考虑柔性负荷的新能源接入系统旋转备用优化

新能源大规模接入增大了系统运行的不确定性,传统方法仅以常规机组为来源按负荷百分比配置旋转备用已不能很好地兼顾可靠性、经济性与灵活性。在分析负荷参与旋转备用服务的能力基础上,提出柔性负荷参与旋转备用的优化配置方法。该方法根据负荷响应特性将柔性负荷分为可转移负荷、可削减负荷和虚拟负荷,明确可转移负荷通过分时电价引导响应缩减负荷峰谷差提高常规机组备用能力,可削减负荷、虚拟负荷参与旋转备用交易市场提高系统备用能力;综合考虑小概率、高风险场景下失负荷与弃新能源发挥的重要作用,以电网购置备用成本、柔性负荷成本、失负荷与弃新能源成本之和最小为目标建立旋转备用优化配置模型,获得各时段旋转备用优化配置容量。最后以新疆区域电网为算例,仿真验证所提方法的可行性。     

复杂预想场景下电力系统备用优化模型

针对传统备用优化方法难于考虑复杂预想场景的缺点,结合安全约束机组组合,建立考虑复杂预想场景的备用优化模型。该模型计及不同类型预想场景对备用容量和响应速度的要求,以最小化购电成本与备用容量成本之和作为目标函数,以正常状态和预想场景下的机组性能、网络安全等为约束条件,综合求解机组组合、备用容量的分配以及预想场景下备用容量的优化调度。通过引入预想场景分类和预想场景集,不同响应速度的备用需求量和分配由预想场景的类型和要求所决定。该模型是一个复杂混合整数线性规划问题,采用GAMS进行建模,并调用CPLEX求解器求解。IEEE 30节点系统上的算例结果验证了所提出模型的有效性。     

多场景概率机组组合在含风电系统中的备用协调优化

备用配置是系统抵御风险、提高运行可靠性的重要手段,也是系统运行安全与经济协调决策的问题。提出了基于状态转移的概率机组组合方法,该方法将风电的运行场景离散化,通过对风电预测误差进行概率表达,并在时间尺度上考虑状态的转移矩阵组成多场景的方法,以场景发生的概率协调系统在场景下的调度决策,并以实时校正备用作为正常和误差场景之间机组的调整限制。通过安全与经济的协调,能够自动为风电出力的波动配置适宜的备用,且模型中考虑了网络安全约束对机组组合和备用决策的影响。最后对含风电系统进行了实例仿真分析,结果表明模型的有效性和可行性,对风电的调度和规划具有指导意义。     

基于优化Kriging代理模型的场景分析法求解机组组合问题

由于风电具有很强的波动性和不确定性,为机组组合(Unit Commitment, UC)问题带来许多问题和挑战。因此,提出了一种基于优化Kriging代理模型的场景分析法来处理风电的不确定性。首先通过“预测箱”方法生成大量场景,然后由序列优化的Kriging代理模型估计各场景所对应的经济成本。同时,根据风电不确定性及运行成本对系统的影响,采用重要性采样法削减场景。通过考虑功率平衡和风电爬坡约束的随机机组组合(Stochastic Unit Commitment, SUC)模型验证了该方法的有效性。算例分析结果表明,序列优化Kriging代理模型可以使用较少的场景预测场景运行成本。与Kantorovich 距离法相比,该方法的削减结果选择了较为重要的场景,其求解结果具有更好的经济性和可靠性。     

基于净负荷分步建模的旋转备用优化确定风险分析方法

由于采用净负荷预测误差模型描述风电和负荷共同预测误差,优化系统旋转备用配置的多场景概率风险分析方法尚难以全面考虑风电的不确定性,如从网络安全和经济性方面必须考虑的弃风因素以及风电功率预测误差存在的非正态分布情况。为此,基于分步建模的策略改进多场景概率风险分析方法中净负荷预测误差模型,使其在计算系统失负荷风险时能够计及弃风和考虑不同类型概率分布的风电功率预测误差,并将弃风惩罚成本引入机组组合优化模型的目标函数中,以实现风电功率的合理消纳和系统旋转备用的优化确定。采用混合整数线性规划方法,对含风电场的IEEE-RTS 26机测试系统进行仿真分析,验证了改进模型的有效性。     

基于场景时域概率的主动配电网全协调无功优化

针对主动配电网中风光荷储具有随机性和间歇性,无功全协调优化困难的问题,提出一种基于时域概率的场景分析法,采用CURE聚类法削减全场景数量,然后依次计算全场景的时域概率;提出一种计及源网荷储全协调互动的无功优化策略,通过求解网购电量最小为主要目标的有功优化模型得到集中式储能和可中断负荷的有功功率,以此建立主动配电网无功优化模型,并运用多目标粒子群算法求解,最后以某市一条10 kV配电线路为例验证本文方法的可行性和鲁棒性。     

