针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构...针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构建了多用户与微网运营商多方参与的混合博弈模型。其中,运营商通过主从博弈制定向用户的售能价格,用户聚合商在接收价格后基于纳什-海萨尼理论进行利益分配。然后,针对储能设备前期投入较高的实际情况,充分挖掘电动汽车的集群可调度潜力,通过卷积神经网络-双向长短期记忆网络(convolutional neural networks and Bi-directional long short-term memory,CNN-BiLSTM)法处理电动汽车的历史数据以降低不确定性,并制定了利用电动汽车共享储能特性作为储能设备的运行策略。最后,以某市园区综合能源系统为研究对象进行分析。结果表明,所建立的模型可以有效减少碳排放,实现运营商与多用户共赢。展开更多
作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私...作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私数据安全的前提下,更新局部训练模型。将区块链技术与云计算相结合,通过使用加密算法和分布式存储,提供一个安全可信的云服务网络,负责传输本地计算的训练参数。利用去中心化的数据聚合器取代易出现单点故障的集中式架构,创建了一个灵活且可扩展的云网络。实验结果表明,具有10个云节点的分散式算法比传统的集中式算法快5.2 s。可见,基于纵向联邦学习的推荐算法既能保证推荐的精准性,也能充分调动闲置站点,有效提高推荐效率。展开更多
为适应配电网高质量发展的新需求,保障系统对大规模分布式电源与电动汽车(electric vehicle,EV)的承载能力,提出考虑电动汽车需求响应的交直流混合配电网中智能软开关(soft open point,SOP)与分布式储能装置(distributed energy storage...为适应配电网高质量发展的新需求,保障系统对大规模分布式电源与电动汽车(electric vehicle,EV)的承载能力,提出考虑电动汽车需求响应的交直流混合配电网中智能软开关(soft open point,SOP)与分布式储能装置(distributed energy storage system,DESS)鲁棒联合规划方法。首先,针对源荷不确定性,采用K-means提取典型与极端的日运行场景,并引入范数约束构造场景概率不确定集,以调控模型保守性。随后,通过需求价格弹性系数刻画EV用户对实时电价的响应行为,构建以年综合成本最低为目标的两阶段鲁棒规划模型,并通过二阶锥松弛与McCormick包络等方法进行凸转化。模型引入场景概率的二进制展开,实现在不确定集区间内的最恶劣场景搜索,并结合电网分区拓展SOP安装待选位置,采用对偶理论和非精确列与约束生成算法(inexact column constraint generation,i-C&CG)实现高效求解。最后在69节点系统中验证了模型对支撑电压、保障消纳、减少损耗的有效性。展开更多
文摘针对园区综合能源系统中存在多利益主体且收益分配不均的实际情况,提出一种基于混合博弈的双层能量管理模型。首先,建立园区综合能源系统的运行框架,分析上层微网运营商与下层用户聚合商的利益关系。其次,为使园区各主体利益最大化,构建了多用户与微网运营商多方参与的混合博弈模型。其中,运营商通过主从博弈制定向用户的售能价格,用户聚合商在接收价格后基于纳什-海萨尼理论进行利益分配。然后,针对储能设备前期投入较高的实际情况,充分挖掘电动汽车的集群可调度潜力,通过卷积神经网络-双向长短期记忆网络(convolutional neural networks and Bi-directional long short-term memory,CNN-BiLSTM)法处理电动汽车的历史数据以降低不确定性,并制定了利用电动汽车共享储能特性作为储能设备的运行策略。最后,以某市园区综合能源系统为研究对象进行分析。结果表明,所建立的模型可以有效减少碳排放,实现运营商与多用户共赢。
文摘作为一种低碳、环保的交通工具,油电混合电动汽车(hybrid electric vehicle,HEV)发展迅速。为保障推荐过程中用户的隐私安全,提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制,在保证用户隐私数据安全的前提下,更新局部训练模型。将区块链技术与云计算相结合,通过使用加密算法和分布式存储,提供一个安全可信的云服务网络,负责传输本地计算的训练参数。利用去中心化的数据聚合器取代易出现单点故障的集中式架构,创建了一个灵活且可扩展的云网络。实验结果表明,具有10个云节点的分散式算法比传统的集中式算法快5.2 s。可见,基于纵向联邦学习的推荐算法既能保证推荐的精准性,也能充分调动闲置站点,有效提高推荐效率。
文摘为适应配电网高质量发展的新需求,保障系统对大规模分布式电源与电动汽车(electric vehicle,EV)的承载能力,提出考虑电动汽车需求响应的交直流混合配电网中智能软开关(soft open point,SOP)与分布式储能装置(distributed energy storage system,DESS)鲁棒联合规划方法。首先,针对源荷不确定性,采用K-means提取典型与极端的日运行场景,并引入范数约束构造场景概率不确定集,以调控模型保守性。随后,通过需求价格弹性系数刻画EV用户对实时电价的响应行为,构建以年综合成本最低为目标的两阶段鲁棒规划模型,并通过二阶锥松弛与McCormick包络等方法进行凸转化。模型引入场景概率的二进制展开,实现在不确定集区间内的最恶劣场景搜索,并结合电网分区拓展SOP安装待选位置,采用对偶理论和非精确列与约束生成算法(inexact column constraint generation,i-C&CG)实现高效求解。最后在69节点系统中验证了模型对支撑电压、保障消纳、减少损耗的有效性。
文摘近年来随着电动汽车(electric vehicle,EV)保有量上升,新能源汽车充换电设施需求量同步增加。然而,单一的充电设施无法满足不同类型车辆的充换电需求,为此,提出一种充电桩与换电站的混合规划方法。首先,利用海量网约车订单数据进行数据挖掘和出行特征提取,得到充换电负荷的时空分布;随后,根据充电需求信息建立充电桩规划模型,确定各功能区充电桩的布局规模,以满足EV充电便捷性的需求,再针对换电站错峰运行成本过高的问题,构建基于有序充电的换电站双层规划模型,并通过改进灰狼优化(Grey Wolf optimization,GWO)算法求解各目标成本;最后,以成都市二环交通网络和IEEE 33节点系统为例,对无序和有序充电模式下的换电站规划进行仿真分析。仿真结果表明:所提混合规划方法能够使EV用户获得方便、快速的供电;有序充电模式下换电站的规划结果不仅经济且有利于配电网稳定运行。
