基于可孤岛概率的微电网可靠性评估

为刻画外部电网故障时微电网孤岛运行的能力,提出微电网可孤岛状态及其发生概率定义,即：不计外部电网对微电网的功率支持及内部分布式电源故障影响,微电网能满足自身负荷需求的状态(可孤岛运行状态)及其发生概率。分析可孤岛运行状态和不可孤岛运行状态下不同故障类型(外部电网、内部配电网元件、分布式电源)对微电网负荷点的影响,推导出2种运行状态下负荷点可靠性参数的解析表达式,结合2种运行状态的发生概率,得到微电网可靠性评估模型。采用RBTS-BUS6算例验证了模型的有效性和实用性,结果表明增大储能电池最大放电功率能有效提高微电网负荷点可靠性。     

基于实时电价的含电动汽车微电网两阶段优化调度

为解决大量电动汽车无序充电对微电网负荷曲线产生新的峰值或峰上加峰等现象,提出了V2G(vehicle to grid)下两阶段优化方法,第一阶段考虑实时电价的前提下以满足用户充电需求为目标建立电动汽车有序充放电模型,第二阶段以微电网综合成本最低和微电网出力波动最小为目标,确定电动汽车有序充放电功率。为了解决多目标优化的问题,本文采用改进型多目标粒子群算法（IMPSO）。为验证本文方法的有效性,用蒙特卡洛法模拟某微电网内电动汽车的充电需求后采用本文方法优化,结果证明本文调度方法降低微电网经济成本和出力波动的同时,降低了用户成本。     

分档电价和碳配额激励的含电动汽车微电网优化调度策略

在含电动汽车（Electric Vehicle,EV）微电网的调峰调度中,实施分时电价或实时电价引导EV参与调峰,会导致EV过度响应或响应疲惫现象。为此,本文提出了分档电价协同碳配额激励机制下的含电动汽车微电网博弈优化调度策略。建立了微电网与电动汽车的主从博弈优化调度模型,微电网主体以运行成本最小和极小化负荷均方差为优化目标,考虑新能源发电完全消纳,针对等效净负荷水平制定分档电价并和碳配额协同激励,引导电动汽车在新能源发电余缺时充放电的适度响应;电动汽车用户从体响应微电网激励优化电动汽车充放电行为使其成本最小。采用粒子群算法(particle swarm optimization, PSO)求解优化模型纳什均衡点,获得微电网侧最优分档电价和电动汽车调度策略的集合。通过仿真算例验证了所提方法的有效性。     

含电动汽车的主动配电网优化调度

电动汽车随机充电功率会影响主动配电网优化调度,为了解决这一问题。提出了含电动汽车的主动配电网优化调度模型,模型分为两个目标函数。首先,需要以负荷曲线的最小方差优化电动汽车的充电功率作为优化调度之前的目标函数,可以获得电动汽车连接电网的时间和充电功率。然后,建立以分布电源功率为控制变量使得配电网运行成本最低的主动配电网日前优化调度模型。最后,建立的模型在IEEE33节点配电网系统中进行多场景分析电动汽车对主动配电网优化调度造成的影响,并采用CPLEX优化规划软件来求解模型。结果表明:所建立的模型和方法不仅可以保证配电网经济运行,而且还能有效的利用电动汽车的充电来减少配电网负荷曲线的方差。     

考虑电动汽车用户响应的微网经济调度

针对电动汽车接入微电网后的经济调度问题,对微电网可分布式电源的出力进行了研究。首先分析电动汽车的行驶特性,在其无序充电负荷模型的基础上,建立了同时考虑电动汽车用户响应度和用户满意度的峰谷分时电价电动汽车有序充放电模型。然后构建一个含电动汽车及风、光、燃气轮机和柴油机的微网系统,以实现微网经济性和环保性运行为双重优化目标,采用改进粒子群算法,来得到不同控制策略下的优化调度结果。仿真结果表明,电动汽车有序充放电,可以有效实现削峰填谷,并且可以在保证良好环境效益的同时提高微网运行的经济性。     

