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。     

含风电场电力系统机组组合的模糊机会约束决策模型

风电出力的模糊性使传统确定性的调度可行域出现了模糊变量,模糊机组组合的决策结果需要兼顾经济性和系统的置信水平。研究了考虑风电模糊置信水平的机组组合问题。建立模型时,将风电出力的模糊性体现为误差的模糊性,基于可信性理论推导了风电预测误差的可信性分布函数,并据此建立了旋转备用的模糊机会约束条件,进一步得到了机组组合的模糊机...     

含风电的电力系统机组组合问题研究综述

以风电为代表的新能源规模化开发利用,改变了传统电力系统的结构特性,给系统的运行控制方式带来了新的挑战。机组组合是电力系统经济调度的重要环节,通过优化发电周期内各机组的启停计划来降低发电成本,同时满足系统负荷需求和其他约束条件。风电具有随机性、间歇性特点,大规模风电接入电网使传统的机组组合方式难以适应新能源电力系统的要求,研究含风电的机组组合对于应对风电引起的负荷波动、保证电力系统稳定、经济运行具有重要意义。为此,综述了国内外对含风电机组组合问题的研究现状,分析了风电接入电网对电力系统机组组合问题带来的影响,归纳了常用的建模方法和求解算法。并对该领域未来的研究方向进行了探讨,希望为其他学者在该领域的研究提供借鉴。     

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。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难.粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大.该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快.方法的可行性在10台机组系统中检验.模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点.     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

基于机会约束规划的含风机配电网重构

针对含风机配电网重构问题,提出基于单环网优化的高效的重构算法。在风机出力为随机变量条件下,建立了极小化网损悲观值为目标的随机机会约束模型,先利用启发式同步回代缩减方法缩减场景,再给出单环网搜索算法,最后采用基于单环网优化的重构算法高效求解,有效避免了可行解随机模拟计算量大的问题。算例比较结果表明,算法不但显著提高计算效率,而且保持了较高的计算精度。     

含储能系统和大型风电场并网电力系统机组组合研究

为提高系统运行的灵活性和稳定性,在含风电场的机组组合问题中引入储能系统,将含风电场和储能系统的机组组合问题描述为含0-1变量的混合整数优化模型,在模型中体现了储能系统对系统旋转备用容量的影响。采用分支定界的思想,将整数变量松弛为实数变量,利用改进粒子群算法来迭代求解。以6机和某10机39节点系统为算例,对传统的机组组合模型和含ESS的机组组合模型进行了比较,计算结果验证了该模型和解法的有效性。     

基于机会约束规划的汇流风电场穿透功率极限计算

大规模的风力发电并网给电网的运行与稳定带来了一系列的问题,研究风力发电的穿透功率极限对于风力发电并网的规划以及运行有着重要意义。基于随机规划理论,利用拉丁超立方采样(latin hypercube sampling,LHS)处理汇流风电场的相关性风速数据,提出了汇流风电场穿透功率极限计算方法,计算中考虑了在同一汇流点不同风电场的风速随机性和相关性,计算得到含有汇流风电场发电系统的线路潮流,进一步基于机会约束规划,利用改进的粒子群算法计算得到汇流风电场的穿透功率极限。在IEEE30系统算例上验证了计算方法的有效性,并简要分析了风力发电位于不同接入点对穿透功率极限的影响。     

含风电和储能的电力系统安全约束机组组合问题研究

针对含风电的电力系统安全约束机组组合问题,利用储能的快速双向调节能力改善风电出力的波动性和不确定性,提高系统运行的经济性。机组组合模型中考虑风电、负荷预测误差对机组组合的影响,并引入基于可信理论的旋转备用机会约束条件,可避免造成备用的过度配置。另外,通过考虑合理弃风提高消纳风电能力和降低系统运行成本,分析了储能参数以及接入系统方式对机组组合模型中系统运行成本和风电弃风量的影响。最后,采用新英格兰10机系统验证了所提模型的有效性。     

基于交叉随机粒子群优化算法的机组组合优化模型

针对机组运行时故障的不确定性,利用威布尔失效概率函数来详细描述机组的故障概率,并以此为基础提出了兼顾机组故障率的机组组合优化模型。根据所建模型的特点,提出了带有随机权重和带有异步变化学习因子的粒子群算法,将机组组合问题划分为离散量和连续量两部分,通过在机组编码矩阵中进行交叉计算来解决机组组合问题。以5台机组24 h的机组组合优化问题为例进行计算,验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。     

基于机会约束规划的风电预测功率分级处理

提高现有风电功率预测精度往往难度大、经济性差,而电网调度、风电控制则需要准确的功率曲线。为此,从分析功率预测结果角度提出风电功率分级处理思想,以减少预测误差对相关决策的影响。该分级思想以预测功率为基础,考虑预测误差分布影响,利用机会约束规划方法建立基于预测功率可信度水平的分级模型,将预测功率划分为基荷出力、次级出力及高...     

