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...     

基于Copula函数的风电时序联合出力典型场景生成

针对风、光出力进行典型场景生成是电力系统规划和运行中应对风、光出力不确定性的常用方法,然而现有的典型场景生成方法未考虑不同时刻出力分布函数的差异性。在此背景下,针对分布式可再生能源发电的不确定性和相关性,创新性地考虑了不同时刻出力分布函数的差异性,运用Copula函数建立了多风电场时序联合出力模型;对模型进行概率抽样、拼接生成大量初始场景集,采用K-means聚类算法进行场景缩减生成风电时序联合出力典型场景。算例分析表明,所得的风电时序联合出力典型场景符合出力的相关性,并可以体现出力分布函数在不同时刻的差异性,在反映同一地区多风电场实际出力方面具有更高的准确性,可以更加有效地指导电力系统的优化运行。     

采用马尔可夫链—多场景技术的交直流主动配电网优化调度

针对含有柔性直流装置的交直流混合主动配电网,构建基于场景分析的随机优化调度模型。计及时间轴线上各点误差相关性,利用基于马尔可夫链的多场景技术模拟风电、光伏与负荷随时间变化的间歇性和波动性;通过模糊C均值聚类思想进行场景削减得到典型场景。提出多时间尺度的协调优化调度策略:长时间尺度计及不确定性,以电网期望成本最小为目标,优化联络线出力和柔性直流装置出力;短时间尺度调整可控单元,使两级优化结果偏差最小。算例验证了采用马尔可夫链的多场景抽样能有效描述原始问题的不确定性,修正随时间推移逐渐增大的预测偏差,减轻短时间尺度调度压力;验证了所述调度策略能有效应对间歇式能源的不确定波动,提高分布式能源消纳能力。     

含风电和光伏的可再生能源场景削减方法

以风电和光伏为代表的可再生能源渗透率不断增加,其出力不确定性导致的大规模时序场景给电力系统的优化分析带来很高的计算复杂度。以场景削减技术精准刻画区域风电、光伏出力特性是解决以上问题的有效方法之一。提出一种基于聚类与优化算法相结合的可再生能源场景削减方法。首先对数据进行清洗、降噪等预处理,其次利用肘部法则与轮廓系数判断风电、光伏类别个数并进行聚类。然后,利用粒子群与遗传算法分别提取风电、光伏典型出力曲线,并对两种算法结果进行对比,从而生成典型场景。算例分析以欧洲输电系统运营商Amprion提供的2015年1月1日至2019年12月31日风电、光伏出力数据为研究对象,利用所提方法求得的出力曲线可以有效反映该区域风电、光伏出力典型场景,为后续电力系统规划、运行优化等问题提供数据支撑。     

基于场景分析的电力系统日前调度及其快速求解方法

在含风光电力系统规模逐渐增大的背景下,提出一种基于场景分析的电力系统日前调度快速求解方法。考虑到不同时刻风光出力均具有显著相关性,基于多元正态分布和蒙特卡罗采样生成大量具有时间相关性的原始场景。利用改进的k-means聚类算法对原始场景进行预分类,并采用基于Kantorovich概率距离的同步回代缩减算法对处理后的场景进行缩减,缩短场景分析的计算时间。建立基于场景分析的电力系统日前优化调度模型。为提高模型求解效率,引入包含风光预测误差向量信息的边界场景,在调度模型中考虑上下边界场景的备用容量约束,并建立考虑边界场景备用容量约束的优化调度模型。以某省级电网实测数据进行仿真分析,验证了所提模型及方法的有效性。     

面向可靠性评估的两阶段聚类风-光-荷典型场景生成方法

由于风光出力和负荷的不确定性,高比例可再生能源电力系统可靠性评估需要大量输入场景以保证评估精度.为降低计算复杂度,选取适用的典型场景至关重要.传统典型场景生成直接采用聚类算法对输入场景聚类,因此面对高维数据处理困难且无法保留负荷极端场景,生成可靠性评估典型场景的效果不理想.为选取适用于可靠性评估的风-光-荷典型场景,研...     

