计及综合需求响应的电热集成系统优化运行

针对我国“三北”地区供暖季弃风严重问题,提出一种计及综合需求响应（CDR）的电热集成系统（IETS）优化调度策略。基于电量电价弹性矩阵构建实时电价需求响应模型以引导用户错峰时移用电;考虑到热用户对供热温度感知的模糊性,将其作为热能需求响应参与调度,分析并阐述电热需求响应促进风电消纳的机理;通过多场景分析刻画新能源预测的不确定性,计及系统安全运行约束,以系统总运行成本最小优化求解日前调度决策与旋转备用容量安排。最后,通过典型算例对比不同模式下的调度策略,验证了提出的计及CDR的优化调度策略能够开阔风电上网空间和提高系统的经济性。     

面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究

风电的随机波动性增大了系统调度的难度,将需求响应融入传统发电日前调度计划,将风电备用成本纳入目标函数,同时增加了正负旋转备用约束。以基于消费者心理学的分时电价用户响应原理预测负荷曲线,将可中断负荷作为部分系统备用,建立面向大容量风电接入考虑用户侧互动的系统日前调度模型和运行模拟模型。综合考虑发用电侧资源,将分时电价和可中断负荷这两种需求响应措施融入同一模型,用于应对风电的反调峰特性和间歇性。采用蒙特卡洛算法模拟多种风电出力的情况,评估考虑用户侧互动前后系统的弃风量和电力不足情况,并分析风电渗透率和弃风量、电力不足量的关系。IEEE24节点算例验证说明了本文用户侧互动调度模型的作用,可以起到有效降低发电成本,提高风能利用效率和风电容量利用水平的作用。     

基于混合粒子群算法的源-荷-储协调优化调度

为了提高新型电力系统中对风电和光伏的消纳能力,降低电力系统运行成本,将火电机组、光伏、风电、需求响应负荷和储能系统作为调度资源建立了基于源-荷-储协调的优化调度模型。以火电机组运行成本、弃风弃光成本和需求响应负荷调度成本最小为目标,提出了一种两阶段优化方法。第一阶段优化采用离散二进制粒子群优化算法,使火电机组启动成本和弃风弃光成本之和最小。在第一阶段优化结果的基础上,第二阶段的优化采用双层连续粒子群优化算法使基于电价的需求响应负荷调度成本和燃料成本之和最小。算例结果验证了该优化调度模型的可行性和有效性。     

基于logit离散选择模型的考虑需求响应含风电系统优化调度

风电因为其本身具有波动性、间歇性等特点,风电并网增加了传统电力系统优化调度的难度。引入需求响应,重新整合用户侧资源,能有效提高风电并网的经济性。因此,建立考虑需求响应的风电并网优化调度的新模型。首先建立基于logit离散选择模型的用户对电价菜单的自主选择模型,用户选择不同菜单电价并作出相应的负荷削减。然后建立考虑用户菜单电价选择和可中断负荷调用的需求响应含风电电力系统优化调度模型,将可中断负荷调用容量作为系统部分旋转备用容量。目标函数在传统含风电系统优化调度模型基础上,加入可中断负荷调用成本。最后,利用蛙跳简化粒子群算法对改进后含风电场的IEEE-RTS24系统进行分析验证,结果证明本文所建立模型的正确性和有效性。     

智能电网下计及用户侧互动的发电日前调度计划模型

需求响应是智能电网框架下的重要互动资源,在综合考虑供应侧和需求侧作用机理的基础上,将需求响应纳入发电调度,建立智能电网下计及用户侧互动的发电调度模型。考虑了用户用电模式的多样性和选择的意愿性,以基于消费者心理学的分时电价用户响应原理预测的负荷曲线为基础,考虑可中断备用与发电侧备用的协调优化,综合衡量各方利益,选取使发电成本最低的最优分时电价和最优可中断备用容量,并以此制定发电调度方案。IEEE 24节点算例结果表明,所提模型有效降低了发电成本,证明了考虑用户侧互动下将发电侧和需求侧的资源进行综合规划有利于电力系统的安全经济运行。     

