基于预测控制的含风电滚动优化调度

在预测控制理论的基础上建立了含风电的滚动优化调度模型,将常规火电机组、风电机组的有功出力视为预测控制的状态量,常规火电机组的出力调整量视为输入量,以状态空间的形式描述状态量和输入量之间的关系。通过对目标函数和约束条件进行状态空间转换,使滚动调度问题转变为矩阵形式的优化问题,建立了一种多机组多预测时段的滚动优化调度数学模型。并根据矩阵的特性对目标函数进行了化简,使优化问题转换为二次规划形式,推导了全矩阵约束时的内点法增量矩阵,便于应用内点法进行模型求解。此外,还对滚动优化的决策稳定性问题进行了理论分析。仿真算例表明,相比传统的单时刻优化,基于预测控制的含风电滚动优化模型在整体优化水平和调度决策前瞻性方面具有优势。     

含变速恒频风电机组并网后的配电网无功优化

目前对广泛采用的变速恒频风电机组并网后的配电网无功优化问题还少见有研究。分析了变速恒频风电机组有功功率特性,建立了含变速恒频风电机组的配电网无功优化模型,并分析了风速变化对风电机组输出有功功率的影响。采用二进制粒子群优化算法对配电网中有载调压变压器和并联电容器组等无功控制变量进行优化,通过算例分析验证了该方法的有效性。     

考虑时变备用需求的含大规模风电电力系统机组组合滚动优化

风电的波动性及难以预测的特性给电力系统安全、经济调度带来了困难.含风电电力系统机组组合需安排火电预留足够的旋转备用容量,以减小风电波动和预测误差对电力系统的影响.本文针对风电预测误差的强时变特性,提出考虑时变备用需求的含大规模风电电力系统机组组合滚动优化模型,该模型充分考虑风电预测误差的时变特性,优化系统机组组合滚动运行方案.算例分析证明了本文模型的有效性和可行性,分析表明本文模型能够满足系统时变备用需求,保证系统不同时间尺度的运行安全性和经济性.     

热电联产与风电机组联合运行滚动优化调度模型

我国北方地区电力过剩、热力紧缺、电网弃风率高等问题凸显,为提高运行经济性,提出一种结合热电联产机组与风电机组联合运行滚动优化调度方法。针对风电等可再生能源出力存在较强波动性的现象,提出滚动修正的策略,并与单次预测结果进行了对比。同时,给出了优化调度的模型,利用智能单粒子算法将不同类型机组化作不同子矢量进行优化,较传统粒子群算法寻优能力更强。引入分布式电力驱动热泵用于改善热、电负荷布局,能够有效改善可再生能源弃电问题。所提出模型和策略在IEEE30节点系统算例中得到验证。     

消纳大规模风电的热电联产机组滚动调度策略

首先,对热电联产机组的特性进行了分析,建立了考虑背压式和抽凝式热电联产机组以及并网风电的滚动调度模型。然后,针对热电联产机组的特性,基于拉格朗日对偶松弛算法框架,提出了考虑风电以及其他各类机组的联合优化滚动调度算法。一方面,提出了主问题的迭代步长自适应修正方法以提高算法收敛速度,子问题则采用一种高效的逆推回代动态规划方法进行求解;另一方面,针对抽凝式热电联产机组的热电耦合约束难题,将其分解为供热出力优化及有功出力优化2个子问题,提出了2个子问题的交替迭代优化算法。某省级电网的实际算例结果证明了该方法的有效性。     

考虑风电不确定性的风蓄火联合优化经济调度研究

风电的间歇性、波动性和反调峰特性导致大量风能成为弃风,致使风电的经济效益和环保效益均受到影响。针对风电和抽水蓄能以及火电出力的不同特性,文中采用内外两层模型嵌套求解,即优先建立内层风蓄联合运行收益最大和风电入网波动最小的双目标模型,以决定抽水蓄能机组的抽水功率或发电功率,再在外层建立计及不同置信水平风电预测误差的风蓄火联合收益最大的目标模型。以抽水蓄能和风电合作运行来应对风电的不确定性,同时采用机会约束规划来处理模型中的随机变量。采用粒子群优化-遗传算法混合优化算法求解模型,并通过IEEE 30节点系统验证了该模型在增加系统经济效益的同时可以降低风电出力波动性。     

