新型城镇下含热电联产机组的配电网两阶段鲁棒优化调度

随着新型城镇化的改革,多种分布式电源与多元化负荷逐步接入配电网,多种不确定性因素给配电网的运行调度带来极大挑战。文中建立含热电联产(CHP)机组和风电机组的新型城镇配电网两阶段随机鲁棒优化模型。首先,采用场景集描述负荷波动的不确定性,采用保守性模型构建风电出力模糊集合。两阶段鲁棒优化调度中,第1阶段决策日前机组启停方案,第2阶段考虑风电出力的不确定性决策各机组实时出力。采用KKT(Karush-Kuhn-Tucker)条件将第2阶段双层模型变为单层线性优化问题,整体两阶段模型采用列与约束生成方法迭代求解,在负荷的场景集内得到考虑风电不确定性的新型城镇化配电网鲁棒优化调度方案。最后,通过改进33节点算例和改进123节点算例验证了模型的鲁棒性和经济性以及调度方案应对负荷波动的适应性。     

计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度

规模风电并网背景下,电力系统加大火电机组的调峰深度,充分挖掘现有下调备用空间,将是应对风电出力不确定性的有效方式之一。文中考虑火电机组工作在深度调峰(DPR)方式下的附加煤耗损失和机组寿命损耗,提出了计及火电机组DPR成本的规模风电并网鲁棒优化调度模型。考虑风电出力不确定性,建立了包括基于风电出力预测场景的调度主问题和基于极端场景的调控子问题的两阶段鲁棒优化模型,并引入不确定度参数控制调度计划的保守性,最终优化出经济性最优的鲁棒日前调度方案。基于算例分析证明所述模型的合理性与有效性。     

考虑风储一体的多场景两阶段调度决策模型

考虑风电的波动性和随机性,将风电功率的不确定性引入含风电调度模型中,建立基于场景集的日前机组组合和日内经济调度滚动修正两阶段决策模型。应用场景集描述风电功率的不确定性,建立基于场景集的机组组合模型,同时考虑合理弃风和切负荷有利于系统的稳定经济运行,在日内修正模型中引入弃风量以及切负荷量作为松弛变量,提高了模型的收敛性。两阶段模型均包含了储能系统来平抑风电功率的波动。算例结果表明:该模型有效抑制了风电的不确定性影响,提高了调度决策的鲁棒性。     

计及风电不确定性优化调度研究综述EI北大核心CSCD

大规模风电并网后为系统带来不确定性因素,对系统优化调度造成极大的挑战。该文立足于国内外电力系统适应高比例风电并网消纳的实际进展,首先,从机组组合计划、经济调度、市场机制等多角度对国内外研究现状进行梳理;其次,依据时间尺度、调控目标、建模机理及不确定模型等多种准则对计及风电不确定性优化调度模型进行归类分析,归纳并总结各类优化模型的优缺点及应用情况;然后,分别从模糊隶属度函数、场景集、鲁棒不确定集及分布鲁棒不确定集等四个方面,详尽地阐述各类处理风电不确定性模型的架构、应用现状、优势及不足;最后,对相关领域未来研究方向进行展望,以期为计及风电不确定性优化调度的研究提供参考和建议。     

基于弱鲁棒优化的含风电电力系统调度方法

受风速的间歇性和波动性影响,风电功率具有明显的不确定性,这对电力系统的调度运行提出了新的挑战。鲁棒优化作为一种新的处理不确定性的方法,近年来在含风电电力系统调度中得到了有效应用,但大部分鲁棒调度模型主要从构造不确定集合的角度来考虑解的可行性和保守度,并未考虑目标函数的恶化问题,而在实际应用中调度决策人员往往既关注调度解的鲁棒性,同时又关注目标函数的恶化程度,即希望付出适当的代价换取一定程度上的可行性。为此该文提出了基于弱鲁棒优化框架的含风电电力系统的调度模型。该调度模型选取风电场的预测功率作为基准场景,并在此基准场景目标函数恶化容忍度的基础上建立了弱鲁棒优化调度模型。最后文中采用含两风电场的10机系统验证该弱鲁棒优化调度模型的有效性。     

