潘振宁 作品数:27 被引量:241 H指数:8 供职机构: 华南理工大学电力学院 更多>> 发文基金: 国家自然科学基金 国家重点基础研究发展计划 更多>> 相关领域: 电气工程 自动化与计算机技术 经济管理 电子电信 更多>>
基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法 被引量:8 2019年 针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。 王彬 郭文鑫 李世明 赵瑞锋 李波 卢建刚 潘振宁关键词:电动汽车 基于集成学习的孤岛微电网源—荷协同频率控制 被引量:8 2018年 提出一种基于集体智慧的集成学习算法,以实现孤岛微电网下分布式电源与负荷的协同频率控制。通过引入负荷聚合商来对大规模家庭用户进行聚合,解决源—荷协同频率控制下的"维数灾难"问题。负荷聚合商根据每个家庭中温控设备的运行状态,可以连续地评估其可参与辅助调频的储备能力。集成学习算法由多个子优化器和一个学习集中器组成,子优化器发挥集体智慧能力为学习集中器提供探索和开发样本,而强化学习主要用于知识学习与迁移。通过孤岛微电网的仿真算例可以验证集成学习能够有效满足源—荷协同频率控制的周期要求和质量要求。 王德志 张孝顺 刘前进 余涛 潘振宁考虑多方主体利益的大规模电动汽车分布式实时协同优化 被引量:43 2019年 针对大规模电动汽车(electricvehicle,EV)接入电网后的实时充电分布式优化问题,应用价格响应与激励响应手段,提出一种计及EV集群充电预测信息,兼顾电网、EV负荷聚合体与车主三方利益的多目标实时分布式优化模型,提出充电满意度模型刻画车主利益,并将全目标分解为各个设备可独立求解的子问题,并采用交替方向乘子法进行分布式求解,并利用预测信息实现算法地快速收敛。不同目标下的仿真结果表明了模型可以有效地平抑负荷波动、降低运行成本、提升用电满意度,并从优化结果、计算时间、用户隐私、信息传递量等方面分析验证了提出的分布式优化模型比集中式的优化模型更适用于大规模EV实时充电优化调度。 潘振宁 余涛 王克英基于广义加性模型的调温负荷测算方法 2023年 调温负荷可分为夏季降温负荷和冬季取暖负荷,是影响统调负荷的主要因素之一。准确把握调温负荷特性,对于分析负荷增长驱动因素、做好迎峰度夏/冬工作具有重要意义,但现有测算方法仍存在问题。为此提出一种基于广义加性模型(generalized additive models,GAMs)的调温负荷测算方法。首先,建立基于GAMs的日前负荷预测模型;然后,根据上述模型解耦分析不同特征对负荷的影响,提出调温负荷测算方法;最后,以某市夏季调温负荷测算为例,验证所提方法的准确性、合理性。 赖界亨 卢洵 王克英 邱显欣 潘振宁关键词:负荷预测 无协调主体的多产消者完全端到端交易机制 被引量:3 2023年 产消者之间进行能量交易对促进分布式资源就地消纳具有重要意义。为此,在充分考虑产消者利益诉求的基础上,提出了一种无协调主体的多产消者完全端到端交易机制,以实现社会福利最大化。以微网为例,对产消者内部资源进行建模,并引入物理网络约束,提出多产消者能量交易集中式优化模型。通过支路撕裂法及拉格朗日对偶分解,将问题转化为分布式优化问题,并利用交替方向乘子法求解。可证明此机制无需第三方主体协调,仅需在交易主体间进行信息传递,通过各主体内部进行资源调配即可完成优化,实现完全分布式求解。此外,所得价格更符合实际市场的运作规律。最后,以4个微网为例进行分析,验证了所提交易机制的可靠性以及有效性。 吴毓峰 杨胜春 潘振宁 余涛 余涛 邱星宇基于虚拟储能聚合建模的需求侧资源随机动态 优化方法 被引量:1 2023年 随着高比例分布式新能源的接入,配电网运行的随机性不断增大,充分挖掘需求侧资源的灵活可调特性,对于改善电网运行的安全性和经济性意义重大。文章首先提出一种基于虚拟储能模型的需求侧资源优化运行架构,将需求侧资源的随机动态优化问题建模成一个多时段随机序贯决策问题,进而提出一种随机动态规划方法进行求解。