鲁棒优化作为应对风电等新能源出力不确定性的重要工具,广泛应用于微电网优化调度中。传统的不确定集不够紧凑,无法准确刻画风电不确定性,同时不确定集包围的数据中可能存在部分异常值,导致调度结果过于保守。针对上述问题,提出了一种...鲁棒优化作为应对风电等新能源出力不确定性的重要工具,广泛应用于微电网优化调度中。传统的不确定集不够紧凑,无法准确刻画风电不确定性,同时不确定集包围的数据中可能存在部分异常值,导致调度结果过于保守。针对上述问题,提出了一种基于数据驱动不确定集的微电网两阶段鲁棒优化调度方法。首先,通过风电历史数据构建条件正态Copula(conditional normal copula,CNC)模型,再将日前风电预测值输入CNC模型生成次日风电功率样本。然后,通过支持向量聚类(support vector clustering,SVC)和维度分解构建考虑风电时间相关性的数据驱动不确定集。该不确定集可更为准确地刻画风电不确定性,并将风电数据中的异常值排除在外,从而在降低鲁棒优化保守性的同时具备异常值抵抗性。其次,提出了基于上述不确定集的两阶段鲁棒优化调度模型,并采用列约束生成(column and constraint generation,C&CG)算法求解。最后通过仿真证明了相较传统不确定集,本文构建的不确定集保守性更低,同时对风电数据异常值具有良好的抵抗性。展开更多
为提高低碳园区综合能源系统(regional integrated energy system,RIES)的低碳性和可再生能源消纳率,提出一种考虑电转气(power-to-gas,P2G)、碳捕集装置(carbon capture and storage,CCS)和氢燃料电池(hydrogen fuel cell,HFC)协调运行...为提高低碳园区综合能源系统(regional integrated energy system,RIES)的低碳性和可再生能源消纳率,提出一种考虑电转气(power-to-gas,P2G)、碳捕集装置(carbon capture and storage,CCS)和氢燃料电池(hydrogen fuel cell,HFC)协调运行的RIES低碳经济调度方法。首先,根据传统火电机组集中碳排放的特点,加入CCS打造更具灵活性的碳捕集电厂(carbon capture power plant,CCPP)。其次,在两阶段P2G中加入HFC,细化氢能使用,建立P2G-CCS-HFC整体模型,在氢能平衡约束条件下,分析不同设备决策对整体模型优化成本的影响。同时,在供能侧和需求侧分别引入绿证-碳交易和综合需求响应双重市场机制激励。最后,考虑风光不确定性,以风光历史数据为基础,构建考虑场景分析和数据驱动的、以最小化总成本为目标函数的RIES分布鲁棒调度模型。基于算例的仿真结果表明,该方法可有效降低碳排放水平,促进新能源消纳,为区域综合能源系统低碳经济调度等研究提供参考。展开更多
针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信...针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的微电网可再生能源和负荷不确定性概率集合;建立了D-S(dempster-shafer)证据理论信息集成框架,提出了基于Kappa系数与准确率权重的证据修正方法,进而得到更高精度不确定性概率集合,得出源荷功率的概率分布模糊集。接着,建立配电网与多微电网两阶段滚动调度优化模型,即第一阶段预调度模型和第二阶段实时调控模型,第一阶段以实现配电网与多微电网区域全局运行经济最优为优化目标进行能量预分配;阶段二为实时运行调控阶段,考虑微电网内新能源实时出力的不确定性对分布式电源进行实时调控;两阶段鲁棒经济调度模型采用改进列约束生成方法(column-and-constraint generation,C&CG)和交叉方向乘子(alternating direction multiplier method,ADMM)和结合的内外双环算法分布式求解。仿真结果表明,有效提高了源荷预测不确定性下配-微电网市场安全可靠运行,提高了互联系统的新能源消纳率及经济收益。展开更多
多区域互联电热综合能源系统(integrated electricity and heat system,IEHS)成为未来能源互联网发展的重要方向。在多区域互联IEHS协同中,电力系统运营商须同时与省级调度中心和本地区域供热系统运营商协同,因此对分布式协同算法的收...多区域互联电热综合能源系统(integrated electricity and heat system,IEHS)成为未来能源互联网发展的重要方向。在多区域互联IEHS协同中,电力系统运营商须同时与省级调度中心和本地区域供热系统运营商协同,因此对分布式协同算法的收敛性提出更高要求;同时,各区域间可再生能源不确定性的时空关联特性进一步加剧了各区域子调度问题的本地计算求解难度。该文提出基于双步投影算法的多区域互联IEHS三层分布式可信分布鲁棒优化调度模型。首先,基于双步投影算法,提出适用于多区域互联IEHS的三层分布式协同调度模式;其次,在不确定性调度模型方面,提出可信分布鲁棒优化模型,以提升分布鲁棒优化的经济性,并基于对偶理论、Bonferroni不等式与条件风险价值近似方法,将可信分布鲁棒模型转化为确定性线性模型;然后,提出基于双步投影的快速分布式协同算法,以实现多区域IEHS调度问题的快速分布式求解。不同规模案例仿真表明,所提可信分布鲁棒模型能显著降低IEHS的调度成本,且所提双步投影算法能在极少迭代次数内求解出多区域IEHS的全局最优解,与集中式调度的误差小于千分之一。展开更多
