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。

基于可行性检测的考虑风电和需求响应的机组组合鲁棒优化方法

在含风电电力系统中考虑了价格型需求响应,针对风电与价格型需求响应存在的不确定性,提出了一种适用于预调度方案可行性检测的鲁棒调度方法。所提调度模型分为两个阶段,第一阶段为预调度阶段,在考虑第二阶段可行性的基础上制定机组开停机计划和出力方案;第二阶段为再调度阶段,用于不确定参数的关键场景辨识和预调度方案的可行性检测。对调度模型呈现的min-max-min形式的含有不确定参数的两阶段优化问题,采用列约束生成（column-andconstraint generation,C＆CG）与Benders分解相结合的二阶段法进行求解。对min-max-min形式的简单算例及改进的IEEE-118节点系统的测试结果表明,所提调度模型能有效保证预调度方案的可行性,且C＆CG-Benders两阶段求解方法要优于Benders-Benders求解方法。

水火电力系统短期实用化调度模型及求解方法

以某电网的大型水火电力系统为研究对象,从节能降耗及与生产实际接轨的角度出发,基于水火电力系统的解耦机制,将水火联合调度问题建模为2个具有优化时序的子优化问题。在火电优化子问题中,在考虑常规约束的基础上,提出火电机组出力升降走向约束及相邻时段火电总负荷波动阈值约束,以保证火电机组出力平滑;在水电优化子问题中,考虑水电厂日平均出力约束及振动区约束,以保证水电的充分利用。采用改进的具有柔性更新策略的教与学优化算法依次求解2个子优化问题,并针对2个子优化问题中呈现强耦合性的复杂约束,设计不同的启发式约束处理方法。对含有15座火电厂和29座水电厂的某水火电力系统的日前调度进行仿真测试,验证了所提调度模型的可行性和实用性及求解方法的有效性。

基于集合经验模态分解和小波神经网络的短期风功率组合预测

从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性;然后对各子序列建立小波神经网络预测模型;最后叠加各子序列预测结果得到风功率预测值。实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力。

考虑系统实时响应风险水平约束的风–火–水电力系统协调优化调度

随着风电入网规模的日益增加,合理协调风电出力与传统电力能源已成为电力系统调度面临的一个新挑战。通过定义实时电力不足期望(real-time EDNS,REDNS)以衡量系统实时响应风险水平,在此基础上提出了实时响应风险水平约束,并将该约束纳入调度当中,与用确定性方法确定系统备用容量相比,采用REDNS水平约束可以使系统在调度周期内各个时段响应风险水平维持一致,自动调整系统备用容量。在风电优先上网的前提下,以降低系统运行的经济性指标和保证火电、水电机组平稳运行为目标,构建了风?火?水多目标协调优化调度模型。通过引进学习环节和构建独立的备用选择集改进多目标粒子群算法性能,提出了一种新的多目标粒子群算法(new multi-objective particle swarm optimization,NMPSO)。采用加入一个风电场的10机组测试系统进行了仿真,结果验证了上述方法和模型的正确性和有效性。

基于改进AdaBoost.RT和KELM的风功率预测方法研究

为了提高风功率预测精度及预测模型的泛化能力,提出基于改进Ada Boost.RT算法的风功率预测方法,可以有效提高弱学习算法的性能。首先建立核极限学习机(kernel extreme learning machine,KELM)模型,并用改进蝙蝠算法对其参数进行优化,通过引入局部搜索和莱维飞行使算法具有更好的搜索能力和跳出局部最优的能力。在此基础上进一步通过Ada Boost.RT算法生成多个KELM个体(即基学习器),在训练过程中不断调整每个基学习器的权重及训练集中每个样本的权重。最后用训练好的基学习器来对测试样本进行预测,并集成得到最终结果。从不同时间尺度应用不同月份的风电场数据进行仿真测试,同时与前馈(back propagation,BP)神经网络、支持向量机、极限学习机等预测模型对比,仿真结果表明所提方法具有较好的预测精度及泛化性能。

基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型

提出一种基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测建模方法。该方法首先对训练样本进行模糊信息粒化,根据需要提取各窗口的有效分量信息,即各窗口的最小值、大致平均值和最大值;其次应用最小二乘支持向量机对各分量分别建立预测模型,并使用自适应粒子群算法对各分量模型进行优化;最后使用优化后最小二乘支持向量机模型对风电功率波动范围进行预测。实例研究表明,该组合预测模型可以有效跟踪风电功率变化,对风电功率波动范围进行预测。

