【摘 要】
：
园区综合能源系统(PIES)是用户侧多能耦合与供应的典型应用之一,其优化配置对提高规划经济性和能源利用效率具有重要意义.在此背景下,提出一种考虑最优建设时序和云储能的PIES优化配置方法.首先,给出综合能源背景下的云储能机制概述以及含云储能的PIES结构,并对PIES的建设时序集合进行分析.接着,构建考虑最优建设时序和云储能的PIES双层优化配置模型,上层制定PIES的优化配置方案并传递给下层,下层根据上层的配置方案求得PIES优化运行策略并将PIES总运行维护成本反馈给上层.然后,运用Karush-Ku
【机 构】
：
浙江大学电气工程学院,浙江省杭州市 310027;国网江苏省电力有限公司经济技术研究院,江苏省南京市 210008
论文部分内容阅读
园区综合能源系统(PIES)是用户侧多能耦合与供应的典型应用之一,其优化配置对提高规划经济性和能源利用效率具有重要意义.在此背景下,提出一种考虑最优建设时序和云储能的PIES优化配置方法.首先,给出综合能源背景下的云储能机制概述以及含云储能的PIES结构,并对PIES的建设时序集合进行分析.接着,构建考虑最优建设时序和云储能的PIES双层优化配置模型,上层制定PIES的优化配置方案并传递给下层,下层根据上层的配置方案求得PIES优化运行策略并将PIES总运行维护成本反馈给上层.然后,运用Karush-Kuhn-Tucker条件和大M法将PIES双层优化配置模型转化为单层混合整数线性规划模型,并调用Gurobi求解器进行求解.最后,通过算例分析验证了所提模型在提高PIES的规划经济性和设备利用率方面的有效性.
其他文献
为适应新型电力系统多业务并存场景,便捷支撑各业务功能的集成部署,变电站站控系统需采用开放的“平台+APP”模式.该模式解决不同功能APP集成部署带来的安全边界模糊、防护措施缺失、运行环境迥异、APP隔离困难等问题.文章提出了一种基于Docker容器的国产操作系统通用调用策略限制方法,旨在为任意容器提供一种实用的安全防护加固方案.
传统电力信息系统运维数据整合方法数据整合时间较长,且整合过程中数据覆盖率不高,为此文章设计了基于人工智能技术的电力信息系统运维数据整合方法.首先设定统一电力信息系统运维数据整合标准与数据分类原则,根据数据间相互关系定义数据类型,分类处理电力信息系统运维数据,并剔除分类后格式不一致和重复数据,以此降低无效数据干扰、提升数据整合效率.然后制定统一编码标准,对分类后数据进行校核与编码,确定分类后的数据集与实际数据是否匹配,以离线数据为基础,利用深度学习算法进行电力信息系统运维数据的整合,可以降低系统中资源的占用
因采用垂直信息传输方式,现有用电信息采集系统难以满足能源互联网多能流信息采集、设备即插即用及信息互联共享的要求.文章提出采用双中台架构建立物理与信息深度融合的综合用电信息采集系统,通过融合数据中台和业务中台形成数据采集共享平台,采用共享服务分级组件化和服务化组装方式,优化了垂直式信息传输方式,解决电力业务数据采集难、应用广、数据量大、品类多、数据孤岛等问题.实践表明,双中台架构用电信息采集系统可满足一次信息采集与开发,实现多个业务系统信息实时共享的要求.
为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行比较,实验结果证明所提模型可有效提升电力负荷可调节能力预测模型的预测性能.
架空输电线路杆塔所处环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对杆塔异常振动识别准确率降低.为改善识别模型偏差问题,文章提出一种基于领域适配深度迁移学习的杆塔异常振动识别方法.通过一维卷积神经网络实现不同环境条件下异常振动信号的自动特征提取,并引入迁移学习,实现复杂环境下异常振动的准确识别.所提方法通过优化场景差异性正则化损失函数,缩小复杂真实场景与典型场景间的分布差异,获得有效的领域适配模型.实验结果表明,所提方法能明显改善复杂环境下输电杆塔异常振
随着能源互联网的不断发展,多种能源新兴业务(充电桩/站、源–网–荷–储、无人机巡检和新能源并网等)不断涌现.现有的能源互联网通信体系,业务侧和主站侧之间一般采用单一的通信架构进行信息传输,这种体制难以保证多种业务融合下仍具有较高通信质量和可靠性.针对这一问题,文章将无线多天线的空时分组编码技术(Space-Time Block Code,STBC)应用于能源互联网多通道异构通信系统中.业务侧数据通过STBC编码增加多通道的信息冗余;接收端采用多通道分集合并接收,提升能源互联网中的通信传输性能.仿真分析了采
知识图谱具有良好的知识表达能力和解释性,是人工智能领域的一个重要分支,将其应用于电力设备健康管理,可有效整合设备全生命周期的数据,形成以知识为导向的新型运维管理模式.首先,文中系统地梳理了开放领域知识图谱构建方法,针对其中的关键技术和难点问题进行了详细阐述,并结合电力设备健康管理知识图谱的特点,论述了知识图谱的构建过程;然后,结合现有工作,明确了知识图谱在电力设备健康管理中的应用场景,并分析了当前健康管理领域对知识图谱技术的需求;最后,对未来知识图谱在能源电力设备健康管理中的应用前景做了展望.
针对老旧录波器无有效的安防整改措施而不得不脱网运行的现状,以及海量录波数据共涌造成的主站系统运行负担过重的问题,文章提出了一种基于录波器合规并网的数据分层治理和安全防护架构.利用规范化部署的合规并网装置解决脱网录波器合规并网问题,设计录波数据分层治理架构,应用基于变分模态分解样本熵和核极端学习机的录波数据预诊断技术进行故障初判,采用基于动态访问控制和加密传输的信息安全防护技术进行故障信息的安全传输,利用合规并网装置与录波器连接距离短的优势进行定制业务协同提高主站整体性能.实验结果表明,该方法可实现95％的
随着光伏发电在微电网中的渗透率不断提高,其发电出力的不确定性和时变性为微电网的经济运行带来了挑战.在构建经济调度模型时,就需要适当模拟不确定变量并相应地发展高效求解算法.在此背景下,文中提出能够有效计及不确定性因素的深度强化学习算法,以实时求解微电网的优化运行问题.首先,采用马尔可夫决策过程对微电网优化运行问题进行建模,用实时奖励函数代替目标函数和约束条件,利用其与环境互动,寻找最优策略.其次,借助贝叶斯神经网络对不确定的学习环境建模,进而在马尔可夫决策过程中有效考虑状态转移的随机过程.为此,提出双深度期
基于共享模式的储能交易模式可有效降低投资成本与使用成本,其所依赖的去中心化以及去信任化的特性与区块链的交易特性相符合.提出一种点对点交易下兼具储能共享和电能自营模式的储能聚合商交易模型,所有的用户交易匹配均通过智能合约进行,单交易周期内同时进行储能租赁和电能购售,缩短了链上用户的交易周期.此外,针对链上用户的违约行为,分别建立了违约惩罚模型和被违约补偿模型.最后,基于Remix和MATLAB的仿真结果表明,该交易模型在便利性和经济性的提升上具有可行性和有效性.