一种在微网动态经济调度中考虑风电随机性的方法

合集下载

考虑车网互动的风-光-车-储微网容量配置方法

考虑车网互动的风-光-车-储微网容量配置方法*刘舒真1，崔昊杨1*，刘昊1，张明达2，孙益辉2，史晨豪3（1.上海电力大学电子与信息工程学院，上海200090；2.国网浙江宁波市奉化区供电有限公司，浙江宁波315500；3.上海电力大学电气工程学院，上海200090）随着化石能源的日益匮乏和环境的不断恶化，以风能和太阳能为代表的新能源具有绿色、清洁、可再生等优点而受到关注。

然而，高渗透率下的新能源出力的不确定性，也给电网运行带来新的挑战。

另一方面，“新基建”的建设给电动汽车（electric vehicle，EV）带来新的热潮，电动汽车规模化入网成为必然趋势。

特别地，以车网互动（vehicle to grid，V2G）模式接入电网后，电动汽车作为一种能量密集型移动储能单元，在平滑区域能量波动的同时提高可再生能源的接纳能力和利用效率。

因此，以风-光-车-储为能量单元的微电网系统的优化配置与管理，逐渐成为研究热点。

在风-光-车-储微电网的优化配置领域，文献[8]结合电动汽车与分布式电源的时空、时序特性，协同规划分布式电源与电动汽车充电站；文献[9-10]建立路径选择模型、耦合交通网与电力网，优化微电网容量配置方案。

以上文献均考虑分布式电源与电动汽车的协同规划，但忽略了对电动汽车充放电引导，所形成的规划方案存在容量浪费，投资额度大，回报周期长等问题。

另外一方面，已有研究或集中于对给定的微电网，研究电动汽车的充电引导策略。

文献[11-12]基于价格激励政策探究电动汽车摘要：以车网互动模式接入微电网后，电动汽车可与分布式电源在微电网内有机集成，促进二者的应用，有助于提高整体的运行能效。

因此，针对风-光-车-储微电网系统的电动汽车充电引导及微源容量优化问题，文章提出了一种考虑车网互动的风-光-车-储微电网容量配置方法。

首先建立了基于电价激励的电动汽车有序排队充放电模型，引导电动汽车充放电行为有序化；接着兼顾经济效益和联络线功率波动值，建立风-光-车-储微电网系统容量多目标优化模型；然后利用NSGA-II算法优化微源容量配置；最后通过不同场景下规划结果的对比，分析不同电动汽车调度策略对规划方案效益和联络线功率波动的影响。

风电集群有功功率模型预测协调控制策略

第41卷第17期中国电机工程学报Vol.41 No.17 Sep. 5,20212021 年 9 月5 日Proceedings of the CSEE ©2021 Chin.Soc.for Elec.Eng. 5887 DOI：10.13334/j.0258-8013.pcsee.201887 文章编号：0258-8013 (2021) 17-5887-13 中图分类号：TM 73 文献标志码：A风电集群有功功率模型预测协调控制策略路朋S叶林|+,裴铭、何博宇、汤涌2,翟丙旭3，曲萤4,李卓1(1.中国农业大学信息与电气工程学院，北京市海淀区100083; 2.电网安全与节能国家重点实验室(中国电力科学研究院有限公司），北京市海淀区100192; 3.国网冀北电力有限公司，北京市西城区100053; 4.国网山西省电力公司电力科学研究院，山西省太原市030001)Coordinated Control Strategy for Active Power ofWind Power Cluster Based on Model Predictive ControlL U Peng1,Y E Lin1 ,PEI M i n g1,H E B o y u1,T A N G Yon g2,Z H A I Bingxu3,Q U Ying4,LI Z h u o1(1. College of Information and Electrical Engineering, China Agricultural University, Haidian District, Beijing 100083, China;2. State Key Laboratory of Power Gird Safety and Energy Conservation (China Electric Power Research Institute), Haidian District,Beijing 100192, China; 3. State Grid Jibei Electric Company Limited, Xicheng District, Beijing 100053, China;4. State Grid Corp of China Shanxi Electric Power Research Institute, Taiyuan 030001, Shanxi Province, China)ABSTRACT: The uncertainty of large-scale wind power will cause a large deviation in wind power tracking control commands, which will lead to over-limit power transmission sections. The traditional control approach is difficult to effectively alleviate the power fluctuation caused by wind power randomness. Therefore, a coordinated control strategy of wind power cluster based on model predictive control (MPC) was proposed. The strategy was based on the ultra-short-term wind power prediction information that includes the current time state and the future 4 times states, and then a dynamic grouping strategy based on the power change trend factor was developed in wind farms. Further, a rolling time-domain optimization control strategy of wind power clusters was established, which can realize the typical condition control of wind power clusters such as up-regulation control, early warning control, down-regulation control, and emergency control. Finally, a simulation test platform for real-time control of the wind power cluster was developed, and the actual data of the wind power cluster in north China was used as an example for test. The results showed that the proposed control strategy can not only guarantee the safety of wind power transmission line, but also alleviate the wind power fluctuation.KEY WORDS: wind power cluster; model predictive control; coordinated control strategy摘要：大规模风电的不确定性会造成其有功功率跟踪控制指令偏差大，导致输电断面功率越限，传统控制方法难以有效基金项目：国家电网有限公司科技项目(5100-20丨955009A-0-0-00); 国家自然科学基金项目(51977213)。

