基于改进差分进化算法的风电并网系统多目标动态经济调度

大规模风电接入对传统经济调度提出了新的挑战。建立了综合考虑火电机组运行成本、污染气体排放成本、风电运行成本、备用成本的多目标动态经济调度模型,并引入正、负旋转备用约束来应对风电波动性对调度带来的影响。采用层次分析法将多目标优化模型转化成单目标优化模型。提出一种改进差分进化算法对模型进行求解,算法中引入正交初始化技术和控制参数自适应调整策略以提高种群的全局寻优能力。以IEEE30节点系统为例验证所提模型的合理性和算法的有效性。     

采用二层优化的风电系统旋转备用容量分配研究

随着并网风电容量的加大,电力系统对旋转备用容量的需求也大量增加。基于二层规划理论,构建了含风电电力系统旋转备用容量的优化分配模型。模型分别以发电成本和备用成本最小为上层和下层优化目标.在备用成本中考虑了旋转备用容量的综合报价以及由风电不确定性所需要增加的旋转备用容量,对各台发电机发电和备用所担负的容量进行了优化分配,模型的分层结构较好地体现了发电调度和旋转备用调度的主辅关系。采用粒子群算法和单纯形法对模型进行求解,并通过算例分析说明所提出的模型和算法是有效的,对含风电系统的运行分析有一定的参考价值。     

基于加权半方差的含风电电力系统旋转备用效益研究

在考虑系统旋转备用的容量成本和能量成本、因购买旋转备用而减少的停电损失,以及旋转备用效益的离散程度的基础上,引入风险偏好系数,并采用证券投资组合中的加权半方差度量风险。以期望旋转备用效益最大和风险最小为优化目标,建立基于加权半方差的含风电电力系统旋转备用效益-风险模型。采用蒙特卡洛模拟法模拟实际负荷功率偏差和风电出力预测偏差,并通过多目标纵横交叉算法求得期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及风险偏好系数、可靠性水平、预测偏差、失负荷损失价格、旋转备用价格对期望旋转备用效益和风险的影响。算例验证了所提模型的合理性。     

考虑源荷协调的风电并网系统旋转备用容量优化

风电的接入给电力系统带来更大不确定性,要求电网公司购买更多的旋转备用以维持电力系统的功率平衡和稳定,兼顾系统运行可靠性与经济性的旋转备用优化配置具有重要意义。考虑风电、需求侧互动资源,提出一种基于多场景的概率性旋转备用优化方法。该方法综合考虑风电预测误差、负荷波动及发电机非计划停运不确定性因素对旋转备用的需求,将弃风、可中断负荷分别作为部分负、正旋转备用融入发电日前调度计划,以购电总费用最低为目标函数建立日前机组组合优化模型,获得各时段旋转备用优化配置量。通过对IEEE 30节点、IEEE 118节点系统进行算例分析,验证了所提方法的正确性和有效性。     

电力市场下风电电力系统旋转备用风险-成本模型

为了量化风电出力的随机性和波动性对电力系统备用容量的影响,利用条件风险价值方法,在电力市场环境下构建了包含了常规机组的运行成本、排污成本、期望停电成本、旋转备用成本在内的风电电力系统旋转备用的风险-成本模型,在Matlab环境下利用量子差分进化算法对模型进行求解,通过仿真分析了量子差分进化算法的优势、不同风险水平对系统上下旋转备用容量的影响,以及不同置信度下系统总的运行成本和条件风险值,得出了风险水平越高(对风电的态度愈保守),系统的上下旋转备用越小,而系统的上下旋转备用容量的置信度增加,系统总的运行成本和CVa R值则降低的结论。     

基于条件风险价值的含风电电力系统旋转备用效益研究

由于风电出力的波动性和间歇性,大规模风电并网使得旋转备用效益和风险的矛盾更加突出。考虑系统上、下旋转备用的容量成本和能量成本,以及因购买上旋转备用而减少的失负荷损失和因购买下旋转备用而减少的弃风损失,以期望旋转备用效益最大和系统损失的条件风险价值(CVaR)最小为两个目标,建立基于条件风险价值的含风电电力系统旋转备用效益-风险模型。采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差,并改进多目标粒子群优化算法,用于求解得到期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及不同可靠性水平、置信水平对期望旋转备用效益和风险的影响。最后,通过算例验证了该模型和算法的可行性。     

