计及用户参与度的含电动汽车虚拟 电厂优化调度研究

为了更好地消纳分布式能源、缓解电动汽车入网对电网造成的冲击,通过虚拟电厂将二者进行整合并对其进行调度。针对已有研究较少考虑电动汽车用户参与度这一因素的不足,构建了电动汽车群无序充电、有序充放电和计及用户参与度的有序充放电负荷模型。以虚拟电厂系统的经济最优、污染治理费最低为目标函数,在考虑相关安全约束的条件下,建立了含电动汽车的虚拟电厂调度模型。针对基本粒子群算法收敛慢、易陷入局部最优的不足,通过选取随机惯性权重、引入自然选择思想和远离最差位置3个手段对粒子群算法进行改进,使用基本测试函数对改进的算法进行测试,验证了改进方案的有效性。将该算法运用到调度模型的求解中,通过案例仿真,进一步验证了算法改进的有效性,并确定了电动汽车有序充放电参与度与虚拟电厂运行整体效益间的联系。     

计及智能电网多不确定性的多目标储能优化

针对风力发电与电动汽车大规模地接入电网后电力系统的随机性特性愈发明显的问题,综合考虑风力发电、负荷与电动汽车的不确定性,建立了智能电网多不确定模型,并利用点估计法求解随机潮流,构造了以运行成本最小、供电可靠性最大及储能投资最小为目标函数的储能优化模型,之后利用引入非线性递减惯性权重的改进粒子群算法,在随机潮流结果的基础上对储能装置24 h的出力进行寻优计算,得出最优储能调度方案,从而抑制系统的不确定性。最后进行了算例分析,结果表明两点估计法能有效求解包含多不确定性的潮流方程,验证了所提方案的合理性。     

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。     

基于分时电价的虚拟电厂经济性优化调度

大规模不可控新能源和可控能源构建成虚拟电厂,可以降低新能源入网时,其输出功率不确定性对电网安全的影响,提高供电可靠性。配电网分时电价可以激励虚拟电厂参与电网削峰填谷,降低发电成本,获得更好的效益。为此设计了基于分时电价的虚拟电厂运行策略,以各时段内获得收益最大为目标,构建了基于分时电价的虚拟电厂经济性优化调度模型,采用粒子群算法得到虚拟电厂各能源的出力。分析了虚拟电厂可控分布式电源出力系数和不可控分布式电源预测误差对虚拟电厂经济性的影响,对比分析了4种储能系统场景下虚拟电厂的经济性。仿真结果表明所建模型合理,当大规模新能源电力接入电网时,基于分时电价的虚拟电厂采用抽水蓄能和储能电池联合运行,能获得更好的经济效益和电能质量。     

基于改进粒子群优化算法的综合能源系统多目标优化

综合能源系统具有提高能源利用率、消纳不稳定新能源等显著优势,随着分布式能源的发展,综合能源系统已成为解决能源问题的重要举措。基于此,以经济性、环保性和高效性为目标,建立考虑储能的区域综合能源系统多目标优化模型;采用隶属度函数对优化指标进行归一化处理,并利用层次分析法确定各个目标的权重系数;通过改变惯性权重系数和增加粒子浓度因子,对粒子群优化算法进行改进,求得设备出力和性能指标最优解。算例结果表明:该改进粒子群优化算法可显著提高算法收敛速度,有效避免粒子陷入局部最优;多目标优化可为综合能源系统提供多维度、更全面的运行方案。     

基于改进粒子群算法的综合能源系统经济优化运行

针对综合能源系统的最优经济化运行,将整个系统分为新能源供应商、综合园区服务商、用户三个主体,以新能源供应商收益最大化,园区服务商收益最大化,用户购能成本最小化为综合目标,建立基于分时电价的综合能源系统经济优化模型。改进传统的粒子群算法,用所有粒子的个体最优值的平均值代替个体最优值,提高算法的精准度。利用改进后的粒子群算法对模型进行求解,并通过算例进行验证分析。     

