考虑风电随机性的电力系统厂/网双层分解协调经济调度方法

针对大规模风电接入给省级电网带来的挑战,提出一种考虑风电随机性和网络安全约束的厂/网双层分解协调经济调度方法。上层以电网的安全经济运行为目标,决策变量是各个电厂的出力和弃风量,交替求解主问题和误差场景子问题,以确保使全网运行费用最小和电网有足够的能力去应对风电的随机性;下层求解电厂子问题,以电厂内机组的经济运行为目标,决策变量为各个机组的出力。采用Benders分解算法求解上述模型,产生2种最优切割以近似误差场景子问题和电厂子问题。通过对含3个风电场的某省级电网的计算,验证了所提方法的有效性。     

计及风电和负荷不确定性的日调度计划节能效益概率评估方法

针对目前节能调度中确定性的节能效益评估方法不能满足风电出力和负荷功率随机环境下节能管理的需要,基于Monte Carlo随机模拟的方法提出了日调度计划节能效益概率评估方法。该方法首先采用拉丁超立方采样技术进行风电最大出力和节点负荷功率的随机状态模拟,然后建立了含网络安全约束和合同电量约束的日节能调度优化模型,来模拟火电机组的启停和出力状态以及风电机组出力状态。针对模型中含有大量整数变量和网络安全约束的特点,为提高求解效率,基于Benders原理将其分解成具有迭代机制的主问题和子问题求解。其中,主问题在引入起作用的整数变量辨识法对其降低求解规模后,采用CPLEX中的MILP求解器求解;子问题则解耦成24个小的子问题后,采用线性规划法求解。基于大量样本的反复抽样以及机组随机状态的模拟,最终实现了日调度计划节能效益概率评估。最后,以某省级电网为例验证了所提节能效益概率评估方法的有效性。     

基于恶劣场景辨别法的微网随机自适应鲁棒模型

为应对能源结构转型中的低碳化、清洁化需求,考虑了微网同时参与日前能量市场、实时能量市场以及碳交易市场的情况。针对市场电价预测精度高、误差分布规律等特点,采用随机规划法对其不确定性进行处理。针对光伏出力的随机性与间歇性,采用动态鲁棒优化法对其进行处理。构建了考虑电价和光伏出力不确定性的微网两阶段鲁棒优化调度模型,并采用恶劣场景辨别算法将原问题分解为主问题和子问题进行迭代求解。子问题用来辨别最恶劣的光伏出力情景,并通过主问题对该情景下的单层优化模型进行求解,从而极大地削减了所需求解情景数量,提高了模型的计算效率。算例验证了算法的有效性,结果表明:微网同时参与多个电力市场可显著增加利润;采用恶劣场景辨别算法能够减轻计算负担,有效提高计算效率,且在大规模场景下的适应性更强。     

考虑风电消纳的热电联供型微网日前鲁棒经济调度

针对热电联供型微网中的风电不确定性,文中构建双层鲁棒模型从而得到最恶劣风电出力场景下的微网最优日前调度方案。模型考虑了可控机组运行成本、功率交互成本,并将弃置的风电功率以惩罚的形式引入目标以提高微网对风电的消纳能力。鉴于模型内外层之间是相互影响的,文中将原问题分解为日前计划调度主问题以及计及风电出力不确定性的执行调控子问题从而进行求解。在求解过程中,利用线性优化强对偶理论对max-min结构的子问题进行转化,并引入BigM法将所得对偶模型线性化,然后采用列约束生成算法对主问题和子问题进行交互迭代从而获得最优解。最后,通过算例验证了所提模型的有效性。     

考虑备用动作约束的含风电场电力系统多目标动态优化调度

建立了含风电场的电力系统多目标动态优化调度模型,以总燃料耗量、污染气体排放量及购电费用最小为优化目标,针对风电场出力随机性的特点,采用极限场景代表风电场出力偏离预测场景的各种可能方向,考虑了风电场出力极限场景下,各常规机组备用动作对应的网络安全、机组爬坡等约束。将极限场景与预测场景联立求解,得出机组出力计划及各极限场景下的备用动作方案。采用规格化法平面约束法(normalized normal constraint,NNC)和GAMS/CONOPT求解器求解三目标优化问题,以获得均匀分布的Pareto最优解集;并提出通过确定乌托邦面位于目标函数空间中可行域内部的完整部分,以求解完整Pareto前沿的方法。最后以IEEE 39节点系统和某省级电网为例,分析结果表明,所提出模型和算法能够为调度人员提供更为完整的决策信息,并得到在风电场出力波动条件下,能够满足系统各种运行约束的备用动作方案。     

