考虑负荷预测不确定性的快充站储能鲁棒实时控制策略

当电动汽车快速充电站配置电池储能系统时,合理的能量管理策略对控制充电负荷峰值功率、减小功率波动具有重要意义。然而,能量管理策略的有效性依赖于准确的负荷预测,但实际上由于环境影响和预测模型的原因负荷预测无法完全准确。基于以上问题,为应对充电站储能能量管理策略中充电负荷不确定造成的影响,提出了考虑负荷预测不确定性的储能鲁棒实时控制策略。首先,分析了现有的负荷预测方法,并对负荷预测结果进行建模;然后,运用鲁棒预测控制方法,分别以充电站电费最小和储能系统荷电状态波动最小为目标构建系统模型和设计控制策略,并通过鲁棒对等转化将不确定性模型消除,有效应对负荷预测不确定性的影响。算例研究表明,通过对比模型预测控制和逻辑门限控制的结果,所提的鲁棒控制策略能够有效降低充电负荷峰值,验证了策略的有效性。     

考虑负荷不确定性的微电网优化调度研究

近年来,随着能源危机及环境污染问题不断加重,微电网作为一种新型的能源网络化供应与管理结构,为新能源的广泛接入提供了一种有效途径,在降低能耗减少环境污染的同时也提高了系统运行的可靠性和灵活性。为提升微电网运行的经济性与节能环保性,基于含风力、光伏、燃气轮机、燃料电池及蓄电池的微电网模型,在综合考虑能量供需平衡、爬坡速率约束及蓄电池充放电容量条件下,运用混合整数规划优化方法,建立了考虑负荷的不确定性因素下以离网型微电网为主的微电网经济调度模型。     

微电网跟踪调度计划双层双时间尺度实时控制策略

为了提升微电网跟踪调度计划的能力,并降低分布式电源和负荷的功率波动对跟踪效果的影响,提出一种利用由超级电容和电池储能组成的混合储能系统跟踪调度计划的双层双时间尺度实时控制策略。上层基于模型预测控制方法建立日内滚动优化模型,结合分布式电源和负荷的超短期功率预测结果,综合考虑一段时域内的跟踪偏差及混合储能系统的功率和荷电状态对跟踪调度计划进行滚动优化;下层在上层优化结果的基础上,采用基于荷电状态的混合储能系统实时控制策略对超级电容和电池储能的实时功率进行协调分配,进一步降低分布式电源和负荷的实时功率波动对跟踪效果的影响。通过仿真算例对所提控制策略进行验证,结果表明:所提策略不但实现了良好的实时跟踪调度计划的控制效果,而且优化了超级电容和电池储能的荷电状态。     

考虑不确定性影响的微电网优化重构

考虑到微电网中分布式能源出力和负荷不确定性的影响,提出一种基于云理论的随机框架对其进行处理,利用云模型将微电网不确定性的模糊性和随机性转换为定量的形式。建立了以网络损失最小和供电质量最优为优化目标的微电网重构模型,同时利用一种基于模糊理论的综合评价方法对多目标函数进行了处理,并提出一种改进的大爆炸算法对模型进行求解。最后以33节点微电网标准模型作为案例研究,仿真结果证明了所提优化模型和算法的有效性及实用性。     

考虑数据不确定性的中长期电力负荷预测

中长期负荷预测时间跨度较长,其基础数据受诸多因素影响,具有不确定性和不可控性。引入蒙特卡罗算法和区间算法处理中长期负荷预测中的数据不确定性问题。根据历史年度实际情况,假定基础数据在某一范围内存在不确定性,采用蒙特卡罗算法构建了计算流程,可以得到界于某一区间的负荷预测值;采用区间算法描述基础数据的不确定性,针对区间算法固有的过估计问题,通过推导适合的公式,可以避免产生过度保守的结果,只需一次计算,就可以严格分析数据不确定性对预测结果的影响,具有节省计算时间的优点。在考虑基础数据存在不确定性情况下,通过某省电网负荷预测实例计算并与传统预测方法相比较, 验证了两种负荷预测方法可以评估数据不确定性对负荷结果的影响,避免得到过度保守的负荷预测值。     

