大规模风电接入的电力系统协调控制策略

为平抑大规模强间歇性、随机性风电接入导致的电力系统有功功率波动,提高系统的风电消纳能力,提出了一种日前控制与实时控制相结合的协调控制策略。日前控制以风电消纳最大为目标建立数学模型及约束条件,依据日前风电功率预测、日前负荷预测曲线,以常规发电机组运行成本最低为约束,制订常规发电机组的启停及出力计划;实时控制以平抑风电与负荷造成的有功功率波动为目标,优先调整可转移负荷,其次调整常规发电机组出力,最后调整可削减负荷。广东湛江部分地区电网的仿真分析结果表明,该控制策略可以大幅提升系统对风电资源的消纳量,并最大限度地降低系统运行成本。     

风电场出力预测偏差下系统运行成本增量分摊探讨

风电场出力预测往往存在一定的偏差,系统调度运营部门需购买AGC机组功率调节服务以维持系统功率平衡,从而增加了系统运行成本,为体现公平性和效率性,需将这部分成本增量分摊至各出力存在偏差的风电场.在对风电优先调度下系统运行成本进行计算的基础上,识别了风电场出力预测偏差下的系统运行成本增量,并提出了合理的成本增量分摊方案,为系统调度运营部门识别及分摊风电场出力预测偏差下的系统运行成本增量提供了一定的参考价值.     

考虑储热装置的风电-热电机组联合优化运行策略

基于日前供热负荷预测和风电出力预测,考虑储热装置运行机理,研究风电场与热电机组联合运行的优化方法。将含储热装置的热电厂和风电场组成一个发电利益集合体,在满足地区供热负荷和提升风电消纳的同时,通过调节热电机组和储热装置的出力最大化发电利益集合体的收益。考虑热电机组的热-电耦合特性和储热装置的运行约束,建立了日前调度模型并进行求解。在此基础上,考虑风电出力的随机性,建立了相应的随机优化模型。算例分析表明,考虑储热的风电-热电机组联合优化所获得的收益高于风电场和热电机组单独运行获得的总收益,并且可在现行"以热定电"运行机制下提高风电的消纳能力。同时采用随机优化模型能有效降低系统联合出力的不确定性,可较好地解决风功率预测中的不确定性问题。     

基于含储热的热电联产与抽水蓄能的风电消纳协调控制策略

在研究电热负荷与不同时间尺度风功率波动特性的基础上,分析了含储热的热电联产与抽水蓄能协调运行对风电消纳的影响,并提出了基于含储热的热电联产与抽水蓄能的两级协调控制策略。一级协调控制以系统运行成本最小和风电消纳电量最大为目标,根据电热负荷和风电预测出力,通过含储热的热电联产与抽水蓄能在调节容量上的优化配置,提高系统运行经济性和风电消纳率;二级协调控制针对风电出力的实时波动,根据风电计划上网偏差,通过含储热的热电联产与抽水蓄能的协调控制,平抑风电实时波动。以6节点系统为例,验证了所提协调控制策略的有效性,结果表明含储热的热电联产与抽水蓄能的两级协调运行可以有效降低系统运行成本,提高风电消纳水平,保证大规模风电接入情况下电网安全稳定运行。     

常规机组协同风电消纳的有功调度研究

针对风电固有的间歇性和随机性导致风电场调度困难的问题,提出了常规机组协同风电场调节的有功调度策略并建立了相应的有功调度模型,即在日调度计划基础上基于预调度时间级的超短期负荷预测信息和超短期风功率预测信息对常规机组与风电机组功率分配进行校正,根据预调度时间级内AGC机组调节容量匮乏信息进行非AGC机组与AGC机组间协调,以保证在线调度时间级内系统具有充裕的AGC调节容量应对风电场的功率波动和负荷变化。算例结果表明了提出的有功调度策略和建立的协调模型可行、有效。     