考虑风电减载调频的高比例风电电力系统优化调度方法

受制于同步发电机组调频容量和调频速度的限制,风速波动使得高比例风电系统的频率稳定问题日趋严峻.变速风电机组(variable speed wind turbine,VSWT)通过提前减载参与电网调频是解决风电随机性影响的有效方法.VSWT的减载率是影响电力系统安全性和经济性的关键,但受电网调频容量、需求以及风速、机组安...     

含风电的电力系统动态经济调度模型

电力系统的经济调度必须考虑风电的波动性和随机性带来的影响。引入概率约束,定义了风电场计划出力实现的概率,研究了含风电场的电力系统动态经济调度模型。通过计算下一调度日风电场实际出力的条件期望与计划出力的差值,确定了风电对系统正、负旋转备用的需求。利用分位数的概念,将含有概率约束的随机调度模型等价地转换为确定性模型。提出了一种改进的粒子群算法来求解转换后的确定性模型。仿真实验结果表明,这种含风电场的电力系统动态经济调度模型能有效应对风电接入引起的备用需求变化,所得的调度方案在保证系统可靠性的前提下能节省更多的成本。     

考虑电网调度实时性要求的机组负荷优化分配

为了满足电网调度对火电厂负荷优化分配的实时性要求,提出了负荷优化分配总时间的概念并给出了具体计算公式。对煤耗、污染物排放、负荷调整时间的多目标数学模型进行了改进,将全厂煤耗量、污染物排放量两个目标统一为经济性成本目标,将负荷调整时间目标处理为机组变负荷范围的约束条件。通过引入遗传算法中的自然选择机制,提出了自然选择粒子群算法,并对算法的惯性权重及约束条件的处理进行了改进。实例计算结果表明：该方法与现有多目标优化方法相比可有效地缩短优化计算时间,在满足电网调度对负荷分配总时间的硬性要求的同时,更能满足电厂降低成本需求。     

基于改进粒子群算法的火电机组经济优化调度

为了提高火电机组运行的经济性,以火电机组运行成本最小为目标函数,综合考虑火电机组运行过程中的 各项约束,利用收缩因子对粒子群算法进行改进,建立基于改进粒子群算法的火电机组经济优化调度模型,并采用 IEEE30节点系统进行算例分析,结果表明采用IPSO算法优化的火电机组最小运行成本为24.13万元,IPSO算法在 迭代次数和收敛精度上均优于PSO算法,验证了模型的正确性和实用性.     

面向电力市场的含风电电力系统的环境经济调度优化

考虑洁净能源在环保问题上低成本的优势,建立了一个面向电力市场的含风电的电力系统环境经济调度优化模型,使电力市场环境下含风电的电力系统优化调度更趋合理和经济,具有较高的可信度。基于遗传算法,运用Matlab工具箱对IEEE30节点系统进行了优化求解与仿真,验证了该模型和算法的正确性和有效性。     

基于粒子群算法的含风电场电网规划优化研究

风电的不确定性以及负荷的随机变化性增加了电网规划难度。为此,针对系统运行、可靠性等约束条件,把罚函数转换为无约束目标函数,建立基于粒子群算法的含风电场电源规划多控制变量问题优化模型,并提出和分析优化规划的详细步骤。最后,采用IEEE30标准节点系统进行仿真优化,仿真优化结果验证了该模型的有效性、可行性,效果显著。     

