计及最恶劣场景概率和供需灵活性的综合能源系统分布鲁棒低碳优化调度

随着可再生能源渗透率的提升,其不确定性给综合能源系统(integrated energy system,IES)的经济性和鲁棒性带来了极大挑战。为了促进可再生能源消纳以及降低碳排放量,提出了一种基于数据驱动的分布鲁棒优化(distributionally robust optimization,DRO)调度策略。首先,构建了由有机朗肯循环(organic Rankine cycle,ORC)、氢燃料电池和电动汽车等构成的供需灵活响应模型,并引入阶梯碳交易机制来约束系统碳排放量。其次,为了能获取最恶劣情况下的场景概率分布,采用综合范数对风电输出场景的概率分布置信集合进行约束。然后,以在最恶劣场景概率分布下综合能源系统运行总成本最低为目标建立两阶段鲁棒优化模型,并通过列和约束生成(column and constraint generation,CCG)算法对模型进行迭代求解。最后,算例仿真结果表明了所提模型和求解方法的有效性,并分析了阶梯碳交易机制和供需灵活响应模型对提高系统灵活性和低碳经济性的影响。

基于分布鲁棒模型预测控制的微电网多时间尺度优化调度

源荷多元不确定性给“源荷储”一体化微电网优化调度带来了诸多挑战,但传统方案存在优化模型过于片面极端和时间尺度单一导致调度不合理的问题,无法兼顾可靠性和经济性,并且难以协调不确定性分析方法与不同时间尺度之间的配合关系。文中基于数据驱动的多离散场景分布鲁棒方法,提出一种微电网两阶段分布鲁棒日前优化调度模型,使用列和约束生成算法进行求解。结合改进分布鲁棒优化的不确定方法、多时间尺度调度策略和模型预测控制理论,通过逐级细化调度时间尺度和减小预测周期的长度来提高精度,以最小化发电成本以及调节成本等为目标建立日前-日内多时间尺度滚动优化调度模型,较大程度上抵抗系统不确定性因素的影响。结合算例仿真分析,进一步说明了所提模型能够有效消纳新能源、降低运行成本同时兼顾安全性和经济性。

基于数据模型双驱动的新能源微电网分布鲁棒优化调度

针对新建新能源微电网数据稀缺性和源荷不确定性的能量优化调度问题,文中提出了一种基于数据模型双驱动的微电网分布鲁棒优化调度框架。首先,通过神经网络与光伏发电物理模型相结合,利用历史气象数据增强场景生成的准确性和鲁棒性,以应对数据稀缺带来的问题。其次,通过引入基于Wasserstein距离的分布鲁棒优化策略和线性决策规则,将考虑源荷不确定性的微电网能量优化调度问题由复杂的半无限规划问题转化为易于求解的混合整数线性规划问题。所提出的分布鲁棒优化能源调度框架能够在低运营成本和高可靠性之间实现平衡,并适应光伏发电功率和其他因素的实时变化。最后,在3种典型气象条件下的实验对比结果验证了所提方法的有效性。

数据驱动的自动化码头岸桥与AGV

自动化集装箱码头中岸桥和自动引导车(automated guided vehicle,AGV)紧密衔接,需要统筹规划以追求整体最优。为了提高岸桥和AGV作业系统的协同性,提出了一个双层优化模型,同时决策岸桥和AGV的配置与作业顺序。在AGV自动路径寻优模式下,为控制其行驶时间的不确定,本文基于码头历史作业数据,采用分布鲁棒优化方法刻画AGV行驶时间,建立模糊机会约束控制岸桥等待风险,构建数据驱动的双层优化模型并得到等价形式。为求解该模型,基于L-shaped算法框架,设计一种结合模拟退火算法和邻域搜索算法的自适应大邻域搜索算法求解。实验结果表明:本文模型算法能够有效提高岸桥和AGV调度的协同性,成功解决实际作业规模案例,提升整体运输体系效能。

考虑需求侧灵活性资源配置的配电网分布鲁棒优化规划方法研究

考虑需求侧灵活性资源(简称“资源”)配置,开展网-荷-储联合规划是提升配电网灵活性以适应新能源出力波动的关键途径。为此提出一种灵活性缺失场景筛选与不确定性分析方法改进相结合的配电网规划研究模型:首先,立足资源视角进行配电网灵活性供需关系建模;其次,基于影子价格理论提出配电网灵活性缺失场景筛选策略,建立筛选指标以描述规划资源、运行约束、场景筛选间闭环关系;然后,将该策略嵌入配电网-多资源两阶段联合规划模型,一阶段考虑投资成本最优,二阶段协调运行及灵活性综合成本期望;将规划模型重构并于改进场景概率驱动型分布鲁棒优化(ISPD-DRO)框架下求解,其优势在于实现了概率优化求解与场景动态更新的有机统一;最后经算例分析验证所提模型在提升决策经济性及配电网灵活性层面的优势。

