高比例光伏并网下火电机组爬坡压力缓解策略

缓解高比例光伏并网给火电机组带来的爬坡压力,对促进光伏消纳、保障电网安全稳定运行具有重要意义.首先分析了高比例光伏并网下鸭子曲线成因和对火电机组爬坡带来的挑战.然后提出了用光储系统缓解火电机组爬坡压力的策略,搭建了光储系统结构,在目标函数中考虑了火电机组爬坡成本,以综合成本最小为目标,考虑火电机组运行约束、储能约束和网络安全约束,构建了高比例光伏并网下机组爬坡压力缓解数学模型.最后,在IEEE-24节点系统上借助线性规划单纯形法对模型进行仿真验证,仿真结果验证了上述策略的优越性和有效性.上述策略可以有效缓解火电机组爬坡压力,在降低弃光功率、提高光伏消纳水平、减小峰谷差的同时,保障了火电机组的运行稳定性和抗扰动能力,对电网安全稳定运行具有重要工程实用价值.     

基于大数据技术的火力发电机组运行数据全景展示

为提升对火力发电机组的智能运行分析与管控,提出基于大数据技术的火电机组相关运行数据的全景展示方案.首先分析了火力发电机组在现阶段的运行特征以及在智能调控背景下火电机组与大电网运行和新能源系统的关系,从而说明火电机组运行数据的重要性.然后通过对大数据及可视化技术的分析,说明了火电机组在汽机侧、锅炉侧等热工数据和环保数据的特征,并提出了多维度全景展示方案和系统构架.最后说明了火电机组数据可视化在电网调度运行、促进新能源消纳、实现故障诊断等方面的作用.     

新能源电力系统控制与优化

新能源电力的规模化开发以及传统能源的清洁高效利用已成为当前能源革命的主题.目前,我国新能源电力比例持续增加,但受限于化石能源占主导的电源结构,未来很长一段时间内我国将处于混合能源时代.强随机波动性、间歇性以及不确定性使得规模化新能源电力的消纳问题日益严重,我国弃风弃光现象十分突出.深入认知电源侧、电网侧、负荷侧的基本特性,着重解决其控制与优化难题,是实现新能源电力系统安全高效运行的基本前提.本文围绕电源效应、电网响应、负荷响应,着重从电网友好型发电控制、基于多源互补的火力发电弹性控制、适应高比例新能源电力消纳的电网调度控制、需求侧资源特性与主动适应控制以及基于分布式能源的微电网控制5个方面阐述了新能源电力系统局部与全局控制中存在的关键科学问题.     

基于云计算的智能电网调度平台研究

针对我国能源领域近年来出现的新问题,诸如新能源大量并网和消纳、源网荷的联动、提高电网数据处理效率、增强电网风险防范能力等,提出利用电力大数据和云计算技术构建综合型的智能电网调度云计算平台,借助调度云计算平台高效的数据计算能力,提高电网中调度大数据的处理效率,合理配置电力资源.阐述调度云计算平台的工作原理,并在调度云计算...     

基于华北电网典型特征，利用仿真模型分析抽水蓄能机组服务新能源消纳的研究与应用

抽水蓄能是电网中具有灵活运行特性、储能特质和事故安全备用的特殊电源,其快速转变的灵活性可弥补风能、太阳能等新能源发电的随机性和不均匀性,可突破电网规模对新能源容量的限制,为大力发展新能源创造条件。同时在电力系统中可以发挥调峰、调频等重要功能,适当规模的抽水蓄能电站与核电配合运行对于解决核电在基荷运行时的调峰问题作用突出,对保障供电安全、提高供电能质量能发挥重要作用。通过开展抽水蓄能电站提高新能源消纳能力的研究,能科学分析新能源并网对电网安全运行的影响,准确定位新能源消纳对抽水蓄能的需求,定量评估抽水蓄能电站新能源消纳能力,探索抽水蓄能与新能源的联合运行方式,从而确保新能源大规模并网安全运行的同时,提高新能源消纳能力。     

计及需求响应的电网安全优化调度模型

针对传统的发电日前调度方案,提出一种计及需求响应的电力系统安全优化调度模型.以峰谷分时电价为基础,建立激励补偿机制,鼓励用户积极参与需求侧资源调度,从而使得“削峰填谷”的效果更加明显.同时,为了合理配置电网运行的备用容量,在所提出的模型中融入期望停电损失,保证电网运行的安全性.基于IEEE24节点的算例分析表明,所提出的考虑需求响应和期望停电损失的电力优化调度模型可以在保证一定可靠性水平的前提下,降低电网的运营成本,实现市场环境下电力系统的经济和安全运行.     

