XiaoMi-AI文件搜索系统
World File Search System系统优化
智能电网储能系统优化规划与效益评估方法综述
摘要：智能电网是电力系统发展的终极目标，随着高比例可再生能源的接入，储能系统以其能量的转移能力成为智能电网建设中的关键一环。本文首先总结了高比例新能源发电给智能电网带来的挑战，回顾了智能电网环境下现有储能技术的分类以及储能技术在智能电网中的实际应用作用；其次，分析了储能技术在电网侧、用户侧、新能源侧三种主要应用场景下的优化规划与效益评估方法，指出了当前研究的优势与不足；最后，提出了储能规划中亟待进一步研究的问题；最后，对未来应用推广过程中需要关注的问题进行了详细阐述，以对储能技术在智能电网中的应用有一个全面的认识。
不平衡不确定条件下电池存储系统优化规划的随机线性规划
摘要 — — 电池储能系统 (BESS) 已被研究用于处理电力系统 (如负载和可再生能源) 的不确定参数。然而，在电网不平衡运行下，BESS 尚未得到适当的研究。本文旨在研究电网不平衡不确定条件下 BESS 的建模和运行。所提出的模型管理 BESS 以优化能源成本，处理负载不确定性，同时解决不平衡负载。对三相不平衡不确定负载进行建模，并利用 BESS 在每相上产生单独的充电/放电模式以消除不平衡情况。以 IEEE 69 节点电网为例进行研究。负载不确定性由高斯概率函数开发，并采用随机规划来处理不确定性。该模型被制定为混合整数线性规划，并通过 GAMS/CPLEX 进行求解。结果表明，该模型能够同时处理不平衡不确定条件，最小化运行成本，并满足电网各项安全约束。
考虑需求响应的电力-氢能储能混合系统优化规划
摘要：近年来随着可再生能源发电技术的不断发展,分布式电源(DG)的使用比例过大导致配电网稳定性下降,同时传统配电网运行模式无法保持源荷平衡,而有源配电网(ADN)的运行模式可以有效减缓DG比例过高导致的运行稳定性下降。因此,本文提出了一种考虑需求响应(DR)的ADN电氢混合储能系统(ESS)规划双层模型。上层以负荷波动最小、用户购电成本满意度最大、用户舒适度最高为目标;基于电价弹性矩阵模型,得到下层ESS规划的最优电价制定策略;在下层,以ESS全寿命周期成本(LCC)、ADN电压波动、负荷波动最小为目标,得到最优ESS规划方案。最后采用MOPSO算法对模型进行测试，并通过扩展的IEEE-33节点测试系统验证了所提方法的正确性，仿真结果表明电压波动降低了62.13%，负荷波动降低了37.06%。
基于强化学习的城市轨道交通储能系统优化充放电调度算法节省电价
摘要 为节省韩国城市铁路电价，本文提出了基于强化学习的储能系统充放电优化算法。通过强化学习，按照电价单位对储能系统充放电计划进行优化，降低峰值电力需求，以节省电价。为此，对包括储能系统、电价以及根据储能系统运行而变化的电价的城市铁路系统进行了建模。还通过DQN算法对代理进行强化学习，以降低峰值电力需求。利用配备储能系统的城市铁路实际线路运行数据进行学习。在这次强化学习中，大约399个（45.3%）错误数据被删除，481个（54.7%）正常数据被提取。通过强化学习，最大峰值电力需求从2,982.4 kW降低了100 kW，达到目标值当峰值电力需求在2600kW以下时，在电价便宜的时候充电，在电价昂贵的时候放电，从而节省总电价。
含空调资源的智能微电网电池储能系统优化配置
摘要 —在光伏高渗透率的微电网中，电池储能系统 (BESS) 的优化定型是近年来的热门研究课题。同时，目前空调家庭的高能耗也受到越来越多的关注。本文针对具有光伏系统和空调资源的智能微电网开发了一种 BESS 优化定型方法。所提出的模型分为两层。在第一层中，考虑光伏输出功率和空调家庭的热缓冲特性来确定 BESS 的初始规模。在第二层中，提出 BESS 的最优规模以最小化系统总成本，包括 BESS 建设投资和微电网系统运行成本。该模型采用差分进化算法和迭代算法进行求解。案例研究证明了所提出方法的有效性。
分布式储能系统优化配置以提高电压稳定性并最大程度降低总成本
通过增加储能系统 (ESS) 可以提高配电网的能源效率。这些系统的战略布局和适当大小有可能显著提高网络的整体性能。适当尺寸和战略位置的储能系统有可能有效解决峰值能源需求，优化可再生和分布式能源的增加，协助管理电能质量并降低与扩大配电网相关的费用。本研究提出了一种利用蒲公英优化器 (DO) 来找到配电网中 ESS 的最佳位置和大小的有效方法。目标是降低系统的年度总成本，其中包括与功率损耗、电压偏差和峰值负荷需求相关的费用。本研究中概述的方法在 IEEE 33 总线配电系统上实施。将所提出的 DO 获得的结果与原始系统的结果进行对比，以说明 ESS 位置对总体成本和电压曲线的影响。此外，还对 Ant Lion 优化器 (ALO) 的结果和预期的实验设计 DO 进行了比较，结果显示 DO 比 ALO 节省了更多成本。所推荐方法的简单性和解决所研究优化问题的有效性使所获得的 ESS 位置和大小有利于在系统内实施。