考虑数据不确定性的中长期电力负荷预测

中长期负荷预测时间跨度较长,其基础数据受诸多因素影响,具有不确定性和不可控性.引入蒙特卡罗算法和区间算法处理中长期负荷预测中的数据不确定性问题.根据历史年度实际情况,假定基础数据在某一范围内存在不确定性,采用蒙特卡罗算法构建了计算流程,可以得到界于某一区间的负荷预测值;采用区间算法描述基础数据的不确定性,针对区间算法固有的过估计问题,通过推导适合的公式,可以避免产生过度保守的结果,只需一次计算,就可以严格分析数据不确定性对预测结果的影响,具有节省计算时间的优点.在考虑基础数据存在不确定性情况下,通过某省电网负荷预测实例计算并与传统预测方法相比较,验证了两种负荷预测方法可以评估数据不确定性对负荷结果的影响,避免得到过度保守的负荷预测值.     

基于BiGRU-Copula的多重不确定性变量的概率区间预测方法

有效的概率预测方法有助于提升电网企业调度运行的经济性、可靠性.提出了一种基于BiGRU-Copula的多重不确定性变量的概率区间预测方法.首先引入深度学习方法,建立基于BiGRU的区间概率预测模型;然后建立针对多重不确定性因素概率特性采样的Copula模型;通过采样得到不同预测场景.基于真实历史数据设计仿真算例,结果表...     

考虑响应不确定性的高比例可再生能源微电网优化策略

为了响应“碳达峰,碳中和”目标,实施需求响应可高效平抑高比例可再生能源微电网的波动性,有助于电力行业实现深度减排。在微电网独立运行模式下,可通过能源大数据中心获取可再生能源出力、负荷需求及用户响应等数据,制定实时激励优化策略,从而降低弃风-光率和优化微电网运行。首先,建立不同激励下用户的收益情况与自身满意度之间的映射关系,通过Sigmoid函数改进云模型来衡量用户满意度与响应行为之间的不确定关系。其次,提出考虑响应不确定性的独立微电网实时激励优化策略,利用混沌烟花算法求解微电网下发的各时段激励,合理安排微电网各单元的出力情况。仿真结果表明,当用户负荷曲线进行消纳和削减的调整后,新能源的消纳率得到有效提升,微电网的运行成本也大幅降低。     

考虑风电出力不确定性的配电网概率潮流计算

在对配电网进行概率潮流计算时,通常采用的风速概率模型存在准确性差、求解参数复杂及多风机出力相关性难以考虑的缺点,为此提出一种采用双向生成对抗网络BIGAN(bidirectional generative adversarial net-work)刻画风电出力不确定性的配电网概率潮流计算方法.首先,分析BIGAN的基本原理和训练过程,给出了利用BIGAN生成风功率样本的步骤.其次,以实际风功率数据为原始样本,通过BIGAN获得生成样本,然后考察原始样本和生成样本的时间相关性、概率分布特性及空间相关性,验证BIGAN方法的有效性;最后,在IEEE 33节点系统中,以BIGAN生成的风功率样本和假定服从正态分布的负荷样本为输入进行潮流计算.结果表明所提方法计算精度高,计算时间短.     

基于深度期望Q网络算法的微电网能量管理策略

随着光伏发电在微电网中的渗透率不断提高,其发电出力的不确定性和时变性为微电网的经济运行带来了挑战.在构建经济调度模型时,就需要适当模拟不确定变量并相应地发展高效求解算法.在此背景下,文中提出能够有效计及不确定性因素的深度强化学习算法,以实时求解微电网的优化运行问题.首先,采用马尔可夫决策过程对微电网优化运行问题进行建模...     

基于深度强化学习的电动汽车实时调度策略

电动汽车(EV)作为一种分布式储能装置,对抑制功率波动有着巨大的潜力。考虑EV接入的随机性及可再生能源出力和负荷的不确定性,利用不基于模型的深度强化学习方法,建立了以最小功率波动及最小充放电费用为目标的实时调度模型。为满足用户的用电需求,采用充放电能量边界模型表征电动汽车的充放电行为。在对所提模型进行日前训练及参数保存后,针对日内每一时刻系统运行的实时状态量,生成该时刻充放电调度策略。最后以某微电网为例,验证了所提基于深度强化学习的调度方法在满足用户充电需求的前提下,可以有效减小微电网内的功率波动,降低EV充放电费用;日内不需要迭代计算,可以满足实时调度的要求。     

