含不确定性负荷的水火电力系统随机优化调度

针对水火电力系统负荷的不确定性,建立基于模糊机会约束规划的随机优化调度模型,分析负荷不确定性变化对水火电机组出力及火电机组能耗量、排放量的影响。将实际负荷与负荷预测的偏差看成一个模糊随机变量,并在火电机组煤耗量最小化、污染物排放最小化和水库蓄水量最大化3个目标函数中及功率平衡、机组出力调整等约束条件函数中均引入负荷这一随机变量。按照模糊机会约束和随机机会约束的确定性等价形式,将水火电力系统优化调度的不确定模型转化为确定性模型,并利用多目标问题的模糊满意度法进行求解。以一个8级梯级水电站和6台火电机组组成的水火电力系统为实例进行计算,验证所提出含不确定性负荷的水火电力系统随机调度模型的准确性和可行性。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

基于随机规划的含风电场的电力系统节能优化调度策略

含风电场的多电源电力系统优化调度是一个新的具有重要经济和社会效益的复杂非线性问题.针对传统的水火经济调度模型以及新兴的火风互补经济调度模型,提出了基于随机规划的水、火、风混合系统短期优化调度模型,利用机会约束描述目标函数和约束条件,并给出不同置信水平下的调度方案.同时考虑水电站耗水量最小、火电煤耗量最小以及氮氧化物排放...     

基于机会约束目标规划的风-光-水-气-火-储联合优化调度

在可再生能源大规模接入电力系统的背景下,为了利用不同能源互补特性解决电力系统弃风、弃光的问题,建立风电、光伏发电、凝汽式火电机组、热电机组、燃气轮机、联合循环燃气轮机、梯级水电和抽水储能机组的模型,在此基础上,考虑风电和光伏发电出力的不确定和水、热、电能量平衡,建立基于机会约束目标规划的风-光-水-气-火-储联合优化调度模型。为了提高模型求解效率,利用基于采样的机会约束条件确定性转化方法将机会约束条件转化为混合整数约束条件。算例验证了所提模型的有效性。将所提调度模型与现行火电机组“以热定电”、梯级水电“以水定电”的模式进行对比,结果表明所提协调调度模型能够利用不同机组之间的互补特性提高电力系统运行的灵活性,从而提高可再生能源的消纳能力,降低系统运行成本。     

储能电站参与调峰的风-火-储联合系统分层优化调度方法∗

为充分挖掘储能参与系统调峰潜在价值,合理分配风、储、火等系统出力,有效降低系统运行成本,提高 可再生能源消纳水平,提出了一种储能电站参与调峰的风-火-储联合系统分层优化调度方法.为了提高模型泛化能力和预测精度,采用基于集成学习的风电预测方法得到风电场出力曲线.分层优化调度方法的上层优化模型以最小化净负荷波动为目标,对各时段储能电站充放电功率进行优化.下层优化模型以最小化风-火-储联合系统运行成本为目标,基于上层优化模型传递的净负荷曲线,优化求解得到火电机组最优出力和最大调峰收益.     

基于Shapley值抽样估计法的风-光-水互补发电增益分配方法

在多利益主体市场环境下,建立公平、合理、高效的互补发电增益分配方法是保障风-光-水互补发电优化调度能够实施的关键.针对风-光-水互补发电的特点,在建立考虑随机性、波动性和互补效益的风-光-水互补发电优化调度模型的基础上,提出风-光-水互补发电增益量化方法;在经典Shapley值(SV)法的基础上,提出基于Shapley值抽样估计(SSVE)法的风-光-水互补发电增益分配方法,并提出基于强化学习(RL)的样本量分配法,以提高SSVE法的精确性和计算效率.算例结果验证了采用RL样本量分配法的SSVE法的有效性,且SSVE法能够有效减少计算量以及解决经典SV法的组合爆炸问题.     