所提方法通过构造值函数避免进行期望值的计算,并采用数据驱动的方法对值函数进行训练,得到收敛的近似值函数,将其投入在线运行可得到需求侧资源的优化调度决策,从而避免了系统的多重不确定性因素。通过仿真算例验证该方法可避免电价、电动汽车等数据预测误差的影响,在计算效率、计算精度以及面对多重不确定性因素决策方面具有优越性。 陈镇煌 潘振宁 毛文博 余涛关键词:随机动态规划 图数据建模与图表示学习方法及其非侵入式负荷监测问题的应用 被引量:4 2022年 非侵入式负荷分解能从家庭总表数据中分解出单个负荷的运行状态,这对用户调节自身用电策略、参与需求侧响应具有重要意义。针对当前负荷分解模型受限于欧式空间下数据的顺序输入,无法准确描述电器不同运行状态之间的时间关联性导致分解准确度不高的问题,提出一种图数据建模与图表示学习的非侵入式负荷分解方法。首先基于图理论将待分解信号转换为包含节点和边的图数据。其次,设计带残差机制的图卷积网络充分挖掘低采样频率下数据包含的属性特征和时间关联性特征,构建负荷分解的图表示学习。然后,针对模型分解结果缺乏精细化修正策略的问题提出改进的后处理方法,进而全面提升模型的综合性能。最后,使用公开数据集AMPds2和REDD进行验证,结果表明该文方法具有较低的分解误差和较强的泛化性能。 彭秉刚 潘振宁 余涛 邱磊鑫 苏晓 陈镇煌关键词:后处理方法 基于群灰狼优化算法的双馈感应电机最优控制 被引量:6 2020年 设计了一种新颖的群灰狼优化算法(Gathered Grey Wolf Optimizer,GGWO),用于整定双馈感应电机(Doubly-fed Induction Generator,DFIG)的比例-积分控制器(Proportional-integral,PI)最优参数,从而实现变风速下的最大功率点跟踪(Maximum Power Point Tracking,MPPT)并提高系统的故障穿越能力(Fault Ride-through,FRT)。GGWO在原始灰狼优化算法(Grey Wolf Optimizer,GWO)的基础上引入分组机制,将灰狼分为相互独立的合作狩猎组和随机侦察组。其中,随机侦察组中的灰狼负责进行广泛的全局搜索,而合作狩猎组的灰狼实现深度的局部探索。同时,设计狼群间的角色互换机制,可根据当前适应度函数,在下次迭代中对不同分工的狼进行角色互换,进而平衡全局搜索和局部探索的矛盾。通过阶跃风速、随机风速和电网电压跌落三个算例对GGWO的优化性能进行了研究。仿真结果表明,与遗传算法、粒子群算法、飞蛾扑火算法和GWO相比,所提算法具有更好的全局收敛性、MPPT精确性和FRT能力。 赵瑞锋 郭文鑫 王彬 潘振宁 李世明 李波 卢建刚关键词:双馈感应电机 最优控制 基于信息差距决策理论的虚拟电厂报价策略 2024年 为进一步提升分布式能源的调节潜力,基于信息差距决策理论,将探讨虚拟电厂(virtual power plant,VPP)在参与需求响应(demand response,DR)策略时的竞价方式分为平衡型、保守型和进取型3种策略模型,并为每种策略设计鲁棒函数和机会函数,分别实现对不同类型决策的优化。同时,设置ε约束模型,考虑了碳排放和利润的权衡关系。采用IEEE 18节点系统作为仿真环境,验证了所提方法的优点和必要性。仿真结果表明,保守型VPP能够保证在未来价格落入最大鲁棒性区间时获得最小关键利润;进取型VPP能够从意外的价格波动中获益,并实现期望的利润。 谢蒙飞 马高权 刘斌 潘振宁 商云峰关键词:鲁棒性 基于时空卷积动态知识图谱的新能源消纳评估方法 2023年 为构建新能源消纳知识图谱,首先,将电网积累的海量调度运行数据以动态四元组的形式,显式地表达调度运行数据的时空关联关系。通过滑动时间窗口快速搜索、提取局部时空图,构建子图数据集。然后,时空同步图卷积网络对局部时空图进行高维特征提取,充分挖掘历史数据的时空关联关系,利用新能源消纳知识图谱中存储的机理知识对模型进行引导,并通过多子图并行训练提升模型的学习效率。最后,基于中国西北某省级电网算例进行仿真和实验验证。结果表明,所提方法可以有效避免复杂的数学建模以及模型求解,相比于传统方法具有更高的评估精度与速度。 陈宗源 余涛 丁茂生 潘振宁 陈俊斌 刘希喆关键词:知识图谱 人工智能