计及可入网电动汽车最优时空分布的双层经济调度模型

为研究大规模电动汽车入网(V2G)对电网的影响,文中以传统计及网络安全约束的机组组合问题为基础,构建了计及V2G的经济调度双层优化数学模型,并充分考虑电动汽车的时空分布特性,将模型解耦为机组最优组合和电动汽车最优充/放电计划两个子模型。分别采用基于牛顿—拉夫逊潮流计算思路的非线性规划方法和粒子群优化算法求解该模型。算例表明,该模型可以同时获取次日机组调度计划和各时段电动汽车最优充放电计划。时间上,实现24时段实时优化控制;空间上,将V2G调度计划细分到各接入节点,对充放电站的规划选址具有指导意义。模型在实现降低发电成本的同时使得配电网网损最小,且削峰填谷作用明显。     

含插电式混合动力汽车的机组组合问题

建立了以负荷峰谷差最小化为优化目标的计及用户行驶习惯的插电式混合动力汽车(plug-in hybrid electricvehicle,PHEV)智能充电模型,并对各时段PHEV的反向放电能力进行估算。以10机测试系统为算例,采用启发式二进制粒子群优化算法对机组组合模型进行求解,并对比分析了不同的PHEV控制方案对机组组合结果的影响。仿真结果表明,对PHEV采取不同的充放电控制方案,将对机组组合的优化结果产生显著的影响。采用智能充电策略,并利用PHEV的反向放电能力为电网提供备用,将使机组的发电成本降至最低。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

考虑柔性交流输电系统设备控制的校正型安全约束最优潮流

为提升安全约束最优潮流调度的经济性与安全性,提出一种基于直流潮流的考虑柔性交流输电系统(FACTS)设备控制的校正型安全约束最优潮流模型。在线路故障发生后,通过FACTS设备校正措施,将线路潮流控制在其容许范围内。由于所提模型为大规模的非凸、非线性优化问题,难以直接求解,因此先采用大M法,将原非线性优化模型转换为混合整数线性规化模型,并采用Benders分解算法将转换后的模型分解为基态最优潮流主问题与N-1故障校验子问题。通过固定整数变量的方法,将非凸的混合整数优化子问题转换为线性规划子问题,从而能向主问题返回对应的Benders割。6节点系统与IEEE RTS-79节点系统算例验证了所提模型与算法的有效性。结果表明,考虑FACTS设备校正控制的安全约束最优潮流能有效提升调度运行的经济性。     

采用Benders分解含机组禁止运行区间的安全约束最优潮流

由于机组的物理结构特性等原因,机组的部分出力区间无法达到,又称其为发电机禁止运行区间,如果在安全约束最优潮流中未考虑禁止运行区间,可能会导致线路故障后机组的校正出力无法消除潮流越限。提出了考虑发电机禁止运行区间的安全约束最优潮流。由于所提模型为大规模的混合整数线性优化问题,难以直接求解,采用Benders分解算法将模型分解为基态最优潮流主问题与短、长期N-1故障校验子问题。通过固定整数变量的方法,将非凸的混合整数优化子问题转换为线性优化子问题,从而能向主问题返回对应的Benders割。6节点与IEEE RTS-96节点算例验证了所提模型与算法的有效性。     

计及直流限额动态调整的送受端一体化日前调度计划模型

通过特高压直流输电将能源基地的大规模电能送往负荷中心是我国电网的一种常态化运行方式.直流计划与送受端发电计划分阶段协调模式及直流输电限额可能受制于受端电网运行方式使得安全约束机组组合问题难以获得全局最优解.该文将开机台数、开机容量、备用容量等电网方式信息对直流限额的影响纳入机组组合模型,提出了计及直流限额动态调整的送受端一体化日前调度计划优化模型.针对模型中约束边界条件随决策变量动态变化的问题,通过引入0-1指示变量,将复杂逻辑约束转变成混合整数规划问题,确保了模型的有效求解.将所提模型应用于新英格兰10机39节点标准算例和我国某省级电网,验证了所提模型的正确性和有效性.     

计及风电不确定性的含UPFC电力系统的两阶段最优潮流

风速具有随机性和不确定性,大规模风电场的并网会影响电力系统的稳定性,而统一潮流控制器(UPFC)具有实时潮流控制能力,有利于系统稳定。建立计及风电不确定性的含UPFC的最优潮流模型,由日内滚动调度和实时调度两阶段组成。日内滚动调度阶段不考虑风电出力预测误差,制定机组出力计划,优化运行成本;实时调度阶段根据风电出力预测误差调节UPFC参数,实时修正运行计划,并进行潮流优化,以保证系统安全可靠。以IEEE 14节点系统和某实际系统为例进行算例分析,结果表明,所提模型可以通过UPFC的参数控制有效减少风电预测误差带来的影响,从而提高系统的经济性和安全性。     

