考虑风电不确定性和气网运行约束的鲁棒经济调度和备用配置

合集下载

含风电的的电力系统鲁棒优化调度 吴秋兵

含风电的的电力系统鲁棒优化调度 吴秋兵

含风电的的电力系统鲁棒优化调度吴秋兵摘要:近年来社会用电需求的不断增大,电力工程建设数量也逐渐增多。

风力发电是目前较为成熟的一种可再生能源发电技术,其出力具有随机性和间歇性,电力部门很难对其进行准确的预测。

风电的不确定性给电力系统的经济调度带来重大挑战,如何最大化利用风电资源以及减小风电波动对系统供电侧的影响,是经济调度常需要解决的问题。

本文就含风电的的电力系统鲁棒优化调度展开探讨。

关键词:不确定性;鲁棒调度模型;安全性;经济性引言在风电发展初期,风电并网容量很小,传统的确定性调度模型大多忽略风电的波动性而将其考虑为负的负荷,采用传统的可控电源进行补偿。

但随着风电并网容量的快速攀升,从系统运行的经济性和安全性角度考虑,实际电力系统中可控电源的容量已很难完全补偿风电的不确定性,因此有功调度过程必须要考虑风电出力的不确定性。

1鲁棒调度模型目标函数本文采用基于风电出力预测区间的调度模式来考虑风电出力的不确定性,并同时考虑不同不确定集下负荷波动对日前调度计划的影响。

在该模式下,通过鲁棒调度模型可计算出次日调度计划;风电按允许出力区间执行出力,AGC机组根据基点功率自动调节出力,非AGC机组按计划值出力。

该模型以发电总成本最低和最大化利用风电为目标,目标函数可表示为:由图4结果知,根据风电实时出力,通过安排AGC机组出力,系统能够在其可调范围内实时跟踪风电功率变化,并保持出力平衡。

一般地,完全考虑源荷的波动性,系统需维持很高的系统调节资源以作备用,但在实际运行情况中并非都处于极端情况,降低了系统资源的利用率,不利于调度的经济性;因此,鲁棒模型中考虑了负荷不同的不确定集大小,并在次日实时调度过程中,合理利用AGC机组和其他旋转备用同时进行出力配合调整,保持系统整体出力平衡。

本文随机抽样50组数据模拟实际场景,最后计算得到负荷不同不确定集合下系统各平均成本。

由表1~表3数据结果知,考虑的负荷不确定集很小,即系统可应对的不确定集很小,则系统基本运行成本较低,而校正成本较高,总运行成本较低;当不确定集较大时,校正成本降低而基本运行成本较高,总运行成本仍然较高。

