Stochastic Virtual Power Plant Dispatch via Temporally Aggregated Distributed Predictive Control with Performance Guarantees
Graz University of Technology(格拉茨工业大学);Research Center ENERGETIC(ENERGETIC研究中心);Imperial College London(伦敦帝国学院)
本文提出一种结合时间聚合与分布式优化的新型控制器,有效降低调度时间、资产和场景维度,提升随机虚拟电厂在不确定性下的调度效率和性能保证。
2026-11-05 math.OC
Distributed Stochastic Model Predictive Control with Temporal Aggregation for the Joint Dispatch of Cascaded Hydropower and Renewables
Institute of Electricity Economics and Energy Innovation, Graz University of Technology(格拉茨工业大学电力经济与能源创新研究所);Research Center ENERGETIC(ENERGETIC研究中心)
针对梯级水电与风光联合调度中高维非凸问题,提出融合时间序列聚合、分布式优化和随机MPC的分布式控制方案,理论保证性能,算例显示计算量降低74%-85%。
2026-09-23 math.OC
Robust Generation Dispatch with Strategic Renewable Power Curtailment and Decision-Dependent Uncertainty
随着可再生能源取代传统能源(如热发电机),不确定性增加,而可控单元减少。为了降低运营风险并避免频繁的实时紧急控制,需要制定可再生能源发电限电的准备时间表。提出了一种新的两阶段鲁棒发电调度(RGD)模型,在预调度阶段对预备限电计划进行优化。限电计划将影响实时可再生能源发电量的变化范围,从而产生决策相关不确定性(DDU)集。在再调度阶段,可控单元在备用容量内调整其输出以保持功率平衡。为了克服用DDU求解RGD的困难,提出了一种自适应列约束生成(AC CG)算法。我们证明了该算法可以在有限次迭代中产生最优解。数值算例表明了所提模型和算法的优越性,验证了其实用性和可扩展性。
2022-07-01 cs.SY eess.SY math.OC
Electricity Market Bidding for Renewable Electrolyzer Plants: An Opportunity Cost Approach
本文提出基于机会成本的分段线性竞价方法,用于建模可再生能源与电解槽共址电厂参与电力市场,并通过案例研究表明主动竞价可降低平均电价和弃电量,但对系统总排放影响不显著。
2025-07-02 math.OC
An Efficient Primal-Dual Approach to Chance-Constrained Economic Dispatch
为了有效地提高分布式和可再生能源在未来智能微电网中的集成,经济的能源管理是不可或缺的,具有重要意义。研究了孤岛模式下考虑需求侧管理的微网日前发电经济调度问题。针对多风电场多时段能量优化调度问题,以限制风电场失电概率风险为目标,建立了一个联合机会约束最优化问题。针对风力发电量时空联合分布问题,采用原对偶方法有效地获得了次优解。该方法是基于一阶最优性条件和逐步逼近的概率约束生成的p-有效点。数值结果证实了这种方法的优点。
2014-10-17 math.OC
Decentralized Provision of Renewable Predictions within a Virtual Power Plant
分布式能源的蓬勃发展使最终用户从被动的价格接受者转变为积极的市场参与者。为了有效地管理这些大规模的主动终端用户,虚拟电厂(VPP)作为一个创新的概念出现。它可以提供一些必要的信息,帮助消费者提高他们的利润,并代表他们与电力市场进行交易。消费者期望的一个重要信息是预测该VPP内的可再生产出。目前,大多数VPP以集中方式运行,这意味着VPP预测其管理的所有可再生能源的输出,并将预测提供给购买此信息的每个消费者。我们证明,通过提供预测,社会总剩余可以得到改善。然而,当更多的消费者和可再生能源参与市场时,这种集中式方案需要广泛的数据通信,并可能危及单个利益相关者的隐私。在本文中,我们提出了一个分散的预测提供算法,其中每个子区域的消费者只购买本地预测和交换信息的VPP。在较弱的条件下证明了集中式和分散式方案的收敛性,并证明了集中式和分散式方案之间的需求缺口具有零期望和有界方差。算例表明,随着消费者数量的增加和不确定性的增大,该差距的方差减小,并对算法进行了数值验证。
2020-09-13 math.OC
Intraday Battery Dispatch for Hybrid Renewable Energy Assets
