考虑系统实时响应风险水平约束的风–火–水电力系统协调优化调度

随着风电入网规模的日益增加,合理协调风电出力与传统电力能源已成为电力系统调度面临的一个新挑战。通过定义实时电力不足期望(real-time EDNS,REDNS)以衡量系统实时响应风险水平,在此基础上提出了实时响应风险水平约束,并将该约束纳入调度当中,与用确定性方法确定系统备用容量相比,采用REDNS水平约束可以使系统在调度周期内各个时段响应风险水平维持一致,自动调整系统备用容量。在风电优先上网的前提下,以降低系统运行的经济性指标和保证火电、水电机组平稳运行为目标,构建了风?火?水多目标协调优化调度模型。通过引进学习环节和构建独立的备用选择集改进多目标粒子群算法性能,提出了一种新的多目标粒子群算法(new multi-objective particle swarm optimization,NMPSO)。采用加入一个风电场的10机组测试系统进行了仿真,结果验证了上述方法和模型的正确性和有效性。     

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。     

含风电场经济调度中备用配置的研究

风电与负荷的不确定性给电力系统的经济调度带来了困难,如何处理风险,综合考虑经济发电与旋转备用计划是经济调度中需要解决的问题。风电场出力预测主要影响系统的负荷运行备用容量,因此要通过配置备用来应付系统中的不确定性因素。本文通过备用的效益与成本在目标函数中的相互牵制,自动为系统配置合适的备用,并引入{0,1}变量将非线性约束转化为由一组线性约束条件来表达,转化后的数学模型为标准的二次混合整数规划问题,算例分析表明本文模型的有效性和实用性。     

考虑储能参与备用配置的园区综合能源系统日前经济调度模型

备用容量可以有效应对不确定性风险,能够保障园区综合能源系统的安全运行。然而,以往研究主要利用发电侧备用能力来应对不确定性风险,未能考虑储能装置等其他柔性资源的备用作用。因此,文章提出一种考虑储能装置参与备用配置的园区综合能源系统日前经济调度模型,园区内部通过电储能装置、柴油发电机与热电联产机组提供备用容量平抑内部风光荷的波动性。为了平衡备用配置对于园区综合能源系统运行安全性与经济性的影响,引入机会约束规划方法构建计及可再生能源和负荷不确定性的概率备用配置模型,并将备用配置模型嵌入到日前优化调度模型中以提升日前能量与备用决策计划的合理性。基于离散化步长变换法和随机模拟方法将原来非凸机会约束规划问题转化为可求解的混合整数线性规划问题。仿真结果表明,储能装置参与备用配置可以提升发电机组运行的灵活性,从而提升系统运行的经济性;通过向上、向下调节备用约束成立的置信水平可以改变园区备用决策的保守程度,从而平衡系统运行的经济性与可靠性需求。     

基于机会约束目标规划的综合能源系统经济调度

为了降低大规模风电的不确定性和波动性对综合能源系统(integrated energy system, IES)的影响,对接入风电的综合能源系统的备用容量和调度计划进行优化,提出了基于机会约束目标规划(chance constrained goal programming, CCGP)的经济调度模型。首先,利用机会约束目标规划处理含多个机会约束的不确定性模型。然后,引入量化备用不足的风险指标,将备用不足风险纳入经济调度成本,同时考虑风险备用成本目标和系统运行成本目标。最后,利用算例对模型的有效性进行验证。结果表明,模型能够很好地兼顾系统运行的安全性与经济性,提高了系统的调度灵活性,降低了风电不确定性对系统的影响,实现了系统的经济运行。     