能源互联网中需求侧资源参与电网控制的边云协同技术研究

能源互联网技术能够实现需求侧可调节电力负荷资源与输配电资源、发电资源的信息融通,发挥需求侧可调节电力负荷在电网供需平衡调节中的价值效益。通过整合需求侧资源参与电网不同控制模式的优缺点,提出了一种以电网侧云平台为主导、聚合商内部分散协同加用户侧边缘控制主动响应的能源互联网供需资源协调控制框架及方法,能够有效提高可调负荷资源响应电网调度的灵活性与快速性。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

考虑多场景新能源预测的月度机组组合研究

为提高月度机组组合对不确定新能源的适应性,提出了一种考虑多场景新能源预测的月度机组组合方法,以提升电网新能源消纳能力。首先介绍了新能源多场景预测的基本概念,并提出了多场景新能源的表示模型。在此基础上,以预期运行成本及新能源损失电量最小化为目标,考虑电力电量平衡、网络安全、电厂合同电量等运行约束,构建了考虑多场景新能源预测的月度机组组合模型。该模型本质上为混合整数非线性规划问题,可以利用CPLES等规划程序包求解。以IEEE-30节点系统构造的算例表明,该方法能够充分考虑不确定新能源对电网运行的影响,提高月度机组组合方式对不确定性新能源消纳的鲁棒性。通过调整运行成本和新能源损失电量之间的比例系数,可以优化机组组合方式,协调系统运行经济性和节能性,提升电网运行整体效益。     

考虑新能源接入的电力多目标优化调度

发展新能源技术是减少化石能源依赖以及解决污染排放问题的有效途径,但是规模化的新能源并网也会影响电网的安全稳定运行。为研究以风电、电动汽车为代表的新能源并网对电力调度的影响,建立综合考虑电网运行成本、污染排放、日负荷方差等因素的多目标动态环境经济安全调度模型,并采用基于分解的多目标进化算法（MOEA/D-M2M）进行复杂约束条件下的调度分析。对含风电和电动汽车并网的10机系统进行仿真研究,验证了所提调度模型及方法的合理性及有效性。     

考虑需求响应激励机制的园区综合能源系统博弈优化调度

建设源荷协调、灵活互动的综合能源系统是构建新型电力系统的有效路径.在综合能源系统下,通过价格、补贴等激励手段合理调节用户侧需求响应机制可以促进综合能源系统的经济高效运行.为制定合理的需求响应激励机制,首先充分考虑源侧可再生能源出力和负荷侧多类能源需求的不确定性,提出随机场景生成策略;然后提出计及用户需求响应的综合能源系统博弈优化框架,分别以园区综合能源系统运营商和综合能源用户效益最大化为目标,建立双主体博弈优化调度模型,并提出快速高效的求解算法;最后,基于某实际园区综合能源系统开展多场景算例仿真分析,制定合理有效的需求响应价格激励方案.调度结果表明,所提出方案可以有效提升综合能源系统运行商和用户的效益.     

计及碳捕集电厂灵活运行与需求响应的多时间尺度调度

充分挖掘电力系统潜在的灵活性资源可有效提高系统中可再生能源的消纳能力。碳捕集电厂可降低电力系统中碳排放,同时也提供潜在的灵活调节能力。本文建立了需求响应与碳捕集电厂的灵活调节模型,提出了计及碳捕集电厂灵活运行与需求响应的多时间尺度调度方法,并将其应用到电力系统的调度运行中,实现系统运行总成本的最小化。在日前调度阶段,采用需求响应、碳捕集电厂灵活调节来时移负荷需求,以实现系统低碳经济运行的目标;在日内调度阶段,采用预测控制模型来校正日前调度计划,以保证实时功率平衡。结果显示,需求响应和碳捕集电厂灵活运行可提高系统的可再生能源消纳量,同时可分别降低18.7%和1.4%的总成本,协同碳捕集电厂与需求响应可降低系统总成本20.1%,效果显著。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

Data center demand response: Avoiding the coincident peak via workload shifting and local generation

Demand response is a crucial aspect of the future smart grid. It has the potential to provide significant peak demand reduction and to ease the incorporation of renewable energy into the grid. Data centers’ participation in demand response is becoming increasingly important given their high and increasing energy consumption and their flexibility in demand management compared to conventional industrial facilities. In this paper, we study two demand response schemes to reduce a data center’s peak loads and energy expenditure: workload shifting and the use of local power generation. We conduct a detailed characterization study of coincident peak data over two decades from Fort Collins Utilities, Colorado and then develop two algorithms for data centers by combining workload scheduling and local power generation to avoid the coincident peak and reduce the energy expenditure. The first algorithm optimizes the expected cost and the second one provides a good worst-case guarantee for any coincident peak pattern, workload demand and renewable generation prediction error distributions. We evaluate these algorithms via numerical simulations based on real world traces from production systems. The results show that using workload shifting in combination with local generation can provide significant cost savings (up to 40% under the Fort Collins Utilities charging scheme) compared to either alone.     