基于场景概率驱动的输电网和储能分布鲁棒规划

在碳达峰和碳中和的目标要求下,可再生能源+储能被认为是一种能够有效促进新能源消纳的手段。传统的3层鲁棒规划方法在进行输电网和储能联合优化时忽略了风电出力场景的概率信息,所得投资决策往往过于保守。为此,利用风电出力场景的历史数据构建了基于L_(1)-范数和L_(∞)-范数的混合概率分布不确定集,在考虑最恶劣概率分布的情况下进行输电网和储能的最优投资决策,能够改善传统鲁棒规划方法过于保守的问题。此外,采用一种可并行计算的列和约束生成算法求解所建模型,在求解max-min内层问题时不需要进行复杂的对偶转换,且无需求解双线性项,只需要并行求解若干个小规模的线性规划问题,有效提高了求解效率。Garver 6节点系统算例的仿真结果验证了所建模型和算法的有效性。

考虑风电统计特性挖掘的分布鲁棒优化调度方法

提出一种基于数据驱动分布鲁棒优化的电力系统调度方法,以应对考虑风电不确定性的电力系统运行问题。首先,挖掘风电数据统计信息,提出了基于主成分分析与核密度估计的风电概率分布模糊集构建方法,刻画风电随机性以及不同风电机组出力之间的空间相关性;其次,针对含风电的调度问题,建立考虑概率分布模糊集的两阶段分布鲁棒优化问题;然后,将分布鲁棒优化问题变换为其等价可解形式,采用仿射策略以及对偶原理将其转化为线性规划问题进行求解,并且提出了基于样本外测试的概率分布模糊集范围参数选择策略,以保证调度方案的可靠性与经济性。采用6节点与IEEE 118节点系统进行仿真分析,并将所提出的分布鲁棒优化方法与不考虑随机变量相关性的分布鲁棒优化方法以及传统随机、鲁棒优化方法进行对比,以验证所提方法的有效性。

基于分布鲁棒机会约束的充电运营商参与调峰市场投标策略

电动汽车作为一类重要的新型可控负荷资源,具有为电网提供调控服务的潜力。然而电动汽车的调节能力受其出行安排的影响,既呈现出一定的规律性,也具有不确定性。首先,提出一种电动汽车调节能力模型,该模型可以统一考虑数据结构不同的公共充电站与专用充电站,进而采用数据驱动的分布鲁棒机会约束来描述调节能力的不确定性。考虑聚合了多个不同类型充电站的充电运营商参与调峰辅助服务市场的日前投标阶段,提出一种双层投标-分配模型,使得运营商对外可以控制风险,对内可以灵活调度资源。基于实际数据的仿真结果表明,分布鲁棒机会约束描述的调节能力可以适应电动汽车出行规律的随机变化,所提出的投标-分配策略能够灵活地权衡运营商的经济效益与违约风险。

新能源电力系统灵活性供需量化及分布鲁棒优化调度

电网中新能源渗透率的提升导致电力系统在局部时段灵活性严重不足。针对现有处理电力系统灵活性和供需不确定性过于保守或冒险的问题,提出一种数据驱动的分布鲁棒优化调度模型。首先,考虑风光出力的时空相关性,基于Copula理论构建出力集合。结合场景法与区间法对电力系统灵活性需求进行量化,引入灵活调节因子表征各类资源参与灵活性调节的能力,建立灵活性供需平衡约束。其次,考虑电动汽车等需求侧资源的灵活性供给能力,以灵活性资源运行成本与电网灵活性缺额惩罚成本最优作为目标函数,建立数据驱动的两阶段分布鲁棒模型。为降低保守性,采用综合范数对其概率分布进行约束,减小了灵活性需求出现极端情况的概率。针对两阶段鲁棒模型求解问题,利用零和博弈思想将模型解耦为主问题和子问题,采用列与约束生成算法进行迭代求解。最后,仿真算例表明,所提模型相比于传统不确定性模型对提高电力系统灵活性裕度与经济性具有积极作用。