考虑网络损耗的节能发电调度模型及其混合整数二次规划算法

首先,提出一种非凸的节能发电调度模型,该模型考虑了火电机组的发电阀点效应、直流潮流、线路的安全传输容量约束和网络损耗;然后,运用线性近似和混合整数编码技术处理非光滑的目标函数和网络损耗,并将直流潮流和线路的安全传输容量约束表示为线性约束,从而将非凸的节能发电调度模型转化为混合整数二次规划模型;最后,通过IEEE-30节点系统、IEEE-118节点系统和波兰2746节点系统测试所提模型和方法,并与直流最优潮流模型和交流最优潮流模型的仿真结果进行比较。对比结果验证了所提模型和方法在节能发电调度中的有效性。     

考虑注入功率分布的随机最优潮流方法

大规模风电接入电网给电力系统的经济调度带来了更多的不确定性因素.考虑了负荷与风电出力的随机性,以期望发电成本和机组的出力调整费用最小为目标,建立了含机会约束的随机最优潮流模型.通过分布式平衡节点考虑AGC机组的调节作用,基于确定性最优潮流问题的内点法和随机潮流的解析法,采用迭代的方法求解所提出的随机最优潮流模型.对5节点和118节点系统的测试结果表明了所提模型和算法的有效性.     

暂态频率约束下考虑新能源最优减载的机组组合双层优化策略

大规模风、光等新能源并网引起的惯量降低给新型电力系统安全运行带来了新的挑战,其中尤为突出的是暂态频率安全。文章在充分利用新能源频率支撑作用的基础上,提出了暂态频率约束的机组组合双层优化策略。构建了计及新能源场/站频率支撑的新型电力系统频率响应模型,推导了暂态频率特征量的解析化表达式,进而在传统机组组合模型的基础上,构建了考虑动态频率约束的机组组合优化模型;引入原子搜索算法,协同考虑频率支撑的新能源最优减载优化与机组组合优化,建立了双层优化策略。以含风电及光伏的10机系统为例进行计算分析,结果验证了所提方法的有效性和可行性。     

考虑电动汽车入网技术的电力系统机组组合研究

为了提高电动汽车入网技术（V2G）的电力系统机组组合实用性和经济性,提出一种考虑可入网电动汽车（PEV）的数量变化和电池电荷状态变化的机组组合算法。利用电池电荷状态与充放电电量之间的关系,结合预估的不同时段入网PEV数量,确定每天入网PEV的净充电总需求量。构建考虑电动汽车入网技术的电力系统机组组合模型,以发电成本为目标函数,加入电池电荷状态的罚函数,求解电力系统机组的出力计划和入网PEV的充放电控制计划。分析了不同情景下充放电最优控制和机组组合结果,对比了不同PEV充电模式对电力系统机组组合结果的影响。算例分析结果表明,该方法可以有效的节省机组成本,实现电动汽车的连续调度,证明了该方法的正确性和有效性。     

考虑电动汽车换电站与电网互动的机组组合问题研究

大规模电动汽车换电站接入电网后,其充放电行为将给系统优化运行带来新的挑战。将电动汽车换电站引入传统机组组合问题中,提出考虑换电站与电网互动的机组组合(unit commitment,UC)新模型。在深入研究电动汽车电池更换物理过程的基础上,以常规机组的发电成本、启动成本和考虑换电站充放电净负荷的方差为目标函数,考虑了换电站的充放电效率、电量平衡和满足日换电需求的最小储能等约束,形成机组组合问题优化新模型。通过换电站充、放电过程优化,降低机组出力的调整频率,提高电网安全运行的经济性。最后,在10机电力系统模型上进行算例仿真分析,验证所提模型的有效性和正确性。     

基于双层优化的电动汽车充放电调度策略

大量电动汽车无序充放电会给电力系统的安全与经济运行带来严重的负面影响。为避免这一问题,引入了对电动汽车进行分层分区调度的理念,并构建了基于双层优化的可入网电动汽车充放电调度模型。在上层模型中,通过优化各电动汽车代理商在各时段的调度计划(包括充电负荷和放电出力),使系统在研究时间区间内总负荷水平的方差最小化,从而实现削峰填谷;在下层模型中,通过各电动汽车代理商对其所管辖电动汽车充放电时间的优化管理,以便与上层的调度计划尽可能一致。之后,采用AMPL/IPOPT和AMPL/CPLEX高效商业求解器对上下层问题分别进行迭代求解。最后,以包含5个电动汽车代理商的、修改的IEEE 30节点测试系统为例,说明了所提出的模型与方法的基本特征。     

