考虑需求弹性的发电检修协调方法

随着智能电网的发展,用户的需求响应能力进一步增强,对发电检修的协调安排带来了新的影响.提出了机组检修协调意愿费用曲线,建立了考虑需求价格弹性的发电检修决策协调模型.在此基础上,深入分析市场环境下中长期发电检修决策对短期市场供求关系及出清价格的影响.建立了用户电力需求随电价而弹性变化、最终受中长期发电检修决策影响的函数关系;通过函数分段参数的讨论与约束的合并变换,将非线性混合整数规划模型转化为线性整数规划模型;根据智能电网下不同需求响应场景模拟,评估分析了需求弹性对发电检修决策产生的影响与效益.     

智能电网需求侧用户参与度研究模型

为充分挖掘智能电网需求侧与用户参与度的响应能力,探究电网需求侧的用电负荷影响,建立了智能电网需求侧用户参与度研究模型。采用聚类算法在噪声、模糊数据中提取特征数据,并对其进行归一化处理。根据智能电网的调配用电需求量,构建收益函数模型;将用户群体划分结果与博弈论相结合,建立不同类型用户博弈论模型,并组建电网需求侧用户参与度研究模型,定义电价收益、价格响应、智能调配用电时间等参数,为智能电网参与市场环境下的用户参与度调控提供了模型支持。以河北电网为测试对象进行测试,结果表明：随着时间的增加以及电价的降低,用户参与比例为89%,用户满意度均值为90%。智能电网需求侧的响应特性受用户参与度的影响,所提模型可以准确完成智能电网需求侧下的用户参与度计算,确保电网需求侧电力市场的供需平衡。     

基于实时电价的用户用电响应行为研究

随着智能电网的发展,电网开放性不断增强,需求响应(demand response,DR)策略被提出,并被广泛应用于电力市场的运营模式中。各国相继推出需求响应的实时电价(real-time pricing,RTP)策略,来提高电网的有效性与电力市场的可靠性。合理地分析实时电价下用户的用电响应行为,对制定更高效的实时电价机制,实施需求响应策略具有重要意义。因此,基于用户的需求价格弹性(price elasticity of electricity demand,PED)模型,通过回归模型学习需求价格弹性,模拟用户响应行为。实验表明,学习获得的用户价格弹性可以很好地实现用户响应行为的拟合,较传统的调查问卷方式获得固定的用户价格弹性,回归模型克服时间与空间的变化问题,更高效地实现用户响应行为的学习,为实时电价提供决策支持。     

智能电网下计及用户侧互动的发电日前调度计划模型

需求响应是智能电网框架下的重要互动资源,在综合考虑供应侧和需求侧作用机理的基础上,将需求响应纳入发电调度,建立智能电网下计及用户侧互动的发电调度模型。考虑了用户用电模式的多样性和选择的意愿性,以基于消费者心理学的分时电价用户响应原理预测的负荷曲线为基础,考虑可中断备用与发电侧备用的协调优化,综合衡量各方利益,选取使发电成本最低的最优分时电价和最优可中断备用容量,并以此制定发电调度方案。IEEE 24节点算例结果表明,所提模型有效降低了发电成本,证明了考虑用户侧互动下将发电侧和需求侧的资源进行综合规划有利于电力系统的安全经济运行。     

基于电网弹性响应的运维检修多路径优选决策

针对电网弹性影响下运维检修如何决策的问题，提出一种考虑电网弹性与运维检修映射关系、多路径优化的运维检修决策。首先，提出弹性恢复效率指标与运维检修资源配置、恢复负荷、供电恢复时间及经济损失的映射关系；其次，为了使电网供电恢复时间最小，建立基于元胞自动机的运行检修路径选择模型，为运维检修人员到达故障点提供优选路径；再次，为了更加合理优化的决策，建立弹性影响下路径优选的运维检修决策模型，提出相应的目标函数与混合整数非线性规划算法转换的约束条件，并提出CONOPT求解器在GAMS平台上的求解方法；最后，基于浙江某区域实际电网，正向提出运维检修决策策略，反向将运维检修决策映射到弹性指标，分析配电网弹性恢复率指标。     

智能电网下需求响应热点问题探讨

利用价格信号与激励机制的需求响应项目可以为智能电网及电力市场运行构建可靠、高效与稳健的反馈机制。随着电力市场改革的不断深入以及智能电网的兴起,已有多个国家建立了基于市场化运作的需求响应项目。建立了适应智能电网及电力市场发展的需求响应理论与应用体系。对智能电网下需求响应理论及其应用层面进行了探索性研究,重点针对需求响应相关的项目决策、风险管理等热点问题进行了探讨,从多角度阐述了需求响应在提高系统安全性、可靠性与经济性等方面的作用。结果表明,智能电网下的新型需求响应项目可以进一步提升用户响应能力,为保障系统安全经济运行提供更有效支撑。     