储能式充电桩参与电网需求侧响应联合运行优化

储能式充电桩参与电网的联合运行,不但能够减小电网扩容成本,还可以获得参与电网需求侧响应辅助管理服务收益,从而降低充电桩运营成本。为探究需求侧响应中实时定价激励对储能式充电桩经济效益的影响,本文进行储能式充电桩参与电网需求侧响应的联合运行优化能量调度研究。本文考虑电网需求响应实时电价,建立以储能式充电桩参与需求侧响应的经济效益函数模型;以实现经济效函数最大化为目标,建立以储能式充电桩电量和容量约束的充电桩的电网联合运行优化模型;为应用对偶分解方法,将优化模型转化为典型凸优化问题,从而求得储能式充电桩最优化能量调度。基于储能式充电桩实际运行电量、容量和经济性参数进行仿真,仿真结果表明所提出的方法能够实现较快收敛,并且能够获得收益。     

考虑源-荷不确定性的矿山综合能源系统多时间尺度区间优化调度

在高能耗矿山综合能源系统中,为减小乏风、瓦斯、矿井涌水等伴生能源、可再生能源、负荷不确定预测误差对系统的影响,提出考虑源-荷预测不确定性的矿山综合能源系统多时间尺度区间优化调度策略.首先,构建含可再生能源、矿山伴生能源、光热电站的矿山综合能源系统架构;其次,根据电-热响应特性和源-荷不确定性在时间上的差异,建立日前-日内-实时多时间尺度区间优化调度模型.在日前和日内优化阶段,利用区间数描述源-荷不确定性,并通过区间优化方法对伴生能源和可再生能源的实际消纳区间进行优化;日内优化在日前优化的基础上,综合考虑建筑用户热舒适度的模糊性、供热系统的热惯性及热水负荷需求响应调整各设备出力;在实时优化阶段,考虑电负荷需求响应对日内电力设备出力进行修正.最后,通过算例分析验证所提模型和方法的可行性.     

A coordinated dispatch method for energy storage power system considering wind power ramp event

In response to the impact of wind power ramp events on power system, a forecast and coordinated dispatch method for wind power ramp events is proposed. Firstly, the LSTM neural network is utilized to multi-step forecast the wind power, which can identify the features such as amplitude and duration of wind power ramp event in advance. Then, an ahead-delay adjustment method (ADAM) for wind power ramp events is proposed, which coordinates the thermal power generation units (referred to as units) and the energy storage system (referred to as ESS) to make two-step adjustments during the period before and after wind power ramp event. Thereby reducing the ramp rate of wind power, while reducing the requirement for the output power and capacity of ESS. Based on the above methods, a coordinated dispatch model of units and ESS considering wind power ramp events is established. The units are coordinated in advance to ensure sufficient adjustable reserves during wind power ramp events. A more economical and reliable dispatch plan can be achieved by coordinating the units and ESS according to the judging conditions. Finally, the forecast performance test and the ramp dispatch simulation are carried out in case study to verify the effectiveness of the forecast and dispatch method.     

A Parametric Genetic Algorithm Approach to Assess Complementary Options of Large Scale Wind-solar Coupling

The transitional path towards a highly renewable power system based on wind and solar energy sources is investigated considering their intermittent and spatially distributed characteristics. Using an extensive weather-driven simulation of hourly power mismatches between generation and load, we explore the interplay between geographical resource complementarity and energy storage strategies. Solar and wind resources are considered at variable spatial scales across Europe and related to the Swiss load curve, which serve as a typical demand side reference. The optimal spatial distribution of renewable units is further assessed through a parameterized optimization method based on a genetic algorithm. It allows us to explore systematically the effective potential of combined integration strategies depending on the sizing of the system, with a focus on how overall performance is affected by the definition of network boundaries. Upper bounds on integration schemes are provided considering both renewable penetration and needed reserve power capacity. The quantitative trade-off between grid extension, storage and optimal wind-solar mix is highlighted. This paper also brings insights on how optimal geographical distribution of renewable units evolves as a function of renewable penetration and grid extent.