计及调度一致性的含风电系统备用容量优化分配

针对风电并网后可能造成的备用转移问题,为兼顾市场公平性提出一种备用容量分配优化决策方法。计及风功率及负荷误差并考虑备用的节煤效益和系统网损因素,以折算煤耗和机组煤耗作为综合煤耗,推导并引入机组备用调度一致性约束,构建风电接入后的系统最优备用分配模型。定义备用有效调整率、时段有效调用率和备用预警指标,比较计入备用调度一致性约束前后的系统网损和综合煤耗、火电机组出力调整次数和实际有效率,分析不同风电比例场景下备用安全和算法性能。以IEEE-RTS24系统为算例,验证了所述算法在解决机组间备用转移、减少机组调整次数、提高机组出力调节有效率和保证市场公平性上的有效性,为调度员灵活调度提供了参考。     

计及风力发电风险的电力系统多目标动态优化调度

为解决风电的随机性给电力系统调度带来的问题,引入负荷预测误差和风速的概率分布函数来建立负荷及风电功率的随机性模型。基于对负荷及风电功率随机性模型的深入分析,对风电接入将导致系统维持稳定运行的成本增加风险加以考虑。并在约束条件中引入失负荷及风电浪费风险指标,构建计及风力发电风险的电力系统多目标优化调度模型,以实现系统总污染排放量最少和运行成本最低的综合优化目标。采用一种新颖的蝙蝠算法对模型进行求解,并对蝙蝠算法的不足之处进行了改进,有效地解决了该算法迭代后期收敛慢、易陷入局部极值等问题。以含大规模风电并网电力系统为例进行环境经济调度仿真,验证了所提模型及算法的有效性,并进一步分析了相关参数对含风电并网电力系统优化调度的影响。     

计及风电置信风险的源网协调多目标优化调度

为了更为合理灵活地评估风电高估/低估给电力系统优化调度带来的风险性以及降低调度决策的保守性,基于风电机会约束提出风电高估/低估置信风险功率偏差量化计算方法,并在决策变量中引入变压器变比调节和无功补偿容量优化,构建计及风电置信风险和源网协调运行的经济/风险多目标优化调度模型。提出一种基于可行性和非劣性综合排序回溯搜索算法,从而实现对调度模型的高效准确求解。IEEE 30节点系统算例结果验证了所提方法的有效性和优越性。     

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。     

计及过负荷风险的风电并网电力系统动态经济调度

建立了综合考虑系统发电成本、过负荷风险的风电并网系统多目标动态经济调度模型：在优化过程中计及机组出力爬坡约束、系统旋转备用约束;采用自适应DEM0算法对模型进行求解;得到Pateto最优集后采用协调性最优的准则选取折中解。最后在RTS-79系统上对所提模型和算法的有效性进行验证。     

考虑风电不确定性的电力系统多目标优化调度

针对风电机组并网规模的增加使火电系统面临平频繁启停、运行效率低的问题,建立考虑风电机组不确定性的电力系统多目标调度模型.在一定的风险情况下,对电力系统进行调度,对机组按照能耗量高低进行排序,安排机组开停机顺序,既提高机组运行效率又符合节能调度的要求.在传统经济调度模型的基础上,考虑机组运行稳定性,建立电力系统经济平稳调度模型,引入maxmin函数和ε支配的多目标粒子群算法对模型进行求解.算例分析表明,该模型能够在一定的风险情况下取得较好的经济性和平稳性。     

计及运行风险的多目标发电优化调度

针对电网运行中面临的不确定因素以及传统确定性安全准则的缺点,将风险理论引入到发电优化调度中。从支路过载和节点电压越限的角度定义运行风险指标,采用效用函数度量故障后果以反映不同故障间的相对严重程度。构建基于风险的多目标经济调度(risk-based multi-objectiveeconomic dispatch,RBMOED)模型,该模型以同时降低系统运行风险和机组燃料成本为目标函数,并满足基态下的安全约束条件。为求解RBMOED模型,首先应用改进多目标差分进化算法获取运行风险和经济性之间的权衡关系,进而根据电网运行的协调性准则辅助调度人员进行决策。对IEEE RTS-79测试系统进行计算分析,结果表明,所提发电调度方法能给出全面的关于系统风险水平的量化信息,并且可辨识出电网中的薄弱环节。     

