考虑源-荷多时间尺度协调优化的大规模风电接入多源电力系统调度策略

为解决西北地区大规模风电接入下系统弃风限电问题,提出一种考虑源–荷多时间尺度协调优化的大规模风电接入多源电力系统调度策略,该策略通过协调调度源侧常规火电机组、光热(concentrated solar power,CSP)电站与风电出力以及荷侧各类需求响应(demand response,DR)资源调用计划,在促进系统风电消纳的同时提高了系统运行经济性。首先,根据响应速度的不同对DR资源进行分类;然后,综合考虑CSP电站的能量时移特性与快速调节能力以及DR资源的多时间尺度特性,以系统运行成本以及弃风惩罚成本最低为目标,构建了源–荷多时间尺度协调调度模型。IEEE-30节点算例结果表明所提出的调度策略能够协调优化源–荷侧可调节资源,有利于提高系统风电消纳能力并改善系统运行经济性。     

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。     

考虑电转气消纳水电的水-电-气系统低碳鲁棒优化调度

针对电力系统调节能力不足引起的汛期弃水问题以及负荷侧存在的不确定性问题,本文构建了水-电-气多能源系统协同低碳鲁棒优化调度模型,并给出模型的求解方法。所提模型将电力系统中的水电机组、燃气机组、火电机组同水电系统、天然气系统进行协同建模,考虑电转气技术将电力系统无法消纳的水电转化为天然气,存储至天然气系统中,对水-电-气多能源系统联合运行时消纳水电的能力进行分析。针对模型中的非线性约束,基于分段线性化法和泰勒级数展开方法将模型转化为混合整数线性模型;针对模型中的不确定性参数,运用列与约束生成方法将其转化为主-子问题框架,采用Gurobi求解器进行快速求解。采用改进的6节点电网-7节点气网系统进行算例分析,结果验证了所提模型能够充分利用不同能源系统间的互补特性提高电力系统的调节能力,促进水电的消纳,降低电力系统的运行成本并实现电力系统的低碳运行。     

碳捕集火电与梯级水电联合优化的低碳节能发电调度

针对消纳风电过程中造成火电机组频繁调节而产生额外损耗的问题,引入碳捕集机组与梯级水电联合优化。以更加高效地利用清洁能源、确保传统机组运行平稳、减小系统综合运行成本为目标,对包含风电、梯级水电、传统机组以及碳捕集机组的风水火联合系统建立多目标优化调度模型。将多目标使用模糊隶属度函数的方法转变为单目标模型,并使用二次规划法进行求解。算例分析说明通过水电与碳捕集机组的调节,可在充分消纳风电的基础上减少传统机组的调节量,维持传统机组的运行稳定性,降低传统火电机组由于频繁调节而产生的损耗。     

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。     

提升风电消纳区间的鲁棒机组组合

基于日前风电功率点预测的传统调度方法没有充分地考虑风电不确定性,难以有效挖掘电热联合系统的风电消纳能力。该文提出提升风电消纳区间的鲁棒机组组合优化方法。基于可用风电功率区间,构建有效的风电功率允许出力区间。基于仿射策略,考虑供热机组电热耦合等约束,建立鲁棒机组组合模型,优化风电消纳区间,对于风电消纳区间内任意可能的风电波动,该模型均能保障调度策略的可行性。所建模型可转换为混合整数线性规划进行求解。最后,在修改的IEEE 39节点系统上进行测试,并与传统调度方法对比,验证了所提方法的有效性。     

考虑储热装置的风电-热电机组联合优化运行策略

基于日前供热负荷预测和风电出力预测,考虑储热装置运行机理,研究风电场与热电机组联合运行的优化方法。将含储热装置的热电厂和风电场组成一个发电利益集合体,在满足地区供热负荷和提升风电消纳的同时,通过调节热电机组和储热装置的出力最大化发电利益集合体的收益。考虑热电机组的热-电耦合特性和储热装置的运行约束,建立了日前调度模型并进行求解。在此基础上,考虑风电出力的随机性,建立了相应的随机优化模型。算例分析表明,考虑储热的风电-热电机组联合优化所获得的收益高于风电场和热电机组单独运行获得的总收益,并且可在现行"以热定电"运行机制下提高风电的消纳能力。同时采用随机优化模型能有效降低系统联合出力的不确定性,可较好地解决风功率预测中的不确定性问题。     