考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合

发电机故障停运是电力系统运行中的不确定事件。目前在含风电鲁棒机组组合中考虑机组故障停运的方法,不同程度地忽略了机组故障停运的概率特征,难以较好描述机组故障停运风险。在含风电鲁棒机组组合模型的基础上,引入电量不足期望以量化机组故障停运风险,基于成本收益分析建立了考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合模型,并提出计算电量不足期望的简化模型以提升计算效率。基于改进的IEEE-RTS 26机系统验证所提模型和方法,结果表明该方法能较好考虑风电不确定性和机组故障停运风险的影响,该简化模型能显著减小问题求解规模、缩短计算时间。     

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制。同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型。模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型。最后,建立了潮流裕度指标,并评估了该模型的安全性。算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考。     

含抽水蓄能机组的风电消纳鲁棒机组组合

针对风电在实际电网渗透率不断提高带来的风电消纳问题,提出了一种含抽水蓄能机组的鲁棒机组组合优化方法。所构建的鲁棒机组组合模型以系统运行成本和风电出力边界偏差惩罚成本最小为优化目标,约束条件计及了输电线路安全约束,并考虑了风电出力时间和空间不确定性预算的调节策略,避免鲁棒最优解过于保守。基于可调机组(包括自动发电控制机组和抽水蓄能机组)应对风电波动的仿射补偿机制,优化了风电出力的波动区间。所构建的模型最终转化为单层混合整数线性规划问题求解。经修改的IEEE 30节点系统的算例测试,定量评估了抽水蓄能机组对系统经济运行和风电消纳的影响,验证了所提方法的可行性和有效性。     

基于两阶段鲁棒区间优化的风储联合运行调度模型

为了全面和准确地考虑风电出力的不确定性和消纳能力,并兼顾系统运行的经济性和可靠性,通过在风电不确定区间可优化的鲁棒区间经济调度模型中引入常规机组和储能系统运行状态的离散决策变量,建立风储联合运行的双层鲁棒区间机组组合模型。针对连续变量和离散变量间存在耦合关系,导致计算过程中对偶转换失效而使模型难以求解的问题,提出基于Benders分解算法的两阶段迭代求解策略。仿真分析表明,所提模型在确定风储联合运行方式时,能更全面地考虑风电不确定性及消纳能力对系统运行经济性和可靠性的影响。     

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制.同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型.模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型.最后,建立了潮流裕度指标,并评估了该模型的安全性.算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考.     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。     

基于KL散度的含储能机组组合分布鲁棒优化方法

为应对风电场出力的波动性和随机性给机组组合带来的问题,提出了基于Kullback-Leibler(KL)散度的含储能机组组合的两阶段分布鲁棒优化模型。在电池储能的运行模型的基础,将电池储能模型嵌入到传统的火电机组组合模型中,建立了含储能的机组组合两阶段优化模型;基于KL散度构建了风电场出力的模糊集,形成了含储能机组组合的两阶段分布鲁棒优化模型,通过对偶变换和广义Benders分解将其转化成易于求解的混合整数凸优化模型进行求解。通过IEEE RTS 24节点系统仿真结果表明,所提出的分布鲁棒优化方法保守性优于鲁棒优化方法,经济性接近随机优化方法,且随着KL散度增大,机组组合成本缓慢增加。     

计及需求响应及抽水蓄能的含风电系统鲁棒机组组合

针对大规模风电接入电力系统带来的消纳问题,提出一种考虑需求响应及抽水蓄能的鲁棒机组组合优化方法。计及需求响应、抽水蓄能机组的运行约束及鲁棒可行性约束,采用考虑不确定预算的风电功率不确定集合,基于仿射补偿策略,构建鲁棒机组组合模型。同时根据对偶原理将鲁棒优化模型转化为确定性的数学规划问题,并在改进的IEEE39节点系统进行算例仿真,验证了所提方法的正确性和有效性。     

