电力市场环境下的输电网扩展规划

随着电力体制改革的深入和电力市场化的发展,大量非电力系统电源要求接入系统运行,由于传统的电网规划和建设中没有考虑到该因素,因此系统运行的可靠性和经济性上存在着隐患。针对这种情况,提出了一种基于多场景下系统运行最优化的电网扩展规划方法,不仅可以得出一个有较好适应性的规划方案,而且通过对非电力系统电源的不同出力下限的讨论,可在求得最经济的电网扩展规划方案的同时得出非电力系统电源的最大允许出力下限。算例证明了本文算法的可行性和有效性。     

市场环境下基于最优潮流的输电网规划

电力市场环境下,扩展或加强输电系统对满足发电公司和用户的需求、减缓输电系统阻塞、促进市场的公平竞争具有重要作用。文中首先以Pool市场模式为背景,基于最优潮流(OPF)的输电网边际定价模型,提出一个计及多场景的综合性系统阻塞指标作为评估规划网络可靠性的经济指标;然后建立了阻塞指标约束下的输电网静态规划模型,并用IEEE-24RTS实验系统进行了验证。与传统的输电网规划相比,该模型由市场条件下的OPF确定系统最优经济运行状况,能更科学地进行输电网规划决策,有效减缓系统阻塞发生,提高规划系统经济性能,易于扩展从而计及电网规划中的各种不确定性因素。     

市场环境下基于最优潮流的输电网规划

电力市场环境下，扩展或加强输电系统对满足发电公司和用户的需求、减缓输电系统阻塞、促进市场的公平竞争具有重要作用。文中首先以Pool市场模式为背景，基于最优潮流（OPF）的输电网边际定价模型，提出一个计及多场景的综合性系统阻塞指标作为评估规划网络可靠性的经济指标；然后建立了阻塞指标约束下的输电网静态规划模型，并用IEEE-24 RTS实验系统进行了验证。与传统的输电网规划相比，该模型由市场条件下的OPF确定系统最优经济运行状况，能更科学地进行输电网规划决策，有效减缓系统阻塞发生，提高规划系统经济性能，易于扩展从而计及电网规划中的各种不确定性因素。     

电力市场环境下的输电网扩展规划

电网规划的主要目标是尽可能经济地确保可靠的满足要求的电力供应.在电力市场环境下,提出一个优化的输电网扩展规划.在满足潮流和安全约束的条件下,使电力不足期望值、投资费用最小,使效益成本最大,采用非支配遗传算法解决多目标优化问题,在风险分析中,用最大最小后悔值确定最优方案.新的方法用最少的投资达到最大化投资效益,增加了输电公司的竞争优势.在改进的RBTS中取得了好的效果.     

电力市场环境下输电网扩展优化规划研究综述

着眼于电网规划与电力市场环境的结合,着重于分析电力市场化改革对电网规划的挑战和电网规划所应该做出的适应性调整.围绕输电网规划问题,从市场环境下输电规划中的不确定信息处理、可靠性准则分析、输电投资收益分析、输电规划目标和准则分析、输电环节与发电环节协调问题、输电规划数学模型以及输电规划模型求解算法等七个方面展开论述,综述了市场环境下输电网规划的研究现状,提出了一些可行的思路,对新的算法、技术等在市场环境下电网规划中的应用前景进行了展望.     

电力市场环境下输电网规划研究综述

阐述了输电网规划的现状,分析了电力市场改革给输电网规划带来的新问题,从不同的角度,总结了输电网规划模型,归纳了输电网模型的求解算法,最后,对输电网规划的发展前景作了展望。     