电力系统中的风光储一体化调度优化研究

电力系统中的风光储一体化调度优化研究随着气候变化日益严峻的形势和全球对可再生能源的需求日益增长，风力和光伏发电已经成为了现代电力系统中不可或缺的组成部分。

然而，由于风力和光伏发电的间歇性和不稳定性，其在电力系统中的集成面临一系列的技术挑战。

为了解决这些问题，风光储一体化技术应运而生。

本文将探讨电力系统中的风光储一体化调度优化的研究。

风光储一体化技术的基本原理是将风力发电和光伏发电与储能技术有机地结合起来，以便在供电不足或电网负荷过高时能够实现能量存储和释放。

通过储能系统，风力和光伏发电可以将其产生的电力存储起来，以便在需要时能够供应给电力系统。

这种一体化调度的关键在于找到最优的调度策略，以最大化可再生能源利用，保证电力系统的可靠性和经济性。

在优化调度方面，主要存在三个问题：最优发电调度问题、储能装置容量配置问题和电网容量优化问题。

首先，最优发电调度问题是指如何合理安排风力和光伏发电的输出功率，以使得系统总体效益最大化。

这个问题涉及到对风力和光伏发电的输出进行预测和调度的方法，以及对电力系统的负荷需求进行准确预测的技术。

其次，储能装置容量配置问题是指如何确定合适的储能装置容量，以应对不同的电力系统需求。

储能设备的容量大小直接影响到风光储一体化系统的性能和经济效益。

因此，在进行储能装置的容量配置时，需要考虑到系统稳定性、经济性和环境可持续发展的要求。

最后，电网容量优化问题是指如何通过合理规划电力系统的输电线路和变电站容量，以满足风光储一体化设备的供应需求。

由于风光储一体化系统通常分布在电力系统的各个节点，因此需要对电网进行优化设计，以确保风光储一体化系统的稳定运行，并降低电网的损耗和成本。

为了解决以上问题，研究学者们提出了不同的优化调度方法和算法。

一种常用的方法是基于模型预测控制（Model Predictive Control，MPC）的调度优化方法。

该方法通过建立数学模型来预测风力和光伏发电的输出及负荷需求，以根据最优控制策略来调整发电和储能的功率输出。

电力系统中的风电功率预测方法研究

电力系统中的风电功率预测方法研究随着可再生能源的快速发展，风能逐渐成为电力系统中重要的能源之一。

然而，由于风电的不稳定性和波动性，准确预测风电功率对电力系统的稳定性和可靠性至关重要。

因此，研究电力系统中的风电功率预测方法变得尤为重要。

本文将探讨当前常见的风电功率预测方法，并分析其优缺点。

一、基于统计方法的风电功率预测基于统计方法的风电功率预测是利用历史风速和功率数据来建立统计模型，并预测未来一段时间的风电功率。

常见的统计方法包括多元线性回归、岭回归、支持向量机和人工神经网络等。

多元线性回归是一种常用的统计方法，通过将风速、风向、气温等因素作为自变量，风电功率作为因变量，建立线性回归模型进行预测。

然而，该方法对于非线性关系的建模能力较弱，预测精度较低。

岭回归是一种改进的线性回归方法，通过引入正则化项来解决多重共线性问题。

它可以提高模型的稳定性和泛化能力，但对于非线性关系的建模仍然有限。

支持向量机是一种非线性分类和回归分析方法，通过在高维特征空间中构造最优超平面，提高预测精度。

然而，该方法对于大规模数据集的训练和预测时间较长，且参数的选择较为困难。

人工神经网络模型是一种模拟神经系统结构和功能的计算模型，通过输入层、隐层和输出层之间的连接以及节点之间的权重来进行风电功率预测。

神经网络模型具有极强的非线性逼近能力，但需要大量的数据进行训练，并且模型的参数选择和网络结构设计较为复杂。

