基于神经动力学算法的多微网互联模式下需求响应策略

Since the effect in upgrading energy structure and improving energy efficiency, multi-microgrids have attracted extensive attention and got rapid development in recent years. Nevertheless, it remains a tough problem how to make use of large-scale distributed renewable energy and keep the power balance of multi-microgrids at the same time. Based on the neuro-dynamic algorithms, this project will focus on the demand response (DR) strategies for multi-microgrids in the interconnect mode with the distributed renewable energy, which aims to achieve the safe, steady, economical and efficient operation of the system. The content of the project includes the following respects: First, the DR models of the multi-microgrids considering the distributed renewable energy and risk management will be established. Next, the models will be transformed into optimization problems so that corresponding distributed algorithms based on the neuro-dynamic algorithms can be designed to solve the problems. Then, the stability and convergence of proposed algorithms will be theoretically analyzed. Finally, both the reasonability of the strategies and the effectiveness of the proposed algorithms will be virified by the simulation experiment. Basing on the neuro-dynamic algorithms, this project will combine the existing power trading mechanism with the game theory, random optimization and risk management to build more practical and efficient DR models, which not only is conducive to further development of optimizing energy management for multi-microgrids, but also contributes enormously to the enrichment and perfection of the neuro-dynamic algorithms in the theory and application.

随着多微网在优化能源结构和提高能源利用率方面的作用日益突显，多微网相关研究得到了广泛关注，但如何消纳大规模可再生能源并保证多微网互联模式下的实时功率平衡仍是当前研究面临的一个难题。本项目以多微网的安全稳定、经济高效运行为目标，基于神经动力学算法研究多微网互联模式下的含可再生能源的需求响应问题。研究内容主要包括：一、建立含有可再生能源及考虑风险规避的多微网互联模式下的需求响应模型；二、转化所建模型为相应优化问题，并设计基于神经动力学算法的分布式算法以求解；三、分析算法的稳定性和收敛性；四、通过实验平台验证相应模型的合理性及算法的有效性。本项目基于神经动力学算法，将现有电价市场交易机制与博弈论、随机优化和风险管理等理论结合建立更加合理有效的多微网需求响应模型。本项目的研究工作不仅有利于多微网能源优化管理的进一步发展，而且对神经动力学算法在理论和应用方面的丰富和完善也具有重要作用。

本项目主要研究在多微网互联模式下，基于神经动力学算法的需求响应策略，并探讨了神经动力学算法在复杂能源系统中的应用。在多微网互联的背景下，研究能源系统中考虑需求响应的多目标规划问题。其中，针对能源调度博弈问题，建立了跨区域的微电网模型、考虑碳排放以及柴油机发电的微电网模型；针对用户端的需求响应问题，建立了考虑非凸约束的家庭负荷电力模型；针对多能源微网中的能源管理问题，建立了考虑多能源之间的耦合、传输损耗的双层优化模型；研究多微电网中的动态经济调度问题。其中，针对微电网系统中的能源优化配置问题，建立了考虑环境污染以及设备运行爬坡约束的多能源微电网模型；针对复杂环境下的多微电网最优能源管理问题，建立了考虑可再生能源和负荷不确定性的微电网模型、具有阀电效应的发电机组模型、考虑网络攻击的多微电网互联模型。.根据所提出的模型，本项目从电气网络支路的电压降方程、耦合矩阵、经济成本函数、污染气体排放量函数、神经动力学优化算法的收敛性、相应的测试系统和实验平台应用验证等各方面入手，研究了不同场景下的能源管理策略。将神经动力学算法和智能算法相结合，提出了混合神经动力学算法，以解决能源调度博弈问题。将非凸约束松弛为连续凸约束，利用具有二阶信息的惯性项提出了新的分布式算法，以解决用户端的需求响应问题。基于分布式共识理论，提出全新的分布式算法，以解决微电网系统中的能源优化配置和复杂环境下的多微网最优能源管理问题。.考虑多微网信息传输过程中通信带宽较大、采样频率高等特点，进一步探讨信号处理中的问题，并针对压缩感知中的稀疏信号重构问题设计神经动力学算法，利用Lyapunov定理分析算法的稳定性与全局收敛性。