考虑时序特性的配电网分布式电源优化配置

分布式风电、光伏电池等分布式电源输出功率以及系统负荷功率的随机性和时序性波动为配电网中分布式电源的优化配置带来巨大的挑战。为此,利用全年各季节各时段历史数据,基于多场景与时段划分的方法对配电网各时段风速、光照强度和负荷大小建立概率分布模型,以包括配电网运行商收益与修正的电压质量改善指标在内的综合效益为目标函数,对各时段采用机会约束规划方法建立考虑时序特性的分布式电源优化配置模型。以IEEE33节点配电系统作为算例,采用精英策略遗传算法对该模型进行求解,规划结果验证了所提模型的有效性,同时表明合理的分布式电源配置方案能够取得较好的经济、环境以及电压质量效益。     

计及可靠性的分布式风电源多目标优化配置

分布式风电源(distributed wind generation,DWG)和负荷出力的时序性和不确定性,将造成停电损失功率的时序性和不确定性,进而影响配电网供电可靠性。本文基于Monte?Carlo随机模拟,将考虑时序性和不确定性的停电损失可靠性指标引入模型。建立综合考虑最小化DWG投资成本、最小化网损以及最小化停电损失的多目标优化配置模型。为了提高算法的收敛性能,采用改进多目标粒子群优化算法求解。该算法运用小生境技术进行多目标全局寻优,同时利用NSGA-II非支配排序策略和拥挤度距离选择最优粒子,引导粒子跳出局部最优。针对已获得的Pareto解,采用最短归一化距离的方法选择最终方案。最后,以IEEE 33节点配电网为例进行仿真实验,结果验证了所提模型和算法的可行性和有效性。     

基于负荷分类增长的分布式风电源与电容器联合动态规划

研究了分布式风电源(distributed wind generation,DWG)和电容器联合规划问题。考虑了不同节点负荷增长差异,并按行业对负荷分类;基于时序耦合多场景技术,以DWG和电容器安装时间、地点和容量为控制变量,分别以规划期利润和时段场景效益最大为目标函数,建立了DWG和电容器的双层联合动态规划模型。算例仿真结果表明,DWG与电容器联合动态规划可保证系统电压约束,实现整体效益的最大化;负荷分类增长方式能更好模拟实际运行环境,从而进一步优化规划方案,降低系统网损;负荷增长速率对规划结果影响较大,因而负荷的准确预测对规划至关重要。     

考虑需求响应的增量配电网分布式电源优化配置

为促进配电网发展和提高配电运营效率,我国新电改方案允许放开增量配电投资业务,因而会出现公用配网之外的增量配电网。增量配电网作为独立运营商,其运营模式、资源配置和投资决策与公用配电网具有不同特点。基于此,提出一种计及需求响应DR(demand-side response)的增量配电网分布式电源DG(distributed generation)规划-运行双层机会约束优化配置方法。下层运行模型以增量配电网负荷曲线最优为目标,决策增量配电网峰谷平各时段向负荷售电电价;上层规划模型以下层运行优化为基础,考虑增量配电网全寿命周期净收益最大从而决定DG的安装位置与容量。针对DG与负荷出力的概率分布、DR侧负荷的时序性,利用中值拉丁超立方抽样技术对各时段内服从特定概率分布的DG与负荷进行处理,形成24个时段内DG与负荷的初始时序样本和DR侧负荷变化量的时序样本,并采用随机模拟嵌套精英保留策略遗传算法对上述模型进行求解。IEEE 33节点系统的仿真结果验证了该方法的合理性与有效性。     

基于混合蛙跳算法的分布式风电源规划

对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。     

含分布式风电源的配电网网架规划

考虑分布式风电源(Distributed Wind Generator,DWG)出力的随机性以及负荷预测的不确定性,采用机会约束规划建立了含DWG的配电网网架规划模型。模型以年综合费最小和DWG公共连接点(Pointof Common Coupling,PCC)处电压闪变水平最小为优化目标。采用基于MonteCarlo模拟的概率潮流判断规划方案是否满足节点电压约束和支路功率约束。将基于树形结构编码的单亲遗传算法(Tree Structure Encoding Partheno-Genetic Algorithm,TSE-PGA)应用到模型的求解中。基于17节点系统的仿真结果说明了规划模型的合理性以及算法的有效性。     

