考虑需求响应的含风电电力系统的优化调度

建立了考虑电价响应和用户满意度的含风电电力系统优化调度新模型。该新模型融入电价响应这一用电调度方式来优化调整次日的负荷曲线,以降低风电的反调峰特性和间歇性对优化调度的影响,同时通过引入用户用电满意度约束,确保所做出的调整让用户满意。该模型改变了一味通过协调优化发电侧资源去配合风电并网的传统模式,形成了发电资源和负荷资源共同协调优化配合风电并网的新模式。算例分析表明,所提出的考虑需求响应的含风电电力系统的优化调度模型,可以在满足用户用电满意度的前提下,降低系统运行费用,特别是大幅降低了机组的启停费用,提高了含风电电力系统运行的经济性。     

考虑需求响应虚拟电厂的新能源电力系统两阶段优化调度研究

根据负荷聚合商的调节灵活性将可中断负荷分为两类,并构建基于激励的需求响应虚拟电厂模型。在此基础上以含风电的电力系统运行成本最低为优化目标,建立需求响应虚拟电厂参与的两阶段优化调度模型。优化模型以满足系统备用为前提,在24个时段的范围内研究风电预测误差较大时不同类型可中断负荷在日前和日内的调度情况。特别的,考虑了不同的风电预测误差准入阈值对可中断负荷调用的影响。算例结果表明,所提出的模型能够降低新能源电力系统的运行费用和确定可中断负荷的年度中断次数。     

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。     

计及需求响应的含间歇式可再生能源电力系统的多目标优化调度

建立计及需求响应的含风光发电电力系统的多目标优化调度模型.将实时电价和可中断负荷两种需求响应项目融入模型中,引入备用容量成本系数和碳排放价格,并根据实时电价对弃风量进行经济惩罚,以经济和环保成本之和最小建立目标函数.对可再生能源的收购政策、备用容量提供方案以及两种需求响应项目的效果进行比较,并分析模型参数的敏感性.算例分析表明:全额收购光电、允许适当弃风的方案使调度更加灵活;需求响应降低了风电波动对系统的影响,优化了机组组合方案,提高了系统的经济和环境效益.     

考虑采暖建筑用户热负荷弹性与分时电价需求侧响应 协同的电热联合系统优化调度

电热联合系统中电、热负荷在峰谷分布上存在互补特性,考虑电、热负荷的互补特性实施电热联合系统优化运行可以有效增强系统调峰灵活性,缓解电热强耦合造成的弃风。为此,研究了考虑采暖建筑用户热负荷弹性与分时电价需求侧响应协同的电热联合系统优化调度问题。阐述了电、热负荷协同促进风电消纳的机理。根据电、热负荷特性分别建立采暖建筑用户热负荷弹性模型以及分时电价需求侧响应模型,并以此为基础建立电、热负荷协同响应模型。将负荷模型纳入调度模型,构建考虑负荷协同优化的电热联合系统日前调度模型。算例分析表明,采暖建筑用户热负荷弹性与分时电价需求侧响应的协同可有效提升系统运行经济性并促进系统风电消纳。     

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。     

考虑可中断负荷与阀点效应的电力系统安全经济调度

由于风电并网给电力系统可靠运行带来新的挑战,针对风电波动性与随机性的特点,在考虑系统安全性和可靠性的基础上,研究含风电场的电力系统安全经济调度。基于条件风险约束安全经济调度模型,分别建立考虑可中断负荷和阀点效应的条件风险约束安全经济调度模型,以IEEE-14节点为计算实例,测试模型的有效性。算例结果表明,将可中断负荷补偿成本和发电机组阀点效应成本计入传统的经济调度模型中符合系统的实际运行,在新建立的模型中考虑可中断负荷和阀点效应因素使原模型更具实际意义和应用价值。     

含风电系统的发用电一体化调度模型

在传统发电调度模式中融入用电调度,为风电等间歇性电源并网提供备用资源、保证电力平衡开辟了一条可行的途径.考虑融入用电激励、可中断负荷、电价响应等用电调度方式,建立了含风电系统的发用电一体化调度模型,采用启发式动态规划算法进行求解.算例分析表明,通过科学决策发用电资源调度,融入用电激励方式能够减少低谷时段风电弃风,提高了...     

基于需求侧响应的多类型负荷协调控制模型

风电的随机波动性影响了电力系统经济运行。为充分挖掘需求侧响应资源,需要考虑不同负荷对电价响应的差异性,并将其融入传统调度中。首先,基于电价弹性矩阵,对用户的电价响应行为建模。其次,分析不同负荷的电价响应特性,对负荷进行分类。在此基础上,基于峰谷分时电价,以系统运行经济性为目标,考虑用户满意度约束,建立多类型负荷协调控制模型。并将模型转化为一个双层优化问题,利用差分进化粒子群算法进行求解。最后,在一10机系统中进行仿真验证。结果表明,所建立的多类型负荷协调控制模型可充分挖掘不同负荷的需求响应能力,能有效降低发电成本,有利于系统经济运行。     

