含风电场多目标低碳电力系统动态经济调度研究

含风电场多目标低碳电力系统调度模型包括2个目标函数:发电成本和碳排放量。考虑电力系统经济性的同时减少碳排放量;考虑风电场带来的风险,在发电成本中增加风险成本;在保证电力系统安全性的同时增加风电场的出力,达到低碳节能的效果。对含风电场多目标低碳电力系统调度模型,采用改进的多目标粒子群优化算法进行优化求解。仿真验证了含风电场多目标低碳电力系统调度数学模型与改进粒子群算法的正确性与有效性。     

需求响应促进风电消纳的电力系统环境经济调度

将需求响应作为虚拟发电资源参与发电计划的制定,建立考虑风电消纳的多目标调度模型,以发电成本和污染气体排放最小为目标函数,采用粒子群算法和禁忌搜索算法相结合的混合多目标算法对模型求解,以含一个风电场的10机系统为仿真算例.算例结果表明:需求响应通过分时电价的杠杆作用,可以充分调动用户改变用现有用电结构削峰填谷,提高电网风...     

大规模风电下基于模糊场景聚类的网储协调规划方法

受限于已有的电网水平,新建成的风电场难以将大量风电送出。从电网规划建设的角度出发,基于风电就地消纳与跨区消纳结合的思路,通过为风电接入配置储能系统、在现有电网基础上扩展线路构建风电消纳的通道,以现有风电和负荷数据为基础,利用模糊聚类方法提取运行场景的时空特性,提出了扩展规划的多目标优化模型,并利用改进粒子群优化算法进行求解。通过仿真算例从成本、网损、弃风量3个角度验证了规划方案的可行性。     

基于源荷互动的含风电场电力系统多目标模糊优化调度方法

在深入研究负荷互动特性的基础上,发挥互动负荷对系统消纳风电正负波动的效用,将互动负荷视为可调度资源融入传统日前调度模型中。综合考虑互动负荷对系统运行成本和潮流分布的影响,建立了以运行成本和网损最小为目标的含风电场电力系统多目标优化调度模型,并引入模糊理论将多目标优化问题转化为单目标优化问题进行求解,从而使发电侧和用电侧均能参与电网运行的资源优化配置。IEEE 30节点系统的仿真结果,验证了所提调度方法能够有效降低系统运行成本和网损,提高风电消纳水平。     

基于改进粒子群算法的风储联合系统多目标协同调度

为了平滑风电场输出功率的波动,提高风能的利用率,建立了以最小化风电出力波动和最大化风电场发电效益为优化目标的风储联合系统多目标调度模型。提出了基于虚拟理想粒子的多目标改进粒子群算法(particle swam optimization algorithm,PSO),并用该算法对模型进行了求解。算例仿真结果表明,所提方法可以有效平抑风电场输出功率的波动和提高联合系统的发电效益。     

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。     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

基于改进粒子群的风电-火电-蓄热电锅炉联合优化调度

蓄热式电锅炉是增加风电-火电系统弃风消纳的重要手段,但是当前风电成本仍高于火电成本,风电消纳和降低蓄热式电锅炉用能成本存在矛盾,考虑多方效益,合理优化风电、火电机组及蓄热式电锅炉的出力,对于降低用能成本、提高风电消纳具有重要意义。文章建立了考虑多目标的含风电、火电机组和蓄热式电锅炉的优化调度数学模型,通过采用偏小型隶属函数将以风电、火电机组运行成本最低和弃风量最小的多目标函数转化为单目标函数,在满足各部分约束条件下求取隶属度最佳的风电、火电机组出力。进一步,提出一种改进的粒子群算法,对上述模型求解。该算法可以跳出局部最优解,具有较快的收敛速度和较高的计算精度。最后,基于某电网的实际数据进行仿真,仿真结果验证了所提方法的有效性。     

含积分风险的电网经济调度研究*

随着大规模风电机组的并网运行,风电的随机性和不确定性给含风电的电网调度带来新的挑战和要求。为了在电网调度中降低风电的随机性影响,本文首先通过对风电功率进行统计分析采用逐时分析的方法来绘制风电机组的功率频率曲线,得到动态的风电功率密度分布函数。然后将该分布函数引入到电网调度中,建立含积分风险的电网调度模型。为了解决求解该调度模型的优化问题了,本文引入遗传算法对骨干粒子群算法进行改进,提出了改进的骨干粒子群算法。最后通过IEEE30系统对本文模型进行了验证,并对含风电电网调度的风险和成本进行了分析。     

考虑风电置信区间的水风火短期优化调度方法

风电出力的不确定性影响电网的稳定运行,大规模风电并网后“弃风”问题突出。为了充分考虑风电出力的不确定性,本文提出基于风电置信区间的风-水-火短期联合调度运行方法。利用梯级水电站启停灵活、爬坡速度快等优点平抑风电出力波动,构建了发电成本最小与清洁能源消纳最大的多目标优化调度模型。基于分层求解思想,将模型分为风电运行层、水电调度层与火电调度层,并提出了集成非参数法、启发式算法与改进的粒子群算法的总体求解框架,实现了模型的快速求解。某区域电网短期调度模拟运行结果表明,所提方法求解速度快,仅需83.5 s,在满足电力系统安全稳定运行约束与清洁能源消纳最大的前提下,水电、风电多发45.56万kWh,煤耗成本减少23.33万元。     