计及风电与电动汽车随机性的两阶段机组组合研究

风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战。在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型。首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network, GAN)来生成风电场景。其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类。可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中。最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性。     

计及风电时间相关性的鲁棒机组组合

鲁棒优化是解决大规模新能源接入后电力系统调度的重要手段。相比于基于场景的随机规划、带有风险约束的机组组合等,鲁棒机组组合的结果往往偏于保守。鲁棒优化的保守性直接受到不确定集合的影响。研究了风电预测误差时间相关特点,提出了基于自相关性的时间相关性约束。并利用不确定集合的离散性特点,将该约束近似简化为可以用于实际鲁棒优化问题的线性约束。在列与限制生成(CCG)算法的基础上,改进了Bender’s分解后子问题的求解算法,提出了一种适合离散型不确定集合的鲁棒优化求解方法。最后,以真实风电数据进行了大量的仿真实验。结果表明,提出的算法能够在不影响机组组合可靠性的前提下,降低鲁棒优化保守性。     

基于风电出力模糊集的电-气耦合系统分布鲁棒优化调度

随着可再生能源装机容量不断扩展及综合能源系统研究的持续推进,燃气轮机作为耦合元件加深了电力系统和天然气系统的相互融合,为可再生能源消纳提供了新的途径。针对随机规划方法、区间优化及鲁棒优化算法处理风电出力不确定性的不足,文中提出一种基于风电预测误差模糊集的分布鲁棒优化方法求解电力-天然气耦合系统的协同调度决策。首先,利用主成分分析法提取高维预测误差向量蕴含的时空尺度关联特性,并引入一系列矩函数描述预测误差的分布信息以构建相应的模糊集。然后,建立两阶段分布鲁棒优化经济调度模型,第1阶段制定日前机组开停机计划、调度出力及备用方案;第2阶段辨识最劣风电场景分布以保证第1阶段调度决策的有效性。结合线性决策规则和对偶理论将该半无限优化问题转化为有限维优化问题进行求解。最后,通过算例验证了所提模型及求解方法的有效性。     

计及运行风险和需求响应的两阶段鲁棒机组组合模型

高比例风电并网给电力系统的调度运行带来了挑战。为应对风电的不确定性,该文提出一种计及运行风险和需求响应的两阶段鲁棒机组组合(unit commitment,UC)模型,此模型具有以下特点:1)基于历史风电预测–实测数据分析了风电预测误差的分布特征,进而建立一种基于0-1规划的运行风险模型;2)将建立的运行风险模型与鲁棒UC模型结合,通过求解鲁棒UC模型动态地调整风电不确定集合的边界,实现运行成本和运行风险的协同优化;3)考虑分时电价对负荷需求的影响,并分析需求响应(demand response,DR)的不确定性对调度结果的影响。提出的模型采用Benders-C&CG方法进行求解。仿真结果表明,所提模型可动态地调整风电不确定集合边界,有效降低了运行成本和运行风险的总和。     

考虑风电出力不确定性的综合能源系统鲁棒优化

受风速的波动性和间歇性的影响,风力发电具有明显的不确定性特点,增加了电力系统调度运行难度。针对风电出力的不确定性,以系统总运行成本及弃风成本最优为总目标,考虑系统能量平衡、火电机组出力、燃气轮机出力、P2G设备出力等约束条件,采用鲁棒优化方法构建含P2G设备、冷热电联产机组及储能装置的综合能源系统鲁棒优化模型,采用24时段的算例通过Matlab软件中心YALMIP工具箱,通过CPLEX求解器进行求解,分析不同鲁棒参数及风电消纳率条件下,系统运行成本的差异。最后,仿真验证了所建模型的正确性和有效性。