基于信息间隙决策理论的微电网多目标鲁棒优化调度

针对预测技术难以准确获取实际的可再生能源出力和负荷大小,其随机性影响微电网控制策略及用户经济性的问题,基于含光伏系统、储能系统和负荷的并网型微电网,考虑分时电价和需量管理,以用户日电费成本最低为目标函数,建立一种需量管理捆绑峰谷套利的微电网日前优化调度模型。基于该模型,计及光伏出力和负荷的波动性,提出基于信息间隙决策理论（Information Gap Decision Theory,IGDT）的微电网多目标鲁棒优化调度模型,制订具有鲁棒性的调度方案,并研究预设目标成本与光伏出力及负荷波动区间的定量关系。利用ε-约束方法刻画多目标问题的Pareto有效前沿,运用模糊满意度理论确定Pareto解集中的折中解,为运行人员提供合理的鲁棒决策方案。通过对某工业微电网进行仿真,并与蒙特卡洛法对比分析,验证了所建模型的可行性和有效性。     

基于IGDT的有源配电网鲁棒恢复决策方法

由于分布式电源(distributed generator,DG)的接入,有源配电网运行的不确定性显著增大。其中,负荷需求及DG出力的不确定性对于恢复策略的制定影响显著。为此,提出一种基于信息间隙决策理论(information gap decision theory,IGDT)的配电网故障下失电负荷恢复的鲁棒决策模型。对于给定的不确定参数变化集,该模型给出的策略可以保证恢复结果不差于某一预设的最低可接受度。基于该模型,开发了以恢复更多失电负荷为目标的鲁棒恢复程序。最后,采用PGE 69节点配电网算例系统对于所提方法进行了分析验证。     

基于置信间隙决策的综合能源系统鲁棒优化调度

为实现具有鲁棒性的综合能源系统优化调度,该文通过将高斯混合概率模型置信区间与信息间隙决策理论(information gap decision theory,IGDT)的鲁棒思想结合起来,提出新的基于鲁棒驱动的置信间隙决策理论,并以?效 率最大和运行成本最低为优化目标,构建基于置信间隙决策的综合能源系统多目标鲁棒优化调...     

基于信息间隙决策理论的储能电站鲁棒优化配置

储能电站在转移电力需求、平抑可再生能源和负荷波动等方面发挥着重要的作用,储能电站容量优化配置是其在规划建设过程中所需要解决的关键问题。文中提出一种基于信息间隙决策理论（IGDT）的双层鲁棒优化配置模型,为解决系统在运行过程中的不确定参数带来的负面影响,模型下层搭建以经济性为目标的储能电站日前鲁棒优化运行模型;模型上层引入IGDT将经济性和鲁棒性相结合,在一定的预期目标下最大化系统能够承受的波动性,使用Benders分解法求解模型,并以IEEE 33节点配电网系统验证方案有效性,结果表明所提方案可以兼顾经济性与鲁棒性,为储能规划提供参考依据。     

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。     

基于信息间隙决策理论的综合负荷聚合商储能优化配置模型

储能配置是综合负荷聚合商(integrated load aggregator,ILA)参与综合能源系统,保证自身发展的重要手段之一。然而,在与ILA相关的研究结果中,鲜有关于ILA侧最优储能配置的报道。为此在建立电?气联合市场机制的基础上,引入信息间隙决策理论(information gap decision theory,IGDT)方法,对此进行研究。首先,构建电?气联合市场机制,以ILA年费用最小化为目标,建立市场机制下ILA储能优化配置模型。其次,针对电?气市场中的实时电价和气价的不确定性,引入IGDT,得到2种不同风险态度的ILA储能优化配置模型。最后,通过算例分析,得到不同风险态度下ILA的储能容量配置及对应的购售电/气策略;并分析不同日前电价和气价对储能配置的影响,以及不同储能配置方案对ILA经济性的影响。     

多直流馈入受端系统负荷恢复分布鲁棒优化

在含风电的多直流馈入受端系统中,直流系统和风电提供功率支撑可以加快负荷恢复,但不可避免的风电和负荷不确定性问题会给恢复安全带来挑战。为此,提出了一种可以充分利用现有数据降低不确定性风险的恢复决策方法。该方法首先分析直流系统的功率调控特性,建立多回直流功率调控约束模型。其次,构建基于Wasserstein距离的风电出力和负荷模糊集来描述源荷双侧的不确定性。然后,定义恢复风险指标描述不确定性导致的安全越限风险,建立两阶段分布鲁棒优化模型,最小化最恶劣概率分布下的恢复风险。最后,利用对偶理论和big-M方法,将该模型转化为混合整数线性规划问题求解。该方法可充分利用已有数据,提供鲁棒性灵活可调的最优负荷恢复方案,能够平衡恢复过程中的经济性与安全性。算例分析结果表明,所提出的方法可以有力保障各直流传输功率的协调优化和负荷的安全有序接入,消除不确定性带来的运行风险。     

