考虑预测不确定性的风-光-水多能互补系统调度风险和效益分析

风电、光伏与水电（简称风光水）互补发电系统是提高清洁能源整体利用效益的重要创新模式,随着风电、光伏发电渗透率的增加,如何解决大规模风光接入所带来的不确定性是多能互补系统研究的核心和难点。本文重点探讨日前风光出力预测的不确定性对于多能互补系统风险和效益的综合影响。首先,从可靠性、稳定性和经济性三个方面提出风光水多能互补系统调度运行风险和效益评价体系;建立多能互补系统短期优化调度模型,在日前风光出力预测结果基础上,编制系统日前发电计划;根据风光实际出力情况,滚动更新和模拟水电站实际调度过程。最后,对比分析各电站计划和实际调度运行情况,评价日前风光出力预测不确定性对于多能互补系统风险与效益的综合影响。本文以雅砻江流域锦屏一级多能互补系统为实例进行研究。相比风光水独立运行,风光水互补后系统的发电效益提高了37.13%,且系统出力过程更为稳定。互补系统在年尺度上具有良好的可靠性,但在水库低水位时期,系统失负荷天数明显增多,占全年失负荷天数的96%以上,系统可靠性降低;在汛期,互补后水库的下泄流量最大增加了47.06%,出现水量集中下泄的情况,这给电力部门、下游用水部门以及防护对象带来一定的防洪风险。     

基于机会约束的含多风电场动态经济调度

为了解决风电出力的不确定性给电网安全运行带来的威胁,提出基于快速傅里叶变换(FFT)快速计算卷积化简机会约束规划的动态经济调度算法.针对多个风电场同时接入系统的复杂情况,在风电出力概率和负荷预测的基础上,保证正、负旋转备用能满足负荷和风电实际出力的波动,应用机会约束规划建立了考虑失负荷和弃风风险的含风电场电力系统动态经济调度模型;利用FFT快速计算卷积求取联合变量的概率分布以将机会约束转化为确定性约束简化得到确定性模型,并用CPLEX进行求解,该方法大大减少了算法的运算时间.以修改的10机39节点系统为算例验证了所提调度模型的正确性及化简方法的有效性.     

风电—光伏—光热发电系统联合优化运行研究

“风光热储”是近几年多种新能源互补发电的新模式,以有效解决用电高峰期和低谷期存在的电力输出不平衡问题,并提高能源利用率,实现清洁发展。为此研究了光热电站的运行机理和工作模式。建立了风电—光伏—光热发电系统联合优化运行模型,以高优先级优化匹配调度曲线的程度,以低优先级优化联合系统的可再生能源消纳能力。为提高风力发电、光伏发电并网的可靠性,采用预测误差描述二者出力存在的不确定性,并采用样本均值近似法对其进行了确定化处理。然后对优化模型中的非线性因素进行了线性化处理,最后调用Cplex求解器得出联合系统最佳调度方案。结果表明,光热电站可以调节联合发电系统的上网功率,使其尽可能满足调度曲线的需求;另外,采用样本均值近似法处理不确定变量,并且将优化模型线性化后,可以更加快速地求出最优解。     

电力市场环境下风光储联合运行优化策略

风电、光伏等新能源机组与储能系统联合参与电力市场竞争的策略,有利于提高新能源发电企业的市场竞争力,促进新能源消纳与友好接入。构建风电—光伏—储能联合优化运行决策模型,以利润最大化为目标,充分考虑新能源机组与储能系统运行时的各项技术约束条件,研究在电力市场环境下风光储协调耦合运行的发电策略与出力安排,并分析联合运行模式所带来的经济效益问题。算例分析验证了所提出的风光储联合运行优化决策模型的正确性与有效性。     

含风光水气火蓄的多能源电力系统日运行优化调度方法

针对当前多能源电力系统中大量弃风、弃光和弃水的问题,文中通过构建含风光水气火蓄的多能源电力系统日运行优化调度方法,有效提升可再生能源的消纳能力.首先,在保证火电最小经济技术出力及水电强迫出力的前提下,根据系统负荷大小确定可再生能源发电运行可行域.其次,在可再生能源发电运行可行域内优先安排风-光-径流水发电,若其满发有剩余,则安排抽水蓄能电站进行抽水,若抽水至满库容后风-光-径流水发电仍有剩余,则按负荷实际需求,按风电、光伏和径流水装机比例调降各自出力;若风-光-径流水满发后不能满足负荷需求,则优先安排可调节水发电,剩余负荷由火电、燃气和抽蓄电站以其总运行成本最小为目标来安排发电.最后采用CPLEX进行求解.实例分析表明文中方法能够提升可再生能源的消纳水平、减少非再生能源的消耗.     

