含压缩空气储能电力系统日前–日内协调调度策略

压缩空气储能(compressed air energy storage,CAES)技术是实现风电规模化接入的关键技术之一,具有广阔的发展应用前景。该文将CAES电站作为消纳风电的重要手段,并与发电机组、需求响应资源共同参与电力系统优化调度。基于风电、负荷和价格型需求响应在不同时间尺度下的预测误差特性,本着"瞻前顾后"的原则,建立了含CAES电力系统日前–日内协调调度模型。该模型既考虑了CAES系统中流量、功率、气压、温度间的交互影响机理,又考虑了反映CAES电站分钟级运行特性的旋转备用容量约束和日内调度约束,能够在制定CAES电站最优运行计划的同时,得到CAES电站的最优旋转备用容量承担方案。采用德国Huntorf CAES电站的运行参数,在PJM-5bus系统上进行算例仿真,仿真结果验证了调度策略的有效性。     

风-光-抽蓄零碳电力系统多时间尺度协调调度模型

高比例新能源并网带来的波动性影响和新能源消纳水平不足已成为新型电力系统中亟须解决的问题。为此,基于风、光、负荷预测精度随时间尺度缩短而逐级提高的特点和抽蓄机组日内灵活调节特性,建立风-光-抽蓄零碳电力系统多时间尺度协调调度模型。以运行成本最小为目标,建立日前24 h发电计划、日内1 h发电计划和实时15 min发电计划。通过多时间尺度的协调配合,保证风、光、抽蓄出力良好跟踪负荷,逐级修正发电计划。以含6台抽蓄机组的风-光-抽蓄零碳电力系统为例开展仿真分析,结果表明所提多时间尺度协调调度模型有利于减少系统弃风、弃光量,且系统消纳风光的能力与抽蓄电站装机容量有关。     

含先进绝热压缩空气储能电站的电力系统实时调度模型

先进绝热压缩空气储能(AA-CAES)具有规模大、成本低、无需燃料、效率高等优点,是压缩空气储能(CAES)技术领域的主流发展趋势之一。本文将AA-CAES电站作为重要的调度资源,与常规机组、风电共同参与电力系统实时调度。首先,基于AA-CAES电站的热力学特性,建立能够反映AA-CAES电站变工况条件下运行特性的储能电站运行约束模型。然后,考虑AACAES电站在自动发电控制(AGC)阶段的功率调节不确定性,建立AA-CAES电站AGC约束模型。在此基础上,提出含AA-CAES电站的电力系统实时调度模型,该模型考虑了系统AGC容量需求约束、AGC调节速率需求约束和AGC调节任务量需求约束。最后,基于修改版IEEE30节点系统进行算例仿真,仿真结果证明了调度模型的有效性。     

考虑柔性负荷响应不确定性的多时间尺度协调调度模型

针对柔性负荷实际响应的不确定性,以及各类柔性负荷在多时间尺度上的响应特性,提出了考虑柔性负荷响应不确定性的多时间尺度协调调度模型。首先,基于消费者心理学原理并计及柔性负荷响应不确定性的变化规律,建立了价格型需求响应(DR)的响应量模型。然后,在考虑实际响应误差的基础上,制定了激励型DR的激励机制,并基于上述不确定性分析建立了可转移负荷、可平移负荷和可削减负荷的响应模型。最后,从多时间尺度协调的角度,对柔性负荷、常规机组和风电进行协调优化,构建了日前—日内—实时的协调调度模型,并根据模糊机会约束规划理论和混合整数规划方法进行求解。算例分析验证了所提模型的有效性,通过考虑柔性负荷响应的不确定性及多时间尺度上的协调优化,能够实现削峰填谷,提高风电消纳,并降低电网调度的成本。     

大规模风电接入系统多时间尺度备用容量滚动修订模型

基于需求响应多时间尺度的特性,考虑新能源、负荷、发电机组等不确定的特点,建立了计及多时间尺度备用资源的日前–日内2小时–日内15分钟备用滚动优化模型。模型中突破性地全面考虑了不同时间尺度的激励型需求响应备用资源,以及慢机机组、快速启动机组、自动发电控制3种响应速度不同的发电侧备用资源。针对风电和负荷预测精度在日前–日内2小时–日内15分钟逐步提高的特点,建立了考虑不确定性的备用容量滚动优化模型将各时间尺度的需求侧资源与发电侧资源互动,使不同时间尺度下的备用资源参与到各级备用优化中,实现不同时间尺度的需求侧备用资源与发电侧备用资源的联合优化。最后基于PJM-5节点系统和国内某省级电网系统的算例验证了模型的有效性。     

含抽蓄电站与新能源发电的柔性直流系统日前优化调度方法

多端柔性高压直流输电技术可实现大规模可再生能源发电的多点汇集送出,通过接入和调控抽水蓄能(以下简称"抽蓄")电站可进一步平抑可再生能源出力波动、匹配负荷侧需求.针对含新能源发电和抽蓄电站的多端柔性直流系统,采用生成场景集方法建立了考虑新能源发电出力不确定性的日前随机优化调度模型.该模型详细考虑了定速与可变速抽蓄机组运行约束和抽蓄电站库容约束,同时包含了计及柔性直流电网有功损耗的潮流约束.通过对柔性直流电网潮流约束二阶锥松弛,将所建立模型转换为以期望运行费用最小为目标的混合整数二阶锥规划问题,可求解获得日前优化调度方案.以中国张北柔性直流示范工程为例进行仿真分析,验证了所提方法的有效性.     