基于数据驱动分布鲁棒优化的梯级水光蓄联合优化调度

多种可再生能源互补联合发电技术因其独特优越性正在成为“双碳”背景下电力系统优选供电方案之一,而其不确定性复杂耦合特性下的互补联合调度问题越来越受到人们关注。针对不确定性优化调度问题,本文引入能较好平衡不确定性及鲁棒性的数据驱动分布鲁棒优化理论(data-driven DRO),提出了一种新的基于数据驱动DRO梯级水光蓄联合发电系统协同优化调度方法。首先,考虑系统互补经济调度成本建立两阶段调度模型,制定各电站日前出力调度计划;然后,引入综合范数约束限定概率置信区间,并考虑最恶劣分布下的实时运行调整成本,获取日前调度计划的最优调整方案,日调度计划和调度调整方案形成最优调度计划;最后,本方法采用MP-SP框架,引入CCG算法展开两阶段协同求解。为验证所提方法的性能,引入四川示范区实际运行数据,开展了有效性验证、性能对比分析、计算效率仿真验证等。结果表明:本调度方法的有效性在数据规模、置信度水平两个维度得到了验证;对于SO、RO及本方法鲁棒性及经济性等性能指标的对比,本方法可获得高于SO的鲁棒性及高于RO的经济性;将本调度方法与概率性时序生产模拟方法的计算耗时进行对比,该方法实现了相同计算精度的较高计算效率。基于两阶段调度模型及循环迭代求解的DRO梯级水光蓄联合优化调度方法实现了协同调度结果经济性与保守性的均衡,其高效性能得到验证,为多种可再生能源互补协同调度提供了新思路。

不确定性环境下数据驱动的电力系统优化调度方法综述

随着可再生能源大规模并网,电力系统运行的不确定性显著增加,考虑不确定性因素的调度方法逐渐得到重视。另一方面,建立准确的不确定性因素模型是求解优化问题的前提与关键,可再生能源出力具有复杂的不确定性,其发电数据为随机调度提供了科学的数据支撑。文中总结了不确定性环境下数据驱动的电力系统调度的理论方法以及应用场景。首先,总结了传统随机优化调度中数据驱动的随机变量建模方法。其次,介绍了鲁棒优化调度中数据驱动的不确定性集合建模方法。然后,针对随机优化中不确定性因素建模不准确以及鲁棒优化结果较为保守的问题,重点阐述了基于数据驱动分布鲁棒的电力系统优化调度理论与方法,梳理了随机变量的概率分布模糊集构建方法和分布鲁棒优化的模型构建及求解算法。最后,对数据驱动的电力系统调度未来的研究工作进行了展望。

基于最优决策树的多能系统快速鲁棒优化调度

新能源渗透率的持续增长造成了多能系统快速协调调度的巨大挑战,包括调度结果过于保守以及日内调度低效等问题。为此,提出了一种基于最优决策树分布式鲁棒优化的多能系统协调快速调度方法,所构建模型考虑电网日内经济调度,引入基于范数约束的概率分布置信集精准描述新能源的不确定性,防止调度结果过于保守。同时,根据新能源日内运行数据,分别通过可解释的最优分类树和最优回归树算法,优化日内机组启停状态和出力水平的初始决策量,解决日内鲁棒调度的低效问题。在四川某地区电网的验证结果表明,该模型可在兼顾调度成本和鲁棒性的同时,实现水风光多能系统的日内快速协调调度。

考虑新能源多重相关性的柔性配电网分布鲁棒优化策略

高比例分布式新能源与全控型柔性电力电子元器件的大量接入,给传统配电网带来更多清洁电能与调控选择的同时,其出力的时空分布不均衡性与海量器件调节的复杂性,亦使得配电网的运行面临严峻挑战。对此,提出了一种考虑新能源多重相关性的柔性配电网分布鲁棒优化策略。首先,以配电网有功损耗与电压偏移最小为目标,推导并构建含多种源网荷协同调控措施的柔性配电网最优潮流模型。然后,计及新能源在时间空间与功率维度上的多重相关性,建立了基于数据驱动的柔性配电网两阶段分布鲁棒优化模型,采用1-范数与∞-范数进行源荷不确定性集合描述,并采用二阶锥将其线性化与凸松弛。最后,采用列与约束生成算法对该模型进行求解,并以改进的IEEE 33节点测试系统为例进行仿真分析,验证了该方法的有效性和实用性。

数据驱动下定向展示广告保量投放鲁棒策略

具有不确定性的曝光供应量给广告资源的合理分配带来了极大挑战.针对这种不确定性,本文提出了数据驱动分布鲁棒定向展示广告保量投放分配模型.首先考虑以最大化发布商收益为目标,构建对未满足需求或超出需求的部分均进行惩罚的带有机会约束的随机规划模型.其次,利用曝光供应量的历史数据,定义Wasserstein不确定集,构建数据驱动分布鲁棒机会约束模型,该模型提出的投放策略确保在曝光供应量最坏分布情况下发布商收益最大.通过保守近似,模型可重构为易于求解的混合整数规划问题.最后,大规模样本外测试验证了模型和求解方法的可行性、有效性以及稳定性.