基于离散纵横交叉算法的含风电电力系统机组组合优化

风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,提出一种基于离散纵横交叉算法的含风电电力系统机组组合优化方法。根据风电功率的日前预测值及其误差分布,采用拉丁超立方抽样技术和Cholesky分解生成大量的风电场景,利用同步回代削减法将生成的风电场景削减为少量最有可能发生的场景。以最有可能发生的场景下火电机组的期望运行成本最低为优化目标,建立机组组合优化模型。针对机组组合难以求解的问题,提出了离散纵横交叉算法的优化方法。通过实验仿真验证了所提方法的有效性。     

基于优化Kriging代理模型的场景分析法求解机组组合问题

由于风电具有很强的波动性和不确定性,为机组组合(Unit Commitment, UC)问题带来许多问题和挑战。因此,提出了一种基于优化Kriging代理模型的场景分析法来处理风电的不确定性。首先通过“预测箱”方法生成大量场景,然后由序列优化的Kriging代理模型估计各场景所对应的经济成本。同时,根据风电不确定性及运行成本对系统的影响,采用重要性采样法削减场景。通过考虑功率平衡和风电爬坡约束的随机机组组合(Stochastic Unit Commitment, SUC)模型验证了该方法的有效性。算例分析结果表明,序列优化Kriging代理模型可以使用较少的场景预测场景运行成本。与Kantorovich 距离法相比,该方法的削减结果选择了较为重要的场景,其求解结果具有更好的经济性和可靠性。     

考虑风电出力波动性的发电调度

提出了一种基于混合整数线性规划(MILP)的随机优化方法,来求解考虑风电出力不确定性、以总运行成本最小化为目标的机组组合优化问题.为计及风电的波动性,采用时间序列分析自回归滑动平均(ARMA)模型和拉丁立方采样(LHS),将随机优化模型转化为确定性模型,通过场景削减技术来解决场景数量很多时的计算量庞大问题.采用10机组和100机组系统对所提出的方法进行了模拟测试.仿真结果表明:计及风电出力不确定性后,系统总的运行成本趋于增加;非风电机组的爬坡速度和风电预测精度对所提出的算法的计算效率有明显的影响;将风电作为旋转备用资源可以明显降低系统总的运行成本.     

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。     

考虑风储一体的多场景两阶段调度决策模型

考虑风电的波动性和随机性,将风电功率的不确定性引入含风电调度模型中,建立基于场景集的日前机组组合和日内经济调度滚动修正两阶段决策模型。应用场景集描述风电功率的不确定性,建立基于场景集的机组组合模型,同时考虑合理弃风和切负荷有利于系统的稳定经济运行,在日内修正模型中引入弃风量以及切负荷量作为松弛变量,提高了模型的收敛性。两阶段模型均包含了储能系统来平抑风电功率的波动。算例结果表明:该模型有效抑制了风电的不确定性影响,提高了调度决策的鲁棒性。     

基于场景树和机会约束规划的含风电场电力系统机组组合

为了解决风电的随机波动性给含大规模风电场电力系统机组组合问题求解带来的影响,采用马尔科夫链原理描述风速变化的规律,并将它与场景树技术相结合,对风电的不确定性进行数学建模。同时基于机会约束规划建立了含风电场机组组合问题的随机数学模型,包含外层机组启停状态优化和内层机组间负荷经济分配两层优化子问题。在求解模型时,将离散粒子群算法(DPSO)与等微增率准则相结合,对两层优化问题进行交替迭代求解;同时提出开停机调整策略改善解的特性。对一个含风电场的10常规机组系统进行算例分析,验证了所提出数学模型和求解方法的合理性和有效性。     

计及风电与电动汽车随机性的两阶段机组组合研究

风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战。在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型。首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network, GAN)来生成风电场景。其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类。可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中。最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性。     