基于概率多场景的柔性配电网鲁棒运行优化

分布式电源和波动负荷的接入使得传统配电网的调节设备和手段凸显出局限性,柔性开关设备(SOP)的应用可以解决间歇性源荷带来的问题。针对多端柔性互联设备在柔性配电网中的应用,建立计及运行损耗的三端SOP的拓扑结构和数学模型;考虑到源荷出力的不确定性会导致配电网节点电压越限和功率潮流不合理,将鲁棒优化和场景分析方法相结合,建立基于概率多场景的鲁棒运行优化模型,并采用锥优化方法进行求解;为了实现场景数量和精度平衡下多场景的快速生成,提出基于拉丁超立方抽样的概率多场景生成方法。以3组IEEE 33节点系统组成的配电网为算例,验证了所提鲁棒运行优化模型和场景生成方法的有效性,所提模型与方法实现了配电网运行经济性与安全性的协调,显著提高了模型计算效率,有效避免了“维数灾”现象。     

计及源-荷预测不确定性的微电网双级随机优化调度

风光储微电网接入高渗透率的可再生能源对其经济运行构成了巨大的挑战。针对这一问题,提出了计及源-荷预测不确定性的微电网双级调度策略。在日前调度阶段,以多场景下的期望运行成本最低为优化目标,构建了基于多场景技术的随机优化调度模型。利用场景分析法对日前风电、光伏和负荷预测进行场景分析;建立了多场景下含不确定变量的功率平衡方程,并将其松弛为不等式后作为一个随机事件使其以较高的概率满足机会约束;此外,用机会约束规划构建了旋转备用容量的可靠性约束模型,使微电网在一定的置信水平下满足系统的可靠运行。在日内调度阶段,提出了结合自适应小波包算法的日内滚动调度模型。利用自适应小波包算法动态提取每一控制周期内超短期预测数据与日前调度计划之间的功率偏差,并由蓄电池、超级电容器和主网供电共同平抑。     

基于场景概率潮流的电力系统无功优化研究

多风电场出力的随机性和互相关性特点对电力系统无功优化调度有着不可忽视的影响。针对这一问题,提出一种基于场景概率潮流的电力系统无功优化方法。该方法将风电出力场景化,结合概率潮流计算,以系统有功网损、发电机无功偏差和节点电压偏差期望加权值最小作为无功优化目标函数,利用粒子群算法求得各风电出力场景下的最优无功控制策略。在含多风电场的IEEE 30节点系统中对所提方法进行测试,并与确定性的场景无功优化方法相对比,验证了所提方法的有效性。     

计及源荷不确定性及频率安全的电力系统区间优化调度方法

提出了一种计及源荷不确定性及频率安全的电力系统区间优化调度方法。首先,对系统动态频率特性进行分析,将非线性频率安全约束近似简化为线性约束。接着,在考虑源荷预测误差区间不确定性的基础上,建立了计及频率安全约束的电力系统优化调度问题数学模型。基于Benders分解方法将区间优化问题分解为基准场景下的主问题和不确定场景下校正调度的可行性校验子问题进行求解,为减少需要考虑的场景数量,根据系统违反功率平衡、备用、线路潮流等安全约束的程度筛选出少量高风险场景,并对其进行可行性校验。最后,将该方法应用于含风电的10机39节点系统,仿真结果表明,区间优化调度方法可确保系统在不确定场景下的安全性,与场景法相比,其计算效率显著提高,计算量大幅减少。     

基于原对偶优化模型的配电网规划方法研究

将规划模型中的变量分为决策变量和场景参数,不同场景下场景参数的变化会导致规划方案的变化。为获得最优规划方案,采用原对偶优化理论寻找最优的决策变量和场景参数。首先,建立配电网规划的原模型获得初始规划方案;并且建立配电网规划的对偶模型,根据原对偶问题的强对偶性,进行经济性与可靠性的量化分析。其次,通过场景参数的灵敏度分析结果,修改初始规划方案中的场景参数以协调可靠性与经济性,获得最优的规划方案。最后,采用某地区网格规划作为算例,验证了所提方法可在较少的计算次数中有效地改善规划的可靠性和经济性。     

计及风电的动态无功优化解耦算法

针对风电场输出功率间歇性、随机性给电力系统动态无功优化决策带来的问题,依据风电功率波动的时间分布特性,在动态无功优化模型中引入场景对风电出力的不确定性进行描述,基于各场景下的灵敏度信息,提出一种离散变量与连续变量分步决策的解耦算法：首先对每个场景下各时段的静态无功优化问题进行求解,依据变压器、电容器动作对各静态优化结果影响的灵敏度信息及场景概率权重,决策其动作时机和档位,将模型解耦;然后依据离散控制变量决策结果,对同步发电机输出无功等连续的控制变量进行决策.通过对含风电场的实际系统算例进行计算和分析,验证了该方法对风电功率不确定性有良好的鲁棒性.     

