现货市场环境下基于深度强化学习的光储联合电站储能系统最优运行方法

光伏-储能联合电站不仅能够有效减少光伏实时出力偏差,也是一种能够提供电能量和调频辅助服务的潜在市场主体。为实现上述3类目标,与光伏出力协同的储能电量调度策略至关重要,然而目前大部分光储联合电站的储能电量调度策略无法同时协调降低光伏实时出力偏差和参与电能量与调频辅助服务市场3种决策;另一方面,电力现货市场价格与调频信号不确定性及储能电量调度策略将光储联合电站储能运行优化问题转化为一个随机动态非凸优化问题,现有相关研究大部分利用随机场景法或智能算法处理非凸优化,所获得的储能运行方案存在一定的局限性,且难以根据实时数据动态制定运行方案。因此,提出一种现货市场环境下基于DQN(deep Q-network)的光储联合电站储能系统优化运行方法,该方法克服了非凸优化难题,结合所提储能电量闭环调度策略能够实现光储联合电站在考虑偏差考核成本、电能量收益、调频辅助服务收益下的储能系统小时级动态优化运行,进而最大化光-储联合电站的经济收益。测试算例通过实际市场数据验证了所提方法的可行性和有效性。     

新型城镇下含热电联产机组的配电网两阶段鲁棒优化调度

随着新型城镇化的改革,多种分布式电源与多元化负荷逐步接入配电网,多种不确定性因素给配电网的运行调度带来极大挑战。文中建立含热电联产(CHP)机组和风电机组的新型城镇配电网两阶段随机鲁棒优化模型。首先,采用场景集描述负荷波动的不确定性,采用保守性模型构建风电出力模糊集合。两阶段鲁棒优化调度中,第1阶段决策日前机组启停方案,第2阶段考虑风电出力的不确定性决策各机组实时出力。采用KKT(Karush-Kuhn-Tucker)条件将第2阶段双层模型变为单层线性优化问题,整体两阶段模型采用列与约束生成方法迭代求解,在负荷的场景集内得到考虑风电不确定性的新型城镇化配电网鲁棒优化调度方案。最后,通过改进33节点算例和改进123节点算例验证了模型的鲁棒性和经济性以及调度方案应对负荷波动的适应性。     

数据驱动下风电–抽蓄联合参与日前–实时市场随机鲁棒竞价策略

风电出力不确定性和波动性导致其市场竞争力较弱,且电价的预测偏差可能进一步加大其市场风险。为减少不确定性因素对风电-抽蓄联合系统收益的不良影响,由对抗变分贝叶斯神经网络生成以风电为代表的可再生能源出力场景,基于数据驱动方法对实时电价进行模糊不确定性建模。通过随机鲁棒优化建立风电-抽蓄联合参与日前和实时电力市场的三阶段模型,相较于常规的两阶段随机优化,增加了第三阶段鲁棒改进过程,保证了竞价方案能够既有经济性又能够有效应对极端场景、既有鲁棒性又不过分保守。结果表明,所提方法比传统不确定性分析方法具有明显优势,能够在避免人为假设的前提下,高效且真实反映可再生能源出力场景以及表征电价不确定性,可有效减少风电实时出力波动和电价预测偏差带来的较高不平衡惩罚。