计及风力发电风险的电力系统多目标动态优化调度

为解决风电的随机性给电力系统调度带来的问题,引入负荷预测误差和风速的概率分布函数来建立负荷及风电功率的随机性模型。基于对负荷及风电功率随机性模型的深入分析,对风电接入将导致系统维持稳定运行的成本增加风险加以考虑。并在约束条件中引入失负荷及风电浪费风险指标,构建计及风力发电风险的电力系统多目标优化调度模型,以实现系统总污染排放量最少和运行成本最低的综合优化目标。采用一种新颖的蝙蝠算法对模型进行求解,并对蝙蝠算法的不足之处进行了改进,有效地解决了该算法迭代后期收敛慢、易陷入局部极值等问题。以含大规模风电并网电力系统为例进行环境经济调度仿真,验证了所提模型及算法的有效性,并进一步分析了相关参数对含风电并网电力系统优化调度的影响。     

含大型风电场的环境经济调度模型与解法

大规模风电并网给电力系统发电调度带来了新的不确定性因素。基于多目标机会约束规划,构建含风电场环境经济调度的随机优化模型,将燃煤机组的发电成本最小和污染气体排放量最小同时作为目标函数,并计及系统正、负旋转备用容量约束。利用风电出力的分布函数将随机模型转化为确定性模型。设计一种包含多目标优化和辅助决策的2阶段解法,该方法在求出模型的Pareto最优集后,能为运行人员提供决策指导。以含40台燃煤机组和1个大型并网风电场的电力系统为例进行环境经济发电调度,结果表明,所提模型和解法是可行、有效的。     

电力市场环境下含风电电力系统旋转备用优化

为保障电力系统运行的稳定性,必须对原有旋转备用做出一定优化。利用条件风险价值方法,在电力市场环境下构建了含风电电力系统的旋转备用风险-成本模型,其包含了常规机组的运行成本、排污成本、期望停电成本以及旋转备用成本。在常规约束的基础上,增加了系统上、下旋转备用容量的机会约束描述。利用蒙特卡洛模拟风电出力,在Matlab环境下利用Cplex对模型进行求解。通过仿真算例分析了不同风险水平对系统上、下旋转备用容量的影响,以及不同置信度下系统总的运行成本和CVa R值,验证了该模型的正确性。     

考虑风电不确定度的风-火-水-气-核-抽水蓄能多源协同旋转备用优化

随着风电并网渗透率的快速增长,系统的随机波动性显著增强。为合理地协调旋转备用配置效益和风险的矛盾,首先以多面体不确定集刻画风电不确定性,构建了计及风电出力误差概率的期望弃风和期望切负荷模型。在综合考虑风电、火电、水电等多类型电源机组运行特性的基础上,以发电效益与潜在期望风险为备用目标,建立了考虑风电不确定度的风-火-水-气-核-抽水蓄能多类型电源机组协同调度的旋转备用优化模型,并提出了一种自适应遗传算法与分枝切割算法相结合的双层优化算法以求解所建模型。算例结果表明,所提备用方法能自适应地寻找风电最优不确定度,合理地权衡备用策略的经济效益和风险成本,同时所建模型能适应在不同风电预测精度、不同切负荷成本系数以及不同风电调峰特性下的旋转备用优化配置,实现综合效益最优。     

基于随机规划的正负旋转备用容量求解方法

为研究正负旋转备用容量对电力系统运行费用的影响,提出了一种随机规划二阶段补偿模型,其目标函数包括计划运行费用和补偿费用。在不同正负备用容量情况下,采用拉格朗日松弛法和Monte Carlo模拟对模型进行求解,结果表明：系统的总运行费用随着负备用的增加始终单调递增; 当系统中负荷和风电功率的随机性较强时,最大和最小正旋转备用之间存在最优值使得总运行费用最小。最后采用粒子群(PSO)智能算法对10机系统的最优正旋转备用容量进行了求解。     