考虑风电消纳的电力系统源荷协调多目标优化方法EI北大核心CSCD

随着风电的快速发展,其出力的随机性和间歇性导致常规电源的调节压力不断增大,传统的调度运行方式已经不能满足大规模风电的送出需求。该文将具有可调节特性的高载能负荷作为消纳风电的重要手段,与常规电源共同参与电网的优化调度,形成源荷协调优化运行的调度模式。在深入研究源荷协调运行特性的基础上,综合考虑源荷协调对风电消纳和系统运行的影响,以风电消纳电量最大和系统运行成本最小为目标建立源荷协调多目标优化模型,并采用多目标差分算法对模型进行求解。以甘肃电网为实例进行仿真说明,验证了所提方法能够有效降低系统运行成本,提高风电消纳水平。     

含风电和储能的电力系统安全约束机组组合问题研究

针对含风电的电力系统安全约束机组组合问题,利用储能的快速双向调节能力改善风电出力的波动性和不确定性,提高系统运行的经济性。机组组合模型中考虑风电、负荷预测误差对机组组合的影响,并引入基于可信理论的旋转备用机会约束条件,可避免造成备用的过度配置。另外,通过考虑合理弃风提高消纳风电能力和降低系统运行成本,分析了储能参数以及接入系统方式对机组组合模型中系统运行成本和风电弃风量的影响。最后,采用新英格兰10机系统验证了所提模型的有效性。     

基于超短期负荷预测的Non-AGC与AGC协调控制策略研究

为了消纳大规模新能源并网给系统带来的随机性和波动性,针对Non-AGC机组与AGC机组调节速率的不同,给出Non-AGC与AGC协调控制策略。利用超短期负荷预测提前为Non-AGC机组制定发电计划,达到用Non-AGC分担AGC调解压力的目的。利用"波动窗"算法给出Non-AGC机组调节速率与调节时间的计算方法;利用CPS标准制定AGC机组调节策略,并考核AGC机组调节性能。利用该协调控制策略模拟山东电网运行情况并和现有调度模式在AGC调节容量、频率控制、ACE、CPS指标等方面进行对比分析,结果表明,基于超短期负荷预测的Non-AGC与AGC协调控制策略是实用、有效的,既能维持良好电能质量又能消纳新能源并网的波动性。     

含风电电力系统的多时间尺度模糊机会约束动态经济调度模型

风电出力的模糊不确定性增加了调度决策的难度。将风电和负荷预测值用模糊参数表示,基于可信性理论,将传统确定性系统约束转化成模糊机会约束。由于风电和负荷预测精度具有随预测时间尺度的缩短而提高的特点,因此,将模糊置信度设置为递增向量,以反映预测精度的变化。建立多时间尺度下含多模糊参数的模糊机会约束动态经济调度模型。多时间尺度调度分为日前24 h计划、日内4 h滚动计划、实时15 min计划和自动发电控制(automatic generation control,AGC)。各时间级的调度计划协调配合,兼顾经济性与可靠性。根据风电及负荷的最新预测信息,滚动修正原有发电计划,逐级消纳预测偏差量。算例采用山西某实际风电场数据,验证了上述模型能够有效降低风电及负荷预测不确定性的影响,减轻调度人员及AGC机组的调节压力。     

计及风电消纳效益的电力系统源荷协调二层优化模型

随着风电的大规模接入,其随机性和间歇性导致常规电源的调节压力不断增大,与常规能源呈逆向分布的特点也使得常规电源的调节能力受到输电通道的制约,从而造成风电消纳受阻。本文利用高载能负荷作为消纳风电的重要手段,将常规电源的优化调度和高载能负荷的优化配置相结合,综合考虑风电消纳效益、高载能负荷调节成本和系统运行成本,建立以源荷协调运行效益最大化为目标的二层优化模型。通过求解上层优化模型确定常规电源出力和风电调度出力;在此基础上,下层优化模型针对因常规电源调节能力不足导致的风电受阻情况,选取能够有效消纳风电受阻功率且调节成本最少的高载能负荷参与电网调度。根据上、下层模型决策变量的不同特点,采用改进遗传算法和二进制粒子群算法相结合的混合智能算法进行模型求解。通过某实际电网的仿真结果,验证了本文优化模型的可行性和有效性。     