基于集成学习的孤岛微电网源-荷协同频率控制

提出一种基于集体智慧的集成学习算法,以实现孤岛微电网下分布式电源与负荷的协同频率控制。通过引入负荷聚合商来对大规模家庭用户进行聚合,解决源—荷协同频率控制下的"维数灾难"问题。负荷聚合商根据每个家庭中温控设备的运行状态,可以连续地评估其可参与辅助调频的储备能力。集成学习算法由多个子优化器和一个学习集中器组成,子优化器发挥集体智慧能力为学习集中器提供探索和开发样本,而强化学习主要用于知识学习与迁移。通过孤岛微电网的仿真算例可以验证集成学习能够有效满足源—荷协同频率控制的周期要求和质量要求。     

基于MADDPG和智能合约的微电网交易决策优化

为解决微电网在传统集中化交易模式下面临的决策耗时长、信任成本高和隐私安全等问题,提出了基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法与智能合约的微电网去中心化市场交易体系。首先,对微电网市场中多智能体进行划分后设计了适用于各主体参与分布式交易的微电网去中心化交易机制,以保障市场主体利益。其次,为实现交易确认阶段微电网市场主体的交易策略优化,采用MADDPG算法对各主体追求利益最大的竞价模型进行求解。最后,通过算例仿真验证了MADDPG算法在智能合约下微电网市场主体交易策略优化过程中的可行性和经济性。     

基于MADDPG和智能合约的微电网交易决策优化

为解决微电网在传统集中化交易模式下面临的决策耗时长、信任成本高和隐私安全等问题,提出了基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法与智能合约的微电网去中心化市场交易体系。首先,对微电网市场中多智能体进行划分后设计了适用于各主体参与分布式交易的微电网去中心化交易机制,以保障市场主体利益。其次,为实现交易确认阶段微电网市场主体的交易策略优化,采用MADDPG算法对各主体追求利益最大的竞价模型进行求解。最后,通过算例仿真验证了MADDPG算法在智能合约下微电网市场主体交易策略优化过程中的可行性和经济性。     

基于深度Q学习的含电动汽车孤岛微电网负荷频率控制策略

负荷频率控制对维持孤岛微电网的稳定运行有着至关重要的意义.针对微电网受到强随机扰动和网络拓扑参数改变时的频率控制问题,文章提出了基于深度Q学习(deep Q-learning,DQN)的含电动汽车孤岛微电网负荷频率控制策略.首先,建立了考虑用户充电行为随机性的集群电动汽车频率控制模型,从而搭建出包含光伏、风电、微型燃气...     

微电网控制策略综述

微电网灵活运行方式使其与传统控制有显著不同.详细介绍了微电网构成元件分布式电源和负荷的控制策略;在此基础上对现有微电网控制策略进行分类,并阐述了集中控制、分散控制和混合控制各种方法的特点;最后对微电网各控制策略优缺点进行总结.     

基于强化学习的孤岛微电网多源协调频率控制方法

为了提升孤岛微电网频率抗干扰性,提出一种基于强化学习的孤岛微电网多源协调频率控制方法。针对微电网频率偏差进行Q学习,动态调节多个分布式电源的下垂控制参数以改变其输出功率,实现微电网内多源协调有功频率控制。首先,介绍了Q学习算法的基本原理;其次,提出基于Q学习的频率恢复控制方法,并设计基于Q学习算法的控制器,利用Q学习算法动态修正下垂参数,协调微电网多个分布式电源进行频率恢复控制;最后,利用MATLAB建立典型微电网仿真模型,并基于S-function自定义建立强化学习控制器,从Q学习训练过程、频率控制响应特性多个方面验证了所提方法的有效性和适应性。     

微电网非计划孤网控制策略分析

研究了微电源在功率控制和电压频率控制方式下的微电网非计划孤网过程,提出了微电源出力控制和主网出力控制2种策略,并引入电压的孤网判据.2种控制策略侧重点不同,前者更符合微电网自身灵活独立运行的特点,后者使主网的调度更加容易,在制订微电网控制方案时可综合考虑微电网用户和主网2个方面的需求.在PSCAD仿真软件中进行的建模和仿真实验分析结果表明,2种控制策略均可使微电网维持并网和孤网稳定运行,且含电压频率控制的策略更易使微电网恢复稳定.