XiaoMi-AI文件搜索系统
World File Search System调度模型
微电网经济优化调度策略...
供电与供热系统的联系不断加强，关于热电联产微电网优化的研究也陆续出现。[1]提出了一种含风电、储能和热电联产机组的微电网多时间尺度优化模型。[2]和[3]利用电锅炉解耦热定额约束，解决了电力系统范围外火电厂的风电消纳问题。[4]在热电联产微电网中引入光热发电站辅助系统运行，为解决光伏发电问题提供了有效途径。[5]—[9]提出了一种电热联合调度模型，利用储热设备增加热电联产机组的弹性。文献 [10][11] 总结了光伏发电与热电联产的组合运行，一般配备一定容量的储热以补偿光伏电力输出的不稳定性。文献 [12] 总结了配备大储热容量的电热系统应对可再生能源消纳问题的应用前景。文献 [13]-[15] 提出了风储联合运行系统，具有一定的可调度性，但储能成本较高，实际应用中需慎重考虑。上述文献对热电联产微电网的讨论，均未考虑微电网运行中的需求响应。
水力抽水蓄能系统的制定和应用
我们提出了一个经过校准的英国电力市场机组承诺调度模型，该模型应用于英国现有的四个水力抽水蓄能 (PS) 站的经济分析。更多可变可再生电力 (VRE) 会增加 PS 利润，具体数额取决于发电结构。在煤炭占很大比例的情况下，VRE 每增加 1 个百分点 (pp) 可使 PS 总利润平均增加 2.3 pp。在更灵活的系统中，要实现类似的盈利能力，风能和太阳能占供应量的比重应上升到 60% 以上。灵活性不强且 VRE 高的煤炭会增加价格波动，从而推动 PS 套利收入。更高的系统灵活性可以平滑 VRE 变化并限制 PS 价格套利，从而增加 PS 平衡和辅助服务收入的作用。 2015 年至 2022 年期间，22 个 PS 站在管理输电限制方面表现不佳，但在 2022 年提供了 18% 的快速备用、响应和其他备用服务。将价格套利的模拟收入和 2022 年的平衡和辅助服务收入与持续的固定成本相加，表明现有的四个 PS 站利润颇丰。然而，如果没有更多的平衡和辅助服务市场机会，这些收入将不足以支付新的 600 兆瓦 PS 站的资本支出和运营支出。
混合能源系统的技术控制和优化调度策略
摘要：优化调度是混合能源系统 (HES) 优化的一个主要问题。由于可再生能源技术的资本成本高昂，高效且有效的调度模型至关重要，该模型能够以最低净现值成本 (NPC) 满足负载需求。多种能源混合优化 (HOMER) 软件固有的调度算法、循环充电 (CC) 和负载跟踪 (LF) 对于建模和优化 HES 非常有用。在这些控制策略中，在每个时间步骤使用燃料电池系统 (FC) 或电池储能系统 (BES) 的决定都是基于最低成本选择。此外，FC 与 BES 同时运行会降低 FC 的运行效率。这些缺陷会影响 HES 的优化设计。本研究介绍了一种调度算法，该算法专门设计用于通过最大限度地利用 FC 而不是 HES 的其他组件来最小化 NPC。该框架解决了原生 HOMER 调度算法的调度缺陷。 MATLAB 版本 2021a，Mathworks Inc.，美国马萨诸塞州纳蒂克 HOMER 软件中的 Link 功能用于实现所提出的调度 (PD) 算法。结果表明，与 CC 和 LF 控制调度策略相比，PD 可节省 4% 的成本。此外，FC 约占 HES 总发电量的 23.7%，高于 CC (18.2%) 和 LF (18.6%)。开发的模型在优化 HES 以实现最小 NPC 和高效能源管理时可为工程师和利益相关者带来益处。
网络重构与移动能源的协调……
