考虑储热装置的风电-热电机组联合优化运行策略

基于日前供热负荷预测和风电出力预测,考虑储热装置运行机理,研究风电场与热电机组联合运行的优化方法。将含储热装置的热电厂和风电场组成一个发电利益集合体,在满足地区供热负荷和提升风电消纳的同时,通过调节热电机组和储热装置的出力最大化发电利益集合体的收益。考虑热电机组的热-电耦合特性和储热装置的运行约束,建立了日前调度模型并进行求解。在此基础上,考虑风电出力的随机性,建立了相应的随机优化模型。算例分析表明,考虑储热的风电-热电机组联合优化所获得的收益高于风电场和热电机组单独运行获得的总收益,并且可在现行"以热定电"运行机制下提高风电的消纳能力。同时采用随机优化模型能有效降低系统联合出力的不确定性,可较好地解决风功率预测中的不确定性问题。     

考虑多风电场出力相关性的电力系统随机优化调度

考虑多风电场出力之间的尾部相关性,借助Gumbel-Copula函数构建多风电场出力的联合概率分布,提出含多风电场的电力系统随机优化调度模型。通过抽样平均近似(SAA)法处理机会约束条件,将随机优化问题转换为可计算的确定性非线性规划问题,并采用粒子群优化(PSO)算法进行求解。通过算例分析联合概率分布、机会约束置信水平和抽样次数对优化调度结果的影响,结果验证了基于Gumbel-Copula联合概率分布的随机优化调度的合理性。     

考虑大气污染时空分布的风火联合系统多目标优化调度

提出一种考虑大气污染时空分布的风火联合多目标优化调度方法。首先,构建一种考虑大气边界层日变化的污染物时空分布模型,从污染物地面浓度和时空分布的角度衡量污染物影响。然后,基于该模型建立风火联合多目标调度模型,利用地理网格内插方法和风速模型对风力发电和污染物时空分布进行耦合,并在调度模型中充分考虑风电场出力和污染物时空分布的随机性。最后,利用机会约束的求解方法对模型中机会约束进行转化后,针对经济、碳排放和平均污染综合评价值三个目标结合多目标优化方法和随机规划进行求解。IEEE 39节点和广东省算例表明:大气污染体现了极强的时空相关性和天气依赖,该策略不仅可有效减轻火电厂造成的大气污染影响,还可减缓恶劣天气清洁能源出力小且污染物积聚的严重污染情况。     

含光热集热模块的先进绝热压缩空气储能系统容量配置策略

先进绝热压缩空气储能(AA-CAES)技术不但具有环境友好、成本低、容量大等优点,还拥有热电联储/联供的独特优势,并且能够与外接热源耦合运行。充分考虑AA-CAES电站的热电联储/联供特性,将光热集热模块作为AA-CAES系统的外部扩展热源,提出了光热集热模块耦合AA-CAES系统的优化规划模型。该模型除了计及影响光热集热模块各项实际运行效率的约束外,还综合考虑了AA-CAES电站的规划约束、运行约束以及AA-CAES电站备用出力约束等,并采用大M法对模型中的非线性项进行等价转换,将优化规划模型转化为能被常规商用优化求解器高效求解的混合整数线性规划模型。基于某地区的典型日数据和改进的IEEE 30节点系统进行算例仿真,仿真结果验证了所提模型的有效性。     

消纳大规模风电的热电联产机组滚动调度策略

首先,对热电联产机组的特性进行了分析,建立了考虑背压式和抽凝式热电联产机组以及并网风电的滚动调度模型。然后,针对热电联产机组的特性,基于拉格朗日对偶松弛算法框架,提出了考虑风电以及其他各类机组的联合优化滚动调度算法。一方面,提出了主问题的迭代步长自适应修正方法以提高算法收敛速度,子问题则采用一种高效的逆推回代动态规划方法进行求解;另一方面,针对抽凝式热电联产机组的热电耦合约束难题,将其分解为供热出力优化及有功出力优化2个子问题,提出了2个子问题的交替迭代优化算法。某省级电网的实际算例结果证明了该方法的有效性。     

含高比例风电系统随机备用调度研究

高比例风电并网对电力系统备用容量调节能力提出极大的挑战。为弥补风电场计划出力与实际出力之间的偏差，电力调度须额外预留上、下旋转备用容量。利用随机机会约束优化理论，计及违反安全约束风险，提出了一种考虑风电出力不确定性与自动发电控制(automatic generation control,AGC)机组出力特性的日前随机备用调度模型。首先，基于马尔可夫链蒙特卡洛(Markov chains Monte Carlo,MCMC)法生成风电出力场景，并利用违反机会约束的概率及置信参数自动确定所需生成场景数量。其次，全面考虑了AGC机组备用出力特性及运行约束，并将备用成本纳入目标函数，可同时得到常规机组最优出力计划与AGC机组备用容量的最优分配系数。最后，将所构造的随机备用调度模型等效为半定规划(semidefiniteprogramming,SDP)问题进行直接求解。通过IEEE 30节点系统进行算例分析，验证了所构造的随机备用调度模型的有效性。     

