计及源荷不确定性及频率安全的电力系统区间优化调度方法

提出了一种计及源荷不确定性及频率安全的电力系统区间优化调度方法。首先,对系统动态频率特性进行分析,将非线性频率安全约束近似简化为线性约束。接着,在考虑源荷预测误差区间不确定性的基础上,建立了计及频率安全约束的电力系统优化调度问题数学模型。基于Benders分解方法将区间优化问题分解为基准场景下的主问题和不确定场景下校正调度的可行性校验子问题进行求解,为减少需要考虑的场景数量,根据系统违反功率平衡、备用、线路潮流等安全约束的程度筛选出少量高风险场景,并对其进行可行性校验。最后,将该方法应用于含风电的10机39节点系统,仿真结果表明,区间优化调度方法可确保系统在不确定场景下的安全性,与场景法相比,其计算效率显著提高,计算量大幅减少。     

考虑风电预测区间的电力系统灵活性评估方法

高比例风电接入加剧了电力系统运行的不确定性，充足的灵活性对系统安全可靠运行至关重要。提出了一种考虑风电预测区间的电力系统灵活性评估方法。首先，考虑风电的随机波动特性和预测区间，构建随机极限场景集，表征风电出力和爬坡的不确定性并降低问题的复杂度。然后，考虑机组和系统运行特性，提出机组和系统运行灵活性综合评价指标。最后，考虑系统运行成本约束、预测场景和随机场景的运行约束，建立考虑风电预测区间的电力系统灵活性优化评估模型，量化机组和系统的灵活性供给能力并保证运行鲁棒性。在改进的IEEE 39节点系统进行仿真分析，验证了所提方法的可行性和有效性。     

基于自适应扩散高斯核密度风电预测误差估计的 风火联合优化调度研究

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。     

考虑静态安全距离的含风电电网安全优化调度

大规模风电的接入给系统优化调度带来了严峻的挑战。传统含风电电力系统调度方法高度依赖于精确的风电概率分布或高精度的风电预测区间的建立,在处理风电不确定性超出预计值时可能存在校正调度、弃风的问题。为促进风电的消纳,引入安全域理论的概念,分析安全域、静态安全距离与风电出力不确定性间的关系。在此基础上,提出了添加系统静态安全距离为约束的电网安全优化调度模型。IEEE39节点系统算例的仿真结果表明,所提模型面对当前风电预测精度较低的实际情况,具有一定的鲁棒性和较强的可操作性。     

计及运行风险和备用可用性的含风电系统两阶段优化调度

针对风电和负荷的不确定性对系统日前调度的影响,提出一种计及运行风险和备用可用性的日前两阶段优化调度方法。首先,考虑风电和负荷的不确定性及容许误差区间,利用条件风险价值(Conditional Value-at Risk, CVaR)度量系统调度运行风险。然后,建立日前两阶段优化调度模型。其中第一阶段优化模型以包含风险成本的系统运行成本最小为目标函数,优化制定有功调度及备用计划,保证系统运行经济性。基于第一阶段优化结果生成极限潮流场景集,第二阶段优化模型校验极限场景下的备用可用性并将结果反馈至第一阶段模型,确保系统运行鲁棒性,并提出迭代求解算法。最后,以IEEE39 节点系统和实际区域电网为算例验证了该方法的可行性和有效性。     

基于区间不确定性的约束潮流

针对电力系统潮流计算中因新能源注入、负荷变化等因素而引起的计算数据的不确定性问题,提出一种新的基于区间算法的约束潮流模型。首先,将输入数据的变化表示为区间的形式,然后,将传统的潮流方程转变为考虑电压、无功功率等约束的优化模型;在求解过程中,引入区间的可比较性概念,将该不确定的约束潮流问题分解成两个确定性的约束优化子问题,即上界子问题和下界子问题,并利用现代内点算法进行求解,得到潮流解的上下界。最后,对IEEE 14,57,118节点系统和实际华南703节点系统进行仿真计算,并与经典的计算区间潮流的仿射算法和蒙特卡洛模拟法得到的结果进行对比,证明了该算法不仅结构简单,而且可以极大地提高计算效率。     

求解含风电相关性区间潮流的仿射变换最优场景法

风电场发电功率有很强的不确定性和相关性,影响电力系统不确定潮流分布情况。为了能准确掌握电力系统潮流状态的区间分布特性,区间潮流作为不确定潮流计算工具,需要考虑风电的不确定性和相关性。采用联合采样区域的相关角量化风电出力的区间相关性,构建了考虑风电相关性的区间潮流(Interval Power Flow,IPF)模型,并提出了一种基于仿射变换的最优场景算法(Optimal Scenario Algorithm with Affine Transformation,OSA-AT)加以求解。该算法利用仿射变换先将相关的风电出力区间分布转化为独立的区间变量,然后应用最优场景法将区间潮流转化为一系列确定非线性优化问题,进而采用内点法计算获得潮流状态量的最大值和最小值,即区间分布。IEEE-14和IEEE-118系统的计算结果表明,所提方法可以精确处理区间变量相关性,且与蒙特卡罗方法(Monte Carlo, MC)相比,其计算效率可提高数十倍。     

