为抑制风电、光伏的波动性,文章建立了梯级水-风-光互补系统的多目标优化调度模型,同时考虑了调度成本与水电出力波动性,提出了一种基于自适应随机模型预测控制的梯级水-风-光高效协调优化方法。该方法利用场景削减技术,进一步抑制风光...为抑制风电、光伏的波动性,文章建立了梯级水-风-光互补系统的多目标优化调度模型,同时考虑了调度成本与水电出力波动性,提出了一种基于自适应随机模型预测控制的梯级水-风-光高效协调优化方法。该方法利用场景削减技术,进一步抑制风光出力不确定性,并采用自适应变权重方法自动调整多目标权重系数。文章比较了方法改进前、后以及梯级水电站数量对互补系统优化调度结果的影响。系统仿真表明,所提自适应(Stochastic Model Predictive Control,SMPC)方法,可有效抑制风电、光伏的不确定性与波动性,提高水电出力的可靠性与稳定性.展开更多
含光储充的主动配电网作为一种灵活的新型调节资源,可通过聚合其内部的多类分布式电源组成配网虚拟电厂(distribution-level virtual power plant,DVPP)进而整体参与系统二次调频,具有广阔的发展前景。但实际配电网内部情况复杂,存在储...含光储充的主动配电网作为一种灵活的新型调节资源,可通过聚合其内部的多类分布式电源组成配网虚拟电厂(distribution-level virtual power plant,DVPP)进而整体参与系统二次调频,具有广阔的发展前景。但实际配电网内部情况复杂,存在储能配置有限导致可调容量不足、光伏短时出力难以预测导致控制不精确、功率分配不合理导致内部电压越限的问题,传统虚拟电厂调频策略难以适用。针对上述问题,提出了一种基于随机模型预测控制(stochastic model predictive control,SMPC)的DVPP二次调频策略,通过聚合模型设计、光伏不确定功率的场景树模型搭建、SMPC策略设计的方式实现了分布式电源出力扰动情况下DVPP快速、准确响应自动发电控制(automatic generation control,AGC)指令的目标,并有效降低了功率调节对系统内部电压的影响,为DVPP参与系统二次调频提供了理论基础。展开更多
为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时...为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。展开更多
文摘为抑制风电、光伏的波动性,文章建立了梯级水-风-光互补系统的多目标优化调度模型,同时考虑了调度成本与水电出力波动性,提出了一种基于自适应随机模型预测控制的梯级水-风-光高效协调优化方法。该方法利用场景削减技术,进一步抑制风光出力不确定性,并采用自适应变权重方法自动调整多目标权重系数。文章比较了方法改进前、后以及梯级水电站数量对互补系统优化调度结果的影响。系统仿真表明,所提自适应(Stochastic Model Predictive Control,SMPC)方法,可有效抑制风电、光伏的不确定性与波动性,提高水电出力的可靠性与稳定性.
文摘含光储充的主动配电网作为一种灵活的新型调节资源,可通过聚合其内部的多类分布式电源组成配网虚拟电厂(distribution-level virtual power plant,DVPP)进而整体参与系统二次调频,具有广阔的发展前景。但实际配电网内部情况复杂,存在储能配置有限导致可调容量不足、光伏短时出力难以预测导致控制不精确、功率分配不合理导致内部电压越限的问题,传统虚拟电厂调频策略难以适用。针对上述问题,提出了一种基于随机模型预测控制(stochastic model predictive control,SMPC)的DVPP二次调频策略,通过聚合模型设计、光伏不确定功率的场景树模型搭建、SMPC策略设计的方式实现了分布式电源出力扰动情况下DVPP快速、准确响应自动发电控制(automatic generation control,AGC)指令的目标,并有效降低了功率调节对系统内部电压的影响,为DVPP参与系统二次调频提供了理论基础。
文摘为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。
