基于协同进化多目标优化算法的含风电场的电力系统经济调度研究

电力系统经济调度的核心是合理的分配负荷以实现电力系统经济性最优,在风电大规模发展的今天,风能的不确定性及波动性使得含风电场的电力系统经济调度问题变得更加复杂。分析了传统的电力系统经济调度的数学模型,在考虑风电输出功率不稳定性的条件下,建立了含风电场的电力系统经济调度的数学模型,在模型中考虑了环境因素及因风电场加入而引起的额外的旋转备用费用,并用协同进化多目标优化算法求解模型,并将结果与传统的单目标遗传算法进行比较,仿真验证其可行性。     

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。     

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。     

风电与电动汽车协同并网的电力系统动态环境经济多目标模糊优化调度模型

为协调电动汽车与风电并网给电力系统经济调度带来的影响,构建了考虑插电式混合电动汽车入网的含风电场电力系统环境经济多目标调度模型。而风力发电和负荷的不确定性因素必将增加调度难度,为此应用模糊理论实现风电与电动汽车协同并网的模糊化建模,利用满意度指标将确定性环境与经济的多目标问题转化为单目标优化问题,在采用线性下降搜寻思路和考虑边界约束的粒子信息分享方法对传统粒子群算法进行改进的基础上,采用改进粒子群优化(particle swarm optimization,PSO)算法求解所提出的动态环境与经济调度模型,从电网运行和车主需求角度出发,考虑了系统旋转备用和车主日常出行等制约关系。经过仿真以及对不同场景下多个调度方案的对比分析,验证了模型的合理性和以及改进PSO算法对解决此类动态调度问题的优越性。     

计及风电成本的电力系统动态经济调度

随着风电技术的快速发展,大规模风电场接入给传统的电力系统经济调度带来了新的问题和挑战。目前大部分含风电场的动态经济调度研究都未计及风电不确定性带来的成本。为此,提出一种计及风电随机、波动性的风电场发电成本模型,并将其引入到传统的电力系统动态经济调度模型中。首先引入冲激函数概念,考虑尾流效应后将风速的概率分布转化为风电场有功出力的概率解析模型;在此基础上,从系统旋转备用调度和地区环境效益角度出发推导出风电的成本函数,并以目标函数方式引入到传统的动态经济调度模型中。应用一种新颖的布谷鸟搜索算法对所提模型进行求解。最后,以经典10机系统为算例进行仿真研究,结果验证了所提模型及算法的正确性和有效性。     

考虑风险成本的含风电场的电力系统动态经济调度

在风电功率全额上网的基础上,考虑发电厂节能和减排,通过优化常规火电机组出力可实现动态经济调度。考虑风险成本的含风电场的经济调度数学模型是在考虑到火电发电成本、污染气体的排放量、风力发电成本、风险指标等因素下使系统的总成本最小化。对传统粒子群算法进行改进,并将改进后的算法用于求解考虑风险成本的含风电场的动态经济调度问题。仿真结果验证了该方法的可行性。     

基于PSO算法改进的经济调度优化

在传统电力系统经济调度基础上,考虑风电并网后附加备用及上、下旋转备用约束,同时考虑火电机组燃料费用和环境污染物排放费用,建立了经济与环保协调的经济调度模型,提出应用改进PSO算法求解短期经济调度问题,并通过5节点火电厂、1节点风电场系统仿真验证了方法的可行性和有效性。     

含大规模风电场的电力系统动态经济调度

电力系统动态经济调度(DED)问题是一个高维、非凸、多约束的优化难题,风电场并网进一步增加了问题的难度.针对风功率波动性和随机性的特点,模型中引入了风电场出力爬坡约束条件,考虑了含风电场的系统上、下旋转备用量.在大规模风电场并网的基础上,根据电力系统所能提供的最大备用容量,适时优化风机出力,既满足了系统可靠运行,又实现风电最大化利用.为了更好地优化DED问题,增强算法的收敛性能,在二进制微分进化算法的基础上,加入了自适应调整控制参数、共享适应度等改进措施.运用旋转备用、最小启停时间、爬坡等修正策略来处理约束条件,大大提高寻优能力.经典算例分析表明,该方法能快速、有效地求解动态经济调度问题.     

