基于CVaR的风电机组日前申报出力优化模型研究

在我国,风电机组需提前一天提交次日24小时的申报出力信息,由于来风具有明显的不确定性和随机性特征,风电机组次日实际出力与日前申报出力会存在一定的偏差。为解决以上问题,首先采用K-means聚类法对风电机组实际出力数据进行聚类,并生成样本集;其次,基于风电不确定性样本集构建风险中性风电机组日前申报出力决策优化模型;再次,构建基于条件风险值（CVaR）的日前申报出力优化模型;最后,基于实际数据进行了算例分析。算例分析结果表明,基于CVaR的日前申报出力决策优化模型能有效减少风电机组日前申报出力与次日实际出力的偏差,且使风电机组获得风险价值更好的申报出力,从而实现申报利润的风险可控性。     

基于多智能体强化学习的电-碳-绿证多市场均衡研究

面向“双碳”目标及新型电力系统建设要求,电力市场机制设计对于减少碳排放、促进绿色低碳发展具有重要意义。碳市场与绿证市场建设是促进电力系统节能减排的有效手段,研究电力市场、碳市场、绿证市场之间的耦合关系,对于设计3个市场间的衔接机制、促进电力系统碳减排与清洁能源发展具有重要的指导意义。为此,针对碳市场与绿证市场对电力市场均衡的耦合影响展开研究。首先,根据碳市场与绿证市场的交易规则分别建立了电-碳市场、电-绿证市场和电-碳-绿证市场的双层优化模型;然后,利用多智能体深度强化学习算法对上述均衡模型进行求解;最后,在修改后的IEEE 30节点系统上进行算例仿真,分析了碳市场和绿证市场对发电商报价策略、电力市场出清电价等的影响以及碳市场和绿证市场之间的耦合关系。     

四川电力辅助服务市场建设的思考

电力辅助服务市场是保障新型电力系统安全稳定高效运行的基础。中国电力辅助服务市场建设不断向纵深推进,产品种类不断丰富,分摊机制持续优化,出清规则逐步完善。但四川地区电力辅助服务市场建设相对滞后,存在产品种类与提供主体相对单一、市场成熟度相对偏低等问题。文中通过系统总结中国电力辅助服务市场的发展历程和经验,紧密结合四川资源禀赋和电网特点,对四川电力辅助服务市场建设进行了分析,并提出丰富辅助服务品种、培育新型市场主体、完善补偿分摊机制、做好市场衔接等建议,可为四川地区电力辅助服务市场建设提供支撑。     

基于KPCA和NSGAⅡ优化CNN参数的电动汽车充电站短期负荷预测

为提升电动汽车充电站短期负荷预测的效率和精度,提出了基于核主成分分析(kernel principal component analysis,KPCA)和非劣排序遗传算法II(non-dominated sorting genetic algorithm II,NSGAII)优化卷积神经网络(convolutional neural network,CNN)的充电站短期负荷预测方法。应用KPCA对模型输入变量进行降噪处理,简化了网络结构,加快了预测速度;通过多次负荷预测测试比较误差的方式确定卷积神经网络模型中卷积层和子采样层的最佳神经元个数,保证了预测方法的准确性;利用NSGAII对卷积神经网络的参数进行优化,提高了预测方法的运算速度和预测精度。通过算例分析以及和其他方法的对比,验证了文中方法具有较高的效率和精度。     

基于Godlike算法的海岛型分布式电源规划模型

为实现海岛地区低污染、低成本电力的有效供给,提高可再生能源的利用消纳能力,针对海岛型分布式电源规划特点,建立了综合考虑投资运行费用、系统损耗和系统稳定性这3个方面的多目标分布式电源目标规划模型;在引入Pareto最优解概念的基础上,提出了采用Godlike算法对上述多目标、多约束、非线性优化问题进行求解。将所建立的模型及其求解算法应用于我国南方某岛分布式发电系统电源规划实际问题中,仿真结果表明Godlike算法计算结果要远远优于单体遗传算法、模拟退火算法、差分进化算法和粒子群优化算法,其能够有效避免单个算法在求解分布式电源规划问题时容易陷入局部最优、算法过早成熟等问题,保证了算法可有效得到全局Pareto最优解。     