基于粒子群算法的微电网动态经济调度

微电网的动态经济调度不仅要考虑一个调度周期内经济费用最低,还需考虑多时段设备运行之间的协调配合,使其更加符合系统的实际运行要求.建立了含有风力发电机、光伏阵列、柴油机及燃料电池等多种分布式电源且能够实现热电联产的微电网系统,研究了当微电网系统处于并网运行状态时,以微电网的运行费用和污染物处理费用的综合效益最大(总费用最低)作为目标函数,并计及可再生能源波动、负荷预测误差以及机组故障停运等不确定性因素影响的动态经济调度模型,模型采用改进的粒子群算法进行求解.通过算例讨论了微电网并网运行情况下不同的控制策略、优化目标及可靠性指标对动态经济调度的影响,为结合可再生能源的微电网动态经济调度以及提升微电网并网运行的可靠性研究提供了一种参考.     

基于人工免疫算法的微网需求侧响应优化调度

在考虑V2G的需求侧响应的基础上,以电动汽车蓄电池折损系数及从配电网的购电费用为优化目标,构建包含微电网功率平衡约束、可转移负荷约束、V2G约束、储能荷电状态等约束条件的光伏微电网多目标优化模型。采用人工免疫算法对模型进行求解,并利用实际的光伏微电网机构和运行数据,在Matlab平台上进行仿真分析,获得光伏微电网优化调度的多组Pareto最优解集。通过分析选取的典型调度方案,验证优化模型的合理性和有效性。     

含蓄电池的孤立微电网系统运行优化研究

针对微电网系统在孤立运行方式下的优化问题,提出了一种含蓄电池的微电网多目标运行优化方法.求解方法分为2步:储能单元运行方式的确定及可控型微电源的优化调度.微电网储能单元的运行方式根据当前调度时刻的负荷需求、可再生能源发电期望、储能单元的荷电状态等因素,采用功率差控制策略对储能单元进行管理.可控型微电源的出力分配,在考虑系统功率平衡、微电源出力限值和爬坡约束等条件下,以经济成本和环境成本为目标,利用改进的遗传算法进行求解.该方法不仅发挥了蓄电池削峰填谷的作用,提高了储能单元的经济价值,而且实现了孤立微电网的经济、环保优化运行.以典型微电网系统的日优化调度为算例,验证了所提方法的可行性和有效性.     

基于期望场景集性能的微电网鲁棒经济调度

针对孤岛型微电网受可再生能源和负荷不确定性影响的特点,提出基于梯次偏离不确定集的孤岛型微电网鲁棒经济调度算法。根据微电网的结构特点进行建模,利用微电网的不确定集生成梯次偏离的不确定集。在日前计划阶段,以所有场景可行,期望场景集内性能最优优化出微电网的各设备出力,得到日前计划方案。日内调度阶段,保持日前计划调度阶段优选出的储能系统出力,利用新能源以及负荷的实时数据,对微型燃气轮机、新能源弃风弃光、可平移负荷功率的日前阶段优化解进行二次优化调整,提高微电网运行的经济性。结果表明：该方法取得了更优异的控制性能,提高微电网调度的经济性。最终,通过仿真案例验证了该方法的有效性。     

含混合储能的微网孤网运行能量管理策略

提出孤网条件下针对风光储微电网的能量管理策略。在分析微电网能量管理结构功能基础上,结合发电管理和需求侧管理,重点介绍锂电池和超级电容器协调运行模式,即锂电池根据新能源发电预测和负荷预测结果平滑系统输出;超级电容器负责短期调整,兼顾实时功率平衡和频率控制。仿真结果表明:该策略能够优化电池寿命,平衡系统功率,稳定微电网运行的目的。     

