含风电场的多目标动态环境经济调度

为应对风电并网给电力经济调度带来的影响,构建了含风电场的多目标动态环境经济调度模型。该模型能同时兼顾燃料费用目标及污染排放目标,并计及阀点效应、网络损耗以及由风电不确定性引起的旋转备用需求。为求解该模型,达到为决策者提供最优调度方案集的目的,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于动态调度领域。针对模型的复杂约束,在算法中加入对机组出力的实时调整及对约束违反量的适当惩罚,并利用归一化操作,避免算法向某一目标过度进化。经过对算例的仿真及对不同调度方案的对比分析,验证了所提调度模型的合理性以及改进MOEA/D算法解决此类问题的有效性。     

含风电场和抽水蓄能电站的多目标安全约束动态优化调度EI北大核心CSCD

建立含风电场和抽水蓄能电站的电力系统动态优化调度模型,以总燃料耗量、污染气体排放量和购电费用最小为目标,并考虑基态和N-1条件下的网络安全约束和抽水蓄能机组的运行调度约束。引入满足互补条件的两个连续变量发电功率和抽水功率来描述抽水蓄能机组的运行特性,避免引入离散变量,并通过对抽水蓄能机组各个时段的工况约束的累加来减少不等式约束个数。并采用"校验—添加—再校验—再添加"的思想处理N-1安全约束,提高了求解效率。采用法线边界交叉法(normal boundary intersection,NBI)和内点法求解多目标优化问题获得均匀分布的Pareto最优解集。某省级167机2299节点系统的计算结果表明,所提出的方法能够综合考虑发电计划在安全性、经济性和环保性之间的最优折中,并发挥抽水蓄能电站削峰填谷和应对风电场出力随机性的作用。     

计及风力发电风险的电力系统多目标动态优化调度

为解决风电的随机性给电力系统调度带来的问题,引入负荷预测误差和风速的概率分布函数来建立负荷及风电功率的随机性模型。基于对负荷及风电功率随机性模型的深入分析,对风电接入将导致系统维持稳定运行的成本增加风险加以考虑。并在约束条件中引入失负荷及风电浪费风险指标,构建计及风力发电风险的电力系统多目标优化调度模型,以实现系统总污染排放量最少和运行成本最低的综合优化目标。采用一种新颖的蝙蝠算法对模型进行求解,并对蝙蝠算法的不足之处进行了改进,有效地解决了该算法迭代后期收敛慢、易陷入局部极值等问题。以含大规模风电并网电力系统为例进行环境经济调度仿真,验证了所提模型及算法的有效性,并进一步分析了相关参数对含风电并网电力系统优化调度的影响。     

计及风险系数的含风电场电力系统多目标动态优化调度

随着风电并网容量的不断增加,传统的确定性优化调度方法已难以满足电力系统安全运行要求。本文建立了计及风险系数的含风电场电力系统多目标动态优化调度模型,模型包括风险系数、燃料成本及污染排放量最小3个目标,将风电场出力及负荷的不确定性纳入模型综合考虑。为了对模型中的随机变量进行处理,引入概率性序列理论,并对其运算空间进行扩展,然后提出了一种改进的多目标教与学优化算法对模型进行求解。含风电场的10机系统算例验证了本文模型及算法的可行性和有效性。     

基于MO-APSO的含风电场电力系统动态环境经济调度

为综合考虑碳排放权交易对风火联供模式的影响,基于节能减排、发电效益、机组运行3个方面约束条件,引入碳排放权交易成本函数,构建了考虑发电成本、碳交易成本、环境成本的风火联供系统多目标动态环境经济调度(DEED)模型。提出一种多目标自适应粒子群优化(MO-APSO)算法求解该DEED问题。根据寻优过程中粒子当前的适应度函数值,对惯性权重及学习因子进行自适应修正,进一步改善早熟的缺陷,增强全局搜索能力。含风电场的10机电力系统仿真结果表明:所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,有效降低了联供系统的碳排放量及综合运行成本。     

