考虑风电不规则概率分布的机组组合问题研究

发布时间：2017-10-31 17:41

  本文关键词：考虑风电不规则概率分布的机组组合问题研究

  更多相关文章： 风电不规则概率分布 机组组合 Benders分解 场景 多风电场

【摘要】：风电作为一种储量丰富的清洁能源,其在电网中所占比重正迅速增长。但风电的随机性、波动性等特点给风电大规模并网带来了巨大挑战。目前风电出力预测精度较低、波动区间较大。而目前电网中以火电为主、柔性调节资源不足,导致电网调节能力有限。当风电出力处于峰值时,为保证系统安全稳定运行,电网将被迫“弃风限电”。此时风电场将通过主动控制限制自身出力水平,风电出力概率分布将表现为不规则形式。机组组合(Unit Commitment, UC)问题作为电力系统研究的基础问题之一,随着电网不确定性因素增多,其决策也趋于复杂化。在这一背景下,研究基于风电出力不规则概率分布下的UC问题有效建模方式及高效求解算法具有重要的理论意义和实际价值。本文主要研究内容及成果如下：1.本文首先在风电传统概率分布模型的基础上,考虑风电场被迫参与“弃风限电”对风电出力概率分布模型的影响,建立了计及风电主动控制能力的风电出力概率分布模型,该分布模型呈不规则形式。2.基于场景法建立风电出力不规则概率分布下的UC数学模型时,可靠的场景集是场景法UC模型决策结果精度的重要保障,现有场景生成方法中关于单风场场景生成方法居多,多风场场景生成方法比较有限。本文综合分析了现有多风电场场景生成方法的优缺点,提出了一种新的多风电场场景生成方法。3.基于场景法建立了考虑风电出力不规则概率分布的UC数学模型,该模型中包含一个风电出力计算场景和若干风电出力误差场景,两类场景下,常规机组保持相同启停状态。并基于Benders分解(Benders Decomposition,BD)算法将原UC模型分解成三个子问题：机组组合主问题、风电场景子问题及安全约束子问题,建立了与之等效的BD-UC模型。然后通过分析风电出力计算场景对UC模型的影响,提出了一种风电出力不规则概率分布下的计算场景选取方式。4.综合分析了影响BD算法求解效率的主要因素,针对BD算法存在的问题,本文提出了两点优化措施：风电场景子问题迭代顺序优化、场景子问题规模优化。前者可以有效减少BD算法的迭代次数,后者可以缩短子问题的求解时间。以上优化策略均能有效提高BD算法的求解效率,对UC模型的高效求解具有重要意义。
【关键词】：风电不规则概率分布 机组组合 Benders分解 场景 多风电场
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 绪论11-23
• 1.1 课题研究背景与意义11
• 1.2 国内外风电发展概况11-14
• 1.3 问题历史回顾14-20
• 1.3.1 含风电机组组合建模方法研究现状15-17
• 1.3.2 电力系统机组组合求解方法研究现状17-20
• 1.4 目前研究存在问题及本文主要工作20-23
• 1.4.1 目前研究中存在的问题20
• 1.4.2 本文主要工作及内容安排20-23
• 第2章 风电不规则概率分布模型及场景法建模23-37
• 2.1 引言23
• 2.2 风电出力不规则概率分布模型23-27
• 2.2.1 风电出力常规概率分布模型23-25
• 2.2.2 计及风电主动控制能力的风电出力概率分布模型25-27
• 2.3 单风场场景生成方法27-30
• 2.3.1 场景抽样方法27-29
• 2.3.2 场景缩减技术29-30
• 2.4 多风电场场景生成方法30-34
• 2.5 场景树生成方法34-36
• 2.6 本章小结36-37
• 第3章 基于风电不规则概率分布的机组组合建模与求解37-59
• 3.1 引言37
• 3.2 机组组合数学模型37-40
• 3.2.1 目标函数38
• 3.2.2 约束条件38-40
• 3.3 Benders分解算法应用于机组组合40-45
• 3.3.1 BD-UC模型基础理论40-42
• 3.3.2 BD-UC模型子问题建模42-43
• 3.3.3 BD-UC模型求解流程43-45
• 3.4 基于风电不规则概率分布的风电出力计算场景选取45-48
• 3.5 模型求解48-51
• 3.5.1 CPLEX应用介绍48-49
• 3.5.2 非线性因素线性化49-51
• 3.6 算例分析与仿真结果51-58
• 3.6.1 单风场算例52-54
• 3.6.2 多风场算例54-58
• 3.7 本章小结58-59
• 第4章 不规则BD-UC模型的加速求解方法59-69
• 4.1 引言59
• 4.2 Benders分解算法求解效率影响因素分析59-61
• 4.3 Benders分解算法迭代顺序优化61-63
• 4.4 基于场景树的风电场景子问题优化63-64
• 4.5 优化后的BD-UC模型求解流程64-65
• 4.6 算例分析与仿真结果65-68
• 4.6.1 场景迭代顺序对BD-UC模型的影响65-67
• 4.6.2 场景子问题优化对BD-UC模型的影响67-68
• 4.7 本章小结68-69
• 第5章 总结与展望69-71
• 5.1 工作总结69
• 5.2 进一步展望69-71
• 参考文献71-75
• 附录Ⅰ IEEE118节点系统接线图75-77
• 附录Ⅱ IEEE118节点系统机组信息77-79
• 附录Ⅲ IEEE118节点系统支路信息79-83
• 读硕士学位期间取得的成果83-85
• 致谢85