区域综合能源系统优化调度方法

区域综合能源系统(integrated community energy system, ICES)可以充分利用可再生能源、提高综合系统能源利用效率。该文专注于ICES优化调度问题。首先建立了以电为核心的综合能源系统优化调度模型,优化目标包括经济性和环保性最优准则,基于可再生能源技术、节能技术以及电能替代技术的典型设备模型,分别在采暖期和空调期建立了系统运行约束模型,以及电和冷/热负荷供需平衡约束模型;采用具有良好全局搜索能力的粒子群算法（particle swarm optimization, PSO）作为调度模型求解算法。通过具体算例,验证本模型和算法,可得到经济性和环保性目标下的综合能源系统优化调度方案,同时分析了不同目标下调度方案存在统一和矛盾的原因。     

基于风电功率预测的电网调度优化控制研究

近年来,由于山西电网风电装机不断翻番,大规模风电并网后对电力系统调峰造成一定程度的压力。电力系统运行既要充分利用风力发电产生的清洁电源,又要保证其他常规电源的安全稳定。传统的调度运行技术不考虑短期和超短期的风电功率预测,通过分析风功率预测与调度关系,然后重点阐述了如何通过超短期风功率预测来协调风电与常规电源的运行,最后通过整数规划将风电场优化控制作为落脚点,从而保证了电网安全、稳定、经济的优化运行,进一步加大电网对清洁能源的消纳。     

改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

风电场尾流分布计算及场内优化控制方法

对于已建风电场,减少尾流效应,提高风电场整体输出功率,是风电场优化控制的目标之一。文中分析了风电机组状态参数变化与输出功率、尾流分布间的耦合关系,建立了尾流与风轮交汇面积的计算方法,以及多台风电机组尾流的叠加模型。针对不同来流风向及来流风速下风电场尾流分布的不同,提出了一种风电场尾流分布计算方法,用于计算每台风电机组位置处的风速;基于该尾流分布计算方法,以风电场整体输出功率最大为目标函数,轴向诱导因子为优化参数,粒子群算法为优化算法,建立风电场优化控制模型。以丹麦Horns Rev风电场为研究对象,进行计算分析,结果表明:风电场尾流分布计算方法能够准确计算风电场尾流分布,风电场优化控制方法能够提高风电场整体输出功率。     

一种计及电网安全约束的风电优化调度方法

提出了一种在现有电网条件和电源结构下提高接纳风电能力的优化调度方法.该方法根据风电功率预测数据、电网负荷预测数据和省间联络线计划,协调优化安排常规机组,预留风电出力空间,然后计及电网安全稳定等约束条件,计算并网风电场有功出力的安全区域,根据不同风电场有功出力对区域电网安全影响的敏感性高低,安排风电场发电计划,尽可能多地接纳风电.现场运行数据验证了所提出的风电优化调度方法的有效性.     

基于碳交易的含风电系统低碳经济调度

随着"低碳经济"发展的持续升温,经济和社会的可持续发展对电力行业提出了低碳化发展的需求。风电作为最具竞争力的清洁能源之一,促进了电力低碳化的发展进程,同时风电出力的随机性对系统备用提出了更高的要求。建立低碳调度目标并引入碳交易,使碳排放成为赋有经济价值的可调度资源;在经济调度目标中引入旋转备用补偿成本以应对风电预测误差对系统带来的影响,引入风电场负效率运行补偿成本以弥补风电场技术弃风造成的经济损失。应用随机规划理论构建模型,提出了一种同时兼顾电能生产经济性和系统排放低碳性的新型低碳经济调度模型,实现多目标问题的单目标化。利用基于随机模拟的混合粒子群算法进行优化求解,通过算例验证所提模型与算法的合理性。     

含风电场的多目标动态环境经济调度

为应对风电并网给电力经济调度带来的影响,构建了含风电场的多目标动态环境经济调度模型。该模型能同时兼顾燃料费用目标及污染排放目标,并计及阀点效应、网络损耗以及由风电不确定性引起的旋转备用需求。为求解该模型,达到为决策者提供最优调度方案集的目的,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于动态调度领域。针对模型的复杂约束,在算法中加入对机组出力的实时调整及对约束违反量的适当惩罚,并利用归一化操作,避免算法向某一目标过度进化。经过对算例的仿真及对不同调度方案的对比分析,验证了所提调度模型的合理性以及改进MOEA/D算法解决此类问题的有效性。