基于机会约束的主动配电网动态经济调度方法

分布式电源在主动配电网中大规模接入后,需要对主动配电网进行动态经济调度,以降低主动配电网整体运行成本。由于可再生能源出力具有随机性和不确定性,主动配电网的动态经济调度面临广泛随机性,这对调度策略的可靠性提出挑战。为此,提出一种基于机会约束的主动配电网动态经济调度模型,该模型考虑了分布式电源出力及负荷预测的不确定性。由于该模型无法被直接求解,文章利用凸松弛原理,将原机会约束模型转化为确定性混合二阶锥规划模型。基于IEEE-33节点系统的算例表明,该模型可有效求解出主动配电网的最优经济调度策略,且电压越限率和线路容量越限率被严格控制在给定的机会约束概率以内。此外,算例结果表明所提出基于机会约束的经济调度方法优于传统确定性经济调度和鲁棒经济调度模型。     

基于启发式线性规划的大规模安全约束调度快速求解方法

提升大规模安全约束经济调度优化模型的求解性能是开展大电网跨省区电力电量全局优化平衡的前提与基础。首先分析问题的物理特性,通过并行计算求解不考虑机组爬坡约束的分时段约束松弛模型。基于对松弛解的分析获得可用于指导安全约束经济调度模型改进的有用信息,以约束剔除和约束增加的方式提出了基于启发式线性规划的大规模安全约束经济调度快速求解方法。将所提算法运用于新英格兰10机扩展系统和中国实际电网,验证了所提算法的正确性和有效性。     

深度学习辅助约束辨识的电力市场快速出清方法

日前电力市场出清需要求解大规模安全约束经济调度问题,尽管实际采用线化处理方法,但需要考虑N－1场景下的大量安全约束,导致其规模庞大,难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法,以满足快速出清计算场合的应用需求。首先,设计基于深度神经网络的安全约束经济调度模型计算框架,将深度学习技术应用于日前电力市场出清计算过程,兼顾安全约束经济调度模型的求解速度和求解精度;其次,提出面向起作用约束辨识的深度学习策略,从特征向量、深度神经网络结果处理2个方面,实现安全约束经济调度起作用约束集的辨识,并将其纳入日前市场出清模型,以简化模型的复杂度;最后,在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束,有利于降低模型复杂度,提高日前市场出清的计算效率。     

深度学习辅助约束辨识的电力市场快速出清方法

日前电力市场出清需要求解大规模安全约束经济调度问题,尽管实际采用线化处理方法,但需要考虑N－1场景下的大量安全约束,导致其规模庞大,难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法,以满足快速出清计算场合的应用需求。首先,设计基于深度神经网络的安全约束经济调度模型计算框架,将深度学习技术应用于日前电力市场出清计算过程,兼顾安全约束经济调度模型的求解速度和求解精度;其次,提出面向起作用约束辨识的深度学习策略,从特征向量、深度神经网络结果处理2个方面,实现安全约束经济调度起作用约束集的辨识,并将其纳入日前市场出清模型,以简化模型的复杂度;最后,在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束,有利于降低模型复杂度,提高日前市场出清的计算效率。     

基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法

针对现有配电网鲁棒调度方法缺乏对不确定参数相关性问题的考虑,提出了一种基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法。首先,构建分布式光伏出力的传统多面体集合,利用历史数据驱动形成了相关性包络图,通过弯曲多面体集合边界,建立了相关性多面体集合模型。然后,在此基础上,针对相关性多面体集合存在鲁棒性差和保守性大的问题,建立了数据驱动的多面体集合模型。进一步,建立了基于数据驱动多面体集合的交直流混合配电网鲁棒调度模型,并采用列与约束生成(column and constraint generation, CCG)算法对鲁棒调度模型进行求解。最后,改进的IEEE33节点系统仿真结果表明,基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法可以减少优化结果的保守性,提高其鲁棒性,证明了所提出方法的有效性。     