粒子群算法在电网无功优化中的应用研究

为解决目前电网系统无功优化潮流计算中存在的计算量大,计算结果中的各节点电压值可能导致无功电源出力接近极限值,并可能与系统电压安全发生冲突,发电机出力越限等问题。本文采用带罚函数、学习因子和惯性权重的改进粒子群算法,通过模拟编程,求解了在给定约束条件情况下,两个典型系统(5节点典型系统和39节点典型系统)的无功优化潮流计算问题。通过计算结果分析比较,总结出了在无功优化计算中,如何对电网中的约束条件进行处理,以及如何设置粒子群算法中的相关参数和范围。并讨论了电网的约束条件对无功优化结果的影响,给出了粒子群算法中罚函数、惯性权重及学习因子等参数的设置原则以及对算法收敛性的影响,并对算法的改进进行了展望。     

电动汽车参与下的虚拟电厂多目标优化调度

为了实现虚拟电厂中分布式发电机组的经济调度,同时减少虚拟电厂运行产生的污染,结合电动汽车与电力系统之间能量双向流动的特点,考虑虚拟电厂运行对环境的影响,建立了电动汽车参与下的虚拟电厂多目标优化调度模型。为了求解该模型,采用基于向量求值的粒子群优化算法(Vector Evaluated Particle Swarm Optimization,VEPSO),并通过8节点虚拟电厂仿真,对比分析多目标与单目标条件下优化调度结果,验证了所提出的方法可以使虚拟电厂以低成本运行,同时实现良好的环境效益。     

基于改进粒子群算法的梯级水电站优化调度

梯级水电站的优化调度是一个具有复杂约束条件的大型动态非线性优化问题,运用标准线性粒子群算法求解有易陷入局部最优的特点.针对这个问题对惯性权重的更新策略进行改进,减弱了典型线性寻优的局限性,得到更优的优化结果.以恩施芭蕉河梯级水电站丰水期为例,建立以周期发电量最大为目标函数的梯级水电站的短期优化调度模型,运用粒子群优化算法对其进行求解,得到了较好的梯级水电站优化调度结果.     

基于改进惯性权重PSO算法的目标位置测量技术

针对现有目标位置求解算法推导复杂和标准粒子群算法易陷入局部最优点的问题,提出了一种基于改进惯性权重粒子群算法的目标位置测量方法。该方法通过引进指数因子改进标准粒子群算法的惯性权重,平衡了其全局和局部搜索能力．实现了目标位置的高精度测量。仿真结果表明利用该方法能有效地对目标进行位置测量,测量精度达到0．5％。该方法对无线传感器网络定位、移动通信定位等工程问题也具有一定的研究意义和应用价值。     

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。     

含热泵的热电联产型微电网短期最优经济运行

微电网作为一种优异的可再生能源接入方式,引起了国内外广泛关注,而如何进一步提升微电网的可再生能源消纳比例已成为热点问题。为此,文中在热电联产型微电网中引入了用于消纳过剩风电并承担部分热负荷的热泵装置,综合考虑了热泵装置的电热特性、储能装置充放电寿命损耗费用、弃风损失、热电联产机组的开机费用和燃料费用等,以调度周期内运行费用最小为目标函数建立了热电联产型微电网短期最优经济运行模型,采用混合变异算子的粒子群优化算法对模型进行求解。算例分析表明,引入热泵装置后达到了减少微电网弃风、减少储能装置反复充放电和节约燃料消耗的目的,为热电联产型微电网短期调度运行提供了参考。     

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。     

基于电动汽车一体化电站的虚拟电厂智能调度

随着能源供应的日趋紧张,电动汽车的迅速发展势在必行,大量的电动汽车储能电池的无序充电将给电网造成负面冲击。为此,提出一体化电站的运营模式,建立包含有电动汽车充换储一体化电站和可中断负荷的虚拟电厂控制模型;以运行成本最小为调度目标,运用二进制粒子群算法,实现虚拟电厂的经济调度。最后,运用仿真算例验证了调度方案的可行性。结果表明,在虚拟电厂的控制下,充换储一体化电站与可中断负荷相互配合,可大大缓解高峰用电的紧张,起到削峰填谷的作用。     

