随机风电接入的电力系统动态经济调度多场景协同优化

针对随机风电接入的电力系统动态经济调度问题,采用场景法应对随机风电接入带来的不确定性,并以发电总成本最小为优化目标,结合多学科协同优化算法的核心思想建立基于多场景解耦的电力系统动态经济调度协同优化模型。引入动态松弛算法求解模型的系统级优化问题,有效克服传统多学科协同优化算法的不足;采用网格计算工具并行求解由多场景构建的子学科优化问题,大幅提高求解规模和计算效率。含风电的IEEE 39节点系统仿真结果表明,所提模型是可行有效的,并且优化效果要优于基于GAMS-BARON求解器的传统场景法。     

计及需求响应的风电 - 电动汽车协同调度多目标优化模型

随着大规模风电并网,调度和弃风问题严重,且电动汽车无序、随机性入网也可能增加发电侧资源的负担。针对此问题,建立计及需求响应的风电与电动汽车协同调度的多目标优化模型,通过价格机制引导电动汽车入网,以负荷方差和车主支付费用最小为目标,并协调优化发电侧资源消纳风电。采用NSGA-Ⅱ算法求解模型,基于模糊决策理论求取其Pareto解集的折中解。算例分析表明:通过价格机制引导电动汽车入网能够削减负荷峰谷差和车主的支付费用;同时降低了火电机组的运行费用,尤其是火电机组的启停费用;不同的分时电价浮动比例对电动汽车入网的影响不同。     

大规模风电并网电力系统动态清洁经济优化调度的建模

本文建立了充分体现环境保护和风电特性的火电和风电的新的运行价格理论模型:1)在风电价格方面,提出风电场出力可信度基础上的风电备用容量补偿成本及风电场"负效率"运行(negative efficiency operation of wind farm,NEOWF)的概念,在此基础上定义了风电场负效率功率(negative efficiency power of wind farm,NEPWF),并建立基于风电场极限穿透功率的NEPWF的惩罚成本模型;2)火电价格方面,在传统火电价格基础上,考虑了火电机组的排污特性,并用名义环境补偿成本来量化其火电环境成本。构建了一个新的清洁经济优化调度模型。基于遗传算法(genetic algorithm,GA)和某含风电的区域电网算例来进行仿真验证,结果表明,所提出的模型为解决风电并网运行提供了一种对策。     

风电并网电力系统动态经济调度问题的研究

通过优化火电机组出力,研究风电并网后,电力系统的短期动态经济调度问题。优化模型中引入了上、下旋转备用,以此应对风电功率预测误差给系统调度带来的波动。在基本粒子群优化算法基础上,提出了3种改进策略:先采用"循环处理策略"和"优先启停策略"生成问题的可行解,然后采用"机会停机策略"进一步优化可行解。经典算例结果表明,本文提出的策略稳定性好、寻优速度快、优化结果好,具有高效的搜索能力和适应性。     

多优化目标下无线充电电动汽车与风电协同调度研究

无线充电技术具有安全环保、全自动、免维护等一系列优点,是未来电动汽车充电技术的发展趋势之一。目前,针对电动汽车的优化调度问题,国内外已取得了许多研究成果,但这些研究工作都是在基于电动汽车有线充电的方式下进行的,并未考虑电动汽车无线充电方式的特性。文章建立了基于无线充电方式下电动汽车与风电的多目标优化调度模型。该模型以风电功率波动最小、用户充电成本最小以及用户用电满意度最高为目标,优化控制各时段电动汽车的充电功率,并采用NSGA-2算法进行求解。最后,以IEEE33节点配电系统为例分析了无线和有线充电方式对协同调度效果的影响。     

含风电电力系统的多时间尺度模糊机会约束动态经济调度模型

风电出力的模糊不确定性增加了调度决策的难度。将风电和负荷预测值用模糊参数表示,基于可信性理论,将传统确定性系统约束转化成模糊机会约束。由于风电和负荷预测精度具有随预测时间尺度的缩短而提高的特点,因此,将模糊置信度设置为递增向量,以反映预测精度的变化。建立多时间尺度下含多模糊参数的模糊机会约束动态经济调度模型。多时间尺度调度分为日前24 h计划、日内4 h滚动计划、实时15 min计划和自动发电控制(automatic generation control,AGC)。各时间级的调度计划协调配合,兼顾经济性与可靠性。根据风电及负荷的最新预测信息,滚动修正原有发电计划,逐级消纳预测偏差量。算例采用山西某实际风电场数据,验证了上述模型能够有效降低风电及负荷预测不确定性的影响,减轻调度人员及AGC机组的调节压力。     

