考虑风电不确定性与电池损耗的储能电站鲁棒规划方法

针对区域电网中储能电站容量优化配置问题,为提升系统规划-运行经济性,提出一种考虑风电不确定性与电池损耗的储能电站鲁棒规划方法。首先,构建了适用于区域电网储能电站规划的电池寿命损耗模型,用于量化评估电池损耗。其次,考虑储能装置的寿命模型和系统运行等约束,以储能电站固定成本和发电机组运行成本最低为目标函数,建立储能电站规划的鲁棒优化模型,并采用列和约束生成C&CG(column and constraint generation)算法进行求解。最后,通过仿真算例验证了所提模型和算法的有效性。

考虑风电出力不确定性的储能系统容量优化配置

鉴于风电出力的高度不确定性,传统的储能容量配置方法难以确保最优效能。本文提出一种新的储能系统容量优化配置方法,该方法充分考量了风电出力的不确定性。通过深入分析风电出力的波动特性,构建基于KL散度(Kullback-Leibler Divergence)的不确定集合,以精确量化风电出力的随机性。为满足电力系统的实际需求,建立一个以最大化系统净收益为核心目标函数的优化模型。为确保在风电不确定性条件下的方案既有效又经济,设计一系列详细的约束条件。利用自适应粒子群优化算法,结合深入的经济模型与物理分析,求解并输出针对风电出力不确定性的电能存储容量最优配置方案。实验验证表明,该方法在不同负荷与发电场景下均能实现储能容量的精准配置,显著增强电力系统的稳定性,并大幅优化其经济性能。

考虑风电不确定出力的风电并网协调优化模型

针对风电出力的随机性和间歇性等特点,首先,提出了风电预渗透率的概念,结合风电预测精度,建立了风电预测误差计算模型。其次,考虑到误差随时间的迁移性,建立了风电预测误差增长模型,并建立了基于误差增长的风电不确定出力计算模型。在建立负荷可参与调度的权重区间模型以及引入可调度负荷与储能系统的基础上,建立了风电成本模型和考虑可调度负荷与储能系统风电并网协调优化调度模型。最后,以某地区电力系统为研究对象,采用Matlab对优化模型进行仿真求解,结果表明,所用方法能够有效降低弃风率以及火电备用容量。

基于风电不确定出力的风电并网机组组合优化

风电出力的不确定性给风电并网调度带来一定的挑战。基于日前24小时风电预测出力与6小时准实时出力,建立风电成本模型,提出了一种新的考虑风电并网的机组组合制定方法,该方法通过6小时准实时出力与日前24小时预测出力情况来及时调整6小时内机组组合计划。在10机系统上采用所提出的方法,仿真结果表明,该方法能够根据风电出力特性合理制定机组组合,从而降低系统预留旋转备用,有效降低因风电出力不确定性所引起的发电成本。

风电不确定下机组组合的鲁棒优化研究

在风力发电的大背景下,以线路潮流、电力负荷、机组爬坡等不确定因素为约束条件,对机组组合模型进行研究,旨在降低风力发电的预期成本。采用两阶段的鲁棒优化模型,保证了在不确定集合中取得的参数能够满足模型的全部约束,而且可以降低最坏情况下的预期发电成本。在模型的处理上,通过引入辅助变量来建立仿射函数,进而完成对目标函数的线性逼近。研究发现,随着更多的信息被合并到不确定性集中,最坏情况的分布保守性逐渐降低,进而实现了缩小预期成本的目的。最后通过简化示例进行验证分析,更直观地体现出鲁棒优化模型在处理风电机组组合问题上的可行性和实用性。

考虑风电出力不确定的风电并网优化探究

风力发电是一种新能源,具有无污染、无排放等优点,已经成为全球最具规模且发展最快的可再生能源。但是自然界风力的不确定性导致风力发电的随机性较大,给风电调度带来巨大的困难,因此,考虑风电出力不确定的探究对建设优化电网有重要意义。

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。

考虑风电出力不确定的风电并网优化研究

目前电能凭借其优异的转化能力与传输效果而成为社会必需能源,风力发电具有可再生、无污染优势,在可持续发展理念指导下,风电项目受重视程度逐渐提升。文中主要对风电出力不确定的风电并网优化进行了分析。

基于场景分析的含风电系统经济爬坡调度

随着风电大规模并网,考虑风电不确定性及其对系统安全影响的电力系统调度成为目前研究的重点。本文定义了爬坡冗余度指标,该指标将风电不确定性以及风电曲线变化趋势对调度的影响计及到调度模型中,从而提高调度解对风电出力不确定性的前瞻爬坡响应能力。采用场景分析法来刻画风电的不确定性,并提出采用最近邻聚类的方法对场景进行削减,保证削减后场景的多样性和计算结果的精确性。最后,本文构建了以经济和爬坡冗余度为目标的调度模型,并通过IEEE-30节点系统验证了本文所提方法的有效性。

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。

Qualification of Three Analytical Wake Models

The decrease of wind velocity （wake losses） in downstream area of wind turbine is generally quantified using wake models. The overall estimated power of wind farm varies according to reliability of wake model used, however it＇s unclear which model is most appropriate and able to give a high performance in predicting wind velocity deficit. In this subject, a qualification of three analytical wake models （Jensen, lshihara and Frandsen） based on three principal criteria is presented in this paper： （i） the parsimony which characterizes the inverse of model complexity, （ii） the accuracy of estimation in which wake model is compared with the experimental data and （iii） imprecision that is related to assumptions and uncertainty on the value of variables considered in each model. This qualitative analysis shows the inability of wake models to predict wind velocity deficit due to the big uncertainty of variables considered and it sensitivity to wind farm characteristic.