中国科学引文数据库(CSCD)核心期刊
中文核心期刊
中国科技核心期刊
ISSN 1000-7229 CN 11-2583/TM
中文核心期刊
中国科技核心期刊
ISSN 1000-7229 CN 11-2583/TM
负荷聚合商通过整合需求侧可调资源参与系统运行交易获利,是开展电力需求响应的专业机构。实现多类型需求响应资源的个性化激励定制对进一步灵活管理需求侧资源和增加需求响应效益至关重要,是负荷聚合商核心业务。基于主从博弈原理建立了负荷聚合商激励价格定制通用模型,选取了电动汽车用户及楼宇空调用户,考虑舒适度价格随削减负荷变化情况,在主从博弈架构下构建了含不同舒适度价格需求的楼宇空调用户优化模型和电动汽车充放电行为优化模型。结合Karush-Kuhn-Tucker条件、对偶定理和线性松弛等方法,在负荷聚合商经济损失最小基础上推导出含楼宇空调和电动汽车需求响应激励价格制定的单层混合整数线性规划优化模型。算例表明,所提出的模型可用于负荷聚合商定制楼宇空调用户和电动汽车用户动态激励价格,为负荷聚合商开展需求响应提供参考。
随着电力系统转型的不断推进,区域综合能源服务商(regional integrated energy service provider,RIESP)由传统的自上而下无竞争的垄断模式向多方竞争模式转变。文章综合考虑了RIESP自身发电成本及用户购能满意度,提出了一种基于主从博弈的RIESP运行策略模型。首先,介绍了RIESP的基本架构及两步式决策机制,建立了以RIESP运行利润最大为领导者目标函数和用户消费剩余最大为跟随者目标函数的主从博弈模型。然后,证明了模型Stackelberg均衡解的存在性和唯一性,并采用基于差分进化和粒子群(differential evolution- particle swarm optimization,DE-PSO)的混合算法进行求解。最后,通过仿真算例验证了所提策略的有效性,结果证明,RIESP收益及用户消费剩余均有所提升。
综合能源社区内有限的调节能力是制约社区型综合(分布式)能源系统发展的关键因素,为此提出一种考虑社区间源荷曲线匹配度的多社区日前能源优化共享模型。首先,在单个社区内具体分析供能结构和多能流动关系,搭建含电动汽车(electric vehicle,EV)和多个能源转换设备的数学模型,并建立以购能成本、设备运维成本和电动汽车电池损耗成本最小的目标函数;其次,在社区间考虑基于光伏和负荷数据的综合Spearman常数和欧式距离的匹配指标,以能源交互成本最小为目标,对多社区运营效益进行优化。最后,通过一个三社区模拟系统进行仿真,结果表明多能源共享模式能有效提升系统整体经济性和光伏消纳能力,模型中匹配指标的引入也使得能源传输效率得到提升,从而验证了所提模型的合理性与有效性。
冷-热-电联供综合能源系统(integrated energy system with combined cool, heat and power system, IES-CCHP)能够就地消纳分布式风电、光伏,也能够同时满足系统内电动汽车用户的充电需求。然而,电动汽车充电需求、风电出力、光伏出力的随机性严重影响了IES-CCHP运行的经济性。因此,采用两阶段可调鲁棒优化为IES-CCHP制定日前调度策略以提升系统运行经济性。日前阶段在观测到随机变量前制定能够应对最恶劣运行场景的日前调度策略;实时阶段在确认随机变量实际值后决策实时调度计划修正日前调度策略。优化目标为运行两阶段运行总成本最小,模型采用非精确狄利克雷模型挖掘历史数据构建不确定集描述随机变量,并进一步采用对偶理论、大M法、列与约束生成(column-and-constraint generation,C&CG)等方法,迭代求解上述两阶段模型。最后,通过算例分析证明了所提模型与方法的有效性。
配电网中大量独立决策的微电网参与电力市场竞争,使传统集中化交易模式面临决策耗时长、信任成本高和隐私安全等问题。针对这种情况,文章提出智能合约技术下的微电网群电能分布式交易模型。首先,构建了一个适应于电能参与分布式交易的电能交易谈判市场智能合约模型,以保障参与用户的利益。其次,为实现配电网的安全运行,提出了适用于智能合约的网络安全约束方法。最后,针对该交易模型改进了区块链的链下扩容架构,以保障区块链计算能力,同时确保所有历史数据存储的安全性和可追溯性。该方法在IEEE 33节点网络上进行了测试,结果表明所提电能分布式交易模型不会违反网络约束,并且市场参与主体能从交易中获利。