基于改进K-means聚类和SBR算法的风电场景缩减方法研究

场景法是适应风电高占比电力系统优化调度的重要方法。作为场景分析方法的研究热点,场景缩减的意义在于用少量代表性场景描述大量复杂性场景特征,达到降低计算复杂度的目的。针对风电出力提出一种基于改进的K-means聚类和同步回代消除算法(simultaneous backward reduction,SBR)相结合的场景缩减方法。首先基于改进的K-means聚类算法对原始场景进行快速分类,其次针对每一类簇中的场景集合采用基于Kantorovich距离的SBR算法进行缩减。该方法可以在保证计算精度的同时,提高规模较大场景集合缩减的计算效率。最后采用我国西北某省网风功率实际数据开展实证分析,通过布莱尔分数(Brier score,BS)指标和风功率波动的高斯混合模型验证了所提场景缩减方法的有效性和优越性。     

耦合集合预报信息的水库高效调度方法研究

预报不确定性是水库调度领域亟待解决的关键难题.集合预报能有效的刻画预报不确定性,但将其直接耦合在水库多目标优化调度模型中会极大地增加计算负担.为此,本文提出了一种耦合集合预报信息的水库高效调度方法.首先,采用同步回代缩减算法将集合预报样本缩减为几种典型场景及对应的发生概率;然后,基于典型预报场景构建水库多目标优化调度模...     

基于自适应预测箱的风电场景分析方法

针对风电出力的不确定性特点,提出一种场景分析方法,通过生成风电的时序场景集刻画其出力的不确定性信息。将场景分析方法分为场景生成部分和场景消减部分。在场景生成部分,构建自适应预测箱描述不同预测出力幅值下预测误差的概率分布,结合多元标准正态分布和逆变换技术得到满足自相关性的初始场景集;至于场景消减方面,改进传统K-means算法提高聚类算法的聚类水平和聚类稳定性。实例分析表明,该场景分析技术对风电概率信息的刻画具有较高的准确性,适用于涉及大规模风电并网的电力系统调度问题。     

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。     

含电力电子变压器的交直流配电网随机运行优化

间歇性可再生能源的接入,使得含电力电子变压器(power electronic transformer,PET)交直流系统的运行面临巨大挑战,因此提出基于场景分析法的优化调度模型。计及风电和光伏出力在空间上的相关性,采用多维高斯混合模型构建风电/光伏出力的联合概率分布,并基于同步回代削减法进行场景缩减,建立了含PET的交直流混合配电网随机运行优化模型,以得到满足典型场景的运行调度方案。然而随机运行优化模型属于海量高维非凸优化问题,难以求解,针对这一问题,提出基于二阶锥松弛技术和线性逼近法的逐次凸逼近规划模型,通过循环迭代实现对该问题的高效求解。仿真算例验证了所提模型方法的有效性和可行性。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

基于场景生成与IGDT的风光-碳捕集-P2G虚拟电厂经济调度

为了有效降低风光出力与负荷预测的不确定性对虚拟电厂调度运行的影响,提出了基于场景生成与信息间隙决策理论（IGDT）的经济调度优化模型。通过Copula函数与非参数核密度估计方法构建风光出力联合分布模型,并利用蒙特卡洛模拟与k-means聚类得到典型场景。利用区间约束对负荷预测的不确定性进行建模,构建不同风险偏好下的调度优化模型。以典型的虚拟电厂系统进行算例分析,验证了所建立模型可以为不确定性影响下的虚拟电厂经济调度问题提供解决方案。     

基于最优场景生成算法的主动配电网无功优化

针对间歇性分布式电源输出功率的不确定性和随机性,提出采用Wasserstein距离指标和K-means聚类场景削减技术生成最优场景,将随机优化问题转换为确定性优化问题。建立了风—光—荷多场景树模型,并以有功网损最小、电压偏差最小作为目标函数,考虑储能荷电状态约束影响,建立含间歇性分布式电源的主动配电网无功优化数学模型,并采用人工蜂群算法对模型进行求解。仿真分析得出基于Wasserstein距离指标和K-means聚类场景削减技术生成的最优场景能较精确地体现分布式电源有功出力的随机特性。最后,以IEEE-33节点配电系统为例进行仿真分析,验证了所提方法的有效性和可行性。     

