含大规模电动汽车的电力系统机组组合问题研究

大规模电动汽车(electric vehicles,EV)接入电网将会对电力系统的规划、运行及市场运营产生很大的影响.针对大规模EV接入电网后的机组组合问题进行了研究,提出了一种计及EV充电需求的电力系统机组组合模型,把满足EV充电需求纳入约束条件,以某一辆EV在某一个时段是否进行充电作为可优化控制变量,以10机系统24h内的机组组合为算例,在不同EV规模下,对比了3种不同充电控制策略,即无序充电策略、分时电价策略、智能充电策略对电力系统机组最优组合优化结果的影响.由计算可知对EV采取适当的充电控制策略可以降低电力系统发电成本.     

规模化电动汽车和风电协同调度的机组组合问题研究

基于电动汽车通过集中控制器与电网交互的模式,考虑集中控制器所辖区域电动汽车负荷每个调度时段的可控特性,提出将集中控制器充电负荷作为机组组合模型的控制变量。通过蒙特卡洛抽样模拟电动汽车并网场景,计算集中控制器的可调度上限值和下限值,建立了规模化电动汽车与风电协同调度的机组组合模型。算例分析结果表明了应用提出的机组组合模型提高风电消纳能力和降低系统运行成本的有效性。     

基于场景分析的含风电系统机组组合的两阶段随机优化

风电场输出功率具有随机性、间歇性的特点,其大规模并网发电使电力系统的调度决策面临着新的挑战。在此背景下,以日前调度为研究对象,提出了一种解决含风电系统机组组合问题的两阶段随机规划方法。该方法将发电机组的启停决策及启停决策下机组的发电计划制定视为两个阶段的决策问题,第一阶段决策对应机组启停,旨在寻求给定条件下具有最小启停成本的机组组合方式,而第二阶段决策则用于评估随机条件下已制定机组启停计划所对应次日机组运行成本的期望值,方法通过对两个阶段决策问题的统筹考虑,最终确定出机组的最佳组合方式。采用场景树模拟日前风电场输出功率预测误差的时间分布特性,并利用场景缩减技术实现在较高计算精度下模型复杂度的降低。通过对某实际26节点11机系统的分析计算验证了所提出方法的有效性。     

计及可入网电动汽车的电力系统机组最优组合

可入网电动汽车（PEV）广泛接入电力系统后,其相应的充放电行为会对系统规划、运行和市场运营带来一些新问题甚至挑战。就PEV广泛接入电力系统后的机组最优组合问题进行了研究。以发电机组的运行成本和CO2排放量的加权和最小化为目标函数,把每时段内充放电的PEV数量作为可优化调度变量,采用分段线性化方法把机组最优组合问题转化为...     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。     

含风电的电力系统机组组合问题研究综述

以风电为代表的新能源规模化开发利用,改变了传统电力系统的结构特性,给系统的运行控制方式带来了新的挑战。机组组合是电力系统经济调度的重要环节,通过优化发电周期内各机组的启停计划来降低发电成本,同时满足系统负荷需求和其他约束条件。风电具有随机性、间歇性特点,大规模风电接入电网使传统的机组组合方式难以适应新能源电力系统的要求,研究含风电的机组组合对于应对风电引起的负荷波动、保证电力系统稳定、经济运行具有重要意义。为此,综述了国内外对含风电机组组合问题的研究现状,分析了风电接入电网对电力系统机组组合问题带来的影响,归纳了常用的建模方法和求解算法。并对该领域未来的研究方向进行了探讨,希望为其他学者在该领域的研究提供借鉴。     

计及风电并网的机组组合方法研究

风电具有间歇性和波动性的特点,其并入电网时会对传统以火电机组为主的机组组合造成明显的影响,针对此问题,提出了计及风电并网的机组组合方法。该方法首先对风电功率预测结果误差进行统计,在此基础上,建立了风电功率预测误差的分布概率模型。然后,该模型与传统火电机组累积停运容量概率表结合,形成了考虑风电功率的机组累积停运容量概率表。接着,将该表以解析表达的方式引入机组组合的拉格朗日松弛法中,形成风电接入后的机组组合模型,并采用传统拉格朗日松弛法进行求解。最后以某实际电网为例,验证了所提算法的优越性。     