考虑网络约束和区间不确定性的综合能源微电网鲁棒优化调度方法

针对微电网调度目标函数鲁棒性较低、转换功率效率较差的问题，为了保证综合能源的最大化以及高质量利用，本文提出考虑网络约束和区间不确定性的综合能源微电网鲁棒优化调度方法。在电转气模型、燃气轮机模型的基础上，提出电气互联平衡模型，分析综合能源之间的转换关系，构建■效率目标函数；结合网络相关约束以及置信间隙决策函数对目标函数进行鲁棒优化，处理调度过程中的不确定性参数；利用改进布谷鸟算法进行求解，获取鲁棒优化调度结果。测试结果表明：显著性水平取值为0.05时，可实现综合能源微电网的调度，保证各能源的损耗最小，且能够最大程度地利用综合能源之间的协同作用，使电转气装置的处理结果最大程度地接近最大转换功率500MW,实现了鲁棒优化调度。     

基于机会约束高斯混合模型的含光热电站热电联供型微网鲁棒经济调度

为了提升不确定性环境中含光热电站热电联供型微网(CSP-CHPMG)优化调度的鲁棒性,基于机会约束高斯混合模型构造风电功率预测误差和负荷预测误差的不确定性集合,以实现对调度方案鲁棒性的准确描述;将鲁棒性作为协同优化目标,并计及电能需求响应构建CSP-CHPMG鲁棒经济多目标优化调度模型,以保障调度方案的鲁棒性和经济性,实现最佳均衡协调.算例结果验证了所提方法的优越性.     

基于多空间约束的含风电电力系统调度鲁棒模型研究

风电功率具有明显的随机性、不确定性的特点,这给电力系统稳定安全运行带来了极大的风险。鲁棒决策方法作为一种新的处理不确定性的方法,近年来在含风电电力系统调度中得到了有效应用。为了鲁棒决策方法保持灵活多样,本文提出了多空间约束的含风电电力系统的鲁棒调度模型。结合算例结果表明该模型能够很好的平抑系统负荷曲线波动,有效减小电网的发电成本,同时从总发电成本的基础上也证明了该模型优于确定性模型,为电网经济调度提供合理地参考。     

基于机会约束的微电网混合整数规划优化调度

为解决微电网短期及超短期优化调度问题,考虑微电网运行过程中不确定因素的影响.以最小化微电网运行成本为目标,综合考虑功率平衡、机会约束等约束条件,提出了一种基于机会约束的微电网混合整数规划优化调度模型.针对模型中机会约束确定性转化问题,采用基于采样的机会约束条件确定性转化方法,将机会约束变为混合整数线性约束.同时,为了提...     

计及N-k网络安全约束的二阶段鲁棒机组组合

为提高调度决策的安全性以增强其应对偶发线路故障扰动的能力,文中提出一种计及N-k网络安全约束的二阶段鲁棒机组组合模型。首先,介绍了2种当前研究中采用的N-k不确定集合,并对集合特点进行了阐述;其次,基于2种N-k不确定集合,构建了一般形式的二阶段鲁棒机组组合模型。其中,第一阶段为线路故障前的机组启停决策;第二阶段为观测到线路故障最坏情况下的经济调度决策。所提模型可采用列与约束生成(CCG)算法将第一阶段、第二阶段问题分别对应转化为主问题与子问题进行迭代求解,并且运用对偶原理和线性化技术,可将主问题与子问题均转化为混合整数线性规划(MILP)模型。最后,通过对IEEE 14节点及IEEE 118节点系统的测试分析,验证了所提模型的有效性。     