计及需求响应的含风电场电力系统发电与碳排放权联合优化调度

提出了一种节能减排形势下的优化调度模型和解法。研究对象上,文中研究了风电、火电、需求响应3种发电(虚拟发电)形式,需求响应可为系统提供零碳发电资源和旋转备用。模型建立上,基于多目标安全约束机组组合模型,采用发电和碳排放联合调度的方式,寻求经济目标与排放目标的折中协调解;约束条件综合考虑了需求响应、安全约束和碳排放等多种约束。解法上,采用分段线性化的方式,利用混合整数线性规划进行求解,解法适用于大规模系统,使模型更具实用价值。算例分析表明,决策结果能够兼顾排放与成本,并且在调度中引入需求响应可提高系统的风电消纳能力,具有显著的节能减排效益。     

需求侧参与备用的系统日前调度模型研究

需求响应资源（DRR）具有参与系统优化调度的能力,引入多种类型DRR作为系统备用资源,将其等效成发电机组融入日前机组组合的优化调度模型,并将备用的容量成本和调用期望成本纳入系统成本的目标函数中,约束中加入DRR参与相关约束。提出基于激励的DRR备用获取方式,通过期望收益分析模拟DRR用户的报价行为模型。此外,考虑因DRR基荷预测偏差和用户主观用电意愿变化等响应不确定性因素,建立响应可信度指标,衡量并分析其对DRR备用参与的影响。IEEE26机算例分析了各类DRR参与系统备用的特点,验证了DRR作为备用参与系统日前调度模型具有有效优化系统的资源配置,降低系统运行总成本的作用。     

电力市场中基于动态运行备用的安全约束经济调度方法

电力系统运行备用的主要目的在于平抑负荷偏差,满足设备故障导致的功率缺额。针对传统恒定运行备用预留方式下存在的低利用率问题,剖析了运行备用的基本概念,提出了动态运行备用的测算方法。在此基础上,将动态运行备用引入输电网经济调度问题,提出了基于动态运行备用的安全约束经济调度优化方法。最后,基于某省电网实际数据构造的算例表明,能有效降低系统运行备用水平,提升电网可用发电容量,提高电网运行效率。     

梯级水光互补系统最大化可消纳电量期望短期优化调度模型

充分发挥流域梯级水电的调节作用，实现梯级水光系统的互补联合发电是促进清洁能源消纳的重要途径。文中考虑光伏出力不确定性，以整体可消纳电量期望最大为目标，提出了梯级水光互补系统的短期优化调度模型。该模型以机组为最小调度单位，精细化建模了电站约束、机组约束以及电网约束，通过梯级负荷在电站和时段间的合理调配，挖掘梯级水电的电网供电支撑和光伏互补协调双重作用，提升互补系统整体消纳水平。模型求解方面，采用分段线性逼近、引入0-1整数变量、发电水头离散等线性化方法和建模技巧处理模型中的非线性约束，将原模型转换为混合整数线性规划问题，并在Java环境中采用CPLEX工具实现求解。最后，以参考中国西南地区某流域梯级的4个水电站15台机组以及2个光伏群构建的互补系统为例，验证了所提模型和求解方法的有效性。     

机会约束随机动态经济调度的凸松弛迭代求解法

大规模风电并网给电力系统运行带来了重大技术挑战,其出力的随机性和波动性增加了线路传输能力和备用调节能力不足的风险,传统的确定性经济调度方法已不完全适用。首先提出了一种基于混合高斯分布的机会约束随机动态经济调度模型,该模型将最小备用约束和线路传输容量约束建模为机会约束,并引入调频机组的仿射控制策略以实时平衡风功率的波动。然后提出了一种机会约束规划的松弛迭代求解方法,将随机调度模型转化为二次规划模型以实现快速有效求解。利用中国西南某省25个风电场的现场数据以及IEEE 118节点系统进行算例分析,验证了混合高斯分布对风电预测误差的拟合精度,以及所提方法的可行性。     

Application of linear programming redispatch technique to dynamicgeneration allocation

Consideration is given to dispatch problems that involve the allocation of system generation optimally among generating units while tracking a load curve and observing the power rate limits of the units, system spinning reserve requirements, and other security constraints. Two methods are used in the solution of the problem. The first method is a quadratic programming technique combined with a linear programming redispatch technique. The latter utilizes a linear programming formulation of the dynamic dispatch problem about the base case static economic dispatch solution. The second method is based on the Dantzig-Wolfe decomposition technique. Tests and computer results of four systems of different combinations of units and intervals are given to show the advantages of the techniques proposed     

