【摘 要】
：
针对风电的不确定性对电网调度的经济和安全运行造成影响的问题,充分考虑储能灵活充放电的运行优势,提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法.本文
【机 构】
：
国网湖南省电力有限公司技术技能培训中心(长沙电力职业技术学院),湖南长沙410131;国网湖南省电力有限公司长沙供电分公司,湖南长沙410004;湖南大学电气与信息工程学院,湖南长沙410082;华南
论文部分内容阅读
针对风电的不确定性对电网调度的经济和安全运行造成影响的问题,充分考虑储能灵活充放电的运行优势,提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法.本文综合考虑有功调度与无功优化之间的内在耦合关系,以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标,建立多目标区间储能经济调度优化模型.在优化过程中,首先考虑在直流潮流的区间调度模型中,通过优化储能和发电机的有功出力来实现对风电不确定性的处理,然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化,从而获得兼顾电网安全性与经济性的均衡最优解.本文还从风电的不同区间波动以及风电场并网规模的角度出发,分析了对系统储能调度运行的影响.最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的Pareto最优解进行对 分析,可避免确定权重因子时的人为主观因素.本文通过对IEEE RTS–24节点系统进行算例仿真,验证了所提模型的合理性和可行性.
其他文献
本文研究通信范围有限的智能体群组编队问题,探索网络攻击下多智能体系统弹性均值趋同控制策略.现有的工作表明,多智能体系统可通过维持一个所谓r–鲁棒的通信网络,实现分布式弹性趋同控制器的设计.然而,传统的方法中只有当单个智能体的通信范围足够大时,才能使网络满足r–鲁棒这一特定条件.本文利用智能体可移动的特性放宽了对通信范围的要求,通过小组化和模块化的设计思想以及相应的编队策略,让智能体沿预设轨道做周期性运动,从而达成具有r–鲁棒的通信网络,并基于该通信网络提出了一种分布式弹性均值趋同控制方法.此外,分析给出了
近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至
针对固定节点数的渐近最优快速扩展随机数算法(RRT*FN)精度低、收敛到最优值速度慢等问题,提出一种改进的RRT*FN路径规划算法,并用于解决二维静态环境下的移动机器人全局路径规划问题.首先,改进算法使用与RRT*FN算法相同的均匀采样方法进行路径搜索,当搜索到一条初始路径时,在之后的路径规划中使用启发式采样方法.在之后的每次迭代中,改进算法在椭圆子集采样方法与路径点邻近区域采样方法中随机选择一种
针对受扰非线性多智能体网络,研究分布式鲁棒包容控制方法.采用微分博弈理论将有界L2增益包容控制问题描述成多玩家零和博弈问题.对于每个跟随者,当至少有一个领航者与其存在有向路径通信时,基于局部邻居信息定义每个跟随者的性能指标,从而得出包容误差L2有界且零和博弈解存在的结论.在系统动态完全未知的情况下,采用积分强化学习算法和执行-评价-干扰网络,在线得到近似最优策略.仿真结果表明了所提出方案的有效性和正确性.
针对通讯受限条件下大规模移动机器人编队任务,本文提出了基于行为的分布式多机器人线形编队控制和避障算法.机器人个体无需获得群体中所有机器人的信息,而是根据传感器获取的环境信息和局部范围内的机器人信息对其自身的调整方向进行预测,并最终很好地完成了设定的编队及避障任务.由于本文方法需求的通讯量不大,并且采用分布式控制,因此该方法适用于大规模的机器人集群编队任务.文中还给出了本系统的稳定性分析,证明了系统的稳定性.实验结果表明该算法使得机器人能够仅通过局部信息形成线形编队,在遇到障碍物后能够灵活避开障碍物,并且在
针对机械臂对尺寸变换、形状各异、任意位姿的未知物体抓取,提出一种基于多层级特征的单阶段抓取位姿检测算法,将物体抓取位姿检测问题视为抓取角度分类和抓取位置回归进行处理,对抓取角度和抓取位置执行单次预测.首先,利用深度数据替换RGB图像的B通道,生成RGD图像,采用轻量型特征提取器VGG16作为主干网络;其次,针对VGG16特征提取能力较弱的问题,利用Inception模块设计一种特征提取能力更强的网
针对多AUV编队控制的模型参数不确定及未知海流干扰的问题,提出基于固定时间模糊干扰观测器的事件触发编队控制方法,该方法可保证编队控制在固定时间内收敛.首先,构造了固定时间模糊干扰观测器处理系统的集总扰动,实现固定时间内对扰动的精确估计.在扰动观测器的基础上,将指令滤波器与反步法结合,消除了多次求导产生的计算爆炸问题;其次,为了降低网络传输资源能耗,将事件触发机制引入多AUV编队控制中,设计具有固定
用户侧分布式储能是电网潜在的优质调频资源,它们的闲余时间和闲余电量未能得到很好的利用.本文以分布式储能集群为研究对象,基于状态势博弈理论提出了一种完全分布式的协同优化算法,实现分布式储能有效汇聚参与电网一次调频.为适应分布式储能频繁退出/参与调频辅助服务,本文首先将分布式储能一次调频问题转化为状态势博弈,依据分布式储能汇聚特点与需求,建立了分布式储能的行为逻辑与互动机制.在事件驱动机制下,使得分布式储能自适应地通过相互博弈来动态调整自身策略,保证分布式储能集群单位调节功率的充足与稳定.最后给出了交流微电网
本文研究了多运动体系统中领航者(leader)和跟随者(follower)同时受扰条件下的跟踪控制问题.针对3–DOF直升机模型的角度轨迹协同跟踪任务,设计并验证了基于跟随者不确定因素和外部领航者干扰同时补偿的分布式鲁棒算法.分别通过不确定与干扰估计器和扩张状态观测器实现对内外扰动的估计与补偿,恢复了标称系统的跟踪性能.证明了闭环估计误差和跟踪误差的最终界大小与估计器核心参数值的单调关系,同时给出了系统实现渐近跟踪的条件.利用数字仿真实验和“虚实结合”实验验证了内外干扰同时补偿的必要性和参数调节机制的
本文以移动机器人为研究对象,仅利用方位角信息实现多智能体系统的编队控制.为实现大规模编队和队形的缩放控制,智能体被分为领航者、第1跟随者以及其余跟随者.首先,考虑智能体之间相对位置信息难以精确测量的情形,设计仅用方位角信息的估计算法获得准确的相对位置;然后,基于获得的相对位置信息设计第1跟随者的控制算法,使得第一跟随者与领航者之间的位置收敛到理想约束位置以控制整个队形的规模;接着,设计其余跟随者的控制算法使得各智能体之间的方位角达到理想约束角度,从而形成理想编队队形.最后通过数值和ROS仿真实验验证算法的