考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法分析

本文是电力论文，相比于经典鲁棒优化中的多面体不确定集，可以更准确反映可再生能源出力预测误差的多模态分布特性。基于该数据驱动不确定集建立数据驱动鲁棒优化调度模型，可以更合理的制定机组启停计划，降低所得到的调度计划保守性。数据驱动鲁棒优化调度模型具有min-max-max-min的复杂结构，难以直接求解。为此，在考虑IES参与调节的电力系统不确定性优化方面，文献[91]考虑了建筑物热惯性，提出了基于机会约束规划的调度模型，相比于确定性调度可以更充分利用热负荷的调节能力。文献[59]基于两阶段RO，建立了IES机组组合及备用联合优化模型，降低了传统RO的保守性。但这些研究同样存在上一节中关于不确定性优化的问题。此外，现有研究主要采用了集中式的调度架构，但电力系统和其他能源系统可能分属不同的运营商，出于隐私保护和利益分配等问题，还有待研究分散协同的调度架构。提出了有效求解该问题的算法：首先将内层max-min通过KKT条件转化为单层问题，然后采用C&CG算法，给出了主问题和子问题的C&CG迭代流程。在日前调度方面：现有研究未能有机结合日前和日内两阶段的调度过程，导致调度计划要么未卜先知，要么陷入局部最优。类似于火电机组旋转备用，日前调度问题中优化灵活性资源的区间量可以提升调度计划的经济性，但目前还缺乏这些区间量的统一的表述方式。在调度对象方面：现有研究集中于电力系统的鲁棒优化调度，对其他能源系统的调控潜力发掘不足。直接将电力系统的集中式调度架构拓展到多能源系统可能面临运营商隐私保护等问题，因此还需研究分散协同的调度架构。

第1章绪论

文献[97–99]研究了热能的需求侧响应和主动负荷对风电消纳等经济性指标提升的作用。文献[100,101]研究了考虑电动汽车的协同优化调度模型，并给出了实际案例分析。文献[102]则进一步综合考虑了源侧灵活性改造和荷侧可调节负荷对风电消纳的协同提升作用。在储能侧，文献[103]在热网配置了调峰电锅炉的基础上，进一步建立了考虑储热式电锅的优化调度模型，分析了配置方式对弃风率的影响。此外，文献[8,104]研究了IES内部资源聚合的方法，将IES封装为虚拟电厂向电网提供辅助服务，保护了IES运营商隐私的同时提升了电网风电消纳。文献[105,106]研究了IES向电网提供综合需求响应的方法，在特定时段可以提供削峰/填谷的服务。以上研究侧重于在物理层面讨论IES提升电网可再生能源消纳的作用，在模型和算法方面则研究较少。现有研究大多沿用电力系统的确定性调度模型，因此其提升的效果主要体现在减少调峰能力不足导致的确定性弃风，而无法充分发挥IES减少因可再生能源出力不确定性导致的弃风的作用，也无法准确评价IES在可再生能源出力不确定性下对其消纳提升的效果。基于鲁棒优化的电力系统调度是一个正在快速发展的领域，存在许多问题值得研究和商榷。由于直博年限的限制，本人选取以下四个方面的问题展开深入研究：（1）在分析方法方面：现有研究大多采用人为给定的可再生能源不确定集，未能合理分析可再生能源出力的分布特征，据此不确定集得出的调度计划往往偏向于保守。（2）在日内调度方面：现有方法大多未能脱离LAED的框架，优化目标较为短视，难以充分发挥灵活性资源，尤其是储能类灵活性资源应对可再生能源不确定性的作用。

