基于随机任务序列的智能电网接入控制策略_开题报告

（一）国内研究现状

    目前我国经济高速发展，电能需求激增，但电能供应增长受限导致供不应求，

电能供需存在巨大矛盾。国民生活水平的日益提高和新式电力业务的创新发展两方面共同推动了电能需求不断增大。我国用电需求量每年以大于 10%的速度增长，电网的尖峰负荷量更是不断增大，伴随持续增长的尖峰负荷要加大发电机的装机容量，以确保负荷高峰期电力供应充足。

     用户的用电需求具有不确定性、不均衡的特点，在负荷低谷期，用户负荷较轻，电网电能供应冗余造成较大的资源浪费，对电网来说是一种经济损失。在负荷高峰期大量用户集中用电，发电设备满负荷工作，在供应不能满足用户需求时，需要启动备用发电/储能逆变设备或从外网输入电能来补充，提高了电网运行的成本代价。我国人民生活质量不断提高，家用电器更加普及，居民的衣食住行各方面都离不开电力的消耗，特别是夏季空调用电持续提升，其中大约三分之一负荷来自于北京、上海等一线城市的空调负荷。然而，空调负荷具有“储能”的特点，在舒适的温度范围内，可以暂时关闭空调，这部分空调正常运行，另一部分空调停止。该方法不仅实现了合理的电力调度，也保证了用户的舒适度。

国外研究现状

    国外一些公司研发了一种可以检测电网主频的控制器，若检测到电网频率低

于允许值时就关掉冰箱。冰箱是一种可以延迟的用户需求，隔热效果好的冰箱关

掉之后也能保持食物冷冻效果长达64小时。商用大型冷冻仓库也有家用冰箱一样的特性，在电网需要时可以延迟其电力需求。研究发现，英国的商业制冷可提供的短期延迟电力需求高达300MW，家用冰箱的可延迟电力需求约有400MW。随着新型隔热技术应用的不断推广，可延迟家用冰箱的电力需求量就越大。毫无疑问这样的控制技术也可以使用到其他装置中，如变光路灯就有这方面的开发潜力。

    西方工业国家利用安装在用户端的开关钟对各个时段的用电量进行记录，按照不同时段的电价计算电费。该方法可以引导用户在用电低谷期多用电，减小用电负荷的波动，由于开关钟参数要到用电现场设置使得电力公司人员的工作量很大。20 世纪 70年代，受世界经济危机的影响，日本开始引进音频控制系统，并研发了有线电力负荷控制系统。美国也着手于音频电力系统的引入和电力载波式电力负荷控制系统的研发。该控制方法灵活方便，是一种集中控制方式。音频控制系统在欧洲发达国家一直沿用至今。

（三）基于随机任务的用电需求接入控制的调研

     针对一些用户的随机到达的业务，文献[7]对研究如何将可再生能源有效地分配给用户的随机到达的有用电需求的业务，该文献解决了两个优化问题：最小化可再生能源以外的其他供电能源的成本代价；可再生能源设定动态电价时，最大化平均收益。文献[8]中引入了一种新的经济调度策略来解决智能电网中的能源管理问题，这是一种分布式协作方法。不同于现有的研究，本文旨在实现系统稳定的前提下对任务在电网内执行时间最优化。供应和需求之间的平衡可以在计算时间内保持不变。然后，证明在初始值满足平衡约束条件下，总成本可以在稳定时间内达到最小值。最后，我们用数值模拟来验证理论结果的有效性。文献[9]需求响应的实施在实现电力系统削峰填谷的同时也对配电网的供电可靠性产生了影响.采用分时电价作为基于电价的需求响应机制,在此基础上通过模糊聚类方法实现时段的划分,以电量电价弹性矩阵衡量负荷的改变,并以峰谷负荷差值最小为目标函数优化分时电价.为分析基于激励的需求响应对可靠性的影响,在可靠性评估中考虑线路容量约束,引入激励响应负荷的概念,制定负荷削减策略并提出衡量激励响应负荷的可靠性指标.文献[10]考虑具有随机性的业务需求的接入控制问题，根据业务的随机性建立基于连续时间马尔科夫决策过程的系统分析模型，通过折扣准则取极限的方法进行性能分析，提出一种缓存队列长度相关的负荷阈值接入控制策略。该研究仅考虑单种类型业务需求的接入，分析方法难以直接推广至多种类型业务需求的情况，此外也没有给出关于缓存队列长度的阈值函数的具体形式。本文也将利用该模型对随机任务的接入控制进行研究。

二、^范文提纲

1绪论

1.1研究的背景与意义

1.2 国内外发展现状与趋势

1.3 ^范文组织结构

2 智能电网与模型决策概述

2.1 智能电网概述

2.2 马尔可夫决策模型概述

2.3 本章总结

3 基于随机序列任务的智能电网接入控制策略

3.1 引言

3.2 队列模型

3.3 系统模型

3.4策略优化算法

4 仿真与分析

5 总结

参考文献

陈树勇, 宋书芳, 李兰欣,等.智能电网技术综述[J]. 电网技术, 2009, 33(8):1-7. 

许洪强, 姚建国, 南贵林,等.未来电网调度控制系统应用功能的新特征[J]. 电力系统自动化, 2018, 42(1):1-7.

 陆青, 谢品杰, 冷亚军,等. 可降低负荷峰值的智能用电任务调度优化[J]. 电气应用, 2014(20):32-35.

鲁文, 杜红卫, 丁恰,等. 智能配电网优化调度设计及关键技术[J]. 电力系统自动化, 2017, 41(3):1-6. 2018, 42(1):1-7.

[6] Rotering N, Ilic M. Optimal charge control  of plugin hybrid electric vehicles  in deregulated electricitymarkets [J], IEEE Transactions on Power Systems, 2011, 26(3): 1021-1029.  

[7] J.Neely M, Tehrani AS, G.Dimakis A. Efficient Algorithms for Renewable Energy Allocation to Delay Tolerant Consumer[C]. 2010 First IEEE International  Conference  on  Smart  Grid Connumications, October, 2010:4-6. 

[8] Lei P, Liu Z W, Chi M, et al. Fixed-Time Consensue-Based Scheme for Economic Dispatch of Smart Grid[M]// Proceedings of 2017 Chinese Intelligent Systems Conference. 2018:373-381.

[9]赵洪山, 赵航宇, 侯杰群,等. 需求响应对配电网供电可靠性影响分析[J]. 电力自动化设备, 2017, 37(1):8-14.

[10]Koutsopoulos  I,  Tassiulas  L.  Optimal  control  policies  for  power  demand  scheduling  in  the smart  grid  [J].  IEEE  Journal  on  Selected  Areas  in  Communications, July 2012, 30(6):1049-1060. 

[11]李江洪, 韩正之. 马尔可夫决策过程自适应决策的进展[J]. 控制与决策, 2001, 16(1):7-11.

[12] 刘克. 实用马尔可夫决策过程[M]. 清华大学出版社, 2004.