大规模安全约束机组组合(security constrained unit commitment,SCUC)问题的混合整数线性规划(mixed integer linear programming,MILP)模型因其高维、非凸的特点导致求解困难,尤其在考虑故障态安全约束后模型规模骤增,MILP算法常遇到...大规模安全约束机组组合(security constrained unit commitment,SCUC)问题的混合整数线性规划(mixed integer linear programming,MILP)模型因其高维、非凸的特点导致求解困难,尤其在考虑故障态安全约束后模型规模骤增,MILP算法常遇到收敛间隙下降瓶颈问题。为满足现货市场出清对SCUC问题求解时间的要求,提出了基于热启动的快速求解方法,从待求模型的一个可行解出发,根据节点边际电价和机组收益分析进行整数变量固定,同时削减无约束力的安全约束,以缩减模型规模,加快收敛进程。仿真结果表明:所提方法能够大幅缩减SCUC模型规模,尤其对于考虑故障态安全约束的大规模SCUC问题,能有效克服收敛间隙下降瓶颈问题,求解效率提高特别显著。展开更多
针对考虑安全约束的机组组合(security constrained unit commitment,SCUC)问题,在传统SCUC模型的基础上,建立考虑有功网损及其在电网中分布的SCUC模型,提出一种基于网损因子迭代的SCUC算法。此算法每次迭代先解固定网损因子的SCUC问题...针对考虑安全约束的机组组合(security constrained unit commitment,SCUC)问题,在传统SCUC模型的基础上,建立考虑有功网损及其在电网中分布的SCUC模型,提出一种基于网损因子迭代的SCUC算法。此算法每次迭代先解固定网损因子的SCUC问题,求得机组的运行状态,然后进行交流潮流计算,更新网损因子,进入下一次迭代。针对可能出现的网损因子振荡问题,提出SCUC和经济调度相结合的方法,选择对应发电成本较小的机组启停状态,进行经济调度优化和网损因子迭代计算,直至算法收敛。对IEEE 30和IEEE 118节点系统进行的仿真计算验证了所提算法的正确性和有效性。展开更多
随着风电接入电网的比例不断提高,风电的不确定性对电力系统的运行调度提出了严峻挑战。将满足一定置信水平的风电区间预测信息纳入到日前调度计划中有助于提高系统的安全性和经济性。为此提出了基于风电区间预测信息的随机安全约束机...随着风电接入电网的比例不断提高,风电的不确定性对电力系统的运行调度提出了严峻挑战。将满足一定置信水平的风电区间预测信息纳入到日前调度计划中有助于提高系统的安全性和经济性。为此提出了基于风电区间预测信息的随机安全约束机组组合模型(stochastic security-constrained unit commitment,SSCUC)。该模型将风电的不确定性用1个确定的预测风电场景和2个极限风电场景来表示,简化了问题的复杂度。同时,该模型引入了潮流约束和网络安全约束,保证了调度结果的可行性。为求解该模型,提出了基于广义Benders分解的计算方法。该方法将SSCUC问题分解为一个主问题和2T(T为调度周期)个约束潮流子问题,并通过交替迭代的方式获得原问题的最优解。4机9节点系统和改进118节点系统的计算结果验证了所提模型和算法的有效性。展开更多
安全约束机组组合(security-constrained unit commitment,SCUC)作为编制发电计划的核心环节,在电力系统优化调度等方面具有十分重要的意义。因此,该文首先从物理模型和求解方法简要概述了SCUC问题。然后,从多目标、多元化决策变量、不...安全约束机组组合(security-constrained unit commitment,SCUC)作为编制发电计划的核心环节,在电力系统优化调度等方面具有十分重要的意义。因此,该文首先从物理模型和求解方法简要概述了SCUC问题。然后,从多目标、多元化决策变量、不确定性、多时间尺度与多元约束条件5个方面梳理了物理模型驱动的SCUC的研究进展,并分析了此类方法所面临的挑战。同时,重点总结归纳了现有基于人工智能技术和数据驱动的SCUC问题的研究成果,并分析了不同类型方法的特点、优势和缺陷。最后提出了对未来基于数据驱动的SCUC研究方向的相关思考。展开更多
文摘大规模安全约束机组组合(security constrained unit commitment,SCUC)问题的混合整数线性规划(mixed integer linear programming,MILP)模型因其高维、非凸的特点导致求解困难,尤其在考虑故障态安全约束后模型规模骤增,MILP算法常遇到收敛间隙下降瓶颈问题。为满足现货市场出清对SCUC问题求解时间的要求,提出了基于热启动的快速求解方法,从待求模型的一个可行解出发,根据节点边际电价和机组收益分析进行整数变量固定,同时削减无约束力的安全约束,以缩减模型规模,加快收敛进程。仿真结果表明:所提方法能够大幅缩减SCUC模型规模,尤其对于考虑故障态安全约束的大规模SCUC问题,能有效克服收敛间隙下降瓶颈问题,求解效率提高特别显著。
基金国家自然科学基金项目(51107060)国家教育部博士点新教师基金项目(200802481009)+1 种基金Project Supported by National Natural Science Foundation of China(51107060)Doctoral Fund for the New Teacher of Ministry of Education of China(200802481009)
文摘针对考虑安全约束的机组组合(security constrained unit commitment,SCUC)问题,在传统SCUC模型的基础上,建立考虑有功网损及其在电网中分布的SCUC模型,提出一种基于网损因子迭代的SCUC算法。此算法每次迭代先解固定网损因子的SCUC问题,求得机组的运行状态,然后进行交流潮流计算,更新网损因子,进入下一次迭代。针对可能出现的网损因子振荡问题,提出SCUC和经济调度相结合的方法,选择对应发电成本较小的机组启停状态,进行经济调度优化和网损因子迭代计算,直至算法收敛。对IEEE 30和IEEE 118节点系统进行的仿真计算验证了所提算法的正确性和有效性。
文摘随着风电接入电网的比例不断提高,风电的不确定性对电力系统的运行调度提出了严峻挑战。将满足一定置信水平的风电区间预测信息纳入到日前调度计划中有助于提高系统的安全性和经济性。为此提出了基于风电区间预测信息的随机安全约束机组组合模型(stochastic security-constrained unit commitment,SSCUC)。该模型将风电的不确定性用1个确定的预测风电场景和2个极限风电场景来表示,简化了问题的复杂度。同时,该模型引入了潮流约束和网络安全约束,保证了调度结果的可行性。为求解该模型,提出了基于广义Benders分解的计算方法。该方法将SSCUC问题分解为一个主问题和2T(T为调度周期)个约束潮流子问题,并通过交替迭代的方式获得原问题的最优解。4机9节点系统和改进118节点系统的计算结果验证了所提模型和算法的有效性。
文摘安全约束机组组合(security-constrained unit commitment,SCUC)作为编制发电计划的核心环节,在电力系统优化调度等方面具有十分重要的意义。因此,该文首先从物理模型和求解方法简要概述了SCUC问题。然后,从多目标、多元化决策变量、不确定性、多时间尺度与多元约束条件5个方面梳理了物理模型驱动的SCUC的研究进展,并分析了此类方法所面临的挑战。同时,重点总结归纳了现有基于人工智能技术和数据驱动的SCUC问题的研究成果,并分析了不同类型方法的特点、优势和缺陷。最后提出了对未来基于数据驱动的SCUC研究方向的相关思考。