基于场景分析的含风电系统机组组合的两阶段随机优化

风电场输出功率具有随机性、间歇性的特点,其大规模并网发电使电力系统的调度决策面临着新的挑战。在此背景下,以日前调度为研究对象,提出了一种解决含风电系统机组组合问题的两阶段随机规划方法。该方法将发电机组的启停决策及启停决策下机组的发电计划制定视为两个阶段的决策问题,第一阶段决策对应机组启停,旨在寻求给定条件下具有最小启停成本的机组组合方式,而第二阶段决策则用于评估随机条件下已制定机组启停计划所对应次日机组运行成本的期望值,方法通过对两个阶段决策问题的统筹考虑,最终确定出机组的最佳组合方式。采用场景树模拟日前风电场输出功率预测误差的时间分布特性,并利用场景缩减技术实现在较高计算精度下模型复杂度的降低。通过对某实际26节点11机系统的分析计算验证了所提出方法的有效性。     

考虑频率安全约束及风电综合惯性控制的电力系统机组组合

随着风电渗透率上升,电力系统惯性响应和一次调频能力下降,频率安全问题凸显,有必要在机组日前发电计划安排中考虑频率安全约束。依据电力系统频率安全要求,提出了考虑频率跌落最低值的频率安全约束构造方法。同时引入风电综合惯性控制使风电机组参与一次调频,在此基础上建立了考虑频率安全约束及风电综合惯性控制的机组组合模型。运用M语言动态控制多机频率响应模型进行Simulink仿真,并将其嵌入到改进粒子群优化算法中迭代求解。含风电的IEEE39节点系统算例结果表明,所提模型和方法能有效提升系统频率响应能力,保证系统安全运行。     

基于随机模拟粒子群算法的含风电场电力系统经济调度

由于风电具有随机性,目前尚无法较准确预测其出力,因此含有风电的电力系统经济调度不再是-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经济调度数学模型,以概率的形式描述相关约束条件,考虑了机组的爬坡约束、出力限制,线路潮流限制、备用约束及负荷平衡等约束条件,利用基于随机模拟的粒子群算法求解该问题.通过IEEE30节点系统的算例验证,表明该模型与算法的有效性.     

基于预测误差不确定性的规模化间歇式电源机组组合研究

针对间歇式电源出力和负荷需求预测的不确定性,引入预测误差的不确定,将系统中的不确定变量处理为一个总的不确定系统预测误差,基于机会约束规划建立了考虑预测误差随机性的机组组合模型。此外,计及间歇式电源不同出力水平下预测误差分布不同的特性,在全面考虑预测误差的分布规律及其所导致的备用容量基础上,将考虑预测误差的机组组合问题精细化。以10机系统为例,采用基于随机模拟的粒子群算法求解,算例结果验证了上述模型和方法的有效性和实用性。     

基于风险分摊的多风电场机会约束机组组合求解方法

在含风功率等新能源出力不确定性的联合机会约束机组组合问题中,如何将多维联合机会约束转化为确定性约束是求解此问题的关键。含多维随机变量的联合机会约束规划问题是非凸问题,难以直接求解。提出了一种考虑风电功率不确定性的基于改进风险分摊的联合机会约束机组组合问题求解方法。首先,建立了基于联合机会约束的考虑风电功率不确定性的机组组合模型,将机组组合的多维联合机会约束的风险水平(违反概率)按权重分摊给每个单维机会约束的风险水平,再利用散度函数和散度容差去修正每个单维机会约束的风险水平。然后,利用自适应带宽核密度估计拟合每个单维机会约束中随机变量的概率密度函数。最后,通过随机变量累积分布函数求逆的方法将这一系列的单维机会约束转化为确定性约束,从而实现将难以求解的联合机会约束转化为易于求解的确定性约束。仿真结果验证了上述方法的有效性以及相对于传统多维联合机会约束求解方法的优越性。     

基于改进离散粒子群算法的电力系统机组组合问题

提出一种新的离散粒子群算法。结合改进的自学习策略优化粒子群算法适用于求解电力系统中的机组组合（unit commitment,UC）问题。算法将UC问题分解为具有整型变量和连续变量的2个优化子问题,采用离散粒子群优化和原对偶内点法相结合的双层嵌套方法对外层机组启、停状态变量和内层机组功率经济分配子问题进行交替迭代优化求...     

考虑节能减排和不确定因素的含风电场机组组合优化

大规模风电接入电网减少了常规火电的燃料成本以及污染物排放量,综合效益十分显著。然而风电出力的不确定性需要系统预留大量的旋转备用,部分高污染排放机组显然背离了绿色电力的理念。针对系统中风电和负荷出力的多重不确定因素,采取区别建模,引入机会约束,通过两类不同置信水平的变化控制旋转备用和风险之间的关系。在目标函数和机组开停机优先指标中均计及CO2和SO2排放的影响,建立了同时含有模糊变量和随机变量的多目标混合机会约束机组组合模型,强调了低碳减排的重要性。最后算例分析验证了所提模型的可行性和有效性。     

基于场景概率的风电机组的选址和定容

根据风速特点提出基于场景概率的风机选址和定容,主要以风电机组总投资成本最小,年电能损失费用最小为目标函数建立,同时考虑各种约束条件,从场景发生概率角度评估规划方案在随机环境下的适用性,并使用改进粒子群算法来解决此问题。最后以IEEE33节点为例验证了模型和算法的有效性和可行性。