考虑风电场接入的输电网与储能扩展鲁棒规划北大核心CSCD

本文考虑含风电场的输电网结构优化,提出了一种输电网与储能联合扩展规划方法。基于鲁棒优化思想,采用不确定性集合刻画负荷需求和风电出力的随机特征。考虑因风电场出力以及负荷不确定性导致的极端场景,建立了一种自适应min-max-min鲁棒规划模型,基于此实现输电线路、储能以及输电网结构的优化。针对所建立的模型,采用了基于原始剖切面的分解算法对模型进行求解,将鲁棒规划模型分解为主模型和从模型,使得非凸问题转变为便用直接使用CPLEX求解器的混合整数线性规划问题。基于IEEE24-bus测试系统对所提方法进行仿真验证,优化结果证明了所提出方法的有效性。     

考虑风电场接入的输电网与储能扩展鲁棒规划

本文考虑含风电场的输电网结构优化,提出了一种输电网与储能联合扩展规划方法。基于鲁棒优化思想,采用不确定性集合刻画负荷需求和风电出力的随机特征。考虑因风电场出力以及负荷不确定性导致的极端场景,建立了一种自适应min-max-min鲁棒规划模型,基于此实现输电线路、储能以及输电网结构的优化。针对所建立的模型,采用了基于原始剖切面的分解算法对模型进行求解,将鲁棒规划模型分解为主模型和从模型,使得非凸问题转变为便用直接使用CPLEX求解器的混合整数线性规划问题。基于IEEE 24-bus测试系统对所提方法进行仿真验证,优化结果证明了所提出方法的有效性。     

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。     

考虑储热装置与碳捕集设备的风电消纳低碳经济调度

在电力系统低碳经济调度的背景下,针对"三北"地区供暖期热电机组因供热导致机组强迫出力过高,造成夜晚弃风严重的问题,提出了一种计及配置了储热装置的热电联产电厂及碳捕集电厂的电力系统优化调度模型,考虑热电机组的热电耦合相关约束、热、电平衡及机组爬坡等约束,兼顾系统的总发电煤耗成本最低以及CO_2排放最少两个目标,采用多目标细菌群体趋药性算法(MOBCC)对模型进行求解。对不同场景下系统的风电消纳情况以及系统的经济成本和碳排放进行了分析。算例结果验证了所提模型及求解方法的有效性和正确性。     

计及风电相关性的二阶锥动态随机最优潮流

可再生能源的大规模接入增加了系统运行调度中的不确定性。同时,实际运行中风电功率具有较强相关性,忽略这些因素将会带来较大的计算误差。目前二阶锥规划多应用于单个时间断面下的最优潮流,但只考虑单时段的最优潮流无法有效计及风电功率的不确定性以及相关性。而现有动态随机最优潮流缺乏对多维风电功率的准确建模,求解计算效率偏低,无法保证收敛性。针对以上问题,文中提出了计及风电相关性的二阶锥动态随机最优潮流模型。基于Pair Copula函数对多维风电功率进行建模,并通过凸松弛将非线性动态随机最优潮流模型转化为二阶锥规划模型,利用商业软件Gurobi结合改进三点估计法对模型进行求解。通过与传统模型以及不计及风电相关性的方案进行对比,验证该模型的有效性和实用性。     

计及中长期合同电量分解和风电不确定性的电-气综合能源系统日前优化调度

将中长期合同电量分解模型引入电-气综合能源系统日前调度决策过程中,实现了合同电量分解和调度计划制定的嵌套优化。针对合同电量分解结果可能在实际调度计划中不可执行的情况,提出了一种基于拉格朗日乘子的机组日分解电量越限因素定位方法,并通过中长期合同电量分解模型与日前调度模型的协调迭代消除越限电量,保证了中长期交易的有效性。此外,在模型中考虑了天然气网络约束和风电随机性对中长期交易计划的影响,并利用机会约束规划理论构建含风电不确定性的优化调度随机模型。基于风电等效随机输出样本矩阵和随机模拟技术实现机会约束向确定性表达式转化。通过仿真算例验证了所提方法的有效性。     

