考虑可再生能源消纳效益的电力系统“源—荷—储”协调互动优化调度策略

为了提升可再生能源消纳率,降低电力系统运行成本,考虑以“源—荷—储”协调互动作为提升系统运行经济性与消纳可再生能源的手段。将常规机组、储能装置与负荷侧调度资源同时进行优化调度,综合考虑系统常规机组运行成本、负荷侧调度成本和可再生能源消纳效益,建立了基于“源—荷—储”协调互动的电力系统优化调度模型。根据决策变量的不同特性,提出了一种两级优化方法。第一阶段采用离散粒子群算法优化常规机组启停成本、弃风弃光成本和负荷调度成本;第二阶段采用双层连续粒子群算法优化常规机组燃料成本。通过算例仿真验证了该优化调度模型的有效性。     

风-光-蓄-火联合发电系统的两阶段优化调度策略

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响,提出一种风-光-蓄-火联合发电系统的两阶段优化调度策略。利用抽水蓄能的抽蓄特性,将风电和光伏出力进行时空平移,使风-光-蓄联合出力转变为稳定可调度电源,具备削峰填谷的功能,与火电机组共同参与电网调度。以风-光-蓄联合出力最大和广义负荷波动最小作为风-光-蓄联合削峰模型的优化目标,火电机组运行成本最小作为经济调度模型的优化目标,建立两阶段优化调度模型,分别采用混合整数规划方法和粒子群算法求解。改进IEEE-30节点算例系统仿真结果表明：所提调度策略可以提高风能和太阳能的利用率,缓解火电机组调峰压力,大幅降低风电的反调峰特性对电网的影响,从而保证电力系统安全、稳定、经济运行。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

风光火储联合供应火电厂厂用电系统优化调度

随着风电和光伏发电量逐年增长,其消纳问题日益凸显。同时,大容量火电机组厂用电负荷也相对较高,造成额外的运行成本。对此,基于多能互补思想,建立了一种风光火储联合供应火电厂厂用电优化调度模型。首先,提出了风光火储联合供应火电厂厂用电的组成结构,将风电、光伏发电优先供应厂用电负荷;其次构建了风光火储联合供应火电厂厂用电优化调度模型,考虑了火电机组不同负荷率下的运行成本和风光储成本,采用层次分析法建立了基于总成本、弃风弃光成本和环境成本的多目标函数,设置相应约束条件;最后,设置不同的场景对比分析联合供应厂用电系统的优化结果,试验结果表明：所提出的联合供应厂用电系统模型可以减少机组运行成本和环境成本,并促进风光消纳。     

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。     

考虑顺序性弃风惩罚的电力系统经济调度

为了提高电力系统风电消纳能力,提出一种基于风电并网友好性排序的灵活弃风惩罚模型。以风电场的出力波动性及预测精度来衡量其并网友好性,设置风电场的顺序系数;将分段弃风惩罚成本系数与顺序系数相结合,设置顺序性弃风惩罚成本系数,建立弃风惩罚模型;在此基础上,构建包含火电机组运行成本、环境成本、弃风惩罚成本及系统备用成本等的电力系统综合经济调度模型。采用经模拟退火思想改进的粒子群优化算法对调度模型进行仿真分析,结果表明灵活弃风惩罚模型可以合理减少弃风,并使并网友好性较高的风电场优先被调用,提高了电力系统风电消纳能力,提升了电力系统运行的经济性和安全性。     

计及多类型需求响应的风-火-荷两阶段协同调度

针对大规模风电并网的消纳难题,利用需求响应(DR)实现了日前-日内两阶段的源荷协同优化调度。日前阶段基于风电出力场景集,运用价格型需求响应(PBDR)拉平净负荷曲线,缓解风电反调峰特性的影响;然后以电网运行成本最小为目标,考虑激励型需求响应(IBDR)平衡风电波动的作用,决策出一个满足各出力场景下消纳需求的机组组合和IBDR订单合同方案。日内阶段运用滚动灰色预测实现精确的超短期风电预测,从而在日前方案基础上,确定实际的机组出力、弃风和IBDR响应容量。选取24h风电/负荷比为34.8%的算例,仿真结果显示PBDR参与度水平越高,电力系统的调度成本越低。4种DR组合方案的对比分析表明,合理配置DR资源使得风电消纳率提升了6.05%,同时验证了采用两阶段调度比日内一次性调度节约成本5.36%。     