用户报量不报价模式下电力现货市场需求响应机制与方法

为了积极稳妥地推进中国电力现货市场建设,以用户报量不报价的方式开展需求侧响应是电力现货市场建设初期循序渐进的选择,由此产生了在日前市场模型中如何考虑需求弹性的问题。针对用户报量不报价方式下的市场运行特点,提出了相应的现货市场需求响应机制,研究了对用户日前申报负荷进行弹性化修正,并依据修正后的负荷开展安全校核,优化决策考虑需求弹性的日前发电计划模型和方法。首先分析用户日前负荷申报、对价格做出响应的行为机理,在此基础上研究基于模型和数据驱动的申报负荷弹性化修正方法,并建立了基于负荷需求弹性的日前发电计划优化与安全校核模型。通过在日前提前考虑用户在实时市场上的价格响应行为,实现了日前发电计划更优化、安全校核更精准。基于IEEE 30节点的算例分析验证了所提模式和方法的效益和有效性。     

电力市场环境下梯级水电站中长期调度与检修计划双层优化模型

电力市场环境下,为降低梯级水电站检修计划对运营收益的影响,建立了中长期调度和检修计划双层优化模型。中长期调度为外层优化,根据径流和价格预测进行决策,应用遗传算法优化各时段梯级水电站出力,搜寻最优效益空间。检修计划为内层优化,重点考虑了梯级上、下游水电站水力、电力耦合关系对检修计划的影响,以满足实际运行需求;以中长期调度优化中间结果为边界条件,以检修损失最小为优化目标,包括检修收益损失和停运风险损失,并将检修损失与中长期发电收益归并为总收益,作为遗传算法适应度函数,从而实现中长期发电计划和检修计划的联合优化。最后,以某"1库3梯级"水电系统为例进行仿真分析,结果表明:所建双层优化模型结构清晰,实用性较强。     

智能电网环境下的需求侧行为的研究

传统的电力系统由于引入了智能技术以及采用更先进的通信技术,使得目前的电网正逐步的向智能化迈进,未来智能高效的电网将和现有的电网有着本质的区别,本文讨论了智能电网的引入对需求侧行为的影响。研究了在智能电网环境下不同类型的用户对于现货电价和需求价格弹性的反应。智能电网技术可以让任何需求量的用户都积极的参与到电力市场中,提高了完全竞争市场的效率。本文还介绍了智能电网环境下需求侧响应在电力市场中的应用,例如短期负荷预测、短期价格预测等。并且讨论表明,引入智能电网提高了市场的效率,并能让用户侧受益。     

考虑检修计划的中长期水火电联合优化调度方法

在中长期水火发电调度中考虑检修计划的影响是目前中长期水火发电调度面临的难题。利用现代整数代数建模技术,建立发电计划和检修计划协调优化的多场景调度模型。在该模型中,鉴于设备检修计划的连续性,在预测场景树的基础上,将场景节点划分成不同的场景,通过节点和场景关联矩阵,实现多场景下设备检修模型的构建。同时,鉴于中长期调度计划中发电计划和检修计划对时段间隔要求的不同,分别设置电量相关节点和电力相关节点,实现中长期发电计划和检修计划的协调。上述模型是一个大规模混合整数线性规划(mixed integer linear programming,MILP)问题,采用商用MILP求解器进行求解。大规模实际水火电系统的实例分析结果表明,所提模型和方法是可行、有效的。     

电力市场下火电厂机组检修计划的研究

首先分析了传统的统一调度下和电力市场下火电机组检修的不同要求，在此基础上提出了电力市场下火电机组“自组合”检修计划的新方法，其数学模型采用了包括检修费用损失，电价收益损失及风险损失之和为最小的目标函数，其中风险损失由发电量不足风险概率指标转化而来，文中详细阐述了发电厂可用容量和发电量任务的概率模型，比较了计入可靠性两种情况下检修计划安排的不同，结合算法进行仿真，结果表明所提出的新检修计划方法能适应电力市场的要求。     

低碳环境下微电网供需联合优化调度

全球多国积极发展低碳经济,大力开发清洁能源。电力市场化改革的积极推进和用户用电个性化的提高,使得电源侧机组调度和需求侧用电管理结合的供需互动理念逐渐成为重要的研究课题。本文建立了以总运行成本最小为目标的微电网供需联合调度模型。该模型对电源侧考虑微源发电的经济性与环保性进行互补发电调度,对需求侧负荷调度时考虑阶梯式补偿价格,并在微电网供需联合调度的经济性目标函数中引入环保性参数,最后仿真验证模型的有效性,并分析了不同补偿价格对削减类负荷调度结果的影响。     

考虑模糊分时能源价格需求响应的综合能源分布式优化调度方法

为充分挖掘综合能源系统的可调度潜力,提出了一种考虑模糊分时能源价格需求响应的综合能源分布式优化调度方法。首先,为增强价格信号对需求响应的激励效应,在分时价格的基础上结合模糊数学理论提出了模糊分时能源价格,进而建立了价格型综合需求响应模型;其次,综合考虑电–热–气系统的耦合约束以及天然气网络的管道动态特性,构建了综合能源系统的日前调度模型;最后,针对电–热–气系统的复杂性以及信息的不透明特性,提出了基于正则化交替方向乘子法的调度方法,将优化调度模型分解为电–热–气3个子问题,通过多个协调变量进行信息传递,并在迭代求解各子问题的同时通过添加含协调变量的正则项以加快收敛速度。结合具体算例验证了所提模型和方法的有效性。     