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文为共址风电-电池资产提出日内调度数学模型,通过随机控制与高斯过程回归蒙特卡洛算法实现发电目标巩固,并在德州140多个资产上验证经济效益。
2025-10-10 math.OC q-fin.CP q-fin.MF
Risk-limiting Economic Dispatch for Electricity Markets with Flexible Ramping Products
在未来十年中,可再生能源渗透率的预期增加促使电力市场推出新产品-特别是灵活的斜坡产品-以适应可再生能源的可变性和不稳定性。CAISO和MISO正在领导新产品的设计。然而,目前尚不清楚这些产品如何影响电力市场。在本文中,我们特别感兴趣的是评估新产品如何扭曲的最佳能源调度相比,没有这样的产品的情况下。这种扭曲可能会带来额外的成本,我们称之为“扭曲成本”。利用泛函方法,建立了失真成本与新产品关键参数之间的关系,即,上下灵活的斜升要求。这种关系产生了一种新的例程来有效地构造函数,这使得有可能在保证给定的供电可靠性水平的同时有效地执行最小失真成本能量调度。理论分析和仿真结果都表明,合理地选择参数可以大大降低失真代价。我们相信我们的方法可以帮助ISO利用系统中的斜坡能力,在最小的失真成本。
2015-02-26 math.OC
Unit-to-Plant Stability Shaping of Multi-Electrolyzer ReP2H Plants via Interface Design and Dispatch
Sichuan University(四川大学);State Grid Jibei Electric Power Co., Ltd.(国网冀北电力有限公司)
本文针对多电解槽ReP2H工厂的振荡问题,提出面向稳定性的控制与调度框架,通过三端口导纳模型分析稳定性影响因素,经HIL测试验证,所得规则可用于筛选生产调度决策。
2026-08-25 cs.SY eess.SY math.OC
Chance Constrained Economic Dispatch Considering the Capability of Network Flexibility Against Renewable Uncertainties
本文提出将连续型网络灵活性纳入机会约束经济调度,通过联合优化发电功率与线路电纳,并设计交替迭代求解器,在保证安全的前提下显著提升系统运行经济性。
2024-02-25 cs.SY eess.SY math.OC
Optimal corrective dispatch of uncertain virtual energy storage systems
间歇性可再生能源在电力系统中的高渗透率需要大的平衡储备以实现可靠的运行。聚合和协调的表后负载可以提供这些快速储备,但代表能量受限和不确定的储备(在其能量状态和容量方面)。为了优化调度不确定的,能量受限的储备,基于优化的技术允许开发一个适当的权衡之间的闭环性能和鲁棒性的调度。因此,本文研究了与灵活的,背后的米分布式能源(DER)的能量约束聚合的不确定性。本文研究的不确定性与估计DER集合的荷电状态和容量(即,虚拟能量存储系统或VESS)。为此,开发了一种基于风险的机会约束控制策略,该策略优化了VESS意外饱和的操作风险,以防止发电机偏离其预定设定点。该控制器协调能量受限的VESS,以最小化非计划参与,并克服斜坡率限制的发电机,以平衡可再生能源发电的变化,同时考虑电网条件。为了说明所提出的方法的有效性,基于仿真的分析进行了增强的IEEE RTS-96网络与不确定的能源和基于温度的动态线路额定值。
2019-10-02 math.OC
AC optimal power flow in the presence of renewable sources and uncertain loads
可再生能源的渗透率不断提高,加上负载可能会发生显著变化,这给现代电网的行为带来了高度的不确定性。鉴于经典的调度解决方案是“刚性的”,在这样一个不确定的环境中,他们的表现是在一般远离最佳。为此,在本文中,我们考虑交流最优潮流(AC-OPF)问题存在的不确定性负荷和(不确定)可再生能源发电机。AC-OPF设计的目标是保证可控发电以最小的成本进行调度,同时满足发电和输电的“几乎所有”不确定性实现的约束。我们提出了一种方法,最近开发的随机技术的基础上,命名为“场景与证书”,它允许解决这个问题,而不假设任何先验依赖的电压在网络上的不确定的发电机/负载。所提出的解决方案可以利用通常可用的概率描述的不确定性和可变性,并提供解决方案的先验概率保证的风险,违反了对发电和传输的约束。
2019-05-30 math.OC
Risk Limiting Dispatch with Ramping Constraints
Stanford University(斯坦福大学);University of California, Berkeley(加州大学伯克利分校)
本文研究了电力系统中风险与系统成本的最优平衡,通过建模发电机的爬坡约束,提出基于多期随机控制问题的调度方法,并采用替代机会约束程序和MPC型前瞻控制器进行高效计算,实验证明该方法在应对可再生能源概率分布变化时具有优势。
2013-05-27 cs.SY eess.SY math.OC
