考虑水光互补系统参与电力辅助服务的短期优化调度

梯级水电站与光伏进行互补对平抑光伏波动、提高光伏消纳具有重要意义。为此，首先从发电功率波动最小和发电经济效益最大2个目标函数出发，考虑水光互补系统参与电网有功平衡辅助服务，通过整定水光互补系统出力设计值，使其日内出力趋势能在一定范围内跟随电网负荷的波动，建立梯级水光互补系统短期多目标优化调度模型。其次计及梯级水电站水量约束和光伏电站的晴、阴、雨3种典型日发电特性，采用基于分解的多目标进化算法进行求解。最后对3种典型场景下的梯级水光互补系统的日内优化调度进行验证和分析。实验结果表明梯级水光互补系统可有效平抑光伏发电的间歇性、波动性，并且互补系统出力能及时在电网负荷高峰时段做出相应调整；梯级水光互补系统优化调度方案兼顾了功率波动性和发电经济效益。     

基于马尔可夫模型的光伏出力聚类与模拟

恰当地处理光伏数据并建立合理的出力模型是含光伏发电系统运行与规划的基础。该文基于马尔可夫模型和谱聚类算法,综合考虑光伏出力的天气特性、日特性、季节特性,提出了一种光伏出力聚类和模拟方法。首先,从光伏出力中提取幅值、基准出力和波动出力,基于马尔可夫模型针对波动出力进行聚类分析,并利用Alpha值、Silhouette指数、贝叶斯准则确定最佳聚类数;然后,整合聚类结果并搭建基于月内天气状态和日内出力状态的双层马尔可夫模型;最后,利用双层抽样得到中长期光伏模拟时序出力。与传统K-means算法相比,基于马尔可夫模型的谱聚类算法能够更好地解决光伏出力数据可能出现的数据丢失与误测问题,并具有更好的天气区分性。与马尔可夫蒙特卡洛模拟相比,该文所提光伏出力模型能够更好地保持光伏出力的天气特性、时序特性和概率特性,并具有更高的精度。算例分析验证了该文所提模型的有效性。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

基于DPK-means和ELM的日前光伏发电功率预测

日前光伏发电功率预测是电网经济调度的重要依据。针对K均值(K-means)聚类算法初始聚类中心和聚类数目不易确定的问题和传统神经网络训练参数较多、易陷入局部最优等缺陷,构建了DPK-means和极限学习机(extreme learning machine,ELM)的组合预测算法实现日前光伏发电功率的预测模型。首先,采用密度峰值法(density peaks clustering,DPC)对K-means聚类进行优化,解决了K-means算法初始聚类中心和聚类数目不易确定的问题。然后,在利用DPK-means算法对历史气象数据样本聚类分析的基础上,建立ELM预测模型实现日前光伏发电功率的预测。经实测数据验证可知,所提出的组合预测算法可得到较好的预测结果,具有较强的实用性。     

基于碳交易的含大规模光伏发电系统复合储能优化调度

为提高电力系统对光伏发电的接纳能力,提出一种基于碳交易的含大规模光伏发电的电池储能—抽水蓄能电力系统复合储能优化调度模型。基于低碳经济理念,将阶梯型碳交易机制引入电力系统经济调度中。采用基于最大最小距离准则的改进K均值聚类算法对光伏发电的出力场景进行有效聚类,在保证光伏发电出力分布特征的前提下削减场景数量;以系统综合运行成本最低为目标,兼顾系统的运行经济性和低碳性,利用电池储能作为功率型储能以平滑光伏电站出力波动,抽水蓄能作为能量型储能参与接入光伏发电后系统的调峰平衡。以改进的IEEE-RTS96系统对所提模型进行仿真分析,算例结果验证了模型的合理性和有效性。     

基于空间相关性的分布式光伏出力预测

随着分布式光伏在配电网的渗透率不断上升,其出力波动将成为调度运行中不可忽略的一项不确定因素。基于同一地区光伏出力变化的相关性,提出一种基于空间相关性的分布式光伏出力预测方法。先对同一地区集中式、分布式光伏出力历史数据做无遮归一化,以无遮系数表征光伏出力不确定性;再由K-means聚类方法对天气情况分类,建立基于Copula函数的各类天气工况下光伏出力的相关性模型;最后根据集中式光伏出力信息实现分布式光伏出力预测。以我国北部某城市光伏电站数据为算例,验证了该方法的有效性。     