计及需求响应和深度结构多任务学习的电力系统短期负荷预测

随着需求响应技术的快速发展,使得电力系统负荷数据呈现出规模庞大、结构复杂的非线性特征,基于深度机器学习和高效数据处理平台的负荷预测方法是当前的研究重点。为实现计及需求响应的电力系统短期负荷预测,建立了基于Spark平台和时钟频率驱动循环神经网络(CW-RNNs)的短期负荷预测方法。首先,在Spark平台上设置不同工作组将全部数据分割为多个子数据模块,通过并行化计算提高数据处理效率,进而基于需求响应技术对负荷曲线做出调整,计算得到用户预期收益和用户舒适度影响指标值;其次,采用离散小波变换将调整后的负荷曲线分解,得到一组高、低频信号;并采用偏最小二乘回归模型和CW-RNNs回归模型分别对低、高频信号进行训练学习;最后,将训练好的PLS模型和CW-RNNs模型通过加权平均得到最终组合预测模型(Spark-CW-RNNs)。通过实例计算验证算法的准确性和有效性,结果表明：Spark-CW-RNNs模型比其他单一模型的预测误差更小、预测精度更高,模型具有有效性和可行性。     

基于Berge-NS均衡的电力市场多主体非合作博弈竞争模型

售电侧放开促使了电力市场主体的多向性选择,同时也增强了多元主体间的激烈竞争,而市场外部因素是不确定的,每个市场主体就需要在含不确定性的博弈中研究多元主体间的竞争关系并发展竞价策略,这对于促进电力市场的发展具有重要的意义。在明确市场主体需求的基础上,分别对发电商、售电商和大用户主体构建了市场决策模型;根据Berge-NS均衡模型制定了电力市场多主体非合作博弈竞争的流程和步骤,并利用磷虾群(KH)优化算法对各市场主体竞价策略的动态调整和市场均衡情况进行求解。通过算例仿真对所构建竞争博弈模型及求解算法进行验证,相关结果表明:随着博弈的不断深入和市场信息的积累,市场主体间的竞价策略会逐渐达到均衡状态,从而实现各方收益共赢和协调发展,有效提高了市场效率;同时验证了KH优化算法在求解电力市场多主体博弈竞争问题时的可行性和有效性。     

计及电动汽车充电站接入的配电网网架规划优化研究

电动汽车充电站大规模的接入电网,将会对当地配电网造成显著影响。因此,对配电网进行科学合理的规划应当充分考虑电动汽车充电站的接入问题。首先,考虑电动汽车充电站的选址和规模,从成本最小化的角度出发,建立配电网网架规划的目标函数。其中成本最小化要计及配电网投资成本、充电站投资和运营成本及功率损耗成本。其次,提出了一种新的量子极限学习果蝇优化算法(QEFOA),以提高果蝇算法(FOA)的优化能力。最后,通过算例分析验证所提出的配电网规划方法以及QEFOA的有效性。结果表明,所提出的配电网规划方法能够有效降低规划成本;同时与FOA等传统算法相比,QEFOA的收敛速度更快,搜索能力更强。     

区块链技术下局域多微电网市场竞争博弈模型及求解算法

区块链技术作为新兴分布式数据库技术,在能源领域有巨大的应用潜力。多微电网系统作为能源互联网的重要组成部分,研究多微电网系统中多主体的竞争博弈对能源互联网技术的发展具有重要的意义。在综合分析微电网运营商、大用户以及分布式聚合商市场主体需求及收益等因素的基础上,构建了基于区块链技术的多微电网系统竞争博弈模型;针对这一复杂多目标优化问题,提出了采用改进蚁群优化算法(IACO)进行求解。对所构建的竞争博弈模型及求解算法进行了仿真分析,仿真结果表明,基于所提模型得到的各时段最优电价策略可有效地平衡市场各主体的效益,从而实现多方共赢和协调发展;结果验证了IACO在求解基于区块链技术多目标优化问题时的适应性和有效性。