优化策略

虚拟电厂作为一种具备储能特性的灵活性资源，虽然其在配合电网削峰填谷、消纳新能源等方面的作用越发重要，但其目前在市场运营上缺乏经济性及高效性，直接导致其参与市场积极性不足。鉴于此，提出一种虚拟电厂参与电能量市场与辅助服务市场协同工作策略。首先，基于现货市场电价与虚拟电厂的聚合情况，确定其参与市场各时段策略；其次，以虚拟电厂收益最大化为目标，采用动态规划方法构建多时间尺度下虚拟电厂参与现货电能量-调频市场协同优化模型；最后，通过仿真分析对比虚拟电厂只参与单独市场与联合优化情况下的收益及利用率，并使用shapely值法对参与虚拟电厂聚合的各类资源进行收益分摊分析，验证所提方案的可行性及有效性。

针对区域综合能源系统中多元异质能源的运行优化问题，提出了一种针对多能源协同供应的多储能系统协同运行优化方法。首先，结合综合能源系统的架构特征和系统的运行需求，建立了基于多目标优化的多储能系统协同运行优化模型。然后，综合考虑经济、环境和能效3个目标，采用改进的多目标粒子群优化算法结合逼近理想解排序法优化系统运行参数。最后，以国内某区域综合能源系统为例进行了案例分析，并探究了不同储能策略对系统的运行性能和协同优化效果的影响。研究发现，实施多储能系统协同优化策略，可以显著提升系统的经济性、环保性和能源效率。所提策略为区域综合能源系统中的多储能系统协同优化和多能源协同供应提供了可行的解决方案。

随着并网光伏数量和容量的增加，中压配电网电压波动及网损过大等问题日益突出。为此计及中压配电网的通信条件与计算能力等特点，提出了一种面向中压配电网的分布式光伏集中调控优化策略，抑制中压配电网电压波动及网损过大。分析光伏并网对配电网电压及网损影响，构建了以中压配电网潮流平衡方程、节点电压、支路电流及系统运行为约束，以网损最小、电压波动最小和分布式电源消纳最大为目标的多目标优化控制模型；采用商用CPLEX对模型进行求解；最后结合算例仿真对模型进行了有效性验证。结果表明，所提优化控制模型可有效降低配电网电压波动，合理分配分布式电源出力，降低网络损耗，同时保证光伏利用率处于相对合理区间。

为了提高能源利用效率，促进可再生能源的开发利用，考虑虚拟电厂可聚合资源规模，进行虚拟电厂低碳交易优化策略研究。首先，一方面，考虑源侧技术开发量与经济开发量分析源侧可聚合资源的上限值；另一方面，考虑荷侧可调节能力分析荷侧可聚合资源的上限值。然后，设计低碳虚拟电厂运行交易框架，分别对虚拟电厂中各单元建模。其次，基于碳交易机制，构建虚拟电厂参与电能量市场、碳交易市场与调峰辅助服务市场的低碳联合交易优化策略。最后，以某一地区为例进行算例分析，验证了模型的有效性。

为应对大规模电动汽车无序充电引起的配电网运行损耗增加问题，提出一种分区域动态电价机制引导的电动汽车(electric vehicle, EV)充电优化策略。该动态电价机制是根据不同区域内的负荷特点建立不同的动态电价，从而优化对应区域的EV充电。其中商业区建立计及充电站充电总功率的动态电价模型，居民区和办公区采用计及风光出力的动态电价模型。同时，提出充电效益系数模型以提升在居民区和办公区用户的充电时间满意度。最后，在IEEE33节点系统上进行仿真验证。结果表明，所提出的基于分区域动态电价机制的EV充电优化策略能够在保证车主利益的同时，降低网损、提高配网电压质量、促进风光消纳以及提升配网的经济性。

