面向复杂不确定性的电力系统运行优化研究

发布时间：2020-07-23 03:49

【摘要】：长期以来,电力系统运行需要应对如负荷预测偏差、发电机故障、线路故障等不确定性问题。近年来,随着可再生能源、需求侧资源的迅速建设与发展,电力系统运行所面对的不确定性呈现出大规模、多类型、不确定性程度高、特性复杂等新特点,对电力系统运行的经济性和安全性提出了巨大的挑战。传统的电力系统运行优化方法考虑的不确定性总体较为简单,难以适应复杂不确定性的新要求。为此,本文分别从电力系统运行的参与者(如发电商、售电商、辅助服务提供商)和电力系统运行的整体决策者(如电力系统调度)两个角度,针对以下四个具体问题开展了研究。针对风电不确定性,从电力系统运行参与者的角度,研究了风电-电池储能参与电力能量市场的投标优化问题。针对风电不确定性,基于风功率历史数据进行风功率预测概率分布估计,进而进行风电场景生成与缩减;针对电池储能在风储联合运行中的非规则循环下寿命衰减问题,提出了针对非规则循环的寿命衰减计算模型;针对风电-电池储能参与电力能量市场的偏差考核问题,建立了基于风电不确定性场景和考虑电池寿命衰减模型的风储联合参与电力能量市场的投标优化模型。仿真结果表明所提方法能有效帮助风储系统应对风电不确定性,降低偏差考核惩罚,降低电池储能的寿命损耗,提高联合系统的总体收益。针对电力系统调频信号不确定性,从电力系统运行参与者的角度,研究了电池储能参与能量和辅助服务市场的投标优化问题。针对调频信号的不确定性问题,通过调频信号历史数据建立了适用于日前市场的调频信号不确定集,通过基于粒子群优化的极限学习机预测调频信号能量累积值,建立了适用于实时市场的调频信号不确定集;针对电池储能参与调频服务时的“调用失效”问题,建立了基于调频信号不确定集的电池储能参与能量和辅助服务市场的投标优化模型,并提出了基于列生成算法的迭代求解算法。仿真结果表明所提方法能有效帮助电池储能缓解调频信号不确定性带来的电池储能调用失效问题,提高电池储能的总体收益。针对风电不确定性,从电力系统整体运行的角度,研究了考虑风功率预测非规则分布的随机机组组合问题。针对风功率预测非规则分布,建立了考虑“风速-风功率”和风电场主动控制的风功率预测非规则分布模型,提出了适用于非规则分布的风电场景生成方法;针对风功率分布非规则下的随机机组组合求解效率低的问题,提出了基于Benders分解的风电场景迭代顺序优选方法;基于IEEE118节点系统和中国西北某实际系统算例开展了机组组合仿真,仿真结果表明所提出的方法能够有效反映风功率预测非规则分布的特性,同时提高了机组组合问题的求解效率。针对风电的不确定性,从电力系统整体运行的角度,研究了基于风电最优置信区间的机组组合问题。针对区间机组组合中如何选择合适的风电置信区间的问题,建立了考虑区间内运行成本和区间外风险成本的机组组合模型;针对区间外失负荷期望和弃风期望函数的特征,提出了适用于优化求解的风险成本模型线性化方法;提出了在电力市场环境下,通过采用区间机组组合安排电网备用需求的方法,建立了适用于电力市场出清的区间机组组合模型;基于六节点系统和美国伊利诺伊州实际系统算例开展了机组组合仿真,仿真结果表明所提出的方法能够得到综合成本最优的风电置信区间以及对应的机组组合结果。
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TM732
【图文】：

结构框架,机组组合

东南大学博士学位论文规则分布模型，提出了适用于非规则分布的风电场景生成方法；建立了基于风功率预测非规则分布场景的随机机组组合模型，采用 Benders 分解方法将原问题分解为主问题、场景校核子问题、潮流校核子问题进行求解；针对风功率分布非规则下的随机机组组合求解效率低的问题，提出了 Benders 分解方法下场景迭代顺序优选方法加快求解速度；最后，基于 IEEE 118 节点系统和中国西北某实际系统算例开展了机组组合仿真，对所提方法的有效性进行了验证。第 5 章从电力系统整体运行的角度，提出了基于风电最优置信区间的机组组合优化方法。首先，从风功率预测概率分布入手，建立了区间外失负荷期望和弃风期望函数，提出了适用于优化求解的风险成本模型线性化方法；建立了考虑区间内运行成本和区间外风险成本的机组组合模型；提出了在电力市场环境下，通过采用区间机组组合安排电网备用需求的方法，建立了适用于电力市场出清的区间机组组合模型；基于六节点系统和美国伊利诺伊州实际系统算例开展了机组组合仿真，对所提方法的有效性进行了验证。第 6 章对全文的工作进行了总结，概括了文章的主要研究内容，并对未来可能的研究方向进行了展望。

示意图,示意图,电池,剩余容量

又可以分解为两个完成循环的差值，如图2-4 所示。而两个完整循环电池容量衰减百分率的差值的绝对值，则为一个完整的 x%到 y%到 x%的循环过程的电池容量衰减百分率，如(2.29)所示。dp x % y % x % dp x % 100% x % dp y % 100% y% (2.29)图 2-4 非规则循环分解示意图通过以上的步骤，可以将任意的非规则循环分解为规则循环的差值。下面介绍一下求解规则循环下电池容量衰减百分率的方法。电池化学领域实验结果通常呈现为图 2-5（1）的形式，即电池剩余容量随着标准循环测试不断下降的曲线簇。标准循环测试是从电池充满电后放电到某个 DoD，再充满电的循环过程。不同的 DoD 对应的曲线不同，DoD 越大，放电深度越深，电池剩余容量下降越快。如果以 80%剩余容量作为电池的寿命结束

电池寿命,充放电

具体的做法是，将曲线的横纵坐标都分为 m 段，每个点用连续变量量t ,m 控制仅有该点的相邻点可以获得权重，其他点的权重都为 0。.42)所示。t t , m t ,mmSoC SoCt t , m t ,mmdp dp,1t mm ,1t mm t , m t , m t , m1 t ,m is binary以用于线性化多维的非线性函数。例如，假设同时考虑 SoC 和充放电池储能寿命衰减模型变为一个三维曲面，如图 2-8 所示，其中各放电电流（Current），电池寿命衰减（Degradation）。线性化该曲面的四个点加权求得。非常特殊的一点是，对于 t 时段的结尾时刻和 t会发生突变，但充放电电流却可能发生突变。因此，在线性化时，需段的开头时刻分别设定对应的变量，并让SoC保持连续。具体的线性

【参考文献】