Adaptive Plant Propagation Algorithm for Solving Economic Load Dispatch Problem
设计工程中的优化问题本质上是复杂的,通常是因为涉及到关键目标函数,并伴随着与所涉及的产品相关的许多刚性约束。其中一个问题是经济负荷分配(ED)的问题,其重点是优化的燃料成本,同时满足一些系统的约束。经典的优化算法是不够的,也是效率低下的ED问题涉及高度非线性,非凸函数的目标和约束。这导致了元启发式优化方法的发展,它几乎可以有效地解决ED问题。提出了一种新的鲁棒的基于植物智能的自适应植物繁殖算法(APPA),用于解决经典的ED问题。将该方法应用于3机和6机系统,结果表明了该方法的有效性和鲁棒性。与另一个国家的最先进的算法(APSO)的比较研究表明,所提出的方法实现的解决方案的质量以及所提出的方法的收敛特性。
2017-08-04 cs.CE cs.NE math.OC
Equilibrium models to analyse the impact of different coordination schemes between TSO and DSOs on market power in sequentially-cleared energy and ancillary services markets under load and renewable generation uncertainty
University of Bergamo(贝加莫大学);RSE S.p.A(RSE股份公司)
本文提出博弈论方法,分析不同TSO与DSO协调方案对能源和辅助服务市场中市场力量的影响,发现输电网络拥堵时协调方案会增加系统成本。
2026-02-05 math.OC
Efficient Representation of Uncertainty for Stochastic Economic Dispatch
随机经济调度模型通过考虑从随机过程模型中提取的有限数量的实现,通常通过蒙特卡洛采样,来解决可再生能源发电输出预测中的不确定性。对感兴趣的量的期望值或高阶矩的准确评估,例如,产生成本,可能需要大量的样本。我们提出了一种替代Monte Carlo抽样的多项式混沌展开的基础上。这些表示是基于稀疏正交方法,并使模型参数的不确定性的准确传播。我们还研究了一种基于Karhunen-Loeve展开的方法,该方法使我们能够有效地表示可再生能源发电中的不确定性。考虑到预期的生产成本,我们表明,所提出的方法可以产生几个数量级的计算成本降低解决随机经济调度相对于蒙特卡洛抽样,对于给定的目标误差阈值。
2015-08-21 cs.CE math.OC
Identification of Intraday False Data Injection Attack on DER Dispatch Signals
电网脱碳的迫切需求加速了可再生能源的整合。同时,不断增加的分布式能源(DER)和先进的计量基础设施(AMI)已经将电网转变为具有众多通信设备的更复杂的网络物理系统。虽然这些转变提供了经济和环境价值,但它们也增加了网络攻击和运营挑战的风险。本文研究了具有高可再生能源渗透率的电网对DER调度信号的日内虚假数据注入(FDI)攻击的脆弱性,并提出了一种基于核支持向量回归(SVR)的检测模型作为对策。在HCE 187总线测试系统上进行了数值实验,验证了日内FDI攻击场景和检测模型。
2022-07-08 cs.SY eess.SY math.OC
Stochastic Optimal Power Flow with Network Reconfiguration: Congestion Management and Facilitating Grid Integration of Renewables
如今,电网中的可变可再生能源发电量大幅增长。然而,该行业仍然使用确定性优化来建模和解决实时发电调度的最优潮流(OPF)问题,该问题忽略了与间歇性可再生电力相关的不确定性。由于随机最优潮流能够考虑间歇性可再生能源的概率预测信息,因此有必要研究能够更好地处理不确定性的随机最优潮流(SOPF)。输电网络拥塞是可再生能源限电的主要原因之一。文献中的先前努力表明,利用传输网络重构可以缓解拥塞并解决拥塞引起的问题。本文通过将网络重构纳入调度模型来增强SOPF。数值模拟表明,可再生削减可以避免与建议的网络重构方案,缓解输电阻塞在事故后的情况。研究还表明,网络重构可以大大降低阻塞成本,特别是意外情况下的阻塞成本。
2019-11-29 cs.SY eess.SY math.OC
A Queueing Based Scheduling Approach to Plug-In Electric Vehicle Dispatch in Distribution Systems
在电力系统中大规模集成插电式电动汽车(PEV)可能会对现有配电系统造成严重问题,例如分支故障和显著的电压降。因此,智能充电策略对于电力系统的安全可靠运行至关重要。本文试图实现高渗透水平的PEVs与现有的配电系统基础设施,提出了一种智能充电算法,可以最佳地利用配电系统的容量。具体而言,本文提出了一种最大权重PEV调度算法来控制PEV充电率,受电力系统的物理限制。最大权重PEV调度算法被证明是吞吐量最优的非常温和的假设下,在系统中的随机动态。这表明,可以避免昂贵的分销系统基础设施升级,或者如果无法避免,至少可以成功推迟。所提出的PEV调度算法是特别有吸引力的可再生能源的集成在配电系统中,通过成功地吸收他们的不确定性。
