基于风电不确定性的电力系统备用容量获取

针对风电功率预测的不确定性对电力系统备用容量的影响,建立了基于风电不确定性的备用容量获取模型。首先利用场景法模拟生成风电功率、负荷及常规机组的不确定性模型,进而对生成场景进行概率统计得出系统差额概率密度函数,得出系统电量不足期望(EENS)和风能浪费风险(EWWR)指标,并通过EENS和EWWR指标及备用容量成本从系统可靠性和经济性两方面折中进行系统正、负备用容量的确定。最后通过10机系统仿真,验证了该方法在满足可靠性前提下有效地减少了备用成本和弃风量。     

系统备用容量优化问题综述

从应对系统可能出现的多种容量事故角度,发电侧备用容量(reserve capacity of generation side,RCGS)与需求侧可中断负荷(interruptible load,IL)容量都可作为系统备用容量。为有效提高备用容量配置和稳定控制的经济性,以及抑制RCGS在备用容量市场上的市场力,应充分利用各类备用手段的经济互补性,从风险管理的角度对其加以协调。文中在建立市场环境下系统备用容量体系的基础上,基于风险管理与协调优化的观点,对目前系统备用容量优化方面的问题进行了综述。     

考虑光伏的备用容量替代配置优化模型

在新能源环境下,负荷需求与新能源发电的不确定性对备用容量对提出了更高的要求,新能源与备用替代日益受到关注。根据电量不足期望值（expected energy not supplied,EENS）与备用容量的关系,确定了电力系统备用总量,并采用优先分配方式在多类型的发电机组中分配备用容量。基于EENS与运行成本,构建光伏发电系统替代火电机组的综合替代效益评价指标,以综合替代效益评价指标的数值最小化为目标函数,构建考虑光伏发电系统替代火电机组参与备用运行的电力系统备用容量优化模型。并用分段线性理论对具有二次特性的目标函数进行线性化处理,采用分支定界算法求解构建的非线性整数规划问题。以IEEE-30系统作为实例,计算结果表明,光伏发电系统替代火电机组参与备用运行,可以降低综合替代效益及备用容量。     

实施需求侧管理对提高发电系统可靠性的影响探究

实施需求侧管理可以提高能源利用率,减少最大负荷需求量,相当于间接增加了系统的发电容量,因此能够提高发电系统的可靠性。简要介绍了发电系统可靠性指标,建立发电系统可靠性分析模型,包括发电容量模型和负荷模型,并分析了非时序蒙特卡洛法在发电系统可靠性评估中的应用。采用模拟法定量,以IEEE可靠性测试系统RTS(Reliability Test System)为例定量分析需求侧管理对发电系统可靠性的影响,分析结果表明实施需求侧管理能够提高能源利用率和发电系统的可靠性,使系统更加安全、经济、可靠地对用户供电。     

关于可中断负荷参与系统备用的评述

讨论可中断负荷(IL)市场的经济补偿模型及报价清算规则,指出参与系统备用服务的IL市场与发电侧备用市场之间的协调对于发电充裕性的重要性。将IL的市场引导方式分为2类,即用户接受停电概率换取的折扣电价补偿与在实际停电后按合约赔偿。两者都可按竞价的市场方式运作,并都在容量事故发生后实施负荷的中断。但前者对应于日常的低代价,且像支付发电侧备用的容量费那样,与停电是否实际发生无关;而后者则对应于小概率的高代价,且像支付发电侧备用的电量费那样,只有在实际停电后才支付。两者的经济特性不同,故具有协调空间。强调以量化指标统一反映系统备用的充裕水平与风险代价,兼顾发电备用的经济性和可靠性。     

发电容量充裕性的混合优化

在发电容量充裕性的研究中,需求侧管理及需求侧备用市场通常是与发电侧备用市场孤立的.为改进发电容量充裕性控制,在低电价可中断负荷和高赔偿可中断负荷协调控制的基础上,将实施分时电价作为预防控制,将调用发电侧备用容量、中断需求侧低电价与高赔偿可中断负荷容量作为事故后控制.基于其不同的技术特性和经济特性,提出协调模型和优化算法,定量研究预防、事故后控制及其协调控制的效果.仿真验证了风险协调对备用服务的显著改善.     