考虑风险约束的高载能负荷-风电协调调度方法

由于可离散调节的高载能负荷不适用于在短时内连续调节的特点和风电出力的不确定性,高载能负荷参与消纳风电时,会导致负荷用电与风电出力不匹配的问题。针对该问题,提出一种计及负荷方风险约束的高载能负荷-风电协调调度方法。首先,基于风电可接纳区间的概念和风电场出力概率密度分布,建立电网对风电的接纳能力的模型。接着,根据电网接纳能力外的弃风情况,构建了与高载能负荷用电计划增量和风电弃风量相关联的风险约束,使负荷方能够在一定程度上规避由于风电不足导致的负荷增量与风电新增发电量不匹配的风险。然后,基于高载能负荷调节对风电可接纳区间的影响,建立了以风电消纳为目标的鲁棒机组组合模型,保证线路容量约束的满足。最后,在IEEE RTS-79系统中对所提方法进行了验证,并分析了高载能负荷侧的保守程度对协调调度的影响。     

考虑风电相依结构的虚拟发电厂内部资源随机调度策略

虚拟发电厂运行机制的研究能够为需求侧分布式电源接入电网提供技术支撑,而可中断负荷是需求响应的重要形式之一,可以缓解新能源引起的波动,促进其消纳。将含可中断负荷、风电场和常规机组的电力系统视为虚拟发电厂,并对其进行优化调度。为提高风功率概率分析的准确性,引入Gumbel-Copula描述风电功率相关性,建立联合出力模型。结合需求侧可中断负荷的调峰特性,将可中断负荷加以中断时间、中断次数及中断容量等约束,与常规机组协同运行。通过基于差分进化策略的改进入侵杂草算法对算例进行求解,并与其他两种虚拟发电厂调度策略对比,结果表明该策略可减少总运行成本,同时增加风电消纳、降低风功率剩余。     

基于逼近和牛顿插值法的最佳风电接纳水平确定

随着风电场规模的不断扩大,电网接纳风电能力的限制已成为风电场规划的一个重要影响因素。为了确定系统接纳风电的最佳水平,建立了综合考虑常规机组运行成本和风电场弃风量的调度模型。引入风电接纳水平系数,从常规机组和风电场运行的经济性角度提出了一种基于粒子群算法的风电接纳水平的优化方法。对含1个风电场和10台常规机组的系统进行了计算分析。针对该风电场的12组典型出力数据分别优化得到对应的最佳风电接纳水平值并分别采用逼近法和牛顿插值法确定了系统的最佳接纳水平,在该水平下的风电出力可以使系统在一个最佳经济点运行。该比例系数可以作为风电场规划的参考。     

大型风电机组机组层AGC控制策略研究

针对传统控制策略下的风电机组输出波动性大、随机性强,需其他设备协调风电场出力的缺点,提出一种机组层WT-AGC控制策略,并对该控制策略的工作原理进行了详细的分析。在考虑风电机组运行状态及风电场调度要求的基础上,将WT-AGC策略下机组运行方式分为2种:调度指令高于机组最大出力能力的常规运行和调度指令低于机组最大出力能力的限功率运行。通过风电机组转速调节和变桨距机构动作配合,实现风电机组输出稳定,满足风电场调度要求,并对某实际双馈风电机组进行了仿真。结果表明该控制策略不但可以实现风电机组的可调度输出,而且提高风电机组并网后的功率稳定性,验证了所提策略的正确性。     

基于日前风功率预测的风电消纳能力评估方法

准确掌握电力系统消纳风电的能力,有助于风电场建设规划,更可辅助实际运行的调度决策.风电消纳能力的评估应分析全时段、计及多因素、考虑日前风电出力预测、探寻风电“可消纳包络带”.提出了一种基于日前风功率预测的风电消纳能力评估方法,首先以日前预测所得风电为基本信息,优化常规机组的启停状态;然后基于此决策,探寻系统次日全时段可消纳风电的上下限,并基于二次规划模型生成极端风电出力作为判据样本,分析系统次日消纳风电的能力,进而为运行人员提供决策辅助.     