计及差异化服务费定价的电动汽车聚合商两阶段调度策略

电动汽车(electric vehicle, EV)是极具调节潜力的需求侧资源,针对现货市场环境下的电动汽车聚合商(electric vehicle aggregator, EVA)整合和调度EV负荷资源的问题进行研究。首先,考虑EV的车-桩充电负荷差异化建立了EV充电模型。其次,以EVA运营收益最大为目标,兼顾EV车主利益,基于主从博弈关系建立EVA日前优化模型;模型基于场景的随机优化方法考虑市场日前电价的不确定性,解得差异化EV充电服务费价格和EVA日前购电计划。随后,基于能量共享模式对各类EV进行日内滚动优化调度,减小EV接入不确定性给EVA差额交易带来的额外成本。最后,以某市区电动汽车聚合商为案例开展分析,结果表明所提两阶段调度策略能有效应对EV接入不确定性与市场电价不确定性,实现EVA与EV双赢。     

考虑电动汽车随机特性的机组组合问题研究

在考虑不同种类电动汽车随机行驶特性的基础上,建立电动汽车与系统互动的机组组合模型。该模型以各时段电动汽车的充放电功率以及机组出力作为决策变量,以火电机组总成本作为优化目标,在满足各类型电动汽车随机行驶特性的条件下,得出能够适应电动汽车接入的机组最优组合。为描述电动汽车行驶的随机特性,将电动汽车分为私家车、公交车、公务车以及出租车4种类型,利用大量场景模拟不同类型电动汽车的出行离开时间、接入时间以及日行驶里程,并引入电动汽车相关约束中。由于随机机组组合模型的复杂性与非线性,将其转化为线性混合整数规划模型,利用CPLEX进行求解。算例仿真结果验证了采用电动汽车入网(V2G)技术时考虑电动汽车随机特性以及对电动汽车进行分类研究的必要性。     

考虑风电出力波动性的发电调度

提出了一种基于混合整数线性规划(MILP)的随机优化方法,来求解考虑风电出力不确定性、以总运行成本最小化为目标的机组组合优化问题.为计及风电的波动性,采用时间序列分析自回归滑动平均(ARMA)模型和拉丁立方采样(LHS),将随机优化模型转化为确定性模型,通过场景削减技术来解决场景数量很多时的计算量庞大问题.采用10机组和100机组系统对所提出的方法进行了模拟测试.仿真结果表明:计及风电出力不确定性后,系统总的运行成本趋于增加;非风电机组的爬坡速度和风电预测精度对所提出的算法的计算效率有明显的影响;将风电作为旋转备用资源可以明显降低系统总的运行成本.     

考虑风电出力不确定性与半绝对离差风险的机组组合模型

在风电-火电系统中,若机组组合策略不当,风电出力的不确定性会引起电力系统的实际运行成本严重偏离期望成本,称之为决策风险.为了降低潜在的决策风险,运用情景生成与情景削减的方法表征风电出力的不确定性,并采用半绝对离差(lower semi-absolute deviation,LSAD)来衡量决策风险,即仅考虑实际运行成本高于期望成本的情形,提出了考虑风电出力不确定性与决策风险的机组组合模型,模型以最小化各个情景的半绝对离差风险期望值为优化目标(decision risk minimization,DRM).算例对比了不考虑决策风险的机组组合模型与考虑决策风险的机组组合模型,计算结果表明DRM模型能够降低潜在的决策风险.最小化运行成本期望将会增大决策风险,而最小化决策风险会导致运行成本期望的增加,计算结果表明DRM模型能够较好地处理风电出力的不确定性带来的运行成本期望与决策风险之间的矛盾关系,为决策者在不确定条件下进行决策提供新的思路.     

考虑风电场灵活性及出力不确定性的机组组合

大规模并网风电的出力不确定性及反调峰特性给电力系统运行,尤其是机组组合的安全可靠性、经济性带来了严峻的挑战。合理构建风电出力不确定性模型,并将新的优化方法,如随机优化、鲁棒优化等应用到机组组合中已成为当前的研究热点。首先对风电场潜在调节能力进行了探讨,提出了一种新的风电调度模式及相应的机组组合模型。风电场在新的调度模式下将转变为一个"灵活"的参与者,而机组组合模型同时计及了风电场出力的不确定性。然后,以修订后的IEEE 39节点系统为基本算例对所提方法进行了仿真分析,结果表明所提出的方法可有效地提高电力系统运行的整体性能。此外,所提方法还可用于评估系统对风电的接纳能力。     

考虑新能源与电动汽车接入下的主动配电网重构策略

随着分布式风力发电等新能源以及电动汽车(EV)等新型负荷接入配电网的比重逐步提高,传统的配电网重构模型难以反映其随机性和波动性。文中首先构造了风力机和EV的概率场景模型及含分布式电源(DG)和EV的配电网重构模型;其次,在场景分割的基础上对不同场景分别进行线性化随机潮流计算,在保证精确性的前提下简化模型,避免了场景的组合爆炸,体现了对于配电网中不断增加的DG和EV的适应性;最后采用一种适用于配电网重构场景模型的改进生物地理学优化算法,通过引入改进的编码规则、余弦迁移模型及变异操作,提高搜索速度和精度,抑制算法进化过程中因早熟收敛而陷入局部最优。算法在IEEE 69节点算例20次仿真计算中比传统人工智能算法更有优势。     