电力市场环境下含大规模风电场的输电网规划

对传统的启发式的电网规划算法进行了改进,使其能适应电力市场化改革和大规模风电场给电网规划带来的挑战。利用蒙特卡洛模拟法分析了风电场出力的概率密度函数,根据市场交易体制研究了其他机组出力的概率密度函数,利用直流潮流模型分析了网络中各支路有功潮流的概率密度函数和过负荷概率。综合考虑建设成本和盈利预期提出了衡量线路重要性的效应指标,以此指标为依据得出电网规划方案。以Garver 6节点系统为仿真算例证明了该方法的可行性。仿真结果还表明:电力市场化改革和并网风电场出力的随机性会显著改变网架结构,并有可能增加网络投资。     

电力市场环境下输电网混合性规划模型

随着中国电力市场的发展与完善以及电网新技术的采用,电网规划尤其是输电网规划面临着新问题和新挑战。为了应对上述情况,文中在确定性规划准则和概率性规划准则的基础上,提出了一个在电力市场环境下应用于输电网中长期规划的多场景混合性规划模型。该模型整合了确定性规划准则和概率性规划准则的相关约束和参数,包括:柔性约束、投资费用、电力供应、购电费用、时间成本、故障发生概率、可靠性成本、期望缺供电量(EENS)以及缺电时间期望(LOLE)等。同时,通过定义多个场景来模拟电力系统的负荷水平,并考虑电力市场的因素,将输电网规划问题转为混合整数线性规划问题,通过直流潮流模型和商业优化软件CPLEX,寻找输电网最优规划方案。最后,通过与传统规划模型的对比和实际电网算例,验证了该模型的有效性、灵活性和经济性。     

电力市场条件下的输电网规划问题研究

从市场环境下输电网的作用、输电服务定价、输电网投资等方面分析输电网面临的新变化和新要求,并提出市场条件下的电网规划的基本框架。     

基于博弈论的电力市场环境下输电网规划研究

电力市场环境下,输电网规划的复杂性大大增加,电力市场的各参与方均直接或间接地影响输电网规划的决策过程。文章分析了发、输、配、用各方在电力市场中的权利与义务,基于博弈理论探讨了输电网规划过程中的指导原则,保证电网的全面、优化、可持续发展。     

市场环境下计及阻塞集中度指标的输电网扩展规划

与传统的输电网规划相比,电力市场环境下的输电网扩展规划不仅要满足市场用户的需求,还对减缓输电系统阻塞、抑制市场力的滥用和提高社会效益起着重要作用。对于因网络充裕度不足造成的长期输电阻塞,首先参考市场集中度监管指标Lerner指数的定义,提出了新的阻塞集中度指标作为评估输电网络充裕度的指标;然后从市场运营的实际情况出发,以阻塞集中度指标作为约束条件来抑制网络的垂直市场力,构造了将阻塞收益用于回收投资成本的输电网扩展规划模型。IEEE-24节点算例系统分析表明该模型综合考虑了输电投资成本回收以及输电阻塞管理等实际问题,能有效减缓系统阻塞发生,降低投资风险,并为输电网监管提供可靠依据。     

市场环境下计及阻塞集中度指标的输电网扩展规划

与传统的输电网规划相比,电力市场环境下的输电网扩展规划不仅要满足市场用户的需求,还对减缓输电系统阻塞、抑制市场力的滥用和提高社会效益起着重要作用.对于因网络充裕度不足造成的长期输电阻塞,首先参考市场集中度监管指标Lerner指数的定义,提出了新的阻塞集中度指标作为评估输电网络充裕度的指标;然后从市场运营的实际情况出发,以阻塞集中度指标作为约束条件来抑制网络的垂直市场力,构造了将阻塞收益用于回收投资成本的输电网扩展规划模型.IEEE-24节点算例系统分析表明该模型综合考虑了输电投资成本回收以及输电阻塞管理等实际问题,能有效减缓系统阻塞发生,降低投资风险,并为输电网监管提供可靠依据.     