储能运营商和电动汽车利益的配电网双层优化方法

为解决电动汽车充电负荷过大对电网造成的影响,提出了考虑储能运营商和电动汽车的配电网双层优化模型。模型上层考虑储能运营商参与配电网削峰填谷和电动汽车充电的经济效益,下层考虑电动汽车所有者基于分时电价积极响应储能运营商调度充放电的经济效益。采用改进的模拟退火算法对双层模型进行求解,并用IEEE 33节点验证了该模型在保证配电网安全运行情况下能有可观的收益。     

考虑源荷不确定性的风光储耦合制氢系统两阶段能量调度

为降低源、荷不确定性对系统能量调度的影响,提出了一种离网型风光储耦合制氢系统两阶段能量调度策略,并建立日前-日内两阶段滚动优化调度模型。日前调度阶段,采用电解槽分级调度策略,并以系统富余功率或过剩功率与可再生能源总功率比值最小为目标函数,建立日前系统稳定性调度模型。日内调度阶段,考虑可再生能源与负荷的不确定性,提出储能分组调度策略,建立包含源、荷预测误差的日内调度目标函数,以滚动优化方式修正日前机组出力计划。对黏菌算法改进,使用改进黏菌算法求解调度模型。算例表明：所提出两阶段稳定性调度模型可有效应对源、荷不确定性对系统能量调度影响,提高了系统应对源、荷波动时的稳定性。     

基于V2G的风-光-柴电动汽车独立微电网运行特性仿真分析

电动汽车具有源-荷双重性,利用V2G(汽车入网)技术,可让电动汽车参与微电网功率平衡.本文在MATLAB/Simulink平台上搭建了一个由风-光-柴分布式电源和V2G电动汽车以及常规负荷组成的独立微电网仿真模型,设置了V2G的5种行为,对微电网在24 h(8.64×104 s)内的运行情况进行仿真分析.仿真结果表明,通过利用电动汽车的储能功能,支持微电网功率平衡,从而保证微电网频率、电压的稳定,同时充分利用了光伏、风电可再生能源.     

基于模糊控制的光伏微电网复合储能控制策略优化研究

微电网中复合储能的功率分配问题一直是业内研究的热点,以光伏微电网为应用场景,电源功率波动和负载功率波动在时间上呈现出的非线性特性会对储能系统控制产生影响。针对这一问题,在基于源-荷功率预测的复合储能控制策略上进行优化,利用模糊算法对非线性问题的处理优势,在储能元件功率分配的情况中加入模糊控制器,兼顾考虑储能电池SOC(State of Charge)与微电网功率波动之间的非线性关系,设计微电网预测能量与实际并网能量的差额分配算法,对储能系统有功率参考值进行实时修正,从而达到调节储能系统SOC的效果。实现了在长时间尺度中,实际并网功率能准确跟踪并网调度,储能元件不会产生过充或过放的现象,从而降低了储能元件的损坏率,提高了复合储能系统运行的安全稳定性能,延长了储能系统使用寿命的目的。实验结果表明：与优化前的控制策略相比,在相同工况下优化后的控制策略使蓄电池SOC波动范围缩小15.6%,一直保持在40%～60%之间波动。     

基于动态分时电价的电动汽车有序充放电调度策略

针对电动汽车无序充放电行为对电网的影响,以及传统的峰谷分时电价容易造成新的负荷高峰、无法考虑电动汽车的动态特性等问题,建立了动态分时电价的有序充放电调度策略。以电动汽车充放电电价、电动汽车充放电状态和充放电功率为决策变量,构建了以电动汽车充放电成本最小、电动汽车接入造成的网络损耗最小和节点电压偏差最小为优化目标的电动汽车充放电调度数学模型,并通过凸优化算法解决了多变量、多目标和高维优化问题;综合考虑电动汽车充电需求和配电网运行约束,在改进的IEEE33节点系统中进行算例验证。结果表明,动态分时电价克服了传统峰谷分时电价下的弊端,能够根据电动汽车的动态特性来调整电价。所提调度策略融合了灵敏度分析方法,可大幅缩短调度过程中潮流计算的时间,并能有效降低电动汽车的充放电成本以及电动汽车接入对网络损耗和节点电压的影响,对于含电动汽车的电网实际调度具有一定的参考意义。     

