与典型日负荷匹配的风电出力场景构建方法

为了解决风电出力的随机性导致微电网并网规划运行时鲁棒性与计算效率难以平衡的问题,提出一种与典型日负荷场景匹配的风电出力场景构造方法。首先在微电网规划中重点考虑日负荷趋势和峰谷时段位置,利用隶属度函数提取日负荷曲线趋势和峰谷时段信息,并结合改进有序聚类提出典型日负荷选取方法;在典型日负荷的有效时间内,利用风电出力最大增加量和最大减少量,结合插值法提出风电场景构造方法。然后建立评价指标体系来评价典型日负荷选取与对应风电场景构造效果。最后利用电网数据验证所提模型的有效性。     

与典型日负荷匹配的风电出力场景构建方法

为了解决风电出力的随机性导致微电网并网规划运行时鲁棒性与计算效率难以平衡的问题,提出一种与典型日负荷场景匹配的风电出力场景构造方法。首先在微电网规划中重点考虑日负荷趋势和峰谷时段位置,利用隶属度函数提取日负荷曲线趋势和峰谷时段信息,并结合改进有序聚类提出典型日负荷选取方法;在典型日负荷的有效时间内,利用风电出力最大增加量和最大减少量,结合插值法提出风电场景构造方法。然后建立评价指标体系来评价典型日负荷选取与对应风电场景构造效果。最后利用电网数据验证所提模型的有效性。     

基于确定性解法的新能源微电网经济运行优化

针对典型的微电网应用场景,研究光伏发电、风力发电测和负荷预测误差的数学规律,在考虑微电网环保性因素、经济性因素的基础上,构建基于确定性解法的微电网经济运行优化模型,该模型简化了多目标问题的求解难度。在具体算例中,分析不同置信度、不同预测误差及不同环保算子对微电网经济运行的影响。研究结果表明：提高光伏出力、风电出力和负荷预测精度可以降低微电网优化运行成本;微电网优化运行模型求解时,确定性解法的算法收敛速度快,迭代时间更短。     

基于确定性解法的新能源微电网经济运行优化

针对典型的微电网应用场景,研究光伏发电、风力发电测和负荷预测误差的数学规律,在考虑微电网环保性因素、经济性因素的基础上,构建基于确定性解法的微电网经济运行优化模型,该模型简化了多目标问题的求解难度。在具体算例中,分析不同置信度、不同预测误差及不同环保算子对微电网经济运行的影响。研究结果表明：提高光伏出力、风电出力和负荷预测精度可以降低微电网优化运行成本;微电网优化运行模型求解时,确定性解法的算法收敛速度快,迭代时间更短。     

含风电和光伏的可再生能源场景削减方法

以风电和光伏为代表的可再生能源渗透率不断增加,其出力不确定性导致的大规模时序场景给电力系统的优化分析带来很高的计算复杂度。以场景削减技术精准刻画区域风电、光伏出力特性是解决以上问题的有效方法之一。提出一种基于聚类与优化算法相结合的可再生能源场景削减方法。首先对数据进行清洗、降噪等预处理,其次利用肘部法则与轮廓系数判断风电、光伏类别个数并进行聚类。然后,利用粒子群与遗传算法分别提取风电、光伏典型出力曲线,并对两种算法结果进行对比,从而生成典型场景。算例分析以欧洲输电系统运营商Amprion提供的2015年1月1日至2019年12月31日风电、光伏出力数据为研究对象,利用所提方法求得的出力曲线可以有效反映该区域风电、光伏出力典型场景,为后续电力系统规划、运行优化等问题提供数据支撑。     

基于Copula函数的风电时序联合出力典型场景生成

针对风、光出力进行典型场景生成是电力系统规划和运行中应对风、光出力不确定性的常用方法,然而现有的典型场景生成方法未考虑不同时刻出力分布函数的差异性。在此背景下,针对分布式可再生能源发电的不确定性和相关性,创新性地考虑了不同时刻出力分布函数的差异性,运用Copula函数建立了多风电场时序联合出力模型;对模型进行概率抽样、拼接生成大量初始场景集,采用K-means聚类算法进行场景缩减生成风电时序联合出力典型场景。算例分析表明,所得的风电时序联合出力典型场景符合出力的相关性,并可以体现出力分布函数在不同时刻的差异性,在反映同一地区多风电场实际出力方面具有更高的准确性,可以更加有效地指导电力系统的优化运行。     

