基于光伏发电量预测的含氢储能微网分段优化调度

针对多储能微网如何高效、经济运行,搭建了基于光伏发电的含氢储能、蓄电池储能的微网系统,采用一种日前预测调度与日内实时调度相结合的分段调度策略。在日前预测调度阶段,采用基于麻雀搜索算法优化支持向量机模型提高对日前的光伏发电量和负荷预测的精度,以微网最小使用成本为目标,考虑系统运行的可靠性,采用改进粒子群算法制定微网的日前最优调度策略。在日内调度阶段,考虑氢储能系统的响应延迟特性,以蓄电池为灵活补充元件,制定实时调整微网运行策略,消除预测误差带来的影响。最后,结合实际算例分析,验证了分段优化调度的可行性。结果表明,提出的方法能够有效预测数据,减少微网调度的响应时间,提高系统运行的经济性和稳定性。     

考虑电储能设备碳排放的综合能源系统低碳经济运行

为了减少综合能源系统发电过程中产生的碳排放造成的环境污染,必须提升综合能源系统的经济效益.除各发电机组设备存在大量碳排放外,电储能设备的间接使用过程中也存在较大的碳排放,应当计量在系统碳排放中.研究基于含电气热冷负荷需求的综合能源系统,分析系统中各机组设备的碳排放量,并运用生命周期分析方法,分析系统中电储能设备产生的碳排放,在系统经济运行模型中考虑碳交易机制,通过改进的鲸鱼优化算法对模型进行求解.在保证系统负荷需求的前提下,对根据是否计及电储能设备碳排放情况下的综合能源系统各机组出力情况对比分析.结果表明,在低碳权重作用大时,计及电储能设备碳排放能够有效降低综合能源系统运行成本,同时减少碳排放总量.     

微网热电储能容量配置优化

可再生能源发电和负荷具有随机性,因而储能装置是保证微网安全稳定的重要组成部分.针对某热电联供微网,提出了类比蓄电池的蓄热罐出力建模方法,在此基础上建立了基于经济调度热电储能优化配置模型.采用多场景方法考虑微网中的随机因素,运用人工蜂群算法优化不同容量下微网运行方式,比较不同储能容量下微网的综合成本,从而确定最优储能方案.通过算例验证了所提方法、模型能有效降低微网的综合成本.     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难,为此在模型中引入储能系统,分析了储能系统对含风电的电力系统经济调度的影响,尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题,建立了一个风电场与储能系统相配合的清洁经济调度模型,其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本,寻求经济和环保总成本的最优解,采用粒子群算法对该模型进行求解。通过6机系统算例分析,表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用,尤其是火电机组调峰的费用,且提高了风能利用率。     

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.     

基于混沌多目标粒子群算法的综合能源调度

目的 针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法 该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果 当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6 919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论 该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难﹐为此在模型中引入储能系统﹐分析了储能系统对含风电的电力系统经济调度的影响﹐尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题﹐建立了一个风电场与储能系统相配合的清洁经济调度模型﹐其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本﹐寻求经济和环保总成本的最优解﹐采用粒子群算法对该模型进行求解。通过6机系统算例分析﹐表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用﹐尤其是火电机组调峰的费用﹐且提高了风能利用率。
     

基于灰色PSO算法的分布式电网多目标调峰调度优化

针对目前新能源大规模并网,传统的调峰调度运行方式不能满足新能源出力消纳要求的问题,提出一种用户侧主动参与调峰调度的方案.将可调度分布式电源、储能单元和可中断负荷纳入分布式电网系统管理中,引入虚拟电厂的概念对可控负荷以及分布式电源进行控制,以负荷方差最小以及运行成本最小为目标,建立多目标调峰调度模型,并用改进灰色PSO算法对调峰调度模型进行优化求解.以IEEE33节点配电系统为算例进行仿真,结果表明该方法能够有效提高系统调峰能力、增加新能源消纳和降低运行成本.     

含多微网系统的主动配电网分层能量优化管理

为实现含多微网系统的主动配电网的经济效益最优,通过引入自适应权重系数来进行动态优化。构建一种主动配电网层以发电机组运行成本最低,多微网系统层以经济成本和环境成本最低的分层能量优化管理模型。采用变异、杂交和竞争策略以及Lévy飞行策略改善麻雀搜索算法,提高算法的种群多样性和收敛精度。基于所设计的多微网系统混合配置运行策略,采用改进麻雀搜索算法进行模型求解。选取某地区两种典型日进行算例分析。结果表明：本文提出的优化模型、运行策略和改进算法可以有效降低主动配电网和多微网系统的经济效益,同时改进算法能够在全局寻优能力方面具有一定的优势。     

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.     

含分布式储能的主动配电网鲁棒优化经济调度方法

为克服风电输出的不确定性,基于鲁棒优化中的worst-best理论,提出一种主动配电网的鲁棒优化经济调度模型.该模型采用拉丁超立方采样方法生成风电场景集表征风电预测的不确定性.在建模过程中,引入分布式储能的等效运维成本,同时以微型燃气轮机、分布式储能和主动配电网购电/售电调度成本最低为目标函数,采用基于随机变异的粒子群优化算法对模型进行求解,可得到极端场景下运行成本最小的调度方案.仿真结果验证了该模型及求解算法的有效性,得到的调度方案能在风电预测误差范围内满足系统所有约束条件,并给出经济性最优的调度方案.与确定性经济调度方案进行对比可知,本文所提出的调度方案具有更强的鲁棒性.     