电力系统动态环境经济调度问题的建模与求解

为了在电力系统优化调度中同时兼顾整个时段的经济和环境效益,该文建立了考虑阀点效应和系统网损的电力系统动态环境经济调度模型,提出了一种改进的多目标教与学优化算法对模型进行求解。算法引入了反向学习策略、外部最优解集策略、基于个体稀疏度的教师选取策略、模糊满意度和动态班级策略,通过动态启发式随机约束处理与罚函数相结合的方法对违背约束的个体进行修正与惩罚。最后,用10机算例对文中提出的模型和算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明文中算法的有效性和优越性。

计及风险系数的含风电场电力系统多目标动态优化调度

随着风电并网容量的不断增加,传统的确定性优化调度方法已难以满足电力系统安全运行要求。本文建立了计及风险系数的含风电场电力系统多目标动态优化调度模型,模型包括风险系数、燃料成本及污染排放量最小3个目标,将风电场出力及负荷的不确定性纳入模型综合考虑。为了对模型中的随机变量进行处理,引入概率性序列理论,并对其运算空间进行扩展,然后提出了一种改进的多目标教与学优化算法对模型进行求解。含风电场的10机系统算例验证了本文模型及算法的可行性和有效性。

短期风功率场景质量的评估框架构建研究

短期风功率场景作为随机规划的输入受到广泛关注,场景质量直接关系到决策结果的优劣。目前大量场景生成方法中,缺乏对场景质量的评估,为此,将短期风电不确定性分为时间断面上的随机性和时段之间的波动性,建立了场景质量评估框架。以爱尔兰电力系统风电数据为样本,对是否考虑风电出力时段之间相关性的2类场景进行评估。结果表明考虑出力相关性的场景,可以更好地刻画风电随机性和波动性,能够为调度运行及可靠性评估提供更有力的技术支持。

考虑混合需求不确定性的电力-交通耦合网络最优定价策略

随着电力网与交通网融合的不断加深,研究如何制定有效策略来优化整体系统具有重要意义。依托变分不等式,提出计及混合需求不确定性的电力–交通耦合网络最优定价策略,以引导系统在不确定风险下实现最优运行状态。首先研究了促进交通系统最优运行的路段拥堵收费策略,从理论上说明该策略能够引导和改变用户的行为,实现系统的最优运行状态。其次,提出耦合网络的最优定价模型,并推导其等价变分不等式形式。在此基础上,提出考虑混合需求不确定性的电力–交通耦合网络鲁棒定价模型及其等价变分不等式形式,从而将复杂鲁棒优化问题转化为变分不等式问题进行求解,为电力–交通耦合网络的复杂鲁棒优化问题提供新的解决思路。最后,仿真基于耦合测试系统,验证了所提方法的有效性。

大规模风电场并网下的互联电力系统广域阻尼协调控制

在区域电网互联以及大规模风电远距离输送的背景下,提出了一种新型广域阻尼控制器设计方法。该方法采用交替Krylov子空间算法对系统进行降阶,避免了传统的平衡降阶算法需处理2个高阶Lyapunov方程的问题。在此基础上,考虑了同步发电机与风电场的协调阻尼控制,提出采用均值方差映射算法对控制器参数进行协调优化。并提出增益调度思想,解决了控制器在系统不同运行方式下的鲁棒性问题。算例结果验证了所提方法的可行性。

含双馈风电场的互联电力系统广域阻尼协调控制

针对大区域电网互联以及大规模双馈风电场并网所面临的区域低频振荡问题,提出一种综合考虑同步发电机与双馈风力发电机的广域阻尼控制策略;并采用一种迭代次数较少、不易陷入局部最优解的新型优化算法——均值方差映射算法进行控制器参数协调配置,通过与传统智能算法的比较,证明了该方法的优越性;含双馈风电场的四机两区测试系统的仿真结果表明,提出的方法能有效提高大规模双馈风电场并网背景下的互联电力系统区域低频振荡阻尼能力。

基于多目标粒子群算法的电力系统环境经济调度研究

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法,用于求解电力系统的环境/经济调度问题。通过设计特定的约束修正因子,将不可行解修正成可行解,并在此基础上用惩罚函数法构建了新的适用于多目标粒子群的适应度函数模型。根据帕累托占优条件形成历史帕累托最优解集和全局帕累托最优解集,引入稀疏度排序法选择全局最优解,基于帕累托最优前沿的斜率特性,提出用斜率法筛选非劣解,采用基于模糊数学的满意度评价模型选择POF的折衷最优解。最后,用IEEE-30节点标准测试系统对所提算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明所提算法可行、有效。

