状态估计研究模式设计及应用

由于实际电力系统运行工况复杂,状态估计无法避免出现不收敛的情况,反演时难以再现断面结果,在对量测方式和参数进行调整时会造成合格率指标波动,同时也会影响实时网络分析应用系统的稳定运行。分析现有状态估计运行中存在的问题及应用需求,设计实现了状态估计研究模式分析平台。首先,通过断面管理和读取功能保存状态估计计算所需的全部信息;然后,通过研究模式反演,实现断面读取、分析调试计算;最后,通过分析对比功能,为参数和量测调整提供指标参考。上述工作使得状态估计计算结果完整再现,并且分析过程独立于实时状态估计因而不影响实时合格率,自动化专业人员可以依据分析对比功能提供的指标对量测和参数问题有目标地进行分析。通过华北分中心的实际使用,证明平台功能可满足专业人员对状态估计的分析调试需求。     

碳交易机制下计及用电行为的虚拟电厂经济调度模型

虚拟电厂(Virtual Power Plant, VPP)能够聚合发电侧的分布式能源以提高可再生能源消纳程度。由于可再生能源出力的不确定且成本缺乏竞争力,虚拟电厂在运营过程中往往存在弃风弃光现象。建立了一种碳交易机制下计及用电行为的虚拟电厂经济调度模型,使可再生能源能参与到碳交易中,并促进用户侧与发电侧的协同。针对该模型的双层性、非线性和半连续性,提出了一种综合线性逼近、KKT条件和透视变换理论的重构方法,将其转化为单层整数二阶锥模型实现求解。算例表明,促进可再生能源消纳有助于提高虚拟电厂的减排效益。同时,碳交易机制具有提高可再生能源消纳总量的能力,用户的响应则具有改善风能利用分布的能力,而采用合适的电价机制能够进一步发挥二者之间的协同效益。     

基于一致性算法的电力系统分布式经济调度方法综述

传统集中式调度方法难以满足高渗透率分布式电能资源接入背景下电力系统经济调度的需求,分布式经济调度方案因具有可靠性高、可扩展性强、通信计算负载均匀等特点得到了越来越多的关注。对电力系统分布式经济调度方法的国内外研究现状进行了综述,重点阐述了一致性算法的原理、应用及成为分布式经济调度主导算法的原因。比较了集中式和分布式经济调度系统及问题的求解过程,分析了分布式经济调度实现过程的关键环节,并对现有关键问题解决方法的优缺点进行了评述,分析了电力系统分布式经济调度方法研究中有待解决的问题并提出了未来可进一步研究的方向。     

综合考虑电动汽车充电与储能及可中断负荷调度的配电网两阶段灵活性提升优化方法

分布式电源出力的强波动性及电动汽车(EV)的无序充电使配电网的灵活性不足问题日益凸显,因此非常有必要通过灵活性资源的有效调度提高配电网灵活适应性。在充分分析配电网灵活性提升措施的基础上,提出了能够表征配电网灵活性的净负荷峰值裕度、净负荷谷值裕度、净负荷允许波动裕度3个灵活性评价指标;建立了综合考虑EV充电与储能及可中断负荷调度的配电网两阶段灵活性提升优化模型,阶段1构建了基于蒙特卡洛树搜索的EV有序充电策略,合理引导EV负荷在谷时段进行充电;阶段2在阶段1的基础上,建立了计及储能及可中断负荷的优化调度模型,并采用粒子群优化算法进行优化求解。IEEE 33节点系统算例验证了所提灵活性指标及EV有序充电模型的有效性,结果表明配电网两阶段灵活性提升优化方法能有效提升配电网的灵活性且整体经济性最优。     