文摘鲁棒优化作为应对风电等新能源出力不确定性的重要工具,广泛应用于微电网优化调度中。传统的不确定集不够紧凑,无法准确刻画风电不确定性,同时不确定集包围的数据中可能存在部分异常值,导致调度结果过于保守。针对上述问题,提出了一种基于数据驱动不确定集的微电网两阶段鲁棒优化调度方法。首先,通过风电历史数据构建条件正态Copula(conditional normal copula,CNC)模型,再将日前风电预测值输入CNC模型生成次日风电功率样本。然后,通过支持向量聚类(support vector clustering,SVC)和维度分解构建考虑风电时间相关性的数据驱动不确定集。该不确定集可更为准确地刻画风电不确定性,并将风电数据中的异常值排除在外,从而在降低鲁棒优化保守性的同时具备异常值抵抗性。其次,提出了基于上述不确定集的两阶段鲁棒优化调度模型,并采用列约束生成(column and constraint generation,C&CG)算法求解。最后通过仿真证明了相较传统不确定集,本文构建的不确定集保守性更低,同时对风电数据异常值具有良好的抵抗性。
文摘为提高低碳园区综合能源系统(regional integrated energy system,RIES)的低碳性和可再生能源消纳率,提出一种考虑电转气(power-to-gas,P2G)、碳捕集装置(carbon capture and storage,CCS)和氢燃料电池(hydrogen fuel cell,HFC)协调运行的RIES低碳经济调度方法。首先,根据传统火电机组集中碳排放的特点,加入CCS打造更具灵活性的碳捕集电厂(carbon capture power plant,CCPP)。其次,在两阶段P2G中加入HFC,细化氢能使用,建立P2G-CCS-HFC整体模型,在氢能平衡约束条件下,分析不同设备决策对整体模型优化成本的影响。同时,在供能侧和需求侧分别引入绿证-碳交易和综合需求响应双重市场机制激励。最后,考虑风光不确定性,以风光历史数据为基础,构建考虑场景分析和数据驱动的、以最小化总成本为目标函数的RIES分布鲁棒调度模型。基于算例的仿真结果表明,该方法可有效降低碳排放水平,促进新能源消纳,为区域综合能源系统低碳经济调度等研究提供参考。
文摘针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的微电网可再生能源和负荷不确定性概率集合;建立了D-S(dempster-shafer)证据理论信息集成框架,提出了基于Kappa系数与准确率权重的证据修正方法,进而得到更高精度不确定性概率集合,得出源荷功率的概率分布模糊集。接着,建立配电网与多微电网两阶段滚动调度优化模型,即第一阶段预调度模型和第二阶段实时调控模型,第一阶段以实现配电网与多微电网区域全局运行经济最优为优化目标进行能量预分配;阶段二为实时运行调控阶段,考虑微电网内新能源实时出力的不确定性对分布式电源进行实时调控;两阶段鲁棒经济调度模型采用改进列约束生成方法(column-and-constraint generation,C&CG)和交叉方向乘子(alternating direction multiplier method,ADMM)和结合的内外双环算法分布式求解。仿真结果表明,有效提高了源荷预测不确定性下配-微电网市场安全可靠运行,提高了互联系统的新能源消纳率及经济收益。
文摘多区域互联电热综合能源系统(integrated electricity and heat system,IEHS)成为未来能源互联网发展的重要方向。在多区域互联IEHS协同中,电力系统运营商须同时与省级调度中心和本地区域供热系统运营商协同,因此对分布式协同算法的收敛性提出更高要求;同时,各区域间可再生能源不确定性的时空关联特性进一步加剧了各区域子调度问题的本地计算求解难度。该文提出基于双步投影算法的多区域互联IEHS三层分布式可信分布鲁棒优化调度模型。首先,基于双步投影算法,提出适用于多区域互联IEHS的三层分布式协同调度模式;其次,在不确定性调度模型方面,提出可信分布鲁棒优化模型,以提升分布鲁棒优化的经济性,并基于对偶理论、Bonferroni不等式与条件风险价值近似方法,将可信分布鲁棒模型转化为确定性线性模型;然后,提出基于双步投影的快速分布式协同算法,以实现多区域IEHS调度问题的快速分布式求解。不同规模案例仿真表明,所提可信分布鲁棒模型能显著降低IEHS的调度成本,且所提双步投影算法能在极少迭代次数内求解出多区域IEHS的全局最优解,与集中式调度的误差小于千分之一。