2012-07-21 math.OC
A Multiperiod OPF Model Under Renewable Generation Uncertainty and Demand Side Flexibility
近年来,风能和太阳能等可再生能源备受关注,大量可再生能源发电正在整合到电网中。电力系统运行中的一个基本挑战是处理可再生能源发电的间歇性。提出了一种求解可再生能源发电量不确定性下多时段最优潮流问题的随机规划方法。拟议的办法包括两个阶段。在第一阶段中,确定常规发电厂的操作点。第二阶段实现可再生能源发电,并通过需求侧灵活性实现最佳适应。在一个4总线和一个39总线系统上证明和讨论了其应用的好处。数值结果表明,有限的灵活性,在需求方的潜在额外的再调度成本方面的实质性利益可以实现。最后,基于标准IEEE测试用例高达300总线的方法的缩放特性进行了分析,允许强调其计算效率。
2014-07-10 math.OC
A Deep Reinforcement Learning Based Approach for Optimal Active Power Dispatch
可再生能源和电力电子设备的随机性和动态性给现代电力系统带来了独特的挑战。一个这样的挑战是,传统的数学系统模型为基础的最优有功功率调度(OAPD)方法是有限的,在其能力来处理由可再生能源和其他系统意外事件所造成的不确定性。本文提出了一种基于深度强化学习(DRL)的方法,可以在不进行系统建模的情况下为OAPD问题提供近最优解。DRL代理经历离线训练,基于离线训练,DRL代理能够在看不见的场景下获得OAPD点,例如,不同的负载模式。在IEEE 14节点系统上对基于DRL的OAPD方法进行了测试,从而验证了其解决OAPD问题的可行性。它的效用进一步证实,它可以作为解决未来无模型AC-OPF问题的关键组成部分。
2019-08-30 eess.SP math.OC
Adaptive Robust Optimization with Dynamic Uncertainty Sets for Multi-Period Economic Dispatch under Significant Wind
风力发电作为一种对环境负责的可再生能源的特殊好处,导致风能在当今电力系统中的渗透率越来越高。这一趋势已经开始重塑电力系统运行的范式,因为处理高度间歇性和不确定性的风力发电引起的不确定性成为一个重要问题。基于此,我们提出了一个新的框架,采用自适应鲁棒优化的电力系统的经济调度与高水平的风渗透。特别是,我们提出了一个自适应鲁棒最优化模型的多周期经济调度,并引入动态不确定性集的概念和方法来构建这样的集模型的时间和空间的不确定性的相关性。我们还开发了一个仿真平台,它结合了所提出的鲁棒经济调度模型与滚动时域框架中的统计预测工具。我们已经在这个平台上进行了大量的计算实验,使用真实的风数据。结果是有前途的,并证明了我们的方法的好处,在成本和可靠性方面,现有的强大的最优化模型,以及最近的前瞻性调度模型。
2014-09-30 math.OC
A two-step approach to Wasserstein distributionally robust chance- and security-constrained dispatch
本文考虑了可再生能源发电存在时,发电机和线路同时发生事故的安全约束调度问题。由于可再生能源的不确定性建模使用联合机会约束和不匹配所造成的意外事件和可再生能源使用储备处理。我们考虑一个分布鲁棒的方法来解决机会约束规划。我们假设不确定性的样本是可用的。使用它们,我们构建了一组分布,称为模糊集,包含所有的分布,接近经验分布下的Wasserstein度量。对模糊度集中的所有分布施加机会约束,形成分布鲁棒最优化问题。这个问题是非凸的,计算量很大,难以精确求解。我们采用两步的方法来找到一个近似解。在第一步中,我们在不确定性空间中构造一个多面体集,该多面体集在模糊集中的所有分布下都包含足够的质量。这个集合是通过求解几个二维分布鲁棒问题而构造的。在第二步中,我们解决了一个线性鲁棒最优化问题的不确定性约束施加在所有的不确定性值躺在多面体集。我们使用数值实验证明了我们的方法的可扩展性和鲁棒性。
2022-08-16 cs.SY eess.SY math.OC
Network Risk Limiting Dispatch: Optimal Control and Price of Uncertainty
Stanford University(斯坦福大学)
针对高可再生能源渗透带来的不确定性,提出两阶段随机经济调度问题的解析方法,量化网络拥塞对调度和成本的影响,并推导不确定性代价。
2014-04-22 cs.IT cs.SY eess.SY
Impact of Forecast Errors on Expansion Planning of Power Systems with a Renewables Target
