卧式组合机组研制成功

梅州市水利局了解到，一项旨在节省投资、提高水轮发电机发电效率和使用寿命的“双转轮组合卧式水轮发电机组”于日前在广东梅州市研制成功，并通过水利专家鉴定。专家认为，该项技术总体达国内先进水平。

计及风电不确定性的多场景多时段安全约束机组组合解耦求解方法

为了加速求解计及风电不确定性的安全约束机组组合问题,提出计及风电不确定性的多场景多时段安全约束机组组合解耦求解方法。将原问题解耦为多个场景的安全约束机组组合问题;通过将各场景的调度时段分为多个子时段对各场景安全约束机组组合问题进行解耦,形成多个并行的子问题;为了确保多场景解耦和多时段解耦解的可行性,利用一致性约束耦合不同的子问题,并在目标函数中添加惩罚项。通过算例分析验证了所提方法的有效性。结果表明,在可接受的精度下,所提方法比传统集中式方法显著缩短了多场景安全约束机组组合问题的求解时间。

基于热启动的大规模安全约束机组组合模型的快速求解方法

大规模安全约束机组组合(security constrained unit commitment,SCUC)问题的混合整数线性规划(mixed integer linear programming,MILP)模型因其高维、非凸的特点导致求解困难,尤其在考虑故障态安全约束后模型规模骤增,MILP算法常遇到收敛间隙下降瓶颈问题。为满足现货市场出清对SCUC问题求解时间的要求,提出了基于热启动的快速求解方法,从待求模型的一个可行解出发,根据节点边际电价和机组收益分析进行整数变量固定,同时削减无约束力的安全约束,以缩减模型规模,加快收敛进程。仿真结果表明:所提方法能够大幅缩减SCUC模型规模,尤其对于考虑故障态安全约束的大规模SCUC问题,能有效克服收敛间隙下降瓶颈问题,求解效率提高特别显著。

面向灵活性挖掘的电-氢混联综合能源系统机组组合研究

随着电制氢技术的逐步成熟,利用新能源制氢与管道输氢有望为能源系统的深度脱碳提供重要支撑。该文提出了电-氢耦合综合能源系统机组组合模型,考虑了发电机组与电解制氢系统协同提供灵活运行备用。首先通过高斯混合模型得到新能源预测误差分布,获取其95%置信区间,确定新能源电力系统灵活备用需求;其次提出了考虑灵活备用的电-氢混联综合能源系统机组组合模型,计及了电解制氢系统三状态(开机、关机、热备用)灵活运行模型;算例分析验证了所提电制氢三状态机组组合模型的有效性,分析了新能源渗透率对制氢量与节点电价的影响。

考虑负荷侧惯量不确定性的机组组合

针对新能源高占比电力系统的频率安全问题和频率安全评价指标中只考虑电源侧惯量的问题,提出一种考虑电源侧惯量和负荷侧惯量并计及预测误差随机性的安全约束机组组合优化模型。首先,推导包含系统整体惯量的频率变化率和频率最低点公式。然后,深入研究电网调度运行的不确定因素,利用蒙特卡洛对风电功率预测误差概率分布模型抽样生成典型场景,利用随机规划理论对负荷侧惯量预测误差建模,在机会约束规划的基础上将其纳入频率约束中,建立随机机会约束的频率安全机组组合优化模型。最后,通过改进的10机算例,验证所提模型的经济性和频率安全性。

