【摘 要】
：
本文针对含光伏(Photovoltaic,PV)、全钒液流电池(Vanadium redox battery,VRB)储能装置与多类型柔性负荷的工业园区主动配电系统,研究在考虑源荷随机性情况下该系统的动态经济调度问题.首先,将PV出力、多类型负荷需求和电网调峰需求的随机动态变化近似描述为连续马尔科夫过程,并根据系统内VRB的充放电特性对储能系统进行建模;然后,以各决策时刻下PV出力、负荷需求、调峰需求以及储能荷电状态(State of charge,SOC)的离散等级为状态,以储能充放电及多类型柔性负荷调
【机 构】
：
合肥工业大学电气与自动化工程学院 合肥230009;国网江苏省电力公司电力科学研究院 南京211103;中国电力科学研究院(南京) 南京210003;中国电力科学研究院(北京) 北京100192
论文部分内容阅读
本文针对含光伏(Photovoltaic,PV)、全钒液流电池(Vanadium redox battery,VRB)储能装置与多类型柔性负荷的工业园区主动配电系统,研究在考虑源荷随机性情况下该系统的动态经济调度问题.首先,将PV出力、多类型负荷需求和电网调峰需求的随机动态变化近似描述为连续马尔科夫过程,并根据系统内VRB的充放电特性对储能系统进行建模;然后,以各决策时刻下PV出力、负荷需求、调峰需求以及储能荷电状态(State of charge,SOC)的离散等级为状态,以储能充放电及多类型柔性负荷调整方案为行动,在系统功率平衡等相关约束下,以应对电网调峰需求和提高系统经济运行水平为目标,将工业园区主动配电网系统动态经济调度优化问题建立成随机动态规划模型;最后,引入强化学习方法进行策略求解.算例仿真结果表明所得策略可有效提高系统经济运行效益,并在一定程度上满足电网调峰需求.
其他文献
合理调度集装箱码头的装卸设备以减少生产过程中的能耗,对实现其低碳绿色化发展具有重要意义.针对集装箱码头向自动化发展过程中的双小车岸桥与AGV(Automated guided vehicle)联合配置及调度问题,考虑AGV续航时间、双小车岸桥中转平台容量和堆场缓冲支架容量约束,以岸桥的能耗最小为第一阶段模型的优化目标,以AGV运输过程的能耗最小为第二阶段目标建立两阶段优化模型;设计枚举法求解第一阶段模型,改进遗传算法求解第二阶段优化模型.以洋山四期自动化集装箱码头为例进行实验分析,针对不同船舶在港总装卸时
变质岩潜山岩性对储层发育具有重要控制作用.为了有效识别变质岩潜山岩性,以渤海海域油气钻井资料为基础,建立基于“成分-结构”的变质岩测井-地质学分类方案,探索兼顾岩石结构的岩性测井识别方法.结果表明,区域变质作用以及中基性岩脉的侵入共同控制了太古界复杂的岩性组合,形成了铁镁质侵入体与长英质变质花岗岩系2大岩类,而差异混合岩化作用将变质花岗岩进一步复杂化.基于矿物、元素分析以及岩心观察,确立了成分4分、结构3分的划分方案,建立了渤海海域太古界测井地质学分类方案.基于该方案,构建了不同岩性的测井交会识别图版,重
本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density func-tion,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square er-ror,RMSE)等常规一维性能指标不能完全刻画建模误差在时间和空间二维随机动态特性的问题,引入PDF指标来对动态过程的建模误差在时间和空间进行二维尺度的全面刻画和评价,并采用核密度估计技术对关于时间的建模误差序列的PDF进行估计;其次,为了刻画动态过程
本文研究同时具有输入和状态时滞的控制系统的输入时滞补偿问题.通过建立嵌套-伪预估器反馈方法预测系统未来的状态,使得任意大但有界的输入时滞得到完全补偿.不同于传统的预估器反馈利用开环系统预测系统未来的状态,嵌套-伪预估器反馈则是利用闭环系统嵌套地预测系统未来的状态.依据积分时滞系统的稳定性,给出了保证闭环系统渐近稳定的充要条件.最后,采用数值仿真验证所提出方法的有效性.
2021年11月4日,由上海市人民政府与交通运输部联合主办的首届北外滩国际航运论坛开幕式和主论坛在上海北外滩国际会客厅举办,论坛主题是“开放包容,创新变革,合作共赢——面向未来的国际航运业发展与重构”,论坛聚焦未来国际航运业的发展,开展深入的交流探讨.
提出了一种能够解决高阶异构集群系统输出时变编队跟踪问题的控制方法.集群系统中的智能体分为领导者和跟随者,领导者和跟随者的动力学模型可以完全不同.跟随者的输出在跟踪领导者输出的同时保持时变编队实现协同运动.考虑了领导者存在已知或未知控制输入、领导者和跟随者均存在未知扰动、有向通信拓扑存在切换等多种因素并存的情况,结合观测器理论、自适应控制理论和滑模控制理论设计了完全分布式的输出时变编队跟踪控制协议,摆脱了对领导者控制输入上界值、与通信拓扑相关的拉普拉斯矩阵的特征值以及时变编队函数等全局信息的依赖.利用Lya
本文研究了分布式控制策略下直流微电网的负荷分配和电压平衡问题.给出一种新的基于分布式策略的下垂控制器设计方法,能够在统一的框架下实现直流微电网负载共享和电压平衡.首先,将直流微电网的负载共享和电压平衡问题转化为多目标优化问题,其性能指标与微源的容量密切相关.然后,通过求解多目标优化问题获得实现负载共享和电压平衡的集中式控制策略,并给出下垂控制器的设计方法.为了降低系统的通信负担,给出一种新的只需与邻居节点交换信息的分布式控制策略,通过理论分析可知该分布式控制策略能够收敛到多目标优化问题的最优解.最后,通过
一直以来,各种推荐系统关注于如何挖掘用户与物品特征间的潜在关联,特征信息的充分利用有利于用户到物品的精准匹配.基于矩阵分解和分解机的推荐算法是该领域的主流,前者学习用户历史行为而后者分析对象特征关系,但都难以兼顾用户行为与个体特征.而近年来,深度神经网络凭借其强大的特征学习能力和灵活可变的结构被应用到了推荐系统领域.鉴于此,本文提出了一种基于注意力机制的协同卷积动态推荐网络(Attentionbased collaborative convolutional dynamic network,ACCDN),
随机配置网络(Stochastic configuration networks,SCNs)在增量构建过程引入监督机制来分配隐含层参数以确保其无限逼近特性,具有易于实现、收敛速度快、泛化性能好等优点.然而,随着数据量的不断扩大,SCNs的建模任务面临一定的挑战性.为了提高神经网络算法在大数据建模中的综合性能,本文提出了一种混合并行随机配置网络(Hybrid parallel stochastic configuration networks,HPSCNs)架构,即:模型与数据混合并行的增量学习方法.所提方
智能电网中的隐匿虚假数据入侵(False data injection,FDI)攻击能够绕过坏数据检测机制,导致控制中心做出错误的状态估计,进而干扰电力系统的正常运行.由于电网系统具有复杂的拓扑结构,故基于传统机器学习的攻击信号检测方法存在维度过高带来的过拟合问题,而深度学习检测方法则存在训练时间长、占用大量计算资源的问题.为此,针对智能电网中的隐匿FDI攻击信号,提出了基于拉普拉斯特征映射降维的神经网络检测学习算法,不仅降低了陷入过拟合的风险,同时也提高了隐匿FDI攻击检测学习算法的泛化能力.最后,在I