考虑发电计划的电网阻塞疏导UPFC配置研究

电网运行是一个复杂的动态过程,电力市场的激烈竞争与负荷的随机性有可能导致某些时段出现电力阻塞现象,带来安全隐患。统一潮流控制器(UPFC)可以控制线路潮流和稳定节点电压,有效缓解电力阻塞问题。为了尽量少的调整发电计划,针对现有UPFC配置方法存在未能充分考虑系统运行状态的不确定性的缺点,本文建立基于电力系统发电计划的多场景UPFC配置模型,根据季度发电计划对负荷进行场景划分,以各场景下各线路最大负载率的平均值最小为目标函数,利用遗传算法求解UPFC配置的最优方案。对IEEE-39节点系统进行算例分析,验证了该模型和算法的正确性和有效性。     

基于可拓距K-均值聚类和正弦微分进化算法的风储联合系统优化配置

以最大化风储联合投资商的收益和风电就地消纳率为目标,考虑源网荷协同优化和需求响应构建了风储联合系统的多目标优化配置模型;采用可拓距K-均值聚类算法对分布式风电出力和负荷需求的不确定性进行多场景分析,以实现更为准确而均衡的场景缩减;通过引入多核并行运行环境与正弦函数的思想,提出基于并行多目标正弦微分进化算法对优化配置模型进行高效求解;以IEEE 33节点配电系统为算例进行风储联合系统的优化配置,仿真结果验证了所建模型的有效性和优越性.     

计及可用输电能力的风电并网系统中STATCOM的双层优化配置

针对静止同步补偿器最佳安装位置与容量问题,建立了风电并网系统中计及可用输电能力、静态电压稳定性与投资成本的静止同步补偿器双层优化配置模型。基于后向削减法对风电出力进行场景划分,上层为多目标优化配置层,下层为最优潮流计算层;通过对多目标灰狼算法添加混沌初始化,引入粒子群算法中的速度计算方式等提出基于网格法的多目标灰狼粒子群算法以求解多目标优化问题。在IEEE 30节点上对建立模型进行计算,验证了所提模型的可行性和算法改进的有效性。     

计及UPFC最优配置的电力系统鲁棒调度协同优化策略

统一潮流控制器(UPFC)应用于潮流调控时,计及UPFC调控参数的交流潮流计算是非凸、非线性问题,且多台装置间的非线性交叉耦合特性也会直接影响优化配置方案。为此,基于UPFC的潮流调控特性,构建了计及UPFC的松弛型交流潮流二阶锥规划模型;计及风电的不确定性,协同考虑UPFC的规划和电力系统的调度问题,建立了计及UPFC最优配置的电力系统鲁棒协同优化模型,并采用列和约束生成算法进行求解。以IEEE RTS-24节点系统为算例进行仿真分析,结果表明所提协同优化策略有效提升了UPFC配置方案的适应性,提高了系统运行经济性和风电消纳能力,增强了系统运行调控的灵活性。     

计及风电不确定性的含UPFC电力系统的两阶段最优潮流

风速具有随机性和不确定性,大规模风电场的并网会影响电力系统的稳定性,而统一潮流控制器(UPFC)具有实时潮流控制能力,有利于系统稳定。建立计及风电不确定性的含UPFC的最优潮流模型,由日内滚动调度和实时调度两阶段组成。日内滚动调度阶段不考虑风电出力预测误差,制定机组出力计划,优化运行成本;实时调度阶段根据风电出力预测误差调节UPFC参数,实时修正运行计划,并进行潮流优化,以保证系统安全可靠。以IEEE 14节点系统和某实际系统为例进行算例分析,结果表明,所提模型可以通过UPFC的参数控制有效减少风电预测误差带来的影响,从而提高系统的经济性和安全性。     

计及分布式电源和负荷不确定性的多目标配网重构

构建多目标配网重构模型,该模型充分考虑了风电出力、光伏发电以及负荷的不确定性,并且同时优化配网的3个重要评估指标:有功损耗、节点最小电压值、负荷均衡度。采用场景分析法处理不确定性因素,采用同步回代缩减法进行场景削减,讨论不同场景数对优化结果的影响,并利用多目标扰动生物地理学算法求解模型,利用模糊集理论确定最终重构方案。某69节点配网系统测试结果表明:所用算法能够快速找到多目标配网重构模型的决策解,具有较高的搜索效率,验证了在消纳分布式电源的情况下,通过网络重构能够明显改善网络的各项指标。     

