考虑风光不确定性的综合能源系统容量-成本两阶段规划优化研究

针对综合能源系统规划面临可再生能源波动性强、出力不确定性等问题,文章提出了一种考虑风光不确定性的综合能源系统容量-成本两阶段规划优化方法。首先,运用拉丁超立方抽样生成基础风、光场景集,并基于改进的k-means算法进行场景削减;其次,以运行成本最低、碳减排最优、污染物减排最优构建多目标优化模型;最后,提出系统容量-成本两阶段规划优化求解策略,并选取南方某商业园区进行规划仿真。仿真结果表明,文章所构建的综合能源系统两阶段规划模型能够在保证系统经济性的同时兼顾环保性,并满足用户多种用能需求。

考虑风光不确定性与灵活性指标的园区综合能源系统最优调度

针对风光高渗透率的园区综合能源系统调度过程中灵活性不足的问题,提出一种考虑风光不确定性与功率型灵活性指标的园区级综合能源系统日前调度策略。在调度模型中通过机会约束理论对风光的不确定性提供备用服务,利用功率型灵活指标对灵活性供给进行量化评价,在此基础上构建兼顾经济成本与灵活性供给的日前优化调度模型,采用混合整数规划的方法求解;仿真结果表明,该调度策略有效保证了系统运行的灵活性与经济性。

贵州省水风光一体化基地开发研究

水能、风能、太阳能等可再生能源具有取之不尽、用之不竭、清洁无污染的特点,利用水能、风能、太阳能已成为全球实施经济社会和能源可持续发展的重要选择,但单一的风、光出力过程间歇性强、波动性大、可控性差,利用水电站的快速响应及调节能力可有效平滑新能源出力,提高电能品质,促进新能源消纳。本文从贵州省资源条件和开发现状出发,结合贵州省水电、风电、光伏出力特性和资源分布,提出了贵州省开展水风光一体化基地规划的优势。最后考虑风光出力与负荷的匹配性,提出了贵州省风光开发风电比例在0.4~0.6时对系统影响最小,考虑综合弃风光率5%,贵州省开展水风光一体化基地合理规模约8000MW。

抑制输水工程中风光功率波动的混合储能控制策略研究

【目的】在输水工程中,风电、光伏等新能源具有不稳定性,若直接接入电网会对可靠运行的电能质量造成严重的影响。为了抑制输水工程中的风光功率波动问题,有必要对此进行研究。【方方法法】提出了一种基于模糊控制的混合储能控制策略,分别利用能量型储能和功率型储能平移不同时间尺度的功率脉动。【结果】考虑将风光功率波动变化态势、储能荷电状态作为模糊控制器的输入,调节功率型储能与能量型储能为系统出力,并考虑储能电池的一致性,有效地保障储能电池的循环使用寿命。【结论】通过算例验证了混合储能控制策略抑制风光功率波动的有效性,充分发挥混合电池储能系统优势,减少能量型储能使用频次,实现价值最大化。

考虑新能源出力不确定性的电力系统风光储协同控制方法

当前的电力系统风光储协同控制方法由于新能源出力的随机波动,使得协同控制效果并不好。因此文章研究考虑新能源出力不确定性的电力系统风光储协同控制方法。通过选取合适的新能源出力不确定性目标函数,并对函数制订约束条件,构建基于新能源出力不确定性的协同控制模型,实现电力系统风光储协同控制。

金沙江下游可再生能源出力及水风光互补特性分析

随着中国经济的不断发展和人民生活水平的提高,对清洁能源的需求逐渐增加,可再生能源在能源结构中的地位愈发凸显。以金沙江下游四川侧地区为研究对象,通过对风电和光伏的季、日出力特性展开分析,深入了解该地区的可再生能源潜力,研究水风光互补特性。研究成果可为可再生能源的高效利用提供科学依据。