应用近似动态规划算法求解安全约束随机动态经济调度问题

针对大电网安全约束随机动态经济调度(DED)问题的求解时间太长,提出了应用近似动态规划算法快速求解不含抽水蓄能电站电网的安全约束随机DED问题的方法。建立了随机DED问题的虚拟存储器模型,以系统的正旋转备用容量作为存储变量,构建系统相邻时段的状态转移方程,并考虑了各输电线路和断面的安全约束。以风电场日前功率预测曲线为基础,通过拉丁超立方抽样产生风电场出力的误差场景,并逐一场景递推求解每个时段的二次规划模型以对各个时段的值函数进行训练,形成收敛的值函数,再代入预测场景求解以获得最终的优化调度方案。该方法实现了对随机DED模型各个场景和各个时段的解耦求解,将一个大规模优化问题分解为一系列的小规模优化问题,有效提高了对大电网随机DED模型的求解速度。以某一实际省级电网为算例,通过与场景法和鲁棒优化调度方法的比较验证了所提出模型和求解方法的正确有效性。     

计及线路保护反时限特性的备用优化模型

针对故障状态下传统备用配置比例较高而导致经济性差的特点,计及线路保护的反时限特性,建立了故障状态下电力系统备用协调经济调度模型。该模型以最小化发电成本和备用成本为目标函数,常规机组性能、网络安全等为约束条件,并结合线路保护的反时限特性将线路潮流约束按备用响应时间松弛转化为对应时间尺度可承受的热稳定极限值,从而综合求解不同响应速度备用的协调优化经济调度问题,提高备用配置的经济性。该模型是一个混合整数线性规划问题,需要将模型中的非线性式进行线性化或近线性化,并调用商用混合整数线性规划CPLEX求解器进行求解。最后,通过IEEE 6机30节点进行算例仿真,验证了该模型的合理性和方法的有效性。     

考虑机组爬坡速度和网络安全约束的经济调度解耦算法

在电力系统经济调度中，由于机组爬坡速度、电网静态安全等约束的引入，在整个考虑周期内，机组的调度决策不仅具有空间上的关联，还具有时间上的关联，从而其调度模型不易求解。然而，在实际进行机组调度决策时，空间上和时间上的前后关联度并不是很强。也就是说，未来对机组现时刻的运行状态产生影响的时间段是有限的。基于这一思想，在整个运行周期内，研究未来多长时间对机组现时刻的最优状态不构成影响，即基于前瞻技术，在确保整体最优的前提下，提出按一定的序列单时段解耦求解模型，借助内点法进行求解。以IEEE可靠性分析的试验系统为例对本文算法在各种情况下进行分析比较，表明本文算法在计算代价上有一定优势，并且可以灵活应用到多种场合。     

基于禁忌搜索算法的微电网源/荷安全经济调度

合理求解微电源/荷协调调度方案是微电网安全经济运行的理论依据。在分析各分布式电源发电成本和可控负荷特性的基础上,建立两种时域运营成本最低的目标函数。以微电网有功功率平衡、分布式电源出力上下限和爬坡速率以及可控负荷的用电特性为约束,建立微电网源/荷协调安全经济调度数学模型。以优先利用可再生能源和调度成本最低为原则制定优化调度策略。利用禁忌搜索算法求解微电网源/荷调度模型得到微电网源/荷调度方案,并与应用单纯形法的全局最优解结果进行比较。算例分析表明禁忌搜索算法解得的调度方案接近于全局最优解,以日时域24 h为调度周期的调度方案与以单位时域1 h为调度周期的调度方案结果相近。     

基于变量降维的大电网经济调度优化方法

随着电网规模扩大,经济调度问题因变量增多,维度巨大,造成求解困难。文中利用Benders分解法,将大电网安全约束经济调度问题分解为无安全约束的优化主问题和网络潮流安全约束子问题,将子问题安全约束返回主问题进行模型重构,通过主子问题协调最终实现问题求解。优化问题求解过程中,根据当前运行信息,对机组调整价值进行甄别,将其中对安全和经济贡献小的机组进行集中处理,同时根据重要断面潮流负荷变化的物理特征对研究时段进行检验,将非重点关注的相邻时段进行简化合并,实现压缩机组变量和时段数量、降低求解维度的目的。最后,算例验证表明基于变量降维的优化方法可以减少大电网优化时间,同时保持较高的求解精度,满足工程化计算要求。     

