大规模风电并网下多区域互联系统热电综合调度模型

风电出力的随机性与波动性,进一步加剧了以燃煤发电机组为主的中国北方电网的运行调峰问题。我国北方地区同时存在着大规模的风电机组和高比例的热电联产机组,因而面对巨大的采暖需求和风电消纳问题,传统的调度运行方法难以应对。对此,提出大规模风电并网下多区域互联系统的热电综合调度模型。模型以最小化多区域互联系统期望总能耗为目标,考虑了风电的随机性,利用A R M A(auto-regressive and moving average)模型和Monte Carlo方法模拟生成大量风电场景,并基于场景削减技术得到具有较好代表性的有限场景集合。同时,模型打破"以热定电"的传统热电机组调度方法,并根据热能无法远距离传输,进行热电分区,将热能就地平衡,并考虑多区域互联的联络线约束,利用混合整数规划得到各场景下各类型机组及热电设备的日运行情况,由此分析热电综合调度模型对风电消纳做出的贡献。算例分析验证了所提模型与算法的有效性和实用性,可为我国多能互补产业的发展提供借鉴。     

基于改进k-means聚类的风电功率典型场景在日前调度中的应用

针对含风电电源的电网日前调度优化问题,应用聚类分析获得风电功率典型场景进行风电功率预测,并将预测结果用于日前调度优化具有重要意义。提出一种基于改进k-means聚类算法的风电功率典型场景生成方法,对周期内的风电数据通过场景生成和缩减,得到少数几个能反映周期内历史数据特征的风电功率典型场景集;然后以系统运行成本最小为目标,建立适应风电接入的日前机组组合模型,模拟风电接入后电力系统实际运行情况。最后通过算例比较风电功率点预测、区间预测和典型场景预测在电力系统日前调度中的经济运行优化结果,验证了所提方法的有效性和实用价值。     

数据驱动下基于风电场景的多时间尺度调峰调度研究

风电具有明显的波动性和反调峰特性。为减少风电大规模并网对电力系统调峰带来的影响,提出了一种基于风电调峰场景的多时间尺度调度策略,提高了极端风电场景下电网调度的执行效率。首先,构建了风电-负荷数据驱动模型。提出了风电调峰功率的多时间尺度评估指标,根据该指标对一年的风电功率进行时域分解并生成典型的风电调峰场景。其次,为保证在调峰场景下电网的功率平衡,针对历史场景构建了风火储协同调峰模型,并制定典型场景的经济最优调度预案。在此基础上提出多时间尺度调度策略,通过对调度预案进行滚动修正以应对风电的不确定性。最后,通过算例分析验证了所提方法在保证电网经济稳定运行的前提下可有效地提高调峰调度的计算速度并及时实施调峰调度。     

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。     

考虑环保成本和风电接入影响的动态经济调度模型

风电具有动态随机性,传统的经济调度模型已不再适用。考虑机组的环境效益,引用了环境惩罚成本;基于风电的随机性及其给系统安全造成的影响,引入利润备用容量惩罚成本,应用随机规划理论构建了含风电机组的动态经济调度模型。在求解模型时,采用蒙特卡罗模拟和遗传算法的混合智能算法,以蒙特卡罗模拟的随机变量模拟结果作为遗传算法的输入参数。以IEEE30系统为例,对传统的经济调度模型和建立的调度模型进行了比较分析,验证了该模型的合理性与有效性。     

基于随机预测控制理论和功率波动相关性的风电集群优化调度

为解决大规模风电并网的日内调度和实时控制问题,提出一种基于功率波动时间相关性和随机模型预测控制理论(fluctuation temporal correlation stochastic model predictive control,FTC-SMPC)的风电集群优化调度方法。基于单风场预测模型及误差模型,建立了表征风电集群功率动态波动时间相关性的预测误差的多元高斯概率密度函数(multivariate Gaussian probability density function,MGPDF)。通过逆变换抽样技术和场景缩减技术,从MGPDF随机生成的大量符合风电集群功率波动时间相关性的场景中选取风电功率预测典型场景。以典型场景集合为基础,建立调度周期内各场景弃风电量期望最小的日内调度模型。以风电集群日内调度曲线为参考,建立各风场功率缺额期望最小的风场实时控制策略。算例分析表明,相比于传统SMPC调度模型,文中所提调度模型能更准确地反映风电的波动特性并使调度曲线更加平滑,进而提高了对大规模风电的消纳能力。     

规模化电动汽车和风电协同调度的机组组合问题研究

基于电动汽车通过集中控制器与电网交互的模式,考虑集中控制器所辖区域电动汽车负荷每个调度时段的可控特性,提出将集中控制器充电负荷作为机组组合模型的控制变量。通过蒙特卡洛抽样模拟电动汽车并网场景,计算集中控制器的可调度上限值和下限值,建立了规模化电动汽车与风电协同调度的机组组合模型。算例分析结果表明了应用提出的机组组合模型提高风电消纳能力和降低系统运行成本的有效性。     

风电接入时考虑储能和分时电价的电力系统经济调度

为了研究风电预测误差的不确定性对电力系统经济调度的影响,首先,用改进的高斯混合模型表征风电预测误差,根据此模型采用拉丁超立方采样生成场景,并利用改进的K-means聚类对场景进行缩减,得到风电初始运行场景及其初始概率,由于初始概率具有一定的随机性,利用综合范数得到其不确定集合。然后,为了促进风电的消纳,在调度过程中同时考虑储能和分时电价的影响,最后构建了min-max-min两阶段经济调度模型,第一阶段以机组的启停成本为目标,第二阶段根据不确定集合寻找最恶劣概率分布下的最优运行成本,并利用列约束生成算法对模型求解。最后采用IEEE 39节点系统证明了模型和算法的有效性。     