Efficient method for AC transmission network expansion planning

A combinatorial mathematical model in tandem with a metaheuristic technique for solving transmission network expansion planning (TNEP) using an AC model associated with reactive power planning (RPP) is presented in this paper. AC-TNEP is handled through a prior DC model while additional lines as well as VAr-plants are used as reinforcements to cope with real network requirements. The solution of the reinforcement stage can be obtained by assuming all reactive demands are supplied locally to achieve a solution for AC-TNEP and by neglecting the local reactive sources, a reactive power planning (RPP) will be managed to find the minimum required reactive power sources. Binary GA as well as a real genetic algorithm (RGA) are employed as metaheuristic optimization techniques for solving this combinatorial TNEP as well as the RPP problem. High quality results related with lower investment costs through case studies on test systems show the usefulness of the proposal when working directly with the AC model in transmission network expansion planning, instead of relaxed models.     

一种电力市场环境下的电源规划多智能体模型

电源规划一直是电力系统中重要问题之一。在电力市场环境下,这一问题更加复杂、迫切。针对这一问题,基于多智能体技术,提出了电力市场环境下发电集团电源投资规划模型。首先,构建了一个电力市场发电侧的双层优化架构,以实现市场竞价问题与电源规划问题相结合。其次,设计了发电集团、发电市场以及发电厂等智能体,并引入遗传算法、Q-learning算法完善各智能体寻优能力。通过算例验证了所建立的模型是可行的、有效的,可为电站建设决策部门提供有价值的参考。     

考虑N-1安全性的输电网络启发式扩展规划方法

在输电网规划中,数学优化方法尽管能得到数学上优化的解,但是不得不对各种约束进行简化构造出可计算的模型,特别是N-1检验条件无法直接列入模型,也不一定保证其最优解在实际工程中的实用价值.因此提出了一种考虑N-1安全性的输电网络启发式规划方法,该方法将启发式方法和N-1检验相结合,通过采用直流潮流模型对网络进行减线及加线分析,自动地变换网络拓扑结构,进行两步扩展后生成最终的规划网络.具有简单快速、直观的优点,最后通过一个算例进行验证,结果表明所提方法能够得到满足实际工程需要的电网规划方案.     

考虑N-1安全性的输电网络启发式扩展规划方法

在输电网规划中,数学优化方法尽管能得到数学上优化的解,但是不得不对各种约束进行简化构造出可计算的模型,特别是N-1检验条件无法直接列入模型,也不一定保证其最优解在实际工程中的实用价值。因此提出了一种考虑N-1安全性的输电网络启发式规划方法,该方法将启发式方法和N-1检验相结合,通过采用直流潮流模型对网络进行减线及加线分析,自动地变换网络拓扑结构,进行两步扩展后生成最终的规划网络。具有简单快速、直观的优点,最后通过一个算例进行验证,结果表明所提方法能够得到满足实际工程需要的电网规划方案。     

启发式逐步扩展法在电网扩展规划中的应用

电网规划是电力系统中的一个重要组成部分,合理的网架结构将带来巨大的经济效益。本文采用启发式方法中的逐步扩展法进行电网扩展规划,并编制了软件,最后通过算例进行验证,结果表明能够得到满足实际工程需要的电网规划优化解。     

A PSO based approach for multi-stage transmission expansion planning in electricity markets

This paper presents a particle swarm optimization (PSO) based approach to solve the multi-stage transmission expansion planning problem in a competitive pool-based electricity market. It is a large-scale non-linear combinatorial problem. We have considered some aspects in our modeling including a multi-year time horizon, a number of scenarios based on the future demands of system, investment and operating costs, the N − 1 reliability criterion, and the continuous non-linear functions of market-driven generator offers and demand bids. Also the optimal expansion plan to maximize the cumulative social welfare among the multi-year horizon is searched. Our proposed PSO based approach, namely modified PSO (MPSO), uses a diversity controlled PSO to overcome the problem of premature convergence in basic PSO (BPSO) plus an initial high diversity swarm to cover the search space efficiently. The MPSO model is applied to the Garver six-bus system and to the IEEE 24-bus test system and compared to the BPSO model and a genetic algorithm based model.