考虑多风能预测场景的虚拟电厂日内滚动柔性优化调度方法

随着分布式可再生能源接入电网的比例日益提高,其出力间歇性和随机性给电力系统的安全稳定和经济运行带来了一系列的负面影响,虚拟电厂为分布式可再生能源可靠并网提供了新的途径。针对虚拟电厂中风电机组出力的不确定性及预测误差,考虑了由多个风能预测服务商基于不同预测方法提供多个风电出力预测场景,以期望运行成本最小为目标,制定虚拟电厂每个场景对应的最优调度计划。为应对风力状况的随机波动,虚拟电厂当前时段考虑下一时段所有风电出力场景下的计划调整成本。并以期望运行总成本最小为目标,构建基于多风能预测结果的虚拟电厂柔性优化调度模型,并设计了日内虚拟电厂出力计划的滚动调度策略。通过数值仿真,对比分析了不同预测场景下虚拟电厂的运行成本,验证了所提模型的可行性和有效性。     

求解含风电场随机机组组合问题的动态削减多切割方法

风电大规模集中并网使得实际大电网机组组合问题变得更加难以求解。以场景法为基础,文中提出了动态削减多切割方法。该方法首先将模型分解为用于求解机组的开停机方案和预测场景下机组出力方案的主问题和用于求解误差场景下机组出力方案的子问题;然后通过最优切割将主问题和子问题联系起来,实现交替求解。在迭代过程中,通过动态削减对主问题约束较弱的最优切割,使得迭代进入某一个阶段后最优切割数目保持不变,从而降低了主问题求解规模,并解决了多切割方法随着迭代次数增多主问题规模急剧增大的问题。最后采用含大型风电场和180台火电机组的某省级电力系统进行计算,结果表明所提出的方法在收敛性、计算速度方面均具有优越性。     

考虑备用动作约束的含风电场电力系统多目标动态优化调度

建立了含风电场的电力系统多目标动态优化调度模型,以总燃料耗量、污染气体排放量及购电费用最小为优化目标,针对风电场出力随机性的特点,采用极限场景代表风电场出力偏离预测场景的各种可能方向,考虑了风电场出力极限场景下,各常规机组备用动作对应的网络安全、机组爬坡等约束。将极限场景与预测场景联立求解,得出机组出力计划及各极限场景下的备用动作方案。采用规格化法平面约束法(normalized normal constraint,NNC)和GAMS/CONOPT求解器求解三目标优化问题,以获得均匀分布的Pareto最优解集;并提出通过确定乌托邦面位于目标函数空间中可行域内部的完整部分,以求解完整Pareto前沿的方法。最后以IEEE 39节点系统和某省级电网为例,分析结果表明,所提出模型和算法能够为调度人员提供更为完整的决策信息,并得到在风电场出力波动条件下,能够满足系统各种运行约束的备用动作方案。     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。     

含VSC-HVDC并网风电场的电力系统最优潮流计算

由于风电场出力的实际值通常在预测值附近随机波动,所以在潮流计算时还应考虑风电场出力的随机性。针对风电场通过VSC-HVDC并网的情形,为了使电网既能安全运行,又能实现经济调度,提出了一种基于场景分析的最优潮流计算模型。模型以火电机组的总成本最小为目标函数,并考虑火电机组在预测场景和误差场景有功出力的调节范围约束,采用内点法进行求解。算例结果表明,引入误差场景后,虽然火电机组的总成本增加了,但是风电场出力的随机性对火电机组快速调节出力能力的要求得到了满足,从而保障了电网的安全运行。     

基于离散纵横交叉算法的含风电电力系统机组组合优化

风电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种基于离散纵横交叉算法的含风电电力系统机组组合优化方法。根据风电功率的日前预测值及其误差分布,采用拉丁超立方抽样技术和Cholesky分解生成大量的风电场景,利用同步回代削减法将生成的风电场景削减为少量最有可能发生的场景。以最有可能发生的场景下火电机组的期望运行成本最低为优化目标,建立机组组合优化模型。针对机组组合难以求解的问题,提出了离散纵横交叉算法的优化方法。通过实验仿真验证了所提方法的有效性。     

计及线路随机故障的机会约束最优风电消纳模型

在大规模风电并网的背景下,为提升电网运行的经济性与安全性,基于最优风电消纳比的概念提出一种计及输电线路随机故障的两阶段机会约束机组组合模型。一方面,采用机会约束量化风电出力的不确定性,确定最优的机组组合方式与风电消纳比;另一方面,综合考虑电网基态与故障态的运行方式,在故障发生后引入弃风、切负荷等控制措施,保证电网的稳定运行。为应对机会约束模型带来的求解难题,采用采样平均近似算法处理机会约束,并通过双线性Benders分解法将原问题分解为预测风电出力下的预测主问题和风电出力波动条件下的场景子问题,主子问题迭代求解,得到系统优化运行策略。6节点系统与IEEE RTS-79测试系统算例验证了所提模型与算法的有效性。     

考虑风电出力不确定性的发用电机组组合方法

由于风电出力的不确定性,大规模风电接入电网将对电力系统的安全经济运行产生严重的影响。为了更好地消纳风电,从发电和用电两个角度出发,根据风电出力的Beta概率密度函数,提出基于风电概率模型的弃风成本和可中断负荷成本的发用电一体优化方法。为提高该方法的求解效率和实用性,在建模中仅引入机组组合变量,并采用Delta方法将非线性模型转换为线性模型求解。最后采用多个场景算例说明了模型与方法的实用性和有效性。     

计及风电和负荷不确定性的日调度计划节能效益概率评估方法

针对目前节能调度中确定性的节能效益评估方法不能满足风电出力和负荷功率随机环境下节能管理的需要,基于Monte Carlo随机模拟的方法提出了日调度计划节能效益概率评估方法。该方法首先采用拉丁超立方采样技术进行风电最大出力和节点负荷功率的随机状态模拟,然后建立了含网络安全约束和合同电量约束的日节能调度优化模型,来模拟火电机组的启停和出力状态以及风电机组出力状态。针对模型中含有大量整数变量和网络安全约束的特点,为提高求解效率,基于Benders原理将其分解成具有迭代机制的主问题和子问题求解。其中,主问题在引入起作用的整数变量辨识法对其降低求解规模后,采用CPLEX中的MILP求解器求解;子问题则解耦成24个小的子问题后,采用线性规划法求解。基于大量样本的反复抽样以及机组随机状态的模拟,最终实现了日调度计划节能效益概率评估。最后,以某省级电网为例验证了所提节能效益概率评估方法的有效性。     

考虑风电随机性的微网多时间尺度能量优化调度

提出了考虑风电随机性的微网多时间尺度能量优化调度模型,实现了微网日前调度计划和实时调整之间的协调优化调度。该模型的日前调度部分以微网经济运行为目标,考虑风电出力的随机性,利用多场景方法提高了微网适应风电出力随机性的灵活性。在实时运行调整环节,利用响应速度较快的可控负荷消纳风电出力波动,使微网和外部电网的功率交换遵循日前调度计划,保证日前调度计划的有效性。该多时间尺度调度模型通过优化协调各种设备的运行,实现微网经济运行的同时,很好地消纳了风电随机性给外部电网带来的影响,实现了含风力发电微网对外部电网的可调度性。算例仿真验证了该模型的有效性。