计及背靠背柔直运行灵活性的机组组合建模优化方法

背靠背柔性直流(后文简称柔直)因其具有降低短路电流、实现潮流快速翻转等优势正逐步应用于实际电力系统问题中,然而,背靠背柔直嵌入的电力系统优化调度问题的研究仍旧十分有限。为充分挖掘背靠背柔直运行灵活性的特性,紧密结合实际工程背景需求,以电力系统典型的机组组合问题为例,提出了一种计及背靠背柔直运行灵活性的机组组合建模优化方法。首先,介绍了基于等值虚拟机建模思路的背靠背柔直优化模型,该模型考虑了背靠背柔直运行时功率调整的各项控制需求,包括功率调节方向、调节次数、功率翻转控制要求以及送电模式关联约束等,既避免了设备频繁动作可能带来的使用寿命缩短的问题,同时又保证了模型优化结果在现场的实际可执行性;其次,结合所构建的背靠背柔直模型提出了一种计及其灵活性的机组组合模型,并给出了该模型相应的转化求解方法。最后,通过对修改的IEEE 14节点、118节点系统的测试分析以及国内某实际电网的应用测试情况,验证了将所提柔直模型纳入机组组合问题进行联合优化的有效性,同时可以在保证系统运行安全性的前提下提升运行的经济性。

电力市场环境下可靠性机组组合机制

完善的双边现货市场是实现电力市场优化资源配置功能的关键,可靠性机组组合是双边现货市场环境下满足日内发电容量充裕度等可靠性要求的重要手段。探讨集中式市场环境下可靠性机组组合的组织方式、出清模型与结算机制。总结国内外各典型电力市场中可靠性机组组合相关机制设计,得到可靠性机组组合机制设计的一般思路。通过算例分析对比各可靠性机组组合出清模型下的市场绩效。基于数值仿真与理论分析结果为中国可靠性机组组合机制设计提供建议。

基于边界法的大型机组组合模型的简化方法

随着电网规模的持续扩大,市场环境下考虑网络安全约束的机组组合(security-constrained unit commitment,SCUC)模型中的变量和约束显著增加,模型的求解性能变差。当模型规模过大时,会出现现有的商用求解器无法求解的状况,造成大规模模型求解困难的问题。为实现大规模机组组合模型的快速求解,从减少模型约束数量的角度出发,提出了一种基于边界法的线性约束简化方法。通过边界法剔除模型中冗余的线性约束,可以有效降低模型规模,实现模型的快速求解。基于IEEE-39、WECC 179和IEEE-118算例,在市场环境下进行日前SCUC测试。通过对比简化前后的求解时间,表明该方法能够显著提高模型的求解速率。

基于仿射可调鲁棒的非预期全场景可行机组组合

非预期性是指当前决策无法依赖于未来尚未实现的不确定参数,是电力调度时序决策的因果逻辑和基本原则。全场景可行性是指不确定参数所有可能的实现值都存在一种可行决策结果与之对应,是电力调度的最终目标。随着新能源的大规模并网,电力系统的运行需要应对显著的不确定性,因此在电力调度的过程中考虑决策过程的非预期性并使决策结果满足全场景可行性变得愈发重要。为此,该文探讨非预期性和全场景可行性的内在机理,并构造非预期性约束和满足全场景可行且场景数目有限的场景集;然后,建立一种基于场景的非预期全场景可行机组组合模型,以提供满足全场景可行性的机组组合结果。鉴于上述机组组合模型的规模巨大且求解困难,利用仿射可调鲁棒模型处理全场景可行机组组合问题,提出基于仿射可调鲁棒的非预期全场景可行机组组合模型。该模型仅以少量保守性和最优性损失,换取了模型规模的指数级显著减小和问题求解效率的显著提升,可以被认为是非预期全场景可行机组组合问题的有效解决方案。最后,基于IEEE-118测试系统,详细分析考虑决策过程非预期性和决策满足全场景可行性在电力调度中的求解效率和保守性,论证所提基于仿射可调鲁棒的非预期全场景可行机组组合模型的优势。

