含风光电站的电力系统动态经济调度

随着电力系统中风电和光伏发电的接入比例不断增长,其输出功率的随机性给系统经济调度带来了不确定因素。通过将满足一定置信概率的风电、光伏发电的功率区间预测信息纳入发电计划中,同时引入了可中断负荷作为旋转备用,建立了基于功率区间预测的考虑机组组合的系统动态经济调度模型。求解模型时利用改进离散粒子群算法（discrete particle swarm optimization,DPSO）来解决机组启停问题,采用连续粒子群算法来实现负荷的经济分配,并采用启发式调整规则,提高算法的效率和搜索性能。最后通过10机系统仿真算例验证了模型和算法的有效性。     

风电并网电力系统动态经济调度问题的研究

通过优化火电机组出力,研究风电并网后,电力系统的短期动态经济调度问题。优化模型中引入了上、下旋转备用,以此应对风电功率预测误差给系统调度带来的波动。在基本粒子群优化算法基础上,提出了3种改进策略:先采用"循环处理策略"和"优先启停策略"生成问题的可行解,然后采用"机会停机策略"进一步优化可行解。经典算例结果表明,本文提出的策略稳定性好、寻优速度快、优化结果好,具有高效的搜索能力和适应性。     

含风电的电力系统动态经济调度模型

电力系统的经济调度必须考虑风电的波动性和随机性带来的影响。引入概率约束,定义了风电场计划出力实现的概率,研究了含风电场的电力系统动态经济调度模型。通过计算下一调度日风电场实际出力的条件期望与计划出力的差值,确定了风电对系统正、负旋转备用的需求。利用分位数的概念,将含有概率约束的随机调度模型等价地转换为确定性模型。提出了一种改进的粒子群算法来求解转换后的确定性模型。仿真实验结果表明,这种含风电场的电力系统动态经济调度模型能有效应对风电接入引起的备用需求变化,所得的调度方案在保证系统可靠性的前提下能节省更多的成本。     

含光热电站的联合发电系统优化调度

该文结合我国西北某地区光热、火电联合发电系统的调度问题,模拟出了塔式CSP电站与传统能源电站配合发电的优化调度策略.文中首先分析我国已并网使用的光热电站的运行机理,构建了含储热的光热电站能量转换的数学模型;其次,总结塔式CSP电站的发电机理,构建复合发电系统的多目标优化调度模型;然后,借助MATLAB平台对多目标问题进...     

大规模风电入网下的风气火电力系统联合优化调度

建立综合考虑机组能耗成本最低、环境成本最低、火电机组平稳运行为目标的风气火联合优化动态经济调度模型。采用启发式搜索确定机组组合,避免火电机组频繁启停及过大的系统容量冗余。提出一种改进的混合粒子群算法,通过10机测试系统验证了该算法的优越性。以某地区电网为例进行仿真计算,结果验证了所提调度模型与改进的粒子群算法的可行性和有效性。     

风蓄火联合运行电力系统动态经济优化调度

针对风电的波动性和反调峰特性,为减少火电系统调峰压力,考虑到抽水蓄能机组启停迅速、工况转化灵活等良好的运行特性,建立风电-抽水蓄能电站-火电站联合调度模型。以充分利用清洁能源、降低系统运行成本和火电机组平稳运行为目标建立多目标优化调度模型,充分发挥抽水蓄能机组在电力系统中的调节作用。以避免系统容量冗余、避免火电机组频繁启停和低负荷运行为原则,确定火电机组调度台数。利用引入maxmin函数和ε支配的改进多目标粒子群算法对模型进行求解。通过算例分析,研究抽水蓄能机组的运行效益及联合调度时抽水蓄能机组的调度运行规律和各类机组间的配合运行特点,计算结果表明模型能够为充分利用风电提供良好的调度运行策略,具有一定的实用性。     

含大规模风电及光热电站的电力系统优化调度方法

含储热和电加热的光热电站的出力具有良好的灵活性和可调度性,能够有效提升电力系统调节水平和新能源消纳能力。首先,基于光热电站运行机理,建立含储热及电加热的光热电站运行模型,描述光热电站的能量转换特性及运行约束。进而,以系统运行成本最优为目标,计及系统各项运行约束,建立含大规模风电及光热电站的电力系统优化调度模型,并利用优化软件CPLEX求解模型。该模型综合考虑光热电站提供备用容量能力、系统运行稳定性及整体经济性,从而确定最优日前调度策略。最后,通过IEEE 39节点系统算例仿真验证了该方法的可行性和有效性。     

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。     

计及风电成本的电力系统短期经济调度建模

与传统发电方式相比,风力发电具有无煤耗和无污染的优势,但风速的间歇性和不确定性使得大容量风电并网后会给电力系统的安全性和稳定性造成了影响。将风速的不确定性量化为风电成本纳入到短期调度模型中,同时考虑到风电的不足和盈余对于调度策略的影响及风能无污染的优势,在模型中还分别加入了备用罚函数、风电盈余罚函数和污染评估罚函数,从而建立了计及风电成本的电力系统短期调度模型。在优化方法方面,依据混沌理论,将免疫算法和粒子群算法相结合,建立了基于人工免疫系统的混沌粒子群算法（ICPSO）,通过混沌初始化和浓度的控制,克服了粒子群易陷入局部最优解的劣势,并在仿真中证明了其有效性。     