节能减排下发用电两侧主备用资源联合优化

发电侧和需求侧资源的优化配置不仅可提高系统运行的经济性,还可减少资源的浪费和污染物的排放,实现社会效益的最大化。根据需求侧可中断负荷可以参与系统备用的思想,考虑发电机组污染物排放费用,建立了一种基于最优潮流的主备用资源联合优化模型,研究了按发电机组停运确定系统最优备用容量以及可中断负荷参与系统备用对市场运行费用的影响。IEEE14节点算例表明,按发电机组停运确定系统备用容量减少了备用成本,优化了备用容量分布;可中断负荷参与备用虽然增加了系统备用成本,但减少了污染物排放费用,降低了系统总运行成本。     

电力市场备用容量的一种交易模式及其定价机制

备用容量关系到电力系统的安全运行和可靠性。在电力市场环境下,备用容量的交易模式和定价机制是引导发电公司作出正确的投资决策,保证备用容量供需平衡的重要因素。文中针对当前的在电力市场环境下备用容量交易模式进行了分析,并提出了不足之处。对此,该文提出了预付费备用容量交易模式和基于平均利润率的容量定价机制。该方法明确了容量市场的交易对象为备用容量,电网公司对订购的备用容量预先向发电公司支付费用,备用容量的定价保证发电公司的容量市场交易与能量市场交易获取同样的利润率,以此引导发电公司正确地投资备用容量。该文的论证和算例表明该方法可以确保发电公司投资足够满足系统可靠性需求的备用容量,并且防止过量投资。     

大规模可再生能源接入下的电力系统充裕性优化(一)旋转级备用的优化

大规模可再生能源接入需要及时响应的各级备用容量支撑,合理配置立即可用的旋转级发电侧和需求侧备用容量对平衡系统可靠性与经济性至关重要。建立有偿使用备用服务的市场机制,其基本任务是购入合适的备用容量,在满足潜在风险场景下调度需求的同时,降低系统总成本。这就要求:考察每个可选备用措施(RM)在风险场景下的备用价值;从中选取性价比较高的RM或其组合。三篇连载文章完成了场景集下多等级备用协调优化的具体建模与求解,作为连载的第一篇,文中在分析现有备用优化求解方法的基础上,提出了基于RM代价性能比的旋转级备用优化方法。以穷尽式寻优方法为精度基准,通过所提方法与混合整数线性规划方法的对比,验证了所提方法的有效性。同时通过算例,从效率和精度两个方面给出了所提优化方法在不同规模系统下的表现。     

电力市场备用容量的一种交易模式及其定价机制

备用容量关系到电力系统的安全运行和可靠性.在电力市场环境下,备用容量的交易模式和定价机制是引导发电公司作出正确的投资决策,保证备用容量供需平衡的重要因素.文中针对当前的在电力市场环境下备用容量交易模式进行了分析,并提出了不足之处.对此,该文提出了预付费备用容量交易模式和基于平均利润率的容量定价机制.该方法明确了容量市场的交易对象为备用容量,电网公司对订购的备用容量预先向发电公司支付费用,备用容量的定价保证发电公司的容量市场交易与能量市场交易获取同样的利润率,以此引导发电公司正确地投资备用容量.该文的论证和算例表明该方法可以确保发电公司投资足够满足系统可靠性需求的备用容量,并且防止过量投资.     

考虑用户参与下电网公司购买备用的优化模型

随着用户和发电公司同时参与备用市场的方式日趋成熟,电网公司如何调用备用容量才能使自身利益最大化成为研究的新热点问题。先利用会计成本法对发电机组的备用报价进行分析,并构建发电侧备用容量的优化模型;同时,根据用户上报的可中断负荷和可中断电价进行排序,构建以用户可中断负荷为备用容量的离散优化模型;在此基础上,建立双侧开放的备用市场联合优化模型,利用最速下降的启发式算法得出电网公司需调用的最优备用容量。算例表明,在保持相同电网可靠性的情况下,联合优化模型购买备用的费用少于其它两种购买方式。     

兼容广义需求侧资源的配电网经济运行研究

在考虑了广义需求侧资源参与竞争性电力市场的情况下,构建了兼顾电能市场和备用市场的基于广义需求侧资源的配电网经济运行模型,以期实现发电侧和用电侧资源的联合优化调度.算例分析结果表明,该模型在技术上可行、经济上有效;且主网资源价格、备用需求和备用使用概率等为配电网经济运行的主要影响因素.     

