计及综合需求响应的综合能源系统优化调度

为提高系统运行的可靠性和经济性,在综合能源系统优化调度的基础上引入综合需求响应,利用不同形式能源间的相互转化关系,实现削峰填谷,提高能源利用效率。计及综合需求响应策略,建立了基于电价的电力负荷需求响应和基于激励的热负荷需求响应模型。并以运行成本最小为目标函数,提出了综合考虑供需平衡和供储能设备约束的综合能源系统调度模型。采用改进二阶振荡粒子群算法对模型进行求解。该算法在常规粒子群算法的基础上对速度迭代公式进行更新,克服了常规粒子群算法易陷入局部最优的问题。通过实际算例仿真,验证了所提出模型和求解算法的有效性。     

含储氢装置的分布式能源系统的优化经济调度

针对含储氢装置的分布式能源系统优化调度问题,提出了基于改进和声搜索算法的优化经济调度方法。构建了含有微型燃气轮机、吸收式冷水机组、储氢装置、电制冷机、光伏机组和冷负荷及电负荷的分布式能源系统的经济调度数学模型;采用改进和声搜索算法对模型进行求解,提出自适应全局最优和声搜索算法,即采用根据迭代次数的增加而减小调整概率和调整带宽的方式,对常规和声搜索算法进行改进。通过实际算例仿真验证,所提出的含储氢装置的分布式能源系统经济调度方法是可行的。     

含储能装置的分布式能源系统经济调度研究

针对分布式能源系统的经济调度问题,本文构建了含有分布式电源、储能装置、冷负荷及电负荷的分布式能源系统的经济调度数学模型,对含储能装置的分布式能源系统的经济调度问题进行研究,采用改进粒子群算法对模型进行求解,最后通过实际算例进行仿真验证。仿真结果表明,本文提出的含储能装置的分布式能源系统经济调度方法是可行的。该研究为实际工程实践提供了理论基础。     

基于Adam算法优化GRU神经网络的短期负荷预测模型

为提高短期负荷预测的精度,文中提出了一种基于Adam算法优化门控循环单元(Gated Re?current Unit,GRU)神经网络的短期负荷预测模型.针对循环神经网络(Recurrent Neural Network,RNN)存在的梯度消失和梯度下降、长短期记忆神经网络(Long Short-Term Memory...     

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件.采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解.算例仿真结果表明,在考虑和不考...     

相空间重构和混沌神经网络融合的短期负荷预测研究

该文首次提出基于PSRT和ICNN融合的电力系统STLF模型，所构造的ICNN预测模型对负荷初值和混沌轨迹的游动性有很强的敏感性，可表征复杂的动力学行为和具有全局寻优的性能，以PSRT确定ICNN输入维数，训练样本集按预测相点步进动态相轨迹和最近邻点集原理形成的，可增强预测模型对混沌动力学的联想和泛化推理能力；文中用遗传算法作为ICNN的学习算法，对两类不同负荷系统日、周预测仿真测试，证实所研究的预测模型能有效、稳定的提高预测精度，且有较高的适应能力，为将基于PSRT和ICNN融合的电力系统STLF方法用于实际运行系统在理论上取得了有效的进展。     

基于Stackelberg博弈实时定价机制的电-气综合能源系统优化调度

为了降低风电和负荷的预测误差对于综合能源系统各机组出力计划的影响,建立了基于Stackelberg 博弈实时定价机制的电-气综合能源系统两阶段（日前-日内）优化调度模型。在日前调度计划中,以综合能源系统经济成本最优确定各机组次日的出力计划。在日内调度计划中,以综合运营商收益最大和用户满意度最大为目标函数,建立主从博弈模型,通过两方博弈对日前能源价格进行调整,从而引导用户积极参与需求响应。通过实际的算例仿真分析,Stackelberg 博弈制定的实时能源价格相较于价格弹性系数矩阵法制定的能源价格,用户参与需求响应的程度更高,不仅可以减少对各机组日前制定出力计划的调整,而且可以降低系统运行成本,提高用户的综合效能。     

基于多尺度特征增强DHTCN的电力系统短期负荷预测研究

为充分挖掘蕴含在电力负荷数据中的多尺度时序信息,提升短期电力负荷预测精度,提出了一种多尺度特征增强的改进时间卷积神经网络(improved temporal convolutional network with multi-scale feature enhancement, ECA-MS-DHTCN)模型。首先,使用4种不同尺寸卷积核的因果卷积提取负荷数据特征,并在特征提取层中嵌入高效通道注意力(efficient channel attention network, ECA)模块实现不降维的局部跨通道交互,得到带有通道注意力的多尺度负荷特征。然后,利用双混合扩张卷积层改进基本时间卷积神经网络(temporal convolutional network, TCN)残差块结构,克服TCN模型中扩张卷积结构存在的信息不连续及远距离信息不相关问题,兼顾负荷特征浅层细节及深层联系。最后,将ECA优化的多尺度特征提取层与改进TCN模型结合搭建ECA-MS-DHTCN负荷预测框架,完成短期负荷预测任务。经实际电网负荷数据仿真,结果表明所提出的ECA-MS-DHTCN模型可以在保持较快训练速度的同时有效地提高预测精度。     

类电磁机制算法在水电站厂内经济运行中的应用研究

水电站厂内经济运行是电力系统的重要研究课题,能有效增加水电站的经济效益.本文将类电磁机制算法用于水电站厂内经济运行研究中.该算法模拟电磁场中带电粒子间的吸引与排斥机制,将搜索解类比为带电粒子,然后按一定的准则通过局部搜索、计算合力和移动粒子等环节使搜索粒子朝最优解移动.该算法具有全局优化能力强,编程实现简单,收敛性好等...     

基于QWDAE和HWMHGRU融合的电力系统短期负荷预测模型

为提升电力系统短期负荷预测精度，提出量子加权降噪自编码器和高速通道多层级门控循环单元神经网络融合的短期负荷预测模型。首先利用量子信息处理机制，采用量子加权神经元构建量子加权降噪自编码器，挖掘负荷序列中的有效信息作为输入特征；然后提出具有两级门控结构和高速通道结构的高速通道多层级门控循环单元，构成量子加权降噪自编码器和高速通道多层级门控循环单元融合的短期负荷预测模型。仿真结果表明，所提模型具有较好的预测精度和预测稳定性。