基于负荷转移的钢铁企业自备电厂发用电联合优化模型

基于分时电价对于机组生产安排和可转移负荷工作时段安排的影响,建立了含自备电厂的钢铁企业发用电联合优化模型。在精确电平衡分析的基础上得出可转移负荷,计及负荷的不确定性,由最小用电成本得出机组的出力分配,进而联合负荷转移模型和价格约束得出负荷运行时间。算例结果表明,不同上网电价对于可转移负荷安排的影响不同,企业要取得最大的经济利益,必须合理利用分时电价安排可转移负荷和优化机组,降低发电成本。     

计及市场收益的含储能火电厂日前-日内两阶段优化调度方法

火电厂的市场收益主要包括电能收益与备用收益,机组容量的分配是影响市场收益的重要因素之一,因此提出考虑优化机组容量分配的日前-日内两阶段优化调度方法。分析储能参与电力调度的机理,量化储能可用备用容量,以减小机组爬坡频次、提高机组发电利用率为目标,建立含储能火电厂日前与日内两阶段优化调度模型。采用拉格朗日松弛法对模型进行处理,基于市场边际电价理论求解容量价格与电量价格,并计算火电厂总售电收益。在安装储能与否的两种场景中进行算例分析,结果表明,在火电厂侧安装储能可以有效提高机组发电利用率,增加火电厂收益。     

电力市场下可靠性电价与可靠性市场的研究

着重研究了系统的备用容量与发电可靠性和用电可靠性之间的关系以及不同发电可靠性条件下的发电可靠性电价和不同用电可靠性条件下的用电可靠性电价的确定。提出了满足个性化可靠性需求的交易模式,即由电网公司根据负荷的预计分布规律与备用市场价格确定在不同备用与供电可靠性条件下的备用电源计划安排,从而得到备用电源的费用及单位负荷功率的可靠性电价;电力用户根据自身的用电负荷特征及电网公司公布的可靠性电价申报供电可靠性要求;电网公司根据发电厂机组的可靠性水平确定系统需要增加的备用容量,进而确定发电厂的可靠性电价。     

考虑风电及分时电价的机组组合问题研究

近年来,风电等清洁能源的接入以及负荷侧分时电价的管理增加了电网调度的复杂性,为实现在风电接入及分时电价管理背景下的火电机组的经济调度和分时电价策略优化,首先研究了负荷需求对峰谷时段电价的响应模型,接着基于模糊机会约束理论建立了考虑风电及分时电价的机组组合模型,然后提出了一种双层混合粒子群算法求解该机组组合模型,以得到与风电相配合的分时电价定制策略以及火电机组出力值。最后仿真结果表明,所提出的方法可以实现负荷侧分时电价策略与供电侧火电出力的有效配合并降低火电机组的发电成本。     

考虑分区备用的主能量 — 备用联合市场均衡模型

为了保证系统在事故情况下电能可以顺利传送到备用需求区域,备用资源需要均匀合理地分布于电网中。文中建立了一种考虑分区备用的主能量 — 备用联合市场均衡模型。该模型同时计及网络约束、系统备用约束和分区备用约束,其中区域备用需求可以由本地发电资源和相应区域联络线的剩余传输容量共同提供。此外,还分析了主能量价格、备用价格及两者之间的耦合关系。仿真结果表明,分区备用会导致备用稀缺区域内主能量和备用价格的提高,而系统总负荷收益却会相应减少;此外,在寡头市场环境下,与大部分发电商通过持留容量方式来获取更高收益不同,处于备用稀缺区域内的发电商往往需要通过增加其自身出力来获取更大的收益。     

考虑源荷双侧预测误差的实时发电计划闭环控制模型

针对源荷双侧不确定性对电网实时调度运行的影响,提出了模糊信息粒与机会约束目标规划相结合的建模求解方法,建立了实时发电计划与自动发电控制(AGC)闭环控制模型,动态优化系统的可调备用容量。针对服从不同概率分布函数的随机预测误差,引入模糊信息粒理论对可中断负荷切负荷率、负荷预测和风电出力的预测误差进行模糊粒子化,应用机会约束目标规划构建系统备用偏差量约束。在闭环控制过程中,通过动态调整机组的控制模式实现可调备用在不同类型机组间的合理分配,在目标函数中引入风险成本和机组模式转换成本,实现了满足安全备用需求条件下的经济最优性。最后,利用算例验证了模型的有效性和实用性。     