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。     

考虑不确定性成本的含风电场群电力系统短期优化调度

提出一种考虑系统不确定性成本和运行风险约束的含风电场群电力系统短期优化调度方法。针对多维风速联合概率分布函数不易构造的问题,采用Copula函数描述其时空分布特性并生成多维风速的场景空间。定义电力系统风险指标,建立一种考虑系统不确定性成本和运行风险约束的含风电场群电力系统动态经济调度模型,协调了系统经济性和安全性的之间的矛盾。提出基于场景运算的风险指标评估方法,并结合改进的量子粒子群优化算法用于模型求解,提高了模型求解速度,直观地反映出系统的风险程度,并得到系统最佳置信水平。以含2个邻近风电场的IEEE 30节点系统为算例,验证了模型及算法的合理性和有效性。     

考虑多风电场相关性的电网动态经济调度二阶段带补偿算法

大规模多风电场的并网给电网经济调度带来了巨大挑战,文中对含多风电场的电网日前动态经济调度问题进行研究。首先,引入Copula理论构建了多风电场间输出功率的联合分布。随后,建立了电网日前24h动态经济调度随机优化模型。针对约束中风电输出功率的随机性,引入二阶段带补偿算法求解,将原调度模型转化为二阶段模型:第一阶段为仅含常规变量约束,而在目标函数中增加补偿量期望值的优化模型;第二阶段为含随机变量约束,并以补偿量惩罚期望值最小为目标的优化模型;通过二阶段模型间的交替迭代求得最优解。基于IEEE 118节点系统和某省级大电网的算例对该方法的有效性进行了验证。     

Dynamic Economic Dispatch with Wind Power Penetration Based on Non-Parametric Kernel Density Estimation

Abstract

In order to analyze the randomness of wind power in dynamic economic dispatch (DED) with wind power, based on non-parametric kernel density estimation (KDE) technology, the probability distribution of wind power output and wind power forecast error is accurately modeled. A segmented statistical method on wind power forecast data is adopted to construct the confidence interval of the wind power output, the upper and lower bounds of the forecast errors. According to the established wind power output probability model, forecast confidence interval and forecast error upper and lower bounds, a DED model with wind power is formulated in this paper. A hybrid algorithm combining the evolutionary advantages of bat algorithm (BA) and particle swarm optimization (PSO) algorithm is designed to solve the proposed model. A crossover mechanism, which can solve the problem of falling into local optimum easily existed in BA and PSO, is introduced in the evolution of the algorithm. Finally, the effectiveness of the proposed model and algorithm is verified by simulation examples.     

应用近似动态规划算法求解安全约束随机动态经济调度问题

针对大电网安全约束随机动态经济调度(DED)问题的求解时间太长,提出了应用近似动态规划算法快速求解不含抽水蓄能电站电网的安全约束随机DED问题的方法。建立了随机DED问题的虚拟存储器模型,以系统的正旋转备用容量作为存储变量,构建系统相邻时段的状态转移方程,并考虑了各输电线路和断面的安全约束。以风电场日前功率预测曲线为基础,通过拉丁超立方抽样产生风电场出力的误差场景,并逐一场景递推求解每个时段的二次规划模型以对各个时段的值函数进行训练,形成收敛的值函数,再代入预测场景求解以获得最终的优化调度方案。该方法实现了对随机DED模型各个场景和各个时段的解耦求解,将一个大规模优化问题分解为一系列的小规模优化问题,有效提高了对大电网随机DED模型的求解速度。以某一实际省级电网为算例,通过与场景法和鲁棒优化调度方法的比较验证了所提出模型和求解方法的正确有效性。     

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。     

适用于鲁棒调度的风电场出力不确定性集合建模与评估

合理地刻画风电场出力不确定性集合是应用鲁棒调度的重要前提。文中对风电场出力不确定性集合建模及评估方法进行了研究,依据风电数据是否完备,分别提出了精确、有效的建模方法。当风电数据完备时,相比于已有方法,所提方法建立了给定置信概率与不确定性集合之间的解析关系,且集合可构建为具有较强工程适用性的椭球或多面体形式。当风电数据不完备时,所提出的方法可辅助调度机构在仅获知部分风电场出力预测误差信息时更加合理、有效地刻画风电场出力的不确定性,从而制定更加经济、可靠的调度策略。此外,文中还提出了评估一般风电场出力不确定性集合的方法。基于EirGrid历史数据的算例分析,验证了所提出的不确定性集合建模方法的合理性、精确性,以及评估方法的有效性。     

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。     

风电出力偏差成本及其条件风险方法的电力经济调度

含风电电力系统调度中风电实际出力与其计划出力间存在一定的偏差。计划出力过高则需调用系统备用,从而产生高估后的偏差成本;计划出力过低则会出现弃风,从而产生低估后的偏差成本;将风电计划出力费用和高估低估的偏差成本计入目标函数,以火电机组出力、风电计划出力为控制变量,风电实际出力为随机变量,采用条件风险方法(Conditional Value-at-Risk,CVaR)处理带有随机变量的函数,构建了目标函数含风电出力偏差条件风险值的电力系统经济调度模型。对于条件风险方法中概率密度函数难以解析表达的问题,采用蒙特卡罗模拟和解析法相结合,使计算求解简便快捷。通过IEEE 30节点系统仿真表明:该方法可有效解决含风电系统经济调度问题;与传统调度模型相比,总成本费用更低。     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.