含多个风电机组的配电网无功优化

风电机组出力的随机性使传统无功优化模型难以胜任.提出了含多个风电机组的配电网无功优化的模型和算法.基于场景分析法探讨了单台和多台不同参数风电机组的随机出力描述方法,并针对不同参数的风电机组同时接入系统时的情况,提出了系统场景的划分规则,继而建立了含多个风电机组的配电网无功优化的场景模型.针对多场景潮流计算的复杂性,提出一种高效算法,该算法先利用场景功率的相似性确定场景的分析次序,再将前一场景的潮流计算结果作为后一场景的初始条件,以加速潮流收敛.仿真结果验证了该模型和算法的有效性.     

基于场景分析的含P2G装置电气能源系统协同优化

目前,弃风现象严重抑制了风电的应用和发展,而电转气(power to gas,P2G)技术有望通过将电能转化为天然气,从而促进风电的消纳利用。此外,由于风电出力具有不确定性,会影响电气能源系统的优化调度结果,因此,文章提出了基于场景分析的含P2G装置电气能源系统的协同优化模型。首先,构建了含P2G装置的电气互联能源系统的基本结构,并简要分析了其工作原理;然后介绍了风电场景集的生成方法;其次,采用场景法处理风电出力不确定性,以电气能源系统网络和耦合元件为约束条件,建立了两阶段优化调度数学模型,并采用分段线性的方法将天然气潮流约束条件线性化,使得整个模型能在混合整数线性规划框架下进行快速求解;最后,在IEEE-39节点和修改后的6节点天然气系统中进行了算例分析,通过对比分析不同场景下的运行结果,验证了模型的有效性及对于风电消纳的提升作用,并将文章所提模型与确定性模型进行对比分析,验证了模型的经济性和合理性。     

基于极限场景集的风电机组安全调度决策模型

针对风电的间隙性和波动性给电网调度决策带来的不确定性影响,引入了极限场景优化方法来进行抑制.同时,为提高风电的消纳能力,加入弃风惩罚作为优化目标,构建了含蓄电池储能装置的风电机组安全调度两阶段决策模型.模型包括基于极限场景集的日前机组组合和基于机会约束含弃风惩罚的经济调度模型.最后,建立了潮流裕度指标,并评估了该模型的安全性.算例结果表明:所提模型能有效抑制风电机组的不确定性波动影响,得到了适应力和鲁棒性更强的调度优化方案,提高了风电消纳能力和电网安全性,为风电的深入开发和利用提供了参考.     

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。     

含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。     

基于序优化的分布式光伏配电网储能系统容量评估

我国分布式光伏发电产业近年来实现快速增长,对所在配电网的运行提出严峻挑战。由于分布式光伏发电具有随机性、波动性与不确实性,需要一定容量的储能系统来提供灵活的调节能力,以实现配电网的安全可靠运行。因此,研究针对分布式光伏配电网储能系统的容量评估具有重要意义。建立考虑分布式光伏并网的配电网运行模拟模型,利用多场景生成技术与序优化求解方法,模拟不同储能系统容量规划下的分布式光伏并网运行情况,从而得到最优配电网储能系统配套容量。结果表明,利用序优化方法可以实现快速高效求解,得到适应于配电网运行需求的储能系统容量配置方案。     

基于量子粒子群算法的含风电场配电网无功优化

研究了含双馈异步电机(DFIG)型风电场的配电网无功优化。DFIG出力的随机性使得传统无功优化模型难以胜任。因此,应用场景分析法对含DFIG的配电网进行场景划分。采用蒙克卡罗仿真对其进行无功补偿选址,结合DFIG的无功补偿能力,建立了模糊无功优化模型,以降低网损、减少电压偏移量。最后,以IEEE33为测试系统,基于量子粒子群算法(QPSO)进行求解,结果验证了所提方法的可行性和有效性。     

计及灵活性的检修—运行协同优化模型及算法

为提升风电并网条件下电力系统的运行灵活性,提出一种结合场景分析和协同优化的检修—运行决策方法。采用K-medoids聚类方法获得风电出力典型场景集,同时根据典型性评估指标确定目标场景集规模。以经济性和灵活性为目标,建立融合多场景经济调度的"检修—运行"分层协同优化模型。为提高模型求解效率,引入对潮流安全违约"轻容忍"的改进Benders分解法,降低运行优化主问题的约束矩阵维数。通过拉格朗日松弛技术及乘子更新机制,实现检修和运行的协同寻优。算例测试验证了所述模型及算法能有效实现经济性及灵活性更优的检修—运行决策。