考虑不确定因素影响的微电网供电能力评价方法

针对风电、光伏、负荷的不确定性对微电网短期供电能力的影响,文章将风电、光伏、负荷的预测误差分布与蒙特卡罗抽样法相结合,建立一种考虑风电、光伏、负荷不确定性的微电网短期供电能力评价方法。通过非参数方法对微电网中风电、光伏、负荷进行确定性预测,并对风电、光伏、负荷的预测误差进行了概率分析;通过蒙特卡罗抽样法对风电、光伏、负荷的预测误差模型进行抽样,并结合风电、光伏、负荷的确定性预测结果获得可能出现的微电网场景;定义了多个可用于量化供电能力的评价指标,针对每一个微电网场景优化求解计算出微电网供电能力的评价指标。选取某微电网作为算例,对所提方法进行了验证,算例结果表明,所提方法能够准确地反映在不同天气类型下的微电网供电能力。     

计及风、光出力不确定性的微电网经济调度研究

针对风、光出力不确定性,结合蒙特卡罗抽样模拟的风、光出力场景集合,对比同步回代、K-Means聚类、模糊C均值(FCM)聚类三种场景削减技术所得最大概率典型场景风、光出力数据,发现同步回代场景削减技术更能表征风、光出力的波动性和随机性。并以风电、光伏、微型燃气轮机、质子交换膜燃料电池及蓄电池组成的微电网系统为研究对象建立了以系统总运行成本最小为优化目标的经济调度模型。算例分析中,采用自行改进的粒子群算法(PSO)优化调度各微源在典型场景下的出力,验证了结合蒙特卡罗抽样的同步回代算法对风、光出力不确定性处理的有效性和合理性。     

面向风光综合消纳的电力系统广域储能容量优化配置研究

针对含大规模风光接入的电力系统中广域储能优化配置问题,提出采用K-means聚类方法,对风电出力、光伏出力与负荷间的时序数据进行典型日场景集抽取;以年弃风成本、弃光成本与储能等效年投资成本3者之和最小为优化目标,建立面向风光综合消纳的广域储能优化配置混合整数线性规划模型,并采用智能优化算法进行求解,实现储能投资最小化和风光消纳最大化的综合最优。以宁夏电网实际运行数据为例,验证了所提模型的合理性与有效性。     

计及风电—负荷耦合关系的含大规模风电系统调峰运行优化

随机性风电出力的准确建模是含大规模风电系统调峰运行优化的关键环节之一。针对中国系统运行的实际特点,提出计及风电出力与日负荷时序耦合关系的交互特性评价指标,并据此建立基于调峰问题驱动的风电出力模型。该模型以关键场景、聚类场景及其概率分布表征风电接入对系统运行和调峰需求的综合影响。基于该风电出力模型,建立了含大规模风电系统的调峰运行优化模型。通过多场景下的运行优化,获得各项运行指标的期望值,实现对系统调峰运行特性的综合分析。对中国西部某省进行了算例分析,验证了所提方法的有效性和实用性。     

考虑风电和负荷不确定冷热电联供微网日前经济调度

以含多种分布式电源的冷热电联供（combined cooling heating and power, CCHP）微网为研究对象,考虑风电出力和冷热电负荷不确定对微网运行的影响,区分源荷不确定各自的特点,建立考虑风电和负荷不确定的CCHP微网两阶段鲁棒随机调度模型。虽然风电预测精度较低,但其波动范围易于测量,可以使用鲁棒优化方法处理风电不确定;负荷预测精度较高且有较强波动规律,使用随机优化方法处理负荷不确定。首先通过随机抽样形成多个负荷场景并削减,得到多个典型冷热电负荷场景;然后以最小化各场景的调度成本加权平均值为决策目标制定日前调度方案,该方案使用两阶段鲁棒优化方法求解。考虑实际生产中可能出现的弃风现象,为增加风电消纳引入弃风惩罚成本。算例仿真结果证明了所提调度方法的合理性与经济性。     

基于改进k-means聚类的风电功率典型场景在日前调度中的应用

针对含风电电源的电网日前调度优化问题,应用聚类分析获得风电功率典型场景进行风电功率预测,并将预测结果用于日前调度优化具有重要意义。提出一种基于改进k-means聚类算法的风电功率典型场景生成方法,对周期内的风电数据通过场景生成和缩减,得到少数几个能反映周期内历史数据特征的风电功率典型场景集;然后以系统运行成本最小为目标,建立适应风电接入的日前机组组合模型,模拟风电接入后电力系统实际运行情况。最后通过算例比较风电功率点预测、区间预测和典型场景预测在电力系统日前调度中的经济运行优化结果,验证了所提方法的有效性和实用价值。     

多风电场接入的灵敏度场景静态无功/电压评估

风电出力对电力系统运行的影响存在复杂的非线性,现有处理风电随机性的风电场景模型难以保证风电场景与电力系统优化运行保持一致,为此提出含多风电场的电力系统无功/电压灵敏度场景分析方法。首先利用网损/电压灵敏度计算方法计算多风电场相关性出力样本的网损/电压灵敏度,再基于主成分分析构建联合网损/电压灵敏度特征空间,并在此基础上进行场景聚类,得到多风电场网损/电压灵敏度场景。将某2个风电场的实际数据接入IEEE 30节点系统中分别进行传统风电场景分析和所提灵敏度场景分析,验证了所提方法的有效性和优越性。     