含随机风电出力及电网安全的电网调度策略研究

随着风电基地在中国北部和沿海地区大力建设,风电在电网中的比例不断提高,这对电力系统的经济调度运行提出新的考验。特别是风电的间歇性和波动性使得经济调度具有更多不确定性。将风速的概率模型和风机出力相结合,利用风电场出力的概率分布函数将风电场出力的随机模型转化为确定性模型,构建以机组的发电成本最小为目标函数,同时计及电网网络安全约束。在优化算法上,利用量子行为粒子群算法对模型进行求解,最后对调度模型进行敏感性分析。仿真结果表明,所提模型和方法是可行、有效的,具有一定的实用价值。     

计及柔性资源的含风电场电力系统多目标动态协调调度

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。     

计及柔性资源的含风电场电力系统多目标动态协调调度EI北大核心CSCD

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响。提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题。优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本。以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性。该方法可以节省较多的发电成本,具有较高的实用价值。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响.提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题.优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本.以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性.该方法可以节省较多的发电成本,具有较高的实用价值.     

基于机会约束规划和随机模拟技术的含风电场电力系统多目标优化调度

为了提高含风电场电力系统运行的经济性和可靠性,增强风电并网运行的稳定性,建立了基于机会约束规划的含风电场电力系统多目标机组优化调度的数学模型。考虑到风电场出力的随机性,引入了机会约束规划和随机模拟技术,以常规发电机组的发电成本最低和污染气体排放量最低为目标。问题分为内外两层求解,外层为机组组合优化,利用蚁群算法求解;内层为负荷的经济分配,基于Pareto最优解集概念和整体协调决策机制,结合多目标粒子群求解。用10机算例对模型进行了仿真分析,仿真结果表明所建模型合理、算法有效可行。     

基于模糊支配的生物地理学优化算法及其在含风电场电力系统调度中的应用

构建了含风电场电力系统发电成本和环境影响的双目标优化调度模型,应用模糊支配将双目标函数转化为单个评价标准,提出了基于模糊支配的生物地理学优化算法并对模型进行求解.通过与使用同样支配算法的遗传算法、粒子群优化算法相比较,验证了所提算法在处理电力系统多目标优化调度问题中的可行性和优越性.算例分析表明,根据优化调度决策,在合理的穿透功率范围内,风电的并网对提高电力生产的经济性具有较明显的效果,而在改善环境效益方面不是决定性因素.     

风电与电动汽车协同并网的电力系统动态环境经济多目标模糊优化调度模型

为协调电动汽车与风电并网给电力系统经济调度带来的影响,构建了考虑插电式混合电动汽车入网的含风电场电力系统环境经济多目标调度模型。而风力发电和负荷的不确定性因素必将增加调度难度,为此应用模糊理论实现风电与电动汽车协同并网的模糊化建模,利用满意度指标将确定性环境与经济的多目标问题转化为单目标优化问题,在采用线性下降搜寻思路和考虑边界约束的粒子信息分享方法对传统粒子群算法进行改进的基础上,采用改进粒子群优化(particle swarm optimization,PSO)算法求解所提出的动态环境与经济调度模型,从电网运行和车主需求角度出发,考虑了系统旋转备用和车主日常出行等制约关系。经过仿真以及对不同场景下多个调度方案的对比分析,验证了模型的合理性和以及改进PSO算法对解决此类动态调度问题的优越性。     

考虑大规模风电和电动汽车入网的协同优化调度

为了实现发电机组的经济调度,同时减少污染气体的排放和等效负荷的波动,结合电动汽车与电力系统之间能量双向流动的特点,考虑风力发电的间歇性和电动汽车充放电的随机性对电网的影响,以发电成本、排污成本和等效负荷波动方差最小为多目标函数,构建了计及风电和插入式混合电动汽车(Plug-in Hybrid Electric Vehicles,PHEVs)的协同优化调度模型。并应用基于ε占优的多目标粒子群算法进行求解,该方法能保证外部存档非劣解的收敛性和分布性,克服了粒子群算法(Particle Swarm Optimization,PSO)求解多目标优化问题极易收敛到伪pareto前沿和收敛速度慢的缺陷。最后,通过仿真实验,验证了所构建多目标协同优化调度模型与单目标优化调度模型相比,能有效平抑可再生能源发电出力波动,降低发电总成本和排污成本。     

考虑输出波动的风电-抽蓄联合日前优化运行

基于风电场及抽水蓄能电站的运行特性,建立了考虑输出波动的风电-抽水蓄能联合优化运行的模型。以风电-抽水蓄能联合体输出功率最平滑为目标,引入上水库库容日循环约束和抽水蓄能机组最大启停次数约束。基于风电场4种典型风电参数设计了算例系统,采用改进的粒子群算法进行优化求解,仿真结果表明:风电场与抽水蓄能电站联合运行不但能够降低风电波动性对电网运行的影响,提高电网消纳风电的能力,而且还能够对联合输出功率起到平滑作用。