需求响应不确定性对日前优化调度的影响分析

需求侧资源参与电网有功调度是消纳风电的重要方式之一,但价格型需求响应的不确定性又会对电网调度产生重要影响。为分析该影响,文中首先分析了负荷响应量、负荷自弹性系数和电价激励水平对价格型需求响应不确定性的影响,并建立了分时电价下的负荷模糊响应模型。在此基础上,考虑价格型需求响应、风电出力和系统负荷的不确定性,建立了考虑风电消纳效益的电力系统源荷互动日前模糊优化调度模型。根据模糊规划理论,对模糊期望约束和模糊机会约束进行了等效处理,等效后的模糊优化问题可以转换为确定性优化问题,并分析了价格型需求响应不确定性对电力系统日前优化调度的影响。通过仿真算例验证了模型的有效性。     

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。     

基于节点电价的需求响应策略研究

针对持续增大的负荷造成峰谷差增大以及大规模新能源并网给电力系统安全、稳定运行带来的一系列问题,基于节点电价进行了需求响应策略研究。首先,建立了含风电场的最优潮流模型,并采用跟踪中心轨迹内点法进行求解。然后,以最优潮流模型中潮流方程对应的拉格朗日乘子作为节点电价,提出了两阶段负荷需求响应模型,并将该模型应用于改进的IEEE-30节点测试系统。算例表明:两阶段负荷需求响应能够降低用户侧的节点电价,减少发电侧的燃料费用,充分利用风电资源;在一定程度下,用户侧参与需求响应能够将高电价节点的负荷转向低电价节点,并且参与需求响应的容量大小决定需求响应的程度。     

基于多时间尺度协调机组组合的含风电系统旋转备用优化研究

考虑风电出力的预测误差和负荷功率的预测误差具有随预测时间尺度的缩短而减小的特点,以及电力系统旋转备用容量的配置离不开机组组合,建立了多时间尺度下协调机组组合的含并网风电电力系统旋转备用预留容量的优化模型。对该模型的求解,先采用优先顺序法求取各机组的启停机顺序,再通过粒子群算法滚动计算求解得出不同等效旋转备用容量水平下所对应的系统最经济调度计划。通过利用不断更新的风电出力预测和负荷预测结果信息来调整调度计划,在保障系统可靠性达到要求的前提下,减少含风电电力系统旋转备用容量的配置,从而提高风电并网后电力系统运行的经济性和系统吸纳并网风电的能力。     

考虑风电及可中断负荷一次调频能力的日前调度模型

大规模风电并网使得系统的随机性和波动性进一步增强,传统仅由常规机组参与一次调频的控制方式将使得系统频率可能无法满足安全要求.因此,本文在此基础上考虑大规模风电和需求侧可中断负荷同时参与系统一次调频,建立了稳态-暂态协调优化的日前调度模型.本文选取新英格兰10机39节点系统作为算例,重点分析了风电是否参与一次调频和可中断负荷容量大小对系统机组组合结果及调频效益的影响,研究表明大规模风电及需求侧可中断负荷的参与将使得系统频率安全得到进一步提升.     

多种需求响应和日前小时电价优化促进风电接纳研究

随着经济发展,负荷峰谷差越来越大,系统调峰能力不足成为制约风电接纳水平的主要原因之一。价格信号可以引导用户行为,减缓系统调峰压力。本文提出考虑风电不确定性情况下的日前小时电价优化和计及激励型需求响应的风电电力系统调度二层规划模型。利用拉丁超立方抽样生成大量风电场景,采用同步回代法进行场景削减,通过量子粒子群算法对模型求解。算例证明所提模型可以引导用户削峰填谷,并有效促进风电接纳、火电发电成本降低及使用户的效益增加。并比较了不同调度模式、峰谷电价与日前小时电价、风电预测误差及电价型负荷响应用户成本与激励型负荷响应用户报价对调度结果产生的影响。     

基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

基于多时间尺度协调机组组合的含风电系统 旋转备用优化研究

考虑风电出力的预测误差和负荷功率的预测误差具有随预测时间尺度的缩短而减小的特点,以及电力系统旋转备用容量的配置离不开机组组合,建立了多时间尺度下协调机组组合的含并网风电电力系统旋转备用预留容量的优化模型。对该模型的求解,先采用优先顺序法求取各机组的启停机顺序,再通过粒子群算法滚动计算求解得出不同等效旋转备用容量水平下所对应的系统最经济调度计划。通过利用不断更新的风电出力预测和负荷预测结果信息来调整调度计划,在保障系统可靠性达到要求的前提下,减少含风电电力系统旋转备用容量的配置,从而提高风电并网后电力系统运     

计及多类型需求响应的风电消纳随机优化调度模型

考虑需求响应并基于鲁棒随机优化理论,构建了含风电的电力系统发电调度优化模型。首先,引入价格型需求响应模型和激励型需求响应模型,设定并建立电动汽车、商业用户、工业用户和居民用户参与需求响应的模式及收益函数。然后,为解决风电出力不确定性问题,利用鲁棒随机优化理论,建立需求响应参与下的风电消纳鲁棒随机优化模型。最后,以IEEE 36节点10机系统接入650 MW风电场为算例进行分析,结果显示:鲁棒随机优化理论能够克服风电不确定性对系统调度的影响;激励型需求响应能够转移用户负荷分布,但削减负荷的能力不如价格型明显,价格型需求响应能够削减负荷峰时需求,但不能转移用户用电需求,同时引入2者提升系统风电消纳的效果最强;同时,需求响应能够激励不同用户参与系统备用服务,获得直观的经济效益,有利于调动用户侧参与发电侧调度优化。