基于MILP的用户光储系统储能配置场景适应成本分析

针对联网用户侧光储系统的储能容量优化配置问题,采用K-means 聚类算法和聚类数判断指标筛选典型光伏出力场景集合用于储能规划,分析在不同光伏出力场景下因储能容量缺额或容量冗余产生的场景适应成本;以总场景适应成本最小为目标建立储能容量配置和运行优化的混合整数线性规划模型,优化决策用户光储系统的储能容量配置及运行策略;分析低谷电价与富余光伏倒送价对储能容量配置和运行策略的影响。算例结果表明,模型可计及光伏出力不确定性,优化规划储能容量,并场景化细粒度衡量储能规划方案应对光伏出力变化的经济代价,为用户侧储能投资提供更高效的决策支持。     

基于IGDT和PSO-SA的综合能源系统鲁棒优化调度方法

综合能源系统是实现我国“双碳”目标的有效途径，随着大规模清洁能源的接入，传统电力系统的运行调度面临着严峻的考验。为了解决综合能源系统中风、光出力波动所导致的系统稳定性问题，提出基于信息间隙决策理论和模拟退火粒子群优化算法的综合能源系统鲁棒优化调度方法。首先，建立包含风电机组、光伏机组和多元储能装置等能量耦合设备的综合能源系统，并分析P2G和碳捕集等单元机组的运行机理；然后，在满足机组出力和功率平衡等约束条件下，将确定性场景下的最小化经济运行成本作为目标适应度，利用模拟退火粒子群优化算法进行优化求解，并将多目标优化适应度结果作为决策信息传递到下层作为约束修正范围；最后，在不确定性场景运行调度模式下，引入信息决策间隙理论对风、光出力的严重不确定性进行度量化，并在接受上层提供的合理决策基准信息修正下进行双层鲁棒优化调度。仿真结果表明，风、光机组出力的不确定性会增加综合能源系统的额外经济调度运行成本，但通过制订合理的机组优化调度策略，可以有效提高系统的经济效益。     

基于需求响应的虚拟电厂多时间尺度优化调度

随着我国不断加快新型电力系统建设,风电、光伏等越来越多的分布式资源大规模并网,但其随机性、波动性及分散性的特点给电力系统带来了多重不确定性。提出了一种考虑价格型需求响应的虚拟电厂多时间尺度优化调度方法,在日内调度模型中引入用户价格型需求响应,对用户负荷进行精准调控;采用基于蒙特卡罗与曼哈顿概率距离的场景生成与削减法处理风光出力、电价不确定性,减少日前日内出力偏差,再结合日前调度构成了多时间尺度优化调度模型,并采用滚动优化得到日内优化调度结果。以湖南某小型虚拟电厂系统进行算例仿真,结果表明,所提多时间尺度优化调度策略能够精确预测风光出力及用户负荷,在有效抑制功率波动的同时保证了系统的经济性。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

计及价格型需求响应及CSP电站参与的风电消纳日前调度EI北大核心CSCD

我国西北地区风、光资源丰富,风电装机容量增长迅速。受电网调节能力弱、电力市场价格机制单一等技术与政策因素的综合影响,弃风现象严重,如何提高风电消纳水平是西北风光大省普遍面对的难题。在考虑综合成本的前提下,兼顾风电预测和价格型需求响应二者的不确定性以及系统安全约束,构建了基于光热电站和价格型需求响应参与风电消纳的调度模型。该模型将光热电站和价格型需求响应二者与风电优化调度相结合,通过源荷两侧的协调调度共同提高系统消纳风电的能力。仿真算例首先利用场景削减法将风电场全年出力水平削减为3个典型场景,并与传统调度方法对比说明文中模型的普适性;然后,对不同调度模型进行对比分析,验证文中所提模型的有效性。