本文分析了生产预测误差对电力系统扩展规划的影响,并研究了市场设计的影响,以促进可再生能源发电的整合。为此,我们提出了一个随机规划建模框架,以确定扩展计划,最大限度地减少系统范围内的投资和运营成本,同时确保在电力供应的可再生能源发电的给定份额。与现有的框架不同,该框架包括前一天和平衡市场,以捕捉生产预测和相关预测误差的影响。在这个框架内,我们考虑两个典型的市场设计,本质上不同的前一天的发电计划和随后的平衡再调度是否共同优化或不。使用一个说明性的四节点的例子和一个更现实的24节点的案例研究的模型设置的主要特点和结果进行了讨论。
2014-02-28 math.OC
Optimal Participation of Heterogeneous, RES-based Virtual Power Plants in Energy Markets
在这项工作中,我们提出了一个详细的模型,可再生能源(RES)为基础的虚拟电厂(VPP),参与日前市场(DAM)和日内市场(IDM)与可调度和不可调度的RES和灵活的需求资产。我们提出了一个需求模型与两个层次的灵活性,这是与市场会话加上改进的太阳能热电厂模型与分段线性制定的效率。VPP使用网络约束的机组承诺模型来提交DAM拍卖,并因此参与IDM以纠正偏差。最后,我们通过评估其在不同天气条件下的不确定性来验证我们的模型。
2021-12-04 cs.SY eess.SY math.OC
Efficient Robust Dispatch of Combined Heat and Power Systems
热电联产系统和电力系统促进了各个能源部门之间的有效互动,以实现更高的可再生能源适应性。然而,由于可再生能源和多能源负荷存在很大的不确定性,运营策略的可行性难以保证。提出了一种基于扰动不变集扩展的热电电力系统鲁棒调度模型。该方法具有较高的计算效率,并提供了灵活和鲁棒的策略与可调的保守性水平。特别是,所提出的鲁棒调度方法通过求解名义上的不确定性的调度问题,其复杂性是相同的确定性问题,获得操作策略。考虑到时变不确定性集,通过赋予名义调度模型适当收紧的约束,增强了对不确定性的鲁棒性。为此,一种新的直接约束收紧算法的基础上的对偶范数有效地计算多周期收紧约束,而无需线性规划迭代。此外,预算的不确定性集是新的约束收紧相结合,灵活地调整稳健解的保守性水平。在一个测试系统的仿真研究中,从计算效率、决策鲁棒性和成本最优性方面证明了所提出的鲁棒方法的有效性。
2020-04-09 cs.SY eess.SY math.OC
Robust Optimal Power Flow with Wind Integration Using Conditional Value-at-Risk
将可再生能源整合到电网中需要考虑可再生能源随机可用性的智能风险感知调度。为了实现这一目标,一个强大的直流最优潮流问题,在本文中开发的电力系统具有高渗透率的风能。最优调度是作为一个凸规划的解决方案与适当的正则化,这是能够减轻潜在的高风险的风力发电不足。正则化器是基于能量交易成本,使用条件风险价值(CVaR)。该方法克服了高维积分的限制,有效地利用了无分布样本平均逼近方法来求解所得到的最优化问题。案例研究证实了新的模型和方法的有效性测试IEEE 30节点基准系统的实际运行数据从7个风电场。
2013-10-28 math.OC
A Robust Approach to Chance Constrained Optimal Power Flow with Renewable Generation
最优潮流(OPF)是在发电和输电资产运行约束条件下,以最小成本调度可控发电。间歇性可再生能源发电的不确定性和可变性对当前确定性OPF方法提出了挑战。最近的最优潮流公式使用机会约束来限制可再生能源发电不确定性的风险,然而,这些新方法通常假设表征不确定性和可变性的概率分布是准确已知的。我们制定了一个强大的机会约束(RCC)的OPF,占这些概率分布的参数的不确定性,允许他们在一个不确定性集。RCC最优潮流的求解采用了可扩展到大型电力系统的割平面算法。我们证明了RRC OPF的修改后的模型的Bonneville电力管理局网络,其中包括2209总线和176个可控发电机。确定性,机会约束(CC),和RCC的OPF配方进行比较,使用几个指标,包括成本的发电,面积控制误差,可控发电机的斜坡,输电线路过载的发生,以及各自的计算性能。
2015-08-07 math.OC
Robust Transient Stability Constrained Optimal Power Flow with Power Flow Routers Considering Renewable Uncertainties
提出了一种考虑可更新不确定性的鲁棒暂态稳定约束最优潮流问题,该问题通过协调发电再调度和潮流路由器(PFR)来解决,PFR是一种扩大最优潮流问题可行域的网侧控制器。与传统的只考虑发电调度的方法相比,该模型能更好地协调网侧和机侧控制。一个离线在线解决方案框架的开发,以有效地解决问题。在这个框架下,原来的问题是显着简化,使我们只需要解决一个低维的确定性问题,在在线阶段,以实现高鲁棒性水平的实时实现。在新英格兰39节点系统上验证了该方法的有效性。数值结果表明,该方法是有效的,具有良好的经济性和鲁棒性。
2020-05-31 cs.SY eess.SY math.OC