考虑系统正负备用的电动汽车优化调度策略研究

大规模电动汽车和风电场的接入加大了电网运行的风险,将对电网备用容量产生影响。考虑电网正负备用容量配置成本,提出电动汽车优化调度策略,旨在降低电网正负备用容量配置,并提高风电利用率。首先,运用模糊聚类算法分析风力出力的不确定性,得出系统差额概率密度函数;然后,基于改进电量不足期望指标(IEENS)和风能浪费风险指标(IEWWR)引入电力系统正负备用配置需求;最后,以用户充放电成本和正负备用成本最小为优化目标,建立电动汽车优化调度模型。仿真计算结果表明,该策略能够有效降低用户充电成本和系统正负备用容量投入成本,提高电网经济运行水平。     

考虑风电效益的风火互济系统旋转备用确定方式

风电接入电网的影响具有双重效应,因此,含风电的电力系统的备用容量配置需要综合考虑风电正、负效益才能得到合理的结果。此外,风电作为电源具备提供备用的能力,在确定备用时也需要考虑。文中首先分析了风电接入对电网的影响,然后建立了综合考虑风电节能环保综合效益和风电提供备用可能性的机组组合模型。接着通过一个具有风火互济运行典型特征的仿真算例,对几种不同备用容量确定方案进行了对比分析。最后围绕不同风电消纳原则、风电提供备用容量的可行性等问题,讨论了风火互济系统中的旋转备用确定方式,并提出了适合中国风火互济运行系统的风电消纳模式建议。     

适应大规模风电接入的电力系统旋转备用优化模型与求解

以经济性为评价指标,综合考虑系统有功平衡、机组爬坡和有功约束、节点电压约束、线路热稳极限和旋转备用总量需求等条件,建立了含风电的随机最优模型。通过场景生成和消减,建立了风功率的随机模型,并最终得到了在预测误差范围之内的10种风功率出力场景。在求解算法方面,引入了基于模糊聚类的改进小生境遗传算法,并在IEEE10机39节点系统进行了仿真验算,得到系统在多个场景下的出力曲线和旋转备用容量要求。结果表明,改进小生境遗传算法与其它算法相比,在保证系统安全运行的前提下,可以有效降低系统的运行费用。     

Optimal Spinning Reserve for a Wind-Thermal Power System Using EIPSO

This paper presents an evolutionary iteration particle swarm optimization (EIPSO) algorithm to solve the nonlinear optimal scheduling problem. A new index called iteration best is incorporated into particle swarm optimization (PSO) to improve the solution quality. The new PSO, named iteration PSO (IPSO), is embedded into evolutionary programming (EP) to further improve the computational efficiency. The EIPSO is then applied to solve the optimal spinning reserve for a wind-thermal power system (OSRWT). Results are used to evaluate the effects of wind generation on the spinning reserve selection of a power system. The OSRWT program considers the outage cost as well as the total operation cost of thermal units to evaluate the level of spinning reserve. The up spinning reserve (USR) and down spinning reserve (DSR) are also introduced into the OSRWT problem. The optimal scheduling of spinning reserve was reached while minimizing the sum of total operation cost and outage cost. Two practical power systems are used as numerical examples to test the new algorithm. The feasibility of the new algorithm is demonstrated by the numerical example, and EIPSO solution quality and computational efficiency are compared to those of other algorithms.     

风火联合系统不同备用模式的风险调度策略研究

电侧的需求响应以及蓄电设备运行灵活,可以作为虚拟备用资源,保障含风电等间歇性新能源发电的电力系统安全。为衡量虚拟备用资源给系统经济性和环保性的影响,分别建立传统火电备用和虚拟快速备用这2种含风电并网的电力调度模型。并考虑新能源输出功率、电力市场、机组参数等不确定因素给系统优化带来的风险,将区间两阶段随机优化模型与CVaR风险规避相结合,利用区间数、概率数对系统供给侧和需求侧的不确定因素与优化函数有效结合,同时体现决策者风险偏好。算例分析表明,此混合优化算法能够对含风电并网的电力系统不同旋转备用模式进行优化,权衡系统成本与系统风险。算例结果表明充分利用蓄电池、需求响应作为虚拟备用资源能有效降低系统成本和CO2排放。