供需互动视角下区域综合能源系统设备配置与运行策略协同优化研究

以冷、热、电多能流的供需互动为立足点,基于主从博弈论,构建基于集中能源站1-N型架构的区域综合能源系统设计与运行协同优化决策框架。在供给侧,通过耦合考虑投资和运行费用建立设备配置与运行策略的协同优化模型;在需求侧,综合考虑多元能源需求弹性,提出基于用能满意度与购能支出的效用函数。在此基础上,以冷、热、电多元能源价格及相应逐时负荷为决策变量,形成供需互动博弈机制,并提出了博弈模型的求解方法。最后,通过仿真算例验证了所提优化决策方法的有效性。最终优化结果使得区域综合能源系统能源交易量上升,促进了系统的稳定运行,总体社会福利得以提升。     

430W大吸力洁净利器苏泊尔T6无线手持吸尘器测评

随着人们生活水平的提升,健康成为生活当中的重要条件,作为清洁工具的首选,吸尘器逐渐从冷门产品进化为人们清洁居室的热门首选。相比于传统的桶式吸尘器,可单手持握的无线吸尘器与扫地机器人市场欢迎度更高,主要原因在于人们对于精致生活和懒人居家的使用需求,促使便携型吸尘器的热卖。     

超声波电动机二输入Hammerstein非线性建模

为给超声波电动机多变量控制系统的设计与分析提供必要基础,建立超声波电动机二输入Hammerstein非线性模型。将模型的静态非线性环节设计为Gauss函数,更准确地表述超声波电动机的非线性特性。采用改进差分进化算法,进行模型参数辨识,给出优化算法参数值的调试方法,以保证建模过程的有效性。模型计算结果与实验数据的对比表明,该模型精度较高,建模方法有效。     

基于场路耦合模型与改进差分进化算法的电容隔直装置多目标优化配置

针对隔直装置运行特点,在变压器安装电容隔直装置后对邻近变压器中性点直流电流影响进行分析,提出一种基于场路耦合模型和改进差分进化算法的电容隔直装置多目标优化配置方法,建立变压器等效模型及土壤分层模型,将二者结合形成等效的场路耦合模型,利用有限元法求解各变压器中性点的直流电流。在保证每台变压器中性点直流均低于限值的条件下,以投入装置数量最少和全网变压器中性点直流总量最小为目标函数,建立优化配置模型。通过直流输电工程的仿真算例验证所提方法的有效性和优越性,抑制了直流偏磁现象并节约成本。     

基于电力包的MEC服务器直流供能方法

针对泛在电力物联网中移动边缘计算(Mobile Edge Computing, MEC)服务器因处理用户的业务请求而产生的能耗,提出一种基于电力包的MEC服务器直流供能方法。传统的供能方法一般利用电网进行,该方法在用户的业务请求量低时会耗费不必要的电能。所提方法基于传输损耗及电力包路由器最大可传输容量,建立以各MEC服务器的满意度最大化为目标函数的优化模型,并进行分步求解,利用一对多匹配博弈以及改进的NSGA-II算法分别解决了路由分配和能量分配问题。最后根据求解得到的时隙个数,可再生能源产生相应的电力包,进而电力包路由器基于其地址将电力包转发至MEC服务器。仿真结果验证了所提模型和方法的可行性和优越性,实现了精准供能,节省了电能。     

基于聚类分析和混合自适应进化算法的短期风电功率预测

针对传统风电功率预测方法难以满足精细化、动态化建模要求,存在易陷入局部最优等问题,提出了基于聚类分析和混合自适应进化算法(KHEA)的风电功率智能预测方法。首先,采用K均值聚类算法对全年风速和功率数据进行聚类,剔除不合理的数据。然后,采用小波变换(WT)识别功率数据的行为特征,获得解构序列集,进而建立BP神经网络模型对未来时间段的功率解构序列进行预测。为减少预测误差,采用进化粒子群算法(EPSO)对模型的权值和阈值进行调整和优化,实现EPSO进化特性与神经网络自学习能力的功能互补。最后,运用逆小波变换对预测序列进行重构,获得最终的功率预测值。运用中国南方某风电场数据开展仿真实验,并与其他模型进行对比,表明KHEA具有更高的风电功率短期预测精度和可靠性,为提高风电功率预测精度和优化调度管理提供了新的技术方案。     

基于主从博弈和贪心策略的含电动汽车主动配电网优化调度

随着入网的电动汽车规模增加,为了实现电网与车主的双赢不仅要考虑其无序充放电对电网负荷的影响,还要计及双方的成本。基于此,建立了主动配电网与电动汽车主从博弈模型。上层以配电网运行成本最低为目标,通过合理的电价及激励策略引导电动汽车充放电,并协调优化分布式电源及储能;下层基于贪心策略进行两阶段优化,先以分时电价下充放电成本最低为目标优化充放电策略,在不减少收益的约束下,再最大化电网对减小负荷波动给予的激励调整策略。通过改进的IEEE 33节点系统算例分析表明,该模型在最大化双方利益的同时极大地缩小了负荷峰谷差,避免了大量电动汽车充电引起新的高峰。     

基于Stackelberg博弈的充换储一体化电站微电网双层协调优化调度

针对电动汽车充换储一体化电站(CSSIS)与微电网所有权不同的微电网经济运行问题,建立基于Stackelberg博弈的双层优化调度模型。上层微电网作为领导者,以自身收益最大为目标函数,制定与下层CSSIS进行电能交易的内部电价;下层CSSIS作为跟随者,根据内部电价调整自身充、放电计划,以最大化自身收益。采用差分进化算法和Gurobi软件分别对上、下层优化问题进行求解,得到最优内部电价和CSSIS的最优充、放电计划。仿真算例表明,所提算法可以有效求解微电网与CSSIS交互的均衡策略,不仅能同时提高两者收益,还能更有效地利用CSSIS资源。     

基于博弈理论的电力系统扩展规划方法研究

随着我国电力建设的加强以及对电力系统研究的不断深入,如何根据电力市场中不同投资主体的优势和特点研究最合理的电力系统扩展规划方案,对于我国电力系统的可持续发展具有重要意义。提出了一种基于合作博弈的电力系统扩展规划方法。首先,根据电力市场下各主体的投资和收入情况,分别建立相对应的经济规划模型,进而,基于发电公司和电网公司之间的影响机理以及博弈行为分析,构建电力系统中不同投资主体间的合作博弈规划模型;然后,利用迭代搜索法对模型进行求解;最后,基于仿真算例验证了所提方法的正确性和有效性。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。