考虑风电预测误差相关性的负荷恢复鲁棒优化

为应对负荷恢复过程中源荷双重不确定性,建立了负荷恢复鲁棒优化模型。应用近似线性化潮流方法对模型进行线性化处理,并基于解耦思想将原模型分解为预测场景下的方案优化主问题和误差场景下的方案校核子问题。主问题以预测场景下加权负荷恢复量最大化为目标函数,进行风电接入和负荷恢复方案最优决策;基于主问题的决策结果,子问题引入松弛变量,构建计及预测误差不确定性的max-min双层方案可行性校核优化模型,并以可调盒式集合刻画负荷预测误差,以线性多面体集合描述具有相关性的风电预测误差。在求解过程中,利用线性优化强对偶理论将max-min结构的子问题对偶转化,并引入大M法线性化所得对偶模型,然后采用列与约束生成算法进行主、子问题高效迭代求解。算例结果验证鲁棒优化模型和迭代求解方法的有效性和可行性。     

考虑温控负荷聚合功率不确定性的楼宇微网鲁棒优化

随着集成楼宇微网系统的快速发展,温控负荷(thermostatically controlled loads, TCLs)逐渐成为重要的需求响应资源,然而其分布的分散性和响应的不确定性也对集成楼宇微网的调控提出更高的要求。针对TCLs的分布分散特性,文章提出了一种基于楼宇热阻热容(resistance-capacitance, RC)模型的TCLs聚合方案。该方案在对楼宇RC传热模型进行线性化处理后,依据大数定律实现TCLs聚合,可充分计及楼宇建筑的物理结构参数,不但能适应楼宇建筑的差异化建模需求,且方案的计算效率较高。基于此TCLs聚合方案,文章建立了一种适用于集成楼宇微网系统的两阶段鲁棒优化模型,分别对TCLs聚合功率和分布式可再生能源出力的不确定性进行建模,并采用列和约束生成算法进行求解。算例结果表明,所提TCLs聚合方案在各种室外温度和光照强度下都能满足微网调度决策的精度要求;同时,所建立的两阶段鲁棒优化模型能有效减少实际运行下的联络线功率调整量,增强微网系统运行的稳定性和鲁棒性。     

考虑风电与高载能负荷调度不确定性的鲁棒机组组合

为缓解弃风问题,甘肃等电网开展了高载能负荷与风电的协调调度。然而,以电弧炉为代表的冶炼类高载能负荷在运行时存在有功功率波动,会对电网的自动发电控制(AGC)系统产生影响。为研究高载能负荷功率波动对负荷与风电协调调度的影响,文中提出一种考虑高载能负荷功率波动以及风电不确定性的鲁棒机组组合方法。该方法充分考虑高载能负荷有功功率波动与设备运行状态的关系,对负荷有功功率的不确定性进行建模。接着,考虑高载能负荷与风电协调调度时,负荷不确定性与风电不确定性对电力系统共同作用的特点,构建最小化弃风与切负荷风险的鲁棒机组组合模型,使电网对高载能负荷进行调控时,可充分考虑高载能负荷不确定性的影响。最后,在IEEE RTS-79系统中对所提方法进行了验证,并分析了高载能负荷不确定性对协调调度的影响。     

基于数据仓库的网架恢复群体智能决策支持系统

电力系统网架恢复问题具有多目标、多约束、连续和整型变量混杂以及不确定性等特点,难以建立精确的数学模型进行求解。综合考虑暂态过电压、工频过电压、自励磁、负荷恢复引起的频率波动、机组/负荷特性及其重要程度、恢复时间、线路可用传输容量、设备故障概率等约束条件和影响因素,建立了基于数据仓库的输电网架恢复群体智能决策支持系统模型,提出三段式的输电网架恢复策略,利用多属性效用理论综合考虑各属性评价值并做出最终恢复决策。该系统既可为案例推理生成可行的案例库,又可在实际恢复过程中为决策者提供在线支持。     

Information Gap Decision Theory-Based Risk-Constrained Bidding Strategy of Price-Taker GenCo in Joint Energy and Reserve Markets

This paper presents an optimal bidding strategy for price-taker generation companies (GenCos), which participate in a day-ahead joint energy and reserve market. Moreover, this problem is formulated as a Mixed-Integer Quadratic Constrained Program (MIQCP) to maximize the profit. Also, the price uncertainties of energy and reserve markets prices have direct impacts on the expected profit and bidding curves. This optimization problem is modeled with utilization of information gap decision theory (IGDT) for optimizing robustness to failure—or opportunity to windfall—under uncertainty conditions. IGDT assesses the robustness/opportunity of bidding strategy in the face of price uncertainties to determine whether a decision is risk-averse or risk-taking. Correlations among the prices of energy and reserve markets are properly modeled based on the concept of weighted average squared error using a variance–covariance matrix. It is shown that the risk-averse decisions, as well as risk-taking decisions, will affect both expected profit and bidding curves. The proposed method is verified in simulation studies on a GenCo comprising 5-unit thermal that participates in a day-ahead joint energy and reserve markets. Also, the proposed model is applied to a 54-unit thermal GenCo of IEEE-118 bus to validate the computational effectiveness of the proposed model in large system.     