随着可再生能源电力消纳保障机制的不断完善,科学合理地设定各省各地区的可再生能源消纳权重是引领可再生能源电力消费长效发展的重要环节。基于多学科协同优化理论,综合考虑地区的实际网架与电网运行情况,分析具有波动性的大量可再生能源并网后对传统可控机组带来的影响,在碳排放配额实施的背景下,文章提出了可再生能源消纳责任最优权重指标测算方法,通过设立最优综合成本的系统目标函数以及不同考虑角度下的并行子学科,以系统学科与子学科循环迭代的方式寻找全局最优解,并以IEEE 118节点系统以及某省实际电网算例对所提模型和算法进行验证。
随着当前电力改革以及电力市场的不断推进,虚拟电厂的发展已成为其重点组成部分,也是市场交易复杂因素的主要集中部分,其中柔性负荷和清洁能源给虚拟电厂带来了巨大的挑战。考虑不同类别用户柔性负荷的运行特性差异,分别对工业负荷、商业负荷和家用负荷进行了特性分析并建模,充分调动虚拟电厂内部的一些可控资源进行互动,并结合风电、光伏、燃气轮机(gas turbine,GT)运行特性,建立了考虑多样化柔性负荷深度互动的虚拟电厂购售电优化模型。此外,随着清洁能源的发展,针对风电、光伏所带来的不确定性挑战,提出了基于场景数据驱动的两阶段变量的分布鲁棒虚拟电厂购售电优化计算模型,再利用列与约束生成算法求解,算例分析验证了该优化模型的有效性。
虚拟电厂(virtual power plant, VPP)技术是解决可再生能源并网,帮助柔性负荷和电动汽车等需求侧资源参与电力市场交易的有效途径。文章分析了虚拟电厂中各成员特性和权责,拟定了虚拟电厂运营商对各成员基于价格弹性的调用合同,设计了包含主能量和辅助服务的日前-实时两阶段电力市场交易流程。基于条件风险价值(conditional value at risk, CVaR)建立虚拟电厂风险厌恶模型,文章定量分析了市场交易下各成员的夏普利值和边际期望损失(marginal expected shortfall, MES),并据此给出虚拟电厂内部利益分配方法。算例说明了虚拟电厂能照顾各方利益,并定量分析了不同市场策略下的风险效益,其结果证明了所提方法的有效性。
交直流混合微电网可以通过交、直流子微网之间的互助互济来有效协调混合微网系统功率的分配,并提高系统平抑功率波动的能力。为实现交、直流子微网之间合理互助互济,提出了一种孤岛交直流混合微电网功率互助策略。首先,为了避免互联变流器频繁动作带来功率损耗,提出了分层控制策略,该策略将系统运行模式分为功率自治模式与功率互助模式,并对运行模式的切换条件进行了合理设计;其次,提出了基于子微网自身条件以及蓄电池荷电状态(state of charge, SOC)的功率互助目标,并设计了基于交流频率和直流电压反馈的功率协同控制算法以实现功率互助目标。最后,在PSCAD/EMTDC中搭建了仿真模型,仿真结果表明,利用所提互助策略,交、直流子微网能够根据自身条件承担系统功率波动并维持蓄电池处于合理的荷电状态。
城市化进程的加快使得当前城市电网面临日益严重的运行阻塞问题,传统利用负荷转供进行阻塞管控的调节方式灵活性较差,单一管控方式不具适应性。文章利用储能可平移负荷时空分布的特点,并考虑运行策略对规划方案的影响,提出计及高压配电网(high voltage distribution network, HVDN)转供能力的储能电站双层规划模型。上层构建储能投资收益的规划模型,下层构建多场景下以拓扑重构为主、储能充放为辅的运行优化模型,由于运行控制和规划配置间相互影响,将不同时间尺度的内外层优化置于同一框架内,以系统节点切负荷量、储能电站配置位置、容量及功率为耦合变量交替迭代,采用粒子群算法及CPLEX求解器进行迭代求解。最后以某城市电网局部系统为例,验证所提模型的有效性和求解方法的可行性。
