摘要 实时电价理论是许多国家电力现货市场设计的理论基础,但有两个重大缺陷:一是仍然基于传统的分时调度模型,忽略了电能生产和消费的时间连续性这个十分重要的特征对电能成本及电力系统调度运行的影响,没有认真处理跨时段约束;二是假设同一时段的电能商品都是同质的,无法区别基荷、腰荷和峰荷机组区别明显的技术特征及成本构成.为克服这些缺陷,本文提出连续时间电能商品模型(即功率对于时间的函数),以及该模型下两者不同的定价方式,即实时电价和按负荷持续时间定价.两种定价方式下的市场优化问题也相应地由传统电力市场理论中的数值优化问题变为泛函极值优化模型.本文通过严格的数学推导证明了按负荷持续时间定价的可行性.所提的理论和方法可为国内外电力市场建设提供全新的思路和理论基础.

关键词 电力市场; 实时电价; 价格形成机制; 市场均衡; 泛函优化; electricity markets; spot pricing; functional optimization;

摘要 随着新一轮电力市场改革的持续推进,电价作为反映市场运营状况的重要指标,准确预测电价能够帮助电力市场博弈方进行风险规避,达到经济收益最大化.本文提出了一种新的基于分解–优化–集成(decomposition-optimization-ensemble, DOE)的混合学习模型来预测电价,首先利用快速集成经验模态分解方法将波动性较大的电价数据分解成一系列本征模态函数和一个残差序列.然后对鲸鱼算法从收敛速度、精度和算法搜索能力3个方面进行改进,再利用改进的鲸鱼算法优化径向基神经网络的扩展系数,采用优化后的径向基神经网络模型对分解得到的本征模态函数和残差序列进行预测.最后对分解后的子序列预测值进行集成,得到电价的预测值.为了验证混合学习模型的预测效果,本文对美国宾夕法尼亚–新泽西–马里兰电力市场的电价进行中长期和短期预测.实证结果显示DOE混合学习模型在水平精度和方向精度上均能获得很好的效果.

关键词 电价预测; 快速集成经验模态分解; 改进的鲸鱼算法; 径向基神经网络; 方向精度; electricity price forecasting; fast ensemble empirical mode decomposition; improved whale optimization algorithm; RBF neural network; direction precision;

摘要 现代电力系统是可再生能源、清洁能源与信息互联网高度融合的分布式能源网络系统,这其中,风力发电、太阳能发电系统具有间歇性且受到较多外部条件约束.协同优化风力发电、太阳能发电控制可以在满足负荷需求的同时,减少机械损耗,延长机组使用寿命,保证电网的安全经济运行.针对大规模且地理分散的风光互补发电系统,本文提出一种分级递阶分布式预测控制策略.上层优化控制器采用迭代分布式预测控制策略,不仅实现功率优化分配,而且能够实现减少风机低速轴机械损耗、降低系统发电成本的经济性目标.下层控制器采用监督预测控制算法可同时保证子系统的跟踪性能和经济性能.所构造的分级递阶分布式预测控制策略通过各子系统间的协同优化,实现了分布式能源的"即插即用".仿真实验证明,本文提出的分级递阶分布式预测控制策略能够有效地实现微网的安全可靠、优质高效、灵活互动等要求.

关键词 风光互补发电系统; 分级递阶控制; 分布式预测控制; 风力发电; 太阳能发电; hybrid wind and solar generation system; hierarchical control; distributed model predictive control; wind power generation; solar power generation;

摘要 大规模分布式电源(distributed generations, DGs)并网,使得传统配电网向主动配电网发展,这对主动管理模式下配电网网架规划提出了新的挑战.本文考虑需求侧管理,建立了含DGs的主动配电网网架双层规划模型.上层规划模型以年网络综合费用最小为目标,并且考虑DG渗透率以及风力发电机和光伏发电机装机容量占比不同对配电网网架规划的影响,建立了配电网网架规划模型;下层模型在上层网架规划的基础上,计及风力、光伏发电以及负荷的不确定性,并对DGs的出力和可中断负荷中断量进行优化;通过上下层联动,分别采用改进单亲遗传算法和原对偶内点法对双层规划模型进行优化求解.以29节点配电网为例,仿真结果表明考虑需求侧管理能够得到更优的网架方案,减少年网络综合费用、改善系统节点电压分布,并且通过调节DG渗透率和风机光机容量占比可以进一步优化网架方案,使网架规划成本达到更小.

关键词 主动配电网; 分布式发电; 网架规划; 双层规划; 需求侧管理; DG渗透率; active distribution network; distributed generations; framework planning; bilevel planning; demandside management; DG penetration level;

摘要 本文研究了基于事件触发和网络攻击的负荷频率控制电力系统H_∞滤波器设计问题.为了节约网络传输带宽资源,本文引入事件触发机制降低负荷频率控制电力系统测量输出的传输量.考虑网络环境下随机网络攻击的影响,建立基于事件触发和网络攻击的负荷频率控制电力系统H_∞滤波误差模型.基于此滤波误差模型,利用Lyapunov稳定性理论和线性矩阵不等式技术分别给出了负荷频率控制电力系统均方渐近稳定的充分性条件和H_∞滤波器设计方法,最后通过仿真算例验证本文所提H_∞滤波器设计方法的有效性.