计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度

规模风电并网背景下,电力系统加大火电机组的调峰深度,充分挖掘现有下调备用空间,将是应对风电出力不确定性的有效方式之一。文中考虑火电机组工作在深度调峰(DPR)方式下的附加煤耗损失和机组寿命损耗,提出了计及火电机组DPR成本的规模风电并网鲁棒优化调度模型。考虑风电出力不确定性,建立了包括基于风电出力预测场景的调度主问题和基于极端场景的调控子问题的两阶段鲁棒优化模型,并引入不确定度参数控制调度计划的保守性,最终优化出经济性最优的鲁棒日前调度方案。基于算例分析证明所述模型的合理性与有效性。     

考虑机组禁止运行区间的含风电鲁棒机组组合

发电机组存在禁止运行区间,使得其无法运行在某些出力区间。如果在含风电的日前调度中不考虑这一因素,可能会得到脱离实际的机组启停方案。该文考虑风电出力的随机性,建立计及机组禁止运行区间的含风电两阶段鲁棒机组组合模型。由于所提模型为大规模的非凸、非线性随机优化问题,难以直接求解。先引入整数变量,将原非线性非凸优化模型转换为混合整数线性优化(mixed integer linear optimization,MILP)模型;由于该模型第二阶段问题中含有0-1整数变量,不能直接利用Karush-Kuhn-Tucker(KKT)条件转对偶求解。采用双层列生成(column-and-constraint generation,CCG)循环算法以求解该问题:外层循环为传统的CCG算法,内层循环为嵌套式CCG算法,以寻找最严重场景。采用加速策略以加快内层循环求解。采用6节点系统与IEEE RTS-79系统验证所提模型与算法的有效性。     

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。     

考虑风电不确定性的多区电力系统分散式随机调度方法

在考虑风电出力不确定性的基础上研究了多区域电网分散式优化问题。首先,对区域边界共享节点进行复制以实现互联电网的解耦,然后,基于场景法对风电随机性进行建模,构建区域电网两阶段随机优化模型,最后,采用同步型交替方向乘子法(Synchronous Alternating Direction Method of Multipliers,SADMM)交替求解全网分散优化问题和区域两阶段随机优化问题。采用修改的新英格兰39节点系统构建3区域互联电网进行仿真测试,验证了所提模型能够有效应对风电的随机不确定性,并实现各区域电网调度的分散自治。     

基于坏场景集的含风电机组组合模型

针对风电出力的不确定性和波动性,引入坏场景集和鲁棒优化方法来解决含风电的机组组合优化问题。在分析场景集和鲁棒优化在电力系统不确定性调度中的应用基础上,构建评价坏场景恶化程度的保守度指标,在优化目标中加入方差来抑制个别坏场景导致整体优化结果的恶化,并结合储能系统对平抑风电波动的固有特点,建立了基于坏场景集的鲁棒机组组合模型及其算法。最后,通过算例进行了成本、储能装置容量和鲁棒度量分析,验证了该模型的有效性和实用性。     

计及需求响应及抽水蓄能的含风电系统鲁棒机组组合

针对大规模风电接入电力系统带来的消纳问题,提出一种考虑需求响应及抽水蓄能的鲁棒机组组合优化方法。计及需求响应、抽水蓄能机组的运行约束及鲁棒可行性约束,采用考虑不确定预算的风电功率不确定集合,基于仿射补偿策略,构建鲁棒机组组合模型。同时根据对偶原理将鲁棒优化模型转化为确定性的数学规划问题,并在改进的IEEE39节点系统进行算例仿真,验证了所提方法的正确性和有效性。     

基于多场景技术的冷热电虚拟电厂两阶段优化调度

针对风、光出力及负荷需求的不确定性造成虚拟电厂收益低的问题,建立了基于多场景技术的冷热电虚拟电厂优化调度模型.对风光出力及电、热、冷负荷的不确定性进行分析,通过拉丁超立方抽样生成连续时间场景,模拟风光出力及多能负荷随时间的波动情况;采用同步回代消除法对所生成的场景进行削减,得到风、光、荷典型日场景.在此基础上构建多场景...     