Pricing Energy in the Presence of Renewables
目前,电力市场在很大程度上忽视了一个事实,即可再生能源生产商对不可再生能源生产商造成了重大的外部影响。这是因为消费者通常在某些负载参数内得到电力保证。可再生能源生产商生产的间歇性意味着它们依赖于不可再生能源生产商,以使总发电量达到承诺的服务质量。这种由不可再生能源部门向消费者提供的隐性保险目前没有定价,导致从不可再生能源生产者向可再生能源生产者的经常被忽视的隐性货币转移。随着可再生能源所提供的能源比例的增加,这些外部性也在增加。在本文中,我们量化这些外部性,通过发展市场出清价格的能源存在的可再生能源。我们考虑了一个提前一天的电力市场,可再生和不可再生发电机通过向独立系统运营商(ISO)提出每单位能量的要价来投标。ISO的问题是一个多阶段的随机最优化问题,以调度来自每个发电机的能量,以最小化代表消费者购买能量的成本。我们采用条件风险值(CVAR)措施在日前的电力市场,以确保发电机能够满足所需的置信水平内的负荷方差的概念。我们解析地推导出能源的市场出清价格作为CVAR的函数。研究表明,可再生能源的渗透率越高,能源的市场出清价格越高。
2016-11-23 math.OC
Efficient Decentralized Economic Dispatch for Microgrids with Wind Power Integration
分散式能源管理在具有可再生能源的智能微电网中至关重要,原因包括环境友好性,减少通信开销和故障恢复能力。在这种情况下,目前的工作涉及分布式经济调度和需求响应倡议的并网微电网的高渗透率的风力发电。为了应对风能的本质随机可用性的挑战,一种新的能源规划方法,涉及实际的风能以及与主电网的能量交易,介绍。提出了一个随机最优化问题,以最小化微电网的网络成本,其中包括常规发电成本以及由风的不确定性引起的预期交易成本。为了绕过所涉及的过高的高维积分,利用有效的样本平均近似方法来获得具有保证收敛性的求解器。利用微电网的特殊基础设施,通过乘法器的交替方向法进一步开发了分散式算法。案例研究进行了测试,以证实新的方法的优点。
2014-01-23 math.OC
Impact of Bidding and Dispatch Models over Energy Storage Utilization in Bulk Power Systems
储能是实现低排放电力系统的关键推动因素,但需要适当的调度模型与大容量电力系统中的其他发电资源进行经济协调。本文分析了在电力市场中,不同的调度模式和竞价策略对不同时段的蓄能利用率的影响。我们利用动态规划模型,从价格预测中计算出存储的操作机会值,并将机会值结果作为设计市场报价的基础。在单周期经济调度中,我们比较了两种市场竞价和调度模型:一种是无荷电状态(SoC)约束的模型,另一种是有SoC约束的模型。我们测试两个存储调度模型,结合不同的价格预测和存储持续时间,使用历史实时价格数据从纽约独立系统运营商。我们比较利用率方面的结果,从完美的价格预测的情况下。我们的研究结果表明,虽然价格预测精度是至关重要的短期存储与小于四个小时的容量,存储时间超过12小时可以很容易地实现利用率高于80%,即使天真的提前一天的价格预测。在单周期实时调度中,将存储出价建模为依赖于SoC,将在所有持续时间情况和出价策略下提供约5%的存储利用率提高,并且由于负价格的发生率较高,较高的可再生份额可能会提高存储利用率。
2022-07-07 math.OC
Learning Optimization Proxies for Large-Scale Security-Constrained Economic Dispatch
Georgia Institute of Technology(佐治亚理工学院)
安全约束经济调度(SCED)是输电系统运营商(TSO)在保证电网可靠运行的同时,实时清除能源市场的基本优化模型。在运营不确定性日益增加的背景下,由于可再生发电机和分布式能源的渗透率增加,运营商必须持续实时监控风险,即,他们必须快速评估系统在负载和可再生能源生产的各种变化下的行为。不幸的是,考虑到实时操作的严格约束,系统地解决每个这样的场景的优化问题是不实际的。为了克服这一限制,本文提出学习SCED的优化代理,即,一个机器学习(ML)模型,可以在毫秒内预测SCED的最佳解决方案。受MISO市场清算优化的原则分析的启发,本文提出了一种新的ML管道,解决了学习SCED解决方案的主要挑战,即,负荷、可再生能源产出和生产成本的可变性,以及承诺决策的组合结构。一种新的分类,然后回归架构,还提出了进一步捕捉SCED解决方案的行为。法国传输系统的数值实验报告,并证明该方法的能力,在一个时间框架内,是兼容的实时操作,准确的优化代理,产生相对误差低于$0.6\%$。
2021-12-27 cs.LG cs.SY eess.SY
Peak-Aware Online Economic Dispatching for Microgrids
The Chinese University of Hong Kong(香港中文大学);Xi’an Jiao Tong University(西安交通大学);University of California, Riverside(加州大学河滨分校)