计及频率安全与充裕性风险约束的机组组合策略

高比例电力电子化和高比例可再生能源特征加剧了新型电力系统频率失稳和供需失配风险。为了防控这两类风险,需要在系统运行调度中引入频率与充裕性约束,但这两类约束使模型计算复杂度激增,难以在运行尺度内高精度求解。因此提出了计及频率安全约束和充裕性约束的机组组合模型(frequency and adequacy constrained unit commitment,FACUC)。首先,建立了系统频率响应模型和考虑运行约束的运行充裕性评估模型,并将两种约束纳入FACUC中。其次,提出了一种分解优化方法来求解所提出的优化模型,将原问题分解为一个混合整数线性规划(mixed integer linear programming,MILP)的主问题、基于仿真计算的频率安全性评估子问题和基于最优化的充裕性评估子问题。通过主子问题之间的依次迭代,最终对FACUC模型进行求解。基于改进的IEEE 39节点系统进行算例分析,结果表明所提出的FACUC模型在保证经济性的同时,能够有效提高系统的频率安全和充裕性。

基于图卷积神经网络的机组组合问题加速求解方法

针对传统的精确优化算法求解规模较大的机组组合问题面临时间可行性的挑战,提出了一种基于图卷积神经网络的机组组合问题加速求解方法。将机组组合问题构建为一个混合整数线性规划模型,根据分支定界法的求解原理,将分支策略定义为从候选变量的特征到候选变量得分的映射关系;提出在离线阶段使用图卷积神经网络来模拟强分支策略的决策行为,并将学习到的映射关系应用到在线分支过程中,从而加速分支定界法求解机组组合问题。通过IEEE 39节点10机组和IEEE 118节点54机组系统的算例分析,验证了所提方法的有效性。

基于改进近似动态规划的安全约束机组组合算法

针对电力系统的安全约束机组组合问题,提出了一种基于改进近似动态规划的求解算法。考虑到安全约束机组组合是一个多时段混合整数非线性规划问题,难以直接求解,所提算法将其建模成马尔可夫决策过程,并利用近似动态规划实现解耦求解。为了处理近似动态规划决策空间过大的问题,所提算法通过决策空间缩减技术提前获得大部分机组的开停机状态,有效提高求解效率。在IEEE 39节点系统和一个实际系统上进行了算例分析,验证了所提算法的有效性。

考虑风电机组动态频率约束的随机机组组合

为解决风电机组大规模并网导致的电力系统转动惯量降低的问题,提出考虑风电机组动态频率约束的随机机组组合(SUC)模型。首先分别分析综合惯性控制和虚拟同步发电机控制下的系统的动态频率特性,并以此建立考虑风电机组的系统频率约束模型。然后,将频率约束模型嵌入到SUC中,在含多个风电场的IEEE118节点系统进行算例仿真。结果表明,所提出的SUC模型能够有效确保电力系统所需的惯性。

风电接入下计及碳交易的机组组合问题研究

针对目前广泛关注的环境污染问题,利用粒子群优化算法求解风电接入下计及碳交易的机组组合问题。在模型方面,对火电机组产生的CO_(2),引入碳交易机制,采用限量排放、差额交易的形式;对于其他污染物,如SO_(2)、氮氧化合物(NO_(x))、总悬浮颗粒物(total suspended particulates, TSP)等,将排放成本与火电机组出力建立函数关系,作为惩罚成本进行计算。在算法方面,提出一种改进的二进制粒子群优化(binary particle swarm optimization, BPSO)算法,将计及污染成本的机组组合问题变成一个双层优化问题。外层采用改进BPSO算法确定机组启停状态,内层通过改进λ迭代算法计算机组组合及风电出力。在算例方面,通过与其他算法进行对比说明算法的有效性,分析变化的碳排放配额、碳交易成本对机组组合结果的影响,得到兼顾环保性和经济性的结果。

考虑源网荷储协调优化的安全约束机组组合

应对高渗透率的风电光伏不确定性要求充分发挥各种资源的灵活性,因此从传统的柔性资源,如具有快速上升/下降旋转储备的火电机组和输电线路传输切换出发,提出了一种具有多个柔性资源的安全约束机组组合模型。该模型将需求响应、输电线路传输切换及公共储能集成在一个集成方案中,通过协调优化源网荷储侧的这些柔性资源,以应对风电光伏出力和系统元件偶发故障的不确定性。针对这一大而复杂的计算问题,提出了一种新的加速分解技术,旨在提高模型求解效率,减少迭代次数和CPU计算时间。