基于改进帝国竞争算法的微电网优化调度

研究了并网状态下的微电网经济运行,并将改进的帝国竞争算法运用到并网模式下的微电网经济调度中。建立包含光伏、风机、燃料电池及蓄电池的微电网并网运行模型,调度模型以微电网运行成本最小为目标,以各个机组的出力限制、功率平衡、储能情况等为约束条件,由于帝国竞争算法在计算时收敛速度慢,将模糊隶属函数与轮盘算法引入帝国竞争算法来求解所建立的数学模型,通过改进的帝国竞争算法求得了最佳的出力方式。     

考虑大规模光伏电站接入的电力系统旋转备用需求评估

光伏发电系统出力的随机性与间歇性,使得电力系统的运行风险在大规模光伏电站并网后迅速增加,传统的旋转备用需求评估方法已经不能满足含光伏电站的系统运行要求。文中建立了太阳辐照度和光伏发电系统出力的概率分布模型,并采用拉丁超立方采样模拟光伏发电系统的出力场景;利用基于Huffman树的改进K-means聚类算法对光伏发电系统的出力场景进行有效聚类,在保证光伏发电系统出力分布特性的前提下减少了场景数量;在此基础上,提出了考虑大规模光伏电站接入的电力系统旋转备用需求评估模型,以系统综合运行费用最低为目标,兼顾了运行的经济性和可靠性。基于改进的IEEE-RTS 96系统,对所提模型进行了仿真分析,算例结果验证了模型的合理性和有效性。     

基于MILP的用户光储系统储能配置场景适应成本分析

针对联网用户侧光储系统的储能容量优化配置问题,采用K-means 聚类算法和聚类数判断指标筛选典型光伏出力场景集合用于储能规划,分析在不同光伏出力场景下因储能容量缺额或容量冗余产生的场景适应成本;以总场景适应成本最小为目标建立储能容量配置和运行优化的混合整数线性规划模型,优化决策用户光储系统的储能容量配置及运行策略;分析低谷电价与富余光伏倒送价对储能容量配置和运行策略的影响。算例结果表明,模型可计及光伏出力不确定性,优化规划储能容量,并场景化细粒度衡量储能规划方案应对光伏出力变化的经济代价,为用户侧储能投资提供更高效的决策支持。     

基于无功控制的光伏逆变器三相不平衡抑制方法

随着分布式光伏的推广,配电网转变为多源荷共存网络,使得电网潮流与电压分布特征更为复杂,更易出现三相不平衡状况。为解决配电网三相不平衡状态下分布式光伏出力波动问题,提出了一种基于无功控制（reactive power control, RPC）的光伏逆变器三相不平衡抑制方法,实现配电网三相不平衡补偿与分布式光伏有功功率的输出稳定,由此保证光伏发电机组的连续运行,保障配电网可靠运行。在PSCAD/EMTDC平台搭建仿真模型,仿真结果表明,所提控制策略能有效地抑制三相不平衡,实现并网有功功率稳定。该策略的实施将保证光伏发电机组的连续运行,从而实现配电网和整个电网的安全可靠运行。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

基于多场景技术的冷热电虚拟电厂两阶段优化调度

针对风、光出力及负荷需求的不确定性造成虚拟电厂收益低的问题,建立了基于多场景技术的冷热电虚拟电厂优化调度模型.对风光出力及电、热、冷负荷的不确定性进行分析,通过拉丁超立方抽样生成连续时间场景,模拟风光出力及多能负荷随时间的波动情况;采用同步回代消除法对所生成的场景进行削减,得到风、光、荷典型日场景.在此基础上构建多场景...     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

基于多场景随机规划和MPC的冷热电联合系统协同优化

以包含可再生能源及多种分布式资源的区域冷热电联合系统为研究对象,针对风光和负荷的不确定性,提出多场景随机规划结合模型预测控制(MPC)的方法,建立多时间尺度协调优化模型,其中日前和日内尺度主要以运行经济性最优为目标,求解机组的运行及出力计划;实时尺度采用模型预测控制技术,以日内尺度经济调度结果为参考,通过反馈校正与滚动优化调整机组运行出力,实现机组出力的精确控制,消除可再生能源波动性影响,并进一步讨论了出力扰动对调度结果的影响。算例分析证明所提模型和方法能够有效消除不确定性和风光波动性的影响,实现多能源互补协调优化运行。     