基于不确定网络理论计及经济性与可靠性的主动配电网规划

提出了基于不确定网络理论的主动配电网扩展规划模型。首先,考虑负荷与分布式电源出力时间分区相关性,构建特征概率不确定性集合;其次,建立统筹分布式电源、网架、静止无功补偿装置、变电站和有载调压变压器各设备的升级新建及其主动管理措施的经济子规划模型,并提出了适用于规划问题的两阶段整体最优可靠性方法,且通过二阶锥松弛将原模型转化为混合整数二阶锥规划问题进行快速求解。分别得到全过程多阶段经济和综合可靠性不确定性测度分布作为网架树权重。最后,利用不确定网络中最小生成树理论,搜索与理想网架树分布最接近的最优规划方案。改进的IEEE 33节点系统与IEEE 69节点系统算例验证了所提模型的有效性。

含风电电力系统的主从博弈经济调度

风力发电具有显著的随机性和波动性,对电力系统原有调度模式提出挑战.采用鲁棒优化处理风电不确定性,利用鲁棒优化蕴含的博弈思想,将风电场看作调度中心的一个虚拟博弈者,利用双层规划法建立了二者的主从博弈模型,将调度中心看作领导层,其决策目标为电网运行的成本最低,将风电场看作下属层,其决策目标是能保证系统实时安全运行的最大风电出力区间.由于考虑了火电机组的阀点效应,主从博弈模型呈现出非线性双层规划的数学特点,提出一种改进教与学算法与线性规划相嵌套的求解方法.最后,采用改进的10机39节点系统对模型以及求解方法的有效性进行了验证.

基于广义凸包不确定集合的数据驱动鲁棒机组组合

在鲁棒机组组合中,如何描述新能源出力不确定性对其决策的经济性有着重要的影响。针对这一问题,该文提出一种基于数据驱动的广义凸包不确定集合建模方法,并将该不确定集合应用到两阶段的鲁棒机组组合中。该方法可有效考虑新能源出力的时空相关性,从而降低决策的保守性,提高运行的经济性。首先利用新能源出力的历史数据,建立可适应数据的不确定集合描述模型,从而提取新能源多时空出力极限场景;然后基于所提取的极限场景,构建两阶段鲁棒机组组合模型,并利用列和约束生成算法对其进行求解;最后结合IEEE14节点系统与IEEERTS-79系统验证所提模型与算法的有效性。

考虑直接负荷控制与风电不确定性的输电网扩展规划

需求响应项目的推广以及风电并网后电源侧出力的不确定性,给电力系统的输电网规划带来了新的机遇和挑战。为利用需求响应减少建线投资,建立了考虑直接负荷控制参与N?1预想故障潮流调整的输电网规划模型。采用基于历史数据凸包顶点的极限场景法处理风电不确定性,保证所建立的输电网规划模型为易于求解的混合整数规划问题。结合实际工程参数,基于改进的IEEE24节点系统进行仿真。仿真结果体现了直接负荷控制在缓解潮流越限、减少建线成本方面的作用,说明需求响应措施在保证系统运行安全性的前提下能够提高规划经济性,通过调整凸包范围能够有效调节所提模型的经济性与鲁棒性。

基于时段耦合特性的动态环境经济调度求解方法

基于电力系统动态环境经济调度(dynamic economic emission dispatch,DEED)在时段间的耦合特性,提出了一种改进的教与学优化算法,用于求解DEED问题,对燃料费用和污染气体排放量同时进行优化。采用反向学习策略改善种群的多样性,单时段教与学过程来提高算法的局部寻优能力,单时段贪婪选择机制在全局范围内找到新的搜索空间,平衡局部寻优与全局寻优能力。对10机39节点系统进行仿真分析,结果表明所提策略可以显著提高算法的收敛速度和收敛效果,得到高质量的解。

需求响应下基于近似动态规划的气电联合系统经济调度

气电联合系统协同运行能显著提高能源利用效率,其运行优化得到了广泛关注。文章建立了考虑需求响应(demand response,DR)的气电联合系统经济调度模型,并提出了基于近似动态规划(approximate dynamic programming,ADP)算法的联合系统经济调度策略。首先,采用粒子群(particle sw arm optimization,PSO)优化算法对用户侧的负荷曲线进行优化,从而最小化用户补偿费用和峰谷差率;随后建立线性化的气电联合系统运行模型,借助ADP算法求解。以Grave 6节点电力系统和14节点天然气网络进行仿真分析。仿真结果验证了所提模型和求解算法的有效性,考虑供需两侧的气电联合优化能提高能源利用效率。