计及需求响应的含风电电力系统旋转备用优化配置策略

风电大规模并网影响了电力系统的稳定运行,且存在消纳困难。为保证含风电电力系统的可靠性,提出了一种计及需求响应的旋转备用优化配置策略。该策略在分析风电出力及负荷预测误差的前提下,考虑可控负荷需求响应能力,以系统发电总成本最小为目标建立电源优化组合模型。采用GUROBI求解器对模型优化求解。经仿真验证,该策略在保证电网稳定运行的前提下,可提高电力系统运行的经济性,增强常规机组提供旋转备用的能力,促进风电消纳,具有较高的工程应用性。     

面向风电消纳与电熔镁高载能负荷调控的源荷协调优化策略

风电出力具有随机和波动性特点,其并网容量的增加导致火电机组调节压力不断加大,弃风问题日趋严重,电力系统调控难度攀升。为解决系统弃风问题,该文在火电机组参与调度的基础上,提出利用电熔镁高载能负荷的可调节特性,将其作为新的调节资源,与火电机组协同配合,消纳受阻风电。首先,分析电熔镁高载能负荷运行特性,建立电熔镁高载能负荷参与调度模型;其次,提出以风电消纳量最大和系统运行成本最小为目标的源荷协调双层优化模型;最后,采用优化软件CPLEX进行求解,仿真结果表明：电熔镁高载能负荷参与电网优化调度可有效减少弃风、降低系统运行成本。     

含光热电站的风电系统多源联合调度撤回

风电出力与负荷需求呈逆向分布是产生弃风的主要原因,而传统仅靠火电机组参与风电的调度,受制于火电机组爬坡能力不足、启停成本高等原因,不能满足系统的备用需求。为解决上述问题,提出了含光热、火电、风电系统的多源联合调度模型。利用出力灵活、含有大规模储热系统的光热电站为系统提供备用容量,与风电、火电共同参与系统调度,以传统火电机组与风电系统的调度模型作为对比。结果表明,所提调度策略能够在提高火电机组的利用效率和风电消纳水平的同时,降低系统运行成本。     

考虑经济性与快速性的虚拟电厂多目标优化调度

风电大规模并网对电网产生很大影响,为保证电网安全运行,需要通过火电厂快速调节负荷来平抑风电出力的波动。火电机组在低负荷运行时经济性较差,且频繁调负荷会导致机组的安全性和寿命降低。为了解决上述问题,提出风火互补发电,将风电场与火电厂构成虚拟电厂统一参与电网调度。通过理论分析,建立了考虑经济性和快速性的虚拟电厂多目标优化调度模型,采用改进的遗传算法进行求解。通过对不同场景的算例进行仿真分析,结果表明,多目标优化调度模型在满足电网调度时间要求的前提下,可以实现虚拟电厂经济性最佳。同时,给出了多目标优化模型权重系数的选取策略,并分析了虚拟电厂的风电消纳能力。     

计及多类型需求响应的风-火-荷两阶段协同调度

针对大规模风电并网的消纳难题,利用需求响应(DR)实现了日前-日内两阶段的源荷协同优化调度。日前阶段基于风电出力场景集,运用价格型需求响应(PBDR)拉平净负荷曲线,缓解风电反调峰特性的影响;然后以电网运行成本最小为目标,考虑激励型需求响应(IBDR)平衡风电波动的作用,决策出一个满足各出力场景下消纳需求的机组组合和IBDR订单合同方案。日内阶段运用滚动灰色预测实现精确的超短期风电预测,从而在日前方案基础上,确定实际的机组出力、弃风和IBDR响应容量。选取24h风电/负荷比为34.8%的算例,仿真结果显示PBDR参与度水平越高,电力系统的调度成本越低。4种DR组合方案的对比分析表明,合理配置DR资源使得风电消纳率提升了6.05%,同时验证了采用两阶段调度比日内一次性调度节约成本5.36%。