含风电场多目标低碳电力系统动态经济调度研究

含风电场多目标低碳电力系统调度模型包括2个目标函数:发电成本和碳排放量。考虑电力系统经济性的同时减少碳排放量;考虑风电场带来的风险,在发电成本中增加风险成本;在保证电力系统安全性的同时增加风电场的出力,达到低碳节能的效果。对含风电场多目标低碳电力系统调度模型,采用改进的多目标粒子群优化算法进行优化求解。仿真验证了含风电场多目标低碳电力系统调度数学模型与改进粒子群算法的正确性与有效性。     

计及柔性资源的含风电场电力系统多目标动态协调调度

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

计及需求响应的含风电场多目标低碳经济调度

综合考虑发电成本、碳排放量和用户满意度,建立计及需求响应的含风电场多目标低碳经济调度模型。该模型采用随机规划理论描述风电出力的不确定性,并应用风电出力分布函数将其转化为等价的确定性模型;通过优化需求侧资源来调整次日的负荷曲线,以提高系统负荷率和风电消纳能力;引入用户满意度约束,保证调度方案使用户满意;将源荷侧资源整合统一调度来适应大规模风电并网和满足系统节能减排的要求。在人工鱼群算法搜索过程中结合禁忌搜索思想,并引入多目标搜索机制,提出了一种多目标改进鱼群算法对模型求解。采用逼近理想解排序法对帕累托前沿个体排序,辅助决策者确定最佳的调度方案。算例仿真结果验证了所提模型的合理性和算法的有效性。     

计及过负荷风险的风电并网电力系统动态经济调度

建立了综合考虑系统发电成本、过负荷风险的风电并网系统多目标动态经济调度模型：在优化过程中计及机组出力爬坡约束、系统旋转备用约束;采用自适应DEM0算法对模型进行求解;得到Pateto最优集后采用协调性最优的准则选取折中解。最后在RTS-79系统上对所提模型和算法的有效性进行验证。     

含风电场的电力系统环保经济调度

随着人们的环保意识逐渐提高,电力行业中的环保问题日益受到人们的重视。基于此,将电力生产过程中环境污染问题量化为环境成本计入经济调度的总成本中,同时针对风能的间歇性、不确定性给电力系统带来的影响,引入了低估和高估风电出力的成本,建立了含风电场的电力系统环保经济调度模型。以某地区24h负荷数据为参考,通过多种群遗传算法分析了计入环境成本的调度模型对电力系统购电成本、火电排污量的影响,仿真结果验证了模型的可行性以及有效性。     

考虑风电消纳的电力系统源荷协调多目标优化方法EI北大核心CSCD

随着风电的快速发展,其出力的随机性和间歇性导致常规电源的调节压力不断增大,传统的调度运行方式已经不能满足大规模风电的送出需求。该文将具有可调节特性的高载能负荷作为消纳风电的重要手段,与常规电源共同参与电网的优化调度,形成源荷协调优化运行的调度模式。在深入研究源荷协调运行特性的基础上,综合考虑源荷协调对风电消纳和系统运行的影响,以风电消纳电量最大和系统运行成本最小为目标建立源荷协调多目标优化模型,并采用多目标差分算法对模型进行求解。以甘肃电网为实例进行仿真说明,验证了所提方法能够有效降低系统运行成本,提高风电消纳水平。     

计及风电不确定性优化调度研究综述EI北大核心CSCD

大规模风电并网后为系统带来不确定性因素,对系统优化调度造成极大的挑战。该文立足于国内外电力系统适应高比例风电并网消纳的实际进展,首先,从机组组合计划、经济调度、市场机制等多角度对国内外研究现状进行梳理;其次,依据时间尺度、调控目标、建模机理及不确定模型等多种准则对计及风电不确定性优化调度模型进行归类分析,归纳并总结各类优化模型的优缺点及应用情况;然后,分别从模糊隶属度函数、场景集、鲁棒不确定集及分布鲁棒不确定集等四个方面,详尽地阐述各类处理风电不确定性模型的架构、应用现状、优势及不足;最后,对相关领域未来研究方向进行展望,以期为计及风电不确定性优化调度的研究提供参考和建议。     

计及风电备用风险的电力系统多目标混合优化调度

风电功率不确定间歇波动给电力调度带来了困难。如何合理考虑风电备用风险,一体化制定经济发电与旋转备用计划,并使节能减排等指标满足期望水平,是亟待解决的问题。定义了一种以风电功率间歇波动引起系统备用紧张程度为指标的规范化风电备用风险,建立了一种同时计及风电功率间歇波动对系统上调和下调备用的风险影响、一体化制定经济发电与旋转...     

