含风电场的电力系统机组组合问题随机模拟粒子群算法

由于风电具有随机性,含有风电场的机组组合问题不再是一个常规意义下的确定性问题。利用传统的方法也难获得既经济又有较高可靠性的解。本文建立了基于机会约束规划的含风电场的电力系统机组组合的数学模型,以概率的形式描述相关约束条件,并把组合问题分为内外两层优化子问题求解。外层为机组的启停状态优化,用离散粒子群算法求解,并引入启发式搜索策略,有效提高了机组状态优化效率;内层为负荷经济分配,考虑到风电的不可靠性,利用随机模拟的改进粒子群算法求解,防止种群过早收敛于局部最优解,并确保发电计划的可行性。通过10机系统的算例计算,并与其他文献方法比较,结果表明该算法对解决含有风电场的电力系统机组组合的问题是行之有效的。     

基于机会约束规划和随机模拟技术的含风电场电力系统多目标优化调度

为了提高含风电场电力系统运行的经济性和可靠性,增强风电并网运行的稳定性,建立了基于机会约束规划的含风电场电力系统多目标机组优化调度的数学模型。考虑到风电场出力的随机性,引入了机会约束规划和随机模拟技术,以常规发电机组的发电成本最低和污染气体排放量最低为目标。问题分为内外两层求解,外层为机组组合优化,利用蚁群算法求解;内层为负荷的经济分配,基于Pareto最优解集概念和整体协调决策机制,结合多目标粒子群求解。用10机算例对模型进行了仿真分析,仿真结果表明所建模型合理、算法有效可行。     

计及风电最优置信度的机组组合优化方法

对于计及风电不确定性的机组组合问题,需要选择合适的风电置信度。随着风电置信度增减,机组组合经济成本与风险成本呈现此消彼长的关系,理应存在最优风电置信度,使机组组合经济性与风险性达到平衡。建立了包含风电置信度的机组组合优化模型,以机组组合经济性与风险性综合成本达到最小为优化目标,求解最优风电置信度。对风险成本进行离散线性化处理,将该问题转化为混合整数规划问题。对含风电场的6节点和IEEE 118节点系统进行仿真,验证了所提方法的有效性。     

基于KL散度的含储能机组组合分布鲁棒优化方法

为应对风电场出力的波动性和随机性给机组组合带来的问题,提出了基于Kullback-Leibler(KL)散度的含储能机组组合的两阶段分布鲁棒优化模型。在电池储能的运行模型的基础,将电池储能模型嵌入到传统的火电机组组合模型中,建立了含储能的机组组合两阶段优化模型;基于KL散度构建了风电场出力的模糊集,形成了含储能机组组合的两阶段分布鲁棒优化模型,通过对偶变换和广义Benders分解将其转化成易于求解的混合整数凸优化模型进行求解。通过IEEE RTS 24节点系统仿真结果表明,所提出的分布鲁棒优化方法保守性优于鲁棒优化方法,经济性接近随机优化方法,且随着KL散度增大,机组组合成本缓慢增加。     

含随机风电的大规模多目标机组组合问题的向量序优化方法

向量序优化是一种新的解决多目标、超大计算量、复杂优化问题的有效方法。文中以煤耗量、购电费用、SO2排放量为优化目标,首次引入向量序优化理论求解含大规模随机风电的多目标机组组合问题。以含大型风电场及水、火、核、气、生物质能等复杂电源的某省级电力系统为例,将所提算法的优化结果与基于GAMS-BARON求解器的混合整数非线性规划法(mixed integer nonlinear programming,MINLP)进行对比分析,结果表明所提算法的求解速度大大优于传统的MINLP且优化结果偏差很小,验证了采用向量序优化方法求解含随机风电的大规模多目标机组组合问题的有效性。     

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。     

含风电电力系统机组组合的量子离散差分进化方法

风电具有天然的不可控性和随机性,大量并网给电力系统调度计划带来困难,在电力系统日前机组组合计划中计及风电出力的不确定性,有利于提高电力系统优化运行的精细度.文中通过系统旋转备用将风电出力的预测误差纳入机组组合的数学模型中,为求解含风电的机组组合问题,设计了双层求解方法,外层采用量子离散差分进化法优化传统火电机组的启停状...     