计及运行风险和备用可用性的含风电系统两阶段优化调度

针对风电和负荷的不确定性对系统日前调度的影响,提出一种计及运行风险和备用可用性的日前两阶段优化调度方法。首先,考虑风电和负荷的不确定性及容许误差区间,利用条件风险价值(Conditional Value-at Risk, CVaR)度量系统调度运行风险。然后,建立日前两阶段优化调度模型。其中第一阶段优化模型以包含风险成本的系统运行成本最小为目标函数,优化制定有功调度及备用计划,保证系统运行经济性。基于第一阶段优化结果生成极限潮流场景集,第二阶段优化模型校验极限场景下的备用可用性并将结果反馈至第一阶段模型,确保系统运行鲁棒性,并提出迭代求解算法。最后,以IEEE39 节点系统和实际区域电网为算例验证了该方法的可行性和有效性。     

考虑风电备用可靠性的电力系统备用优化

风电能够以降载运行的方式提供备用。由于风电实际出力的不确定性,风电提供的备用也可能偏离预定值,风电备用并不完全可靠。为此提出一种考虑风电备用可靠性的电力系统备用优化模型。首先,基于风电出力的概率分布信息,分析风电提供备用的变化;然后,将风电备用纳入弃风、失负荷成本的计算中,并通过进一步的消除积分符号以及线性化处理,将模型转化为混合整数线性规划问题求解;最后,基于IEEE-RTS 24节点算例验证了所提模型的有效性。算例结果表明,考虑风电备用的可靠性可以对系统中的弃风、失负荷成本进行更精细的评估,从而对系统中的备用进行更精细的配置,避免过于保守或激进的结果。     

大规模风电接入的电力系统优化调度新方法

针对风电功率的反调峰和不确定等特性,建立水电调峰效益模型,并结合风、火电运行价格模型,构建了考虑机组组合的新型多目标动态优化调度模型.同时,为应对多目标优化问题中粒子群算法陷入局部最优和效率问题,提出了基于优先排序和多子群协同进化的多目标粒子群算法(multi-objective particle swarm optimization algorithm with multi-swarm co-evolution,MOPSO-MC)的优化调度新方法,即通过优先排序法确定机组最优组合状态,对负荷分配规划分为两层,并采用MOPSO-MC求解.将该方法应用于含大规模风电的甘肃电网优化调度问题,结果表明所提模型和算法为解决风电并网运行提供了一种对策.     

计及风险备用约束的含风电场电力系统动态经济调度

为解决风电的不确定性给电网调度带来的问题,必须开展含风电场的经济调度问题研究。通过引入风速和负荷预测误差的概率分布函数来描述系统中存在的不确定性因素,提出了一种基于风险备用约束的含风电场电力系统动态经济调度新模型。在目标函数中采用惩罚的方式对风电计划出力相对于实际出力的偏差所造成的备用成本加以考虑。该模型采用收敛特性稳定的非线性预估–校正原对偶内点法进行求解。通过含有一个风电场的10机组系统算例,验证了所提调度模型的可行性。分析表明,该模型可以在保证系统可靠性要求的基础上,实现经济性最优的目标。     

Multi-objective Economic Dispatch Considering Wind Power Penetration Using Stochastic Weight Trade-off Chaotic NSPSO

In this paper, a stochastic weight trade-off chaotic non-dominated sorting particle swarm optimization (SWTC_NSPSO) is proposed for solving multi-objective economic dispatch considering wind power penetration. Multi-objective functions including generator fuel cost and system risk are considered. The SWTC_NSPSO algorithm improves the solution search capability by balancing between global best exploration and local best utilization through the stochastic weight trade-off technique combining dynamistic coefficients trade-off methods. The proposed algorithm cooperates with the freak, lethargy factors, and chaotic mutation to enhance diversity and search capability. Non-dominated sorting and crowding distance techniques efficiently provide the optimal Pareto front. The fuzzy function is used to select the local compromise best solution. Using a two stage approach, the global best compromise solution is selected from a large number of local best compromise trial solutions. Simulation results on the modified IEEE 30-bus test system indicate that SWTC_NSPSO can provide a lower and wider Pareto front than non-dominated sorting genetic algorithm II (NSGAII), non-dominated sorting particle swarm optimization (NSPSO), non-dominated sorting chaotic particle swarm optimization (NS_CPSO), and a stochastic weight trade-off non-dominated sorting particle swarm optimization (SWT_NSPSO) in a less computation effort, leading to a lower generator fuel cost and a higher system reliability trade-off solution.     

