基于场景分析的含风电系统机组组合的两阶段随机优化

风电场输出功率具有随机性、间歇性的特点,其大规模并网发电使电力系统的调度决策面临着新的挑战。在此背景下,以日前调度为研究对象,提出了一种解决含风电系统机组组合问题的两阶段随机规划方法。该方法将发电机组的启停决策及启停决策下机组的发电计划制定视为两个阶段的决策问题,第一阶段决策对应机组启停,旨在寻求给定条件下具有最小启停成本的机组组合方式,而第二阶段决策则用于评估随机条件下已制定机组启停计划所对应次日机组运行成本的期望值,方法通过对两个阶段决策问题的统筹考虑,最终确定出机组的最佳组合方式。采用场景树模拟日前风电场输出功率预测误差的时间分布特性,并利用场景缩减技术实现在较高计算精度下模型复杂度的降低。通过对某实际26节点11机系统的分析计算验证了所提出方法的有效性。

不确定运行条件下电力系统鲁棒调度的基础研究

提出采用鲁棒调度解决不确定运行条件下电力系统调度决策问题的新思路。文中通过对鲁棒调度的定义指出鲁棒调度的特点在于能够根据当前已有信息做出对系统运行中不确定因素具有一定免疫力的调度决策;通过鲁棒调度一般模型的构建,指出场景束约束(scenario bundle constraint)使鲁棒调度区别于确定性调度方式的组合,使系统各种可能存在的运行场景之间存在了联系;通过提出鲁棒调度3个层面的关键性问题,为研究的进一步开展明确了攻坚方向。最后,文中通过对计及电力系统等效负荷不确定性超前调度问题的建模与算例分析,验证了鲁棒调度方法的有效性。

含风电场的机组组合的两阶段随机规划模型

提出了计及风电的机组组合的两阶段随机优化模型。该模型采用场景树以模拟日前风电功率预测的误差,将火电机组启停以及启动后机组运行位置视为两阶段随机优化模型下的不同阶段决策。其中,第一阶段对应火电机组的启停,第二阶段对应启动后机组的调度,通过引入场景约束使不同运行场景下的两个阶段决策量之间建立了联系,满足了非预测条件。如此两个阶段的决策量相互牵制构成一个完整的数学优化模型。在求解过程中,应用场景缩减技术来权衡计算速度和精度之间的关系,通过算例验证了两阶段随机优化模型对此问题求解的有效性。