含风电和光伏发电的综合能源系统的低频振荡

综合能源系统通过综合利用风电和光伏发电,提升间歇性能源发电的能力和效率,可实现多种能源合理高效利用,然而,随着新能源渗透率的不断提高,其间歇性、随机性和不确定性的特点为电力系统稳定性带来新的挑战。在此背景下,针对含风电和光伏发电的综合能源系统,研究其对电力系统稳定性的影响。基于完整的风力和光伏发电系统的数学模型及控制结构图,采用特征根分析和时域仿真法,分别研究了不同风电和光伏消纳工况对电力系统低频振荡特性的影响,包括风光单独接入、不同的风光并网接入点、不同的风光互补容量配比等。以IEEE 4机2区电力系统为例对所提方法进行说明并验证有效性,仿真结果表明:不同风光接入点和容量配比,对电力系统低频振荡特性的影响程度有明显区别。     

考虑可再生能源出力不确定性的多能源电力系统日前调度

随着可再生能源的开发利用,以风电和光伏发电为代表的不确定电源对电力系统安全运行影响越来越大。传统对风电和光伏发电出力不确定的研究,大多假设其预测误差服从正态分布,但正态分布并不能准确描述这一误差分布。基于此,采用人工神经网络直接模拟预测误差的分布规律以确定其对调度方案的影响,同时为了提高模型的求解速度利用神经网络模拟机会约束条件成立的概率水平,将训练好的人工神经网络嵌入机会约束规划模型求解中,形成能够考虑风、光出力不确定性的多能源电力系统日前调度模型。为提高可再生能源消纳能力,调度模型在保证经济性的同时,优化可再生能源的渗透率。采用博弈优化理论,将得到的多目标优化非劣解作为博弈参与者的策略集,进一步通过相互博弈达到纳什均衡的过程寻找最优策略解。最后通过修改的IEEE30节点系统,采用实际风电场和光伏电站出力数据验证了所提模型的有效性。     

考虑不确定性的电热耦合多能微网系统概率潮流计算

多能微网系统结构及设备耦合关系复杂,接入新能源的不确定性为系统运行带来巨大挑战。基于Beta拟合的光伏发电模型和两参数威布尔分布的风力发电模型,采用分解求解法进行了多能耦合潮流计算。然后对33节点电网和33节点热网耦合的多能源系统进行了算例分析,利用蒙特卡洛法提取不确定性样本,进一步提出了考虑光伏、风电和电、热负荷不确定性的概率潮流计算方法。最后运用该方法完成了概率潮流的算例分析,从概率潮流计算方法和各子网络的潮流计算结果两方面验证了方法的有效性。     

风光出力场景生成的条件深度卷积生成对抗网络方法

针对多能源电力系统中给可再生能源消纳和系统优化调度带来不利影响的风电和光伏发电功率的不确定性的问题,提出了一种基于改进条件深度卷积生成对抗网络的风光出力场景生成方法.首先,设计适用于风电和光伏出力场景生成的条件生成对抗网络的网络结构,并采用Wasserstein距离作为判别器损失函数.然后,通过条件生成对抗网络的博弈训练使生成器学习到随机噪声与真实历史数据训练集的映射关系,从而高效地生成与真实场景分布接近的场景.最后,利用我国西北某省的风光历史出力数据进行测试,并与基于Markov和Copula理论的场景生成方法进行对比验证,结果表明文中方法生成的场景能够准确地描述可再生能源出力的不确定性.     