基于天气分型的风光出力互补性分析方法

基于天气分型的风光出力互补性定量分析方法能够科学指导风光互补发电系统优化调度。针对现有天气分型方法中主成分分析法无法提取非线性特征,分布领域嵌入(t-SNE)算法未考虑样本实际分布等不足,提出了基于核主成分分析(KPCA)和自组织特征映射(SOFM)神经网络的天气分型及风光出力互补性分析方法。首先,基于数值天气预报数据,利用KPCA进行特征向量提取;然后,以特征向量为输入条件,构建基于SOFM神经网络的天气类型划分模型;最后,基于波动互补率和爬坡互补率评估指标,从波动性和爬坡性2个角度定量分析不同天气类型下风光出力互补程度和最佳并网容量比例。结果表明不同天气类型下风光出力波动互补性及最佳并网容量比例差异明显,验证了所提方法的有效性。     

计及风电不确定性的风-水短期联合优化调度方法

针对风电并网带来的出力随机性和波动性问题,提出了一种计及风电不确定性的风-水短期联合优化调度方法。首先,以地区风电群为整体,考虑风电出力不确定性导致的预测值与实际值间的偏差,采用模糊聚类方法对风电预测值与实际值进行二次聚类,构建预测值与对应的实际值间的出力情景集合及条件概率分布,将风电不确定性转变为有限个确定的条件情景进行描述;继而,建立多情景风电与水电站群联合调峰调度模型,结合当前风电预测值对应的实际情景及其概率分布,采用基于逐次逼近和关联搜索的水电站群短期优化调度方法进行求解;最后,以西南某地区为例,验证所提方法应用效果。     

风-光-水-火多能互补系统随机优化调度

为减少二氧化碳排放、提高可再生能源利用效率,提出了含梯级水电站的风光水火多能互补系统随机优化调度模型。该模型目标函数由系统运行成本、惩罚成本两部分组成,同时考虑了风电和光伏出力的不确定性。用Monte Carlo模拟了风电和光伏出力的随机性,经场景聚合将不确定性问题转化为多个确定性问题进行求解。在梯级水电站建模中,用启发式方法将水电转换函数进行分段线性化,通过算例验证了该模型的有效性;分析了多能互补系统对新能源的消纳能力;调节水电出力状态,发现其对多能互补系统优化调度成本有一定影响。     

融合风光出力场景生成的多能互补微网系统优化配置

多能互补系统结构及设备耦合关系复杂,为提高含高渗透率新能源的多能系统的能源利用效率和运营效益,对考虑风光出力不确定性和相关性的多能互补微网系统优化配置问题进行了研究。在规划阶段充分考虑新能源随机性与相关性,提出了基于核密度估计和Copula理论的风光出力场景生成方法,得到典型日风光出力序列;基于能量枢纽,建立结构完善的含风光多能互补系统的多能流平衡方程,进而以年化总成本最低和一次能源节约率最高为目标建立配置与运行相结合的多能互补系统的双层优化配置模型,并采用智能优化算法对模型进行求解。算例验证和灵敏度分析表明,所述方法能够在考虑风光出力不确定性的基础上得到结构完善的多能互补微网系统优化配置方案,有效降低了多能系统总成本并提高了一次能源节约率。     

大规模风光互补发电系统建模与运行特性研究

建立了大规模并网风光互补发电系统动态分析模型,提出了基于功率变化率改进扰动观察最大功率跟踪算法。风电及光伏系统均采用有功、无功解耦双环电流控制策略。应用静止同步补偿器分析模型的暂态故障电压。含风电、光伏及风光互补运行的电力系统仿真计算验证了该模型的有效性及其功率波动特性和母线电压的暂态影响。仿真结果表明,该风光互补发电系统模型有效降低了输出功率波动,实现了风光系统低电压穿越,确保故障情况下风光系统不脱网运行以及电网安全稳定运行。     

含风电和光伏的可再生能源场景削减方法

以风电和光伏为代表的可再生能源渗透率不断增加,其出力不确定性导致的大规模时序场景给电力系统的优化分析带来很高的计算复杂度。以场景削减技术精准刻画区域风电、光伏出力特性是解决以上问题的有效方法之一。提出一种基于聚类与优化算法相结合的可再生能源场景削减方法。首先对数据进行清洗、降噪等预处理,其次利用肘部法则与轮廓系数判断风电、光伏类别个数并进行聚类。然后,利用粒子群与遗传算法分别提取风电、光伏典型出力曲线,并对两种算法结果进行对比,从而生成典型场景。算例分析以欧洲输电系统运营商Amprion提供的2015年1月1日至2019年12月31日风电、光伏出力数据为研究对象,利用所提方法求得的出力曲线可以有效反映该区域风电、光伏出力典型场景,为后续电力系统规划、运行优化等问题提供数据支撑。