Ramp rate constrained unit commitment by improved priority list and augmented Lagrange Hopfield network

This paper proposes an improved priority list (IPL) and augmented Hopfield Lagrange neural network (ALH) for solving ramp rate constrained unit commitment (RUC) problem. The proposed IPL-ALH minimizes the total production cost subject to the power balance, 15 min spinning reserve response time constraint, generation ramp limit constraints, and minimum up and down time constraints. The IPL is a priority list enhanced by a heuristic search algorithm based on the average production cost of units, and the ALH is a continuous Hopfield network whose energy function is based on augmented Lagrangian relaxation. The IPL is used to solve unit scheduling problem satisfying spinning reserve, minimum up and down time constraints, and the ALH is used to solve ramp rate constrained economic dispatch (RED) problem by minimizing the operation cost subject to the power balance and new generator operating frame limits. For hours with insufficient power due to ramp rate or 15 min spinning reserve response time constraints, repairing strategy based on heuristic search is used to satisfy the constraints. The proposed IPL-ALH is tested on the 26-unit IEEE reliability test system, 38-unit and 45-unit practical systems and compared to combined artificial neural network with heuristics and dynamic programming (ANN-DP), improved adaptive Lagrangian relaxation (ILR), constraint logic programming (CLP), fuzzy optimization (FO), matrix real coded genetic algorithm (MRCGA), absolutely stochastic simulated annealing (ASSA), and hybrid parallel repair genetic algorithm (HPRGA). The test results indicate that the IPL-ALH obtain less total costs and faster computational times than some other methods.     

考虑风电出力不确定性的分布鲁棒主备协同优化调度

随着大量可再生能源如风电接入电网,如何最大化地利用可再生能源、减小传统火电机组的成本成为亟需解决的难题,特别是机组运行和备用容量的协同调度成为现在研究的一大热点。考虑风电出力的不确定性,建立了成本最小化的两阶段经济调度模型。在第一阶段,即日前调度,根据预测的风电出力制定机组预调度方案。在第二阶段,即实时调度阶段,根据风电的实时出力对第一阶段调度方案进行反馈调节。针对风电出力的不确定性,应用Kullback-Leibler离散度原理对不确定因素进行建模。结合分布鲁棒方法,建立了极端概率分布下的两阶段分布鲁棒主备协同优化模型,并将其转化为可解的混合整数非线性规划问题。基于广义Benders分解方法,提出了分解协调算法对优化模型进行求解。最后以IEEE 6 节点系统和IEEE 118 节点系统进行算例仿真分析,并对比传统鲁棒及随机规划方法,验证了所提方法的可行性和优越性。     

考虑风电和负荷不确定性的机组组合研究

为解决含风电场的电力系统中风电与负荷的不确定性对系统的安全经济运行产生的影响,获得既经济又有较高可靠性的解,提出通过配置旋转备用容量来应付系统中的不确定性因素,主要是风电场出力预测的影响。采用成本效益分析的方法,根据备用的效益与成本在目标函数中的相互牵制,自动为系统配置合适的备用。并将构建模型中部分含有{0,1}变量乘积形式的非线性约束转化为由一组线性约束条件来表达,转化后的数学模型为标准的二次混合整数规划问题,建立的模型直接能够用传统数学优化模型求解,因此计算速度较许多机会约束规划方法快,在一定程度上能够满足实际应用。算例分析表明所提模型的有效性和实用性。     