光伏出力预测理论与方法综述

大规模光伏发电并网给我国电力系统运行的稳定性带来了巨大挑战,因此,光伏发电出力的精确预测至关重要。论文对光伏出力预测理论与方法进行系统综述。首先,对光伏出力预测进行分类,特别是按预测形式分为点预测和不确定性预测。其次,通过物理方法、统计方法、人工智能方法及组合方法进一步阐述光伏出力预测;其中从机器学习和深度学习两个方面对人工智能方法进行详细介绍。然后,梳理了点预测和不确定性预测的评价指标,归纳了人工智能预测模型的优化技术。最后,根据我国光伏出力预测的发展现状,对未来的研究趋势做出展望。     

光伏出力预测理论与方法综述

大规模光伏发电并网给我国电力系统运行的稳定性带来了巨大挑战,因此,光伏发电出力的精确预测至关重要。论文对光伏出力预测理论与方法进行系统综述。首先,对光伏出力预测进行分类,特别是按预测形式分为点预测和不确定性预测。其次,通过物理方法、统计方法、人工智能方法及组合方法进一步阐述光伏出力预测;其中从机器学习和深度学习两个方面对人工智能方法进行详细介绍。然后,梳理了点预测和不确定性预测的评价指标,归纳了人工智能预测模型的优化技术。最后,根据我国光伏出力预测的发展现状,对未来的研究趋势做出展望。     

考虑多重出力不确定性的风光装机容量优化

挖掘风电和光伏出力的日特性和月特性,构建基于日特性和月特性的风电/光伏序列模型,通过蒙特卡洛模拟方法,生成多条风电和光伏出力序列,以刻画风/光出力的多重不确定性。考虑风电和光伏多重不确定性出力约束、电力电量平衡约束、允许弃风弃光率约束等,构建风电和光伏收益最大模型,优化风电和光伏装机,保证风电和光伏运行的经济性,实现风电和光伏有序发展。仿真算例表明,在不同的允许弃风弃光率下,风电和光伏的最优装机差异较大,受光伏日特性和装机成本高的影响,只有在弃光率较小且光伏装机容量小的场景下,光伏发电才具有较好的经济效益。     

考虑需求响应的光伏发电系统两阶段随机调度模型

西北地区光伏发电比例的不断上升,为电力系统调度带来了巨大的困难和挑战.为此,将需求侧响应作为虚拟备用来克服传统调度备用形式单一的劣势;采用基于不确定性参数模糊化的两阶段随机模型,在充分考虑光伏发电出力的随机性与波动性的基础上充分体现了机侧备用与虚拟备用的经济特性,建立了基于预测误差场景概率的高比例光伏发电系统需求侧联合调度模型;采用细菌群体趋药性算法进行求解,以经典的6机系统和实际西北光伏发电系统作为研究对象进行了仿真分析,从而证明了所提调度模型的有效性以及可行性.     

基于深度强化学习架构的多能互补微网日前经济调度研究

可再生能源出力和负荷的不确定性给多能互补微网的优化调度带来挑战,传统方法如随机优化和模型预测控制等需要精确的模型参数。针对含源荷不确定性的多能互补微网日前优化调度问题,提出了基于柔性行动器-评判器框架的深度强化学习方法,实现了自适应源荷不确定特征的微网经济调度。首先,考虑设备非线性效率,建立了多能互补微网的优化调度数学模型;其次,基于柔性行动器-评判器构建了智能体和环境交互的深度强化学习框架,并设计了状态空间、动作空间、奖励函数和神经网络结构;最后,通过算例仿真验证了算法的有效性。     

多能互补系统综合效益最大化控制

针对光伏发电出力随机性大,波动较强等问题,提出了一种多能互补系统综合效益最大化控制策略,控制双向DC-DC逆变器实现蓄电池、超级电容器和氢燃料电池充放电,保证直流母线电压的稳定。然后利用蓄电池和超级电容器所具有的能量互补特点,实现对储能系统的优化管理。采用光伏与混合储能协调互补的方法,可以减少储能系统的容量、降低蓄电池循环充放电的次数、延长储能装置的使用寿命,并获得较好的光伏波动平抑效果,相比于常规的控制方法,减少了运行投资成本,具有显著的经济效益。     