龙羊峡地区水-风-光出力互补特性研究

准确掌握流域水-风-光多能源互补规律对于指导清洁能源规划布局、开展多能互补调度以提升能源利用效率具有重要意义。运用数理统计方法,计算得出了龙羊峡地区典型年的水-风-光出力逐日标准化数据的多个统计量,据此分析了水-风-光出力在长期时间尺度下的互补特性。建立了基于Spearman秩相关系数的水-风-光三能源出力互补性评价指标,根据龙羊峡地区典型年的水-风-光出力逐日标准化数据,在长期时间尺度上对龙羊峡地区的水-风-光出力互补特性进行了重新定量评价,并与数理统计方法的结果进行对比印证。此外,提出了基于K-means聚类算法的典型日出力特征辨识模型,分析了不同时间尺度划分对水-风-光出力互补规律评价的影响。结果表明:①龙羊峡地区的水-风-光出力在长期时间尺度上的互补特性较强,春冬季节水电出力较小,风光出力较大,而夏秋季节则呈现出相反的变化特征;②基于Spearman秩相关系数的水-风-光三能源出力互补性评价结果为“较互补”,与数理统计方法结果一致;③不同时间尺度划分对水-风-光互补特性评价影响显著,随着时间尺度的增加,水-风-光出力互补规律呈增强的趋势,具体体现为:季节互补特性强于月间互补特性,月间互补特性强于日间互补特性。

计及灵活性供需平衡的储能优化配置

针对因新能源在电力系统中占比不断提升而带来的电力系统规划和运行过程均需提高供需灵活性的问题,提出了兼顾灵活性和经济性的电力系统储能配置方法。首先,在源荷两端灵活性需求分析的基础上,从电力电量平衡角度对系统灵活性进行了评估;然后,考虑风光出力的不确定性、相关性,利用Frank-Copula函数场景生成方法得到风光联合出力的典型场景;最后,建立了双层优化模型。在模型中,上层模型用于从储能投建经济性最优的角度制定储能的配置方案;下层运行优化模型用于从综合运行成本最优的角度制定优化调度方案。利用上、下层模型对方案进行不断迭代优化,最终得到兼顾经济性和灵活性的最优储能配置方案。以改进的IEEE-RTS 24节点系统为算例进行验证,结果表明所提方法在求解储能配置容量方面具有较好的经济性和灵活性。

考虑设备风险和风光不确定性的园区综合能源随机优化运行

综合能源系统因其能源梯级利用的高效性被广泛应用,而在运行过程中各设备的潜在故障风险与风光出力波动会成为系统供能稳定性的安全隐患。为此,首先基于设备负载率建立故障概率模型与设备风险模型。其次针对风光出力的不确定性采取蒙特卡洛采样法生成典型场景,建立考虑设备风险与风光不确定性的综合能源多目标随机优化模型,运用分段线性化、宽容分层序列法将该模型处理为混合整数模型。最后,通过算例仿真表明:所提优化模型能够兼顾运行风险与经济成本,相较于传统经济调度,在总成本仅上升了9.6%时、设备风险降低了79.3%,证明了模型的经济性与安全性。

考虑风光不确定与碳交易的区域综合能源系统双层博弈优化运行

随着“双碳”目标的提出,多能源交互和新能源消纳的区域综合能源系统(region integrated energy system,RIES)成为研究热点。为兼顾RIES中各主体利益,文中提出一种考虑风光不确定和碳交易的RIES双层博弈优化运行策略。首先,基于多智能体技术,建立以能源销售代理商(energy sales agent,ESA)、能源运营代理商(energy operation agent,EOA)和用户代理商(energy use agent,EUA)为主体的双层多智能体系统模型;其次,针对风光出力不确定性,采用蒙特卡洛法进行随机场景生成并通过k-means聚类和同步回代消除技术进行场景削减;然后,在考虑源侧各主体运行收益、碳交易成本以及负荷侧综合需求响应基础上,搭建纵向Stackelberg博弈嵌套横向EOA非合作博弈竞价的双层博弈框架并证明Nash均衡;最后,利用改进双变异差分进化算法结合YALMIP工具箱和商业软件CPLEX在MATLAB中进行仿真分析,算例结果表明所提优化策略可有效实现各主体利益提升的同时减少弃风光率和碳排放量。

