风电、蓄热式电锅炉联合供暖调度鲁棒优化模型

为缓解风电不确定对系统消纳风电的影响,提高风电利用效率,引入鲁棒随机优化理论,以风电、蓄热式电锅炉组成供热系统,建立了考虑风电不确定性的风电供暖调度优化模型。首先,分别构建了风电出力功率模型和蓄热式电锅炉负荷需求模型;然后,应用鲁棒随机优化理论刻画风电出力不确定性,并分别构建了风电出力确定性和随机性条件下风电、蓄热式电锅炉供暖调度优化模型。最后,以我国北方某城市风电供暖项目进行实例分析,结果表明：鲁棒随机优化理论能够有效刻画风电出力不确定性,为不同风险态度决策者提供了决策工具;风电、蓄热式电锅炉组成的供热系统能够实现供暖负荷灵活参与电力系统调度,有助于增加系统风电消纳能力,降低弃风电量,具有显著的经济和环境效益。     

基于储能协调蓄热式电锅炉消纳风电供暖系统的经济性评估

针对蓄热式电锅炉消纳风电过程中无法匹配快速波动的风电功率等问题,本文提出了基于储能协调蓄热式电锅炉消纳风电供暖系统的方案,并对该方案的经济性进行了评估。从"风电-电网-电锅炉-储能"联合运行系统的成本与收益出发,以蓄热供暖日收益最大为目标函数,在充分考虑分时电价、风电上网电价、弃风电量以及蓄热式电锅炉功率调节次数等约束条件的基础上,建立了"源-网-荷-储"联合运行系统风电消纳经济性评估模型,利用粒子群算法对模型求解。采用某电锅炉消纳风电示范工程实际运行数据进行测试,验证了该模型的有效性。测试结果表明,储能系统的加入可以有效减少电锅炉功率调节次数,可为储能协调蓄热式电锅炉蓄热供暖消纳风电提供理论依据。     

基于蓄热电锅炉的风电消纳效益研究

针对"三北"地区电网冬季供暖期面临着大量弃风问题,提出了蓄热电锅炉的风电消纳模式,介绍蓄热电锅炉的风电消纳原理,进行了环境、经济效益分析,结果表明,采用蓄热电锅炉进行风电消纳,既能解决弃风问题,又能解决煤炭供热污染物的排放问题,使用风电替代传统煤炭供热,每年可节煤5 799.22t,减少CO210 195.78t、SO25.70t、NOx41.95t和烟尘1.92t排放量,在补贴风电场利用时间的前提下,项目资本金净利润率可达24.62%,环境、经济效益显著。     

基于大规模储能融合蓄热式电锅炉的风电消纳多目标优化控制

我国"三北"地区存在源荷供需矛盾凸出、电网灵活性差的问题。风电场弃风现象严重问题的一个重要原因是热电机组在冬季以"以热定电"的方式运行,导致其调峰能力下降。利用蓄热式电锅炉供热,将电能转化为热能,能够提高风电就地消纳的能力。但采用电极加热的蓄热式电锅炉,其功率调节受电极机械部件限制,频繁调节将严重影响蓄热式电锅炉的使用寿命。将具有快速、灵活功率调节能力的电化学储能引入蓄热式电锅炉消纳风电的系统中,以风电消纳最大和蓄热式电锅炉电极调节次数最小为目标,提出了一种基于储能融合蓄热式电锅炉的风电消纳多目标优化控制方法。仿真结果表明:所提方法能够兼顾蓄热式电锅炉系统的弃风消纳与锅炉电极的调节次数,有效地解决了蓄热式电锅炉功率调节能力与风功率变化不匹配的问题。     

基于改进粒子群算法的火电机组经济优化调度

为了提高火电机组运行的经济性,以火电机组运行成本最小为目标函数,综合考虑火电机组运行过程中的 各项约束,利用收缩因子对粒子群算法进行改进,建立基于改进粒子群算法的火电机组经济优化调度模型,并采用 IEEE30节点系统进行算例分析,结果表明采用IPSO算法优化的火电机组最小运行成本为24.13万元,IPSO算法在 迭代次数和收敛精度上均优于PSO算法,验证了模型的正确性和实用性.     