本文提出峰值感知在线经济调度算法,解决微电网中可再生能源波动和峰价机制带来的挑战,通过确定性和随机性算法实现最优竞争比,实验证明其在成本节约方面优于传统方法。
2015-09-30 cs.SY eess.SY math.OC
Impact of Dynamic Line Rating on Dispatch Decisions and Integration of Variable RES Energy
University of Washington(华盛顿大学);ETH Zurich(苏黎世联邦理工学院)
本文研究动态线路评级对电网中可变可再生能源接入的影响,通过高时间分辨率模拟分析了动态线路评级在高可再生能源生产比例下的集成能力。
2016-12-02 cs.SY eess.SY math.OC
Modeling Demand Flexibility of RES-based Virtual Power Plants
本文提出了一种虚拟电厂需求柔性效益评估方法。本研究中选择的灵活需求是基于可再生能源的VPP的一部分,该VPP参与日前市场(DAM)和日内市场(IDM),并具有可调度和不可调度的资产。提出了一个具有两级柔性的需求模型:第一级与DAM相关,而第二级与IDM会话相关。考虑一个12节点的网络进行仿真,以确定建模需求的灵活性VPP操作的最终影响。案例研究中考虑的市场结构类似于西班牙电力市场的不同交易大厅。结果表明,所提出的需求灵活性计划增加了VPP的整体利润,以及需求所有者的收入,而不会破坏消费者的舒适度。
2021-12-04 cs.SY eess.SY math.OC
Distributed Stochastic Market Clearing with High-Penetration Wind Power
将可再生能源整合到现代电网中需要对资源进行风险认知调度,以考虑可再生能源的随机可用性。针对这一目标,本文基于直流最优潮流(OPF),研究了高渗透率风电的日前随机市场出清问题。其目标是最大限度地减少社会成本,其中包括传统的发电成本,最终用户负效用,以及系统重新调度成本的风险措施。利用条件风险价值(CVaR),新模型能够减轻潜在的高风险的追索行动,以补偿风预测误差。由此产生的凸优化任务是通过一个基于分布的样本平均值的近似来解决的,以绕过过于复杂的高维积分。此外,为了应付可能的大规模可调度负荷,一个快速分布式求解器的开发与保证收敛使用的交替方向法的乘法器(ADMM)。在一个改进的基准系统上测试的数值结果证实了新框架和所提出的方法的优点。
2015-04-13 cs.DC math.OC
Beyond Higher-Pulse Rectification: Operational Harmonic Coordination in Renewable P2H Systems
College of Electrical Engineering, Sichuan University(四川大学电气工程学院)
针对可再生能源电转氢系统中晶闸管整流器的谐波问题,提出运行谐波协调方案,通过两层框架与分解算法实现谐波合规,可提升利润31%并降低整流成本37.5%,替代高阶整流器
2026-09-04 cs.SY eess.SY math.OC
Tertiary Regulation of Cascaded Run-of-the-River Hydropower in the Islanded Renewable Power System Considering Multi-Timescale Dynamics
为了实现农村地区的电力供应和开发清洁能源,全世界都在建设完全可再生的电力系统,包括梯级径流式水电和光伏、风能等不稳定能源。在孤岛运行模式下,初级和次级频率控制,即,水轮机调速器和自动发电控制(AGC)负责频率稳定性。然而,由于径流式水电的蓄水能力有限和河流动力学约束,在梯级电站之间没有协调的情况下,传统的固定参与因子AGC不能充分发挥梯级水电的可调节性。当不稳定的能量和负载之间发生不平衡时,甩负荷可能是不可避免的。为了解决这个问题,本文提出了一个协调的三级控制方法,联合考虑电力系统动态和河流动态耦合的梯级水电站。电力系统和河流动力学的时间尺度是非常不同的。为了统一多时间尺度动态,建立一个模型预测控制器,协调级联工厂,AGC参数和涡轮流量之间的关系在一个时间间隔内近似基于数据的二阶多项式代理模型。通过优化AGC参与因子,以滚动时域方式协调级联电厂,并使甩负荷最小化。对一个实际系统的仿真结果表明,所提出的方法可以有效地降低光伏波动下的负荷损耗。
2021-03-28 cs.SY eess.SY math.OC
Robust Distributed Fixed-Time Economic Dispatch under Time-Varying Topology
定义北美电网的集中式发电基础设施正在慢慢转向分布式架构,这是由于可再生能源和分布式能源(DER)的使用激增,例如住宅太阳能,风力涡轮机和电池存储。此外,可变的定价政策和大量的灵活负载需要从各个发电单元所需的功率输出的频繁和严重的变化,需要快速的功率分配的可用性。为此,提出了一种固定时间收敛的,完全分布式的经济调度算法,用于在一组DER之间调度最优发电。该算法结合了负荷平衡和发电容量约束。
2020-08-27 cs.SY eess.SY math.OC