含风电接入多区域电力系统的分散式随机动态经济调度方法

该文提出一种含风电接入的多区域电力系统随机动态经济调度问题的分散求解方法。首先利用场景法对风电随机性进行建模,对每个区域的风电单独抽样,并构建预测场景和误差场景的边界节点相角一致性约束。其次通过复制边界节点变量和构建上层协调器,对多区域电力系统按区域进行分解。最后利用目标级联分析法对多区域随机动态经济调度模型进行分散优化,并采用部分聚合多切割方法高效求解各区域随机优化问题,构建上层协调器主问题、区域预测场景子问题和误差场景子问题交替求解。此外,为提高计算效率,先对预测场景下的确定性多区域动态经济调度模型进行优化,当算法收敛后再交替进行各区域的随机优化和上层协调器的分散协调。最后通过对三区域IEEE RTS系统和一个实际四区域2298节点系统进行测试,证明了该文方法的有效性。     

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。     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。     

基于区间不确定性的微网有功—无功联合优化调度

针对微网优化调度问题,首先,考虑到可再生能源(如风电、光伏等)功率预测和负荷预测的不确定性,以及微网系统中有功潮流和无功潮流的强耦合性,提出利用区间描述不确定性,并建立微网系统的有功—无功联合优化调度模型。然后,采用区间序关系模型转换方法,将基于区间不确定性的联合优化模型转换成一般的确定性优化模型,以便于优化问题求解。最后,为验证所提出的微网系统优化调度方法,利用专业优化软件(GAMS)在典型的微网系统算例上进行数值仿真试验,并结合试验结果分析区间不确定水平对微网系统运行成本及各微电源出力的影响。     

考虑概率分布约束的含高渗透率风电电力系统储能鲁棒优化方法

提出一种考虑风电功率预测误差概率分布不确定性的储能容量优化配置方法。该方法可保证在风电功率任意可能分布下,通过调度可调发电机组及配置储能以保证系统安全运行,同时最小化储能配置成本。首先鉴于历史数据的不完备性,将根据历史数据获得的风电二阶矩信息描述为波动区间,然后采用概率分布鲁棒联合机会约束模型描述含风场系统储能最优配置问题,进而采用拉格朗日对偶消去优化模型中的随机变量,将鲁棒机会约束模型转化为确定性的线性矩阵不等式问题,最后采用凸优化算法求解,并分析风电预测误差精度、机会约束置信度、风电功率波动性对储能配置容量的影响。采用修改的Garver 6节点算例验证了该方法的可行性和有效性。     

考虑光伏不确定性的安全约束机组组合

基于区间估计理论,提出一种求解考虑光伏出力不确定性的安全约束机组组合(SCUC)方法。对于系统预测误差的不确定性模型,允许所做决策在一定程度上不满足模型约束条件,采用置信度控制不满足约束的风险,并考虑不确定性的极限情况。利用Benders分解算法,将不确定SCUC模型分解为无SCUC和考虑SCUC的线路潮流检测问题,形成适合于混合整数规划问题的主问题和子问题求解的计算方法 ,从经济性和安全性角度实现对考虑光伏不确定性的SCUC问题的优化。以光伏并网的WSCC 9节点、3机组系统为研究对象,在MATLAB编程环境中调用优化软件包CPLEX对混合整数规划问题模型进行求解,结果表明该方法可以简单、高效地解决含光伏及负荷预测误差不确定性的SCUC问题。     

含风电场电力系统的鲁棒优化调度

随着风电场大规模的接入电力系统,电网调度运行变得愈加困难。传统的调度方法无法考虑风电出力的不确定性,将威胁系统运行的安全性,因此研究计及风电出力波动性的电力系统安全调度具有重要意义。采用一种基于风电出力预测区间的调度模式来考虑风电出力的不确定性,在此基础上建立鲁棒优化调度模型,并考虑机组的自动发电控制(automatic generation control,AGC)响应来应对风电出力波动,维持系统功率平衡。然后在鲁棒调度模型的基础上建立新的经济校正成本模型来对比传统调度和鲁棒调度的经济性。该模型在目标函数中加入模拟场景下的弃风和失负荷的惩罚费用,利用风电模拟场景计算平均总运行成本。最后采用96个时段的10机算例和实际某省系统中24个时段的134台机算例对传统调度和鲁棒调度进行了对比分析,验证了所提方法的鲁棒性和经济性。     

