基于KL散度的含储能机组组合分布鲁棒优化方法

为应对风电场出力的波动性和随机性给机组组合带来的问题,提出了基于Kullback-Leibler(KL)散度的含储能机组组合的两阶段分布鲁棒优化模型。在电池储能的运行模型的基础,将电池储能模型嵌入到传统的火电机组组合模型中,建立了含储能的机组组合两阶段优化模型;基于KL散度构建了风电场出力的模糊集,形成了含储能机组组合的两阶段分布鲁棒优化模型,通过对偶变换和广义Benders分解将其转化成易于求解的混合整数凸优化模型进行求解。通过IEEE RTS 24节点系统仿真结果表明,所提出的分布鲁棒优化方法保守性优于鲁棒优化方法,经济性接近随机优化方法,且随着KL散度增大,机组组合成本缓慢增加。     

基于坏场景集的含风电机组组合模型

针对风电出力的不确定性和波动性,引入坏场景集和鲁棒优化方法来解决含风电的机组组合优化问题。在分析场景集和鲁棒优化在电力系统不确定性调度中的应用基础上,构建评价坏场景恶化程度的保守度指标,在优化目标中加入方差来抑制个别坏场景导致整体优化结果的恶化,并结合储能系统对平抑风电波动的固有特点,建立了基于坏场景集的鲁棒机组组合模型及其算法。最后,通过算例进行了成本、储能装置容量和鲁棒度量分析,验证了该模型的有效性和实用性。     

考虑风电统计特性挖掘的分布鲁棒优化调度方法

提出一种基于数据驱动分布鲁棒优化的电力系统调度方法,以应对考虑风电不确定性的电力系统运行问题.首先,挖掘风电数据统计信息,提出了基于主成分分析与核密度估计的风电概率分布模糊集构建方法,刻画风电随机性以及不同风电机组出力之间的空间相关性;其次,针对含风电的调度问题,建立考虑概率分布模糊集的两阶段分布鲁棒优化问题;然后,将...     

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。     

基于风电出力模糊集的电-气耦合系统分布鲁棒优化调度

随着可再生能源装机容量不断扩展及综合能源系统研究的持续推进,燃气轮机作为耦合元件加深了电力系统和天然气系统的相互融合,为可再生能源消纳提供了新的途径。针对随机规划方法、区间优化及鲁棒优化算法处理风电出力不确定性的不足,文中提出一种基于风电预测误差模糊集的分布鲁棒优化方法求解电力-天然气耦合系统的协同调度决策。首先,利用主成分分析法提取高维预测误差向量蕴含的时空尺度关联特性,并引入一系列矩函数描述预测误差的分布信息以构建相应的模糊集。然后,建立两阶段分布鲁棒优化经济调度模型,第1阶段制定日前机组开停机计划、调度出力及备用方案;第2阶段辨识最劣风电场景分布以保证第1阶段调度决策的有效性。结合线性决策规则和对偶理论将该半无限优化问题转化为有限维优化问题进行求解。最后,通过算例验证了所提模型及求解方法的有效性。     

基于mRMR-XGboost-IDM模型的两阶段可调鲁棒经济调度

源荷双端不确定性导致的频繁弃风切负荷现象严重影响微网运行经济性。为有效应对源荷不确定性,文章提出一种基于最小冗余最大相关-极限梯度提升算法改进非精确狄利克雷模型(minimum redundancy and maximum correlation-extreme gradient boosting improved imprecise Dirichlet model, mRMR-XGboost-IDM)的两阶段可调鲁棒微网经济调度模型。首先,针对基于非精确狄利克雷模型(imprecise dirichlet model, IDM模型的不确定模糊集高度依赖历史数据数量的不足,结合mRMR-XGboost预测方法对其进行改进,扩大历史数据体量以提高所得不确定区间的精确度。其次,基于得到的不确定区间,构建微网两阶段鲁棒经济调度模型,并引入可调鲁棒参数协调经济性和鲁棒性。最后,采用列约束生成算法(column-and-constraint generation,C&CG)、对偶理论以及大M法求解最优经济调度策略。算例验证了所提模型可提高不确定区间刻画准确度,有效应对源荷不确定性并提高系统运行经济性。     

基于mRMR-XGboost-IDM模型的两阶段可调鲁棒经济调度

源荷双端不确定性导致的频繁弃风切负荷现象严重影响微网运行经济性。为有效应对源荷不确定性,文章提出一种基于最小冗余最大相关-极限梯度提升算法改进非精确狄利克雷模型(minimum redundancy and maximum correlation-extreme gradient boosting improved imprecise Dirichlet model, mRMR-XGboost-IDM)的两阶段可调鲁棒微网经济调度模型。首先,针对基于非精确狄利克雷模型(imprecise dirichlet model, IDM模型的不确定模糊集高度依赖历史数据数量的不足,结合mRMR-XGboost预测方法对其进行改进,扩大历史数据体量以提高所得不确定区间的精确度。其次,基于得到的不确定区间,构建微网两阶段鲁棒经济调度模型,并引入可调鲁棒参数协调经济性和鲁棒性。最后,采用列约束生成算法(column-and-constraint generation,C&CG)、对偶理论以及大M法求解最优经济调度策略。算例验证了所提模型可提高不确定区间刻画准确度,有效应对源荷不确定性并提高系统运行经济性。     