考虑多风电场黑启动价值的机组恢复顺序双层优化决策

大规模风电的接入为当今电力系统能源格局带来根本性变革,同时对大停电后电力系统恢复进程产生巨大影响。针对含多风电场的待恢复电力系统,文中首先构建了考虑空间集群效应的多风电场出力典型场景的确定方法及多风电场黑启动价值评价函数,并提出以综合净收益函数为评价标准的机组恢复顺序双层优化模型。上层模型求解当前电力系统可恢复的初始目标集,缩小恢复策略的求解范围,下层模型从该初始目标集中求取综合净收益最大的风电机组与火电机组恢复顺序组合,并根据动态可恢复节点重要度求解恢复路径。最后,在含风电机组的IEEE 39节点系统中验证了所提决策方法的有效性。     

计及风险备用的大规模风储联合系统广域协调调度

基于随机规划思想和风险决策理论,提出一种计及风险备用的风储联合运行系统广域协调调度方法。协调模型采用双层优化方法实现发电计划优化子问题和备用容量优化子问题的分解协调和迭代求解,降低了随机机组组合模型的计算规模和求解难度。外层优化计及风电波动性采用确定性机组组合模型计算日前发电计划;内层优化基于条件风险价值计算风电预测误差引起的系统风险备用容量,并采用所提出的风储协调策略实现多风电场储能系统之间的协调调度以降低系统备用需求。采用增加了2个风电场的IEEE 30节点系统进行仿真,分析了大规模风电并网系统中储能系统的最优应用模式,并验证了所提协调调度策略在提高风电消纳能力方面的优越性。     

考虑风电场灵活性及出力不确定性的机组组合

大规模并网风电的出力不确定性及反调峰特性给电力系统运行,尤其是机组组合的安全可靠性、经济性带来了严峻的挑战。合理构建风电出力不确定性模型,并将新的优化方法,如随机优化、鲁棒优化等应用到机组组合中已成为当前的研究热点。首先对风电场潜在调节能力进行了探讨,提出了一种新的风电调度模式及相应的机组组合模型。风电场在新的调度模式下将转变为一个"灵活"的参与者,而机组组合模型同时计及了风电场出力的不确定性。然后,以修订后的IEEE 39节点系统为基本算例对所提方法进行了仿真分析,结果表明所提出的方法可有效地提高电力系统运行的整体性能。此外,所提方法还可用于评估系统对风电的接纳能力。     

基于备用安全的含风电场的电力系统经济调度

随着风电在电网中渗透功率的持续增加,风电的不确定性给系统的备用决策和发电调度带来新的难题。为保障含风电场电力系统的安全运行,本文结合风电预测误差的概率密度函数,提出了一种系统运行安全性指标——备用安全可信度,并以备用安全可信度最大化和火电机组运行费用最小化作为优化目标函数,建立了含风电场的电力系统经济调度模型。针对寻优效率,本文采用了一种将优先顺序法和内点法相结合的优化方法对机组组合问题求解。算例分析证明了所提模型和解法的可行性和合理性。     

基于降低风电机组叶片损伤的风电机组组合优化

对于大型风电场,研究机组组合优化,可以提高风电场运行水平,提高风电场经济效益。叶片是风电机组的关键部件之一,占风机总成本的20%,是影响风电机组使用寿命的重要因素之一。通过对叶根在不同风况下四种不同载荷工况的受力分析,量化了不同运行工况下叶片损伤量,确定了叶片损伤量与叶片寿命的关系,建立了风电场各机组总叶片损伤量的数学模型;应用改进二进制粒子群(BPSO)优化算法,结合风电场预测功率数据和负荷调度要求,以叶片损伤量最小为优化目标,建立风电场内机组组合优化调度模型。将所提出模型应用于某49.5 MW风电场,对33台机组进行组合优化,算例结果表明在满足负荷的要求下,可减少启停机次数,延长机组寿命,验证了该算法的可行性和有效性。     

