针对当前用户侧分布式储能存在的成本较高、利用率低、布局分散等问题,提出一种分布式储能双层合作共享策略,通过分时复用提高储能资源的利用率和经济性。首先,阐述以社区为上层单元、以用户为下层单元的分布式储能双层点对点(peer to p...针对当前用户侧分布式储能存在的成本较高、利用率低、布局分散等问题,提出一种分布式储能双层合作共享策略,通过分时复用提高储能资源的利用率和经济性。首先,阐述以社区为上层单元、以用户为下层单元的分布式储能双层点对点(peer to peer,P2P)共享交易模式。其次,将分布式储能合作共享问题分解为容量交易子问题和成本分摊子问题。接着,采用交替方向乘子(alternating direction method of multipliers,ADMM)算法构建分布式储能容量双层交易模型,上层侧重于社区间储能共享优化,而下层旨在解决社区内用户储能共享优化。在此基础上,进一步设计一种基于改进Owen值法的双层成本分摊策略,上层采用Shapley值法进行社区间成本分摊,而在下层通过双边Shapley值法完成社区内成本再分摊,以此解决广泛用户群体带来的维数灾和隐私保护问题,同时兼顾各方收益均衡。最后,通过算例仿真验证所提P2P合作共享模式的可行性和优越性,以及成本分摊策略的公平性。展开更多
电动汽车(electric vehicle,EV)与储能装置在电力系统中的渗透率不断提高,能够作为可调节资源参与配电网的优化调度。首先在潮流模型、储能运行模型、EV集群充电站模型的基础上建立了配电网经济调度模型,以网损最小化、储能与充电站充...电动汽车(electric vehicle,EV)与储能装置在电力系统中的渗透率不断提高,能够作为可调节资源参与配电网的优化调度。首先在潮流模型、储能运行模型、EV集群充电站模型的基础上建立了配电网经济调度模型,以网损最小化、储能与充电站充电成本最小化作为日前调度目标;其次,基于交替方向乘子算法(alternating direction method of multipliers,ADMM)设计了适用于该优化模型的主从结构分布式求解方案,以充分发挥配电网内资源的自主协调能力;最后基于33节点算例进行仿真,仿真表明了储能与充电站参与配电网调度对于储能运营商与配电网是双向收益的,且基于ADMM的分布式求解方案具有有效性。展开更多
现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多...现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。展开更多
针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习...针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。展开更多
文摘针对当前用户侧分布式储能存在的成本较高、利用率低、布局分散等问题,提出一种分布式储能双层合作共享策略,通过分时复用提高储能资源的利用率和经济性。首先,阐述以社区为上层单元、以用户为下层单元的分布式储能双层点对点(peer to peer,P2P)共享交易模式。其次,将分布式储能合作共享问题分解为容量交易子问题和成本分摊子问题。接着,采用交替方向乘子(alternating direction method of multipliers,ADMM)算法构建分布式储能容量双层交易模型,上层侧重于社区间储能共享优化,而下层旨在解决社区内用户储能共享优化。在此基础上,进一步设计一种基于改进Owen值法的双层成本分摊策略,上层采用Shapley值法进行社区间成本分摊,而在下层通过双边Shapley值法完成社区内成本再分摊,以此解决广泛用户群体带来的维数灾和隐私保护问题,同时兼顾各方收益均衡。最后,通过算例仿真验证所提P2P合作共享模式的可行性和优越性,以及成本分摊策略的公平性。
文摘电动汽车(electric vehicle,EV)与储能装置在电力系统中的渗透率不断提高,能够作为可调节资源参与配电网的优化调度。首先在潮流模型、储能运行模型、EV集群充电站模型的基础上建立了配电网经济调度模型,以网损最小化、储能与充电站充电成本最小化作为日前调度目标;其次,基于交替方向乘子算法(alternating direction method of multipliers,ADMM)设计了适用于该优化模型的主从结构分布式求解方案,以充分发挥配电网内资源的自主协调能力;最后基于33节点算例进行仿真,仿真表明了储能与充电站参与配电网调度对于储能运营商与配电网是双向收益的,且基于ADMM的分布式求解方案具有有效性。
文摘现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。
文摘针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。