基于分布鲁棒优化的含风电系统静态安全校正控制方法

提出一种计及风电出力不确定性的电力系统静态安全校正控制方法。考虑与风电预测方法的合理对接,采用风电预测出力的区间及期望值信息描述风电的不确定性。以调整措施耗费的经济成本最小为目标,考虑发电机出力调整和切负荷2种控制措施,建立考虑风电波动的有功安全校正控制模型。基于分布鲁棒线性优化理论,将含有不确定性参数的校正控制模型转化为仅含确定性参数的鲁棒对等模型,并采用线性规划方法进行求解。某区域电网算例结果表明,所提模型得到的校正控制方案能够应对各种可能的风电波动;同时,该模型可实现控制策略经济性与鲁棒性的相互转化,并能给出控制策略鲁棒性程度的概率评价。     

考虑风电与高载能负荷调度不确定性的鲁棒机组组合

为缓解弃风问题,甘肃等电网开展了高载能负荷与风电的协调调度。然而,以电弧炉为代表的冶炼类高载能负荷在运行时存在有功功率波动,会对电网的自动发电控制(AGC)系统产生影响。为研究高载能负荷功率波动对负荷与风电协调调度的影响,文中提出一种考虑高载能负荷功率波动以及风电不确定性的鲁棒机组组合方法。该方法充分考虑高载能负荷有功功率波动与设备运行状态的关系,对负荷有功功率的不确定性进行建模。接着,考虑高载能负荷与风电协调调度时,负荷不确定性与风电不确定性对电力系统共同作用的特点,构建最小化弃风与切负荷风险的鲁棒机组组合模型,使电网对高载能负荷进行调控时,可充分考虑高载能负荷不确定性的影响。最后,在IEEE RTS-79系统中对所提方法进行了验证,并分析了高载能负荷不确定性对协调调度的影响。     

数据中心集群灵活边界下电力系统分布鲁棒优化调度方法

分布式资源的广泛接入与风、光等不可调资源的波动性使电力系统运行调控的难度显著增加。文中研究可再生能源不确定性影响下的分布式集群资源优化调度策略,挖掘多种可调资源灵活性,提高不可调资源利用率。为实现分布式可调资源的灵活调控,首先,提出了数据中心与光储集群聚合体的可调潜力时变边界计算方法,保证其聚合最优性与分解可行性。然后,基于历史数据构建契合风电随机特性的∞-Wasserstein模糊集,该方法具有良好的样本外信息描述能力。最后,提出自适应多面逼近方法解决分布鲁棒优化问题固有的无限维求解难题,将两阶段分布鲁棒调度模型转化为有限维问题以实现快速求解,并基于修改的IEEE-RTS 24节点系统仿真验证了所提方法的有效性。     

风电场储能装置的鲁棒优化配置

在含多风电场的电网中,为风电场配置一定容量的储能装置,能够有效削弱风电场出力波动性对系统运行带来的不良影响.首先以最小切负荷量作为评估系统运行安全的指标,在确定的网架和机组出力方式下分析多个风电场出力的随机波动对系统运行安全的影响;然后,在期望的系统安全运行风险下,求解对应的风电场出力可接纳范围;最后基于此确定风电场需要安装储能的位置和额定功率.在Garver算例系统中接入4座风电场,分析得出在不切负荷的情况下,很难基于有限的电源运行范围和线路传输能力约束消纳全部风电场的功率波动.研究表明,基于不切负荷的安全运行要求,需优先在传输能力不受限、风电功率波动较小的节点配置储能装置,最大限度减小储能配置需求.     

计及风电时间相关性的鲁棒机组组合

鲁棒优化是解决大规模新能源接入后电力系统调度的重要手段。相比于基于场景的随机规划、带有风险约束的机组组合等,鲁棒机组组合的结果往往偏于保守。鲁棒优化的保守性直接受到不确定集合的影响。研究了风电预测误差时间相关特点,提出了基于自相关性的时间相关性约束。并利用不确定集合的离散性特点,将该约束近似简化为可以用于实际鲁棒优化问题的线性约束。在列与限制生成(CCG)算法的基础上,改进了Bender’s分解后子问题的求解算法,提出了一种适合离散型不确定集合的鲁棒优化求解方法。最后,以真实风电数据进行了大量的仿真实验。结果表明,提出的算法能够在不影响机组组合可靠性的前提下,降低鲁棒优化保守性。     

