计及操作时间不确定性的电力系统网架重构策略优化

电力系统大停电后的网架重构阶段历时较长,涉及因素众多,是一个多目标、多变量的组合优化问题。发展了计及恢复操作时间不确定性的网架重构方案优化的机会约束规划模型。该模型以恢复的发电节点数和负荷恢复收益作为节点收益,搜索网架重构过程中收益最大的网架重构方案。之后,针对网架重构问题的特点,提出了一种改进的遗传算法求解方法。最后,通过算例说明了所述模型和方法的基本特征。     

基于降维与搜索的网架重构

针对寻优搜索节点较多、线路较多的复杂大电力系统时计算维数过大的问题,提出了一种基于降维与搜索的网架重构方案。该方案结合优化蚁群算法与离散粒子群算法(DPSO)以搜索目标网架。首先,采用优化蚁群算法搜索一条主干线路,降低后续寻优的维数。然后,基于已经得到的主干线路,采用离散粒子群算法对电网的剩余部分进行搜索。利用已并网发电机组提供的发电功率,以考虑重要负荷的综合负荷恢复量最大为目标函数进行寻优,得到满足拓扑连通性和安全、稳定运行约束的目标网架。最后,以IEEE118节点系统和湖北电网部分地区为算例,验证了所提方法的正确性和有效性。     

考虑网架覆盖率与分散度的网架重构优化

大停电后的网架重构过程中需要选择合理的恢复路径,尽快建立系统的骨干网架。提出了网架覆盖率和网架分散度指标,分别用于衡量骨干网架对系统原网络的覆盖程度以及重构过程中出现过长支路的风险,并综合恢复时间和线路充电电容等因素,建立了网架重构优化模型,利用简化模型寻找最优目标节点,采用改进的交叉粒子群算法优化目标节点恢复顺序,进而得到网架重构最优方案,其中考虑了非电源目标节点的同步恢复机制,提高重构效率。最后,以IEEE30节点系统算例验证了所提的网架重构方法的有效性。     

基于目标规划的网架重构路径优化方法

大停电后的网架重构需要在保证系统运行安全的约束下尽快恢复机组出力,合理的路径恢复顺序对提高重构效果意义重大.文中提出了一种基于目标规划的网架重构路径优化方法.该方法以重构时间和机组出力恢复程度作为评价重构效果的主要因素,在为二者确定合理目标值的基础上,建立了体现各目标相对重要性及综合目标偏差最小的目标规划模型.针对IEEE30节点系统的应用结果说明,该方法能够利用不同优化目标间的不相容性,所获得的路径恢复顺序以目标值为基础,最大限度地体现了恢复决策的侧重点,对于指导恢复操作更具现实意义.     

计及负荷模糊不确定性的网架重构后期负荷恢复优化

电力系统恢复过程中存在着大量的不确定因素,待恢复节点的实际负荷量与预期值往往存在偏差,现有的负荷恢复模型在解决负荷不确定问题时存在一定局限。为解决此问题,文中采用梯形模糊参数表示待恢复节点的负荷接入量,将确定性的约束条件改为模糊参数下的机会约束,综合考虑负荷恢复效益和负荷过载风险对负荷优选的影响,建立了网架重构后期的负荷恢复优化模型。在计算负荷权重时,引入模糊熵量化负荷的不确定性,将负荷重要度和不确定度纳入负荷评价指标。最后,采用模糊机会约束的清晰等价类将负荷恢复的不确定模型转化为确定性的0-1规划问题,并采用混合整数规划方法求解。仿真算例表明所提模型能够平衡恢复过程中的负荷恢复效益和负荷过载风险,得到的决策方案对负荷的模糊不确定性具有更好的适应性。     

计及预测误差相关性的风电出力不确定性集合建模与评估

先进的鲁棒调度技术是应对出力不确定性最经济、最有效的手段之一;而不确定性集合是刻画风电出力不确定性的基本形式,它不依赖于预测误差的具体分布形式,是制定风电鲁棒调度策略,进而保障系统安全经济运行的重要参考依据。首先,采用实际数据对现有不确定性集合建模方法进行了评估,指出在不确定性集合中若忽略风电预测误差的相关性将导致不合理的结果。在此基础上,基于广义椭球的一般表达式,提出了风电出力不确定性测度的概念,进而给出一种可以准确考虑风电预测误差相关性的不确定性集合建模方法。实际算例表明,在给定置信概率下,所提方法能够保证不确定性集合凸性,大幅压缩不确定性集合的测度,从而显著降低电力系统鲁棒优化决策的保守性。     