为解决在场地条件、功能融合、业务需求等约束条件下多站(电动汽车充电站、5G通信基站、数据中心、分布式光伏、储能站)的规模优化设计和协调运行问题,提出多站融合场景下各站的配置方法和协调运行策略。首先,深入分析目前各站发展资源需求和站间功能融合可能性。以提升现有变电站闲余场地利用率为目标,以各站为配置对象,明确了各站的配置原则,提出了站间功能融合方案。然后,为支撑该功能融合方案,建立各站的容量优化配置模型和站间的协调控制策略。最后,采用YALMIP/CPLEX对所建立的优化模型进行求解,并通过典型算例验证了配置方法和协调控制策略的有效性。
在大电网供电缺失环境下,孤岛型微电网由于自身电源容量的限制和可再生能源出力的不确定性,会出现供电量不足情况,制定合理的电能调度策略可提高用户用电经济性和用户满意度。因此,针对电网供电缺失环境下电量有限的情况,以进行电能共享的多园区为研究对象,对不同园区中不同类型负荷合理分配电量、调整负荷工作时间,以停电损失、储能配置成本及用户不满意度最小为目标,建立多园区有限电量优化调度模型。然后,采用基于精英策略的非支配排序遗传算法进行模型求解,对生成的Pareto解集利用模糊隶属度法筛选得到最优解。最后,以上海某区域多园区为例,通过方案对比验证了文章所提优化策略能够有效提高电能的利用率,同时降低停电损失和储能配置成本,提高用户满意度。
面向电网历史数据挖掘需求,提出了一种基于堆叠自动编码器(stacked automatic encoder, SAE)的电网运行断面相似性匹配方法。基于历史断面信息,结合电网运行特点,筛选有效样本数据。通过无标签的电网运行断面有效样本数据和逐层自动编码器(automatic encoder, AE)得到预训练阶段的权重和偏差参数。进一步地,在参数微调阶段利用带标签的样本数据、初始化后的权重以及偏差对整个网络进行参数优化,得到能够挖掘运行断面深层特征的堆叠自编码网络。所提方法通过SAE算法的深层架构建立历史运行断面数据与相似性度量的非线性映射关系,进而可得到有价值的历史信息。采用IEEE 39节点算例对所提方法进行验证。结果表明,所提方法相较K-means算法匹配准确率较高,错误率随迭代次数的增加下降速度较快。
由于分布式光伏电站的布置点多面广、分散无序,要实现其运维数据的全覆盖采集,最佳方式为每一个分布式光伏电站均配置一套数据采集装置,由此也将面临投资成本巨大、运维任务繁重等难题。为此,提出了一种基于灰色关联度和BP神经网络的分布式光伏电站数据虚拟采集方法,实现了在安装少量数据采集装置条件下完成对全区域内分布式光伏电站运维数据的采集。选取江苏某区域内分布式光伏电站为研究对象,先利用灰色关联理论分析该区域内安装数据采集装置的一个分布式光伏电站的历史运维数据,获知辐照度与分布式光伏出力的特征曲线;然后,将区域范围内待虚拟采集光伏站的日辐照度实时信息与历史辐照度数据进行关联度计算,并选取关联度达到0.9以上的历史日为相似日,然后基于相似日的历史数据建立BP神经网络数据虚拟采集模型,实现区域范围内分布式光伏电站数据的虚拟采集;最后,通过算例验证了该方法采集的光伏输出功率具有较高的精度,能够实现对网格化区域内光伏电站输出功率数据的虚拟采集。
负荷聚类是电力大数据分析的重要基础。针对高维日负荷数据时序特征提取困难,以及特征提取与聚类处理分离降低负荷聚类准确性的问题,文章提出了一种基于一维卷积自编码器的日负荷深度嵌入聚类方法(deep embedding clustering method based on one dimensional convolutional auto-encoder,DEC-1D-CAE)。首先,采用一维卷积自编码器网络提取负荷曲线蕴含的时序特征。然后,利用自定义聚类层对所提取的负荷特征向量进行软划分。最后,采用KL散度(Kullback-Leibler divergence,KLD)为损失函数,联合优化卷积自编码器与聚类层,得到聚类结果。算例分析表明所提方法在DBI(Davies-Bouldin index)、CHI(Calinski-Harabasz index)指标上均优于K-means、1D-CAE+K-means、基于堆叠式编码器的深度嵌入聚类方法(deep embedding clustering method based on stacked auto-encoder,DEC-SAE),所提方法可以有效提升日负荷聚类的准确性。
