能源需求量不斷增長(zhǎng),傳統(tǒng)能源日漸枯竭,環(huán)境污染日益嚴(yán)重等問題驅(qū)使可再生能源發(fā)電受到越來越多的關(guān)注。如何提升配電網(wǎng)對(duì)可再生能源的消納能力是新時(shí)期智能電網(wǎng)發(fā)展的重要內(nèi)容。傳統(tǒng)配電網(wǎng)無法應(yīng)對(duì)大規(guī)�？稍偕茉床⒕W(wǎng)問題,主動(dòng)配電網(wǎng)技術(shù)應(yīng)運(yùn)而生。主動(dòng)配電網(wǎng)通過先進(jìn)的測(cè)量、通信、智能控制等技術(shù)進(jìn)行系統(tǒng)內(nèi)分布式電源、儲(chǔ)能、負(fù)荷等的協(xié)調(diào)控制,實(shí)現(xiàn)配電網(wǎng)潮流的有效管理,對(duì)于促進(jìn)可再生能源的大規(guī)模并網(wǎng)和高效利用具有重要的現(xiàn)實(shí)意義。主動(dòng)配電網(wǎng)優(yōu)化調(diào)度策略是實(shí)現(xiàn)分布式資源有效控制和保障系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行的核心技術(shù)。但是隨著間歇性可再生能源滲透率的提高,不確定性因素增加導(dǎo)致配電網(wǎng)調(diào)度更加困難。并且,儲(chǔ)能和柔性負(fù)荷具有不同時(shí)間段上的耦合性,包含各類約束條件,參與主動(dòng)配電網(wǎng)調(diào)度后,需要進(jìn)行調(diào)度周期內(nèi)多時(shí)段的綜合優(yōu)化,配電網(wǎng)優(yōu)化調(diào)度的控制維度和尋優(yōu)空間變得更加復(fù)雜。因此,主動(dòng)配電網(wǎng)優(yōu)化調(diào)度的控制變量、目標(biāo)函數(shù)、約束條件與傳統(tǒng)電網(wǎng)調(diào)度相比,都發(fā)生了很大變化,基于傳統(tǒng)最優(yōu)潮流的優(yōu)化調(diào)度模型和方法在主動(dòng)配電網(wǎng)中無法直接使用。基于上述背景,本文以提高經(jīng)濟(jì)性、節(jié)能減排、減小網(wǎng)損、提高電壓質(zhì)量為目的,對(duì)分布式儲(chǔ)能參與場(chǎng)景下的... 

【文章頁數(shù)】：116 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 選題背景和研究意義
    1.2 電力系統(tǒng)優(yōu)化調(diào)度研究現(xiàn)狀
        1.2.1 確定性優(yōu)化調(diào)度
        1.2.2 不確定性優(yōu)化調(diào)度
    1.3 主動(dòng)配電網(wǎng)優(yōu)化調(diào)度研究現(xiàn)狀
        1.3.1 儲(chǔ)能應(yīng)用技術(shù)研究
        1.3.2 需求側(cè)響應(yīng)技術(shù)研究
        1.3.3 主動(dòng)配電網(wǎng)優(yōu)化調(diào)度方法
        1.3.4 智能優(yōu)化求解算法
    1.4 本文研究目的和內(nèi)容
2 多目標(biāo)HTL-MOPSO優(yōu)化算法
    2.1 引言
    2.2 基本PSO和TLBO算法
    2.3 多目標(biāo)HTL-MOPSO算法
        2.3.1 混合HTL-PSO搜索策略
        2.3.2 循環(huán)擁擠排序策略
        2.3.3 領(lǐng)導(dǎo)粒子選擇策略
        2.3.4 多目標(biāo)HTL-MOPSO算法實(shí)現(xiàn)
    2.4 多目標(biāo)HTL-MOPSO性能測(cè)試
        2.4.1 評(píng)價(jià)指標(biāo)和測(cè)試函數(shù)
        2.4.2 算法結(jié)果與討論
    2.5 各策略獨(dú)立性能測(cè)試
        2.5.1 混合HTL-PSO搜索策略
        2.5.2 循環(huán)擁擠排序策略
        2.5.3 參數(shù)選擇
    2.6 本章小結(jié)
3 分布式儲(chǔ)能在主動(dòng)配電網(wǎng)中的多目標(biāo)優(yōu)化配置方法
    3.1 引言
    3.2 分布式儲(chǔ)能的多目標(biāo)優(yōu)化配置模型
        3.2.1 儲(chǔ)能模型
        3.2.2 目標(biāo)函數(shù)
        3.2.3 約束條件
        3.2.4 雙層優(yōu)化模型
    3.3 基于HTL-MOPSO算法的模型求解
        3.3.1 約束條件處理
        3.3.2 模型求解流程
    3.4 仿真算例分析
        3.4.1 儲(chǔ)能配置結(jié)果分析
        3.4.2 優(yōu)化運(yùn)行結(jié)果分析
        3.4.3 算法對(duì)比分析
    3.5 本章小結(jié)
4 含分布式儲(chǔ)能的主動(dòng)配電網(wǎng)魯棒多目標(biāo)優(yōu)化調(diào)度方法
    4.1 引言
    4.2 經(jīng)濟(jì)環(huán)境優(yōu)化調(diào)度模型
        4.2.1 目標(biāo)函數(shù)
        4.2.2 儲(chǔ)能約束條件
        4.2.3 其他約束條件
    4.3 考慮可再生能源不確定性的魯棒經(jīng)濟(jì)環(huán)境優(yōu)化調(diào)度
        4.3.1 基于worst-case的魯棒多目標(biāo)優(yōu)化
        4.3.2 配電網(wǎng)魯棒經(jīng)濟(jì)環(huán)境優(yōu)化調(diào)度
        4.3.3 風(fēng)電不確定性場(chǎng)景生成方法
    4.4 基于HTL-MOPSO算法的模型求解
        4.4.1 約束條件處理
        4.4.2 優(yōu)化模型求解流程
    4.5 仿真算例分析
        4.5.1 不同風(fēng)電誤差優(yōu)化結(jié)果對(duì)比
        4.5.2 魯棒性分析
        4.5.3 儲(chǔ)能效益分析
        4.5.4 算法對(duì)比分析
    4.6 本章小結(jié)
5 主動(dòng)配電網(wǎng)中“源-網(wǎng)-荷-儲(chǔ)”多目標(biāo)協(xié)調(diào)優(yōu)化調(diào)度方法
    5.1 引言
    5.2 基于價(jià)格彈性的需求響應(yīng)建模
        5.2.1 需求價(jià)格彈性理論
        5.2.2 基于分時(shí)電價(jià)的需求響應(yīng)建模
    5.3 考慮需求響應(yīng)的主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度模型
        5.3.1 目標(biāo)函數(shù)
        5.3.2 需求響應(yīng)約束條件
        5.3.3 儲(chǔ)能約束條件
        5.3.4 其他約束條件
    5.4 基于HTL-MOPSO算法的模型求解
        5.4.1 約束條件處理
        5.4.2 模型求解流程
    5.5 仿真算例分析
        5.5.1 削峰填谷效果分析
        5.5.2 Pareto最優(yōu)解分析
        5.5.3 儲(chǔ)能效益分析
        5.5.4 系統(tǒng)功率分配分析
        5.5.5 算法對(duì)比分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄
    A.作者在攻讀博士學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀博士學(xué)位期間參加的科研項(xiàng)目



本文編號(hào)：3670274