考虑风电出力不确定的风电并网优化探究

考虑风电出力不确定的风电并网优化探究

考虑风电出力不确定的风电并网优化探究摘要:风电技术的迅速发展、国家政策的支持、环境问题的日益凸显等因素,促使风电渗透率不断提高。

目前《可再生能源法》规定电网必须全额吸纳风力发电量,即风电不受调度,但由于风电具有不确定性和波动性的特点,风电的大规模并网必将给电力系统的运行带来极大的风险。

为了保证电力系统的安全稳定运行,必须有足够的备用容量来应对风电功率的波动性及不确定性。

当实际风电功率小于其预测值,必须调度常规机组提供向上备用容量;反之,则必须调度常规机组提供向下备用容量。

当风电大规模并网时,由常规机组提供的备用容量更加不足,系统安全稳定运行面临极大风险;且系统备用容量比例较高时,其运行经济性必然下降。

由此提出让风电参与系统调度,并提供备用容量。

基于此,本篇文章对考虑风电出力不确定的风电并网优化进行研究,以供参考。

关键词:考虑风电出力;不确定;风电并网;优化方法引言由于风电出力具有波动性和随机性的特点,大规模风电并网后,对电网的安全稳定和经济运行将产生一系列影响。

因此,区域并网风电的出力特性研究得到了学者们的广泛关注。

近年来,随着风、光、水、火储多能互补课题的提出以及我国并网风电、光伏的规模化发展,学者们开始研究多电源联合运行对电网的影响。

“十四五”期间,在火电上大压小、水电已基本开发完毕的背景下,风电、光伏将成为新增电源的重要部分。

同时,目前正在开展水、风、光一体化研究。

因此,开展电网风电出力特性研究是必要的,可为下阶段风电进一步有序开发、电力系统规划建设以及电网安全可靠运行提供参考依据。

1风电出力从保证容量、有效出力两个角度分析电网风电容量效益。

保证容量是衡量风电在负荷高峰时段用于系统电力平衡的容量,表示风电在负荷高峰时段对常规机组的替代作用。

计算方法是把负荷高峰时段的风电出力从大到小排序,取在某一保证率下(如95%)风电的最小出力作为风电的保证容量,风电的保证容量可为是能替代对应保证容量的火电装机。

含风电场的电力系统鲁棒调度 PPT课件

含风电场的电力系统鲁棒调度  PPT课件

3)極限場景S1下的約束方程
Pnmin Pnh (s1) Pnmax (n 1, 2...N; h 1, 2...H )
N
Pnh (s1) Pwh (s1) PLh 0 (h 1, 2,..., H )
n1
1 6
rdn
Pnh (s1)
Pnh
1 6
run
(n 1, 2...N; h 1, 2,3...H )
22.54 692.4
15 15
注:An,Bn,Cn為成本係數,rd為機組的向上爬坡率、ru為機組的向下爬坡率
时段 负荷 风电
6 个调度时段的负荷及风电场的点预测结果
h=1
h=2
h=3
1036
1110
1258
70
60
45
单位:MW
h=4
h=5
1406
1480
60
65
h=6 1628
55
採用原-對偶內點法作為核心演算法,編程語言為Matlab語言。
分析兩種調度方式對風電不確定性的適應能力
調度時段6
在調度時段6發生場景S1時,即風電實際出力只有預測出力55MW的一半,減小量為 27.5MW。此時,系統功率不平衡,火電機組出力需要在10min內增大27.5MW,下麵分析兩種 調度方式是否具備這種能力。
1)對於確定性調度方式
機組
n=1 n=2 n=3 n=4 n=5 n=6 n=7 n=8 n=9 n=10
兩種調度方式的性能比較
等式約束個數 不等式約束個數
確定性調度
6
172
魯棒調度
18
356
迭代次數 19 24
最優解 198580 198650