金沙江、雅砻江、大渡河流域水风光互补性分析

把握水风光电源的多维发电特性及多能源之间的互补规律,对于优化配置调节性电源,促进新型电力系统的健康发展意义重大。聚焦四川电网金沙江、雅砻江、大渡河三江流域,研究水风光清洁能源发电特性,基于数理统计、相关分析等方法研究了流域内部以及跨流域间水风光出力互补规律。结果表明:大渡河水电丰枯出力差异最大,雅砻江流域水电年利用小时数最大,金沙江流域水电年发电量最大;大渡河流域风光利用小时数最高,金沙江流域光伏最稳定,但风电波动最大;三江流域内部水风光具有互补性,三江跨流域之间,水风光单一电源具有同步性,不同电源两两具有互补性。

计及风光不确定性的综合能源系统协同优化研究

为了全面协调电网供电资源,提高电力发电的科学发展和有效利用,对离网混合能源(光伏-风电-火力-电池)系统进行建模与优化。将蒙特卡罗模拟和粒子群优化的结合算法应用于实际案例研究。试验结果表明,所设计协同优化方法更加适用于综合能源系统,为智能微电网的发展提供了新思路。

黄河上中游水风光发电出力特性研究

实现碳达峰、碳中和,是党中央统筹国内国际两个大局作出的重大战略决策,是构建人类命运共同体的庄严承诺,在此背景下,需开展水风光一体化建设,推动清洁能源高质量发展。分析“双碳”背景下黄河干流调节能力较强的宁木特、茨哈峡、龙羊峡、刘家峡、黑山峡、碛口、古贤、小浪底水电站典型年出力特性,开展其周边风能资源、光能资源出力特性研究,为水风光一体化开发提供支撑,为推动太阳能、风能、水能高效转化奠定基础。研究表明:茨哈峡、龙羊峡、刘家峡、古贤、碛口、小浪底水电站年内丰枯出力比较小,宁木特、黑山峡水电站年内丰枯出力比较大;研究区域内风电年内出力高峰发生在冬季、春季或夏季,不同电站周边区域日内出力高峰发生时间不尽相同,出力系数峰值为0.5左右,风电全年平均出力系数为0.30~0.48,保证率为31%~45%;光伏电站出力系数春夏季较大、秋冬季较小,昼夜出力变化较大,多数在每日13:00~14:00出力达到峰值,出力系数峰值为0.70~0.79,光伏电站全年平均出力系数为0.23左右,保证率为36%左右。

水风光多能互补发电调度问题研究现状及展望

以水风光为主的可再生能源在过去二十年实现了前所未有的发展,未来也将是中国构建清洁低碳能源体系的核心组成部分,是兑现碳减排承诺的现实选择。该文简要分析了我国清洁能源发电的发展概况及典型水风光互补实际工程,提炼总结了互补系统发电调度面临的关键问题,包括大规模风光电站群以何种形式参与调度、间歇性时空发电规律如何描述、风光电站群与水电站群在长期、短期等时间尺度上如何协调运行;针对这些问题系统综述了国内外水风光互补协调研究方法及特点,并从风光电站集群汇聚、集群出力描述、及集群模式下水风光互补系统长期、短期协调建模与求解思路,阐述了技术实现过程,期望为我国多能互补工程实际运行提供切实可用的技术手段,助力“碳达峰、碳中和”目标。

考虑风电出力不确定性的储能容量机会约束规划配置

储能系统对风能等可再生能源实现可调度运行有着十分重要的作用。针对风电出力的不确定性问题,提出了一种基于机会约束规划的电池储能系统(BESS)容量配置方法。考虑风电利用率和储能装置荷电状态(SOC)约束,以储能成本最低为目标,采用模拟技术和遗传算法相结合的方法求解,得到了风电输出波动不超过某一区间的置信度与储能最佳配置成本间的关系。此外,在储能系统的控制策略中引入了放电惩罚因子,修正了储能装置的充放电功率,从而达到了延长使用寿命的效果。研究结果表明,BESS容量配置方法在电能质量和经济性间取得了适度的折中。

