在中长期水火发电调度中考虑检修计划的影响是目前中长期水火发电调度面临的难题。利用现代整数代数建模技术，建立发电计划和检修计划协调优化的多场景调度模型。在该模型中，鉴于设备检修计划的连续性，在预测场景树的基础上，将场景...在中长期水火发电调度中考虑检修计划的影响是目前中长期水火发电调度面临的难题。利用现代整数代数建模技术，建立发电计划和检修计划协调优化的多场景调度模型。在该模型中，鉴于设备检修计划的连续性，在预测场景树的基础上，将场景节点划分成不同的场景，通过节点和场景关联矩阵，实现多场景下设备检修模型的构建。同时，鉴于中长期调度计划中发电计划和检修计划对时段间隔要求的不同，分别设置电量相关节点和电力相关节点，实现中长期发电计划和检修计划的协调。上述模型是一个大规模混合整数线性规划（mixed integer linear programming，MILP）问题，采用商用MILP求解器进行求解。大规模实际水火电系统的实例分析结果表明，所提模型和方法是可行、有效的。展开更多
“双碳”目标下,为促进火电机组低碳发展,同时实现大规模新能源的开发和利用,综合能源系统低碳转型迫在眉睫。对此,该文集成生物质耦合发电、碳捕集以及电化工等低碳技术,提出考虑“燃煤+”耦合发电与电-碳-氢-化工耦合的综合能源虚拟电...“双碳”目标下,为促进火电机组低碳发展,同时实现大规模新能源的开发和利用,综合能源系统低碳转型迫在眉睫。对此,该文集成生物质耦合发电、碳捕集以及电化工等低碳技术,提出考虑“燃煤+”耦合发电与电-碳-氢-化工耦合的综合能源虚拟电厂(integrated energy virtual power plant,IEVPP)随机低碳调度策略,降低系统碳排放并提升系统经济性。首先,考虑“燃煤+”耦合发电与碳捕集技术,将火电机组改造为生物质混燃碳捕集电厂,分析其低碳特性;其次,考虑电-碳-氢-化工耦合过程,引入低碳化工生产单元并分析其能量流动关系,通过化工生产促进风光消纳;再次,考虑风光不确定性对系统的影响,以能源耦合、设备运行等约束构建IEVPP随机低碳调度模型;最后,以系统收益期望最大为目标,通过算例仿真验证该文所提调度策略可实现IEVPP的协调运行,提升系统经济性与低碳性。展开更多
虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、...虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、出力特性、接入网络时延、网络承载能力等约束条件,考虑异构网络下设备接入的丢包率和时延理论性能构建了以收益损失最小化为目标的优化模型。然后,利用分层求解和贪婪算法进行模型求解,获得设备的接入方式。最后,仿真验证了所提模型和算法的有效性和可靠性。结果表明,所提算法可提高网络接入容量并降低系统收益损失,实现收益最大化。展开更多
为了应对可再生能源输出和负荷需求不确定性带来的风险,提出了一种联合风机、光伏、负荷和储能运营的虚拟电厂(virtual power plant,VPP)鲁棒优化调度模型。优化目标是在源荷不确定性的情况下,最大化系统收益并降低惩罚成本,从而构建了m...为了应对可再生能源输出和负荷需求不确定性带来的风险,提出了一种联合风机、光伏、负荷和储能运营的虚拟电厂(virtual power plant,VPP)鲁棒优化调度模型。优化目标是在源荷不确定性的情况下,最大化系统收益并降低惩罚成本,从而构建了min-max-min形式的两阶段鲁棒优化模型。首先,在预调度阶段,根据源荷侧的预测值来制定VPP日前收益最大的出力方案;其次,再调度阶段结合前一阶段的决策,VPP利用购售电和储能系统等快速调节出力,应对不确定性变量的波动进而在最坏情况下实现最佳运行效益;再次,在交互迭代中,使用了对偶变换及列约束生成算法(columnand-constraint generation C&CG)。最后,仿真结果不仅验证了模型的经济性、鲁棒性和稳定性,而且表明优化调度方案有助于减少不确定性带来的波动,最终实现平衡VPP的经济效益和运营风险。展开更多
