以含多种分布式电源的冷热电联供(combined cooling heating and power,CCHP)微网为研究对象,考虑风电出力和冷热电负荷不确定对微网运行的影响,区分源荷不确定各自的特点,建立考虑风电和负荷不确定的CCHP微网两阶段鲁棒随机调度模型。...以含多种分布式电源的冷热电联供(combined cooling heating and power,CCHP)微网为研究对象,考虑风电出力和冷热电负荷不确定对微网运行的影响,区分源荷不确定各自的特点,建立考虑风电和负荷不确定的CCHP微网两阶段鲁棒随机调度模型。虽然风电预测精度较低,但其波动范围易于测量,可以使用鲁棒优化方法处理风电不确定;负荷预测精度较高且有较强波动规律,使用随机优化方法处理负荷不确定。首先通过随机抽样形成多个负荷场景并削减,得到多个典型冷热电负荷场景;然后以最小化各场景的调度成本加权平均值为决策目标制定日前调度方案,该方案使用两阶段鲁棒优化方法求解。考虑实际生产中可能出现的弃风现象,为增加风电消纳引入弃风惩罚成本。算例仿真结果证明了所提调度方法的合理性与经济性。展开更多
文摘以含多种分布式电源的冷热电联供(combined cooling heating and power,CCHP)微网为研究对象,考虑风电出力和冷热电负荷不确定对微网运行的影响,区分源荷不确定各自的特点,建立考虑风电和负荷不确定的CCHP微网两阶段鲁棒随机调度模型。虽然风电预测精度较低,但其波动范围易于测量,可以使用鲁棒优化方法处理风电不确定;负荷预测精度较高且有较强波动规律,使用随机优化方法处理负荷不确定。首先通过随机抽样形成多个负荷场景并削减,得到多个典型冷热电负荷场景;然后以最小化各场景的调度成本加权平均值为决策目标制定日前调度方案,该方案使用两阶段鲁棒优化方法求解。考虑实际生产中可能出现的弃风现象,为增加风电消纳引入弃风惩罚成本。算例仿真结果证明了所提调度方法的合理性与经济性。