主动配电网 (ADN) 能够主动控制网络拓扑、分布式发电 (DG) 输出和需求响应 (DR) 资源，因此在网络恢复服务中具有巨大应用潜力。然而，由于 DG 和 DR 资源在地理上的分散性，当应用于风暴、地震和洪水等自然灾害时，其效用可能会受到限制。此外，可再生能源的不断使用带来了波动和不确定性，阻碍了 ADN 在灾害期间实现可靠的能源调度。移动储能系统 (MESS) 机组可用于经济地为网络恢复服务提供灵活的应急电源。MESS 还可以对冲负载和 DG 输出预测风险。本文提出了一种新的协调网络重构和 MESS 机组调度模型，考虑了 DG 输出和负载预测的不确定性，以提高 ADN 在灾难后的恢复能力。MESS 行驶策略由扩展的运输延迟模型建模。然后，提出了一种新的确定性网络恢复模型，该模型结合了 MESS、固定储能系统、DG、DR 和网络重构，并使用混合整数线性规划进行编程。然后，采用椭圆不确定性集来描述负荷和 DG 输出预测的不确定性，并基于确定性网络恢复模型提出了一种鲁棒网络恢复模型。在中国 59 节点农村配电系统中验证了所提出的确定性和鲁棒性网络恢复模型。
结合电池退化模型的混合可再生能源和电池系统调度优化模型
近年来，现有电网中可再生能源系统的整合度不断提高，加上缺乏综合调度模型，导致了电力浪费。本文提出了一种混合可再生发电机加电池系统的混合整数非线性优化模型，目标是最大化长期利润。先前的研究表明，电池的高和低充电状态 (SOC) 都会损害其使用寿命，并会导致电池容量随时间降低。此外，增加充电和放电循环次数也会导致容量降低。本文对这两个因素进行了建模，并将容量损失与 SOC 和电池完成的循环次数联系起来。容量损失在优化模型的目标函数中受到惩罚，从而不鼓励高和低 SOC 以及频繁循环。滚动时间范围优化方法用于克服在长期时间范围内实现全局最优的计算困难。通过考虑电池退化，该模型能够最大限度地提高电力调度到电网的利润，同时最大限度地延长电池的使用寿命。本文使用考虑多种电池容量的光伏系统发电时间序列样本，在案例研究中运用了该模型。结果表明，与在调度决策中忽略电池退化的传统模型相比，最佳电池寿命有所延长。最后，我们分析了电池操作决策与由此产生的容量衰减之间的关系。[DOI：10.1115/1.4052983]
可变可再生能源参与美国辅助服务市场的经济评估
可变可再生能源（VRE）尚未有意义地参与美国辅助服务（AS）市场。vre参与AS Markets可以为VRE资源所有者提供新的收入来源，以抵消能源和容量价值的下降，并为电力系统运营商解决新兴系统限制的新工具。本文使用价格制剂调度模型和历史价格来估算独立和混合（电池配对）VRE参与AS市场的经济价值，从资源所有者和电力系统的角度来看，在美国七个独立系统操作员和区域传输机构（ISO/RTO）市场中的每个人中的每个人中，均设有良好的服务价格。在ISO/RTO市场中，平均（2015 - 2019年）模拟了电力调节市场参与的增量收入为0.0 - 2.9/MWH（ + 0 - 无参与的收入的 + 0 - 15％）的独立VRE所有者和$ 1 - 33/MWH（ + 1 - 69％）的Hybrid VRE所有者。但是，ISO/RTO储备市场相对较薄，并且有可能被目前处于ISO/RTO互连队列中的储能项目饱和。在大多数市场中，独立和混合动力VRE可以在高电力监管价格的时期内提供电力法规储备，这表明VRE参与AS市场可能具有较高的系统价值。分析强调了单独的向上和向下功率调节产品的相关性，并表明ISOS/RTO可能会考虑最初专注于启用AS的混合VRE提供。
需求响应的随机优化调度-...