考虑可消纳风电区间的多区电力系统分散协调鲁棒调度方法

多区域分散协调调度是提高电力系统风电消纳水平的有效措施。针对风电出力的不确定性以及多区域电力系统动态经济调度的安全可靠性要求,采用仿射可调节鲁棒优化结合分层协调技术,构建了考虑可消纳风电区间的多区电力系统分散协调鲁棒调度模型,将跨区电力系统可消纳的风电区间与自动发电控制(automatic generation control,AGC)机组的参与因子一同优化,以确保调度方案的可行性。基于目标级联分析技术,建立由各区域优化调度并行子问题和确保区域间联络线安全运行主问题组成的分散调度实现方法。以2区12节点和3区354节点算例验证了所提模型通过同时优化跨区系统可消纳的风电区间和AGC机组的参与因子,能够有效应对风电出力的不确定性,实现了多区电力系统整体运行的经济性和风电消纳最大化。     

储能电站参与调峰的风-火-储联合系统分层优化调度方法∗

为充分挖掘储能参与系统调峰潜在价值,合理分配风、储、火等系统出力,有效降低系统运行成本,提高 可再生能源消纳水平,提出了一种储能电站参与调峰的风-火-储联合系统分层优化调度方法.为了提高模型泛化能力和预测精度,采用基于集成学习的风电预测方法得到风电场出力曲线.分层优化调度方法的上层优化模型以最小化净负荷波动为目标,对各时段储能电站充放电功率进行优化.下层优化模型以最小化风-火-储联合系统运行成本为目标,基于上层优化模型传递的净负荷曲线,优化求解得到火电机组最优出力和最大调峰收益.     

光热电站促进风电消纳的电力系统优化调度*

针对风电并网消纳困难问题,文中利用光热电站中蓄热系统的可调度性和电加热装置自身的消纳能力,提出一种光热电站促进风电消纳的电力系统优化调度方法。该方法以一种光热-风电系统结构为基础,分析光热电站的内部简化模型和风电功率爬坡事件的短时间尺度辨识方法。然后以系统综合成本最低为目标,考虑各种机组的运行特性和约束条件,建立光热-风电优化模型,对系统进行优化调度。利用MATLAB优化工具箱在IEEE-RTS24节点系统上对该方法进行仿真验证。结果表明,高比例风电并网时,光热电站的参与可以缓解系统中火电机组快速出力调节的压力,在保证系统运行经济性的同时,促进风电并网消纳。     

适用于多源系统次同步振荡分析的图形化建模方法

新能源电力系统的次同步振荡问题呈现出多源参与特性,风、光、火多电源并存场景下,采用传统方法建立多源系统的状态空间模型,实施难度较大。提出一种图形化建模方法,该方法基于由基本元件构成的图形化模型库(状态空间形式),可以直观地构建复杂系统状态空间模型,并可在源网接口处理上提供较大便利。所提方法在SSR第一标准模型上进行了准确性验证。此外,建立风火打捆经直流送出系统的状态空间模型,分析风电接入对火电机组轴系次同步扭振模式的影响。最后得出图形化建模方法相对于传统方法具有独立性强、灵活性高、可视性好和扩展性强的优点。     

A Joint Smart Generation Scheduling Approach for Wind Thermal Pumped Storage Systems

Abstract

Energy storage plays a crucial role in the development of smart grids with high wind power penetration. Pumped storage is an effective solution for smoothing wind power fluctuation and reducing the operating cost for a wind thermal power system. The joint generation scheduling of power systems with mixed wind power, pumped storage, and thermal power is a challenging problem. This article proposes a novel two-stage generation scheduling approach for this problem in the contexts of smart grids. Through optimization, a day-ahead thermal unit commitment and pumped storage schedule are provided; then, in real time, the pumped storage schedule is updated to mitigate the wind power forecasting error and hence avoid the curtailment of wind power generation. The proposed model aims to reduce the total operating cost, accommodate uncertain wind power as much as possible, and smooth the output fluctuation faced by thermal units, while making the system operate in a relatively reliable way. A binary particle swarm optimization algorithm for solving the proposed model and the pumped storage schedule update algorithm are also presented. The model and algorithm are tested on a ten-generator test system.     

Generation scheduling in smart grid environment using global best artificial bee colony algorithm

Generation scheduling is an important concern of the current power system which is suffering from many obstacles of limited generation resources, grown energy demand and fuel price, inconsistent load demand and fluctuations of available wind power in case of the thermal–wind system. Smart grid system has a great potential of tumbling existing power system difficulties with intelligent infrastructure and computation technologies. Three different distributed energy resources, namely, distributed generation, demand response and gridable vehicles are used in this paper to overcome the power system hitches. The classical generation scheduling is solved with insertion of the cost of demand response and the cost model pertaining to underestimation and overestimation of fluctuating wind power. The modified optimization problem is solved using an efficient Global best artificial bee colony algorithm for 10 generating units test system. Generation scheduling in the smart grid environment yields a significant reduction in the total cost.     