计及风电不确定性和TCSC 功率调节作用的最优潮流研究

风电并网不仅改变网络中功率的分布,而且风电的不确定性增加了调度的难度,晶闸管控制串联电容器(TCSC)可以改变线路等值参数,从而控制潮流的分布,改善风电并网对网络功率分布的影响。因此有必要建立计及风电不确定性和TCSC调节作用的最优潮流(OPF)模型。模型分为预优化和实时优化两个阶段,预优化阶段通过风速预测、风速-风功率转换,得到以1 h为周期的24 h风电场出力计划。实时优化阶段采用场景描述风电不确定性,在各个场景下通过调节TCSC参数来控制网络中功率的分布,以实现网损最小为目标。利用IEEE30节点系统进行算例分析,结果表明,模型可以改善风电不确定性对电网运行的影响,并且提高系统的经济性。     

计及多个风电机组出力相关性的配电网无功优化

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

计及多个风电机组出力相关性的配电网无功优化EI北大核心CSCD

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

基于场景概率潮流的电力系统无功优化研究

多风电场出力的随机性和互相关性特点对电力系统无功优化调度有着不可忽视的影响。针对这一问题,提出一种基于场景概率潮流的电力系统无功优化方法。该方法将风电出力场景化,结合概率潮流计算,以系统有功网损、发电机无功偏差和节点电压偏差期望加权值最小作为无功优化目标函数,利用粒子群算法求得各风电出力场景下的最优无功控制策略。在含多风电场的IEEE 30节点系统中对所提方法进行测试,并与确定性的场景无功优化方法相对比,验证了所提方法的有效性。     

基于新负荷削减模型的UPFC优化配置

电力系统中使用统一潮流控制器(UPFC)可以明显改善运行状况.建立了UPFC的注入潮流模型和运行可靠性模型,以及UPFC安装费用和系统切负荷费用模型.基于运行可靠性模型提出了含UPFC的负荷削减模型,该模型通过UPFC的控制消除潮流越限和电压越限,以降低切负荷出现的概率,提高系统可靠性.最后给出了基于该模型的多UPFC配置方法,该方法的目标是在保证可靠性水平满足要求的前提下保证系统总费用最少.RTS 79系统的仿真表明,所提出的模型和配置方法优于传统模型和配置方法.     

考虑主动管理的配电网分布式光伏并行优化配置

主动管理技术的快速发展为分布式光伏发电大规模接入配电网提供了可能。将主动管理与分布式光伏优化配置相结合,以分布式光伏的安装位置、容量和主动管理措施为决策变量,建立以分布式光伏能量渗透率最大和电压偏差最小为目标函数的优化配置模型;利用基于二分K-均值聚类的多场景分析法处理光伏出力和负荷的不确定性及时序特性,克服K-均值聚类场景缩减对初始质心选取敏感的缺陷;提出基于并行计算的多场景分析和多目标分子微分进化算法对优化模型进行求解,得到配电网分布式光伏最优配置方案及主动管理策略。IEEE 33节点配电系统仿真结果表明,所提优化配置方法可有效提高分布式光伏消纳量并保证供电质量。     

广义电源多目标优化配置与运行

基于分解协调原理建立了含广义电源的主动配电网多目标优化配置与运行的双层规划模型,上层模型通过网损灵敏度矩阵确定广义电源的最佳安装位置与初始容量;下层模型根据投资与运行经济性、系统电压偏差及环境污染效应建立多目标优化数学模型以确定广义电源的最佳出力。考虑源荷波动的不确定性因素,提出一种内嵌半不变量随机潮流的-粒子群智能优化算法进行多目标优化运行计算。PGE-69节点系统算例仿真表明,广义电源的合理配置与优化运行在有效提高分布式电源渗透率的基础上能够减少网络损耗并改善系统运行电压水平,且从概率的角度对电压、网损进行评估,为电网规划运行提供辅助决策。     

基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型。在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预测精度,但其波动性较强,使用概率场景生成和削减的方法制定不同场景下负荷备用需求的调整量,以日运行成本最低建立目标函数,运用改进的粒子群算法在IEEE30节点系统上验证了所提模型的经济性和鲁棒性。     