柔性负荷参与新型电力系统的优化调度对于提高新能源的消纳能力具有显著作用,但目前柔性负荷潜力尚未充分挖掘。针对这一问题,提出一种基于源荷预测的日前-日内优化调度方法。首先,采用麻雀搜索算法优化卷积长短时记忆神经网络(sparrow ...柔性负荷参与新型电力系统的优化调度对于提高新能源的消纳能力具有显著作用,但目前柔性负荷潜力尚未充分挖掘。针对这一问题,提出一种基于源荷预测的日前-日内优化调度方法。首先,采用麻雀搜索算法优化卷积长短时记忆神经网络(sparrow search algorithm is used to optimize the convolutional long-term and short-term memory neural network,SSA-CNN-LSTM)对新能源和负荷进行日前和日内功率预测;其次,根据柔性负荷的特性和需求响应灵活性,将负荷分为可平移、可转移和可削减负荷等不同类型,以考虑阶梯式碳交易成本的系统运行成本和污染气体排放最优为目标构建源荷互动的日前-日内两阶段低碳环境经济调度模型;最后,利用改进多目标灰狼算法(multi-objective grey wolf algorithm,MOGWO)对模型进行求解。算例分析表明,通过对柔性负荷分类参与调度较传统方式总成本降低8.6%、污染物排放减少4.1%、新能源消纳能力提高4.2%,在多时间尺度内显著降低新能源和负荷响应的不确定性并提高新型电力系统的低碳环境经济综合效益。展开更多
针对新能源电力系统中源荷不确定性导致的系统调度灵活性严重不足问题,文中提出了一种考虑源荷不确定性的电力系统两阶段鲁棒优化模型。根据源荷不确定性特征,结合K-means法和鲁棒优化理论,在多时间尺度对电力系统灵活性需求进行量化。...针对新能源电力系统中源荷不确定性导致的系统调度灵活性严重不足问题,文中提出了一种考虑源荷不确定性的电力系统两阶段鲁棒优化模型。根据源荷不确定性特征,结合K-means法和鲁棒优化理论,在多时间尺度对电力系统灵活性需求进行量化。首先,建立日前鲁棒调度模型,充分挖掘火电机组、抽水蓄能等资源的灵活调节潜力,将火电灵活改造及抽水蓄能抽发状态作为模型的第一阶段决策变量,各灵活资源的出力作为第二阶段决策变量,并以灵活改造成本、碳排放成本及运行成本最小为优化目标。其次,在模型求解中,将所建立的两阶段鲁棒模型转化为相对独立的主问题和子问题,并采用列与约束生成(column and constraint generation,C&CG)算法和强对偶理论反复迭代,以逼近最优解。最后,通过算例验证,所提出的优化调度策略在满足灵活性需求的基础上,统筹各类资源,实现了系统中经济性、环保性、灵活性的均衡,并增强了对源荷不确定性风险的抵御能力。展开更多
文摘在中长期水火发电调度中考虑检修计划的影响是目前中长期水火发电调度面临的难题。利用现代整数代数建模技术，建立发电计划和检修计划协调优化的多场景调度模型。在该模型中，鉴于设备检修计划的连续性，在预测场景树的基础上，将场景节点划分成不同的场景，通过节点和场景关联矩阵，实现多场景下设备检修模型的构建。同时，鉴于中长期调度计划中发电计划和检修计划对时段间隔要求的不同，分别设置电量相关节点和电力相关节点，实现中长期发电计划和检修计划的协调。上述模型是一个大规模混合整数线性规划（mixed integer linear programming，MILP）问题，采用商用MILP求解器进行求解。大规模实际水火电系统的实例分析结果表明，所提模型和方法是可行、有效的。
文摘“双碳”目标下,为促进火电机组低碳发展,同时实现大规模新能源的开发和利用,综合能源系统低碳转型迫在眉睫。对此,该文集成生物质耦合发电、碳捕集以及电化工等低碳技术,提出考虑“燃煤+”耦合发电与电-碳-氢-化工耦合的综合能源虚拟电厂(integrated energy virtual power plant,IEVPP)随机低碳调度策略,降低系统碳排放并提升系统经济性。首先,考虑“燃煤+”耦合发电与碳捕集技术,将火电机组改造为生物质混燃碳捕集电厂,分析其低碳特性;其次,考虑电-碳-氢-化工耦合过程,引入低碳化工生产单元并分析其能量流动关系,通过化工生产促进风光消纳;再次,考虑风光不确定性对系统的影响,以能源耦合、设备运行等约束构建IEVPP随机低碳调度模型;最后,以系统收益期望最大为目标,通过算例仿真验证该文所提调度策略可实现IEVPP的协调运行,提升系统经济性与低碳性。