中短期多周期发电计划的协调方式和闭环控制

采用中短期多周期发电计划协调优化和闭环控制解决"三公"调度模式下调度精益化和节能发电调度的需求。建立了以机组负荷率为线索的多周期发电计划编制的优化模型,提出基于全周期机组组合的多周期发电计划协调和闭环控制方法。以某省电网为例进行多周期发电计划编制,结果表明该方法能够在加强风险控制能力,提升调度计划的安全裕度的基础上实现节能减排,实现了调度精益化管理。     

计及风险的发电厂商机组检修规划模型

根据发电厂商的风险偏好,提出了基于效用函数的机组检修规划模型,用以规避市场电价预测不确定性及机组突然故障带来的风险。首先,分析了影响发电厂商经济效益的相关不确定性因素,采用MonteCado法及SBR（Simuhaneous Backward Reduction）降阶技术模拟可能存在的场景以评估其影响水平。然后,基于日前电能市场交易模式及发电厂商面临的风险．分析了规划期内的经济效益,主要包括各时段的售电利润、更新费用及检修费用,并根据发电厂商的自身风险偏好,构建了基于期望一风险的检修效用函数,在其经济效益期望与风险之间取得平衡。基于此,以规划期内发电厂商的效用函数最大为目标,考虑相关约束后,利用遗传算法和线性规划方法确定各机组检修时段,并用简单算例进行了定量验证。与常规模型相比,本文充分考虑了不确定性因素及发电厂商的风险偏好对检修规划、经济效益及机组出力的影响,规避了相关风险损失。     

电动汽车集群充放电演化博弈协同策略

针对多电动汽车参与电网需求响应互动场景下电动汽车充放电协同调度需求,提出一种电动汽车聚合商动态定价并指导电动汽车规模化入网参与电力需求响应调度的两阶段博弈模型。首先,构建电动汽车聚合商动态定价下计及电动汽车聚合商成本和电动汽车充放电价格的非合作博弈模型。其次,提出基于logit协议的电动汽车充放电调度多策略集演化博弈模型。最后,联合求解两阶段博弈的演化均衡和纳什均衡,得到各主体的最优策略。算例仿真表明,所提模型能有效实现电网负荷的削峰填谷,同时兼顾电动汽车聚合商和电动汽车用户的经济利益。     

分时电价下的高耗能企业发用电响应

高耗能企业通常是所在地区的用电大户,具备一定量可调度负荷,许多高耗能企业还建设有自备电厂。针对分时电价下高耗能企业发用电响应问题,讨论了各时段之间的价格关系对高耗能企业发用电响应行为的影响,进而建立了高耗能企业自发电调度和负荷转移一体化调度模型。针对案例企业情况,讨论了不同价格信号下企业的发用电决策,并讨论了能够促使企业将用电向谷时转移并在峰时多发电的电价信号。研究表明,电网在制定基于价格的需求响应机制时如果充分考虑企业的自发电成本、负荷转移成本等信息,电网可以通过价格手段引导高耗能企业的发用电决策,从而实现电网和企业的双赢。     

电力市场下的发电机组状态检修

分析了目前制定检修计划中片面强调电力市场因素或机组状态因素都会严重影响检修效益,以及在电力市场下进行发电机组状态检修的可行性,然后提出了一种基于电力市场的发电机组状态检修数学模型,该模型引入了不检修的费用损失的概念,以检修或不检修的平均费用损失(费用损失/检修周期)最小为目标函数,根据最小值来确定在合约期间是否需要检修以及如果需要时的检修时间.仿真算例表明,该模型有效地协调了电力市场和机组状态的关系,给发电厂带来了最大的检修效益.     

GENCO's Risk-Based Maintenance Outage Scheduling

This paper presents a stochastic model for the optimal risk-based generation maintenance outage scheduling based on hourly price-based unit commitment in a generation company (GENCO). Such maintenance outage schedules will be submitted by GENCOs to the ISO for approval before implementation. The objective of a GENCO is to consider financial risks when scheduling its midterm maintenance outages. The GENCO also coordinates its proposed outage scheduling with short-term unit commitment for maximizing payoffs. The proposed model is a stochastic mixed integer linear program in which random hourly prices of energy, ancillary services, and fuel are modeled as scenarios in the Monte Carlo method. Financial risks associated with price uncertainty are considered by applying expected downside risks which are incorporated explicitly as constraints. This paper shows that GENCOs could decrease financial risks by adjusting expected payoffs. Illustrative examples show the calculation of GENCO's midterm generation maintenance schedule, risk level, hourly unit commitment, and hourly dispatch for bidding into energy and ancillary services markets.