发电侧峰谷分时电价设计及电量分配优化模型

构建发电侧与售电侧峰谷分时电价联动机制有利于平衡发电公司和供电公司之间的利益,但必须建立在定制出合理的上网定价机制的基础上,因此有必要研究发电侧分时电价问题。从发电成本的角度考虑,采用两部制电价对发电侧峰谷分时电价进行研究。应用会计成本法计算发电侧容量成本,并根据发电容量确定峰谷分时容量电价;根据发电厂煤耗等变动成本确定发电侧峰谷分时电量电价,从而得到发电侧峰谷分时电价;构建各时段各发电厂的电量分配优化模型。通过算例分析证明所提出的发电侧峰谷分时电价设计机制及电量分配优化模型是可行的。     

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。     

基于无功辅助服务补偿的发电厂AVC系统机组无功出力分配策略

运行机组间无功出力分配是发电厂AVC系统的重要技术环节,分配策略的优劣影响着AVC控制的安全性及发电厂运行的经济性。从提高发电厂收益角度,提出了基于无功辅助服务补偿的发电厂AVC系统机组无功出力分配策略,建立了优化模型。该优化模型考虑了发电厂参与无功辅助服务后机组及变压器损耗增加的成本,在满足调度机构AVC系统下发的控制目标及机组安全运行等约束条件的前提下,以电厂收益最大为优化目标,求取参与AVC控制机组的无功出力控制量并下发相应机组执行。算例仿真验证了基于无功辅助服务补偿后发电厂运行机组间无功出力分配的有效性,能在满足调压要求的同时明显地提高电厂的经济效益。     

考虑双重市场的含风电电力系统双层随机优化调度

风电与负荷的不确定性影响经济调度中机组出力及其承担的旋转备用。考虑机组同时参与能量市场和旋转备用市场,且双重市场具有一定的主辅特性,建立了电力系统双层随机优化调度模型。以系统发电成本最小为上层目标,增加风电利用率及其实现概率作为约束,优化机组有功功率及风电计划出力;对于受不确定性因素影响呈现为随机量的失负荷和弃风损失函数分别求取其条件风险价值CVa R,并与旋转备用成本最小为下层目标,优化配置旋转备用容量。将上、下层模型中的机会概率约束和条件风险价值线性化,便于CPLEX求解器求解。算例表明,双层随机方法能有效解决不同风电利用率、失负荷损失和弃风损失置信水平下的备用需求变化;双层随机方法相对单层随机方法能获得较优的经济效果。     

电力市场中旋转备用的效益和成本分析

电力市场环境下辅助服务的作用和成本分析是一个亟待解决的问题,旋转备用的研究是其中重要的组成部分。文中提出了旋转备用成本分析和效益评估的定义和计算方法。基于电能成本分析,提出了系统最佳开机台数的确定原则,旋转备用的优化分配调度模型,以及根据旋转备用边际机会成本确定旋转备用电价的思想。最后通过数字算例说明了算法的实用性与合理性。     

基于加权半方差的含风电电力系统旋转备用效益研究

在考虑系统旋转备用的容量成本和能量成本、因购买旋转备用而减少的停电损失,以及旋转备用效益的离散程度的基础上,引入风险偏好系数,并采用证券投资组合中的加权半方差度量风险。以期望旋转备用效益最大和风险最小为优化目标,建立基于加权半方差的含风电电力系统旋转备用效益-风险模型。采用蒙特卡洛模拟法模拟实际负荷功率偏差和风电出力预测偏差,并通过多目标纵横交叉算法求得期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及风险偏好系数、可靠性水平、预测偏差、失负荷损失价格、旋转备用价格对期望旋转备用效益和风险的影响。算例验证了所提模型的合理性。     

电力市场中辅助服务的获取与定价

讨论了电力市场环境下辅助服务的获取与成本的分摊问题，简要介绍了国际上几个典型的电力市场中辅助服务的获取及其定价方法，在此基础上，对我国电力工业市场化后的辅助服务的获取和定价原则提出了一些看法，此外，还阐明了备用容量和主能量交易一体优化的思想以及确定备用容量的电价和电量电价的原则。     

Optimal Scheduling of Spinning Reserve with Transmission Constraints

An effective method is proposed to schedule spinning reserve optimally. The method considers the transmission constraint in the whole scheduling process. To get the feasible solution faster, transmission line limits are first relaxed using the Lagrangian Relaxation technique. In the economic dispatch, after unit generation and spinning reserve are allocated among the committed units to satisfy the system andunit constraints, the schedule is then modified by a linear programming algorithm to avoid line overloads. The schedule is then updated by a probabilistic reserve assessment to meet a given risk index. The optimal value of the risk index is selected via a cost/benefit analysis based on the tradeoff between the total Unit Commitment (UC) schedule cost and the expected cost of energy not served. Finally, a unit decommitment technique is incorporated to solve the problem of reserve over-commitment in the Lagrangian Relaxation–based UC. The results of reserve scheduling with the transmission constraint are shown by the simulation runs performed on the IEEE reliability test system.     