以能源交易为背景，针对多微电网合作中的运行优化问题，提出了基于Nash议价模型的合作博弈策略，旨在实现微电网之间的合作，以最大化整体利益，同时考虑能源交易和成本优化。首先，将各微电网视为博弈参与者，构建了基于Nash议价理论的多微电网合作博弈模型，通过选择能源交易策略和运行策略来影响其能源成本和效益。其次，采用交替方向乘子法(alternating direction multiplier method, ADMM)求解此多参与者优化问题，通过将原问题分解为子问题并引入乘子变量来实现迭代求解。最后，在每次迭代中，各微电网根据其局部信息更新能源交易和运行策略，并利用乘子变量进行信息交换和博弈协调，以达到全局一致性。结果表明，该策略在多微电网合作中能够实现整体性能的提升，有效促进了可再生能源的消纳水平，平衡了各参与者的利益，同时降低了能源成本。

面对复杂多变的国际形势和日益增多的极端事件，研究新能源高比例接入下的系统恢复方案，对完善新型电力系统安全防御体系具有重要意义。在此背景下，提出一种含新能源电力系统网架重构决策优化方法。首先，基于核密度法对新能源出力不确定性进行分析建模；其次，考虑新能源并网和运行对网架强度的要求，实现了新能源多场站短路比约束的线性化建模；在此基础上，建立了能协同新能源、储能、常规机组和输电网络恢复的网架重构优化模型，并提出双层优化策略以提升模型求解效率。基于新英格兰10机39节点系统的算例结果验证了所提方法的有效性。

由于传统的控制手段已不能抵抗高渗透率分布式电源对电网的冲击，需要对含分布式电源的配电网动态重构问题展开研究。针对传统配网重构中考虑分布式电源不足、过程复杂耗时和实用性较低等问题，提出了基于生物地理学算法的含分布式电源配电网动态重构两阶段优化策略，建立了以全时段网损最小和开关操作总次数最少为目标的多目标优化模型。首先运用整数型环网编码方法以降低变量维数，对配电网进行时段初步划分，运用夹逼策略对优化区间进行“列举”操作，得到初步优化方案。在此基础上，考虑开关操作总次数约束，对其进行时段的二次优化，最终确定动态重构的开关动作时刻及组合。通过算例验证了该动态重构方法能够在保证操作次数较低的同时，达到减少配电网有功损耗、提高节点电压稳定性的目的。

针对含共享储能与户用光伏的园区场景，文中提出一种用户侧综合收益双层优化方法，充分挖掘共享储能灵活性及用户用电需求差异性，在实现用户整体经济效益最优的同时提升光伏消纳能力。模型上层为月前优化阶段，以用户月度用电成本最低为目标，考虑系统能量平衡、储能充放电约束以及储能荷电状态约束，优化工业用户最大用电功率，降低需量电费；模型下层为日前优化阶段，综合考虑用户综合收益及光伏消纳能力，以上层优化结果为约束条件，兼顾功率、储能等约束，提出共享储能充放电功率及用户与电网交互功率等日前优化策略，在用户月度整体经济性最优的前提下，实现用户侧每日经济效益的优化。最后，以南方某实际园区作为算例验证了文中所提方法的有效性。

现有深度强化学习(deep reinforcement learning, DRL)方法在解决配电网电压优化问题时，存在信用分配难、探索效率低等问题，在模型训练速度和优化效果等方面表现欠佳。为此，结合配电网分区降损与模仿学习的思想，提出一种基于指导信号的多智能体深度确定性策略梯度(guidance signal based multi-agent deep deterministic policy gradient, GS-MADDPG)的电压优化方法。首先，将电动汽车(electric vehicles, EV)集群、分布式电源(distributed generations, DG)和无功调节装置作为决策智能体，构建强化学习优化模型。然后，通过配电网分区，解耦多智能体的外部奖励，并结合模仿学习，利用指导信号引入内部奖励，帮助智能体快速寻优。最后，基于改进IEEE 33节点系统进行算例测试。结果表明，所提电压优化策略较传统DRL方法具有更高的样本利用率，实现了更稳定的收敛及更高的模型训练效率，提升了配电网电压的优化效果。