含高渗透率风电的电力系统复合储能协调优化运行

风电的随机性、可调度性差等特点对电力系统的安全稳定运行带来了挑战。为了增强系统对风电的接纳能力并提高风电利用率,文中研究采用抽水蓄能电池储能组成的复合储能在含高渗透率风电的电力系统中的协调优化运行。基于离散傅里叶变换(DFT)对风电出力进行频谱分析,将风电出力分解成短时间尺度的高频分量和长时间尺度的低频分量。利用电池储能响应速度快、容量小的特点,补偿风电高频波动部分以改善上网风电的波动性;根据抽水蓄能存储容量大的特点,参与系统调峰运行以解决接入风电后系统的调峰问题。以改进的IEEE RTS-96系统及实际风电场为例,对复合储能进行协调优化运行,算例结果验证了所述模型与方法的有效性。     

计及负荷可控性的微网储能容量优化配置

合理配置储能容量,是保证以可再生能源为主体电源的独立微网经济可靠运行的关键。基于微网地下水开采负荷的可控性,提出可再生能源/储能/负荷协调的微网系统功率分配策略。在此基础上,考虑蓄电池储能的运行特性对其寿命影响,提出微网电池储能的容量优化模型。以中国西北地区风光互补独立微网为例,对电池储能容量优化进行研究,仿真结果验证了所建模型的合理性。     

基于机会约束规划的含大规模风电电力系统阻塞调度优化

电力市场环境下,接入风电的不确定性增大了系统输电阻塞出现的概率。采用现有的确定性方法进行输电阻塞调度,会导致部分重载线路接近热稳定极限;若风电出力预测产生偏差,系统在实时运行中可能再度出现阻塞。为解决阻塞问题并使系统具备一定的抵御再度阻塞的能力,提出一种新的阻塞调度模型,该模型将风电出力预测误差作为随机变量,形成了模拟实时运行不确定性的机会约束条件;同时,模型计及了期望缺电、弃风风险指标,实现了阻塞调度中功率调整与旋转备用的联合优化。基于蒙特卡洛方法提出了不确定性风电并网导致的系统再度阻塞的量度方法和指标,通过IEEE RTS 24节点系统算例证明了所提模型的有效性。     

计及条件风险价值的含储热光热电站与风电电力系统经济调度

含储热的光热电站是一种可调度的可再生能源发电技术,其接入系统为实现高比例可再生能源消纳提供了新的技术手段。利用含储热光热电站可控的出力特性,以削减接入大规模风电后调峰问题带来的影响。考虑到风电和光照功率的不确定性会带来调度运行风险的增加,借鉴金融领域风险管理的概念,引入条件风险价值(CVaR)来度量不确定性因素给调度运行带来的风险损失,并以系统总调度成本和风险成本最低为目标,建立计及CVaR的含储热光热电站和风电的电力系统经济调度模型。采用IEEE 39系统对模型进行仿真分析,并探讨了不同风险系数、储热容量对优化调度结果的影响。     

水火电站建设最优排序模型

本文提出了一个研究电力系统水电站最优建设顺序的模型,实质上也就是一个电力系统电源规划模型。该模型是按年分阶段、以电站建设可能的组合作状态的动态规划模型。模型既可以研究电力系统水火电站的最优建设顺序,也可以同时研究系统中某些电站的最优装机容量。文章分析和阐述了模型,并给出了应用此模型研究华南电力系统水火电站建设的结论。     

用户自备分布式发电与供电商的博弈

随着越来越多的用户选择自给自足的分布式供能方式,电力市场条件下用户自备分布式发电(DG)与供电商的经济冲突成为亟待研究的问题.基于此,文中重点分析了仅考虑用户利益的DG规划对DG的推广发展所产生的负面影响,建立了以双方年效益为效用函数的博弈模型,并结合联营电力市场中电价理论给出以市场出清电价为核心的利益分配模式,用以解决双方的冲突.为证明该模式的有效性,根据1999年加州电力市场电价数据,给出规划某商业用户自备DG的博弈过程及结果.从结果看,在该利益分配模式下,可以实现用户DG、供电商、社会三方共赢.     

基于自适应神经模糊系统的电力系统短期负荷预测

提出基于T-S模型（Takagi-Sugeno）的自适应神经模糊系统（ANFIs）。该系统采用减法聚类初始化模糊推理，把神经网络学习机制引入到逻辑推理中，并用混合学习算法调整前件参数和结论参数，自动产生模糊规则。应用武汉地区2005年夏季负荷数据对网络进行训练和检测，所得仿真结果表明此预测方法有效。     

一种计算衡量发电商市场力Lerner 指标的新方法

在竞争性的电力市场中,各发电商的边际生产成本并不公开,因此Lerner指标在实际市场中很难应用。根据市场均衡理论,基于发电商所面对的需求曲线,结合微观经济学分析,提出了一种Lerner指标的新的计算方法。在不知发电商生产成本的情况下,仅根据各参与者(发电商和用户)的报价曲线以及电力市场的实时交易信息,即可计算出各发电商的Lerner指标。该方法也适于求解计及阻塞的系统。两个算例仿真表明,该文提出的方法是可行的。     

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段，并将动作次数约束还原为经济成本，将它与网损费用等之和作为目标函数，并考虑了各种运行约束条件，采用微粒群优化算法进行计算，该算法收敛速度较快。与静态无功优化模型相比表明，该无功优化模型更适合给定的地区电网，优化后全天的网损略有增大，但变压器抽头调节次数以及电容器组投切次数明显减少。     

基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型

针对电力系统短期负荷的特点建立了将累积式自回归动平均法(autoregressive integrated moving average，ARIMA)和采用反向传播算法(back propagation，BP)的神经网络法相结合的短期负荷预测模型。该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测，然后应用BP神经网络方法对预测结果进行修正，因此克服了单一算法存在的不足。应用该模型对某地区电网进行负荷预测，结果表明该方法的预测效果较好