基于改进粒子群算法的风电火电联合调度方法*

针对电力系统风电并网中出现的随机波动性与不确定性问题,建立风 火联合调度数学模型,并提出一种改进粒子群算法对该模型进行求解,以提高电力系统运行的经济性和可靠性。改进粒子群算法（Improved Particle Swarm Optimization, IPSO）从添加粒子速度自适应和添加位移更新自适应两方面对基本粒子算法（PSO）进行改进。仿真结果验证了IPSO具有更高的精度和更快的收敛速度。采用IPSO对10机组算例模型进行优化计算,计算结果验证了所建模型的正确性和所提改进算法的有效性。     

基于协调负荷调度模型的蓄热采暖解耦方法

中国“三北”地区冬季受煤电机组供热期、水电机组枯水期、风电机组大发期的相互叠加影响,出现巨额弃风和环境污染问题。将具有可控特性的蓄热电采暖作为调峰调度资源,在调峰困难时段降低CHP强迫出力并实现移峰填谷,增加风电冬季上网空间,形成源荷互动的负荷调度模式。首先研究CHP机组电-热耦合特性,然后构建风电-蓄热补偿的热电解耦方案,以系统运营成本最小和系统污染排放量最小为目标建立多目标负荷调度模型,最后采用修正多目标粒子群算法对模型进行求解,通过小生境技术保持Pareto解集的多样性。算例结果表明所构建的电锅炉蓄热式调度方案可以有效消纳风电,达到环境和经济指标的综合最优,具有较好的应用前景。     

蓄热式电锅炉在能源互联网中的应用综述

蓄热式电锅炉具有电热转换特性和热能存储特性,可作为能源互联网中的“网关”及“网络存储设备”。本文阐述了蓄热式电锅炉的工作原理及其在能源互联网中的接入位置,分析了蓄热式电锅炉应用于供热电能替代、风电就地消纳及火电机组灵活性改造的原理,梳理了不同应用场景下的现有相关政策,指出了蓄热式电锅炉推广应用存在的关键问题。最后给出了蓄热式电锅炉在能源互联网中广泛应用的发展建议。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

考虑调峰权交易提高风电二次消纳能力的热电联合经济调度EI北大核心CSCD

"三北"地区冬季供暖期,热电机组因"以热定电"约束导致系统调峰能力不足,是造成大量弃风的主要原因之一。调峰权交易可以激励热电机组参与调峰的积极性,为风电提供上网空间。因此,首先建立了风电与热电机组调峰权交易方式,制定蓄热式电锅炉启停控制策略和风电二次消纳方式;其次,推导风电和热电机组参与调峰的可行性系数,分析可行性系数值确定单位发电权价格;然后,建立了以调度周期内收益与成本之差最大的热电联合经济调度模型;最后,采用改进粒子群对所提模型进行求解。仿真结果表明文中构建的热电联合经济调度模型能够激励风电和热电机组参与调峰的积极性、减少弃风功率和提高系统整体经济效益。     

基于改进粒子群算法的电力系统经济负荷分配

提出了一种应用随机优化理论求解电力系统经济负荷分配的新方法,该方法以电力市场全天购电费用最小为目标函数,将高斯算子和交叉算子引入基本粒子群算法中。针对基本粒子群算法（PSO）的局限性,通过引入新的算子,克服了PSO算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点,在速度和精度上满足了计算要求。算例结果表明,所提出的方法能有效解决电力市场电力系统经济负荷分配问题。     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

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.     

考虑风电不确定性的风蓄火联合优化经济调度研究

风电的间歇性、波动性和反调峰特性导致大量风能成为弃风,致使风电的经济效益和环保效益均受到影响。针对风电和抽水蓄能以及火电出力的不同特性,文中采用内外两层模型嵌套求解,即优先建立内层风蓄联合运行收益最大和风电入网波动最小的双目标模型,以决定抽水蓄能机组的抽水功率或发电功率,再在外层建立计及不同置信水平风电预测误差的风蓄火联合收益最大的目标模型。以抽水蓄能和风电合作运行来应对风电的不确定性,同时采用机会约束规划来处理模型中的随机变量。采用粒子群优化-遗传算法混合优化算法求解模型,并通过IEEE 30节点系统验证了该模型在增加系统经济效益的同时可以降低风电出力波动性。     

协进化粒子群算法在含有风电的电力系统动态经济调度中的应用

为了解决电力系统中含有风电的动态经济调度问题,文章在考虑了实际运行中的机组爬坡率、运行约束和旋转备用约束等多种约束条件后,利用风速求出了风电24小时的功率曲线,将风电的投资和维护成本折算成风电的发电成本,提出了一个含有常规机组阀点效应的发电成本、风电发电成本和系统备用成本的目标函数和所有约束条件的罚函数,应用提出的协进化粒子群优化算法求解该问题,该算法通过两个种群的自主进化和交互信息,得到了全局最优解和最佳罚因子。最后通过实例的仿真结果验证了该算法具有良好的搜索性能和收敛特性,获得的解得质量明显好于其它算法。     

基于改进粒子群优化算法的风电场最大接入容量计算

位于电网末端的大型风电场的接入极大地影响电力系统的安全,风电场最大接入容量研究成为风电场规划和运行的重要课题。根据静态安全约束和暂态稳定约束条件,提出一种基于粒子群优化算法的风电场最大接入容量的确定方法。通过改进粒子群优化算法,其全局搜索能力可进一步提高,并可避免陷入局部最优。通过在IEEE New England 39节点系统上的仿真计算,验证所提方法的有效性,同时还分析了其他影响风电场接入容量的因素。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.