考虑能源需求不确定性的居民小区能源中心运行策略

近年来,在居民侧实施热电联产和供热电气化受到了广泛关注。居民小区主要能源需求为电能和热能,主要能源输入为电能和天然气,可以采用能源中心概念来描述居民小区能源需求与能源输入间的耦合关系。在此背景下,首先构建了以热电联产和热泵作为能源转化装置的居民小区能源中心架构。然后,发展了居民小区能源中心内部优化运行的确定性模型,并将电动汽车集群负荷作为可控电负荷参与优化运行。考虑到居民小区的能源需求具有不确定性,且能源中心决策者制定调度策略时对风险的偏好也未必相同,为获得风险厌恶型决策者和风险偏好型决策者的调度策略,引入了信息间隙决策理论建立鲁棒优化模型和机会获利模型,进而建立了居民小区能源中心混合整数线性规划模型,并采用CPLEX求解。最后,以某居民小区为例来说明所发展的模型与方法的基本特征。     

鲁棒性驱动的含风电不确定性区域间调峰互济方法

随着风电的大规模并网,其出力的不确定性和反负荷特性使受电区域面临严峻的风电消纳和调峰问题,进行区域间调峰互济是解决该问题的有效途径之一。在区域间调峰互济的调度模型基础上,引入信息间隙决策理论处理风电不确定性,量化分析了风电出力波动对系统调峰及运行成本的影响,将风电波动引起的成本变化引入到调度模型中,将双层优化问题转化为单层优化问题,建立了考虑风电不确定性的区域间调峰互济改进模型,该模型可求得区域间调峰互济的鲁棒策略。最后,通过算例仿真验证了所提模型的有效性,结果表明通过改进模型解得的调峰互济策略与传统模型解得的策略相比,对于风电波动具有更好的鲁棒性,可有效减少弃风并降低总运行成本。     

电力系统恢复的主从递阶决策模型及其优化算法

引入主从递阶决策概念，建立了一种适合于大面积停电后分布式恢复的主从递阶决策模型。该模型包括主从递阶恢复决策结构和基于承诺与约定的主从递阶决策模型。通过自下而上的可行性检验与自上而下的目标优化，限制问题的求解规模，避免了对大规模系统直接求解的困难。针对主从递阶决策问题的优化求解，提出基于回溯算法的优化方法。山东电网的仿真结果表明，该方法充分考虑了电力系统分层递阶调度的特点，能满足大规模电力系统大面积停电后分层分区恢复协调调度决策的要求。     

基于粒子群优化的最优负荷恢复算法

建立了考虑冷负荷特性的最优负荷恢复模型,考虑了系统的频率、电压和发电机有功出力等动态约束条件,以确保在恢复尽可能多负荷的同时,使系统维持合理的运行频率和网络电压水平等。利用PSS／E软件提供的二次开发语言IPLAN,引入粒子群优化算法对所建的最优负荷恢复模型进行求解,并采用罚函数法对动态约束条件进行处理,可以快速求得在满足系统安全稳定约束条件下可恢复的最大负荷量及负荷位置。算例分析验证了该方法的有效性。     

计及灵活性负荷资源需求响应和不确定性的楼宇微网调度双层优化模型

针对含分布式发电资源和灵活负荷资源的楼宇微网消纳可再生能源的问题,以电动汽车为灵活性资源,构建了计及需求响应和充放电不确定性的楼宇微网调度优化模型。首先,构建了灵活性负荷资源的电价型需求响应模型和激励型需求响应模型;其次,将电动汽车视为产消一体者,分别采用马尔科夫链和信息间隙决策理论(information gap decision theory, IGDT)处理充放电不确定性;最后,以净收益最大化、光伏消纳最大化、用户满意度最大化、二氧化碳排放量最小化构建确定型楼宇微网调度优化模型。通过算例分析验证了所构建优化模型的有效性,该模型不仅提高了系统的清洁能源消纳率,减少了二氧化碳排放量,还能够为用户带来一定的收益,挖掘灵活性负荷资源参与微网调度的潜力,最终实现供用双方的效益双赢。     

电力系统负荷恢复问题的混合遗传算法求解

对电力恢复过程中最后一个阶段的负荷恢复问题进行了研究,把电力系统的负荷恢复问题建模为带众多约束条件的0?1背包问题,并设计了一种将贪心算法与改进遗传算法相结合的改进混合遗传算法来对问题进行求解.在遗传算法之前,先用贪心算法生成该问题的贪心解,然后让每一代中有着最差适应度的个体无条件的变为此贪心解,使最终结果至少不会比贪心法差.解决了系统在负荷恢复过程中的潮流计算问题,采用先求系统的频率变化,然后再计算潮流分布的方法,将约束条件和目标函数融合在一起,通过建立一种偏序关系,避免了罚函数选择参数的困难.利用贪心算法求解背包问题的快速性和多父体杂交的非凸组合技术,使算法具有求解的快速性和在解空间内搜索的遍历性.算例求解结果表明了该算法在负荷恢复问题中的有效性.