考虑风电出力和负荷不确定性的电力系统有功优化潮流

建立了考虑风电出力和负荷不确定性的电力系统有功优化潮流模型。针对传统经验值法确定的系统所需旋转备用容量适应性较差的不足,文中在对风电出力和负荷需求进行区间预测的基础上,采用极限场景理论确定系统的正负旋转备用以协调风电出力和负荷的随机性。针对现有爬坡率约束只考虑单时段机组调节的缺点,为避免系统在风电出力和负荷出现陡峭波动时,机组调节量超过限值,加入多时段耦合约束以平衡系统风电出力和负荷的波动性。最后通过一种改进的粒子群算法对模型求解,并以含风电场的IEEE 30节点系统为算例验证所提模型的正确性与有效性。     

计及需求响应柔性调节的可再生能源优化配置

考虑分布式可再生能源的波动性和在能源互联网背景下供需双侧协调互动的特征，本文提出计及需求响应柔性调节的分布式可再生能源双层优化配置方法。首先，采用多场景分析法表征分布式可再生能源和负荷的不确定性。然后，建立分布式可再生能源的规划-运行耦合模型，提出基于多策略融合粒子群优化算法，即：上层规划模型以配电网综合费用最小为目标，确定分布式可再生能源的优化配置方案；下层运行模型基于上层的优化配置方案，以考虑无功的拟直流潮流模型对潮流方程中电压幅值和相角进行解耦，以有功网损最小为目标优化各时段电价。最后，基于IEEE 33节点系统的仿真结果和对比分析，验证了模型及求解方法的合理性和有效性。     

考虑N-1安全网络约束的输电网结构优化

输电网结构优化是控制输电阻塞的手段之一。且当负荷处于较低水平、系统裕度较高时,也可以通过结构优化提高设备的利用率。为了在开断部分线路的同时保证系统安全性,建立考虑N-1安全网络约束的输电网结构优化模型。通过对可开断线路潮流方程进行线性化,将原有模型转化成混合整数线性规划形式。为了应对负荷的短期波动及风电出力不确定性对电网结构优化结果的影响,采用吸引子传播(AP)聚类算法构建不同的运行场景。以修改的IEEE-RTS 24节点系统为例对所提模型进行验证和分析,结果表明,在满足一定的安全约束条件下,断开某些输电网线路可以减轻输电阻塞、降低系统的运行成本、提高线路的负载率水平。     

基于GA-PSO算法计及风电时序特性的主动配电网双层规划

合理规划配电网是提高风电消纳能力的重要一环,但风电出力与负荷时序特性场景应用较多,会增加模型求解难度,对优化配置结果有不利影响。引入拉丁超立方抽样结合K-means聚类技术削减样本数量得到典型风电与负荷多场景模型以提高模型计算效率。考虑风电运营商与国网公司利益,建立计及风电时序特性的主动配电网双层规划模型,即上层以风电运营商收益最大为目标确定风电规划方案,下层以配电网络损耗最小优化系统运行状态。基于IEEE 33节点系统进行算例分析,验证规划模型的有效性。研究结果表明：采用GA-PSO联合优化算法规划后配电系统损耗成本为26.04万元,比单一GA算法和PSO算法规划分别降低了5.03%和0.77%,场景成本减少了4.0万元。因此,验证了所提规划模型的有效性。     

计及运行风险和备用可用性的含风电系统两阶段优化调度

针对风电和负荷的不确定性对系统日前调度的影响,提出一种计及运行风险和备用可用性的日前两阶段优化调度方法。首先,考虑风电和负荷的不确定性及容许误差区间,利用条件风险价值(Conditional Value-at Risk, CVaR)度量系统调度运行风险。然后,建立日前两阶段优化调度模型。其中第一阶段优化模型以包含风险成本的系统运行成本最小为目标函数,优化制定有功调度及备用计划,保证系统运行经济性。基于第一阶段优化结果生成极限潮流场景集,第二阶段优化模型校验极限场景下的备用可用性并将结果反馈至第一阶段模型,确保系统运行鲁棒性,并提出迭代求解算法。最后,以IEEE39 节点系统和实际区域电网为算例验证了该方法的可行性和有效性。