基于风功率间歇性的多区域综合能源系统两阶段分布鲁棒协同优化调度的研究

为了提高多区域综合能源系统对风电的消纳能力,有必要研究分析风电出力不确定性对系统经济稳定运行的不良影响,并提出策略减弱甚至消除不良影响。基于此,提出一种基于风功率间歇性的多区域综合能源系统两阶段分布鲁棒协同优化调度。日前阶段根据风电预测信息制定系统运行经济最优方案。实时阶段考虑最恶劣概率分布下,各风电场景中可调机组调整出力与弃风最小。模型结构为min-max-min,利用CCG算法求解。最后,通过算例验证了本文所提方法的优越性。     

计及风电不确定性和弃风率约束的风电场储能容量配置方法

风电的大规模开发造成了严重的弃风问题,在风电场内配置储能装置可显著减少弃风,文中基于分布鲁棒优化方法研究了考虑风电不确定性和弃风率约束的风电场储能容量配置问题。首先根据历史数据构造风电出力的经验分布函数,为考虑风电出力的不确定性,以Kullback-Leibler(KL)散度作为分布函数距离测度建立了风电出力的概率分布函数集合。随后,将弃风率要求建模为概率分布函数集合中最坏分布下的鲁棒机会约束,进一步建立了以储能投资成本最小为目标、以弃风率为约束的鲁棒机会约束规划模型。最后,通过矫正机会约束中的风险阈值,将鲁棒机会约束转化为传统机会约束,并采用凸近似和抽样平均构建线性规划进行高效求解。基于IEEE 30节点电网进行了算例分析,并与传统的随机规划和鲁棒优化模型进行对比,验证了所提模型在处理风电不确定性时能有效兼顾保守性和鲁棒性。     

虚拟电厂下计及分布式风电与储能系统的电力系统优化调度

清洁的可再生能源在电力系统中的渗透率不断提升。随着智能电网技术的发展,越来越多的分布式可再生能源接入电力系统运行。风电是最具商业潜力及发展前景的可再生能源之一。该文提出将分布式风电机组与储能设备构成虚拟电厂(virtual power plant,VPP)参与电力系统运行,并建立了计及虚拟电厂的电力系统优化调度模型。模型中同时考虑了功率及备用容量的优化调度,并利用条件风险价值(conditional value at risk,CVaR)对系统运行成本进行风险管理。无须对电网的结构进行改变,虚拟电厂更适用于地理聚集程度较低的可再生分布式能源的调度和管理。同时,相较于常规的风电-储能联合运行模式,基于虚拟电厂的分布式可再生能源调度在降低系统风险的同时也提高了系统运行的经济性。     

基于快速储能的风电潮流优化控制系统

风电功率的间歇与波动致使电场容量可信度低、可调度性差;同时易引起局部电网的电压不稳、频率波动,影响了系统的电能质量及稳定性。针对此现象,将超级电容器与蓄电池组成快速储能装置,用于风电的潮流优化控制。采用三重双向直流变换电路控制储能元件间的功率流动;采用四象限交直流变换电路控制储能与电网间的能量交换。提出基于超级电容器电压低频波动抑制的功率分配方法,可显著减少蓄电池的充放次数;提出基于储能元件荷电状态的储能能量调整规则,可避免储能元件的过充和频繁深度放电,以优化其功率调节能力。实验结果表明,系统可实现2种储能元件的优势互补,能有效平滑调节风电注入电网的有功功率,并实时补偿控制风电接入点的无功功率。     

含超前控制的风储系统滚动最优控制策略

新一轮电力体制改革要求进一步提高风电跟踪计划能力,电池储能为此提供了途径但成本较高。为提高其经济性,提出一种风电场电池储能最优控制策略,其以最优化模型为核心,并包含超前滚动优化算法。最优化模型以储能下令次数最少为优化目标,包含统计学控制效果约束及荷电状态、死区控制等储能运行约束。超前滚动优化算法利用超短期风电功率预测,在统计学控制效果的每一个10min考核周期内进行实时的滚动超前控制,并不断修正预测误差的影响,保证各项约束得到满足。仿真结果表明,所提最优控制策略显著提高了风电跟踪计划精度,并在此前提下大幅减少了储能下令次数,且对超短期风电功率预测误差具备一定的抗干扰能力。     

基于风电功率预测的复合储能超前优化控制策略

超短期风电功率预测的可靠性及精度均逐步提升,文中将其引入风电场复合储能系统(HESS)控制过程,并利用预测功率信息提出了HESS超前优化控制策略。通过相邻充放电区间时长的概率分布统计,确定预测信息的时长区间,并将其作为优化控制策略中的超前控制时间区间;通过分析影响HESS运行效率的主要约束,构建了高效的HESS充放电控制策略;以荷电状态偏移方差最小为目标函数,构建HESS各存储介质同步启动情况下的优化控制模型,并考虑充放电功率和容量限值约束,获取未来时间区间HESS介质的充放电功率控制模式;最后,给出了求解算法和实现步骤。以实际风电场运行数据进行算例分析,计算结果表明本文所提方法可有效实现HESS的高效控制,具有一定实际应用价值。