数据驱动下基于风电场景的多时间尺度调峰调度研究

风电具有明显的波动性和反调峰特性。为减少风电大规模并网对电力系统调峰带来的影响,提出了一种基于风电调峰场景的多时间尺度调度策略,提高了极端风电场景下电网调度的执行效率。首先,构建了风电-负荷数据驱动模型。提出了风电调峰功率的多时间尺度评估指标,根据该指标对一年的风电功率进行时域分解并生成典型的风电调峰场景。其次,为保证在调峰场景下电网的功率平衡,针对历史场景构建了风火储协同调峰模型,并制定典型场景的经济最优调度预案。在此基础上提出多时间尺度调度策略,通过对调度预案进行滚动修正以应对风电的不确定性。最后,通过算例分析验证了所提方法在保证电网经济稳定运行的前提下可有效地提高调峰调度的计算速度并及时实施调峰调度。     

含海洋能发电的海岛微网能量优化调度方法

针对海岛微电网分布式电源和负荷的独有特性,以海岛系统运行经济性为目标,考虑新能源消纳因素,提出一种海岛微电网能量优化调度方法。首先在分析典型海洋能发电出力特性的基础上,建立了含风、光、柴、储、波浪能、潮汐能以及可控负荷的海岛微网能量优化调度模型;而后面向日前和日内2个时间尺度,采用CPLEX完成混合整数规划,利用日前调度计划与日内实时滚动推演结果比对,依据日内滚动计算结果修正日前调度计划,实现当日微网能量调度全局最优。算例分析表明,由于利用了日前和日内相结合的滚动计算方法,使对岛上源、荷的预测精度逐级提高,该优化调度方法在兼顾海岛微电网功率平衡和可再生能源利用率的同时,最大限度降低了海岛微电网运维成本。     

基于场景生成与IGDT的风光-碳捕集-P2G虚拟电厂经济调度

为了有效降低风光出力与负荷预测的不确定性对虚拟电厂调度运行的影响,提出了基于场景生成与信息间隙决策理论（IGDT）的经济调度优化模型。通过Copula函数与非参数核密度估计方法构建风光出力联合分布模型,并利用蒙特卡洛模拟与k-means聚类得到典型场景。利用区间约束对负荷预测的不确定性进行建模,构建不同风险偏好下的调度优化模型。以典型的虚拟电厂系统进行算例分析,验证了所建立模型可以为不确定性影响下的虚拟电厂经济调度问题提供解决方案。     

基于残差卷积自编码的风光荷场景生成方法

随着风、光等新能源的发展,对含大量风、光电网的调控和运行提出了更高的要求。典型场景是处理该问题的主要方式之一。针对传统聚类生成典型场景的方法易产生数据信息损失、特征提取不够精确等问题,提出了一种基于残差卷积自编码聚类的风光荷不确定性源场景生成方法。首先,利用残差卷积自编码器网络提取风光荷数据的特征,在减少数据信息损失并考虑风光荷耦合性的前提下,降低数据维度;然后,为了减少噪声数据对实验结果产生的影响,利用k-medoids进行聚类从而生成典型场景。最后,以西北某地区电网实际采集数据为研究对象进行算例分析, 与传统聚类方法进行戴维斯堡丁指数(Davies-Bouldin index,DBI)、Calinski-Harabaz指数(Calinski-Harabasz index,CHI)等指标对比,验证了所提方法的可行性。     

面向风电接入暂态功角稳定分析的电网极端运行场景提取

大规模风电接入给电网的规划和运行带来了极大的不确定性,导致系统运行模式更加多变.极端运行场景提取对于分析电网运行的高风险薄弱点具有重要意义,而传统经验场景提取方式难以应对风电和负荷的双重不确定性.面向规划层面的电力系统安全稳定评估问题,提出一种基于数据挖掘和机器学习算法的电网极端运行场景提取方法.首先,通过机器学习识别出对暂态功角稳定影响较大的场景变量并依据重要程度进行排序,同时采用熵权法体现场景变量自身的离散性对极端运行场景的贡献程度.随后,利用加权聚类算法筛选出代表大多数场景暂态功角稳定水平的典型运行场景,进而提取出离群、极端的边缘运行点作为极端场景.最后,采用IEEE 39节点算例进行暂态仿真分析,验证了采用数据挖掘与具体问题相结合的方法进行极端场景提取的有效性和合理性,提升了风电并网规划、稳定分析的水平和效率.