考虑储热装置的风电-热电机组联合优化运行策略

基于日前供热负荷预测和风电出力预测,考虑储热装置运行机理,研究风电场与热电机组联合运行的优化方法。将含储热装置的热电厂和风电场组成一个发电利益集合体,在满足地区供热负荷和提升风电消纳的同时,通过调节热电机组和储热装置的出力最大化发电利益集合体的收益。考虑热电机组的热-电耦合特性和储热装置的运行约束,建立了日前调度模型并进行求解。在此基础上,考虑风电出力的随机性,建立了相应的随机优化模型。算例分析表明,考虑储热的风电-热电机组联合优化所获得的收益高于风电场和热电机组单独运行获得的总收益,并且可在现行"以热定电"运行机制下提高风电的消纳能力。同时采用随机优化模型能有效降低系统联合出力的不确定性,可较好地解决风功率预测中的不确定性问题。     

节能减排下含风电场多目标机组组合建模及优化

环境和资源矛盾日益突出,节能减排发电调度是一种必然。针对风电场出力的随机性与波动性,系统考虑向上向下旋转备用及风电加入后附加备用,建立了节能减排下含风电场的多目标机组组合模型。通过对多个目标进行无量纲化处理,提出了基于节能减排的含风电场机组组合的决策模型。该模型通过调节各目标之间的权重,能够平衡系统的能耗与污染气体的排放,并采用自适应的合作协同进化算法求解。算例表明该模型能有效利用风电,并兼顾节能与减排目标,最终实现含风电场机组组合的安全、经济与环保。     

高比例风电系统的优化调度方法

高比例风电的接入给系统优化调度带来了严峻的挑战。为促进高比例风电的消纳,建立了综合考虑发电成本和弃风成本的鲁棒机组组合模型;同时针对风电的空间集群效应和时间平滑效应,构建了考虑风电空间和时间约束的不确定集;此外为克服模型的求解难度,提出了分层列和约束生成算法,该算法将模型分解为3层优化问题予以求解,即第1层发电成本最小化的机组组合优化层,第2层安全可行性检验层,第3层风电最大化利用层,其中第2层向第1层反馈可行性割集,而第3层向第1层反馈风电消纳的割集,通过协调优化,以确保得到既能够应对的风电随机波动又促进风电充分利用的调度方案。最后结合修改后的IEEE 39节点算例进行了仿真,结果表明:考虑风电时空约束的模型降低了鲁棒优化的保守性,同时模型中加入弃风惩罚成本后提高了调度模型对高比例风电接入的适用性,此外所提算法能够有效地提升鲁棒机组组合的求解效率。     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。     

基于半不变量法的含风电场电力系统随机潮流分析

提出了一种基于半不变量法与Edgeworth级数法相结合的随机潮流分析方法,并将其应用于含目前主流风电机组——双馈风电机组组成的风电场的电力系统潮流分析中。本文使用两参数Weibull函数拟合风速分布,由风电机组风速功率特性确定风电机组的概率模型,并基于线性化交流潮流模型,对含风电场的IEEE 30节点系统进行了计算,最后与蒙特卡洛模拟方法对比分析了风电并网对电力系统运行的影响。     

含双馈型风电场的配电网智能无功优化方法研究

研究了含双馈电机的风电场接入配电网后的无功电压优化控制方法,通过分析双馈感应风电机组的功率情况,充分发挥双馈感应风电机组对配电网的无功调节能力,将构建的无功优化问题转换为一个非线性混合整数优化的数学问题,并采用智能遗传优化算法进行求解。利用IEEE30节点系统作为算例进行仿真分析,计算结果可为含风电场的配电网提供合适的无功分布参考,验证了该控制方法的有效性。     

考虑风机排序的风电集群分层有功控制策略

随着我国风电的迅速发展,风电场有功调控趋于集群化。为合理调控风电集群有功功率、提高风电消纳量、减少风电机组调控次数,文中提出考虑风机排序控制的风电集群分层有功控制策略。根据风电场所在区域不同并结合超短期风电功率预测,将风电集群分为场群层、风电场层、机组层3个控制层。场群层和风电场层通过不同时间尺度的滚动优化提高风电消纳量;机组层通过选取影响风机调控能力的评价指标,结合熵值法与隶属度函数,计算并排序各机组调控能力评分,通过机组的排序控制减少风机调控次数。基于GAMS及Matlab平台对山西电网实际风电场数据进行分析,结果表明所提控制策略在提高风电消纳量的同时减少了风机调控次数。     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。