基于鲁棒优化的风电机组调度研究

基于鲁棒优化的风电机组调度研究

基于鲁棒优化的风电机组调度研究一、绪论随着可再生能源的不断发展,风电作为其中的一种,在电力系统中占据了越来越重要的地位。

由于天气等原因的不确定性,风电输出存在较大的波动性,为电力系统的稳定运行带来了挑战。

因此,如何有效地调度风电机组,提高其可靠性和稳定性,已成为当前研究热点之一。

本文将从鲁棒优化的角度出发,研究风电机组的调度问题。

首先,介绍鲁棒优化的基本原理和实现方式。

然后,分析风电机组调度中存在的问题,并提出鲁棒优化的解决方案。

最后,进行实验验证,证明该方案的有效性。

二、鲁棒优化原理鲁棒优化是一种优化算法,其目标在于在不确定性环境中最大化系统的性能。

其基本思想是充分考虑不确定性因素对系统性能的影响,通过优化算法确定一组具有较好性能的可行解,从而保证系统的可靠性和稳定性。

鲁棒优化的实现方式主要包括两种方法:基于约束的方法和基于优先级的方法。

前者在优化问题中设置一些约束条件,保证系统在不确定性环境中的可行性。

后者则根据不确定性因素的重要程度,采取不同的优化策略,以达到最优解。

三、风电机组调度问题分析风电机组调度问题的基本目标是最大化风电发电量,同时确保系统的可靠性和稳定性。

由于风速等自然因素的不确定性,风电输出存在较大的波动性。

此外,风电机组的响应速度也会受到限制,不能立即实现输出的调整。

这些都对风电机组调度的效果产生了影响。

目前,风电机组调度问题主要可以分为三类:静态调度、动态调度和灵活性调度。

静态调度是指在一定的时间范围内,通过预测风速等因素,确定出最优的发电量,然后进行规划和安排。

动态调度则是指当外部环境变化,如风速、气温等因素出现变化时,重新规划能量的配置。

灵活性调度则是指在特殊情况下,如电力系统出现故障等状况下,对风电机组进行快速响应,以保证系统的稳定运行。

四、鲁棒优化在风电机组调度中的应用为了解决风电机组调度中存在的问题,可以采用鲁棒优化的方法。

具体而言,可以通过以下步骤来实现:1. 建立鲁棒优化模型,考虑不确定性因素对系统的影响。

考虑风电辅助调频的弱鲁棒调度模型

考虑风电辅助调频的弱鲁棒调度模型

考虑风电辅助调频的弱鲁棒调度模型
林峰;王虹富;汪震
【期刊名称】《机电工程》
【年(卷),期】2018(035)007
【摘要】为解决传统鲁棒在处理风电不确定性上存在过度保守的问题,将弱鲁棒原理应用到含风电电力系统调度中.用区间鲁棒不确定集合描述风场功率预测误差的不确定性,并建立了风电参与辅助调频情况下的风场备用、传统机组备用等约束条件,提出了一种考虑风电辅助调频的弱鲁棒经济调度模型,通过调度传统机组和风电场以保证系统安全运行,同时满足了一定经济恶化容忍度;在含风电场的IEEE30节点算例中,对比分析了基准场模型、传统鲁棒模型和弱鲁棒调度模型三者的调度结果.算例结果表明:考虑辅助调频能够提高调度解的可行度,且与传统鲁棒模型相比,弱鲁棒具有更好的经济性.
【总页数】5页(P746-750)
【作者】林峰;王虹富;汪震
【作者单位】浙江大学电气工程学院,浙江杭州310027;中国电力科学研究院电网安全与节能国家重点实验室,北京100192;浙江大学电气工程学院,浙江杭州310027
【正文语种】中文
【中图分类】TM77
【相关文献】
1.考虑联络线功率稳定的微电网鲁棒经济调度模型 [J], 康慨;邓少平;张超;张云龙;吴雄;汪钊
2.热电联产与风电机组联合运行鲁棒多目标优化调度模型 [J], 霍东升;朱雅林;曹艺超;江志超
3.消纳大规模风电的电-气互联系统鲁棒区间调度模型与方法 [J], 王文睿;瞿凯平;余涛;王克英;史守圆
4.考虑风电不确定性的分布鲁棒机会约束机组组合模型 [J], 刘明;曾成碧;苗虹
5.考虑风电及可中断负荷一次调频能力的日前调度模型 [J], 方保民;李延和;曲立楠;郝丽丽;吉静;陈浩
因版权原因,仅展示原文概要,查看原文内容请购买。

机会约束的分布式鲁棒优化

机会约束的分布式鲁棒优化

机会约束的分布式鲁棒优化
机会约束的分布式鲁棒优化是一种优化方法,用于处理不确定性问题。

这种方法通过最小化预期总成本来优化急救医疗服务系统中的选址、救护车数量和需求配置。

该模型通过引入联合机会约束,保证了整个系统满足最大并发需求的可能性比预定的可靠性水平表现更佳。

此外,该模型近似为参数型二阶锥规划,可以通过外近似算法实现有效的求解。

风电等可再生能源的出力具有不确定性,传统的鲁棒优化和随机优化方法在处理风电等可再生能源出力不确定性时都存在一些局限与不足。

基于分布鲁棒优化研究了考虑风电出力不确定性的电-气-热综合能源系统(electricity-gas-heat integrated energy system, EGH-IES)日前经济调度问题。

将Kullback-Leibler(KL)散度作为分布函数与参考分布之间距离的量度,建立风电出力的分布函数集合。

然后以系统运行总成本作为目标函数,建立了EGH-IES日前经济调度鲁棒机会约束优化模型。

含风电电力系统源荷储协同分布鲁棒优化调度

含风电电力系统源荷储协同分布鲁棒优化调度目录1. 内容概览 (2)1.1 研究背景 (2)1.2 研究目的与意义 (3)1.3 研究方法与框架 (4)2. 文献综述 (5)2.1 风电特性与电力系统 (7)2.2 源-荷-储集成系统管理 (8)2.3 鲁棒优化调度理论 (9)3. 系统建模与问题描述 (10)3.1 系统构成与剖面图 (13)3.2 模型构建与约束条件 (14)3.3 优化目标与关键性能指标 (15)4. 鲁棒优化调度框架设计 (16)5. 风电特性与负荷预测模型优化 (17)6. 源-荷储协同分布调度的实施策略 (18)6.1 风电并网与非并网策略 (20)6.2 负荷聚合与分时电价响应 (21)6.3 储能系统的集成与优化调度 (23)7. 鲁棒优化调度算法的实现与应用案例 (24)7.1 算法流程与步骤 (25)7.2 仿真场景设计 (26)7.3 结果分析与讨论 (28)8. 结论与展望 (29)8.1 研究结论 (31)8.2 未来工作方向 (32)8.3 实际应用潜力分析 (33)1. 内容概览本研究旨在构建一个全面的风电电力系统源荷储协同动态优化调度模型,以实现电网的稳定、经济和安全运行。