考虑风电接入的大型电力系统多目标动态优化调度

针对风电接入的大型电力系统,提出了以发电总燃料耗量、污染气体排放量和购电费用最小为目标的多目标动态优化调度模型,并考虑了抽水蓄能机组的实际运行特性对优化调度的影响。采用法线边界交叉法将多目标优化问题转换为一系列单目标问题,并采用原对偶内点法求解,从而获得均匀分布的帕累托最优解。根据熵权双基点法决策出折中最优解,为运行人员提供决策指导。在某省级电力系统上的计算结果表明,法线边界交叉法和熵权双基点法的结合能够快速、有效地求解电力系统多目标动态优化调度问题。     

含风电系统的无功优化调度

针对恒速恒频和变速恒频两类控制模式对风电机组分别进行建模,以系统有功网损最小为目标,以常规发电机和恒电压控制模型风机的无功出力、变压器抽头位置和投入的电容电抗组数为控制变量,建立了含风电系统的无功优化模型。采用原对偶内点算法进行求解,对于模型中的离散变量,提出了优化归整轮流迭代的方法来进行处理。对海南电网汛小方式的算例分析表明,该无功优化模型和方法可以明显地降低系统网损和系统运行成本。     

含大规模风电场的电力系统旋转备用风险决策模型和方法

大规模风电场并网后其出力的不确定性增加了系统运营方在制定旋转备用计划时平衡成本与风险之间的难度。为应对这种挑战,首先在考虑风速预测误差、风速实时波动和风电机组故障的情况下对风电功率的随机性进行了分析;然后,建立了以考虑旋转备用容量成本和停电损失的旋转备用成本期望值和条件风险价值为目标的多目标优化模型,并采用多目标免疫优化算法和蒙特卡洛场景模拟法求出旋转备用成本期望和条件风险价值的最优前沿集;最后,采用模糊决策理论确定最终的旋转备用计划。算例结果表明该多目标模型可以有效地求出旋转备用成本期望和条件风险价值的前沿集;模糊风险决策模型比普通风险决策模型扩大了风险容忍系数的有效区间,更能反映风险态度;而考虑条件风险价值的旋转备用优化模型在风险规避方面比仅考虑成本期望的模型更具优势,可以作为旋转备用计划决策者的风险管理工具。     

考虑提高系统无功备用容量的无功优化调度

充裕的无功备用容量是保证系统电压稳定的一个重要因素,因此在日常无功优化调度过程中考虑提高系统的无功备用容量是防止电压失稳的重要手段之一。文章在分析发电机备用容量数学模型的基础上,定义了基于电压稳定的系统无功备用容量的计算公式,提出了考虑增大无功备用容量、减少网络损耗以及减小电压偏移的多目标无功优化调度算法。并将该算法应用于IEEE 30节点系统,证明了所定义的基于电压稳定的系统无功备用容量计算公式的正确性及提高备用容量的无功优化调度算法的可行性。     

节能发电调度问题的多目标期望控制模型及解法

节能发电调度问题所追求的目标,例如能耗与污染物排放水平的降低程度,会在综合考虑多种因素的基础上,以阶段性期望控制值的形式而非待求的最小值形式出现。因此,传统立足于目标函数最小化或最大化的思路,显然不符合实际需求。针对此现状,文中提出了多目标期望控制的概念,并建立了节能减排发电调度问题的多目标期望控制优化模型。采用多目标加权形式,通过不断缩小目标之间完成率差距的方式预估调整权值,并由此求得满足不同目标期望控制需求的节能发电调度方案。算例验证了多目标期望控制思想的正确性,以及多目标加权调整方式求解问题的可行性。     

基于通用分布的含风电电力系统随机动态经济调度

随着风电大规模并网,其不确定性给电力系统经济调度带来了新的挑战。文中利用通用分布模型拟合不同风电功率预测水平下的实际风电功率分布,并以此建立了考虑风电低估、高估成本的日前动态经济调度的随机优化模型。通过对目标函数和约束条件的转化与分析,将随机优化模型转化为一个非线性凸优化问题。结合二次规划算法和内点法,提出了一种两阶段优化算法用以求解对应的经济调度问题。最后,在含风电场的IEEE 30节点系统上,验证了所提基于通用分布的随机动态经济调度方法的有效性。