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。     

含抽水蓄能电网安全约束机组组合问题的混合整数线性规划算法

抽水蓄能机组的投运对电网发电调度计划的制定具有很大影响,建立了含抽水蓄能机组电网的安全约束机组组合模型。以考虑了抽水蓄能机组启停费用的所有机组总运行费用为目标函数,根据抽水蓄能机组的不同运行工况给出旋转备用容量的解析表达式,同时在系统功率平衡约束中考虑了网络损耗的影响,并考虑了抽水蓄能机组的运行调度约束及网络安全约束。为了保证模型求解的可靠性和提高模型求解的计算效率,将目标函数进行分段线性化,并根据抽水蓄能机组的运行特点将其旋转备用容量约束等价转化为线性表达式。同时采用一种动态分段线性化方法近似逼近网络损耗,从而将机组组合模型转化为混合整数线性规划模型,并采用成熟的数学优化求解器CPLEX进行求解。对某实际23机306节点电网算例的计算结果表明,所提出的混合整数线性规划调度模型的网损逼近效果合理正确,算法求解速度快,具有较好的工程实用价值。     

大功率缺失下抽水蓄能机组分阶段有功控制方法与实现

为了提高大功率缺失下抽水蓄能机组参与故障恢复的能力,提出了抽水蓄能机组分阶段有功控制方法。首先,基于抽水蓄能电站运行特点,构建了抽水蓄能机组参与有功控制的数学模型;其次,为满足大功率缺失下断面和频率的控制需求,提出了考虑机组安全运行约束的抽水蓄能机组分阶段有功控制方法;最后,结合在特高压受端省级电网的应用实践,验证了所述方法在大功率缺失下提升抽水蓄能机组响应能力的有效性。     

含分布式变速抽水蓄能的新能源发电系统灵活性资源规划

针对含分布式变速抽水蓄能和多灵活性资源的新能源发电系统,在分析定、变速抽水蓄能运行特性差异的基础上,提出含分布式变速抽水蓄能的灵活性资源规划模型。该模型详细考虑了定、变速抽水蓄能的运行约束和库容约束,以及电池储能、需求响应、火电机组资源配置。通过松弛变速抽水蓄能的双线性约束,将所建立模型转化为以期望成本最小为目标的混合整数线性规划问题,通过两阶段随机优化方法求解得到最优的规划方案。通过与定速抽水蓄能规划方案对比,分析验证了所提分布式变速抽水蓄能规划方案的可行性以及在经济性和灵活性方面的优越性。     

考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合

发电机故障停运是电力系统运行中的不确定事件。目前在含风电鲁棒机组组合中考虑机组故障停运的方法,不同程度地忽略了机组故障停运的概率特征,难以较好描述机组故障停运风险。在含风电鲁棒机组组合模型的基础上,引入电量不足期望以量化机组故障停运风险,基于成本收益分析建立了考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合模型,并提出计算电量不足期望的简化模型以提升计算效率。基于改进的IEEE-RTS 26机系统验证所提模型和方法,结果表明该方法能较好考虑风电不确定性和机组故障停运风险的影响,该简化模型能显著减小问题求解规模、缩短计算时间。     

考虑抽水蓄能机组的机组组合模型及求解

在传统机组组合模型的基础上,建立了抽水蓄能机组模型。结合混合整数规划原理,根据抽水蓄能机组的运行特性,建立了其各工作状态的虚拟机模型及工作状态转换模型。利用IEEERTS 96系统对该模型进行测试。测试结果表明,该模型易于与传统机组组合模型结合并能有效解决抽水蓄能机组工作状态转移及出力分配问题。     

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。     

机组组合问题的仿射可调整鲁棒优化模型与算法

为了有效应对电力系统调度决策中的不确定因素,尤其是大规模间歇式能源并网所带来的不确定性,提出基于仿射可调整鲁棒优化理论的不确定机组组合求解方法。建立了不确定机组组合问题的仿射可调整鲁棒优化模型,利用线性决策规则建立决策变量与不确定参数之间的仿射关系,从而将两阶段问题转化为单个阶段优化问题,在此基础上,采用对偶理论将模型转化为可以直接求解的标准混合整数规划模型。通过标准算例测试,验证了该方法的有效性。     

计及运行风险和需求响应的两阶段鲁棒机组组合模型

高比例风电并网给电力系统的调度运行带来了挑战。为应对风电的不确定性,该文提出一种计及运行风险和需求响应的两阶段鲁棒机组组合(unit commitment,UC)模型,此模型具有以下特点:1)基于历史风电预测–实测数据分析了风电预测误差的分布特征,进而建立一种基于0-1规划的运行风险模型;2)将建立的运行风险模型与鲁棒UC模型结合,通过求解鲁棒UC模型动态地调整风电不确定集合的边界,实现运行成本和运行风险的协同优化;3)考虑分时电价对负荷需求的影响,并分析需求响应(demand response,DR)的不确定性对调度结果的影响。提出的模型采用Benders-C&CG方法进行求解。仿真结果表明,所提模型可动态地调整风电不确定集合边界,有效降低了运行成本和运行风险的总和。     