一种考虑网络损耗及线路过负荷的火力发电机起停计划方法

以面向实际应用为目的，提出了一种考虑输电网络损耗及线路过负荷约束的火力发电机起停计划方法。首先用动态规划法建立一个不含约束条件的初始解，然后运用启发式方法对初始解进行修正使之逐个满足各约束条件得到运行可能解，并通过修改各发电机的起动优先顺序使此过程反复进行直至得到（准）最佳解。在此过程中引入最优潮流计算考虑输电网络损耗及线路过负荷等网络因素对发电机起停计划的影响成为可能，并提出一种调节发电机出力和改变发电机起停计划相结合的消除线路过负荷的方法。在一个8机44母线的测试系统上对提案方法进行了各种条件下的试算，验证了所提出的方法对解决考虑网络因素影响的发电机起停计划问题有效性。计算结果还表明：不仅线路过负荷起停计划问题的有效性。计算结果还表明：不公线路过负荷约束，网络损耗也对发电机起停 计划有较大影响。     

含抽水蓄能机组的风电消纳鲁棒机组组合

针对风电在实际电网渗透率不断提高带来的风电消纳问题,提出了一种含抽水蓄能机组的鲁棒机组组合优化方法。所构建的鲁棒机组组合模型以系统运行成本和风电出力边界偏差惩罚成本最小为优化目标,约束条件计及了输电线路安全约束,并考虑了风电出力时间和空间不确定性预算的调节策略,避免鲁棒最优解过于保守。基于可调机组(包括自动发电控制机组和抽水蓄能机组)应对风电波动的仿射补偿机制,优化了风电出力的波动区间。所构建的模型最终转化为单层混合整数线性规划问题求解。经修改的IEEE 30节点系统的算例测试,定量评估了抽水蓄能机组对系统经济运行和风电消纳的影响,验证了所提方法的可行性和有效性。     

考虑电压安全裕度的多目标最优潮流模糊建模

将模糊建模方法应用于考虑电压安全裕度的多目标最优潮流模型,并提出为保证系统安全经济运行,有必要确定合理的理想负荷裕度范围。系统所有负荷按线性、恒功率因数持续增长的变化模式进行研究,用预测一校正原对偶内点法求解优化模型。算例结果表明,该模型可有效确定出系统运行需要避免的负荷条件以及系统的最优安全负荷点。仿真分析指出了影响...     

考虑用户出行特性和配电网线路可用裕度的充电站规划

考虑到电动汽车用户、电动汽车充电站和配电网三者之间的相互影响关系,根据路网交通流量和用户出行特性建立了电动汽车用户的年总耗时成本模型。在计及电动汽车充电站和配电网的年总成本的基础上建立了全社会年总成本模型,以此对电动汽车充电站进行优化规划。针对电动汽车充电站接入配电网的馈线布局,考虑了线路的通道资源问题,并建立了可用裕度模型。根据环境条件、社会条件、自然条件等外在条件对充电站的候选站址进行初步筛选。然后,以单位时间内充电站的综合成本最小为目标对充电站的容量进行优化配置。利用离散二进制粒子群算法和删除路径算法实现了电动汽车充电站的选址定容及接入配电网的馈线规划。最后,以33节点的路网和19节点的配电网为例,验证了所提模型及求解方法的合理性和有效性。     

一种新的优化潮流模型

为了将电力系统的总发电成本降至最低,提出了一种新的优化潮流算法和模型。借助静态安全域计及静态安全约束,建立了支路角与有功注入功率的关系式,并将支路角确定为优化变量进行优化计算,方便快捷地得到最优调度方案。通过对NewEngland系统和我国某省实际电力系统所进行的计算,证明了该模型和算法的有效性。同时,该模型还可以提供优化后系统各支路的安全裕度,以便调度人员更加直观地了解系统的运行状况。     

Stochastic optimal power flow incorporating offshore wind farm and electric vehicles

In this paper, an optimal power flow model of a power system, which includes an offshore wind farm and plug-in electric vehicles (PEVs) connected to grid, is presented. The stochastic nature of wind power and the uncertainties in the EV owner’s behavior are suitably modelled by statistical models available in recent literatures. The offshore wind farms are assumed to be composed of doubly fed induction generators (DFIGs) having reactive power control capability and are connected to offshore grid by HVDC link. In order to obtain the optimal active power schedules of different energy sources, an optimization problem is solved by applying recently introduced Gbest guided artificial bee colony algorithm (GABC). The accuracy of proposed approach has been tested by implementing AC–DC optimal power flow on modified IEEE 5-bus, IEEE 9-bus, and IEEE 39-bus systems. The results obtained by GABC algorithm are compared with the results available in literatures. This paper also includes AC–DC optimal power flow model, implemented on modified IEEE-30 bus test system by including wind farm power and V2G source. It has been shown that the uncertainty associated with availability of power from wind farm and PEVs affects the overall cost of operation of system.