计及风电不确定性和TCSC 功率调节作用的最优潮流研究

风电并网不仅改变网络中功率的分布,而且风电的不确定性增加了调度的难度,晶闸管控制串联电容器(TCSC)可以改变线路等值参数,从而控制潮流的分布,改善风电并网对网络功率分布的影响。因此有必要建立计及风电不确定性和TCSC调节作用的最优潮流(OPF)模型。模型分为预优化和实时优化两个阶段,预优化阶段通过风速预测、风速-风功率转换,得到以1 h为周期的24 h风电场出力计划。实时优化阶段采用场景描述风电不确定性,在各个场景下通过调节TCSC参数来控制网络中功率的分布,以实现网损最小为目标。利用IEEE30节点系统进行算例分析,结果表明,模型可以改善风电不确定性对电网运行的影响,并且提高系统的经济性。     

基于快速随机潮流的电力系统安全风险评估

电力系统中各种不确定性因素为安全风险评估工作带来困难,随机潮流计算可以计及这些不确定性因素。提出一种基于快速随机潮流的电力系统安全风险评估方法,通过考虑风电时序特性的短期风电功率预测方法构造风电出力多场景;在快速解耦潮流模型的基础上,考虑电力系统功频静态特性,采用以半不变量为基础的改进Von Mises方法获得各状态变量的概率分布函数。除节点电压和支路功率外,可以得到系统频率的概率分布等统计信息,通过各状态变量越限概率和产生后果的严重程度等风险指标全面评估系统风险。IEEE 39节点系统的测试结果表明该方法的计算快速有效,具有在线应用前景。     

计及需求响应的风电储能两阶段调度优化模型及求解算法

为解决风电功率不确定性对系统稳定运行带来的影响,在含风电的系统优化调度问题中引入需求响应和储能系统。首先利用区间法模拟风电场景并构建了基于Kantorovich距离的场景削减策略,然后分别在需求侧和发电侧引入需求响应和储能系统,结合2阶段优化理论,以风电日前预测功率和超短期预测功率作为随机变量及其实现,构建了计及需求响应的风电储能2阶段调度优化模型。为求解该模型,在传统二进制粒子群算法中引入混沌搜索,构建了混沌二进制粒子群算法。最后,以IEEE 36节点10机系统进行算例仿真。结果表明,混沌二进制粒子群算法能够得到全局最优解,适用于风电储能系统2阶段模型求解;利用需求响应和储能系统的协作效应,可以抑制风电功率的不确定性,提高系统风电利用效率,降低系统发电煤耗水平,因此综合效益显著。     

计及线路随机故障的机会约束最优风电消纳模型

在大规模风电并网的背景下,为提升电网运行的经济性与安全性,基于最优风电消纳比的概念提出一种计及输电线路随机故障的两阶段机会约束机组组合模型。一方面,采用机会约束量化风电出力的不确定性,确定最优的机组组合方式与风电消纳比;另一方面,综合考虑电网基态与故障态的运行方式,在故障发生后引入弃风、切负荷等控制措施,保证电网的稳定运行。为应对机会约束模型带来的求解难题,采用采样平均近似算法处理机会约束,并通过双线性Benders分解法将原问题分解为预测风电出力下的预测主问题和风电出力波动条件下的场景子问题,主子问题迭代求解,得到系统优化运行策略。6节点系统与IEEE RTS-79测试系统算例验证了所提模型与算法的有效性。     

基于场景生成与IGDT的风光-碳捕集-P2G虚拟电厂经济调度

为了有效降低风光出力与负荷预测的不确定性对虚拟电厂调度运行的影响,提出了基于场景生成与信息间隙决策理论（IGDT）的经济调度优化模型。通过Copula函数与非参数核密度估计方法构建风光出力联合分布模型,并利用蒙特卡洛模拟与k-means聚类得到典型场景。利用区间约束对负荷预测的不确定性进行建模,构建不同风险偏好下的调度优化模型。以典型的虚拟电厂系统进行算例分析,验证了所建立模型可以为不确定性影响下的虚拟电厂经济调度问题提供解决方案。     

基于场景分析的含风电系统经济爬坡调度

随着风电大规模并网,考虑风电不确定性及其对系统安全影响的电力系统调度成为目前研究的重点。本文定义了爬坡冗余度指标,该指标将风电不确定性以及风电曲线变化趋势对调度的影响计及到调度模型中,从而提高调度解对风电出力不确定性的前瞻爬坡响应能力。采用场景分析法来刻画风电的不确定性,并提出采用最近邻聚类的方法对场景进行削减,保证削减后场景的多样性和计算结果的精确性。最后,本文构建了以经济和爬坡冗余度为目标的调度模型,并通过IEEE-30节点系统验证了本文所提方法的有效性。