二、基于物理模型的风电功率预测基于物理模型的风电功率预测是利用气象学和工程学原理建立数学模型，将风速、风向、大气环境等因素纳入考虑，对风电功率进行预测。

常见的物理模型包括魏布尔分布模型、风能利用系数模型和数值天气预报模型等。

魏布尔分布模型是一种概率分布模型，用于描述风速的分布情况。

通过对历史风速数据进行统计分析，估计魏布尔参数，并将其应用于风电功率的预测。

该方法简单易行，但忽略了其他因素对风电功率的影响。

风能利用系数模型是一种基于气象学和工程学原理建立的模型，考虑了风轮的匹配风速、变桨角等参数，通过计算风能系数来预测风电功率。

基于区间不确定性的微网有功-无功联合优化调度

基于区间不确定性的微网有功-无功联合优化调度发表时间：2016-12-12T14:53:52.710Z 来源：《电力设备》2016年第19期作者：柯学[导读] 为了提高企业的服务质量，需要对微网进行必要的优化调度，但是在进行优化的同时。

(国网青海省电力公司检修公司青海西宁 810000)摘要：为了提高企业的服务质量，需要对微网进行必要的优化调度，但是在进行优化的同时，需要对一些不确定性因素进行分析，例如风电、光伏功率情况做好预测，对其产生的负荷等进行预测。

除此之外，还应该考虑微网系统中有功潮流、无功潮流的强耦合性，最后利用区间对不确定情况进行描述，在此基础上，才能建立有效的有功—无功联合优化调度模型。

下面就对这些方面进行分析，希望给有关人士一些借鉴。

关键词：微网有功；无功联合；优化调度在进行优化调度过程中，使用了区间序关系模型转换的方法，可以将之前的模型转变为确定性优化模型，这样就可以对问题进行优化，同时做深一步的解答。

在此之后，可以使用微网系统优化调度方法，应用专业的优化软件，在典型的微网系统算例上进行数值仿真试验，分析试验的结果，从而总结出对各个微电源出力，以及微网系统运行成本的影响，为以后的工作奠定基础。

1分析微网的调度优化模型情况1.1对不确定变量描述的分析对于模型中的不确定变量而言，主要有负荷的典型微网系统、光伏、微型的燃气轮机、储能单元、柴油机、风机等，具体情况可以参考图1进行分析。

对于这一微网通系统而言，利用公共的连接点，就可以直接连入配电网当中，在此基础上，就可以完成和配电网功率之间的交换。

对微网功率进行优化调度，其制定的目标就是要满足微网负荷的要求，同时还必须适应在系统运行约束的条件下，对不同单元的出力计划进行合理的安排，这样完成优化之后，这一网络系统运行中使用成本最低。

图1：微网系统结构在这一微网系统当中，对用其使用的分布式可再生能源发电，无论是风速还是光照，都会影响其实际的效果，因此在对系统单元的出力进行预测时，有很大的不确定性。

微网的控制与保护策略研究

微网的控制与保护策略研究一、本文概述随着科技的飞速发展和人类对电力能源需求的日益增长，微网作为一种新型、分布式的发电和供电系统，其重要性和应用前景日益凸显。

微网集成了多种分布式电源、储能装置、负荷以及相应的保护和控制设备，可在大电网出现故障时孤岛运行，提供电力支持，提高供电的可靠性和灵活性。

然而，微网的复杂性和多样性也带来了诸多控制与保护方面的挑战。

因此，对微网的控制与保护策略进行深入研究和探讨，具有重要的理论和实践意义。

本文旨在全面分析微网的控制与保护策略，首先概述微网的基本概念、特点及其发展趋势，然后重点探讨微网的控制策略，包括中央控制、分布式控制和分层控制等，并对比各种控制策略的优缺点。

