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。     

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。     

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。     

考虑多风电场出力耦合特性的热电联合优化调度

建立了一种考虑多风电场出力耦合特性的热电联合优化调度模型。该模型的目标函数为最小化火电及热电联产机组煤耗成本,并在电功率平衡约束中引入多风电场出力及电负荷的随机特性。模型求解过程中,基于Copula相关理论推导了考虑多风电场总出力耦合特性的概率模型,然后采用两阶段随机规划处理含随机量的等式约束,并应用一种自适应进化规划算法对所提出的优化模型进行求解。算例仿真结果表明了所提模型及方法的有效性。     

平均近似估计法在电容器组优化调度中的应用

为研究大规模风电场并网运行对电容器组优化调度的影响,提出了含风电场功率机会约束的电容器组调度二阶段优化模型。采用平均近似估计法将二阶段模型转换为确定性模型,使用拟蒙特卡罗Halton采样法和场景削减技术处理风功率的波动性。求解一种电容器组调度方案,充分利用现有的电容器组资源,使系统在风功率波动时仍能保持较大的静态电压稳定临界功率。最后,以IEEE-30、IEEE-118节点系统为例,分别计算不同置信概率条件下系统的临界功率期望值及相应的电容器组调度方案。结果表明所提方法得到的调度方案可靠有效,鲁棒性强,应用前景广阔。     

计及风险备用约束的含风电场电力系统动态经济调度

为解决风电的不确定性给电网调度带来的问题,必须开展含风电场的经济调度问题研究。通过引入风速和负荷预测误差的概率分布函数来描述系统中存在的不确定性因素,提出了一种基于风险备用约束的含风电场电力系统动态经济调度新模型。在目标函数中采用惩罚的方式对风电计划出力相对于实际出力的偏差所造成的备用成本加以考虑。该模型采用收敛特性稳定的非线性预估–校正原对偶内点法进行求解。通过含有一个风电场的10机组系统算例,验证了所提调度模型的可行性。分析表明,该模型可以在保证系统可靠性要求的基础上,实现经济性最优的目标。     

提高风电渗透率的电力系统多目标优化调度研究

为解决风电不确定性给电网调度带来的困难,研究含风电场的电力系统经济调度具有一定的理论和实际意义。提出了一种改进粒子群优化算法的多目标优化调度方法,以常规火电机组发电成本最小和风电消纳电量最大为目标,建立了含风电场的双目标调度模型,采用改进的多目标粒子群优化算法进行优化求解。以包头电网为实例进行了仿真计算,结果表明所提方法能够有效降低系统发电成本,提高风电消纳水平。     

考虑调度计划和运行经济性的风电场储能容量优化计算

功率存储为随机波动的风电功率适应确定性的电网调度决策提供了可能,而储能容量规划则必须兼顾对调度决策的适应性及包含储能系统的风电场运行的经济性.为此,以适应电网调度运行计划的风电场输出功率时段参考值为依据,以储能系统投资成本和风电场运行成本最小化为目标,构建了计及风电场弃风能量和储能系统损失能量的风电场储能容量优化计算模型.该模型可充分保障风电场储能系统运行的经济性,实现指定调度运行计划下风电场输出功率的不波动或极小概率波动,进而达到风功率调度与电网运行调度间的平稳、有效衔接.运用改进粒子群优化算法对所建模型进行算例求解,分析结果表明了该方法的有效性.     

风、火、水电短期联合优化调度研究

将风电引入水火调度系统中,针对风力发电的波动性和不稳定性,提出了风、火、水电短期联合优化调度策略.该策略先保证风电出力最大,火电承担基荷、出力平稳,再由水电调节补偿剩余负荷,将风电、火电与水电调度相结合,以补偿风电的不均匀性和随机性.建立了含约束的多目标非线性优化模型,模型求解采用线性加权和法处理多目标函数,外点罚函数法处理约束条件,将含约束多目标问题转化为无约束单目标问题,引入压缩因子的粒子群算法进行单目标优化.实例计算表明,该方法较好的发挥了水电站调度灵活的特点,提高了电网吸纳风电的能力,解决了不同电源的协调问题.     

含风电场电力系统的动态经济调度分散随机优化方法

针对含风电场电力动态经济调度的信息私密性和不确定性问题,提出一种分散随机优化求解方法。根据目标级联分析的原理,将含风电场的动态经济调度集中优化模型转化为随机分散优化模型。利用近似动态规划对各个区域的随机动态经济调度问题进行分散优化,并根据区域间边界节点相角信息对它们的优化方案进行协调。通过6节点2区域系统、IEEE多区域系统和某实际系统的算例分析,从多个角度验证了所提方法的有效性。     