基于最大化自耗策略和遗传算法的电池储能系统优化运行计划综合评价模型
摘要：当太阳能电池板无法产生足够的能量时，建立储能系统是有益的。然而，在可行性和效率方面存在一个重大问题。这些限制可以通过部署最佳运行策略来克服。在以前的研究中，研究人员通常专注于在这种情况下寻找解决问题的策略，只有一两个评估指标，缺乏对综合目标的全面评估。此外，很少有研究提出适用于具有不同能源需求特征的基于预测的运行场景的电池系统通用模型。因此，本研究开发了一个电池储能系统运行计划优化的综合评估模型，该模型具有详细、全面的分析以及实施的实用性。为了尽可能迅速、完全地消耗光伏发电的最大允许速率，该模型基于最大化自耗策略 (MSC)。采用遗传算法对光伏发电和负载需求进行时间匹配，充分考虑综合技术经济指标和总运行成本。该模型在典型的美国房屋中进行了验证，根据所分析的三种电池的技术经济指标选择最佳电池系统。研究发现，Discover AES、Electriq PowerPod2 和 Tesla Powerwall+ 这三种电池都可以作为储能选项，在短时间充电和放电阶段，它们的技术性能存在细微差别。Discover AES 的优势在于，在电池储能系统长期运行期间，可以及时利用光伏发电来满足负载需求。通过机器学习方法正确预测建筑能源需求，可以进一步扩展模型的稳健性和预测性能。机器学习方法被证明可行，可以使我们的优化模型适应具有不同能源需求特征的各种电池存储场景。这项研究在两个方面具有创新性。首先，使用 MSC 策略的遗传算法进行分层优化。其次，将机器学习方法与遗传算法结合使用，对预测计划进行在线优化。此外，本文提出的制定最佳运行计划的方法具有三大优点，即：通用性、实施方便和可扩展性好。然而，电池储能系统的充电和放电性能是在短期运行和常规太阳辐射下模拟的。未来应研究考虑太阳波动的长期运行。
使用倒数近似动态编程的混合储能系统优化风电厂的交易决策
这是“作者接受的手稿”版本的版本：Finnah，Benedikt /Gönsch，Jochen（2021）使用倒退近似动态编程优化风力发电厂的交易决策。国际生产经济学杂志，238，108155。最终文章版本（记录的版本）可在以下网址获得：https：//doi.org/10.1016/j.ijpe.2021.108155
回顾近期独立和电网集成混合可再生能源系统：系统优化和能源管理策略
[39] 2018 ✗ ✓ ✗ ✓ ✗ ✗ BB ✗ ✗ BB ✗ ✗ ✗ ✗ ✗ [40] 2018 ✓ ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✗ ✗ ✗ ✓ ✗ ✗ ✗ ✗ [41] 2017 ✓ ✗ BB ✗ ✓ ✓ ✓ BB ✓ ✓ ✓ ✗ ✗ ✓ ✗ [42] 2016 ✓ ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✗ ✗ ✗ ✗ ✗ ✗ [43] 2016 ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✗ ✓ ✓ ✓ ✓ ✗ ✓ ✗ ✓ ✗ ✓ [44] 2016 ✓ ✗ ✗ ✗ ✗ ✓ ✓ BB ✓ BB ✗ ✓ ✗ ✗ [45] 2016 ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✓ ✓ BB ✗ ✗ ✓ ✗ B
考虑可再生能源和内部负荷不确定性的综合社区能源系统优化进化调度
摘要：面向未来可再生能源高渗透率的综合能源系统发展，提出了一种包含各种可再生能源和能量转换单元的综合社区能源系统 (ICES) 调度模型。构建了基于传统能源枢纽 (EH) 模型的 ICES 能量耦合矩阵。用多区间不确定性集 (MIUS) 刻画可再生能源和内部负荷长期预测数据的不确定性。为了应对可再生能源和内部负荷不确定性带来的影响，整个调度过程分为两个阶段。考虑到 ICES 的各种约束，我们在第一阶段通过改进的粒子群优化 (IPSO) 算法求解调度模型。然后在第二阶段提出最优进化调度来克服短期预测数据的演变和误差并获得最优调度计划。通过考虑巨大不确定性的算例证明了所提出的调度方法的有效性。与传统方法相比，所提调度方法有效降低了系统运行成本，提高了环境效益，实现了能源公司和用户的双赢。