计及需求响应及环保成本的含储热CHP与风电联合优化调度EI北大核心CSCD

清洁无污染的风力发电是解决全球能源危机的关键技术之一,但同时消纳难题也是制约其发展的主要因素。构建了考虑需求响应及环保成本的含储热热电联产(combined heatandpower,CHP)机组与风电联合发电优化调度模型,源侧采用储热装置打破CHP机组以热定电的耦合约束,荷侧融入需求响应来调整用户电负荷曲线。通过优化各机组出力以及电负荷需求曲线,提高风电并网消纳量,降低硫硝化合物排放量。该模型以系统运行成本最小为目标,综合考虑源侧环境保护税及荷侧用户用电满意度约束,通过CPLEX进行求解。最后,以IEEE-30节点系统为例进行分析,算例结果表明该模型在兼顾发电侧运行成本的同时保证了用户侧的用电质量,能有效促进风电消纳,减少污染物排放。     

含电动汽车的电力系统动态环境经济调度

为应对电动汽车规模化应用给电力调度带来的挑战,构建含电动汽车的动态环境经济调度模型。该模型将各调度时段电动汽车的"车-网"互动(V2G)功率以及常规机组的出力作为决策变量,以总燃料费用和污染排放量作为优化目标,在满足系统能量及用户出行需求的前提下,动态管理电动汽车的充放电行为。设计一种采用改进MOEA/D的优化调度求解方法,并提出基于罚函数的决策变量两步制动态约束处理策略。测试系统的仿真结果验证了所提调度模型及方法的合理性及有效性。     

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。     

含风电场电力系统的动态经济调度分散随机优化方法

针对含风电场电力动态经济调度的信息私密性和不确定性问题,提出一种分散随机优化求解方法。根据目标级联分析的原理,将含风电场的动态经济调度集中优化模型转化为随机分散优化模型。利用近似动态规划对各个区域的随机动态经济调度问题进行分散优化,并根据区域间边界节点相角信息对它们的优化方案进行协调。通过6节点2区域系统、IEEE多区域系统和某实际系统的算例分析,从多个角度验证了所提方法的有效性。     

基于源荷互动的含风电场电力系统多目标模糊优化调度方法

在深入研究负荷互动特性的基础上,发挥互动负荷对系统消纳风电正负波动的效用,将互动负荷视为可调度资源融入传统日前调度模型中。综合考虑互动负荷对系统运行成本和潮流分布的影响,建立了以运行成本和网损最小为目标的含风电场电力系统多目标优化调度模型,并引入模糊理论将多目标优化问题转化为单目标优化问题进行求解,从而使发电侧和用电侧均能参与电网运行的资源优化配置。IEEE 30节点系统的仿真结果,验证了所提调度方法能够有效降低系统运行成本和网损,提高风电消纳水平。     

考虑风电不确定性的电力系统多目标优化调度

针对风电机组并网规模的增加使火电系统面临平频繁启停、运行效率低的问题,建立考虑风电机组不确定性的电力系统多目标调度模型.在一定的风险情况下,对电力系统进行调度,对机组按照能耗量高低进行排序,安排机组开停机顺序,既提高机组运行效率又符合节能调度的要求.在传统经济调度模型的基础上,考虑机组运行稳定性,建立电力系统经济平稳调度模型,引入maxmin函数和ε支配的多目标粒子群算法对模型进行求解.算例分析表明,该模型能够在一定的风险情况下取得较好的经济性和平稳性。