通过考虑风电的随机性和间歇性,本模型将源(generation)荷(load)储(storage)的协同作用纳入到优化调度之中,提出了一种鲁棒策略,以确保电网在面对各种不确定性时的稳健性。

本篇章将首先介绍风电电力系统的基本概念和研究背景(Section ,随后详细描述源荷储协同耦合下的电力系统动态优化调度模型构建(Section ,并探讨模型的求解方法(Section 。

文中将展示案例研究来验证优化模型的有效性和实用性(Section 。

分析结果进行了总结,并提出了对未来工作的展望(Section 。

1.1 研究背景全球能源结构转型朝着清洁、低碳的方向发展,风电作为一种清洁、可再生能源,发展迅速。

考虑风电和负荷不确定冷热电联供微网日前经济调度

考虑风电和负荷不确定冷热电联供微网日前经济调度王长浩,刘洋,许立雄(四川大学 电气工程学院,四川 成都 610065)摘 要:以含多种分布式电源的冷热电联供(combined cooling heating and power, CCHP )微网为研究对象,考虑风电出力和冷热电负荷不确定对微网运行的影响,区分源荷不确定各自的特点,建立考虑风电和负荷不确定的CCHP 微网两阶段鲁棒随机调度模型。

虽然风电预测精度较低,但其波动范围易于测量,可以使用鲁棒优化方法处理风电不确定;负荷预测精度较高且有较强波动规律,使用随机优化方法处理负荷不确定。

首先通过随机抽样形成多个负荷场景并削减,得到多个典型冷热电负荷场景;然后以最小化各场景的调度成本加权平均值为决策目标制定日前调度方案,该方案使用两阶段鲁棒优化方法求解。

考虑实际生产中可能出现的弃风现象,为增加风电消纳引入弃风惩罚成本。

算例仿真结果证明了所提调度方法的合理性与经济性。

关键词:冷热电联供;风电消纳;源荷不确定;经济调度DOI :10.11930/j.issn.1004-9649.2019071230 引言结合新能源技术与互联网技术,微网集成多种分布式电源、能源转换设备、储能以及多种负荷等电力元素,实现多能源协调规划与统一调度,有效提高可再生能源的渗透率与能源利用率,有助于重塑一个高效、低碳和低成本的能源生态系统[1]。

经济调度是微网相关研究中的热点问题。

文献[2]提出一种集中母线形式的冷热电联供系统通用建模方法,通过0-1混合整数线性规划求解验证了模型的可行性;文献[3]将冷热电联供(combined cooling heating and power, CCHP )系统分为4个运行状态,并确定每种运行状态下的经济最优运行策略;文献[4]建立了包含储能、风光、CCHP 系统及地源热泵在内的微网经济调度模型,验证储能设备可以通过解耦冷热电耦合关系来提高微网的经济效益。

含风电场的鲁棒动态经济调度

含风电场的鲁棒动态经济调度李滨【摘要】电力系统调度是在满足系统安全约束的前提下,通过优化发电机组出力,提高经济性.风电固有的不确定性在大量风电场的接入后对电力系统的稳定运行提出了新的难题.本文将鲁棒优化思想于含风电的不确定性电力系统调度问题,以不确定性集合处理风电出力的不确定性.同时目标函数中考虑由于阈点效应而产生的额外损耗.最后结合修改的IEEE-14节点算例证明所提算法有效应对风电不确定性对调度的影响.【期刊名称】《电气开关》【年(卷),期】2017(055)006【总页数】4页(P79-81,85)【关键词】风力发电;动态经济调度;阈点效应;鲁棒【作者】李滨【作者单位】广西宁明东亚生物能源有限公司,广西崇左 532500【正文语种】中文【中图分类】TM711 引言传统电力系统经济调度是在计及系统安全稳定运行约束和满足负荷需求的前提下,通过优化分配发电机组出力,达到指定目标函数最优的电力系统经济运行基本问题[1-3]。