关键词 电力系统; 事件触发; 网络攻击; H∞滤波; 网络化控制系统; power system; event-triggered scheme; cyber-attacks; H∞ filtering; networked control systems;

摘要 本文针对电网中的经济调度问题,提出了基于梯度下降和一致性协议的分布式优化算法,以最小化总的发电成本.该算法不需要将全局信息传递给每条母线的控制单元,仅需要在相互连通的母线之间进行局部信息的交换以此来平衡电力的供应和需求.通过理论分析,得出可通过选择合适的步长和初值使该算法收敛到原问题的最优解,进而通过以IEEE 9母线系统为例的仿真证实了所提出的算法的有效性.

关键词 经济调度; 分布式算法; 梯度下降法; 一致性算法; 通信拓扑; economic dispatch; distributed algorithms; gradient descent method; consensus algorithm; communication topology;

摘要 本文针对海水淡化系统的负荷特性需求,将微电网发电系统应用到海水淡化系统中,并基于风力发电优先,光伏发电配合,必要时蓄电池补充的原则,提出了一种微电网分布式协调预测控制策略.对微电网中的风力发电子系统和光伏发电子系统,分别设计分布式预测控制器,协调各发电子系统的输出功率.考虑微电网中各子系统输出功率及其变化率约束,分布式预测控制器优化其相应的目标函数,使其输出总功率保证海水淡化系统的稳定运行.仿真结果表明,所提出的分布式协调预测控制方法既可以合理分配各子系统的发电功率,满足海水淡化系统的负荷需求,还可以限制各子系统输出功率的过大波动,保护发电设备.

关键词 分布式预测控制; 微电网; 风力发电; 光伏发电; 海水淡化系统; distributed predictive control; microgrid; wind power generation; photovoltaic power generation; seawater desalination system;

摘要 本文提出了一种基于事件触发的微电网经济分配问题(economic dispatch problem, EDP)一致性算法.该方案基于多智能体的一致性,每个智能体只需要获取其本地成本参数、本地负荷和邻域信息.通过每个智能体参与邻域信息交换和本地计算,经济分配经过迭代后收敛到最优值.进一步考虑加入事件触发来减少智能体计算以及与邻居通信的频率.这样可以节约通信带宽和能源,符合经济分配的经济性要求.仿真实验进一步说明了该方案的有效性.

关键词 一致性算法; 事件触发; 经济分配问题; 多智能体系统; 微电网; consensus algorithm; event-triggered control; economic dispatch problem; multi-agent systems; microgrid;

摘要 本文提出了自能源(we-energy, WE)这一新的能源互联网基本能源单元,为新能源就地消纳、各类分布式电源的即插即用和产–消–储一体化的多能互补提供了一种能源管理策略.为处理自能源在不同运行条件下的多能协调控制与优化问题,建立了基于信息–物理–能源–经济系统(information-equipment-energy-economical system, IEEES)的四元模型,提出了自能源的4种运行模式.该模型利用自能源中信息、物理、能源和经济4个子系统的耦合特性,根据能源互联网运行态势进行模式转化,建立了对应的自能源状态方程,并进行了自能源分布优化、协同控制等典型应用场景的分析.通过经济优化,获取了多个自能源在市场交易中的最优策略,实现了自能源内部能源的合理分配.通过对自能源内部设备的协同控制,实现了在功率波动情况下并网点系统参数及能源交换的稳定.

关键词 自能源; 四元模型; 信息–物理–能源–经济系统; 运行模式; we-energy; quaternary model; information-equipment-energy-economical system; operating mode;

摘要 新能源以及分布式能源大规模并网所带来的随机扰动问题,影响电网安全和经济运行.本文提出一种具有动作自寻优能力的多智能体深度强化学习算法,即DDRQN-AD算法.所提算法可有效获取电网最优协调控制,从而解决传统集中式自动发电控制难以解决的新能源以及分布式能源大规模并网所带来的强随机扰动,使新能源得到最大限度的开发利用.通过对两区域微电网负荷频率控制电力系统模型以及广东电网模型进行仿真,结果显示DDRQN-AD与已有的多种智能算法相比,具有更强的鲁棒性及学习能力,可减少碳排放,提高新能源利用率.

关键词 深度强化学习; 多智能体; 智能发电控制; 动作自寻优; 碳排放; deep reinforcement learning; multi-agent; smart generation control; action self-optimization; carbon emission;

摘要 随着电力市场化改革的深入以及智能电网建设的快速推进,需求响应(demand response, DR)资源参与市场竞争已成为一种趋势,因此研究基于市场机制的需求响应资源运行模式具有重要的现实意义.本文首先提出了一种利用需求响应的市场化运营模式,其中,需求响应聚合商(demand response aggregator, DRA)通过在DR市场采购DR资源参与日前市场竞争,为提高DRA参与日前市场竞争的积极性,建立一种补偿机制,将引入DR资源后零售商获取的额外利润的一部分作为补偿给予DRA.为了研究该模式的合理性和有效性,建立DRA参与投标的日前市场与DR市场联合均衡模型,其中,在日前市场中DRA和传统发电商以供应函数投标方式参与竞价; DR市场的价格由DR用户以供应函数的投标方式竞争决定.然后,将该均衡模型的求解转化为一个凸优化问题的求解,在理论上证明了均衡解的存在性和唯一性,并考虑到实际应用中存在的信息不对称性,利用分布式算法进行求解.最后,通过算例分析验证了理论模型和求解方法的合理性及有效性.

关键词 日前电力市场; 需求响应聚合商; 需求响应市场; 寡头竞争均衡模型; 分布式算法; day-ahead electricity market; demand response aggregator; demand response exchange; oligopolistic equilibrium model; distributed algorithm;