文摘虚拟电厂(virtual power plant,VPP)可利用异构网络实现分布式新能源聚合调度,实现综合效益提升。为了提高VPP在不同网络下的丢包与时延等非理想传输能力,提出面向异构通信网络的设备接入优化算法。首先,分析总结了VPP设备充放电容量、出力特性、接入网络时延、网络承载能力等约束条件,考虑异构网络下设备接入的丢包率和时延理论性能构建了以收益损失最小化为目标的优化模型。然后,利用分层求解和贪婪算法进行模型求解,获得设备的接入方式。最后,仿真验证了所提模型和算法的有效性和可靠性。结果表明,所提算法可提高网络接入容量并降低系统收益损失,实现收益最大化。
文摘为了应对可再生能源输出和负荷需求不确定性带来的风险,提出了一种联合风机、光伏、负荷和储能运营的虚拟电厂(virtual power plant,VPP)鲁棒优化调度模型。优化目标是在源荷不确定性的情况下,最大化系统收益并降低惩罚成本,从而构建了min-max-min形式的两阶段鲁棒优化模型。首先,在预调度阶段,根据源荷侧的预测值来制定VPP日前收益最大的出力方案;其次,再调度阶段结合前一阶段的决策,VPP利用购售电和储能系统等快速调节出力,应对不确定性变量的波动进而在最坏情况下实现最佳运行效益;再次,在交互迭代中,使用了对偶变换及列约束生成算法(columnand-constraint generation C&CG)。最后,仿真结果不仅验证了模型的经济性、鲁棒性和稳定性,而且表明优化调度方案有助于减少不确定性带来的波动,最终实现平衡VPP的经济效益和运营风险。
文摘柔性负荷参与新型电力系统的优化调度对于提高新能源的消纳能力具有显著作用,但目前柔性负荷潜力尚未充分挖掘。针对这一问题,提出一种基于源荷预测的日前-日内优化调度方法。首先,采用麻雀搜索算法优化卷积长短时记忆神经网络(sparrow search algorithm is used to optimize the convolutional long-term and short-term memory neural network,SSA-CNN-LSTM)对新能源和负荷进行日前和日内功率预测;其次,根据柔性负荷的特性和需求响应灵活性,将负荷分为可平移、可转移和可削减负荷等不同类型,以考虑阶梯式碳交易成本的系统运行成本和污染气体排放最优为目标构建源荷互动的日前-日内两阶段低碳环境经济调度模型;最后,利用改进多目标灰狼算法(multi-objective grey wolf algorithm,MOGWO)对模型进行求解。算例分析表明,通过对柔性负荷分类参与调度较传统方式总成本降低8.6%、污染物排放减少4.1%、新能源消纳能力提高4.2%,在多时间尺度内显著降低新能源和负荷响应的不确定性并提高新型电力系统的低碳环境经济综合效益。
文摘针对新能源电力系统中源荷不确定性导致的系统调度灵活性严重不足问题,文中提出了一种考虑源荷不确定性的电力系统两阶段鲁棒优化模型。根据源荷不确定性特征,结合K-means法和鲁棒优化理论,在多时间尺度对电力系统灵活性需求进行量化。首先,建立日前鲁棒调度模型,充分挖掘火电机组、抽水蓄能等资源的灵活调节潜力,将火电灵活改造及抽水蓄能抽发状态作为模型的第一阶段决策变量,各灵活资源的出力作为第二阶段决策变量,并以灵活改造成本、碳排放成本及运行成本最小为优化目标。其次,在模型求解中,将所建立的两阶段鲁棒模型转化为相对独立的主问题和子问题,并采用列与约束生成(column and constraint generation,C&CG)算法和强对偶理论反复迭代,以逼近最优解。最后,通过算例验证,所提出的优化调度策略在满足灵活性需求的基础上,统筹各类资源,实现了系统中经济性、环保性、灵活性的均衡,并增强了对源荷不确定性风险的抵御能力。
