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。     

需求响应下的并网型风-光-沼微能源网优化配置

我国农村地区存在丰富的生物质资源,可通过发酵系统将其转化为沼气能加以利用.然而,沼气工程的产出以沼气为主,经济效益普遍较低,难以推广.提出一种由多种可再生能源构成的并网风-光-沼微能源网,利用太阳能、风能和沼气之间的互补性,为用户提供沼气和电力.根据微生物发酵动力学模型和沼气发酵的温敏特性,对沼气的类储能特性进行建模.同时考虑需求侧响应进一步增加系统灵活性,利用分时电价节省购电成本,从而将投资成本和年度运行成本降至最低.案例研究表明,该风-光-沼微能源网可稳定地向用户提供电力;并且通过参与需求响应,可使得投资成本降低3%～9%的情况下年收益增加127%～240%.     

山西省峰谷分时电价的探讨

峰谷分时电价是需求侧管理的一种重要手段。在电力资源总量一定的前提下,推行峰谷分时电价政策,对缓解用电紧张的矛盾,确保国民经济的有序发展起到积极的作用。本篇介绍了峰谷分时电价的意义、山西省执行峰谷分时电价现状、存在的问题和建议。     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

计及电动汽车有序调度的社区微网能量管理

电动汽车的有序充放电对于社区微网的能量管理至关重要,本文以考虑可再生能源出力不确定性的社区微网为研究对象,为提高系统应对源侧波动的调节能力,将电动汽车有序充放电与需求响应相结合,以微网总运行成本最小为目标,构建了社区微网的分布式鲁棒优化调度模型。基于能量平衡及设备运行特性,建立了电动汽车及微网内相关设备的数学模型,采用分布式鲁棒优化对源侧不确定性进行处理;基于综合范数条件构建了可再生能源出力不确定集并采用C&CG算法求解模型得到具有鲁棒性的微网能量调度方案,算例分析表明所提方法使运行成本降低10.66%,电网交互成本降低13.9%,碳交易成本降低了6.39%。     

改进协同粒子群优化算法及其在Flow Shop调度中的应用

针对协同粒子群优化算法存在的停滞现象,提出了一种改进的协同粒子群优化算法。采用优化法的子群协作方式,既保证了收敛速率,又可以防止陷入局部最优。同时引入综合学习策略,增加种群的多样性,防止种群出现停滞现象。在此基础上,又加入了扰动机制,进一步避免算法陷入局部最优。采用该算法对3个经典函数进行测试,并将其应用于Flow Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比基本协同粒子群优化算法的优化性能更好。     

粒子群优化算法及其在水库优化调度中的应用

提出了基于粒子群优化算法求解梯级单目标优化调度问题的一般算法结构,该算法通过计算时段库水位的变化范围,把梯级优化调度问题转化为无约束的优化问题处理,使得算法具有稳定、高效的收敛性能.通过对三峡梯级发电优化调度问题的计算,表明该算法是求解梯级优化调度问题的一种有效的手段.     

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。     

弹性粒子群优化算法及其在水电优化调度中的应用

为有效避免粒子群优化算法后期收敛速度慢的问题,提高寻优能力,设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法,建立了水电优化调度数学模型,提出了弹性粒子群优化算法解决水电优化调度问题的实现方法,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于Matlab语言的优化程序.实例仿真结果表明:弹性粒子群优化算法是有效的;相比基本粒子群优化算法和自适应粒子群优化算法,弹性粒子群优化算法求解水电优化调度问题具有更强的全局寻优能力和更快的收敛速度.     

基于需求侧管理实时电价优化方法综述

为改善电力市场供需状况,实现削峰填谷目标,基于需求侧管理的实时定价研究不断深入.鉴于此,对其主要优化方法和最新进展进行综述.首先,总结了实时定价的社会福利最大化模型,明确模型以追求全体用户的效用之和与电能成本之差,即以社会总福利最大化为目标.随后,归纳了求解社会福利最大化模型的几种方法,包括对偶优化方法、交替方向乘子法...     