计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度

规模风电并网背景下,电力系统加大火电机组的调峰深度,充分挖掘现有下调备用空间,将是应对风电出力不确定性的有效方式之一。文中考虑火电机组工作在深度调峰(DPR)方式下的附加煤耗损失和机组寿命损耗,提出了计及火电机组DPR成本的规模风电并网鲁棒优化调度模型。考虑风电出力不确定性,建立了包括基于风电出力预测场景的调度主问题和基于极端场景的调控子问题的两阶段鲁棒优化模型,并引入不确定度参数控制调度计划的保守性,最终优化出经济性最优的鲁棒日前调度方案。基于算例分析证明所述模型的合理性与有效性。     

考虑风电预测误差相关性的负荷恢复鲁棒优化

为应对负荷恢复过程中源荷双重不确定性,建立了负荷恢复鲁棒优化模型。应用近似线性化潮流方法对模型进行线性化处理,并基于解耦思想将原模型分解为预测场景下的方案优化主问题和误差场景下的方案校核子问题。主问题以预测场景下加权负荷恢复量最大化为目标函数,进行风电接入和负荷恢复方案最优决策;基于主问题的决策结果,子问题引入松弛变量,构建计及预测误差不确定性的max-min双层方案可行性校核优化模型,并以可调盒式集合刻画负荷预测误差,以线性多面体集合描述具有相关性的风电预测误差。在求解过程中,利用线性优化强对偶理论将max-min结构的子问题对偶转化,并引入大M法线性化所得对偶模型,然后采用列与约束生成算法进行主、子问题高效迭代求解。算例结果验证鲁棒优化模型和迭代求解方法的有效性和可行性。     

基于经验Copula函数的多风电场出力动态场景生成方法及其在机组组合中的应用

随着大规模风电接入电网,风电功率的随机性与波动性以及多风电场出力的相关性使得电力系统的运行与调度面临着新的挑战。引入经验Copula函数表征多风电场联合出力分布;对风电的波动性进行建模,利用ksdensity函数拟合风电功率波动量,通过逆变换抽样的方法生成符合风电随机性和波动性的场景集合;生成基于经验Copula函数的多风电场出力动态场景,并将其应用于含多风电场的电力系统随机机组组合问题的求解。算例结果验证了所提风电波动性建模方法的有效性与动态场景生成方法的可行性,同时提高了含多风电场电力系统运行的经济性。     

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。     

基于改进两阶段鲁棒优化的区域综合能源系统经济调度

针对光伏出力及负荷的不确定性对系统日前经济调度和实时运行的影响,提出了一种以期望场景下最优,任意场景下可行的改进两阶段鲁棒优化方法,解决经典两阶段鲁棒优化存在的保守性问题。建立一种考虑可再生能源和负荷波动的区域综合能源系统改进两阶段鲁棒优化经济调度模型,通过列约束生成算法将目标函数分解为主问题和子问题进行反复迭代求解。模型第一阶段(主问题)以日前经济调度成本为目标函数,制定出包含系统设备出力、天然气供气计划的日前调度方案。在此基础上,第二阶段(子问题)以实时运行下调整成本为目标函数,通过调整设备出力应对系统中不确定波动。最后,以冬季某区域综合能源系统进行算例仿真,验证模型的有效性。#$NL关键词：区域综合能源系统;不确定性;改进鲁棒优化;经济调度     

含风电场最优潮流的Wait-and-See模型与最优渐近场景分析

精确模拟风功率分布的场景,有效求解反映风电随机性的最优潮流模型,对大规模风电并网的经济调度、质量控制及安全运行均具有重要意义。引入风电随机变量,建立最优潮流的"wait-and-see"(WS-OPF)模型;采用优于其他指标的瓦瑟斯坦(Wasserstein)距离为衡量指标,形成与风功率概率分布最优近似的场景模型,生成渐近最优场景,获得潮流分布及机组最优出力等指导调度安全经济运行的重要信息。最后,以IEEE 30和IEEE 300系统为例,对比各种距离指标的模拟精度,验证Wasserstein距离的优良性;同时,与不考虑风电随机性的模型相比,WS-OPF模型能更好地模拟风功率随机特性,提供与实际发生的风功率相近的调度方案,从而合理地规避风电接入电网的风险,提高风电的消纳能力。     

独立微网随机优化规划软件及其实现

为满足独立微网系统的规划设计需求,开发了独立微网随机优化规划软件。该软件采用随机机会约束规划方法,以资本金现金流量表作为经济性分析依据、以负荷容量缺失率作为概率约束条件,充分考虑系统内各种不确定因素的影响,同时实现了独立微网中设备类型和容量的优化。基于软件的整体设计思路,介绍了软件的系统模型、原理方法和功能界面。通过与国外同类软件的对比,展示了软件在方法和功能上的特点。最后,由该软件对某海岛独立微网进行了优化配置,验证了方法的正确性和软件的有效性。     