接着，本文将深入研究微网的保护策略，包括孤岛检测、过电流保护、低电压穿越等关键技术，并提出相应的优化方案。

通过案例分析，验证所提控制与保护策略的有效性和可行性。

本文期望能为微网的控制与保护提供有益的参考和指导，推动微网技术的进一步发展和应用。

二、微网的基本结构与组成微网（Microgrid）作为一种新型的分布式能源系统，其基本结构与组成对于理解其控制与保护策略至关重要。

微网主要由分布式电源（Distributed Generation，DG）、能量转换与存储系统、负荷、保护与控制装置以及相关的配电设施组成。

分布式电源是微网的核心部分，包括风力发电、光伏发电、小型燃气轮机、燃料电池等多种可再生能源发电技术，也可以是传统的小型火电机组或水电站。

这些电源可以根据当地能源资源的实际情况进行选择和配置，以实现能源的多元化和可持续利用。

能量转换与存储系统用于将分布式电源产生的电能进行转换和存储，以满足微网内部负荷的供电需求。

常见的能量转换设备包括逆变器、整流器等，而储能装置则主要包括电池、超级电容器、飞轮储能等。

这些设备可以有效地平滑微网的功率波动，提高电能质量和供电可靠性。

负荷是微网中的用电设备，包括居民用电、商业用电、工业用电等多种类型。

风电场能量管理系统运维服务的优化模型与算法研究

风电场能量管理系统运维服务的优化模型与算法研究一、引言风能作为一种可再生的清洁能源，越来越受到全球的关注与重视。

风电场作为利用风能发电的设施，其能量管理系统的运维服务对风电场的稳定运行至关重要。

为了提高风电场运维的效率和质量，研究优化模型与算法是非常必要的。

本文主要研究风电场能量管理系统运维服务的优化模型与算法，以提高风电场的可靠性和经济性。

二、优化模型1. 功率调度优化模型风电场的功率调度是风电场能量管理系统的核心任务之一。

通过研究风速、风向、负荷需求及电网运行状态等因素，建立功率调度的优化模型。

通过优化模型，可实现风电场的发电计划与电网需求之间的最佳匹配，提高发电效率，降低风电场的运行成本。

2. 故障诊断与预测优化模型风电场中存在着各种故障风险，如机组故障、传动系统故障等。

建立故障诊断与预测的优化模型，通过监测、分析风电场的运行数据，实现对潜在故障的早期诊断与预测。

通过优化模型，降低故障对风电场运行的影响，减少维修时间和成本。

3. 资源调度优化模型风电场需要合理利用现有资源，如维护人员、备件库存、维修设备等。

建立资源调度的优化模型，根据风电场的运行情况和维护需求，实现资源的合理分配与调度。

通过优化模型，最大限度地利用有限资源，提高风电场的维护效率和维护质量。

三、优化算法1. 遗传算法遗传算法是一种模拟自然界的生物进化过程的优化方法。

通过模拟基因的交叉、变异和选择过程，不断优化解空间中的候选解，找到最优解。

在风电场能量管理系统运维服务中，可以应用遗传算法进行功率调度、资源调度和故障诊断与预测等方面的优化。

2. 禁忌搜索算法禁忌搜索算法是一种基于迭代局部搜索的优化方法。

通过设置禁忌表，记录搜索过程中的禁忌解，避免陷入局部最优解。

在风电场能量管理系统运维服务中，可以应用禁忌搜索算法进行资源调度和故障诊断与预测等方面的优化。

3. 蚁群算法蚁群算法是一种通过模拟蚂蚁觅食行为的优化方法。

通过模拟蚂蚁在搜索食物时的信息交流和路径选择行为，寻找最优解。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｓｍａｒｔｄｈａｓｂｅｅｎｗｉｄｅｌｙｄｅｖｅｌｏｐｅｄ．Ｗｉｎｄｐｏｗｅｒｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｍｉｃｒｏｇｒｉｄｓｙｓｔｅｍ，ａｎｄｆａｖｏｒｅｄｂｙｐｅｏｐｌｅｗｉｔｈｉｔｓ