计及风电功率预测误差的需求响应多时间尺度优化调度EI北大核心CSCD

风电功率预测存在误差,增加了电力系统运行调度的困难,影响系统风电消纳,降低系统运行的经济性。为了提高系统风电消纳能力,考虑风电功率预测误差,结合需求响应特点,从日前、日内和实时构建了电力系统需求响应多时间尺度优化调度模型。分析居民用户需求对电价的响应,构造日前价格型需求响应的初调度策略,并在日内根据风电功率预测偏差进行电价调整后的价格型需求响应再调度。分析工业用户和商业用户的调度补偿策略,以电网运行费用最低为目标,考虑平衡风电功率实时预测误差,建立激励型需求响应的实时调度优化模型,以提高系统风电消纳能力,降低系统弃风量。算例分析表明：所提出的优化调度策略能够较好地平衡风电功率预测误差,增加系统风电消纳量,节约系统运行成本,保证用户用电的自主性,最小化需求响应调度对其的影响。     

计及风电功率预测误差的需求响应多时间尺度优化调度

风电功率预测存在误差,增加了电力系统运行调度的困难,影响系统风电消纳,降低系统运行的经济性。为了提高系统风电消纳能力,考虑风电功率预测误差,结合需求响应特点,从日前、日内和实时构建了电力系统需求响应多时间尺度优化调度模型。分析居民用户需求对电价的响应,构造日前价格型需求响应的初调度策略,并在日内根据风电功率预测偏差进行电价调整后的价格型需求响应再调度。分析工业用户和商业用户的调度补偿策略,以电网运行费用最低为目标,考虑平衡风电功率实时预测误差,建立激励型需求响应的实时调度优化模型,以提高系统风电消纳能力,降低系统弃风量。算例分析表明:所提出的优化调度策略能够较好地平衡风电功率预测误差,增加系统风电消纳量,节约系统运行成本,保证用户用电的自主性,最小化需求响应调度对其的影响。     

基于模糊激励型需求响应的微电网两阶段优化调度模型

针对微电网中风电和负荷不确定性，提出一种基于价格型需求响应（price-based demand response，PBDR）的日前负荷调度和基于激励型需求响应（incentive-based demand response，IBDR）的实时负荷调度的两阶段优化调度模型。在日前阶段，根据用户需求对电价的响应，引入需求价格弹性建立了用户响应模型；在实时调度阶段，为了挖掘不同用户参与需求响应的积极性，利用模糊工具求出不同用户的动态激励方案，提高需求响应项目的参与度。算例分析结果表明，两阶段调度模型相较于只采用日前价格型需求响应提高了风电消纳能力，增加了电网和用户的经济效益；而较于只采用实时激励型需求响应增强了削峰填谷作用，提高系统运行的平稳性。同时动态激励价格比固定式激励价格使负荷曲线峰谷差更小，进一步减少了弃风量。     

基于实时电价的电动汽车充放电优化策略和经济调度模型

实时电价为优化电动汽车(EV)充放电负荷提供了手段,从而实现经济调度。首先建立用户最优充放电策略模型:以计及EV电池退化成本的用户成本最小为目标,以满足EV行驶荷电状态和充放电荷电状态等为约束。在此基础上建立电动汽车用户实时电价响应模型,通过实时电价计算用户充电成本,使电动汽车充放电负荷与电价联动调整,并将该模型嵌入电动汽车充放电策略优化目标函数。求解过程中,用"停泊时长"确定单车一日可多次充放电的时段和行驶时段,从而在EV可充放电时长范围内优化每时段充放电负荷。最后建立经济调度模型:目标中计及机组阀点效应、约束中考虑EV充放电负荷以及机组爬坡速率等限制的多目标经济调度模型,提出一种改进模式搜索算法求解该时间耦合、非线性、非凸模型。以IEEE 39节点为例,验证了所建立模型和求解算法的有效性。     

基于动态场景集和需求响应的二阶段随机规划调度模型

风电及负荷场景集作为随机规划调度的输入,对决策结果影响大。为使场景集刻画出风电及负荷的波动性,采用考虑随机变量相关性的动态场景法生成风电、负荷及净负荷的场景集,并从与调度接轨的角度提出相应的指标对场景质量进行评价。建立了一种基于here-and-now和waitand-see(HN-WS)的二阶段随机规划调度模型。该模型包含了日前与实时的关联性,决策过程融入了对实时场景已实现情况下的考虑,优化目标涵盖了日前阶段的燃料成本及实时阶段的平衡矫正期望成本。此外,为减少弃风,在调度模型中引入了激励型需求响应,与火电机组的备用容量进行协同优化。最后,采用爱尔兰电网的风电数据、Elia电网的负荷数据及改进的IEEE-118节点系统验证了所提调度模型的有效性。