考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

计及电动汽车不确定性的虚拟电厂参与AGC调频服务研究EI北大核心CSCD

电动汽车用户出行和响应的不确定性,为调度电动汽车参与自动发电控制(automaticgenerationcontrol,AGC)带来了挑战。基于此,采用经验模态分解法将火电机组调频偏差分解为高频、中频和低频部分,作为超级电容器、蓄电池以及可入网电动汽车(plug-in electric vehicle,PEV)的参考出力功率。建立了基于韦伯-费希纳定律的PEV用户响应模型,并引入PEV响应偏差阈值的概念,实现PEV赔偿风险—收益之间的平衡。以AGC调频效果最好及净收益期望最高为目标,建立含火电机组、混合储能系统及PEV的虚拟电厂参与AGC调频决策模型,采用改进的遗传算法对混合储能系统进行优化配置并优化调度虚拟电厂各部分的出力,制定了各时段PEV充放电补偿电价。算例结果表明,该模型能够显著提高AGC调频效果,且通过合理设置PEV响应偏差阈值,能最大化净收益期望值。     

计及电动汽车不确定性的虚拟电厂参与AGC调频服务研究

电动汽车用户出行和响应的不确定性,为调度电动汽车参与自动发电控制(automaticgenerationcontrol,AGC)带来了挑战。基于此,采用经验模态分解法将火电机组调频偏差分解为高频、中频和低频部分,作为超级电容器、蓄电池以及可入网电动汽车(plug-in electric vehicle,PEV)的参考出力功率。建立了基于韦伯-费希纳定律的PEV用户响应模型,并引入PEV响应偏差阈值的概念,实现PEV赔偿风险—收益之间的平衡。以AGC调频效果最好及净收益期望最高为目标,建立含火电机组、混合储能系统及PEV的虚拟电厂参与AGC调频决策模型,采用改进的遗传算法对混合储能系统进行优化配置并优化调度虚拟电厂各部分的出力,制定了各时段PEV充放电补偿电价。算例结果表明,该模型能够显著提高AGC调频效果,且通过合理设置PEV响应偏差阈值,能最大化净收益期望值。     

智慧社区多能流随机响应面模型预测控制方法

提出一种智慧社区多能流随机响应面模型预测控制方法。采用随机响应面法获取分布式风电和光伏出力、负荷需求以及实时电价等预测误差分布特性,得到预测误差概率密度分布曲线并将其离散化,利用轮盘赌算法生成初始场景集并采用最近邻聚类法进行场景削减。考虑冷热电联供、电动汽车、储能设备等的技术经济特性,构建了兼顾经济性和环保性的多能流多目标优化调度模型,并利用随机模型预测控制方法对多能流调度模型进行在线滚动优化,从而实现日前优化和实时滚动优化的有效统一。算例结果验证了文中所提出方法的有效性和优越性。     

基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

计及风电与电动汽车随机性的两阶段机组组合研究

风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战。在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型。首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network, GAN)来生成风电场景。其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类。可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中。最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性。     

电动汽车接入对风电穿透功率极限的影响研究

电动汽车和分布式风电接入电网是当前的研究热点。首先分析了分布式风电以及电动汽车入网的随机特性,介绍了基于非参数核密度估计法的含电动汽车配电网负荷建模方法。该方法能够较好地克服由传统的正态分布进行负荷建模带来的误差。建立了基于机会约束的分布式风电穿透功率极限的计算模型,并使用嵌入随机模拟技术的粒子群优化算法对不同电动汽车渗透率时风电的穿透功率极限进行求解。最后,算例说明了电动汽车入网对负荷分布的影响,并从多个角度分析了电动汽车渗透率对风电极限穿透功率的影响机理。     

计及电动汽车充放电静态频率特性的负荷频率控制

目前对电动汽车参与电力系统调频的研究,主要集中在电动汽车作为分布式电源参与系统调频,而对电动汽车作为可控负荷参与系统调频的研究较少。但是,电动汽车作为分布式电源和可控负荷对其参与系统调频具有同等重要的作用。基于此,文中计及了电动汽车的充放电静态频率特性模型,在电力系统负荷扰动发生时,实现了对电动汽车充放电的协调控制,使其在分布式电源和可控负荷两个角色间合理转换。在此基础上,建立了计及电动汽车充放电的单区域系统负荷频率控制模型,并将该模型扩展为两区域互联系统。在MATLAB/Simulink中建模并进行仿真分析。算例结果表明,电动汽车作为分布式电源和可控负荷参与系统调频,不仅可以使系统频率调整速度更快,有效减小系统频率偏差,而且能减小传统调频机组的备用容量。     

