考虑碳捕集电厂综合灵活运行方式的低碳经济调度

碳减排是能源革命的目标之一,大力发展风电是实现低碳的重要举措。随着风电渗透率的提高,电力系统的调峰压力骤增。储液式碳捕集电厂可通过储液罐进行"削峰填谷",同时实现火电机组低碳化,是风电理想的配合电源。考虑碳捕集电厂储液式和分流式相结合的综合灵活运行方式,建立含风电的电力系统低碳经济调度模型,兼顾低碳性和经济性。首先,对碳捕集电厂储液式和分流式运行的能流特性进行研究,并考虑其调峰特性,分析碳捕集电厂综合灵活运行相对于分流式运行的优势;其次,建立考虑碳捕集电厂综合灵活运行方式的低碳经济调度模型;最后,基于CPLEX对含碳捕集电厂的IEEE 39节点电力系统进行仿真,结果证明所提方法的有效性,可为电力系统低碳经济调度提供参考。

考虑广义储能与火电联合调峰的日前–日内两阶段滚动优化调度

随着风电等新能源并网规模不断增大,其波动性与不确定性给系统调峰带来了巨大挑战。为提高电力系统调峰能力,构建了考虑广义储能与火电机组联合调峰的日前-日内两阶段滚动优化模型。首先,该模型将需求侧灵活性负荷与实际储能共同视为广义储能资源,充分利用其快速调峰能力,与火电机组配合共同参与到电力系统的调峰过程中,减小系统的峰谷差,提升系统的调峰灵活性,降低火电机组的调峰压力;其次,为应对系统不同调度阶段的不确定因素,构建了日前-日内两阶段滚动调峰模型,该模型充分挖掘了广义储能各类资源不同时间尺度的分布特性以及调峰潜力,使其与火电机组配合,实现各类资源的协调调度,提高系统新能源的消纳量,降低系统的运行成本;最后,以IEEE 39节点系统为例验证本文所提模型的有效性。

考虑积压惩罚机制的含BSS微网联合系统优化调度策略

换电站(batteryswappingstation,BSS)作为电动汽车能源供给的重要来源,在日常运营中欠缺对负荷换电完成程度的考虑。提出了电动汽车积压惩罚机制,并构建了BSS与含风电微电网结合的联合系统调度模型。积压惩罚机制充分考虑了系统调度策略对于换电完成程度的影响,并将BSS换电完成程度反馈给系统调度层从而生成更合理的充换电计划。该模型以系统运行成本最小化为目标函数,综合考虑了电池供给约束和换电站电池充电约束,并通过优化软件CPLEX求解该模型。最后,在某微网系统下,对系统孤网运行和并网运行两种方案进行对比分析,验证了系统并网运行方案的优越性。同时通过灵敏度分析表明,适当调整初始系统状态可减少系统运营成本,提高风电消纳。

基于ADMM的含风电场系统分布式DC-OPF计算

电网中的不同电力公司所管辖子系统具有相互独立且互联的特点,各子系统之间的互联给电网的分布式计算带来一定挑战,如何实现大系统的分布式计算备受关注。提出基于交替方向乘子法(alternating directionmethod of multipliers,ADMM)的含风电场系统分布式直流最优潮流(direct current optimal power flow,DC-OPF)计算模型,该模型考虑风电并网对系统分布式DC-OPF的影响,采用分解协调法实现系统的分区过程,通过引入全局变量处理边界节点问题,在信息传递过程中无需中心处理系统,只在相邻子区域之间进行复制边界节点的信息传递以减少信息通信量,实现系统的全分布式DC-OPF计算。以6节点系统、IEEE-39节点系统分析全局变量的个数对迭代收敛的影响,并讨论风电并网对优化收敛的影响,最后通过仿真验证该文所提模型的准确性和有效性。

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.