基于电动汽车分群的“风-网-车”联合消纳调度策略

为解决电动汽车的大规模实时优化调度问题,在建立电动汽车状态矩阵的基础上,提出电动汽车状态集群划分新方法。定义功率满意度及时间满意度,加权和为用户满意度,并以经济收益与满意度最大为目标,构造基于电动汽车分群的“风-网-车”实时联合消纳调度模型。针对并网运行的风电场出力与电动汽车负荷不确定性问题,研究可信性理论与模糊机会约束的融合,引入可信性测度指标,对模糊机会约束条件进行清晰化等价处理。最后,采用考虑外点罚函数法并带收缩因子的粒子群优化算法对调度模型进行优化求解,通过算例验证该模型及调度策略的优越性。     

风-光-蓄-火联合发电系统的两阶段优化调度策略

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响,提出一种风-光-蓄-火联合发电系统的两阶段优化调度策略。利用抽水蓄能的抽蓄特性,将风电和光伏出力进行时空平移,使风-光-蓄联合出力转变为稳定可调度电源,具备削峰填谷的功能,与火电机组共同参与电网调度。以风-光-蓄联合出力最大和广义负荷波动最小作为风-光-蓄联合削峰模型的优化目标,火电机组运行成本最小作为经济调度模型的优化目标,建立两阶段优化调度模型,分别采用混合整数规划方法和粒子群算法求解。改进IEEE-30节点算例系统仿真结果表明：所提调度策略可以提高风能和太阳能的利用率,缓解火电机组调峰压力,大幅降低风电的反调峰特性对电网的影响,从而保证电力系统安全、稳定、经济运行。     

基于模糊机会约束规划的水火电力系统多目标随机调度模型

针对水火电力系统运行调度中所包含的不同种类的不确定量,提出了一种基于模糊随机机会约束规划的短期水火电力系统多目标优化调度模型。将调度周期开始的水库蓄水量作为一个三角模糊量,以描述初始蓄水预测可能存在的误差。针对某些随机变量可能由于历史数据不足而存在误差的问题,用模糊随机变量替代这些随机变量,描述水火电力系统运行中的不确定性。在考虑整个系统发电煤耗最小化和污染物排放最小化的目标同时,考虑了龙头电站周期末蓄水量最大的优化目标,并引入了火电机组煤耗量与梯级水电站蓄水量目标的协调函数。按照模糊机会约束和随机机会约束的确定性等价形式,将短期水火电调度不确定模型转化为确定性模型。以一个8级梯级水电站和6台火电机组组成的水火电力系统为实例进行计算,验证了所提出的水火电力系统随机调度模型的正确性。     

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。     

Dual programming methods for large-scale thermal generationscheduling

The problem of thermal generation scheduling is considered in the framework of the short-term hydro-thermal coordination problem. Dual programming methods are applied to the large-scale problem deriving from a fine subdivision of the daily optimization horizon for networks with hundreds of thermal units. The starting point for the dual approach is obtained from the solution of a thermal scheduling problem with discarded generation ramp-rate constraints. The relaxed daily scheduling decouples into as many smaller dispatch problems as the number of subintervals. Two dual programming methods are implemented: the former is the dual active set algorithm by Goldfarb and Idnani while the latter is based on the application of continuation method techniques. These approaches are extensively tested with reference to both a small sample system and to the daily thermal generation scheduling of the Italian (ENEL) system (over 100 thermal units and 96 quarter hour subintervals). Incorporating the dual programming approach within the ENEL hydro-thermal coordination procedure is also considered     

Power system operations scheduling using separable programming

The problem of electric power operations scheduling comprises maintenance scheduling, intermediate- and short-term hydro-thermal scheduling, unit commitment and production scheduling. Recognizing the inter-relationship among these subproblems, the effect on one another is analyzed. Computationally efficient formulations and algorithms for maintenance scheduling and intermediate- and short-term hydro-thermal scheduling are presented.A variation of the separable programming technique is presented. This results in a linear programming formulation of the nonlinear scheduling problem. This technique is applied to a hypothetical system containing nuclear, fossil, hydro-electric and pumped-storage units. The large problem of hydro-thermal scheduling due to the inclusion of a nuclear unit is decomposed into two stages. In the first stage, the relatively stable nuclear generation is optimized with respect to the generation from large fossil-steam units. Hourly generation levels for all units in the system are then determined in the second stage.     

