基于需求侧减排的节能调度及其改进NSGA-Ⅱ算法

提出一种基于需求侧减排的节能调度方法,在此基础上,建立基于火电机组负荷分配和需求控制方案最优的双层优化模型,设计了迭代算法,并利用改进NSGA-Ⅱ法对下层多目标模型进行求解。算例分析表明,该模型在保证电网运行经济性的前提下,能使发电和需求侧的污染物排放水平显著降低,并能提供各发电机组的调度方案及需求的控制方案,具有一定的实用性;所提出的改进NSGA-Ⅱ法与一般NSGA-Ⅱ法、多目标遗传算法相比,能改善帕雷托解集的空间分布,降低迭代次数,因此性能更优。     

新北川智能电网设计

在阐明新北川供用电特点基础上,提出建设坚强智能电网的整体框架及在输、变、配、用电及调度、通讯平台等各部分的设计方案要点,进一步阐述包括自愈配电网、完备通讯系统、智能型调度自动化系统、新型供用电设施利用等智能电网实施关键技术,最后展望新北川智能电网未来.     

考虑能源重复转换的综合能源系统经济运行

在综合能源系统中引入电转气（power to gas,P2G）设备加强了电力和天然气网络间的耦合,减少了弃风弃光现象,但也使可再生能源在进行优化调度时发生能源重复转换,降低用能效率,产生能源损耗。在此背景下,提出了一种减少能源重复转换的双层优化调度模型,引入KKT条件将双层模型转化为单层模型,优化得到了协调各转换设备的调度运行计划及系统最小运行成本。在算例中采用4种不同的典型场景对系统进行验证,结果表明：所提优化调度模型能够在提高可再生能源消纳的情况下,降低系统运行成本,提高用能效率,与未考虑能源重复转换的传统调度模型相比经济性有显著提高。     

计及运行成本风险的主动配电网两阶段随机模型预测控制

分布式电源出力和负荷不确定性造成主动配电网运行风险,影响其运行安全性和经济性。建立了计及运行成本风险的主动配电网两阶段随机模型预测模型。结合不确定场景集和不同调节设备的动作特性,通过引入条件风险价值作为风险控制手段,构建了计及风险的两阶段随机优化模型,以降低运行成本分布中的“厚尾”风险。利用模型预测控制方法实现时序滚动优化,精细化协调控制,以减少可再生能源波动性以及负荷预测偏差给主动配电网经济运行带来的影响。最后,通过算例仿真分析,验证了所提方法在保证主动配电网安全运行的同时,进一步降低高额运行成本发生的概率,可实现主动配电网运行风险的有效、准确管控。     

不同资本主体梯级水电参与日前市场的出清方法

当不同资本主体梯级水电站参与日前市场时,由于梯级水电中下游电站受限于径流变化和水库调节能力的特征,无法明确自身的可发电量,面临中标电量与实发电量不匹配的问题,导致出现"弃水"或"欠发"。为此,提出了梯级水电站上下游电站单独化市场竞标的三类出清方法,即二次出清、下游电站可发电量全额收购及电量转移三类方法。算例仿真结果表明,这三种方法均有利于优化出清模型,保证流域水电站水电与水资源的正常管理,减少"弃水"和"欠发",为不同资本主体梯级水电站的市场化运营奠定基础。     

基于灵敏度分析的发电机组市场力实时监控方法

衡量发电机组市场力的现有方法多应用在市场出清之后,属于研究市场运行历史数据的后验法,具有很大的滞后性与局限性.作者从最优潮流(OPF)灵敏度分析出发,推出发电机组收入变化与系统节点价格变化之间的相互关系,进一步得到机组是否拥有市场势力的实时判据指标.在理想的完全竞争环境中,由于可替代性,某台发电机组稍微提高投标价格一般会导致其有功输出的大量减少,基于自身价格的灵敏度指标为很小的负值,随着机组市场力的增加,该指标逐渐趋于增大,直至为零,此结论可推广至多台机组的情形.该方法有较强的实用性,既可被发电机组用于调整投标策略,也可被系统操作员(ISO)用于市场监测.     

全球能源互联网下输电走廊规划分析研究

随着全球传统化石能源高度消耗,新的清洁可再生能源快速发展,能源产地越来越远离负荷中心,能源需求和分布存在时空上的不均衡。全球能源互联网的建设可实现清洁能源基地电力的全球输送功能,达到电力能源资源共享,从而是解决此失衡局面有效的方法。在全球能源互联网的背景下,以中国为起点,德国为终点,将途经的各国进行分区,考虑不同国家的关税、输电线路长度、运行维护率、建设成本等因素,对中国—德国输电走廊规划问题建立了数学建模,并进行了相应的算例分析。     

计入柔性负荷的售电公司参与市场竞价两阶段优化模型

在售电市场开放的环境下,为获取最大社会效益,把售电公司参与市场竞价的行为与其内部的多类型柔性负荷管理有机结合起来,建立两阶段优化模型,第1阶段是售电公司参与市场竞价,第2阶段是在第1阶段基础上售电公司对内部多类型柔性负荷的管理。为配合获取最大社会效益,得到最小柔性负荷补偿费用,售电公司对内部用电客户柔性负荷的中断费用、转移费用和激励费用组成的目标函数进行优化管理。实际算例采用遗传算法(genetic algorithm,GA),以IEEE 14节点测试系统为例验证该模型有效提高了社会整体效益。     

基于EEMD-SE和PSO-KELM的短期负荷区间预测方法

准确的短期负荷预测在电力系统中发挥着至关重要的作用。近年来,大量短期负荷预测研究表明,与点预测相比,负荷的区间预测可以更有效地保证电力系统的安全运行。因此,提出一种基于EEMD-SE和PSO-KELM的短期负荷区间预测方法。首先,使用集合经验模态分解（EEMD）将原始负荷序列分解为一系列的子序列;然后,通过样本熵（SE）对各序列进行计算,量化序列的复杂程度,将SE值较小的序列进行重构;最后,通过粒子群（PSO）优化核极限学习机（KELM）的输出层权重,建立预测模型,并对各序列进行区间构造。采用南方某市不同季节的实际负荷数据对所提模型进行实验验证,仿真结果表明,与其他预测方法相比,所提方法在区间可靠性以及宽度上具有更好的效果。     

基于Wasserstein距离多状态建模的冷热电联供系统优化配置

考虑冷热电联供系统中可再生能源供热供电出力和负荷的不确定性对优化配置的影响,采用基于Wasserstein概率距离指标的改进多状态方法对风光出力和冷热电负荷不确定性进行建模。在考虑经济性、环保性基础上引入自平衡能力为目标建立优化配置模型,并采用非劣性排序遗传算法进行求解。针对算例使用提出的优化配置方法进行仿真计算,通过对多目标和可再生能源渗透率的比较分析,验证提出的优化配置模型和方法的有效性和合理性。