考虑风电及分时电价的机组组合问题研究

近年来,风电等清洁能源的接入以及负荷侧分时电价的管理增加了电网调度的复杂性,为实现在风电接入及分时电价管理背景下的火电机组的经济调度和分时电价策略优化,首先研究了负荷需求对峰谷时段电价的响应模型,接着基于模糊机会约束理论建立了考虑风电及分时电价的机组组合模型,然后提出了一种双层混合粒子群算法求解该机组组合模型,以得到与风电相配合的分时电价定制策略以及火电机组出力值。最后仿真结果表明,所提出的方法可以实现负荷侧分时电价策略与供电侧火电出力的有效配合并降低火电机组的发电成本。     

基于改进粒子群算法的火电机组经济优化调度

为了提高火电机组运行的经济性,以火电机组运行成本最小为目标函数,综合考虑火电机组运行过程中的 各项约束,利用收缩因子对粒子群算法进行改进,建立基于改进粒子群算法的火电机组经济优化调度模型,并采用 IEEE30节点系统进行算例分析,结果表明采用IPSO算法优化的火电机组最小运行成本为24.13万元,IPSO算法在 迭代次数和收敛精度上均优于PSO算法,验证了模型的正确性和实用性.     

基于机会约束目标规划的风-光-水-气-火-储联合优化调度

在可再生能源大规模接入电力系统的背景下,为了利用不同能源互补特性解决电力系统弃风、弃光的问题,建立风电、光伏发电、凝汽式火电机组、热电机组、燃气轮机、联合循环燃气轮机、梯级水电和抽水储能机组的模型,在此基础上,考虑风电和光伏发电出力的不确定和水、热、电能量平衡,建立基于机会约束目标规划的风-光-水-气-火-储联合优化调度模型。为了提高模型求解效率,利用基于采样的机会约束条件确定性转化方法将机会约束条件转化为混合整数约束条件。算例验证了所提模型的有效性。将所提调度模型与现行火电机组“以热定电”、梯级水电“以水定电”的模式进行对比,结果表明所提协调调度模型能够利用不同机组之间的互补特性提高电力系统运行的灵活性,从而提高可再生能源的消纳能力,降低系统运行成本。     

基于多场景技术的冷热电虚拟电厂两阶段优化调度

针对风、光出力及负荷需求的不确定性造成虚拟电厂收益低的问题,建立了基于多场景技术的冷热电虚拟电厂优化调度模型。对风光出力及电、热、冷负荷的不确定性进行分析,通过拉丁超立方抽样生成连续时间场景,模拟风光出力及多能负荷随时间的波动情况;采用同步回代消除法对所生成的场景进行削减,得到风、光、荷典型日场景。在此基础上构建多场景冷热电虚拟电厂两阶段协调优化模型,日前阶段建立考虑多种成本和约束的运行模型,通过粒子群算法对所提模型进行寻优,得到多场景最佳出力方案;实时校正阶段加入监管成本,对可控设备出力进行调节,消除预测误差造成的波动性;通过算例分析,验证了所提模型能够有效降低风光出力及多能负荷不确定性的影响,可实现冷热电虚拟电厂协调优化运行。     

基于可控负荷提升风电接纳能力的优化调度

针对我国“三北”地区冬季供暖期的高热负荷、低电负荷问题,在构建多区域热电厂侧配置蓄热式电锅炉作为可控负荷的热电联合调度模型的基础上,利用改进的粒子群优化算法迭代寻优,对弃风电量供热、风电就地接纳、风电并网水平等问题进行探究。建立计及弃风因素与可控负荷影响的电网优化调度的双层优化模型:上层优化是可控负荷的负荷优化问题,通过优化调度可控负荷的方式,以可控负荷购电成本最小化为目标;下层优化是电网的发电优化问题,通过电网调度的方式,以全网发电成本最小化为目标,为上层优化提供电网实时电价。对所建模型进行算例仿真,通过KKT条件将双层优化模型转换为具有均衡约束的单层优化模型后使用MATLAB软件优化求解。结果表明:在负荷低谷的弃风时段蓄热及区域间协调送电供热能够高效利用蓄热罐的蓄放热能力,提升风电接纳与优化机组成本。     

基于可能度的冷热电联供微网区间优化调度模型

提出了含多种能量转换途径的冷热电联供微网非线性区间优化调度模型。首先,以充分利用光伏、风电等新能源为目标,确定了实现电冷、电热、热冷能量转化的灵活冷热电联供微网系统。然后以此系统为对象,针对光伏、风电、冷热电负荷随机性问题,考虑分时电价、环境效益等因素,建立以系统综合运行成本最低为目标的非线性区间优化模型。根据区间可能度模型,将不确定性模型转化为确定性模型,结合改进粒子群算法进行求解。最后通过算例验证了该模型的合理性、灵活性,并结合仿真结果分析了区间可能度和负荷波动对综合运行成本的影响。     