考虑风电不确定性及柔性负荷的安全约束机组组合问题研究

针对风电出力的不确定性,采用基于拟蒙特卡洛(quasi-Monte Carlo,QMC)模拟的场景分析法生成风电出力初始场景,选取考虑风电预测误差较大的极限场景实现场景缩减。在不同的风电出力场景下,兼顾发电侧与需求侧柔性负荷的双侧协调配合,提出了计及柔性负荷的安全约束机组组合模型,实现了可削减负荷、可平移负荷以及可转移负荷3类柔性负荷的分类调度。通过对不同场景下10机系统的仿真计算,对比分析了需求侧柔性负荷调度对系统的经济成本、负荷峰谷差以及弃风量的影响。在考虑风电不确定性时,需求侧柔性负荷调度对提高系统经济性、缓解负荷高峰期用电压力具有重要作用,并且有利于增加风电的消纳,降低弃风电量。     

含随机风电的大规模多目标机组组合问题的向量序优化方法

向量序优化是一种新的解决多目标、超大计算量、复杂优化问题的有效方法。文中以煤耗量、购电费用、SO2排放量为优化目标,首次引入向量序优化理论求解含大规模随机风电的多目标机组组合问题。以含大型风电场及水、火、核、气、生物质能等复杂电源的某省级电力系统为例,将所提算法的优化结果与基于GAMS-BARON求解器的混合整数非线性规划法(mixed integer nonlinear programming,MINLP)进行对比分析,结果表明所提算法的求解速度大大优于传统的MINLP且优化结果偏差很小,验证了采用向量序优化方法求解含随机风电的大规模多目标机组组合问题的有效性。     

考虑电动汽车换电站与电网互动的机组组合问题研究

大规模电动汽车换电站接入电网后,其充放电行为将给系统优化运行带来新的挑战。将电动汽车换电站引入传统机组组合问题中,提出考虑换电站与电网互动的机组组合(unit commitment,UC)新模型。在深入研究电动汽车电池更换物理过程的基础上,以常规机组的发电成本、启动成本和考虑换电站充放电净负荷的方差为目标函数,考虑了换电站的充放电效率、电量平衡和满足日换电需求的最小储能等约束,形成机组组合问题优化新模型。通过换电站充、放电过程优化,降低机组出力的调整频率,提高电网安全运行的经济性。最后,在10机电力系统模型上进行算例仿真分析,验证所提模型的有效性和正确性。     

考虑风电出力不确定性的发用电机组组合方法

由于风电出力的不确定性,大规模风电接入电网将对电力系统的安全经济运行产生严重的影响。为了更好地消纳风电,从发电和用电两个角度出发,根据风电出力的Beta概率密度函数,提出基于风电概率模型的弃风成本和可中断负荷成本的发用电一体优化方法。为提高该方法的求解效率和实用性,在建模中仅引入机组组合变量,并采用Delta方法将非线性模型转换为线性模型求解。最后采用多个场景算例说明了模型与方法的实用性和有效性。     

考虑风电机组无功特性的安全约束机组组合方法

随着风能的广泛使用,安排发电计划时更多的风电机组将会被引入,这对传统的机组组合提出了新要求。风电出力具有很强的波动性,将风电出力按一个区间放入原模型中更显合理。另外,异步风电机组的结构与普通火电机组不同,异步电机发电的同时要吸收一定的无功功率,因此模型用交流潮流约束更合理。由此建立的是一个非线性混合整数问题模型,为了提高计算效率,将问题分解为2层优化子问题,第1层为无网络约束的机组组合问题,第2层为以网损最小为目标函数的交流网络约束最优潮流问题,对于最优潮流算完后仍有电压或线路潮流越限的,将形成一些新的约束返回原问题。考虑到普通异步风电机组的大量使用,在处理约束问题时对风电机组采用无功功率—电压模型,避免出现无功不足而导致电压越限。以添加了风电机组的IEEE 57节点测试系统为算例,验证了该方法的可行性。     

考虑风电和抽水蓄能电站的机组组合问题研究

抽水蓄能电站参与系统运行能够有效提高电网的风电接纳水平。从系统角度出发构建了机组组合模型,将风电和抽水蓄能电站的运行优化问题与传统机组相结合,研究了系统最优调度策略。通过10机组系统的算例分析,得出了常规火电机组、风电以及抽水蓄能电站的最优调度策略。另外,对比分析了抽水蓄能电站在提升系统运行的经济性和风电并网水平方面的积极作用。