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。     

基于通用分布的含风电电力系统随机动态经济调度

随着风电大规模并网,其不确定性给电力系统经济调度带来了新的挑战。文中利用通用分布模型拟合不同风电功率预测水平下的实际风电功率分布,并以此建立了考虑风电低估、高估成本的日前动态经济调度的随机优化模型。通过对目标函数和约束条件的转化与分析,将随机优化模型转化为一个非线性凸优化问题。结合二次规划算法和内点法,提出了一种两阶段优化算法用以求解对应的经济调度问题。最后,在含风电场的IEEE 30节点系统上,验证了所提基于通用分布的随机动态经济调度方法的有效性。     

基于风速预测和随机规划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;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。     

基于经验Copula函数的多风电场出力动态场景生成方法及其在机组组合中的应用

随着大规模风电接入电网,风电功率的随机性与波动性以及多风电场出力的相关性使得电力系统的运行与调度面临着新的挑战。引入经验Copula函数表征多风电场联合出力分布;对风电的波动性进行建模,利用ksdensity函数拟合风电功率波动量,通过逆变换抽样的方法生成符合风电随机性和波动性的场景集合;生成基于经验Copula函数的多风电场出力动态场景,并将其应用于含多风电场的电力系统随机机组组合问题的求解。算例结果验证了所提风电波动性建模方法的有效性与动态场景生成方法的可行性,同时提高了含多风电场电力系统运行的经济性。     

含风电场电力系统经济调度的模糊建模及优化算法

随着人们对风电的日益关注,新型风电场的容量在并网系统中所占比例不断增加,这对传统电力系统的经济调度问题提出了新的要求。特别是风电场输出功率的随机变化给系统的经济调度带来了更多的不确定性因素。文中应用模糊理论建立了含风电场电力系统动态经济调度的模糊模型,使调度结果能够表达决策者的意愿,从而更好地适应风机输出功率的随机性。在优化算法上,利用下降搜索思想对传统粒子群算法进行了改进,并将改进后的算法用于求解提出的动态经济调度问题。在算例中进行了测试,结果验证了所提出的方法的可行性。     

基于数据驱动可调鲁棒的冷-热-电联供综合能源系统日前调度优化

冷-热-电联供综合能源系统(integrated energy system with combined cool, heat and power system, IES-CCHP)能够就地消纳分布式风电、光伏,也能够同时满足系统内电动汽车用户的充电需求。然而,电动汽车充电需求、风电出力、光伏出力的随机性严重影响了IES-CCHP运行的经济性。因此,采用两阶段可调鲁棒优化为IES-CCHP制定日前调度策略以提升系统运行经济性。日前阶段在观测到随机变量前制定能够应对最恶劣运行场景的日前调度策略;实时阶段在确认随机变量实际值后决策实时调度计划修正日前调度策略。优化目标为运行两阶段运行总成本最小,模型采用非精确狄利克雷模型挖掘历史数据构建不确定集描述随机变量,并进一步采用对偶理论、大M法、列与约束生成(column-and-constraint generation,C&CG)等方法,迭代求解上述两阶段模型。最后,通过算例分析证明了所提模型与方法的有效性。     

大规模风电接入电网多目标随机优化调度

基于对风电机组出力随机特性的深入分析及其可能被高估和低估的概率计算,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,构建了含风电机组的电力系统环境经济调度静态随机优化模型,以尽可能实现系统总污染排放量最少化和运行成本最低化的综合优化目标。设计了基于非劣排序微分进化的多目标优化算法对模型进行求解,并应用模糊集理论和熵权法建立了综合最优解的提取方法。最后以一个含大规模风电场的电力系统为例进行环境经济调度仿真,验证了所提方法的有效性,并进一步从节能减排的角度分析了风电接入对电力系统优化调度产生的影响。     

计及风险系数的含风电场电力系统多目标动态优化调度

随着风电并网容量的不断增加,传统的确定性优化调度方法已难以满足电力系统安全运行要求。本文建立了计及风险系数的含风电场电力系统多目标动态优化调度模型,模型包括风险系数、燃料成本及污染排放量最小3个目标,将风电场出力及负荷的不确定性纳入模型综合考虑。为了对模型中的随机变量进行处理,引入概率性序列理论,并对其运算空间进行扩展,然后提出了一种改进的多目标教与学优化算法对模型进行求解。含风电场的10机系统算例验证了本文模型及算法的可行性和有效性。     

考虑风电随机性的微网多时间尺度能量优化调度

提出了考虑风电随机性的微网多时间尺度能量优化调度模型,实现了微网日前调度计划和实时调整之间的协调优化调度。该模型的日前调度部分以微网经济运行为目标,考虑风电出力的随机性,利用多场景方法提高了微网适应风电出力随机性的灵活性。在实时运行调整环节,利用响应速度较快的可控负荷消纳风电出力波动,使微网和外部电网的功率交换遵循日前调度计划,保证日前调度计划的有效性。该多时间尺度调度模型通过优化协调各种设备的运行,实现微网经济运行的同时,很好地消纳了风电随机性给外部电网带来的影响,实现了含风力发电微网对外部电网的可调度性。算例仿真验证了该模型的有效性。