基于实时电价的大规模风电消纳机组组合和经济调度模型

基于需求响应消纳风电的积极效用,综合考虑不确定性调度决策的特点,分别建立了基于实时电价的考虑不确定性的风电消纳确定性和随机机组组合模型,并建立了经济调度模型评估2类机组组合决策的效果,还分析了网络约束的影响。基于PJM-5节点系统的算例分析表明,需求侧资源可以灵活部署响应风电出力变化,降低风电不确定性影响,提高风电接入系统的经济性、鲁棒性和风电利用效率。对随机机组组合而言,需求侧资源可以与机组协同优化满足多场景需求;对确定机组组合而言,需求侧资源则可以有效缓解其不确定性信息涵盖较少且备用决策未考虑网架结构造成机组备用无法全部释放等的问题,但确定机组组合对需求侧资源的容量和灵活性要求高于随机机组组合。     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。     

计及含氢储能与电价型需求响应的能量枢纽日前经济调度

为了解耦冷热电联供(combined cool,heat and power system,CCHP)机组“以热定电”的运行约束,提高风电消纳能力,降低社会碳排放,提出了计及含氢储能与电价型需求响应的能量枢纽日前经济调度模型。源侧利用冷、热、电、氢4种储能装置,打破CCHP机组热电耦合约束;荷侧引入电价型需求响应改变用户用电行为,通过优化各机组出力与电负荷曲线,增加风机出力。该模型以系统日运行成本最低为目标,引入弃风惩罚成本增加风电消纳,综合功率平衡等约束,调用Gurobi求解器进行优化求解。对不同场景下能量枢纽的优化结果进行分析,并计算燃油汽车的碳排放量以量化氢燃料电池汽车节约的社会碳排放。结果表明:在电价型需求响应策略下,考虑CCHP与含氢储能的能量枢纽系统在增加风电消纳能力的同时降低了系统的日运行总成本,减少了社会碳排放。     

A Joint Smart Generation Scheduling Approach for Wind Thermal Pumped Storage Systems

Abstract

Energy storage plays a crucial role in the development of smart grids with high wind power penetration. Pumped storage is an effective solution for smoothing wind power fluctuation and reducing the operating cost for a wind thermal power system. The joint generation scheduling of power systems with mixed wind power, pumped storage, and thermal power is a challenging problem. This article proposes a novel two-stage generation scheduling approach for this problem in the contexts of smart grids. Through optimization, a day-ahead thermal unit commitment and pumped storage schedule are provided; then, in real time, the pumped storage schedule is updated to mitigate the wind power forecasting error and hence avoid the curtailment of wind power generation. The proposed model aims to reduce the total operating cost, accommodate uncertain wind power as much as possible, and smooth the output fluctuation faced by thermal units, while making the system operate in a relatively reliable way. A binary particle swarm optimization algorithm for solving the proposed model and the pumped storage schedule update algorithm are also presented. The model and algorithm are tested on a ten-generator test system.     

计及风电并网的机组组合方法研究

风电具有间歇性和波动性的特点,其并入电网时会对传统以火电机组为主的机组组合造成明显的影响,针对此问题,提出了计及风电并网的机组组合方法。该方法首先对风电功率预测结果误差进行统计,在此基础上,建立了风电功率预测误差的分布概率模型。然后,该模型与传统火电机组累积停运容量概率表结合,形成了考虑风电功率的机组累积停运容量概率表。接着,将该表以解析表达的方式引入机组组合的拉格朗日松弛法中,形成风电接入后的机组组合模型,并采用传统拉格朗日松弛法进行求解。最后以某实际电网为例,验证了所提算法的优越性。     

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。     

Economic analysis of unit commitment with distributed energy resources

Classic unit commitment (UC) is an important and exciting task of distributing generated power among the committed units subject to several constraints over a scheduled time horizon to obtain the minimum generation cost. Large integration of distributed energy resources (DERs) in modern power system makes generation planning more complex. This paper presents the individual and collective impact of three distributed energy resources (DERs), namely, wind power generator as a renewable energy source, plug-in electric vehicles (PEVs) and emergency demand response program (EDRP) on unit commitment. In this paper, an inconsistent nature of wind speed and wind power is characterized by the Weibull probability distribution function considering overestimation and underestimation cost model of the stochastic wind power. The extensive economic analysis of UC with DERs is carried out to attain the least total cost of the entire system. To obtain the optimum solution, Teaching–learning based optimization (TLBO) algorithm is employed to solve the unit commitment problem considering IEEE standard 10 unit test system in this study. It is found that the combined effect of wind power generator, plug-in electric vehicles and emergency demand response program on UC significantly lessen the total cost of the system.     

计及风电不确定性的多场景多时段安全约束机组组合解耦求解方法

为了加速求解计及风电不确定性的安全约束机组组合问题,提出计及风电不确定性的多场景多时段安全约束机组组合解耦求解方法。将原问题解耦为多个场景的安全约束机组组合问题;通过将各场景的调度时段分为多个子时段对各场景安全约束机组组合问题进行解耦,形成多个并行的子问题;为了确保多场景解耦和多时段解耦解的可行性,利用一致性约束耦合不同的子问题,并在目标函数中添加惩罚项。通过算例分析验证了所提方法的有效性。结果表明,在可接受的精度下,所提方法比传统集中式方法显著缩短了多场景安全约束机组组合问题的求解时间。     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。