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。     

基于极限场景分析的电力系统有功功率和备用协调调度

针对电力系统有功备用在调用过程中因线路传输容量不足而无法投入使用的问题,提出一种基于极限场景分析的有功功率和备用协调调度方法。首先,建立考虑备用可用性的优化调度模型。然后,基于连续贪婪算法,提出计及备用调用时机组出力调整范围的极限场景生成方法。最后,将模型分解为预测场景下的备用经济性分配主问题和若干极限场景下的备用可行性校核子问题,进行迭代求解。通过在新英格兰10机39节点系统的测试结果表明,所提方法不仅可以有效解决备用可用性问题,还可以识别影响备用可用性的关键线路和时段。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。     

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。     

采用二层优化的风电系统旋转备用容量分配研究

随着并网风电容量的加大,电力系统对旋转备用容量的需求也大量增加。基于二层规划理论,构建了含风电电力系统旋转备用容量的优化分配模型。模型分别以发电成本和备用成本最小为上层和下层优化目标.在备用成本中考虑了旋转备用容量的综合报价以及由风电不确定性所需要增加的旋转备用容量,对各台发电机发电和备用所担负的容量进行了优化分配,模型的分层结构较好地体现了发电调度和旋转备用调度的主辅关系。采用粒子群算法和单纯形法对模型进行求解,并通过算例分析说明所提出的模型和算法是有效的,对含风电系统的运行分析有一定的参考价值。     

基于风电出力概率预测模型的源荷储日前概率优化调度

为提高电力系统应对风电出力不确定性的能力,基于概率优化方法,构建源荷储日前概率优化调度模型,该模型在考虑风电出力概率分布的同时避免了大量场景的生成与缩减过程,且能够考虑风电出力偏离预测值后常规机组的调整情况,实现备用容量在各机组间的最优分配。在对储能设备进行日前调度时,根据荷电状态的变化动态调整储能设备的充放电功率上限值,改进储能设备的数学模型,避免储能设备发生过充和过放。采用IEEE 6节点系统进行算例分析,验证了所建模型的有效性。     

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。     

基于自适应扩散高斯核密度风电预测误差估计的 风火联合优化调度研究

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。     

应用近似动态规划算法求解安全约束随机动态经济调度问题

针对大电网安全约束随机动态经济调度(DED)问题的求解时间太长,提出了应用近似动态规划算法快速求解不含抽水蓄能电站电网的安全约束随机DED问题的方法。建立了随机DED问题的虚拟存储器模型,以系统的正旋转备用容量作为存储变量,构建系统相邻时段的状态转移方程,并考虑了各输电线路和断面的安全约束。以风电场日前功率预测曲线为基础,通过拉丁超立方抽样产生风电场出力的误差场景,并逐一场景递推求解每个时段的二次规划模型以对各个时段的值函数进行训练,形成收敛的值函数,再代入预测场景求解以获得最终的优化调度方案。该方法实现了对随机DED模型各个场景和各个时段的解耦求解,将一个大规模优化问题分解为一系列的小规模优化问题,有效提高了对大电网随机DED模型的求解速度。以某一实际省级电网为算例,通过与场景法和鲁棒优化调度方法的比较验证了所提出模型和求解方法的正确有效性。     

计及运行风险和备用可用性的含风电系统两阶段优化调度

针对风电和负荷的不确定性对系统日前调度的影响,提出一种计及运行风险和备用可用性的日前两阶段优化调度方法。首先,考虑风电和负荷的不确定性及容许误差区间,利用条件风险价值(Conditional Value-at Risk, CVaR)度量系统调度运行风险。然后,建立日前两阶段优化调度模型。其中第一阶段优化模型以包含风险成本的系统运行成本最小为目标函数,优化制定有功调度及备用计划,保证系统运行经济性。基于第一阶段优化结果生成极限潮流场景集,第二阶段优化模型校验极限场景下的备用可用性并将结果反馈至第一阶段模型,确保系统运行鲁棒性,并提出迭代求解算法。最后,以IEEE39 节点系统和实际区域电网为算例验证了该方法的可行性和有效性。     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型。在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预测精度,但其波动性较强,使用概率场景生成和削减的方法制定不同场景下负荷备用需求的调整量,以日运行成本最低建立目标函数,运用改进的粒子群算法在IEEE30节点系统上验证了所提模型的经济性和鲁棒性。     

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。     

基于动态场景集和需求响应的二阶段随机规划调度模型

风电及负荷场景集作为随机规划调度的输入,对决策结果影响大。为使场景集刻画出风电及负荷的波动性,采用考虑随机变量相关性的动态场景法生成风电、负荷及净负荷的场景集,并从与调度接轨的角度提出相应的指标对场景质量进行评价。建立了一种基于here-and-now和waitand-see(HN-WS)的二阶段随机规划调度模型。该模型包含了日前与实时的关联性,决策过程融入了对实时场景已实现情况下的考虑,优化目标涵盖了日前阶段的燃料成本及实时阶段的平衡矫正期望成本。此外,为减少弃风,在调度模型中引入了激励型需求响应,与火电机组的备用容量进行协同优化。最后,采用爱尔兰电网的风电数据、Elia电网的负荷数据及改进的IEEE-118节点系统验证了所提调度模型的有效性。     

Day Dispatch Strategy for Integrated System Based on Time-frequency Scales of PWP

A day dispatch strategy for the integrated system (IS) of wind/photovoltaic/pumped-storage/gas-turbine-power/energy-storage plant is proposed in this paper based on the time-frequency scales of power of wind/photovoltaic (PWP). Based on the day-ahead dispatch strategy, the day dispatch optimization model of the IS is first established, and then according to the patulous short-time prediction (PSP) and ultra-short-time prediction (UP) of PWP, the day rolling and real-time scheduling strategies are put forward based on the time-frequency scales of PWP. Finally, the cone programming method is applied to optimize the day dispatch schedule. Simulation results show that the proposed strategy can compensate for the error in the day-ahead dispatch strategy based on short-time prediction (SP) of PWP. Thus, as an important supplement to the day-ahead dispatch strategy, this method is proved to be an effective solution to the power fluctuation problem in large-scale wind/photovoltaic integration, realizing a smooth power output, as well as guaranteeing the economical, efficient, and environmentally friendly operation of the system.     

径流式小水电群随机环境经济调度方法

针对径流式小水电群的电力系统,建立了以污染气体排放和购电费用最小为目标的随机动态环境经济调度模型。借助场景法将该模型转化为大规模两目标确定性动态调度模型。采用法线边界交叉法将这个两目标优化问题转换为一系列单目标优化问题,并采用非线性原对偶内点法求解。在迭代过程中,按照场景顺序将简化修正方程的系数矩阵排列为对角加边形式,方便对其实施解耦,并运用异步块迭代法求解,从而将一组高维修正方程组的求解转化为若干个分别与预测场景和误差场景相对应的低维修正方程组的求解。采用某省级电网的真实数据进行计算,在高性能集群上建立了并行计算框架以缓解计算占用内存并提高计算速度。通过这个计算架构,可以获得一组日前调度计划,且使得更加全面的折中优化结果可以应用于电力系统的调度。     

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。