世界各国都在大力扶持新型清洁能源,截止到2016年底,中国风电总装机容量达到1.69亿kW,达到全国总装机容量10.3%,预计2020年底风电装机容量将达到2.0亿kW[4]。

风力发电的优越性显而易见,然而风电出力的随机性以及难以预测性使得传统的确定性调度问题变为含不确定性变量的不确定性调度问题。

鲁棒优化作是近几年兴起的处理不确定优化问题的建模思想,不确定性变量通过“集合”的形式加以描述[5-6],“集合”包含不确定性变量所有可能值,鲁棒优化的解对于可能出现的所有情况,约束都能够满足。

大量应用于控制以及金融等行业,而电力系统调度问题就是一个不确定性优化问题。

本文以发电成本为目标,计及系统运行安全稳定约束,考虑常规火电机组的阈点效应带来的能耗成本。

计及风电出力的不确定性,建立含风电的鲁棒动态经济调度模型。

通过修改的IEEE-14算例仿真证明所提方法的有效性。

2 鲁棒优化理论2.1 鲁棒优化简介20世纪70年代Soyster[7]提出最坏情况分析(Worst Case Analysis)模型以及瓦尔德的极大极小模型作为在严重不确定情况下的处理工具。

含风电场的电力系统鲁棒优化调度

含风电场的电力系统鲁棒优化调度摘要:为顺应全球绿色能源的发展趋势,中国大力提倡风电发展,截至2016年底,全国风电装机容量已达169gw。

然而,随着风电迅猛发展,其出力的间歇性、波动性和反调峰特性带来的负面问题也日益突出,逐渐成为限制风电大规模并网的主要因素。

传统电力系统中,负荷预测精度较高,其误差引起的不确定性影响较小。

在当前技术水平下,风电功率的预测精度远低于负荷预测,对没有考虑风电出力不确定性的传统确定性调度方法提出了挑战。

因此,如何考虑风电不确定性并制定合理的调度计划以消纳风电是迫切需要解决的问题。

引言传统电力系统经济调度是在计及系统安全稳定运行约束和满足负荷需求的前提下,通过优化分配发电机组出力,达到指定目标函数最优的电力系统经济运行基本问题。

世界各国都在大力扶持新型清洁能源,截止到2016年底,中国风电总装机容量达到1.69亿kW,达到全国总装机容量10.3%,预计2020年底风电装机容量将达到2.0亿kW。

风力发电的优越性显而易见,然而风电出力的随机性以及难以预测性使得传统的确定性调度问题变为含不确定性变量的不确定性调度问题。

鲁棒优化作是近几年兴起的处理不确定优化问题的建模思想,不确定性变量通过“集合”的形式加以描述,“集合”包含不确定性变量所有可能值,鲁棒优化的解对于可能出现的所有情况,约束都能够满足。

大量应用于控制以及金融等行业,而电力系统调度问题就是一个不确定性优化问题。

本文以发电成本为目标,计及系统运行安全稳定约束,考虑常规火电机组的阈点效应带来的能耗成本。

计及风电出力的不确定性,建立含风电的鲁棒动态经济调度模型。

通过修改的IEEE-14算例仿真证明所提方法的有效性。

1.鲁棒优化理论20世纪70年代Soyster提出最坏情况分析(WorstCaseAnalysis)模型以及瓦尔德的极大极小模型作为在严重不确定情况下的处理工具。

鲁棒优化的关键在与不确定集合的构造,从最开始的盒式集合到多面体集合,椭球集合等。

  1. 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. 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. 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)。