光伏光热联合发电基地并网优化调度模型

太阳能能源基地建设正在从单一光伏发电向光伏光热等多种太阳能能源利用形式方向发展。借助光热电站的大容量储热装置和具备快速爬坡速率的汽轮机组,光伏光热联合发电基地的并网运行的可调度性和可控性大大提升。从光伏光热联合发电基地的运行机理出发,建立了基于改进粒子群算法的光伏光热两阶段优化调度模型,第一阶段以削减等效负荷峰谷差、改善负荷曲线为优化目标,第二阶段以发电总成本最小为优化目标。该模型满足光伏光热电站的主要运行约束和传统机组组合安全约束,适用于光伏光热联合发电基地并网调度运行。对10机系统的仿真表明,在完全接纳太阳能发电的前提下,光伏光热发电基地在削减等效峰谷差、提高新能源消纳和降低发电总煤耗效益显著,同时对于光热电站的灵敏度分析表明,在规划建设光热电站时可根据单位峰谷差削减量以及建设成本来选择合适的装机容量和储热装置容量。     

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.     

基于风-光-蓄-火联合发电系统的多目标优化调度

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响,提出了含风-光-蓄-火联合发电系统的多目标优化调度模型。利用抽水蓄能的抽蓄特性,将风电和光伏出力进行时空平移,使风-光-蓄联合出力转变为稳定可调度电源,具备削峰填谷的功能,与火电机组共同参与系统优化调度。以风-光-蓄联合出力最大、广义负荷波动最小和火电机组运行成本最小作为目标函数,建立多目标优化调度模型,通过多目标处理策略,使目标函数简化为2个,以降低问题维数;在求解阶段,利用分层求解思想,将模型划分为两层,分别采用混合整数规划方法和机组组合优化方法进行求解。10机测试系统仿真结果表明:所建模型可以提高风能和太阳能的利用率,缓解火电机组的调峰压力,大幅降低风电反调峰特性对电网的影响,从而保证电力系统安全、稳定、经济运行。     

基于需求响应的建筑楼宇综合能源系统优化调度

针对能耗高且增速快的建筑楼宇优化调度问题,构建了含光伏发电、冷热电联供系统、燃气锅炉和储能装置的建筑级综合能源系统。在对系统内各个能源设备进行建模分析的基础上,考虑需求响应补偿价,以建筑运行成本最低为目标函数,建立了基于需求响应的建筑级综合能源系统优化调度模型,采用基于云模型改进的粒子群算法对模型优化求解。引入算例进行仿真,对比是否参与需求响应的两种不同模式,以及云模型粒子群算法与基本粒子群算法的优化性能。结果表明,基于需求响应的云模型粒子群算法模式可有效节约建筑级综合能源系统运行成本,同时降低电网侧负荷峰谷差。     

基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法

随着可再生能源在传统电网中的渗透率逐渐增高,虚拟电厂的概念被提出,旨在有效整合并利用可再生能源。提出了一种基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法,使用长短期记忆神经网络来获取未来一天内虚拟电厂管辖范围内的负荷、风电、光伏出力预测值。在模型预测控制的框架下,以虚拟电厂运行调度的成本最小化为目标,使用一种改进的粒子群寻优算法求解优化过程。仿真结果表明所提方法的有效性。     

计及权系数影响的区域电网时段多目标调度优化策略

为了解决区域电网受风光机组出力的不确定因素影响的调度优化问题,提出了含风光机组在内的多电源多目标调度优化模型,目标函数中考虑了经济运行成本及环境治理成本,同时增加了备用容量和爬坡能力等约束。考虑权系数对多目标优化结果的影响,基于不同的负荷情况,对多目标优化的权系数进行动态选取,得到各阶段负荷下对应的权系数。该文将负荷分为基荷、腰荷及峰荷三种情况,根据模糊综合评价法对各种负荷情况动态确定权系数,以此提出四种优化方案。为了降低综合成本,在考虑了各种约束的前提下,利用改进的粒子群算法求解模型,求得四种方案下的分时段综合成本,并确定调度优化方案,同时得到运行周期内区域电网中机组出力的最佳策略,最后通过实例验证了所提基于动态权系数的多目标调度优化策略的有效性。