考虑DG不确定性的主动配电网两阶段无功机会约束优化方法

随着高比例的分布式电源(Distributed generation,DG)并网,传统的确定性无功优化方法难以应对DG和负荷的双侧不确定性,提出了主动配电网的两阶段无功机会约束优化方法。首先将配电网潮流方程线性化和松弛,建立基于混合整数二阶锥的配电网两阶段无功优化模型,分别在第一阶段优化有载调压变压器、并联电容器等离散控制装置,在第二阶段考虑DG的不确定性优化DG的无功出力。然后,通过场景缩减法来减少机会约束优化方法的场景数。在95节点系统的仿真结果表明,与确定性性无功优化方法相比,所提出的两阶段无功机会约束优化方法能有效地消除安全约束越限问题,在略微增加网损的情况下获得了较高的鲁棒性。

考虑电动汽车负荷的微电网容量优化配置

随着“双碳”目标的推进和分布式新能源的快速发展,电网面临着巨大的挑战。为了平衡电动汽车的波动性和新能源出力的随机性,缓解弃风弃光和大规模电动汽车入网对电网造成的冲击,采用蒙特卡洛法模拟电动汽车入网数据,同时结合电动汽车负荷转移策略对微电网进行优化配置,建立以年等值收益为优化目标的微电网优化配置模型,并评估配置结果。通过采用场景缩减法和改进粒子群算法求解模型。算例结果证明了优化配置模型的合理性和经济性。

计及风电不确定性的区域互联动态经济优化调度方法

结合含风电场的区域互联电力系统运行特点,考虑风电出力、负荷的不确定性因素以及电力系统安全运行约束,建立计及系统燃料费用、机组运行维护成本、风险成本的区域互联动态经济调度优化模型,并以一种融合拉丁超立方采样、场景缩减法和自学习差分算法的优化方法对所提模型进行求解。该方法根据风电和负荷预测误差采用拉丁超立方采样技术生成大量样本,并对所生成样本结合场景缩减法进行缩减,再由自学习差分算法进行全局寻优,得到各场景所对应的最优调度方案。结果表明:采用该方法既能模拟出风电、负荷的不确定性特点,又能避免建立过于复杂的随机性模型,降低了建模和求解的难度,同时所提自学习差分算法具有良好的收敛特性及鲁棒性。因此,所提优化方法对区域互联电力系统优化调度具有参考价值。

计及负载特性的数据中心微电网双层优化配置

为解决数据中心微电网前期容量规划不合理,无法适应数据中心运行特性的问题,同时为提高数据中心微电网的供电经济性和可再生能源消纳能力,文中提出了计及负载特性的数据中心微电网容量双层优化配置模型。使用基于场景缩减的选择方法应对可再生能源出力的不确定性,同时解决大量场景带来的计算复杂性问题。根据不同负载的特性,考虑其时间维度上的灵活性,制定相应的负载分配策略。采用带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)与Gurobi结合的方式进行求解,最后利用模糊多属性决策方法获得折衷最优解,合理规划微电网内储能系统、光伏和风机的容量。算例表明,所提方法降低了数据中心微电网建设与运行成本,减少了碳排放,提高了数据中心运营商的满意度。

考虑碳捕集技术的风光-富氧燃煤发电系统容量优化配置

为降低火电厂碳排放,提升风光-富氧燃煤发电系统的经济效益,提出了考虑双源双荷场景缩减与递变阶梯碳价的风光-富氧燃煤发电系统容量优化配置方法。首先,以富氧燃烧捕集技术为核心构建风光-富氧燃煤发电系统,并建立了精细化富氧燃烧模型。同时,为应对复杂多样的源荷场景,提出双源双荷场景缩减法。在此基础上,提出多场景下含递变阶梯碳价的阶梯式碳交易机制,并建立以系统年总成本最小为目标的风光-富氧燃煤发电系统容量优化配置模型。最后,基于某地区源荷数据进行仿真,并设立对比方案验证所提方法的有效性。结果表明,所提双源双荷场景缩减法比传统方法的聚类效果更佳,精细化富氧燃烧模型的提出和递变阶梯碳价的制定,可进一步提升系统经济与低碳效益。