含风电场电力系统的有功优化潮流

提出了一种基于机会约束规划的风电并网系统的有功优化潮流模型和算法。引入了表示风电场发电功率和母线负荷的随机变量，以概率的形式描述约束条件（如线路潮流、节点电压、旋转备用以及稳态频率偏移等）。开发了基于遗传算法和随机模拟技术的计算程序。在IEEE30节点系统上的测试结果验证了文中所提方法的可行性。     

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。     

基于通用分布的含风电电力系统随机动态经济调度

随着风电大规模并网,其不确定性给电力系统经济调度带来了新的挑战。文中利用通用分布模型拟合不同风电功率预测水平下的实际风电功率分布,并以此建立了考虑风电低估、高估成本的日前动态经济调度的随机优化模型。通过对目标函数和约束条件的转化与分析,将随机优化模型转化为一个非线性凸优化问题。结合二次规划算法和内点法,提出了一种两阶段优化算法用以求解对应的经济调度问题。最后,在含风电场的IEEE 30节点系统上,验证了所提基于通用分布的随机动态经济调度方法的有效性。     

风荷组合场景下计及调峰效益的电锅炉和储热系统容量优化配置

储热系统具有良好的调峰特性,可以打破热电联产机组以热定电的刚性约束。合理的配置电锅炉和储热系统能够有效提高地区电网消纳风电的能力。综合考虑风荷不确定性,构建基于启发式矩匹配方法的风-荷组合场景,在此基础上,建立计及调峰效益的电锅炉和储热系统优化配置双层规划模型,上层以待规划热电厂年化调峰净收益最大为目标,下层以组合场景S下总燃料成本和弃风惩罚成本最小为目标,以电热系统相关约束作为约束条件,最后采用粒子群优化方法对该模型进行优化求解,获得最优电锅炉和储热系统配置方案。算例结果表明,合理配置电锅炉和储热系统,可以有效的提高风电消纳率以及整体收益。     

考虑用户舒适度的虚拟电厂热电联合调度模型

热电联产（combined heat and power，CHP）机组“以热定电”的运行模式极大制约了系统调峰能力，导致弃风限电形势严峻，突破CHP机组热电间刚性耦合关系成为促进风电消纳的关键。基于此，采用虚拟电厂模式聚合CHP机组等分布式能源作为整体参与电网运行，充分考虑用户舒适度，将固定负荷曲线转换为需求区间，使热、电负荷在时间轴上具备柔性可调能力，在满足用户舒适度的同时灵活调整CHP机组出力，有效缓解弃风现象。此外，采用多场景法处理风电出力不确定性，以虚拟电厂自身收益最大化为目标构建热电协调调度随机规划模型，实现热、电系统的协调优化运行。最后，通过算例验证所构建模型的有效性和合理性，结果表明：考虑用户舒适度能够有效促进风电消纳，提升虚拟电厂经济效益。     

基于相关机会规划的风电并网容量优化分析

风能的随机性和间歇性强,所以与传统发电形式相比,风电场容量可信度低,如何计算系统中的最大风电并网容量是风电规划所面临的重要问题。基于相关机会规划理论,在保证系统安全运行的前提下建立了计算风电并网容量的优化分析模型,模型中引入了风电的发电能力约束,并考虑了风电场减出力控制措施的影响。该模型适用于不确定环境下的随机事件评估,基于IEEE39节点系统的风电并网容量优化结果验证了模型的可行性。     

智慧社区多能流随机响应面模型预测控制方法

提出一种智慧社区多能流随机响应面模型预测控制方法。采用随机响应面法获取分布式风电和光伏出力、负荷需求以及实时电价等预测误差分布特性,得到预测误差概率密度分布曲线并将其离散化,利用轮盘赌算法生成初始场景集并采用最近邻聚类法进行场景削减。考虑冷热电联供、电动汽车、储能设备等的技术经济特性,构建了兼顾经济性和环保性的多能流多目标优化调度模型,并利用随机模型预测控制方法对多能流调度模型进行在线滚动优化,从而实现日前优化和实时滚动优化的有效统一。算例结果验证了文中所提出方法的有效性和优越性。     

基于随机规划的并网风电场最大注入功率计算

提出了一种基于随机规划理论计算大规模并网风电场最大注入功率的方法，将并网风电场最大注入功率的计算问题转化为在一定安全、稳定、电能质量约束条件下的机会约束规划问题。引入随机变量来表示风电场的有功出力，着重研究了时间段较短的实际运行情况。求解模型时采用了混合智能算法，在含风电场的IEEE30节点系统上进行算例分析，结果表明了该方法的正确性和有效性。本文提出的方法可避免动态仿真的繁琐计算并保证结果的最优性。