基于局部随机搜索粒子群优化算法的电站短期发电优化调度

为提高粒子群优化(PSO)算法搜索精度、加快后期收敛速度,提出一种新的PSO算法,即局部随机搜索PSO算法。该算法用于求解电力系统的短期发电优化调度问题时,不仅要求满足电站实际运行中的系统负荷平衡约束,而且要考虑机组爬坡约束、出力限制区约束等非线性约束。给出了局部随机搜索PSO算法的步骤及短期发电优化调度问题求解方法。通过应用所提出的算法和其他文献提出的PSO算法、改进快速进化规划(IFEP)算法对15机系统的优化调度计算相比,证明所提出的算法最优解的发电费用最低,分别减少了3.8%和1%。     

基于微分进化算法的水火电短期优化调度的研究

在电力市场机制不断更迭情况下,针对水电发展趋于完善的过渡时期,充分考虑当前环境下水火电协调的新内涵,以电网经营企业利益为核心,提出了适合当前阶段,含阶梯水电站的水火电混合系统发电侧短期购电费用最低的联合调度模型。初次在国内引入微分进化算法到电力系统短期优化调度,以使水火电的出力分配达到最优。实际算例的计算结果表明,该算法能够较好地实现该模型下的经济调度。     

计及需求响应的含风电场多目标低碳经济调度

综合考虑发电成本、碳排放量和用户满意度,建立计及需求响应的含风电场多目标低碳经济调度模型。该模型采用随机规划理论描述风电出力的不确定性,并应用风电出力分布函数将其转化为等价的确定性模型;通过优化需求侧资源来调整次日的负荷曲线,以提高系统负荷率和风电消纳能力;引入用户满意度约束,保证调度方案使用户满意;将源荷侧资源整合统一调度来适应大规模风电并网和满足系统节能减排的要求。在人工鱼群算法搜索过程中结合禁忌搜索思想,并引入多目标搜索机制,提出了一种多目标改进鱼群算法对模型求解。采用逼近理想解排序法对帕累托前沿个体排序,辅助决策者确定最佳的调度方案。算例仿真结果验证了所提模型的合理性和算法的有效性。     

消纳大规模风电的鲁棒区间经济调度:（一）调度模式与数学模型

大规模风电接入给电力系统调度运行带来挑战。传统的确定性调度方法没有合理地考虑风电的不确定性,因此无法保证系统的安全运行。面向日内的有功调度,文中提出一种利用风电预测区间的鲁棒风电调度模式,使得风电场尽可能运行在最大功率点追踪模式,该模式具有控制灵活和可操作性强的特点。基于该调度模式,建立考虑自动发电控制(AGC)调节响应的鲁棒区间经济调度模型及其等价二次规划模型。最后,在改进的IEEE 24节点系统上进行蒙特卡洛仿真并与传统调度方法对比,验证了所提出的经济调度方法的鲁棒性、可靠性和经济性。     

消纳大规模风电的在线滚动调度策略与模型

提出了能有效提高电网消纳风电等间歇式能源能力的发电计划在线滚动修正策略,并给出了其与日前计划优化的关系。同时,给出了相应的优化调度模型。基于拉格朗日对偶松弛法的框架,将原优化问题转换为拉格朗日对偶优化问题的主问题和子问题两部分。然后,基于模型凸规划的特点,提出了子问题的逆向递推的改进动态优化算法。该算法具有多项式复杂度...     

遗传算法在电力系统日有功优化调度中的应用

随着电力市场的不断深入，系统的有功优化调度在电力系统运行中占有越来越重要的地位。针对这一特点，本文提出了在多约束条件下，寻求全网经济效益最优的算法，先用遗传算法求解机组组合，再用等微增率法求解负荷的最优分配，在求解的过程中，采用不同听方法来处理各种约束条件。通过模拟系统的实例验算表明了所提出的算法十分有效。