基于场景生成法的包含风能利用的机组组合问题研究

风能一直被广泛应用于各个领域,但风机的输出功率并不稳定。本文在考虑风能不稳定的情况下,在传统的机组组合调度方案中加入了风机。采用蒙特卡罗概率抽样法生成预测风力发电的场景集,并基于概率距离的同步生成减少法对原始场景集进行筛选,得到更接近真实情况的场景集。通过采用风机出力优先填充负荷的方法,建立了基于经济目标的传统机组组合模型。最终,利用建立的模型和方法得到了包含三个风电机组的IEEE-30总线系统的最优解,并验证了该模型的有效性。

抽水蓄能频率响应与调峰协调优化的机组组合模型

针对新型电力系统调频响应不足的问题,挖掘抽水蓄能机组的频率响应能力,提出抽水蓄能频率响应与调峰协调优化的机组组合模型,探讨同步发电机和抽水蓄能参与调峰和提供频率响应的协调优化机理。该模型以同步发电机和抽水蓄能机组的运行费用、调频备用费用之和最小为目标函数,引入含抽水蓄能工作状态的调频备用约束和频率稳定约束。利用Reformulation-Linearization Technique(RLT)技术将所提出协调优化模型中的非线性约束线性化,再利用CPLEX求解线性化后的混合整数线性规划问题。8机、40机两个仿真系统的计算结果表明,所提出的协调优化模型能充分利用抽水蓄能机组的调节容量,使其在承担调峰任务的同时,预留充足的调频备用,防止系统在遭遇大功率扰动后发生频率失稳事故,而且抽水蓄能提供的频率响应能减轻同步发电机的调频负担,降低系统调频备用费用,提高系统运行经济性.

计及储能荷电状态约束的输配协同机组组合优化

为解决传统输配割裂机组组合运行方式导致的电网堵塞问题,提出一种考虑储能荷电状态约束的输配协同机组组合优化模型。首先,基于分布式优化理论将模型分解成输电网机组组合模型和配电网经济调度模型。然后,采用增量分段方法和二阶锥技术将模型中的非线性项转化为混合整数线性规划问题,并利用交替方向乘子法(ADMM)对所提模型进行迭代求解。最后,通过算例分析表明所提算法和优化模型有助于提高配电网对新能源的消纳能力,保证了输配电网运行的经济性。

定制化求解机组组合混合整数线性规划模型的固定——推断法

为了突破机组组合算法的自主可控问题,基于开源混合整数线性规划求解器CBC,提出一种快速获取机组组合问题可行解的固定—推断法。首先将机组组合模型转换为推断标准模型,然后按重要性对所有整数变量进行排序。并利用约束违反函数依次确定整数变量的值,实现整数变量的固定,利用约束关系推断出与其相关的整数变量值。最后经过多轮的固定—推断可以实现所有整数变量的取值,从而求解一个线性规划问题即可得到各机组的出力。仿真结果表明,所述算法能有效求解大规模机组组合问题,可在更短时间内获取质量较好的可行解。与CBC求解器结合,能显著提升CBC求解器对于机组组合问题的求解效率。此外,所述算法还具备在其他求解器上进行定制的潜力。

数据驱动的考虑安全约束机组组合问题研究综述

安全约束机组组合(security-constrained unit commitment,SCUC)作为编制发电计划的核心环节,在电力系统优化调度等方面具有十分重要的意义。因此,该文首先从物理模型和求解方法简要概述了SCUC问题。然后,从多目标、多元化决策变量、不确定性、多时间尺度与多元约束条件5个方面梳理了物理模型驱动的SCUC的研究进展,并分析了此类方法所面临的挑战。同时,重点总结归纳了现有基于人工智能技术和数据驱动的SCUC问题的研究成果,并分析了不同类型方法的特点、优势和缺陷。最后提出了对未来基于数据驱动的SCUC研究方向的相关思考。