在能源生产向清洁、可持续方向转变的背景下，微电网成为解决环境污染和能源危机问题的有效途径。随着可再生能源的渗透率不断提高，如何协调需求响应和可再生能源发电是微电网调度领域的关键和挑战性问题。为此，本文提出了一种考虑多利益相关方的孤立微电网双层调度模型，其中下层模型和上层模型分别以实时电价环境下用户成本和微电网运行成本最小化为目标。为了求解该模型，本研究结合Jaya算法和内点法（IPM），开发了一种混合分析-启发式求解方法（称为Jaya-IPM），其中下层和上层分别由IPM和Jaya解决，并通过两层之间的迭代获得调度方案。之后上层模型更新的实时电价和下层模型确定的用电计划通过实时定价机制在上下层之间交替迭代，直至得到最优调度计划。试验结果表明，所提方法能够协调可再生能源发电的不确定性和需求响应策略，实现微网和用户的利益平衡；并且利用需求响应可以充分利用负荷侧的灵活性，在保持供需平衡的同时实现调峰。此外，实验证明Jaya-IPM算法在优化结果和计算效率方面优于传统的混合智能算法（HIA）和CPLEX求解器。与HIA和CPLEX相比，所提方法使微网净收益分别提升10.9%和11.9%，用户成本降低6.1%和7.7%；计算时间分别减少约90%和60%。
可变可再生能源参与美国辅助服务市场的经济评估
可变可再生能源（VRE）尚未有意义地参与美国辅助服务（AS）市场。vre参与AS Markets可以为VRE资源所有者提供新的收入来源，以抵消能源和容量价值的下降，并为电力系统运营商解决新兴系统限制的新工具。本文使用价格制剂调度模型和历史价格来估算独立和混合（电池配对）VRE参与AS市场的经济价值，从资源所有者和电力系统的角度来看，在美国七个独立系统操作员和区域传输机构（ISO/RTO）市场中的每个人中的每个人中，均设有良好的服务价格。在ISO/RTO市场中，平均（2015 - 2019年）模拟了电力调节市场参与的增量收入为0.0 - 2.9/MWH（ + 0 - 无参与的收入的 + 0 - 15％）的独立VRE所有者和$ 1 - 33/MWH（ + 1 - 69％）的Hybrid VRE所有者。但是，ISO/RTO储备市场相对较薄，并且有可能被目前处于ISO/RTO互连队列中的储能项目饱和。在大多数市场中，独立和混合动力VRE可以在高电力监管价格的时期内提供电力法规储备，这表明VRE参与AS市场可能具有较高的系统价值。分析强调了单独的向上和向下功率调节产品的相关性，并表明ISOS/RTO可能会考虑最初专注于启用AS的混合VRE提供。
基于条件的飞机机队维护计划优化模型比较研究
摘要：在考虑一组系统的健康预测的同时，在破坏性环境中对飞机机队进行基于条件的维护 (CBM) 调度是一个非常复杂的组合问题，鉴于健康预测中包含的不确定性，该问题变得更具挑战性。此类问题属于不确定条件下资源受限调度问题的大类，通常使用混合整数线性规划 (MILP) 公式来解决。虽然 MILP 框架非常有前景，但问题规模可以随着考虑的飞机数量和考虑的任务数量呈指数级增长，从而导致计算成本显着增加。人工智能的最新进展已经证明了深度强化学习 (DRL) 算法能够缓解这种维数灾难，因为一旦 DRL 代理经过训练，它就可以实现维护计划的实时优化。但是，不能保证最优性。文献中尚未讨论 MILP 和 DRL 公式在飞机机队维护调度问题中的比较优点。本研究是对这一研究空白的回应。我们对 MILP 和 DRL 调度模型进行了比较，这两个模型用于在破坏性环境中为不同规模的飞机机队的各种维护场景得出最佳维护计划，同时考虑健康预测和执行每项任务的可用资源。根据根据实际航空公司实践定义的四个规划目标来评估解决方案的质量。结果表明，DRL 方法在预测驱动任务的调度方面取得了更好的结果，并且需要更少的计算时间，而 MILP 模型可以产生更稳定的维护计划并减少维护地面时间。总体而言，该比较为将健康预测整合到航空公司维护实践中提供了宝贵的见解。
应用能源 - NSF-PAR
描述不同电力资源组合在实现电力脱碳目标方面的优缺点是一个活跃的研究领域。然而，许多系统级评估都是在最小化电力成本的基础上评估不同的组合，而没有考虑区域环境外部性。加利福尼亚州是一个人口密集的地区，既有积极的电力脱碳政策，又有水资源短缺问题，预计在气候变化下这些问题会恶化，这是一个有趣的案例研究，可用于评估电力脱碳成本与水资源消耗之间的权衡。因此，本研究结合了电网调度模型和区域生命周期淡水消耗数据，比较了四种电力组合情景下的州内淡水消耗和平准化电力成本，这些情景旨在到 2045 年实现加利福尼亚州的零碳电力，符合现行法律（加州参议院第 100 号法案）。在模拟情景中，我们发现成本最低的是具有较低储能容量需求的组合，这些组合由高容量系数和可调度的可再生能源实现。然而，由于严重依赖地热资源，这些组合也导致淡水消耗量高。相比之下，淡水消耗量最低的组合完全依赖风能、太阳能和水力发电，与成本最低的组合相比，淡水消耗量减少了一个数量级。由于容量系数较低，供需匹配难度较大（增加了能源储存需求），这种组合使电力平准成本增加了 30%。总体而言，我们的结果表明，在实现零碳电力目标时，优先考虑低电力成本以及其他与气候相关的标准（如淡水消耗），将产生与仅仅考虑成本截然不同的电力组合。