考虑风电不确定性和有功无功联合调整的两阶段优化调度

基于风电不确定性以及网络中潮流的合理分布对机组出力均有影响的调度问题,文中建立含风电的两阶段优化调度模型。针对风电预测精度日内-实时逐步提高的特点,日内滚动阶段根据时间序列法预测风电出力数据,构造优化发电成本的初调度,确定机组基础出力;实时阶段为了进一步减小误差,通过蒙特卡洛场景生成和后向削减预测风电出力,考虑风电的不确定性;通过有功和无功功率联合调整的动态潮流,使各机组根据频率特性系数按比例分担有功功率不平衡量,根据节点区域控制策略调整无功功率不平衡量,修正机组基础出力,实现潮流的合理分布,建立优化网损和电压水平的调度模型,并通过粒子群算法对模型求解,最后以改进IEEE14节点为例,进行仿真验证。     

基于条件风险方法的含风电系统旋转备用优化调度

针对风电出力波动性和间歇性对电力系统运行的影响,构建基于条件风险方法的电力系统旋转备用模型。以发电总成本和旋转备用总费用最小为目标,在常规调度优化约束基础上,增加正、负旋转备用CVaR值的不等式约束,量化风电不确定性因素。采用蒙特卡罗模拟和解析法相结合,解决旋转备用CVaR值解析的难题,将函数离散化,计算方便简捷。仿真结果表明,旋转备用的条件风险方法可获得不同置信水平和不同风电出力情况下的经济成本和备用容量,更大限度利用风电出力,降低常规能源调度成本,有效解决了风电等新能源带来的随机性调度问题。     

风电动态接纳区间与备用的协调优化

消纳问题是制约大规模并网风电高效利用的瓶颈,而调度决策是消纳并网风电的核心问题。根据风电功率预测误差概率分布及功率波动概率分布与备用需求变化间的关联关系,建立并网风电的备用需求模型,定量的表示风电出力的不确定性。在调度决策中,将风电视为可“主动”参与调度的电源,构建了风电动态接纳区间与备用协调优化的调度模型。模型计及了风电的不确定性,通过制定合理的风电并网容量区间计划和机组出力计划,在保证系统运行安全性的同时兼顾了系统运行的经济性,为含大规模并网风电系统最大程度地合理消纳风电提供了方法。     

风电运行风险与备用协调优化的调度方法

风电功率的预测误差体现了风电的随机性,风电的波动性描述了风电出力在指定时空尺度上的逐点变化特性。针对风电功率预测误差和风电功率波动所需的备用容量,通过对风电的随机性、波动性分析应对,建立风电备用需求新模型。根据风电备用需求与系统运行备用之间的关联关系,定义了风电运行风险,并在此基础上构建了风电运行风险与备用协调优化的调度模型,在模型中采用惩罚的方式对因系统为风电提供的运行备用不足所造成的失负荷成本和风能浪费成本加以考虑。通过修订后的IEEE 6节点和118节点系统算例的仿真计算,验证了模型的正确性和有效性,为更大限度、更经济、更安全的利用风电功率提供了一种决策支持。     

独立型微电网日前与日内协调优化调度

为减小风光发电的随机性对独立型微电网经济运行的影响,并考虑风光发电的预测精度随时间尺度的减小而增加的特点,提出一种将日前计划调度和日内MPC滚动调度相结合的优化调度策略。日前计划调度综合考虑电源、储能和负荷的可调度资源,建立计及系统运行成本和负荷满意度的多目标优化调度模型;日内调度基于MPC的思想,构造日内滚动优化模型,其中包括风光发电预测模型、系统在滚动周期内总运行成本最低为目标的调度模型以及反馈纠正环节,并且为使日内调度的局部性与日前调度的全局性相协调,在调度模型中加入储能荷电状态在一定时间节点变化的惩罚项。最后,对该文所提策略和模型进行仿真验证,结果表明,日前调度使微电网的可调度资源得到充分利用,提高了系统的经济性;日内调度降低了可再生能源的不确定性对微电网的影响,实现了对可控电源的更精细化管理,提高了系统的安全运行水平。