基于混合粒子群算法的源-荷-储协调优化调度

为了提高新型电力系统中对风电和光伏的消纳能力，降低电力系统运行成本，将火电机组、光伏、风电、需求响应负荷和储能系统作为调度资源建立了基于源-荷-储协调的优化调度模型。 以火电机组运行成本、弃风弃光成本和需求响应负荷调度成本最小为目标，提出了一种两阶段优化方法。第一阶段优化采用离散二进制粒子群优化算法，使火电机组启动成本和弃风弃光成本之和最小。在第一阶段优化结果的基础上，第二阶段的优化采用双层连续粒子群优化算法使基于电价的需求响应负荷调度成本和燃料成本之和最小。算例结果验证了该优化调度模型的可行性和有效性。     

分时电价引导电解铝负荷参与百色区域电网调峰研究

随着并网风电装机容量越来越大,现有的调度模式难以应对风电出力的随机性,为提高区域电网调峰和消纳风电的能力,提出利用分时电价引导电解铝负荷参与火力发电机组调峰的联合优化调度模型,模型以系统总的发电成本最小为目标,以区域电网运行数据为算例进行仿真验证,结果表明所提模型能够提高系统运行经济性和风电消纳能力。     

大规模风电接入下的火电机组灵活性改造规划

风力发电具有极强的随机波动性,大规模风电的消纳需要火电提供辅助服务。然而,中国的火电机组普遍存在总量富余但灵活性不足的问题,严重限制了风电的消纳。文中构建了考虑火电机组灵活性改造的电力系统长期调度模型。考虑到该模型是具有多时间维度耦合特征的大规模优化模型,利用Benders分解算法,将原问题分解成关于灵活性改造的投资主问题与不同改造方案下的各调度时段的运行子问题,从而实现了对具有多时间维度的大规模优化问题的高效求解。算例分析显示,所构建的模型能够在提升电力系统运行经济性的同时促进高比例风电消纳。     

风蓄火联合运行电力系统动态经济优化调度

针对风电的波动性和反调峰特性,为减少火电系统调峰压力,考虑到抽水蓄能机组启停迅速、工况转化灵活等良好的运行特性,建立风电-抽水蓄能电站-火电站联合调度模型。以充分利用清洁能源、降低系统运行成本和火电机组平稳运行为目标建立多目标优化调度模型,充分发挥抽水蓄能机组在电力系统中的调节作用。以避免系统容量冗余、避免火电机组频繁启停和低负荷运行为原则,确定火电机组调度台数。利用引入maxmin函数和ε支配的改进多目标粒子群算法对模型进行求解。通过算例分析,研究抽水蓄能机组的运行效益及联合调度时抽水蓄能机组的调度运行规律和各类机组间的配合运行特点,计算结果表明模型能够为充分利用风电提供良好的调度运行策略,具有一定的实用性。     

基于逼近和牛顿插值法的最佳风电接纳水平确定

随着风电场规模的不断扩大,电网接纳风电能力的限制已成为风电场规划的一个重要影响因素。为了确定系统接纳风电的最佳水平,建立了综合考虑常规机组运行成本和风电场弃风量的调度模型。引入风电接纳水平系数,从常规机组和风电场运行的经济性角度提出了一种基于粒子群算法的风电接纳水平的优化方法。对含1个风电场和10台常规机组的系统进行了计算分析。针对该风电场的12组典型出力数据分别优化得到对应的最佳风电接纳水平值并分别采用逼近法和牛顿插值法确定了系统的最佳接纳水平,在该水平下的风电出力可以使系统在一个最佳经济点运行。该比例系数可以作为风电场规划的参考。     

电力市场下发电机组计划检修模型

发电机组的计划检修作为防止机组老化失效的主要方法，在确保电力系统可靠运行方面起着重要作用。文中对市场环境下机组检修策略模型及算法进行了综述，并提出了进一步研究的问题。在市场环境下，制定机组检修计划时应当考虑系统运行的可靠性和发电公司的经济利益2个方面。通常，首先由发电公司确定本公司机组的计划检修时段，然后由独立系统运营商（ISO）考虑系统可靠性充裕度后按一定的原则调整机组检修计划;前者确保了发电公司的经济利益，体现了其独立的经济实体地位，后者保证了系统的安全可靠运行。对于该优化问题，一般采用遗传算法、模拟退火算法等启发式方法或者整数规划法、Benders解耦法等数学规划方法加以求解。     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。