考虑风电不确定性和气网运行约束的鲁棒经济调度和备用配置罗毅;邵周策;张磊;姚良忠【摘要】In the Chinese northern region during the winter heating period, a large number of heating units operate in the "power determined by heat" mode, and the traditional thermal unit can't provide adequate regulation ability and reserve capacity, resulting in a large number of wind curtailment. Taking advantage of the rapid adjustment ability of gas turbine can increase the adjustment ability of system and promote wind power consumption. However, in the traditional power system dispatch, the gas network operation constrains is not taken into account, which may make the dispatch calculation results infeasible. Therefore, this paper propose a robust economic dispatch and reserve configuration model considering wind uncertainty and gas network constraints by converting the range of gas turbine reverse to the range of gas inlet and regard it as the uncertain gas load. The C&CG (column-and-constraint generation) algorithm is utilized to split the combined gas-electric dispatch and optimization problem to a robust economic dispatch problem considering wind uncertainty, a reverse configuration problem and a gas network constrained subproblem. The benders algorithm is also used to simplify the solution procedure by breaking down the problem into a primal problem of economic dispatch and reverse configuration and a subproblem of wind uncertainty examination. The simulation results indicate the truth and validity of the model and solutions.%在我国北方地区冬季供热期,大量供热机组"以热定电"运行,火电机组调节和备用能力不足,造成大量弃风.利用燃气轮机组的快速调节能力,可以促进风电消纳.针对在气电联合调度研究中未考虑气网运行约束,可能造成调度计算结果不可行的问题,提出了考虑风电不确定性和气网运行约束的鲁棒经济调度及备用配置模型,将燃气轮机组的备用范围转换为进气范围,并将其视为气网的不确定负荷.利用C&CG算法将气电联合调度优化问题分解成考虑风电不确定性的鲁棒经济调度和备用配置主问题以及气网约束子问题,再通过benders分解法将主问题进一步分解成经济调度和备用配置主问题以及风电不确定性校验子问题,从而简化求解算法.算例结果验证了所提模型及求解方法的有效性和正确性.【期刊名称】《电工技术学报》【年(卷),期】2018(033)011【总页数】12页(P2456-2467)【关键词】气网约束;经济调度;备用配置;鲁棒优化【作者】罗毅;邵周策;张磊;姚良忠【作者单位】华中科技大学电气与电子工程学院武汉 430074;嘉兴供电公司嘉兴314000;华中科技大学电气与电子工程学院武汉 430074;中国电力科学研究院北京 100192【正文语种】中文【中图分类】TM7310 引言我国可再生能源电力建设稳步加快,多项指标位居世界首位[1]。

“三北”地区风力资源丰富,逐渐成为我国风电并网的主要地区[2]。

但是在冬季供热期间,将出现“风热冲突”问题[3],造成了大量弃风的现象。

供热期间大量供热机组在“以热定电”方式下运行[4],限制了电出力的调节能力[5],而传统火电机组调节速率较慢,不能提供足够的调节能力和备用能力以满足系统和风电波动的调节需求。

风电出力具有不确定性[6](现商业风电预测软件平均误差为 14%~20%[7]),而且具有“昼低夜高”的反调峰特性,进一步增加了风电的消纳难度。

利用燃气轮机组对风电等可再生能源波动的快速响应和调节能力[8],可以有效弥补供热期间调节能力不足的问题,提高风电消纳水平。

但是,在未来风电等可再生能源高比例接入的情况下,风电功率波动和预测误差不可避免,传统的确定性调度方法难以满足风电的不确定性和波动性要求,而燃气轮机组的加入使得电网与气网相互耦合,对各机组的调度出力和备用安排也提出了新的问题。

在进行电网调度时,若不考虑天然气网侧的相关约束(如天然气管道约束、传输容量约束及其他天然气用户的负荷等),则优化调度结果将可能是次优甚至是不可行的[9]。

与此同时,为了增加系统调节能力而考虑燃气轮机组时,不仅要解决燃气轮机组调度运行值可不可行的问题,还需要考虑燃气轮机组是否有像火电机组一样可以上、下调节的备用能力,以及备用能力大小的确定、备用容量的合理分配等。

因此,在对天然气网和电网相互耦合的系统进行优化经济调度时,必须联合考虑两方的模型和约束以及两个系统之间的相互影响、各自特性,才能在整体全局的角度给出一个经济可行的优化解,天然气网侧相关条件以及运行状况将是电力系统安全、经济运行不可忽视的因素[10]。