基于改进粒子群算法的含电动汽车的微电网经济调度

以含电动汽车的并网型微电网为研究对象,在考虑储能系统损耗成本的基础上,建立了考虑运行成本和环境治理成本的经济调度模型.提出一种改进粒子群算法对模型进行求解,该算法采用了交叉和变异操作作用于个体历史最优值,并采用候选解修复和罚函数相结合的改进方法对模型中等式约束和不等约束进行处理.通过算例仿真分析了电动汽车集群在不同场景下微电网最优调度策略.结果表明,电动汽车集群参与微电网调度能够减少经济成本,提出的改进粒子群算法相比于标准粒子群算法等其他算法,求解结果更优且收敛性好.     

微网可转移负荷调度与储能控制策略

针对新能源发电的不确定性和随机性,以及新能源发电与用户负荷难以匹配的问题,构建了风、光、储共存的微电网系统,并提出了一种基于可转移负荷和储能系统协调控制的微网能量管理策略。首先在现有的微网模型基础上构建了集中式微网控制系统,用于对风、光、储系统进行相应的控制,同时建立了兼顾用电负荷优化调度与储能系统安全高效运行的多目标函数。然后采用改进粒子群优化算法求解目标函数,引入新的负荷调度策略降低计算复杂度和提高用户满意度,最终获得可转移负荷调度量,实现可转移负荷的调度策略。同时,充分考虑了储能系统的影响,对荷电状态(SOC)进行控制监测,控制储能系统波动情况,提高储能系统性能并延长其使用寿命。最后通过数值仿真,验证了本文提出的能量管理策略在满足用户满意度与实际储能要求的前提下,可以提高微网运行性能,实现微网能量管理和经济运行。     

混合微电网中三相变换器的控制策略

混合微电网中一般通过三相变换器连接交流子网和直流子网,其控制策略对整个微电网运行特性有显著影响。混合微电网并网运行时,由大电网保证功率平衡,变换器控制策略用于维持直流母线电压恒定;孤岛运行时,设计的协调控制系统保证微电网内部功率平衡,变换器控制策略用于保持交流母线电压稳定。当微电网内部分布式电源功率以及负荷功率发生变化时,该变换器可以在整流、逆变和停机3种状态间平滑切换。最后,通过算例仿真验证了控制策略的可行性和有效性。     

风力发电接入配电网的电动汽车充电控制研究

电动汽车接入含有风力发电的配电网,会增大系统中负荷峰值、增加系统损耗、引起节点电压波动等,这都将影响用户的用电稳定,严重时将影响生产与生活。为了降低电动汽车接入造成的影响,首先,对电动汽车充电模型和风力发电模型进行了分析。然后,将一天24小时分成48个相同的时段,在考虑分时电价的基础上,以电动汽车各个时段的充电功率为优化变量,建立包含降低系统网损、节点电压波动、负荷波动的风力发电与电动汽车充电的多目标协调优化模型。最后,在IEEE 33系统中采用NSGA-Ⅱ算法对模型进行算例分析。结果表明所提出的模型及算法不但能够有效降低二者接入电网对电网产生的不利影响,而且也能够兼顾电动汽车使用者的经济利益。     

电动汽车有序充放电分群调度策略

为解决大规模电动汽车无序入网会给配电网安全稳定运行带来一系列不良影响问题,提出了车联网(vehicle to grid,V2G)模式下电动汽车有序充放电实时响应分群调度策略.从日前-日内多时间尺度出发,充分计及车主响应意愿及响应能力,对电动汽车集群进行细致划分.针对每个调度时段,综合考虑电网、电池、车主等约束条件,建立电动汽车有序充放电优化模型.模型分为上、下两层求取电动汽车充放电调度计划:上层以调度时间区间内的配电网方差负荷曲线最小为目标,求取当前时段集群总的充放电功率;下层以电动汽车车主费用最低为目标,求取单辆电动汽车的充放电计划.通过算例仿真,验证所提模型的有效性.