计及网络安全约束和多能协同交互的多园区综合能源系统分散协调调度

多园区接入区域配电网与配气网构成多园区综合能源系统(MCIES),可有效提高其经济效益。针对配电网、配气网和不同园区等多利益主体,提出一种计及网络安全约束和多能协同交互的MCIES分散协调调度双层模型。区域调度层为多主体调度层,配电网和配气网在满足网络安全约束的前提下向园区运营商供能,三者分别以各自利益最大化为目标,协调配网-园区联络线功率;局域调度层为园区利益分配层,各园区互联以实现彼此间电能和天然气支撑,并基于区域层决策得到的配网-园区交互能量,分别以各自经济最优为目标参与利益分配,优化内部设备出力计划,协调园区间多能交互功率。采用双层目标级联分析法解耦协调变量,分别将各层优化调度主问题构建为上下两级优化调度子问题,进而对调度子问题独立建模、协调求解。天津某地MCIES算例分析表明,所提方法兼顾了网络运行安全性和不同主体利益诉求,并通过发挥园区间多能协同交互优势,实现了MCIES的安全经济优化运行。     

考虑直流系统双极闭锁故障的受端电网运行成本优化

现有的电力系统运行优化大多没有考虑故障短期运行安全约束,导致其优化结果没有为故障短期内快速控制保留充分有功备用,尤其在含特高压直流输入的电力系统发生直流闭锁故障后将会出现大量有功缺额,从而导致故障后系统大面积切负荷,给电力系统带来了严重经济损失。提出了一种考虑故障短期运行安全约束的含特高压接入受端系统发输电运行优化模型。首先,在含特高压接入受端系统中设置含直流双极闭锁在内的多个N-1故障。其次,在传统N-1安全约束下最优潮流规划模型中加入故障短期安全约束。最后,以发输电成本最小和切负荷成本最小为目标函数,提出了含特高压接入的受端电网运行成本优化模型。该模型在修改后的IEEE39节点系统中得到验证。     

考虑直流输电的电力系统无功备用优化

目前无功备用研究较少涉及包含直流输电线路的电力系统。提出一种针对交直流混联系统的电力系统无功备用优化模型。基于交直流混联潮流方程,该模型首先利用发电机端电压及无功功率控制灵敏度定义直流输电系统的有效无功备用。以此为目标,在考虑各种系统约束的情况下建立考虑交直流混联的电力系统无功备用优化模型。针对无功备用优化模型耦合两个运行状态而难以准确求解的缺陷,提出一种解耦方法进行求解。对改进IEEE 39节点系统的算例分析结果表明,所提无功备用定义可有效衡量系统的无功电压水平,而所提模型可以有效提高含直流输电线路电力系统的无功备用和电压稳定裕度,保障电力系统的安全稳定性。     

考虑运行状态信息的综合能源系统图强化学习优化调度

“双碳”背景下,异质能源的耦合加剧迫使综合能源系统(integrated energy system, IES)拓扑朝着更复杂、更灵活的方向不断演变。然而,现有优化调度方法对非欧网络拓扑知识及其异质潮流约束考虑不足。针对这一问题,提出一种基于图强化学习的综合能源系统优化调度方法。首先,基于图理论在保证节点多样状态的情况下,将异质能源网络拓扑转换为网络图模型。其次,通过建立基于真实图映射的状态-动作-奖励的框架,利用图强化学习的方法学习图模型的非欧拓扑信息,将异质潮流知识加入系统节点运行状态,从而实现IES的安全优化调度。最后,利用某工业园区的真实数据进行仿真验证,所提方法相对于传统方法有效缓解了节点电压越限的问题。结果表明,所提方法能够在考虑IES真实拓扑运行状态信息和异质潮流安全的情况下实现IES的优化调度。