考虑风电并网的电力系统经济调度

风电场输出功率的不确定性使风电并网后电力系统的调度决策面临新的挑战。对风电场输出功率进行预测是消纳大规模风电的基础工作,在此基础上对预测误差进行统计分析和评估,并用于电网调度决策。根据对风电功率不确定性的处理方法不同,将含风电的电力系统调度模型分为确定性模型、模糊模型及不确定性模型。对风电功率不同时间尺度、不同前瞻周期的预测误差进行统计学分析,从而研究不同时间尺度之间调度决策的滚动优化机制,以及不同时间尺度调度决策进行滚动优化时调度与对应时间尺度预测之间相互协调配合的问题。储能、电动汽车等可调度资源能够有效平衡和抑制风电等可再生能源的间歇性和波动性,是实现消纳大规模风电、节能减排、保障电网安全稳定的有效途径。并对以大型火电为主体电源的电网接纳风电的成本效益进行了讨论。     

考虑风电接入的大型电力系统多目标动态优化调度

针对风电接入的大型电力系统,提出了以发电总燃料耗量、污染气体排放量和购电费用最小为目标的多目标动态优化调度模型,并考虑了抽水蓄能机组的实际运行特性对优化调度的影响。采用法线边界交叉法将多目标优化问题转换为一系列单目标问题,并采用原对偶内点法求解,从而获得均匀分布的帕累托最优解。根据熵权双基点法决策出折中最优解,为运行人员提供决策指导。在某省级电力系统上的计算结果表明,法线边界交叉法和熵权双基点法的结合能够快速、有效地求解电力系统多目标动态优化调度问题。     

计及过负荷风险的风电并网电力系统动态经济调度

建立了综合考虑系统发电成本、过负荷风险的风电并网系统多目标动态经济调度模型：在优化过程中计及机组出力爬坡约束、系统旋转备用约束;采用自适应DEM0算法对模型进行求解;得到Pateto最优集后采用协调性最优的准则选取折中解。最后在RTS-79系统上对所提模型和算法的有效性进行验证。     

含电动汽车的电力系统动态环境经济调度

为应对电动汽车规模化应用给电力调度带来的挑战,构建含电动汽车的动态环境经济调度模型。该模型将各调度时段电动汽车的"车-网"互动(V2G)功率以及常规机组的出力作为决策变量,以总燃料费用和污染排放量作为优化目标,在满足系统能量及用户出行需求的前提下,动态管理电动汽车的充放电行为。设计一种采用改进MOEA/D的优化调度求解方法,并提出基于罚函数的决策变量两步制动态约束处理策略。测试系统的仿真结果验证了所提调度模型及方法的合理性及有效性。     

含风电的电力系统动态经济调度模型

电力系统的经济调度必须考虑风电的波动性和随机性带来的影响。引入概率约束,定义了风电场计划出力实现的概率,研究了含风电场的电力系统动态经济调度模型。通过计算下一调度日风电场实际出力的条件期望与计划出力的差值,确定了风电对系统正、负旋转备用的需求。利用分位数的概念,将含有概率约束的随机调度模型等价地转换为确定性模型。提出了一种改进的粒子群算法来求解转换后的确定性模型。仿真实验结果表明,这种含风电场的电力系统动态经济调度模型能有效应对风电接入引起的备用需求变化,所得的调度方案在保证系统可靠性的前提下能节省更多的成本。     

LINGO在风电并网电力系统动态经济调度中的应用

通过优化火电机组出力,研究了风电并网后,电力系统的短期动态经济调度问题.优化模型中引入了上、下旋转备用,以此应对风电功率预测误差给系统调度带来的波动.采用LINGO软件进行分析计算,取得了很好的效果.并且,随着LINGO功能的不断扩展,它应用于电力系统经济调度的优越性也随之增加.经典算例结果表明,LINGO软件的稳定性...     