基于预测误差不确定性的规模化间歇式电源机组组合研究

针对间歇式电源出力和负荷需求预测的不确定性,引入预测误差的不确定,将系统中的不确定变量处理为一个总的不确定系统预测误差,基于机会约束规划建立了考虑预测误差随机性的机组组合模型。此外,计及间歇式电源不同出力水平下预测误差分布不同的特性,在全面考虑预测误差的分布规律及其所导致的备用容量基础上,将考虑预测误差的机组组合问题精细化。以10机系统为例,采用基于随机模拟的粒子群算法求解,算例结果验证了上述模型和方法的有效性和实用性。     

考虑风电不确定性的风蓄火联合优化经济调度研究

风电的间歇性、波动性和反调峰特性导致大量风能成为弃风,致使风电的经济效益和环保效益均受到影响。针对风电和抽水蓄能以及火电出力的不同特性,文中采用内外两层模型嵌套求解,即优先建立内层风蓄联合运行收益最大和风电入网波动最小的双目标模型,以决定抽水蓄能机组的抽水功率或发电功率,再在外层建立计及不同置信水平风电预测误差的风蓄火联合收益最大的目标模型。以抽水蓄能和风电合作运行来应对风电的不确定性,同时采用机会约束规划来处理模型中的随机变量。采用粒子群优化-遗传算法混合优化算法求解模型,并通过IEEE 30节点系统验证了该模型在增加系统经济效益的同时可以降低风电出力波动性。     

计及不确定性因素的配电网网架规划方法

为了在配电网网络架构规划中计及分布式电源出力与负荷不确定性的影响,提出了模糊规划法。通过三角模糊数表述分布式电源(Distributed Generation, DG)出力的不确定性,并利用可信度理论构建配电网网架规划模型;提出了一种快速生成树算法形成待规划系统的初始网络架构,再利用遗传算法对初始网架进行调整寻优,最终得到系统最优网架。通过算例仿真验证了该方法的有效性。     

基于鲁棒优化的网架重构机组恢复顺序优化

在当前以火电为主的系统中,大停电后机组恢复时间的长短对重构效果影响显著。针对机组启动准备时段和启动时段可能出现的时间延迟,以最小化重构期间的电量不足为优化目标,构建了计及火电机组启动时间不确定性的机组恢复顺序鲁棒优化模型。通过交叉粒子群算法与CPLEX优化求解相结合,可获得量化表征恢复效果和运行可靠性的机组恢复顺序,为调度人员应对可能出现的最严重机组恢复迟滞场景提供了更加全面的决策参考。对于调度人员自行拟定的机组恢复顺序,还可根据运行经验预估其成功实施的概率,通过CPLEX求解并筛选关键时步,为调度人员有的放矢地保证恢复效果提供量化指导。针对新英格兰10机39节点系统和某区域电网的仿真结果验证了该方法的有效性。     

风蓄联合系统的抽水蓄能容量优化

为了提高风蓄联合系统内风电场运行的经济性,有必要对抽水蓄能进行容量优化。首先计及风电特性给出了风蓄联合运行策略,以减小风电随机性对电网稳定性的影响;其次,给出了计算风电并网功率的数学模型,可作为调度员拟定发电计划的依据;以联合系统的安装和运行维护总成本最低为目标,结合机会约束规划理论建立了抽水蓄能容量优化模型,并采用混沌粒子群优化算法进行求解。算例分析表明了该方法的合理性。     

马尔可夫预测的多目标优化储能系统平抑风电场功率波动

在高比例风电主导的可再生能源电力系统中,配置储能系统是缓解风电功率波动、实现削峰填谷、提高风电可调度性的有效解决方案。文中从大规模储能出力水平以及风电未来输出对当前储能运行影响的角度出发,设计了风储联合运行的多目标优化仿真模型。采用马尔可夫预测模型形成风功率未来输出评估,同时利用粒子群优化算法实时滚动优化风储并网功率,获得储能电池最优运行策略。利用某百兆瓦级风电场的典型风功率数据进行仿真,仿真结果表明所提方法平滑效果良好,避免了储能电池过度充放电,防止了储能电池进入死区的情况,提高了风储一体化系统的可靠性和经济性。     

