基于交替方向乘子法的含风电场系统ATC计算

随着风电大规模并网,其波动性、间歇性及时空相关性对可用输电能力(available transfer capability,ATC)计算带来极大挑战,建立考虑风速时空相关性的基于直流潮流的含风电场系统可用输电能力计算模型。同时考虑风速时空相关性与负荷波动性对系统潮流分布的影响,并采用交替方向乘子法(alternating direction method of multipliers,ADMM)对ATC模型进行优化求解,以提高计算速度,实现系统ATC的快速计算。以IEEE-9、IEEE-39、IEEE-118测试系统进行仿真,验证该算法的准确性和有效性。

计及风速时空相关性的含风电场系统ATC计算

建立考虑风速时空相关性的基于最优潮流(optimal power flow,OPF)的含风电系统可用输电能力计算模型。计算具有时空相关性的风速预测误差,将预测误差与风速预测值叠加得到具有时空相关性的风速预测值;同时考虑风速时空相关性与负荷波动性,采用原对偶内点法对基于最优潮流的ATC模型进行优化求解。在不同场景下,对含风电场的改进IEEE-39节点系统进行仿真,验证模型的准确性,为电力系统安全稳定运行和风电并网系统的规划提供参考依据。

考虑风电并网系统的储能优化配置

随着风电的大规模并网,风电的随机性、波动性给系统的运行带来巨大挑战.而储能在保证电力系统的安全稳定经济运行中扮演着重要角色,尤其是在降低系统的运行成本和提高电压质量方面具有重要意义.如何实现储能容量的配置以及储能位置的选取显得尤为重要.为此,提出一种混合多目标粒子群优化算法.该算法将引入精英策略的非支配排序遗传算法(Nondominated Sorting Genetic Algorithm,NSGA-II)与概率潮流相结合,用威布尔分布描述风速的概率分布,通过五点估计法(FivePoint Estimation Method,5PEM)对风力分布进行离散化处理.考虑风力发电的不确定性,通过寻找储能单元的最优位置和容量以实现系统运行成本最小化,并且改善系统的电压分布.通过IEEE-30节点系统进行案例分析,验证所提算法的有效性以及储能优化配置的必要性.

基于模糊粗糙集理论和时空信息的空间负荷预测

空间负荷预测是城网规划领域的基础工作,目前空间负荷预测大多是依靠一些历史负荷数据来进行,却忽视了地理空间信息的影响。对于同一类用地来说,由于各小区的地理空间信息不同,其发展程度存在一定的差异,进而各小区的负荷密度也不相同,如果采用统一的负荷密度进行预测,势必会带来较大的误差。因此,该文提出一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。借助地理信息系统(geographic information system,GIS)获取供电小区的空间信息,分析空间信息对各类负荷分布的影响。结合模糊粗糙集理论得到每个供电小区适合其发展的统一模糊粗糙因子(因为每类小区的统一模糊粗糙因子的划定都有其自身的标准,该统一模糊粗糙因子的大小仅适于同种类型小区间的比较),从而刻画出同类负荷间负荷密度的差异。该文所提方法能够更精确地刻画负荷发展不均衡、不协调的现象,提高空间负荷预测的精度。工程实例分析表明了该方法的实用性和有效性。