计及运行风险和备用可用性的含风电系统两阶段优化调度

针对风电和负荷的不确定性对系统日前调度的影响,提出一种计及运行风险和备用可用性的日前两阶段优化调度方法。首先,考虑风电和负荷的不确定性及容许误差区间,利用条件风险价值(Conditional Value-at Risk, CVaR)度量系统调度运行风险。然后,建立日前两阶段优化调度模型。其中第一阶段优化模型以包含风险成本的系统运行成本最小为目标函数,优化制定有功调度及备用计划,保证系统运行经济性。基于第一阶段优化结果生成极限潮流场景集,第二阶段优化模型校验极限场景下的备用可用性并将结果反馈至第一阶段模型,确保系统运行鲁棒性,并提出迭代求解算法。最后,以IEEE39 节点系统和实际区域电网为算例验证了该方法的可行性和有效性。     

计及风电并网的机组组合方法研究

风电具有间歇性和波动性的特点,其并入电网时会对传统以火电机组为主的机组组合造成明显的影响,针对此问题,提出了计及风电并网的机组组合方法。该方法首先对风电功率预测结果误差进行统计,在此基础上,建立了风电功率预测误差的分布概率模型。然后,该模型与传统火电机组累积停运容量概率表结合,形成了考虑风电功率的机组累积停运容量概率表。接着,将该表以解析表达的方式引入机组组合的拉格朗日松弛法中,形成风电接入后的机组组合模型,并采用传统拉格朗日松弛法进行求解。最后以某实际电网为例,验证了所提算法的优越性。     

考虑随机性及光热电站参与的多源发电系统两阶段随机优化调度

针对多种新能源发电的联合优化调度问题,以风力发电、光伏发电、光热发电、火力发电构成多源发电系统(Muti-Source Power System, MSPS),提出了一种基于鲁棒随机优化理论的MSPS两阶段随机优化调度方法。首先,介绍了MSPS基本结构,并建立了MSPS出力模型。然后,提出了基于区间法及概率距离的场景生成及削减框架以处理风光出力的随机性,在此基础上建立了MSPS两阶段优化调度模型。同时,采用鲁棒随机优化理论将含有随机变量的约束条件转化为可以反映系统管理者承担系统风险态度的约束条件,建立了含双鲁棒系数的MSPS随机优化调度模型。通过仿真验证该模型可以降低系统的缺电风险,并能够为风险态度不同的系统管理者提供优化调度决策依据。     

考虑风电接入的电力系统鲁棒经济优化调度

鉴于风力发电具有很强的随机性和波动性,含风电调度系统中,应用传统预测区间来描述其不确定性的方法存在缺陷。针对该问题,通过引入弃风限制对风电场的风电出力预测区间进行优化,得到能够保证调度系统安全运行的风电安全出力区间;在此基础上,建立双层鲁棒区间优化调度模型,使得常规机组的运行成本和风电场的弃风成本最小,并分析了系统爬坡备用对风电安全出力区间的影响。由于考虑了常规机组的阀点效应,模型呈现非线性特点,采用改进的教与学优化算法和线性规划法相结合的求解方法对模型进行求解。最后,采用改进的10机系统验证了所提模型以及求解方法的有效性和优越性。     

数据驱动下风电–抽蓄联合参与日前–实时市场随机鲁棒竞价策略

风电出力不确定性和波动性导致其市场竞争力较弱,且电价的预测偏差可能进一步加大其市场风险。为减少不确定性因素对风电-抽蓄联合系统收益的不良影响,由对抗变分贝叶斯神经网络生成以风电为代表的可再生能源出力场景,基于数据驱动方法对实时电价进行模糊不确定性建模。通过随机鲁棒优化建立风电-抽蓄联合参与日前和实时电力市场的三阶段模型,相较于常规的两阶段随机优化,增加了第三阶段鲁棒改进过程,保证了竞价方案能够既有经济性又能够有效应对极端场景、既有鲁棒性又不过分保守。结果表明,所提方法比传统不确定性分析方法具有明显优势,能够在避免人为假设的前提下,高效且真实反映可再生能源出力场景以及表征电价不确定性,可有效减少风电实时出力波动和电价预测偏差带来的较高不平衡惩罚。