考虑双馈电机风电场无功调节能力的配电网无功优化

针对目前配电网无功优化中没有考虑具有灵活无功调节能力的并网双馈电机风电场为系统提供无功支持的问题,研究了考虑双馈电机风电场无功调节能力的配电网无功优化模型和算法.分析了风速预测误差对双馈电机风电场无功容量的影响,将双馈电机风电场无功容量极限作为约束条件,在最大效率利用风能的前提下将双馈电机风电场作为连续无功源参与配电网...     

考虑风电功率预测不确定性的日前发电计划鲁棒优化方法

随着风能发电电源并网装机容量的不断升高,风电的强随机性迫使日前发电计划需要购买大量的发电备用,造成全系统发电经济性恶化。在分析风电功率时变预测不确定性的基础上,提出了计及日内现货市场滚动交易的两阶段带补偿鲁棒优化方法。通过在第一阶段日前优化过程中计及日内滚动交易偏差电力的预期,降低了日前发电计划中的备用总需量;对于第二阶段日内调整电力大小的求解,采用了高精度的预测模型,以提升系统发电经济性。最后通过对比分析算例验证了所提方法的正确性和有效性。     

考虑风电不确定出力的风电并网协调优化模型

针对风电出力的随机性和间歇性等特点,首先,提出了风电预渗透率的概念,结合风电预测精度,建立了风电预测误差计算模型。其次,考虑到误差随时间的迁移性,建立了风电预测误差增长模型,并建立了基于误差增长的风电不确定出力计算模型。在建立负荷可参与调度的权重区间模型以及引入可调度负荷与储能系统的基础上,建立了风电成本模型和考虑可调度负荷与储能系统风电并网协调优化调度模型。最后,以某地区电力系统为研究对象,采用Matlab对优化模型进行仿真求解,结果表明,所用方法能够有效降低弃风率以及火电备用容量。     

应用粒子群优化算法的短期风电功率预测

根据数值气象预报的风速和风向数据,采用粒子群优化的前向神经网络模型进行短期风电功率预测。分析了数据相关性对预测结果的影响,比较了粒子群优化前后的前向神经网络模型的性能。研究结果表明,经过粒子群优化后的前向神经网络模型比没有优化的前向神经网络有更好的性能,且根据数据相关性较好的测试样本可得到较好的预测结果。风速风向数值预报与输出功率的相关系数越高,基于粒子群优化前向神经网络模型的预测精度越高于没有优化的前向神经网络模型。     

考虑线路投入顺序的网架重构机组恢复多目标优化

合理的机组恢复顺序和可靠的恢复路径对系统的快速恢复具有重要影响。分析了网架重构的机组恢复过程,建立了新的网架重构机组恢复多目标优化模型。优化目标为待恢复机组提供的发电量尽可能大,并兼顾线路恢复操作的可靠性和对后续恢复的影响。通过设置优化问题的求解域,松弛优化目标的主次关系,并引入差分进化—分布估计算法(DE-EDA)提高求解效率。所述方法能同时给出Pareto最优的机组恢复顺序、目标网架重构方案及线路投入顺序。算例仿真结果表明,设置求解域可减少计算量,提高求解速度;使用DE-EDA获得的最优解具有更好的收敛性和分布性。     

考虑电价-出力关联不确定性的风电场投资分析

针对电力市场中电价的波动性、风能资源的随机性及可控性差等特性带来的投资风险,运用投资组合理论对风电场集群的投资资金进行合理配置,使得投资者在可承受风险范围内获得更高的资金回报率.首先,计及电价-出力关联不确定性,计算各个风电场每单位装机容量得到的年收益和收益的方差,建立计及不确定性的风电场投资风险分析模型;而后,运用投资组合理论进行风电场优化配置组合;最后,采用某地区的相关数据模拟仿真,用粒子群算法求解风险投资模型.分析计算结果表明,该方法有效可行.