考虑光热电站调节特性的可再生能源系统优化调度

风电的随机性与波动性导致电力系统供应侧可调度性降低,因而弃风限电现象严重。文章基于光热电站的调节特性,提出含光热电站和抽水蓄能的全可再生能源系统优化调度模型,实现负荷全部由可再生能源供电的调度模式。模型以系统运行总成本最低为目标,综合考虑风电预测的不确定性和各发电单元出力约束,应用CPLEX进行求解。最后,仿真算例验证了模型能够促进电力系统清洁低碳发展,同时提高了风电消纳。

分布式风光互补并网自动发电系统设计

为提升偏远地区的供电质量,提出以分布式风光互补并网的方式,设计自动发电系统。设计风光互补并网自动发电系统结构图并研究系统的工作原理,设计可控制系统内能量的DC/DC变换器转换电路,及光控负载工作子程序中的定时与光控功能,通过逆变器的控制,令输出电压幅值与频率形成同电网电压同相、同频的正弦波电流,提升供电输出质量。以内蒙古某地点为例,分析可知该地风能与太阳能具有较好的互补性,应用研究系统后,发电量稳定,可满足用户用电需求量,且系统输出功率稳定,供电质量高,性能优越,设计合理,能够在改善电网末端偏远地区用电质量方面提供有效帮助。

金沙江下游水风光储联合调度技术研究与展望

金沙江下游水风光资源禀赋,是中国未来重点建设的千万千瓦级清洁能源基地,相较于国内普遍研究的百万千瓦量级,金沙江下游清洁能源基地多能互补系统规模势必愈加庞大、结构愈加复杂、调度要求愈加精细化,因此资源高效利用面临大规模风光资源如何规划和接入、新能源间歇性时空发电规律如何描述、大规模多能互补系统长中短期运行如何协调等一系列新问题、新挑战。围绕金沙江下游水风光储系统实际规划和运行,阐明了水风光资源分布特性和多时空尺度互补性分析、清洁能源基地复杂系统多源信息监测感知、巨型电站群智能调度等现行的解决思路与方法。深入剖析了大规模风光电站、储能接入对流域梯级、电网的影响,在风光发电系统特性及描述、大规模风光储接入、水风光长中短期综合预报、水库群多维度精细化协同调度、多能互补系统多时空尺度调度运行方式等方面系统提炼了流域水风光储互补调度的技术难点与解决途径。建议从水库群多维度精细化协同调度、多耦合的流域水风光长中短期综合预报、水资源耦合系统动力学适应性调控建模、流域水风光抽蓄多能互补系统多时空尺度调度运行方式4个方面加强技术手段研究。研究成果可有力支撑金沙江下游数千万千瓦级清洁能源高效利用,助力国家“双碳”目标实现。

基于风光互补出力特性的可消纳容量研究

针对传统风电消纳方法不适用于风光互补地区消纳容量求解的问题,提出一种快速有效计算新能源可消纳容量的方法。首先在现有风电、光伏的全年出力数据的基础上,结合风电、光伏规划比例得到风光互补全年出力数据;然后计算得到风光全年同一小时有效出力值;最后结合夏、冬季典型日和供暖小负荷日3个典型日每小时系统调峰裕度,计算得到每小时可消纳风光装机容量,综合比较分析得到可消纳新能源容量。以2019年张南地区为算例,验证了所提算法的快速有效性。

基于有效出力曲线的最大风光装机容量评估

在可再生能源占比高的电网中,可再生能源的波动性和间歇性给电网带来较多不确定因素,增加了电网规划的难度。在中长期规划中,为确保电网可以承受并消纳持续增加的可再生能源,需要对电网的最大可再生能源装机容量进行评估。为此,提出一种基于全年同一时刻有效出力的风光消纳能力评估方法,以中长期规划为出发点,从调度层面计算电网最大风光装机容量。利用历史风光出力数据得出具有该地区特征的风光有效出力,并以此建立风光消纳最大化模型。采用某地区电网数据对模型进行验证,结果表明该模型在全年尺度上具有适应性,可准确反映电网消纳风光的能力。