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。     

考虑电动汽车充放电的智慧社区强化学习能源优化调度策略

为提高智慧社区能源系统(smart community energy system，SCES)运行的经济性，引入了电动汽车作为储能设备，并在此基础上提出了一种基于强化学习的新型智慧社区能源系统运行优化调度策略。首先，基于各能源设备运行机理构建了新型智慧社区能源系统模型，该模型考虑了电动汽车作为储能设备入网运行对负荷和供需平衡的影响。其次，将电动汽车分为耗能组和储能组，分别作为用电负荷和储能设备参与系统运行。分析了新型智慧社区能源系统多种能源设备的能量耦合关系，进而建立了电动汽车及各能源设备的非线性约束条件，并重新设计了算法的状态空间、动作空间以及奖励函数。再次，运用基于深度双Q网络(double deep Q network，DDQN)的新型智慧社区能源优化调度策略解决能源系统运行优化问题。最后，以某社区为例，仿真验证了所提策略可有效提高智慧社区能源系统运行的经济性。     

基于氢储能的含大规模风电电力系统经济调度

针对由大规模风力发电并网带来的消纳困难问题,文章利用由碱式电解槽、储氢罐、氢氧燃料电池构成的氢储能系统将弃风转换成氢气储存起来,用以满足外界氢气负荷需求或于负荷高峰期发电补充上网。文章先对风电出力的不确定性和氢储能系统进行建模。为了降低传统鲁棒优化求解的保守度,利用考虑保守度可调的鲁棒优化盒式集合描述风电出力。在此基础上,以降低弃风和提高系统总体的经济性为目标,建立了基于氢储能的含大规模风电电力系统经济调度模型。算例表明,文章所建立的优化调度模型兼顾求解的鲁棒性和经济性,并且可以显著减少弃风、降低系统的总成本。     

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。     

基于可再生能源不确定性的多能源微网调度优化模型

多能源微网可以使综合能源系统在配网/用户端得到实现,但电力系统和天然气系统联合后会使得系统调度中的不确定性问题变得突出。为此,本文通过对电力/天然气系统的物理特性进行分析,基于用户需求响应资源、可再生能源机组出力和负荷不确定性的关键要素分析,建立了多能源微网日前调度优化模型。基于Matlab环境对所建模型进行了相关的计算仿真,验证了两阶段随机优化模型的有效性。仿真结果表明,所建优化模型可以提高多能源微网系统运行的可靠性和经济性,具有较好的实际应用价值。     

基于深度强化学习的分布式能源系统运行优化

分布式能源系统凭借其高效、环保、经济、可靠、和灵活等特点成为我国能源未来发展的重要方向。目前我国的很多分布式能源系统经济效益较差,主要原因是能源系统没有良好的运行策略。本文提出一种基于深度强化学习的分布式能源系统运行优化方法。首先,对分布式能源系统的各个设备进行数学建模。深入阐述了强化学习的基本原理、深度学习对强化学习的结合原理及一种基于演员评论家算法的分布式近端策略优化(Distributed Proximal Policy Optimization, DPPO)算法流程,将分布式能源系统运行优化问题转化为马尔可夫决策过程(Markov decision process,MDP)。最后采用历史的数据对智能体进行训练,训练完成的模型可以实现对本文的分布式能源系统的实时优化,并对比了深度Q网络(Deep Q Network, DQN)算法和LINGO获得的调度策略。结果表明,本文提出的基于DPPO算法的能源系统调度优化方法较DQN算法和LINGO得到的结果运行费用分别降低了7.12%和2.27%,可以实现能源系统的经济性调度。     

灵活性负荷参与电网调度的经济优化运行

在“碳达峰、碳中和”的背景下,大规模新能源并网使系统出现了调峰压力大、新能源消纳难等问题。随着灵活性负荷占比的不断增大,根据灵活性负荷的不同特性,针对系统面临的问题提出了“源-网-荷-储”相协调的双层优化运行模型。首先,基于分时电价策略引导用户用电行为,建立提升源荷双方综合满意度以及净负荷波动最小的上层多目标模型,利用粒子群算法对上层模型进行求解得到优化后的负荷需求响应并带入下层模型中。其次,根据源荷双方的供需关系,确定参与调度灵活负荷的运行方式,构建以系统调度运行成本最小为目标的下层模型,并采用Cplex求解器求解。最后,以某地区实际系统为例,结果表明了灵活性负荷参与电网调度可缓解电网调峰压力,提高了可再生能源消纳能力,并验证了本文所提模型的有效性。     

风、光、燃、储多源互补微电网的日优化运行

为了提高微电网经济运行水平,首先,针对粒子群算法前期容易早熟收敛的问题,提出了一种分段非线性惯性系数调整的方法,在此基础上,将Metropolis接受准则加入粒子群算法中,增加粒子跳出局部最优解的概率。采用改进算法及其相关的3种算法对4个基准函数作优化对比测试,验证了改进算法的有效性和可靠性。然后,以微电网发电成本最低和环境效益最优为目的,考虑了实际微网运行的约束条件,建立了包含有光伏阵列、风力发电机、微型燃气轮机、燃料电池、蓄电池的多源互补微电网日优化运行数学模型。最后,将改进算法与标准粒子群算法分别用于微网日运行优化模型求解,验证了采用改进算法能够使微网获得更佳的综合效益。