【相似文献】

中国期刊全文数据库 前10条

1 郭宇;茹海鹏;郭宝刚;;电力分配系统中的机组组合问题[J];硅谷;2011年08期

2 蒋妮娜;张志学;刘超男;;不同约束下机组组合决策结果的分析[J];山东电力高等专科学校学报;2013年03期

3 朱翠兰，孙时春，刘筱，周京阳，于尔铿;华中电网机组组合软件的开发与运用[J];华中电力;1995年05期

4 王民量,张伯明,夏清;考虑多种约束条件的机组组合新算法[J];电力系统自动化;2000年12期

5 王承民,郭志忠;电力市场环境下解决机组组合问题的新方法[J];电力自动化设备;2001年11期

6 王承民,郭志忠,于尔铿;确定机组组合的一种改进的动态规划方法[J];电网技术;2001年05期

7 王承民,郭志忠;机组组合问题的罚函数法[J];继电器;2001年11期

8 江健健,夏清,沈瑜,康重庆,许洪强,张元鹏;基于边际电价的短期机组组合求解新方法[J];清华大学学报(自然科学版);2001年Z1期

9 袁晓辉,袁艳斌,张勇传;电力系统中机组组合的现代智能优化方法综述[J];电力自动化设备;2003年02期

10 王海云,赵宏伟,张晓清;蒙特卡洛优化法在机组组合问题中的应用[J];后勤工程学院学报;2004年04期

中国重要会议论文全文数据库 前6条

1 李晓磊;周京阳;于尔铿;潘毅;;电力系统机组组合研究综述[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

2 李晓磊;周京阳;于尔铿;潘毅;;改进线性混合整数规划法机组组合[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

3 郭文兰;韩学山;;基于模糊决策的最优机组组合[A];1994中国控制与决策学术年会论文集[C];1994年

4 谢俊;;考虑风电出力随机性的风—火机组组合建模(英文)[A];中国智能电网学术研讨会论文集[C];2011年

5 王楠;张黎明;满玉岩;;计及换电站电池充放电优化的机组组合模型[A];2013年中国电机工程学会年会论文集[C];2013年

6 赖晓平;王冰;;提高机组组合问题动态规划算法效率的有效方法[A];第二十二届中国控制会议论文集（下）[C];2003年

中国博士学位论文全文数据库 前10条

1 龙丹丽;大规模电力系统机组组合问题的近似动态规划模型与算法[D];广西大学;2014年

2 周博然;含风电的机组组合模型及算法研究[D];浙江大学;2015年

3 郑海艳;机组组合基于Benders分解与割平面的方法及约束优化SQP算法研究[D];广西大学;2015年

4 邓俊;机组组合混合整数线性规划模型的研究与改进[D];广西大学;2015年

5 李整;基于粒子群优化算法的机组组合问题的研究[D];华北电力大学(北京);2016年

6 张娜;面向风电高不确定性的多周期机组组合研究[D];大连理工大学;2014年

7 车平;基于最优化的电力系统机组组合问题研究[D];东北大学;2012年

8 杨朋朋;机组组合理论与算法研究[D];山东大学;2008年

9 张利;电力市场中的机组组合理论研究[D];山东大学;2006年

10 谢毓广;计及网络安全约束和风力发电的机组组合问题的研究[D];上海交通大学;2011年

中国硕士学位论文全文数据库 前10条

1 李颖浩;电力系统机组组合问题的研究[D];浙江大学;2012年

2 谢上华;随机机组组合问题中情景生成与削减技术研究[D];湖南大学;2013年

3 龙杭;计及网络安全约束和需求侧低碳资源的机组组合研究[D];北京交通大学;2016年

4 徐勤;考虑风电不确定性的风电并网调度方法研究[D];江苏大学;2016年

5 王昭卿;考虑风电预测误差分布特性的机组组合模型与算法[D];山东大学;2016年

6 张晓丹;风电功率预测误差不确定性建模研究[D];北京交通大学;2016年

7 曹帅;中长期安全约束机组组合优化研究[D];中国电力科学研究院;2016年

8 SINGIRANKABO YOUSSOUF（辛洛）;水火电机组联合发电优化调度方法[D];华北电力大学(北京);2016年

9 包岱远;含机组组合的水火储线性化模型短期经济调度[D];广西大学;2016年

10 张建华;情景数量和质量对随机机组组合问题解的影响研究[D];湖南大学;2016年

，

本文编号：1123068