随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural net...随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural network,S-DNN)的多源调频协调策略。首先,设计一种改进多层次深度神经网络(deep neural network,DNN),由DNN层、自然梯度提升层、最小二乘支持向量机层顺序递进完成预测、评价、执行动作,输出总调频功率指令。该多层次总调频功率输出模型考虑新能源渗透率对调频系统的动态影响,充分学习历史信息与实时状态中更多的特征,提高了时序调频指令精度。然后基于Stackelberg博弈理论,考虑多源调频特征与协同作用,优化各调频源间的功率分配,提高系统二次调频的经济性。最后,通过算例分析验证了提出的多源调频协调策略的有效性。与传统调频方法相比,所提出的S-DNN多源调频协调策略可有效降低区域控制误差与频率偏差,并降低调频成本。展开更多
综合能源系统(integrated energy system,IES)是实现“双碳”目标的重要载体,而经济、高效的多元资源协同配置是实现综合能源行业持续健康发展的前提。目前,IES配置模型多以成本最小为优化目标,而对投资回报率的考量较少,这可能导致成...综合能源系统(integrated energy system,IES)是实现“双碳”目标的重要载体,而经济、高效的多元资源协同配置是实现综合能源行业持续健康发展的前提。目前,IES配置模型多以成本最小为优化目标,而对投资回报率的考量较少,这可能导致成本回收期延长,进而降低资金周转效率并增加财务风险。有鉴于此,首先,提出IES容量价值函数,该函数以待配置资源容量为自变量,以系统运行成本降低量为因变量,实现多元资源容量价值的解析表达。然后,建立一种基于分式规划理论的多元资源协同配置模型,该模型以最大化投资收益率为目标,旨在构建具有最佳成本效益的配置策略。进一步地,通过变量替换技术将难以求解的分式规划问题线性化,并提出一种分解迭代算法,实现容量价值函数的外逼近与多元资源协同配置策略的高效求解。最后,通过仿真分析以及与成本最小法的对比,验证所提方法的有效性。展开更多
文摘随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural network,S-DNN)的多源调频协调策略。首先,设计一种改进多层次深度神经网络(deep neural network,DNN),由DNN层、自然梯度提升层、最小二乘支持向量机层顺序递进完成预测、评价、执行动作,输出总调频功率指令。该多层次总调频功率输出模型考虑新能源渗透率对调频系统的动态影响,充分学习历史信息与实时状态中更多的特征,提高了时序调频指令精度。然后基于Stackelberg博弈理论,考虑多源调频特征与协同作用,优化各调频源间的功率分配,提高系统二次调频的经济性。最后,通过算例分析验证了提出的多源调频协调策略的有效性。与传统调频方法相比,所提出的S-DNN多源调频协调策略可有效降低区域控制误差与频率偏差,并降低调频成本。
文摘综合能源系统(integrated energy system,IES)是实现“双碳”目标的重要载体,而经济、高效的多元资源协同配置是实现综合能源行业持续健康发展的前提。目前,IES配置模型多以成本最小为优化目标,而对投资回报率的考量较少,这可能导致成本回收期延长,进而降低资金周转效率并增加财务风险。有鉴于此,首先,提出IES容量价值函数,该函数以待配置资源容量为自变量,以系统运行成本降低量为因变量,实现多元资源容量价值的解析表达。然后,建立一种基于分式规划理论的多元资源协同配置模型,该模型以最大化投资收益率为目标,旨在构建具有最佳成本效益的配置策略。进一步地,通过变量替换技术将难以求解的分式规划问题线性化,并提出一种分解迭代算法,实现容量价值函数的外逼近与多元资源协同配置策略的高效求解。最后,通过仿真分析以及与成本最小法的对比,验证所提方法的有效性。
