt-Winters指数平滑进行负荷序列预测,得到与负荷序列相关的级别分量和季节性分量。通过将上述分量用作输入特征,并与常规特征(历史负荷、日期)构成特征组合,构建了FCHW;其次,选择TCN作为预测模型,以FCHW作为TCN输入,搭建了FCHW-TCN预测框架;最后,采用2个不同负荷数据集和多个预测模型对FCHW和FCHW-TCN进行验证。结果表明,FCHW有助于模型预测精度的提升;与其他预测模型相比,FCHW-TCN预测框架有着最高的预测精度,具有优越的预测能力。

基于XGBoost的多维度超短期负荷预测研究

电力系统超短期负荷预测的准确性直接影响到电力系统发电与用电量平衡的问题。目前大多数的电力系统超短期负荷预测都只利用了电荷负载变化本身的时间序列特效。而事实上,除电荷本身的时序特征,温度、湿度、降雨量和人口等因素也对电荷变化产生了明显的影响。利用某地2009-01-01至2015-01-09的数据建立了结合温度、湿度、降雨量等因素的多维度XGBoost模型,和只考虑时序特征的XGBoost模型进行了多角度比较。从平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)等多角度预测数据分析可以发现,只考虑时序特征的XGBoost模型可以很好地预测超短期负荷的整体变化趋势,而结合温度、湿度、降雨量等因素的多维度模型在整体趋势的基础上更好地预测了电网负荷变化的细节。同时也证实了机器学习中特征因素并不是越多越好,当特征项存在相关性过高的冗余因素时模型预测精度会降低。

基于最优个体蚁群算法的配电网故障定位研究

数据采集与监视控制(SCADA)系统根据传输馈线上馈线终端装置(FTU)所上传的故障信息进行故障定位。由于传输馈线在室外会受到外部因素的干扰,各FTU所上传的故障信息可能会发生畸变,导致故障定位出错,从而可能引发更大的电力事故。基于蚁群算法进行配电网的故障定位研究,是应用最优个体方法对蚁群算法进行改进,然后通过对蚂蚁进行分组,找出每组蚂蚁中评价函数最低的个体,并应用该个体所经过的路径对信息进行更新,以促进下一组蚂蚁向最优解靠拢,从而提高算法的收敛速率。通过算例仿真验证了在加大正反馈程度后系统会更快地向最优解收敛,系统具有较好的快速性和可靠性,实现了快速准确定位配电网故障的目的。

基于改进型频率正反馈孤岛检测研究

孤岛检测技术不但要求其能快速准确地检测出孤岛的发生时刻,还要尽可能减小对电网电能质量的影响。分析了主动频率偏移法(AFD)、正反馈主动频率偏移法(AFDPF)存在的谐波畸变、检测速度、检测盲区等固有矛盾,在AFDPF算法的基础上进行了改进,并搭建了基于Matlab/Simulink的仿真模型,通过光伏电源和负荷的投切仿真实验,验证了改进算法的可行性。

并行多模型融合的混合神经网络超短期负荷预测

针对输入数据特征多时负荷预测模型精度提升难的问题,文章提出一种并行多模型融合的混合神经网络超短期负荷预测方法。将卷积神经网络(convolutional neural network,CNN)与门控循环单元神经网络(gated recurrent unit neural network,GRU-NN)并行,分别提取局部特征与时序特征,将2个网络结构的输出拼接并输入深度神经网络(deep neural network,DNN),由DNN进行超短期负荷预测。最后应用负荷与温度数据进行预测实验,结果表明相比于GRUNN网络结构、长短期记忆(long short term memory,LSTM)网络结构、串行CNN-LSTM网络结构与串行CNN-GRU网络结构,所提方法具有更好的预测性能。