Ramp rate constrained unit commitment by improved priority list and augmented Lagrange Hopfield network

This paper proposes an improved priority list (IPL) and augmented Hopfield Lagrange neural network (ALH) for solving ramp rate constrained unit commitment (RUC) problem. The proposed IPL-ALH minimizes the total production cost subject to the power balance, 15 min spinning reserve response time constraint, generation ramp limit constraints, and minimum up and down time constraints. The IPL is a priority list enhanced by a heuristic search algorithm based on the average production cost of units, and the ALH is a continuous Hopfield network whose energy function is based on augmented Lagrangian relaxation. The IPL is used to solve unit scheduling problem satisfying spinning reserve, minimum up and down time constraints, and the ALH is used to solve ramp rate constrained economic dispatch (RED) problem by minimizing the operation cost subject to the power balance and new generator operating frame limits. For hours with insufficient power due to ramp rate or 15 min spinning reserve response time constraints, repairing strategy based on heuristic search is used to satisfy the constraints. The proposed IPL-ALH is tested on the 26-unit IEEE reliability test system, 38-unit and 45-unit practical systems and compared to combined artificial neural network with heuristics and dynamic programming (ANN-DP), improved adaptive Lagrangian relaxation (ILR), constraint logic programming (CLP), fuzzy optimization (FO), matrix real coded genetic algorithm (MRCGA), absolutely stochastic simulated annealing (ASSA), and hybrid parallel repair genetic algorithm (HPRGA). The test results indicate that the IPL-ALH obtain less total costs and faster computational times than some other methods.     

大规模新能源并网下火电机组深度调峰优化调度

当前,火电机组亟须进行深度调峰改造来提高电网大规模新能源消纳能力。文中对大规模新能源并网下火电机组深度调峰优化调度进行研究。首先,分析火电机组深度调峰成本,建立火电机组深度调峰的能耗成本、运行补偿收益以及备用容量成本的数学模型;然后,以综合运行成本最低为目标函数,建立考虑火电机组运行约束的深度调峰调度模型,并使用分支定界法求解调度模型;最后,以8台火电机组、1个风电场和1个光伏电站构成测试系统,分别从调峰深度、新能源消纳量、火电企业收益等方面对大规模新能源并网下火电机组深度调峰优化调度进行分析。算例结果表明：在文中所建优化调度模型中,火电机组深度调峰能显著提高新能源消纳量,但火电机组单位发电成本提高,火电机组效益明显下降。在当前深度调峰补偿标准下,火电机组深度调峰效益低于基本调峰。     

电力市场下综合考虑系统可靠性和旋转备用效益的机组组合

通过对电力市场条件下机组组合问题的研究，提出了综合考虑发电系统可靠性和旋转备用效益的机组组合的模型和方法。该方法以旋转备用的比较效益最大为目标函数，通过概率评估方法，利用系统投运风险度确定机组投运台数，利用系统响应风险度确定旋转备用的合理分布，并提出了一种求解以上问题的启发式求解算法，给出了算例及结果。     

基于成本最优的含储热光热电站与火电机组联合出力日前调度

含储热光热发电的优势体现为良好的出力可控性和可调度性,合理调度光热发电能够有效降低系统运行成本。以成本最优为目标,从光热电站的光电转换特性分析角度出发,在计及各项运行约束的基础上,提出含储热光热电站与火电机组联合出力调度策略。该策略综合考虑火电机组发电成本、光热发电并网消纳的环境效益和运行维护成本、系统旋转备用成本以及电网安全运行约束等因素,从而确定光热电站在既定储热容量下的最优出力调度策略。基于遗传算法,通过IEEE 30节点算例验证了所提方法的可行性与有效性。     

风力发电运行价值分析

不对风电并网产生的影响作深入的分析,就不能确定风力发电的实际效益。风力发电价值的计算需要综合考虑发电收益、发电成本、辅助服务成本、环保效益等各方面因素。文章采用可靠性评估的方法,分析了风电并网引起的电力系统辅助服务成本的变化,在此基础上,给出了风电运行价值的详细表达式,并讨论了风电穿透功率、风能预测误差、备用容量价格、风电场容量系数等因素对风电运行价值的影响。     

基于条件风险价值的含风电电力系统旋转备用效益研究

由于风电出力的波动性和间歇性,大规模风电并网使得旋转备用效益和风险的矛盾更加突出。考虑系统上、下旋转备用的容量成本和能量成本,以及因购买上旋转备用而减少的失负荷损失和因购买下旋转备用而减少的弃风损失,以期望旋转备用效益最大和系统损失的条件风险价值(CVaR)最小为两个目标,建立基于条件风险价值的含风电电力系统旋转备用效益-风险模型。采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差,并改进多目标粒子群优化算法,用于求解得到期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及不同可靠性水平、置信水平对期望旋转备用效益和风险的影响。最后,通过算例验证了该模型和算法的可行性。