考虑可靠性约束的含风电场电力系统动态经济调度

提出一种考虑系统可靠性约束的含风电场电力系统动态经济调度模型,在目标函数中加入了中断负荷费用.针对风速预测和负荷预测的不确定性,引入净负荷的概念,利用七分段高斯分布模拟预测误差的不确定性.在系统可靠性指标的计算过程中,考虑了系统机组的不确定性以及旋转备用.为求解模型,提出了一种改进的粒子群优化算法,引入信息分享和精英学习策略.以IEEE-RTS测试系统为算例,通过仿真分析,验证了所提模型的可行性与有效性.该模型可以在保证系统可靠性水平的基础上优化系统调度.     

含积分风险的电网经济调度研究*

随着大规模风电机组的并网运行,风电的随机性和不确定性给含风电的电网调度带来新的挑战和要求。为了在电网调度中降低风电的随机性影响,本文首先通过对风电功率进行统计分析采用逐时分析的方法来绘制风电机组的功率频率曲线,得到动态的风电功率密度分布函数。然后将该分布函数引入到电网调度中,建立含积分风险的电网调度模型。为了解决求解该调度模型的优化问题了,本文引入遗传算法对骨干粒子群算法进行改进,提出了改进的骨干粒子群算法。最后通过IEEE30系统对本文模型进行了验证,并对含风电电网调度的风险和成本进行了分析。     

计及碳交易的光热电站与风电系统低碳经济调度策略

为保证系统在低碳环保的前提下兼顾风电消纳与经济运行,提出一种考虑碳交易机制的光热电站与风电系统低碳经济调度策略.从低碳技术与低碳政策2个角度出发,将低碳手段与市场机制相结合,搭建考虑碳交易的光热电站与风电系统运行框架,并分析其运行机理;以火电出力承担基荷,建立以综合成本最低为目标的低碳经济调度模型,统筹系统低碳性与经济...     

计及光热电站与风氢系统互补运行的低碳经济调度策略

为促进风能高品质利用、降低系统的碳排放水平,提出一种光热电站与风氢系统互补运行方式：将系统弃风作为制氢的电力来源以实现同节点下两者的光热-氢耦合。分析了光热电站中不同电转热环节对系统低碳经济效益的影响,将电转气的氢能利用阶段分为CO2甲烷化和氢燃料电池运行,二者作为低碳技术的有效手段,辅之以绿证-碳交易机制的低碳市场政策,进一步挖掘联合运行系统的减排能力;以系统综合运行成本最低为目标建立低碳经济调度模型,再利用McCormick方法将混合整数非线性优化问题转化为混合整数线性优化问题,并运用CPLEX求解器对模型进行求解;在改进的IEEE 30节点系统上进行仿真验证,通过多场景的设置,对比验证所提策略的有效性。     

基于随机模拟粒子群算法的含风电场电力系统经济调度

由于风电具有随机性,目前尚无法较准确预测其出力,因此含有风电的电力系统经济调度不再是-个常规意义下的确定性问题.利用传统的方法也难获得既经济又有较高可靠性的解.本文建立了基于机会约束规划的含风电场的电力系统经济调度数学模型,以概率的形式描述相关约束条件,考虑了机组的爬坡约束、出力限制,线路潮流限制、备用约束及负荷平衡等约束条件,利用基于随机模拟的粒子群算法求解该问题.通过IEEE30节点系统的算例验证,表明该模型与算法的有效性.     

基于参数规划的含储能和风电电力系统低碳经济调度

为了实现“双碳”目标以及适应新能源快速发展的形势,基于参数规划及工程博弈论提出了一种含储能和风电电力系统的多目标低碳经济调度方法。以系统发电成本、碳排放量、储能寿命折损为目标构建多目标优化模型,采用系数约束法将模型转化为参数线性规划模型,求解参数规划模型可获得Pareto前沿的精确解析表达式,从而进一步构建工程博弈问题,精炼得到对多目标具有公平性的唯一Pareto最优解,为决策者提供参考。算例分析结果表明,所提调度方法能够充分兼顾各目标的优化程度,保证电力系统调度的环保性与经济性,可有效应用于新能源电力系统的低碳经济调度。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

随机风电接入的电力系统动态经济调度多场景协同优化

针对随机风电接入的电力系统动态经济调度问题,采用场景法应对随机风电接入带来的不确定性,并以发电总成本最小为优化目标,结合多学科协同优化算法的核心思想建立基于多场景解耦的电力系统动态经济调度协同优化模型。引入动态松弛算法求解模型的系统级优化问题,有效克服传统多学科协同优化算法的不足;采用网格计算工具并行求解由多场景构建的子学科优化问题,大幅提高求解规模和计算效率。含风电的IEEE 39节点系统仿真结果表明,所提模型是可行有效的,并且优化效果要优于基于GAMS-BARON求解器的传统场景法。