考虑气电联合需求响应的气电综合能源配网系统协调优化运行

在未来多能互补、综合能源系统的背景下,传统配电网和配气网独立调度运行的模式已经不能满足多种能源互补的运行要求。为此,该文提出气电综合能源配网系统最优潮流的凸优化方法,即利用二阶锥规划方法对配电网潮流方程约束进行处理,并提出运用增强二阶锥规划与泰勒级数展开相结合的方法对天然气潮流方程约束进行处理,进而将非线性的气电综合能源配网系统优化调度问题转化为混合整数二阶锥规划模型,为气电综合能源配网的气/电协调优化运行和规划设计提供支撑。同时在配网系统中引入气电联合需求响应来提高系统调度的可控性和灵活性,从而更好的消纳新能源,以达到配网系统的优化运行。仿真结果表明,运用增强二阶锥规划与泰勒级数展开相结合的方法能更好提高配气网的二阶锥松弛精度,且考虑气电联合需求响应能够提高综合能源配网系统运行的经济性和新能源的消纳能力。     

风电并网电力系统动态经济调度问题的研究

通过优化火电机组出力,研究风电并网后,电力系统的短期动态经济调度问题。优化模型中引入了上、下旋转备用,以此应对风电功率预测误差给系统调度带来的波动。在基本粒子群优化算法基础上,提出了3种改进策略:先采用"循环处理策略"和"优先启停策略"生成问题的可行解,然后采用"机会停机策略"进一步优化可行解。经典算例结果表明,本文提出的策略稳定性好、寻优速度快、优化结果好,具有高效的搜索能力和适应性。     

考虑光-荷不确定性和旋转备用约束的主动配电网经济优化调度策略

分布式光伏、储能装置等大量分布式电源接入主动配电网(active distribution networks,ADN)后,光伏出力、负荷和旋转备用容量的多重不确定性对主动配电网经济调度的可靠性提出新的挑战。考虑了光伏出力及负荷不确定性,对旋转备用容量进行概率约束,以调度过程中运行成本最小为目标函数提出了一种主动配电网经济优化调度模型。通过所提出的潮流约束线性化方法和离散步长变换方法,将机会约束规划(chance constrained programming,CCP)模型转化为易于求解的确定性混合整数线性规划(mixed-integer linear programming,MILP)模型,并通过CPLEX求解器进行求解。基于IEEE-33节点配电网系统对所提方法进行验证。算例结果表明,所提策略的系统计算时间显著减少,优化效果更好,且可以通过适当设置旋转备用容量概率约束的置信水平实现主动配电网可靠性与经济性间平衡。     

基于全概率风险度量的电力系统备用风险评估方法

为了量化分析源荷双侧预测误差引起的电力系统备用缺额风险,提出了一种基于全概率公式和条件风险价值的风险度量,作为表征随机误差潜在风险的评估指标。为了明确不同的风险等级,以风险价值为临界点,将常规机组的备用缺额风险划分为缓冲区和极端区,并计算不同风险区域的条件期望损失。针对风电、负荷预测和可中断负荷的预测误差,引入机会约束目标规划构建常规机组的可调备用约束,依据不同的风险等级将备用缺额风险转化为不同类型的风险成本,引入模型目标函数中以确保电网运行的安全性。为了提高模型的求解效率,采用分段线性化方法将非线性模型转化为混合整数线性规划。     

Optimal Scheduling of Spinning Reserve with Transmission Constraints

An effective method is proposed to schedule spinning reserve optimally. The method considers the transmission constraint in the whole scheduling process. To get the feasible solution faster, transmission line limits are first relaxed using the Lagrangian Relaxation technique. In the economic dispatch, after unit generation and spinning reserve are allocated among the committed units to satisfy the system andunit constraints, the schedule is then modified by a linear programming algorithm to avoid line overloads. The schedule is then updated by a probabilistic reserve assessment to meet a given risk index. The optimal value of the risk index is selected via a cost/benefit analysis based on the tradeoff between the total Unit Commitment (UC) schedule cost and the expected cost of energy not served. Finally, a unit decommitment technique is incorporated to solve the problem of reserve over-commitment in the Lagrangian Relaxation–based UC. The results of reserve scheduling with the transmission constraint are shown by the simulation runs performed on the IEEE reliability test system.