关于天然气网和含风电电力系统两个耦合系统的优化调度问题,国内外已有相关研究。

文献[11]在传统计及安全约束的机组组合模型的基础上,加入了包括小时级、日级的天然气网约束,研究了电网和气网之间的相互影响和关联。

文献[12]将天然气管网约束线性化,并考虑了电力系统需求侧响应所带来的影响。

文献[13]比较了含风电的气电联合调度确定性模型、双层以及多层随机优化模型。

文献[14]采用区间优化的方法对含风电的气电综合能源系统的调度问题进行了优化求解,同时也考虑了可调节负荷的作用。

不同于其他研究,文献[15]没有使用天然气潮流的简化稳态模型,而是使用了微分方程模型,并以供气费用、管道管理费用、初期费用、发电机费用和切负荷费用之和为目标函数进行求解,但是其对电力系统方面考虑的过于简单,没有考虑系统备用约束。

文献[16]在含风电的气—电联合系统的随机机组组合模型中,不仅加入了对天然气管网约束的考虑,还计及了发电排放物的约束,对含风电系统的日前调度进行了仿真模拟。

文献[17]在文献[16]基础上加入了一种改进的自适应粒子群优化算法,将基本粒子群算法与云处理相结合,考虑了风电的预测随机误差,以适应风电的随机性,加快了寻优的能力和速度。

文献[18]则讨论了天然气气源供应的影响。

由于船运、储罐等条件的改变将影响到天然气的运输,从而导致天然气供应风险,而气电联合系统的经济调度方案也将受到相应的影响,所以该文献对天然气的气源供应风险进行了建模分析并验证了其有效性。

虽然以上研究对天然气网和电网两个系统的综合调度问题进行了建模和优化求解,但均没有考虑气网约束对燃气轮机组备用能力的影响。

将电力系统和天然气系统联合建模诚然解决了燃气轮机组调度出力值满足天然气系统运行约束的可行性问题,但是缺少对燃气轮机组备用能力的建模,即没有考虑在天然气系统运行约束下,燃气轮机组所配置的备用的可行性问题。

因此,针对现有的气-电系统联合调度模型中没有充分考虑燃气轮机备用能力大小和备用可行性的问题,本文提出了考虑风电不确定和气网运行约束的鲁棒经济调度和备用配置模型,将燃气轮机组的备用范围转换为进气范围,从气网调度运行的角度可以将其视为气网的不确定负荷,从而对其可行性进行校验,并对电网调度和备用结果进行修正,以此将燃气轮机组出力和备用的可行性考虑到电力系统的经济调度模型中。

同时采用鲁棒优化的方法,应对风电不确定性,避免备用配置过多导致不经济的问题或备用配置过少导致的系统运行安全问题。

1 考虑风电和气网约束的鲁棒经济调度及备用配置1.1 目标函数本文所提的考虑风电不确定性和气网运行约束的鲁棒经济调度及备用配置模型,其目的是在气网和电网运行约束下,合理安排各机组出力和备用,应对风电不确定性。

不仅增加了对气网侧约束的考虑,而且考虑其对燃气轮机组备用可行性的影响。

同时,利用鲁棒优化的方法处理风电不确定性,避免确定性调度方法导致的备用配置过多问题,提高经济性。

与传统确定性或鲁棒模型不同,为了保证燃气轮机组的调度结果和备用设置在气网运行约束下切实可行,模型将燃气轮机所配置的备用出力范围处理为气网的不确定负荷。

即对于气网而言,需要检验燃气轮机备用范围内的出力是否都可以实现。

这使得复杂的鲁棒双层优化问题变成更加难以求解的鲁棒三层优化问题。

模型第一层的决策变量为机组出力和备用,第二层校验风电产生随机波动时第一层的出力和备用配置能否保证系统有足够的裕度过渡到新的运行状态,第三层校验前两层优化后所决定的机组出力和备用在气网运行约束下是否可行。

令式中,函数1f表示传统机组、燃气轮机运行成本费用、风电弃风惩罚费用和切负荷惩罚费用以及传统机组备用费用以及燃气轮机备用费用的总和; p i, t,pg ,t分别为t时段传统机组i的功率、燃气轮机g的功率;N d ,t为t时刻的切负荷量,是一个松弛变量;为t时段风电场j预测出力; p w 为 t时段风电j,t场j实际调度出力;λw为弃风惩罚系数;λd为切负荷惩罚系数;Cr、分别为传统机组、燃气轮机的备用费用系数;g为燃气轮机运行费用函数;下标u、d分别表示上、下备用。

相关文档
最新文档