基于PSO-SVM的电网调度电厂耗煤基准值滚动预测

电网调度在做电煤供应分级预警的研究制定和对各电厂负荷经济分配时常会用到耗煤基准值,它对于监测电厂未来存煤使用天数,制定合理发电调度计划具有重要作用。目前常用的耗煤基准测算方法很少,主要是通过对历史数据进行简单的数学计算作为未来耗煤基准预测值,误差较大。提出了结合实际需求、面向电网调度的基于粒子群优化支持向量机的火电厂耗煤基准值滚动预测方法,选取电网下典型的3个电厂,经过数据分析处理与试验比对,结果表明基于粒子群优化支持向量机模型能很好地对耗煤基准值进行滚动测试及预测更新,进而可以为电网调度部门推测各个电厂存煤可用天数和建立电厂存煤预警机制,制定发电调度计划提供数据支撑。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

深度学习辅助约束辨识的电力市场快速出清方法

日前电力市场出清需要求解大规模安全约束经济调度问题,尽管实际采用线化处理方法,但需要考虑N－1场景下的大量安全约束,导致其规模庞大,难以快速求解。提出了一种深度学习辅助的日前市场快速出清方法,以满足快速出清计算场合的应用需求。首先,设计基于深度神经网络的安全约束经济调度模型计算框架,将深度学习技术应用于日前电力市场出清计算过程,兼顾安全约束经济调度模型的求解速度和求解精度;其次,提出面向起作用约束辨识的深度学习策略,从特征向量、深度神经网络结果处理2个方面,实现安全约束经济调度起作用约束集的辨识,并将其纳入日前市场出清模型,以简化模型的复杂度;最后,在接入新能源的IEEE 30标准测试系统中验证了所述方法的有效性。利用深度神经网络预辨识安全约束经济调度模型的起作用约束,有利于降低模型复杂度,提高日前市场出清的计算效率。     

基于灵活性裕度的含风电电力系统源荷储协调滚动调度

新能源渗透率提高增加了电力系统调度运行难度,电力系统灵活性不足严重影响了新能源消纳和电网安全运行。从灵活性资源出力特性和灵活性供给能力角度入手,基于电力系统灵活性裕度指标,以最大抽蓄调峰效益、最大风电消纳电量、最小机组运行成本和最小可中断负荷调用成本为目标,计及电力系统运行约束,建立源荷储多种灵活性资源统一协调滚动调度模型。基于协调调度思想,优化日前每个调度时段各灵活性资源出力,然后利用日内超短期风电预测数据,滚动修正各灵活性资源出力状态。最后通过算例验证了模型及其调度方法的有效性和可行性。     

考虑机组灵活性的独立微网日前日内协调优化调度

作为高效利用分布式能源以及补充大电网灵活性的有效手段之一,微网的优化调度越来越受到重视。在全面考虑各类分布式资源调度灵活性的基础上,从日前和日内2个时间尺度出发,建立以总运行成本最小为目标的独立微网优化调度模型。日前调度计划为日内调度提供参考,必要时在日内调度中可调整满足灵活性要求的分布式资源的启停状态;日内调度采用滚动优化方式,并通过制定各类分布式资源的调整优先级,指导日内调度计划的优化调整。将蓄电池初始荷电状态作为优化变量,与分布式资源的调度计划同时进行优化,以进一步提高微网运营经济性。对该模型进行线性化处理,并调用CPLEX求解器求解该混合整数规划问题。算例分析结果验证了所提调度策略的合理性。     

基于库存理论考虑局部不确定性的互联微电网分布式鲁棒调度

为实现广域分布式能源系统的高度自治性和鲁棒性,提出了一种用于互联微电网(interconnected microgrids, IMG)的分布式鲁棒经济调度(distributed robust economic dispatch, DRED)。首先,应用多智能体理论搭建IMG的分层分布式调度框架;其次,为了解决分布式鲁棒优化问题,将原问题分解为多层问题,在上两层进行可行性测试和联络线功率优化。在此研究结果的基础上,运用库存理论对可再生能源和负荷的不确定性进行了研究;最后,以一个实际的IMG系统为例,通过对分散和集中式鲁棒方案的比较,验证了该策略的收敛性和可行性。该模型在计算复杂度上也优于传统的DRED模型,利用概率信息实现了某一置信水平下的最优调度。