计及细节层次直接负荷控制的区域综合能源系统多时间尺度优化调度

考虑风光出力和负荷的不确定性及温控负荷反弹特性的精细建模程度对区域综合能源系统(regional integrated energy system,RIES)优化调度的影响,提出计及细节层次直接负荷控制的多时间尺度协调优化调度策略。日前调度采用三阶段反弹简化直接负荷控制模型,以系统运行经济性最优为目标求解机组运行计划;日内调度基于细节层次直接负荷控制仿真修正日前反弹负荷曲线,求解各微源的出力计划;实时调度进一步细化日内仿真反弹负荷曲线,结合模型预测控制理论,通过反馈校正和滚动优化调整微源出力,实现多时间尺度的协调运行。算例结果表明多时间尺度下计及细节层次的直接负荷控制更能贴合实际系统运行,实现机组出力精准化控制,验证了所提优化调度策略的可行性及有效性。     

基于多时间尺度协调机组组合的含风电系统 旋转备用优化研究

考虑风电出力的预测误差和负荷功率的预测误差具有随预测时间尺度的缩短而减小的特点,以及电力系统旋转备用容量的配置离不开机组组合,建立了多时间尺度下协调机组组合的含并网风电电力系统旋转备用预留容量的优化模型。对该模型的求解,先采用优先顺序法求取各机组的启停机顺序,再通过粒子群算法滚动计算求解得出不同等效旋转备用容量水平下所对应的系统最经济调度计划。通过利用不断更新的风电出力预测和负荷预测结果信息来调整调度计划,在保障系统可靠性达到要求的前提下,减少含风电电力系统旋转备用容量的配置,从而提高风电并网后电力系统运     

基于多时间尺度协调机组组合的含风电系统旋转备用优化研究

考虑风电出力的预测误差和负荷功率的预测误差具有随预测时间尺度的缩短而减小的特点,以及电力系统旋转备用容量的配置离不开机组组合,建立了多时间尺度下协调机组组合的含并网风电电力系统旋转备用预留容量的优化模型。对该模型的求解,先采用优先顺序法求取各机组的启停机顺序,再通过粒子群算法滚动计算求解得出不同等效旋转备用容量水平下所对应的系统最经济调度计划。通过利用不断更新的风电出力预测和负荷预测结果信息来调整调度计划,在保障系统可靠性达到要求的前提下,减少含风电电力系统旋转备用容量的配置,从而提高风电并网后电力系统运行的经济性和系统吸纳并网风电的能力。     

需求响应分段参与的多时间尺度源荷协调调度策略

需求侧主动参与调度能够减轻电源侧发电压力,提高系统消纳新能源能力。如何充分发挥负荷侧调度潜力,合理利用需求响应成为目前需要研究的问题。提出了一种考虑需求响应分段参与的多时间尺度源荷协调调度策略。首先基于不同负荷在响应特性和响应时长的差异,将需求响应负荷分为4类,再将一天24 h分成不同的参与时段,通过负荷代理分段参与电网的调度并构建负荷响应模型。然后,构建"日前-日内2 h-日内15 min"的多时间尺度调度模型,对源荷资源进行协调调度。最后在改进的10机系统中进行了仿真验证。结果表明所提策略能更大限度发挥负荷侧潜力,提高电力系统调度运行的经济性,增强系统消纳风电能力,减少弃风。     

计及灵活性储备的含风电多微电网系统分布式协调调控策略

高比例风电的接入和需求响应技术的应用对分布式架构下的多微电网系统有功功率动态平衡提出了更高的要求,有必要充分利用灵活性资源对系统进行协调调控.提出一种新颖的灵活性电池储备模型对多微电网系统灵活性备用容量进行评估,定义虚拟灵活性电池储备模型对风电场备用与需求响应负荷备用进行评估,充分挖掘其调频的潜在能力.在此基础上,基于一致性算法求解该模型下各微电网的功率分配,提出计及灵活性储备的含风电多微电网系统分布式协调调控策略,实现分布式架构下灵活性资源的协调优化.通过华东某地区实际数据验证了所提策略的有效性.算例结果表明,协调优化源-荷灵活性储备资源在保障风电消纳的同时,实现了分布式架构下系统的动态功率平衡.     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