智能家庭用电多目标优化方案研究

分析了家庭用电的微电网系统,研究了粒子群算法以及多目标优化理论. 在此基础上,设计了一种面向家庭用电的多目标优化模型,利用人工智能粒子群算法处理多维目标函数,制定了用电优化策略. 计算机仿真结果表明,该策略有效优化了家庭能耗,达到了节能减排的目的.     

计及差异化用户偏好的光储充一体化家庭用能系统多目标优化调度

基于价格型需求响应的家庭能源管理系统优化调度可显著提升家庭用能体验。同时,用户侧光储充一体化用电新模式也给家庭能源管理带来新的挑战。针对供给侧光伏出力问题,提出了一种耦合改进惯性权重混沌粒子群算法和长短期记忆神经网络的ICPSO-LSTM组合预测模型,对光伏发电进行精准化预测;针对用能侧负荷多样性特点,将其划分为不可调度、可中断、可转移三类进行精细化建模,并综合考虑电动汽车短途、中途、长途个性化用能行为及反向供电模式Vehicle to Home(V2H)。在此基础上,根据不同用能偏好,将用户划分为经济型、标准型和舒适型,构建考虑用户用能成本和舒适度的多目标优化模型,并采用ICPSO算法进行求解。最后,对比分析了典型场景下家庭能源管理系统的实施效果。     

充换电站储能系统模糊双目标优化调度方法

由于充换电站用电量存在明显的波动性,在充换电站建立储能系统是改善充换电站负荷稳定性的重要途径.为使储能系统充分发挥其作用,本文提出了考虑负荷平抑和用电经济性双重目标下的储能系统出力优化策略,对双目标进行加权模糊处理,使双目标优化问题转化为单目标优化问题.另外,在优化模型的约束条件中考虑了不间断电源功率需求和定时定荷电状态(SOC)的限制,从而具有更大的实际意义.本文使用粒子群算法进行求解,并结合某实际智能电网综合建设工程数据,对该双目标优化策略进行仿真分析,验证了该策略的优化效果及可行性.     

德国智能电网的实践及启示

 德国一直致力于在可再生能源时代领军世界,而智能电网是未来低碳电力系统的重要一环,其中企业、政府的支持与管制对智能电网的发展尤为重要。德国E-Energy（信息化能源）试点项目,旨在通过一个开放式的区域电力市场,将发电商、用电可调节的消费者、能源服务供应商、电网运营商集成为一体,借助信息和通信技术将发电直至消费的全部流程集成在一个平台,及时地交换信息进而优化整个系统。而需求侧作为缓解电力供需平衡的一种重要资源,在电力用户主动参与方面有很大的发展空间。本文综述德国智能电网的发展、实践及经验,分析其对中国电网发展的启示。     

孤岛运行模式下微电网有功负荷优化分配

研究了微电网在孤岛运行模式下的有功负荷优化分配问题.针对柴油发电机、微型燃气轮机、等效光伏电源(包含蓄电池)和风力发电机组成的微电网在孤岛模式下的负荷优化分配问题进行了研究,建立了优化数学模型,采用粒子群优化算法和混沌算法相结合的混沌粒子群优化算法,实现了有功负荷的优化分配.在优化过程中不但计及了电源功率充足情况下的负荷优化分配,而且考虑了电源功率不足情况下的负荷优化分配.给出的计算精度,使得优化结果更切合实际.仿真计算结果表明了该方法的正确性和有效性.     

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。     

智能电网需求侧个性化推荐系统

基于智能电网的双向通信基础设施与先进量测设备,个性化推荐技术从收集的需求侧大数据中获取知识,为优化电网运营提供有力支持,并向终端用户推荐面向能源的产品/服务/建议。研究首先探讨了个性化推荐技术的原理以及在需求侧中引入个性化推荐技术的前景;其次,介绍了实现智能电网需求侧推荐系统的关键技术,并对现有研究工作以及未来构建的需求侧个性化推荐系统进行分析;最后,讨论了实现需求侧个性化推荐系统可能遇到的挑战。     

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.