分时电价影响下的多能源虚拟电厂双层优化调度

随着风光等可再生能源的大规模接入,其随机性、波动性的出力特点使得电力系统的调度变得困难甚至会造成严重的弃风弃光问题。为减小大规模新能源接入对电网带来的冲击,提出了一种基于分时电价的虚拟电厂双层优化调度模型。在上层模型中,以风光预测出力为计划出力进行申报,针对实际出力与预测出力之间的偏差,燃气轮机和储能电池协调配合对其进行平抑,在风光消纳最大的基础上,求得偏差最小的补偿方案,然后将上层出力传递至下层模型。在下层模型中,基于分时电价对抽水储能装置制定控制策略,以减小净负荷波谷差,然后采用自适应粒子群算法对各个火电机组的出力进行寻优。最后对比分析了不同风光预测误差对虚拟电厂经济性的影响,研究了抽水蓄能装置给净负荷曲线所带来的改变。结果表明:模型可以提升新能源消纳水平,基于分时电价的虚拟电厂能够实现收益最大化,保证区域内供需平衡。     

基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法

随着可再生能源在传统电网中的渗透率逐渐增高,虚拟电厂的概念被提出,旨在有效整合并利用可再生能源。提出了一种基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法,使用长短期记忆神经网络来获取未来一天内虚拟电厂管辖范围内的负荷、风电、光伏出力预测值。在模型预测控制的框架下,以虚拟电厂运行调度的成本最小化为目标,使用一种改进的粒子群寻优算法求解优化过程。仿真结果表明所提方法的有效性。     

计及储能和空调负荷的主动配电网多目标优化调度

为了实现可再生分布式能源的充分消纳以及配网负荷峰谷差的降低,提出了一种考虑储能系统和空调负荷的主动配电网多目标调度优化方法。首先,基于空调负荷等效热参数模型和状态列队控制方法,给出了空调负荷虚拟电厂运行参数的计算方法。在此基础上,构建了一种以可再生能源功率削减量最小、配网运行费用最小和负荷曲线方差最小为目标的主动配电网优化调度模型。最后,采用多目标粒子群算法在改进的IEEE 33节点测试系统上对所提模型进行求解和仿真分析。仿真结果表明,所建模型可以有效地提升可再生能源的消纳能力,优化负荷曲线。     

考虑需求响应及调频性能变化的虚拟电厂日前投标策略

随着分布式可再生能源装机容量在电力系统中占比的增大,新能源发电应当承担相应的二次调频任务,而虚拟电厂是分布式电源参与电力市场的重要途径。首先,提出了由分布式风电和电动汽车、空调负荷等广义储能组成的虚拟电厂参与能量-调频联合市场的运行机制。然后,建立广义储能受价格驱动的需求响应模型。为了提前对虚拟电厂调频性能进行预估,引入虚拟电厂调频性能指标。提出考虑需求响应及虚拟电厂调频性能指标的日前投标鲁棒优化策略。最后,通过算例探讨了需求响应模型参数变化对用户及虚拟电厂收益的影响。结果表明,所提虚拟电厂运行机制不仅可以有效提高虚拟电厂综合收益,而且使得虚拟电厂提供优质的调频服务。     

计及电动汽车充电站作为黑启动电源的网架重构优化策略

基于电池租赁的换电池模式与大规模集中型充电站配合具有商业竞争潜力,有望得到推广。在此背景下,提出了一种计及电动汽车充电站的网架重构优化策略。首先,对充电站可用电池容量建模,得到针对给定系统停电时刻充电站可提供的启动容量。建立了基于双层优化的网架重构模型,在上层模型中,以最大化系统可用发电容量为目标确定发电机组恢复时刻;在下层模型中,以线路充电电容之和最小为目标确定恢复路径。之后,采用机会约束规划处理相关的不确定性因素,并与双层优化模型相结合构建基于机会约束规划的双层网架重构优化模型,进而采用改进的粒子群算法求解该优化问题。最后,以修改的新英格兰10机39节点系统为例说明了所发展的模型与方法的基本特征。     

基于二进制粒子群的充电桩故障定位系统配置与定位方法

电动汽车充电桩网络作为泛在电力物联网的重要组成部分,其电能采集终端配置和故障定位问题已成为一项重要课题.文中提出了一种基于整数线性规划的充电桩网络电能采集终端优化配置模型和故障定位模型.所建立的配置模型以配置成本最低为目标函数,通过规划采集终端的接入位置保证系统各节点电压和各支路电流的可测性;故障定位模型能够针对系统故障时的扰动功率准确定位到故障发生支路.采用二进制粒子群算法对所建立的模型进行求解.仿真结果表明,所建立的模型能够在满足系统故障检测和定位的前提下提升经济性,二进制粒子群算法相比于基本粒子群算法,对所建立的模型求解性能更优.