计及电动汽车的微电网经济调度方法

针对电动汽车接入后微电网的节能减排发电调度问题,提出了结合电动汽车有序充放电控制的微电网多目标经济调度方案。分析电动汽车的行驶特性,建立基于峰谷分时电价的有序充放电负荷模型。以微网发电成本和环境效益的综合最优为目标函数,采用改进遗传算法,根据实时负荷供电需求,动态确定各可控分布式电源出力大小。在Matlab平台上以一个包含风、光、柴油发电机、微型燃气轮机、燃料电池以及电动汽车的小型微电网系统为例进行仿真。仿真结果表明:所提调度方法通过合理引导电动汽车的有序充放电,减少了负荷高峰时段微电网各发电单元的供电负担,以尽量低的发电成本实现良好的环境效益,验证了该优化调度方案的可行性和有效性。     

含电动汽车的虚拟电厂鲁棒随机优化调度

随着电动汽车和分布式电源接入电网的比例不断提升,虚拟电厂为有效解决电动汽车、分布式电源并网提供了新思路。由于可调度充放电的电动汽车数量和分布式电源出力存在明显的不确定性,因此虚拟电厂优化调度时必须考虑这些不确定性。在此背景下,采用场景模拟技术处理风电出力的不确定性,形成经典场景。针对可调度电动汽车数量的随机性与不确定性,利用鲁棒优化方法建立了原模型的对偶模型,构建含电动汽车的虚拟电厂鲁棒随机优化调度模型。算例分析证明了所提模型具有实用性和有效性,在优化调度模型中考虑不确定性的影响,可减小实际日运行成本,提高优化策略的鲁棒性。结果表明鲁棒系数和置信水平影响了日运行成本,通过合理制定燃气轮机等常规机组的发电计划可以减小日运行成本。     

计及风光不确定性的虚拟电厂多目标随机调度优化模型

为缓解风电和光伏发电不确定性对虚拟电厂稳定运行的影响,引入鲁棒随机优化理论,建立了计及不确定性和需求响应的虚拟电厂随机调度优化模型。首先,风力发电、光伏发电、燃气轮机发电,以及储能系统和需求响应集成为虚拟电厂,然后最大化虚拟电厂运营收益、最小化系统运行成本和弃能成本被作为目标函数,建立虚拟电厂调度优化模型。再应用鲁棒随机优化理论来转换光伏发电以及风力发电不确定性变量的约束条件,建立了虚拟电厂随机调度模型。最后,选择中国国电云南分布式电源示范工程为实例分析对象。分析结果显示：所提模型能够降低系统运行成本,双重鲁棒系数的引入能够为不同风险态度决策者提供灵活的虚拟电厂调度决策工具,协助应对风电和光伏发电的随机特性。储能系统能够借助自身充放电特性,替代燃气轮机发电机组为风电和光伏发电提供备用服务,促进风电和光伏发电并网。将需求响应纳入虚拟电厂能够实现发电侧与用电侧联动优化目标,平缓化用电负荷曲线,系统整体运营效益达到最佳。     

考虑分布式光伏和电动汽车接入的配电网空间负荷预测方法

针对大规模分布式光伏和电动汽车接入配电网对空间负荷预测影响的问题,提出一种考虑远景年屋顶分布式光伏饱和安装、大规模电动汽车参与V2G的城市配电网空间负荷预测方法。区分不同小区,依据相应的容积率和可利用率系数计算屋顶光伏饱和安装面积,结合历史辐射值数据计算光伏出力。基于改进型停车生成率模型预测停车需求,结合日行驶里程、停车特性和充放电策略,建立电动汽车V2G负荷预测模型,利用蒙特卡罗仿真得出V2G负荷时空分布情况。采用改进型负荷密度指标法,实现对考虑时序的配电网传统日负荷的预测。以某规划区为例,预测结果表明:屋顶分布式光伏和电动汽车V2G对配电网空间负荷预测结果影响较大,且对不同小区负荷影响的程度不同。     

考虑电能替代负荷接入的配电网鲁棒重构优化

为治理大气污染、保护环境,涵盖电采暖和电动汽车的电能替代负荷将越来越多地接入配电网中,配电网的供电能力受到显著影响,传统配电网运行优化方法须要改进。基于电采暖、电动汽车负荷的出力模型,采用拉丁超立方抽样、Cholesky分解和同步回代削减相结合的方法实现概率多场景的快速生成。基于生成的概率多场景,将鲁棒优化和随机规划方法相结合,采用场景分析方法,在满足鲁棒约束条件下,以网络损耗和负载均衡度为优化目标,建立考虑电能替代接入的配电网鲁棒重构优化模型,采用蚁群算法对模型进行求解。最后通过算例验证了文中重构方法能够有效提升含大规模电能替代负荷配电网的供电能力。