电力备用市场的竞价模型

当前对备用市场的研究大多基于备用容量为给定的这一个前提，其核心是求解如何以最小的费用去购买这个预定的容量，文中提出弹性备用需求的概念，即在备用竞价过程中，通过对备用购买成本和系统可靠性效益的分析，同时确定发电系统的最优备用容量及中标的发电厂商，结合可靠性评估，文中对备用市场最优容量需求和竞价出清模型进行了深入的探讨，给出了基于Pool结构的备用市场竞价模型，文中采用启发式算法求解，简便实用，实际系统的数字仿真结果证明所提模型对于备用市场的竞价是有效的。     

双侧开放市场中能量与备用容量的联合优化

为缓解系统中有限装机容量与一定的备用容量要求之间的矛盾,根据电力用户可以采取积极措施主动进行负荷管理而为系统提供备用容量的思想,提出一种基于最优潮流的能量和备用容量市场联合优化模型;研究在双侧开放的电力市场环境中,用户主动参与备用容量服务对市场运营效益的影响。IEEE 30节点系统算例表明,用户进入旋转备用容量市场,成为系统备用容量的新供应者,可使全系统的运营效益有较大提高,减少了系统备用容量购买支出,降低了各节点上的电价水平和系统备用价格。     

风火联合系统不同备用模式的风险调度策略研究

电侧的需求响应以及蓄电设备运行灵活,可以作为虚拟备用资源,保障含风电等间歇性新能源发电的电力系统安全。为衡量虚拟备用资源给系统经济性和环保性的影响,分别建立传统火电备用和虚拟快速备用这2种含风电并网的电力调度模型。并考虑新能源输出功率、电力市场、机组参数等不确定因素给系统优化带来的风险,将区间两阶段随机优化模型与CVaR风险规避相结合,利用区间数、概率数对系统供给侧和需求侧的不确定因素与优化函数有效结合,同时体现决策者风险偏好。算例分析表明,此混合优化算法能够对含风电并网的电力系统不同旋转备用模式进行优化,权衡系统成本与系统风险。算例结果表明充分利用蓄电池、需求响应作为虚拟备用资源能有效降低系统成本和CO2排放。     

需求弹性对系统最优备用投入的影响

在具有一定需求弹性和调节能力的电力用户参与备用服务提供的电力市场化背景下,考虑到用户侧提供备用服务时的电价和用户需求水平的不同会造成单位容量缺电成本的变化,建立了用户参与备用服务的补偿成本（消费者剩余）模型.在此模型的基础上运用最优潮流算法研究了需求弹性对电力系统最优备用投入的影响.IEEE 14节点算例表明：随着负荷侧需求弹性的增加,发电侧备用机组的投入量逐步减小,备用投入总成本也显著降低,同时增加了系统的运营效益.     

需求侧灵活性资源参与调频辅助服务的备用优化与实时调度

需求侧资源有潜力通过其灵活性缓和系统的短期功率不平衡,但也会面临用电不确定性的挑战。文中面向用户侧用电不确定性及调频备用需求,以含电动汽车、温控负荷的聚合商为例,建立了参与调频辅助服务的备用优化与实时调度模型。在日前市场上报阶段,基于电量空间对实时运行的风险成本进行评估,实现能量和备用联合优化;在实时控制阶段,基于电量空间对各个用电方进行功率分配,满足用电需求的同时,提高聚合商响应系统功率调整的能力。仿真分析验证了将不同负荷聚合进行联合调度的可行性,以及聚合负荷在功率互支撑、提高总体运行效率方面的作用。     

旋转备用辅助服务的需求与调度

备用辅助服务关系到电力系统的安全运行和可靠性。旋转备用与能量市场有很强的耦合关系,其容量需求和调度分配受到了人们的广泛关注。该文采用和能量市场解耦的旋转备用辅助服务模式,提出了以系统旋转备用社会效益最大的最优备用容量确定原则和基于竞争的备用分配调度模型。文中采用启发式算法求解,算例的仿真结果说明了该方法的有效性。     

Multi-objective market clearing of electrical energy,spinning reserves and emission for wind-thermal power system

This paper proposes energy and spinning reserve market clearing mechanism for wind-thermal power system, including uncertainties in wind power generation and load demand forecasts. The impact of wind power and load demand volatility on the energy and spinning reserve market is taken into account. This paper considers reserve offers from the conventional thermal generators. The stochastic behavior of wind speed, and wind power is represented by Weibull probability density function (PDF), and the load demand uncertainty is represented by Normal PDF. This paper considers two objectives: energy and spinning reserves cost minimization, and emission minimization. The energy and spinning reserves cost minimization objective includes cost of energy provided by conventional thermal generators and wind generators, cost of reserves provided by conventional thermal generators. It also includes costs due to over-estimation and under-estimation of available wind power, and load demand. The proposed market clearing model provides a compromise solution by optimizing both the objectives simultaneously using multi-objective Strength Pareto Evolutionary Algorithm 2+ (SPEA 2+). The effectiveness of the proposed approach is established from the results on IEEE 30 bus system.