考虑风险约束的高载能负荷-风电协调调度方法

由于可离散调节的高载能负荷不适用于在短时内连续调节的特点和风电出力的不确定性,高载能负荷参与消纳风电时,会导致负荷用电与风电出力不匹配的问题。针对该问题,提出一种计及负荷方风险约束的高载能负荷-风电协调调度方法。首先,基于风电可接纳区间的概念和风电场出力概率密度分布,建立电网对风电的接纳能力的模型。接着,根据电网接纳能力外的弃风情况,构建了与高载能负荷用电计划增量和风电弃风量相关联的风险约束,使负荷方能够在一定程度上规避由于风电不足导致的负荷增量与风电新增发电量不匹配的风险。然后,基于高载能负荷调节对风电可接纳区间的影响,建立了以风电消纳为目标的鲁棒机组组合模型,保证线路容量约束的满足。最后,在IEEE RTS-79系统中对所提方法进行了验证,并分析了高载能负荷侧的保守程度对协调调度的影响。     

基于机会约束目标规划的综合能源系统经济调度

为了降低大规模风电的不确定性和波动性对综合能源系统(integrated energy system, IES)的影响,对接入风电的综合能源系统的备用容量和调度计划进行优化,提出了基于机会约束目标规划(chance constrained goal programming, CCGP)的经济调度模型。首先,利用机会约束目标规划处理含多个机会约束的不确定性模型。然后,引入量化备用不足的风险指标,将备用不足风险纳入经济调度成本,同时考虑风险备用成本目标和系统运行成本目标。最后,利用算例对模型的有效性进行验证。结果表明,模型能够很好地兼顾系统运行的安全性与经济性,提高了系统的调度灵活性,降低了风电不确定性对系统的影响,实现了系统的经济运行。     

采用混合智能算法的含风电电力系统多目标优化调度

为了增强含风电电力系统的安全性和稳定性,提出一种计及运行风险及备用成本的含风电电力系统环境经济调度新模型。在目标函数中加入了系统运行风险指标和正、负旋转备用成本;增加了系统可靠性约束条件,确保了较低的系统运行风险,并同时获取正、负旋转备用量。采用一种新型高效的场景生成技术来描述风电功率的随机性。基于花授粉算法及差分进化算法提出一种具有时变模糊选择机制的多目标优化算法。将所提模型及求解方法在具有一个并网风电场的4机组系统中进行仿真。分析了各参数变化对系统运行的影响,并与其他两种启发式智能算法进行比较,验证了所提模型及算法的可行性和有效性。     

计及大容量燃煤机组深度调峰和可中断负荷的风电场优化调度模型

从含大规模风电场的电网经济运行角度出发, 提出了一种计及大容量燃煤机组深度调峰和可中断负荷的优化调度模型。该模型首先从机组煤耗特性、单位发电容量补偿费用以及机组寿命损耗3个方面定义了深度调峰费用,从负荷备用费用和实际发生的负荷损失补偿2个方面定义可中断负荷费用,建立以深度调峰费用、可中断负荷费用及网损费用之和最小的优化目标,利用内点法对含风电场的电网调度模型进行优化。以新英格兰测试系统为例,分析了4种典型场景下的负荷及费用情况,最后给出了日前调度计划优化结果,结果显示节省费用达4.9 %,验证了所提算法的可行性和有效性。     

考虑退役电池柔性负荷的电力系统风险调度

电动汽车退役动力电池再利用,可以作为一种新型柔性负荷参与系统运行。基于实验数据,研究退役动力电池组运行和出力特性,在考虑退役电池及风机的故障风险以及退役电池组不一致性风险的前提下,建立了考虑退役电池柔性负荷的电力系统风险调度模型。模型中利用退役电池组参与系统负荷的调整,响应电源的随机波动,降低负荷侧峰谷差及火电机组出力的波动性,减少能源浪费。最后,以十机组系统为例,验证了该调度模型的有效性和应用价值。     

风电并网电力系统动态经济调度问题的研究

通过优化火电机组出力,研究风电并网后,电力系统的短期动态经济调度问题。优化模型中引入了上、下旋转备用,以此应对风电功率预测误差给系统调度带来的波动。在基本粒子群优化算法基础上,提出了3种改进策略:先采用"循环处理策略"和"优先启停策略"生成问题的可行解,然后采用"机会停机策略"进一步优化可行解。经典算例结果表明,本文提出的策略稳定性好、寻优速度快、优化结果好,具有高效的搜索能力和适应性。     

含风电和径流式小水电的多目标环境经济调度

构建了含风电和径流式小水电机组的多目标环境经济调度模型.为应对风电和径流式小水电机组的不确定性,采用概率密度函数对风速和河流流量进行模拟,利用蒙特卡洛法模拟得到风电和径流式小水电机组的功率分布,并计及可再生能源预测功率的低估和高估带来的惩罚成本与储备成本.该模型能兼顾燃料费用目标及污染排放目标,并考虑安全约束、禁止运行区等约束条件.为获取最优调度方案集,提出一种非支配排序改进多目标教学优化算法,并将其与不可行解约束处理技术相结合,实现模型的有效求解.算例仿真结果验证了所提调度模型的合理性以及求解算法的有效性.     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。