面向风电高不确定性的多周期机组组合研究

发布时间：2018-11-17 14:06

【摘要】：大力发展风力发电是近年来电力系统应对能源及环境危机的重要举措。风力发电虽然具有清洁无污染、风能永不枯竭可再生等诸多优点,但由于自然风所具有的随机性、波动性和间歇性等特点,使得风电功率具有高不确定性。这无论对于以先进的燃气和燃油机组为主、短期及实时电力市场发达的国外电力系统,还是类似我国燃煤机组众多、缺乏短期电力市场、以中长期电量计划或交易为主的电力系统,都提出了新的挑战。机组组合作为电力系统优化调度的关键环节之一,受到了很大影响,亟待开展相关研究。本文以数学优化理论为基础,基于多周期、多时间尺度协调优化的思想,充分利用风电功率及风电预测在各时间尺度下的多种特性,对含风电系统的月度、短期机组组合及两者的协调优化方法开展了细致而深入的研究：目前,我国电网中高启停成本、长启停周期的大型燃煤机组众多,调度模式基本为月度机组组合与短期发电计划协调优化。中长期优化可更好地协调资源的优化配置从而降低常规机组启停成本,而短期优化中风电不确定性的显著降低可较大幅度提高常规机组负荷率。基于此,结合中长期优化及短期优化的各自优势,将火电机组动态分为月度启停优化群和短期启停优化群,提出了一种月度-短期机组组合协调优化方法,和相应的计及短期协调效益的月度机组组合模型。月度及短期机组组合的协调优化通过两阶段决策模型予以实现,其中,月度机组组合决策为第一阶段,对机组所属的优化群以及月度启停优化群中机组的开停机计划进行决策；短期机组组合决策为第二阶段,对短期启停优化群中机组的开停机计划和所有机组的出力计划进行决策。充分利用在月度时间尺度可获取的风速概率分布特性、风速波动特性等信息,模拟生成多组涵盖实际风电功率统计特征的风电场景,并嵌套在第二阶段决策模型中,以获得更加贴近系统实际运行需求的机组组合方案。仿真结果表明,所提月度-短期机组组合协调优化方法及月度机组组合模型,可通过火电机组的动态优化分群,实现月度机组组合与短期机组组合的优势互补,降低火电机组整体开机水平、提高机组平均负荷率,进而提高风电并网的经济效益。为应对风电不确定性而需增加的部分旋转备用容量一般为小概率备用需求,风电预测误差随预测时间尺度的缩短逐渐减小,而系统中大部分中小型机组均可在4～8h内启动,具备日内进行机组组合调整的条件。基于上述认识,提出了短期机组组合的多级协调制定策略。其具体做法为,将传统的短期机组组合拓展为三级,分别为：与调度周期同步的一次机组组合、提前若干小时(通常为4-8h)制定的二次机组组合、更短时间间隔调整快速机组启停的三次机组组合。在制定一次机组组合时,适当放松对供电可靠率的要求,降低旋转备用容量,以提高系统运行的经济性；在日内运行时,滚动地利用最新的运行及预测信息对未来时刻旋转备用的充裕度进行预估,当不满足系统需求时,再进行二次及三次机组组合对原机组组合方案进行调整,以保障系统运行的可靠性。对各级机组组合分别建立了相应的确定性模型。一次机组组合旋转备用容量是否恰当是决定各级机组组合协调效果的关键,针对解析法难以确定一次机组组合最优旋转备用容量的问题,提出了基于历史及预测数据的仿真方法。仿真结果表明,不同时间尺度机组组合的协调,可有效利用随着计划执行时刻的临近逐渐准确的风电功率信息,从而降低系统实际运行的旋转备用容量,进而降低发电成本、提高运行效率。基于风电预测误差随预测时长的缩短逐渐减小等特性,结合基于场景法的随机机组组合模型可更加准确地描述风电功率的不确定性、经济性更佳的优势,在短期机组组合两阶段决策框架的基础上,增加日内机组组合调整阶段,提出了含风电系统短期机组组合的三阶段决策框架。以实际风电功率作为中间变量,将日内超短期预测风电功率描述为双重随机变量、日内机组组合调整事件描述为双重随机事件,建立了相应的三阶段双重随机机组组合模型。模型中采用平衡机会约束计及了系统的可靠性要求。选择基于双重随机模拟的混合遗传算法对所提模型进行求解。仿真结果表明,所提三阶段双重随机机组组合模型,可在日内利用更加准确的风电功率信息,且在日前机组组合决策时更加准确地计及日内机组组合调整的影响,与两阶段随机机组组合模型、多级协调制定策略下的确定性机组组合模型相比,利用该模型所最终确定的机组组合方案,经济性更优。最后,综合所提出的月度-短期机组组合协调优化策略和所建立的月度、短期机组组合模型,形成了两套应对风电高不确定性的多周期、多时间尺度机组组合协调优化策略,并利用仿真算例验证了两套协调优化策略的效果。
[Abstract]:......
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM614

【参考文献】