ｍｉｔｔｅｎｔａｎｄｒａｎｄｏｍｆｅａｔｕｒｅｓ．Ｗｈｉｃｈｍａｋｅｓｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｏｆａｍｉｃｒｏｇｒｉｄｓｙｓｔｅｍｉｎｃｌｕｄｉｎｇｗｉｎｄｐｏｗｅｒｍｅｅｔｉｎｇｓｏｍｅｃｈａｌｌｅｎｇｅｓ．Ｔｈｉｓｐａｐｅｒｉｎｔｅｎｄｓｔｏｅｓｔａｂｌｉｓｈａｍｉｃｒｏｇｒｉｄｄｙｎａｍｉｃｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｍｏｄｅｌｉｎｃｌｕｄｉｎｇｃｏｎｓｉｄｅｒｉｎｇｔｈｅｓｔｏｃｈａｓ — — ｔｉｃｏｆｗｉｎｄｐｏｗｅｒ，ａｎｄｔｈｅｒａｎｄｏｍｎｅｓｓｏｆｗｉｎｄｐｏｗｅｒｉｓｓｏｌｖｅｄｔｈｒｏｕｇｈａｓｃｅｎａｒｉｏｓｓｉｍｕｌａｔｉｏｎｍｅｔｈｏｄ．Ｔｈｅｓｃｅｎｒｉａｏｓａｒｅｇｏｔ
（ＬＨＳ）采样得到，并介绍了基于概率距离的场景消除技术。在该模型的基础上研究了风电随机性对微网
经济调度的影响，最终采用ＧＡＭｓ／ＢＡＲｏＮ算法求解了目标函数，通过对算例的分析验证了所提模型的
合理性。
关键词：微网；风电；动态经济调度；拉丁超立方采样；场景模拟
摘要：微网作为大电网的有效补充和建设智能电网的重要实现形式在目前得到了广泛的发展。风电是微网系统中重要的组成部分，以其经济、环保等特性而备受青睐。但是风电对气象条件的依赖性较大网经济调度具有一定的挑战性。本文拟建立考虑风电随机性的微网动态经济调度模型，对风电的随机性通过场景模拟的方法来解决，场景由拉丁超立方
ＤＯＩ：１０．３９６９Ｑ．ＩＳＳＮ．２０９５ — ３４２９．２０１３．０５．００１
中图分类号：ＴＫ８１
文献标识码：Ａ
文章编号：２０９５ — ３４２９（２０１３）０５ — ０００１ — ０５
ＤＡＩＺｈｏｎｇ — ｆｕ，ＣＨＥＮＴａｏ，ＹＵＷｅｎ－ｊｕｎ。
（Ｊ．ＧｕａｎｇｄｏｎｇＥｌｅｃｔｒｉｃＤｅｓｉｇｎＩｎｓｔｉｔｕｔｅ，Ｇｕａｎｇｚｈｏｕ５１０６３３，Ｃｈｉｎａ；２．ＡｒｃｈｉｔｅｃｔｕｒａｌＤｅｓｉｇｎ＆ＲｅｓｅａｒｃｈＩｓｔｎｉｔｕｔｅｏｆＳＣＵＴ，Ｇｕａｎｇｚｈｏｕ５１０６４０。Ｃｈｉｎａ；
ＡＭｅｔｈｏｄｏｆＣｏｎｓｉｄｅｒｉｎｇｔｈｅＳｔｏｃｈａｓｔｉｃｏｆＷｉｎｄＰｏｗｅｒｉｎＤｙｎａｍｉｃＥｃｏｎｏｍｉｃ
ＤｉｓｐａｔｃｈｏｆＭｉｃｒｏｇｒｉｄ
３．ＳｔａｔｅＧｒｉｄＹｏｎｇｚｈｏｕＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，Ｙｏｎｇｚｈｏｕ４２５０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｍｉｃｒｏｇｒｉｄａｓａｎｅｆｆｅｃｔｉｖｅｃｏｍｐｌｅｍｅｎｔｔｏｌａｒｇｅｐｏｗｅｒｇｒｉｄａｎｄａｌｓｏａｓａｎｉｍｐｏｒｔｎｔａａｃｈｉｅｖｅｍｅｎｔｏｆｃｏｎｓｔｒｕｃｔ
ｅｃｏｎｏｍｉｃ，ｅｎｖｉｒｏｎｍｅｎｔａｌａｎｄｏｔｈｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｂｕｔｗｉｎｄｐｏｗｅｒ，ｍａｉｎｌｙｄｅｐｅｎｄｏｎｔｈｅｗｅａｔｈｅｒｃｏｎｄｉｔｉｏｎｓ，ｈａｓｉｎｔｅｒ —
一
种在微网动态经济调度中考虑风电随机性的方法
戴仲覆，陈涛，于文俊
（１．广东省电力设计研究院。广东广州５１０６３３；２．华南理工大学建筑设计研究院。广东广州５１０６４０；
３．国网永州供电公司。湖南永州４２５０００）