考虑风电与电动汽车协同作用的动态环境经济调度

针对风电与规模化电动汽车入网给电力调度带来的挑战,建立了基于动态约束处理的风电与电动汽车协同作用的环境经济模糊决策调度优化模型。该模型包含风电机组和入网的电动汽车(vehicle to grid,V2G),以同时降低燃料成本和减少污染排放量为优化目标,在满足系统功率平衡和车主日常出行需求等约束条件下,通过动态调节电动汽车充放电功率和时间来最大限度地消纳过剩风电,平抑风能出力波动对电力系统的冲击;接着对常规机组进行负荷经济分配,以达到协同优化调度的经济性;同时采用多目标纵横交叉优化算法(multi-objective crisscross optimization algorithm,MOSCO)优化算法求解模型,利用模糊决策机制获得最优折中解;最后以10台机组测试系统为算例,仿真结果验证了模型及方法的有效性与合理性。     

考虑风电不确定性的电力系统多目标优化调度

针对风电机组并网规模的增加使火电系统面临平频繁启停、运行效率低的问题,建立考虑风电机组不确定性的电力系统多目标调度模型.在一定的风险情况下,对电力系统进行调度,对机组按照能耗量高低进行排序,安排机组开停机顺序,既提高机组运行效率又符合节能调度的要求.在传统经济调度模型的基础上,考虑机组运行稳定性,建立电力系统经济平稳调度模型,引入maxmin函数和ε支配的多目标粒子群算法对模型进行求解.算例分析表明,该模型能够在一定的风险情况下取得较好的经济性和平稳性。     

考虑风电随机模糊不确定性的电力系统多目标优化调度计划研究

提出了一种考虑风电随机模糊多重不确定性的电力系统多目标调度计划新模型和相应的算法。首先,依据风电并网后的电力系统不确定环境实际提出以随机模糊变量描述风电功率,以区间形式表述负荷预测的不确定性。其次,以燃煤机组的购电费用和污染气体排放量最小为目标函数,构建考虑风电和负荷预测值不确定性的电力系统随机模糊多目标交易计划模型。然后,提出利用负荷的不等式区间约束将遗传算法的初始寻优种群模糊化,提出采用概率密度分布描述解的随机模糊分布特征,从而可获得兼顾多重不确定特征多目标交易计划解集。最后,以含10台燃煤机组和一个大型等值风电场的某省级系统为例进行模型和算法的求解验证,结果表明了提出模型和算法的合理性和有效性。     

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。     

考虑V2G下电动汽车与风电协同调度的多目标优化策略

通过建立电动汽车及风电参与的负荷平抑、负荷峰谷差和电动汽车充放电费用的多目标模型,考虑电动汽车电池的可用容量和充放电功率等约束条件的情况,采用基本遗传算法和非线性规划遗传算法这两种不同算法,分析考虑负荷峰谷差对平抑负荷波动和提高电动汽车用户收益产生的影响,并分别对所产生结果进行对比.最后,通过算例分析验证结果表明,通过在分时电价合理的安排电动汽车充放电下采用非线性规划遗传算法并考虑负荷峰谷差可使多目标模型更加优化,并给出非线性遗传算法求解多目标模型时的结果曲线图.     

提高风电渗透率的电力系统多目标优化调度研究

为解决风电不确定性给电网调度带来的困难,研究含风电场的电力系统经济调度具有一定的理论和实际意义。提出了一种改进粒子群优化算法的多目标优化调度方法,以常规火电机组发电成本最小和风电消纳电量最大为目标,建立了含风电场的双目标调度模型,采用改进的多目标粒子群优化算法进行优化求解。以包头电网为实例进行了仿真计算,结果表明所提方法能够有效降低系统发电成本,提高风电消纳水平。     

智能化含风电配电网多目标协同调度模型

由于风电场的随机不可控变量较多,难以达到理想调度效果,提出了智能化含风电配电网多目标协同调度模型。将经济性指标和电压偏差作为目标函数,确定机组潮流、响应速度、传输线路、出力以及爬坡指标的约束条件;在考虑风电场波动情况的基础上,利用PLSPP算法预测风电场的负荷及出力值,修正误差,制定不同时段下的机组出力计划,结合MIPSO算法得到协调度最高值,实现智能化协同调度模型的构建。仿真测试结果表明,所构建模型风电场预测曲线的拟合程度为99.6%,其最低日均费用为3.914 8 万元、日均电压偏差仅为23.514 7 pu,由此证明该模型可以在花费最低成本的前提下实现高效、精准的调度。