考虑风光互补特征的多微网系统自治经济调度模型

随着多微网新能源渗透率不断提高,风电、光伏等新能源的随机性及不同运营主体间的利益博弈给传统经济调度模式带来挑战。为提高多微网系统安全性及经济性,提出了一种考虑风光互补特征的多微网系统自治经济调度方法。以多微网系统经济运行成本最优为目标,同时考虑多场景下的机组调节费用,基于Copula理论形成风电、光伏典型场景生成方法,运用目标级联分析法建立双层优化模型,实现微网、配电网自主独立优化。以IEEE 33节点系统为例,比较考虑风光相关性与仅考虑随机性情景的多微网系统经济性,并与集中式调度方法进行对比,验证了考虑风光互补特征的调度方法可提高系统经济性,并在极端场景时提高系统鲁棒性。     

含风电场最优潮流的Wait-and-See模型与最优渐近场景分析

精确模拟风功率分布的场景,有效求解反映风电随机性的最优潮流模型,对大规模风电并网的经济调度、质量控制及安全运行均具有重要意义。引入风电随机变量,建立最优潮流的"wait-and-see"(WS-OPF)模型;采用优于其他指标的瓦瑟斯坦(Wasserstein)距离为衡量指标,形成与风功率概率分布最优近似的场景模型,生成渐近最优场景,获得潮流分布及机组最优出力等指导调度安全经济运行的重要信息。最后,以IEEE 30和IEEE 300系统为例,对比各种距离指标的模拟精度,验证Wasserstein距离的优良性;同时,与不考虑风电随机性的模型相比,WS-OPF模型能更好地模拟风功率随机特性,提供与实际发生的风功率相近的调度方案,从而合理地规避风电接入电网的风险,提高风电的消纳能力。     

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。     

基于WGAN风光资源场景模拟和时序生产模拟的新能源电源容量配置

针对多能源电力系统中新能源电源容量配置问题,考虑到风光资源的不确定性,提出一种基于Wasserstein生成对抗网络(WGAN)的风光资源场景模拟和改进时序生产模拟的新能源电源容量配置模型。采用WGAN模拟大量风光资源场景,用K-medoids聚类削减得到若干典型场景,并提出综合评价指标对典型场景进行评估分析;综合考虑多能源电力系统的运行特性,基于改进时序生产模拟的线性规划模型,构建以经济性最优为目标的新能源规划模型。某地区实际电网算例仿真结果验证了所提模型的有效性以及对提高新能源消纳的显著效果,给出了新能源电源容量配置方案。     

含风电电力系统经济调度Wait-and-See模型的对比分析

为了更好地选择计及风电随机特性的电力系统调度计划模型,引入了3种基于风电场景的经济调度wait-and-see模型进行对比分析。从目标函数入手,对比分析“尽可能接近风电均值”和“调度计划调整量最小”这2种目标函数的差异。基于功率平衡方程,推导了3种模型制定的调度计划在应对实际可能发生的风电场景时的调节能力以及调整幅度,并进行了对比分析。最后,以IEEE 24节点系统为仿真算例,从运行成本、调节能力、调整幅度、弃风量等方面,对3种模型的仿真结果进行对比分析。分析结果表明：以调整量最小为目标的模型在鲁棒性、经济性、计算速度等方面相对于其他两个模型具有明显优势。所提供的3种经济调度模型以及对比分析结果可为运行人员灵活选择含有风电的电力系统调度计划优化模型提供参考。     

考虑多重不确定因素的含风电场低碳经济调度

碳交易引入含风电的调度系统中,由于碳交易价格的不确定性增加了含风电系统的不确定因素的数量。针对低碳经济调度中的多重不确定因素,根据其不同的特性和对调度系统的不同影响区别对待,将风电预测误差和负荷预测误差表示成模糊变量和随机变量,并用混合机会约束考虑其对调度系统旋转备用的影响,应用多场景技术根据碳交易价格的波动模型建立考虑碳交易价格波动下的低碳调度模型。模型的求解通过机组组合方式的确定和机组出力分配两部分进行,通过场景评价指标得到最优机组组合方式下的最优机组出力。最后通过10机组算例证明了模型的有效性和合理性。     

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。     

考虑电力系统灵活性的网-储联合规划

高比例可再生能源接入电网使得规划问题更加复杂。提出考虑电力系统灵活性的网-储联合规划方法。分析风电和光伏出力的相关性,采用蒙特卡罗方法生成大量可再生能源发电和负荷场景。基于k-means聚类算法对生成的场景进行缩减,并利用改进的遗传算法确定最优聚类数。通过斯皮尔曼系数筛选典型场景,构建考虑生成概率的典型场景集合。建立以提升灵活性、降低投资成本为目标的双层网-储联合规划模型,并采用灰狼算法迭代求解。算例分析结果表明所提网-储联合规划方案能够有效地提升电力系统灵活性,促进可再生能源消纳。     

计及源荷不确定性及频率安全的电力系统区间优化调度方法

提出了一种计及源荷不确定性及频率安全的电力系统区间优化调度方法。首先,对系统动态频率特性进行分析,将非线性频率安全约束近似简化为线性约束。接着,在考虑源荷预测误差区间不确定性的基础上,建立了计及频率安全约束的电力系统优化调度问题数学模型。基于Benders分解方法将区间优化问题分解为基准场景下的主问题和不确定场景下校正调度的可行性校验子问题进行求解,为减少需要考虑的场景数量,根据系统违反功率平衡、备用、线路潮流等安全约束的程度筛选出少量高风险场景,并对其进行可行性校验。最后,将该方法应用于含风电的10机39节点系统,仿真结果表明,区间优化调度方法可确保系统在不确定场景下的安全性,与场景法相比,其计算效率显著提高,计算量大幅减少。