A Model-Predictive Control Method for Coordinating Virtual Power Plants and Packetized Resources, with Hardware-in-the-Loop Validation
本文提出一种基于双层控制系统的模型预测控制(MPC)方法,通过协调数据包化能量管理下的分布式能源和虚拟电厂(VPP)以平衡功率干扰。该方法考虑VPP能量状态进行最优调度,有效避免了传统AGC方案导致的容量饱和问题,并在硬件在环平台上验证了其动态性能的显著提升。
2019-01-12 cs.SY eess.SY math.OC
Chance Constrained Optimal Power Flow: Risk-Aware Network Control under Uncertainty
Columbia University(哥伦比亚大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
针对可再生能源波动导致传统最优潮流(OPF)引发电网不稳定和线路过载风险的问题,提出机会约束最优潮流(CC-OPF),通过概率约束确保高概率满足运行限制并最小化经济再调度成本。
2013-02-04 cs.SY eess.SY math.OC
Flexibility Management in Economic Dispatch with Dynamic Automatic Generation Control
随着电力系统中可再生能源的快速增长,系统频率保持和控制成为大容量电力系统中维持系统可靠性的挑战性问题。经济调度(ED)和自动发电控制(AGC)作为独立系统运营商(ISO)和电力公司控制中心最重要的两项频率控制措施,其相互作用越来越受到人们的关注。在本文中,我们提出了一个鲁棒的基于优化的框架来衡量系统的灵活性,考虑两个层次的过程(即,ED和AGC)。我们提出了一个切割平面算法与重构技术,以获得七个不同的指标的系统。此外,我们还研究了几个系统因素的影响(即,运行成本预算、斜升能力和传输线路容量),并以数值方式显示这些因素如何影响系统灵活性。
2020-06-06 cs.SY eess.SY math.OC
Algorithms for Optimal AC Power Flow in the Presence of Renewable Sources
Arak University of Technology(阿拉克理工大学);CNR-IEIIT, Politecnico di Torino(都灵理工大学意大利国家研究委员会信息与通信技术研究所);The Pennsylvania State University(宾夕法尼亚州立大学)
本文研究了在可再生能源接入下最优功率流问题的核心方法与主要贡献,重点介绍了基于随机化方法的最新算法。
2019-05-23 cs.SY eess.SY math.OC
Wasserstein Distributionally Robust Look-Ahead Economic Dispatch
考虑了可再生能源发电量不确定的前瞻经济调度问题。这个问题的目标是最大限度地减少成本的传统能源发电受到不确定的操作限制。违反这些约束的风险必须低于具有与观察到的过去数据或预测类似的特征的概率分布族的给定阈值。我们提出了两个数据驱动的方法,基于两个新的数学重新制定这个分布式强大的判定问题。第一个是一个易处理的凸规划,其中的不确定性约束定义通过分布鲁棒条件风险值。第二个是一个可扩展的强大的优化程序,产生一个近似的分布鲁棒的机会约束LAED。IEEE 39节点系统的数值实验与真实的太阳能发电数据和预测说明了这些方法的有效性。我们讨论了系统运营商应该如何调整这些技术,以寻求所需的鲁棒性和性能的权衡,我们比较他们的计算可扩展性。
2020-10-31 cs.SY eess.SY math.OC
End-to-End Learning of Correlated Operating Reserve Requirements in Security-Constrained Economic Dispatch
Massachusetts Institute of Technology(麻省理工学院);Energy Trading Analytics, LLC(能源交易分析有限责任公司)
本文提出通过端到端训练解决安全约束经济调度中相关备用需求的设计问题,采用鲁棒优化方法学习备用集形状以最小化调度成本,结合分布估计与校准技术实现有限样本覆盖。
2026-04-06 cs.SY eess.SY math.OC
Learning a local trading strategy: deep reinforcement learning for grid-scale renewable energy integration
Georgia Institute of Technology(佐治亚理工学院)
本文研究利用深度强化学习运行与太阳能同址部署的电网规模电池,实验表明其平均达到理论最优的61%(最高96%),优于先进控制方法,并能更有效地转移太阳能至高峰时段及提高调度多样性。
2024-11-23 cs.AI cs.LG cs.SY