考虑高铁负荷和风光不确定性的输电网规划方法研究

为对复杂山区含高铁负荷和风光电站的输电网进行合理规划,提出了考虑高铁负荷和风光不确定性的输电网随机规划方法。首先,对具有间歇性和冲击性的高铁负荷,通过拉普拉斯混合模型结合二项分布对其进行建模。其次,针对直流随机潮流不能计及电压分布,而交流随机潮流模型较为复杂的问题,以解耦线性潮流计算为基础,提出一种基于解耦线性化的半不变量随机潮流计算方法,并基于此构建考虑电压偏差的输电网规划模型。然后,针对输电网规划求解问题中决策变量维度高、约束复杂的特性,通过自适应地动态调整进化过程中交叉、变异概率对遗传算法进行改进。最后,对某高海拔山区铁路沿线电网进行仿真研究,验证了本模型和求解算法的正确性与有效性。     

基于模糊机会约束规划的水火电力系统多目标随机调度模型

针对水火电力系统运行调度中所包含的不同种类的不确定量,提出了一种基于模糊随机机会约束规划的短期水火电力系统多目标优化调度模型。将调度周期开始的水库蓄水量作为一个三角模糊量,以描述初始蓄水预测可能存在的误差。针对某些随机变量可能由于历史数据不足而存在误差的问题,用模糊随机变量替代这些随机变量,描述水火电力系统运行中的不确定性。在考虑整个系统发电煤耗最小化和污染物排放最小化的目标同时,考虑了龙头电站周期末蓄水量最大的优化目标,并引入了火电机组煤耗量与梯级水电站蓄水量目标的协调函数。按照模糊机会约束和随机机会约束的确定性等价形式,将短期水火电调度不确定模型转化为确定性模型。以一个8级梯级水电站和6台火电机组组成的水火电力系统为实例进行计算,验证了所提出的水火电力系统随机调度模型的正确性。     

基于随机规划的并网风电场最大注入功率计算

提出了一种基于随机规划理论计算大规模并网风电场最大注入功率的方法,将并网风电场最大注入功率的计算问题转化为在一定安全、稳定、电能质量约束条件下的机会约束规划问题。引入随机变量来表示风电场的有功出力,着重研究了时间段较短的实际运行情况。求解模型时采用了混合智能算法,在含风电场的IEEE30节点系统上进行算例分析,结果表明了该方法的正确性和有效性。本文提出的方法可避免动态仿真的繁琐计算并保证结果的最优性。     

机组组合随机模型及其算法简介

电力系统中的机组组合问题是在满足系统负荷和备用要求以及机组运行的技术条件约束的情况下,确定未来一段时期内的各机组的开、停机时间并在机组间分配负荷,以使系统总成本达到最小,获取最大的经济效益.文章给出在不确定的荷载需求下机组组合问题的一些常见的随机规划模型和算法的综述.     

基于风速预测和随机规划的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。     

随机模拟粒子群算法在风电场无功补偿中的应用

在风电机组机端装设无功补偿装置有利于改善风电对系统电压质量造成的负面影响。该文针对风电出力的随机性及负荷和系统电压的变化,提出了求最优无功补偿装置容量的机会约束规划模型,并利用随机模拟的粒子群算法求解。该模型以费用最小为目标函数,考虑了风速的概率分布、风电机组本身的有功和无功特性以及含风电场的潮流处理方法等。通过分析某配电网风电场无功、电压、功率因数的变化情况,利用该文方法进行无功补偿优化,结果表明模型与算法的有效性。     

基于卖方灵活电力合约的风电中长期交易策略

风力发电商在一些发达国家已作为独立的主体参与电力市场交易。文章构建了风电交易的灵活电力合约模型,并提出了风电商在中长期市场基于卖方灵活电力合约的交易策略。风电商可以在各阶段开始时刻根据市场状况和自身出力预测情况灵活安排阶段内各时段的合约电量,以使自身收益最大化。文章着重研究了合约电量的优化决策问题,提出了基于随机动态规划的模型和求解方法。算例中使用时间序列法进行风速和电价的模拟和预测,通过几种交易方案的比较,说明卖方灵活电力合约能够显著提升风电商的收益水平,同时有效控制收益风险。     

考虑电网运行状态不确定性的最优潮流研究

在面向实时态的优化控制中,最优潮流(optimal power flow,OPF)是重要手段.已有最优潮流研究往往假设系统当前的运行状态已知,而实际上系统的真实运行状态无法确知.基于不准确的电网运行状态进行最优潮流控制,其控制结果不满足经济上的最优性要求,甚至给电网带来安全性问题.为解决此问题,建立了考虑状态不确定性的最优潮流的随机规划模型,并采用场景分析的方法将其转化为确定性的优化模型,求解该模型,可得到可控资源的调整量,该调整量面向所有可能的运行状态均满足安全性和经济性的要求.针对标准系统进行了算例测试,证明了所提方法的有效性.