计及风险备用需求的含风电电力系统经济调度

考虑风电的波动性和随机性,该文将风电功率的不确定性引入到含风电的电力系统调度中,建立了计及风险备用的日前机组组合和日内经济调度滚动修正模型。日前调度计划包括建立机组组合模型计算日前发电计划和基于条件风险价值计算由风电预测误差引起的风险备用容量,在日内修正模型中利用风电预测值和负荷预测值2个随机变量的概率密度来估算失负荷期望和弃风期望,并将其作为风险成本引入到模型中,通过备用成本与风险成本的牵制来获取最优的调度结果和备用容量值。最后,通过算例分析结果表明,文中所提出的模型平衡了系统的经济性和安全性。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制。同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型。模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型。最后,建立了潮流裕度指标,并评估了该模型的安全性。算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考。     

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制.同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型.模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型.最后,建立了潮流裕度指标,并评估了该模型的安全性.算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考.     

计及新能源预测不确定性的跨区域日前—日内调度模型

为简化现有直流线路运行等效模型,精细化地对新能源跨区消纳进行仿真,构建了直流线路输送功率增量模型。为应对两区域新能源预测不确定性对新能源跨区消纳的影响,利用基于场景分析的随机优化模型和多时间尺度滚动优化思想建立了计及新能源预测不确定性的跨区域日前—日内调度模型。利用自回归滑动平均模型、场景缩减技术和场景组合构建描述两区域新能源日前预测不确定性的场景集,建立日前随机优化模型,求取统计意义上新能源弃电最小的两区域机组启停计划和直流线路输送计划;基于新能源日内预测数据,建立日内调整模型滚动优化两区域机组发电计划和直流线路调整计划。最后,通过某省实际数据改建的跨区域系统算例,验证了所建模型的有效性。     

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。     

基于两阶段鲁棒优化的可再生能源DNE极限评估

为应对高比例可再生能源给电力系统运行与调度带来的挑战,提出考虑弃风和切负荷的灵活性量化评估方法。基于日前和实时调度框架建立具有多时段耦合约束特征的两阶段鲁棒优化模型。在日前调度阶段,根据风电和负荷预测数据求解计及安全约束的机组组合问题以确定机组调度方案。在实时调度阶段,考虑电力系统不确定性计算风电的最大消纳范围以评估系统灵活性,即“不超过”极限。对于极限内任意风电曲线,均可通过调整日前调度计划使实时调度阶段的弃风和切负荷风险是可接受的。基于Benders算法的求解框架,应用强对偶理论和大M法将难以直接求解的min-max-min模型转化为混合整数线性规划问题。最后,采用改进的IEEE-6和IEEE-118节点系统,验证所提方法的有效性。     

计及频率考虑风电分担加速功率的两阶段经济调度

风电不确定性引起的预测误差会对系统经济调度产生影响,针对此问题,本文采用不同时间尺度两阶段经济调度模式进行优化.第1阶段不计风能不确定性以火电发电成本最小为目标建立日前24 h调度模型;第2阶段以第1阶段机组出力为基础对风功率进行不确定性建模,以频率偏移和网损最小为目标建立日内1h实时调度模型,此阶段为考虑频率质量将动态潮流计算引入优化调度中,且基于动态潮流计算系统中加速功率由风、火、荷按一定的比例共同分担,其中风机根据调频能力与风速和减载水平有关的特性,在不同风速下通过超速或变桨整定出不同等效静调差系数以更好发挥风电分担加速功率的作用.模型通过多目标粒子群优化算法形成基于Pareto曲线的最优前沿解集.最后以改进的IEEE 14节点系统为例对所提方案进行仿真验证.     

计及风电与电动汽车随机性的两阶段机组组合研究

风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战。在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型。首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network, GAN)来生成风电场景。其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类。可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中。最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性。     

基于实时电价的大规模风电消纳机组组合和经济调度模型

基于需求响应消纳风电的积极效用,综合考虑不确定性调度决策的特点,分别建立了基于实时电价的考虑不确定性的风电消纳确定性和随机机组组合模型,并建立了经济调度模型评估2类机组组合决策的效果,还分析了网络约束的影响。基于PJM-5节点系统的算例分析表明,需求侧资源可以灵活部署响应风电出力变化,降低风电不确定性影响,提高风电接入系统的经济性、鲁棒性和风电利用效率。对随机机组组合而言,需求侧资源可以与机组协同优化满足多场景需求;对确定机组组合而言,需求侧资源则可以有效缓解其不确定性信息涵盖较少且备用决策未考虑网架结构造成机组备用无法全部释放等的问题,但确定机组组合对需求侧资源的容量和灵活性要求高于随机机组组合。