第2章基于可再生能源出力预测误差聚类的数据驱动鲁棒优化

2.1引言

在电力调度问题中，可再生能源出力的不确定性是其主要的不确定性来源，其中又以风电和光伏两大随机性可再生能源为主。光伏出力主要由太阳辐照强度决定，此外还受到云量、温度等因素影响，相较于风电，15分钟级至小时级的波动性较弱，但5分钟内的波动性更强。当前，风电出力预测的准确性不佳，根据国家能源局发布的《风电场功率预测预报管理暂行办法》，日前阶段风电出力预测的相对误差要求仅为25%，而实际的预测误差还受到风机、电网等其他因素影响。光伏出力预测的准确度则与天气条件关系密切，根据美国加州地区的统计数据[111]，晴空条件下，超短期光伏出力预测的均方根误差在8％以内，而云量较大时超短期光伏出力预测的均方根误差达到20％以上，此外地面温度等原因也会对光伏出力预测误差产生影响。上述原因使得风电和光伏的出力预测误差呈现多峰值、多模态的复杂分布特性，数据分析处理难度较大，导致当前运行人员对于预测误差难以得到准确的把握。最后，通过两风电场出力预测误差和风-光联合出力预测误差数据，比较了所提的DPGMM数据驱动不确定集和其他不确定集构造方法，并应用到电力系统机组组合问题中，说明了所提方法相较于经典鲁棒优化的优势。

各章节研究内容及逻辑关系

2.2数据驱动的可再生能源

出力不确定集选取新疆两风电场的历史预测数据和历史实际出力数据进行分析，得到历史预测误差数据集共2000个样本点。分别生成经典多面体不确定集、PCA数据驱动不确定集、DPGMM数据驱动不确定集，结果图2.5所示，其中散点为原始数据，彩色区域表示不确定集。由于经典多面体不确定集中参数是人为选取的，导致其生成的不确定集包含了过多概率极低的区域。PCA数据驱动不确定集改进了经典多面体不确定集人为选择参数的缺点，通过计算协方差矩阵来确定置信椭球的形状和大小，缩小了不确定集，且一定程度反映了2个风电场预测误差之间的相关性，但它无法反映风电预测误差的多模态特性，且仍然包含较多低概率区域。DPGMM数据驱动不确定集准确识别了预测误差由2个高斯分布所构成，形成的不确定集是2个置信椭球的并集，这排除了2个风电场同时预测误差较大的区域，使得不确定集进一步缩小。对多可再生能源电站出力预测误差呈现多模态的复杂特性问题，本章基于DPGMM，对可再生能源预测误差样本集进行聚类后得到数据驱动的不确定集，并提出了此类数据驱动的鲁棒优化算法的求解算法。通过仿真算例分析，得到以下结论：1）采用DPGMM法对可再生能源预测误差进行聚类，可以不用事先假定聚类数K，聚类结果准确反映了可再生能源预测误差的多模态分布特性。该方法是一种数据驱动的方法，随着数据量的增加可以自适应地调整K值与相应的类别参数。2）基于DPGMM聚类生成的不确定集，相比传统的多面体不确定集与主成分分析法得到的不确定集，可以更合理地制定机组启停计划，从而降低所得到的调度计划保守性。此外，通过调整2个不确定度参数，同样实现对鲁棒优化模型保守性的控制，提高了模型和方法的适用性。

第3章基于多阶段鲁棒优化的含储能电网日内调度方法.........................................................30

3.1引言.......................................................................................................................................30
3.2多阶段鲁棒优化及FRDDP...................................................................................................31

第4章基于电网经济运行域日前-日内两阶段鲁棒调度方法....................................................52

4.1引言.......................................................................................................................................52
4.2鲁棒机组组合的局限性.........................................................................................................53

4.3基于经济运行域的增广鲁棒机组组合.................................................................................56
第5章分散协同的电-热联合系统多阶段鲁棒调度....................................................................72
5.1引言.........................................................................................................................................72
5.2电热联合系统建模.................................................................................................................73

第6章电网经济运行域软件与综合能源优化调度软件开发

6.1引言

电力生产高度依赖于电网运行控制技术和能量管理系统（EMS）。当前，在各省级电网得到广泛应用的EMS是智能电网调控技术支持系统D5000。在D5000系统中，电网调度计划类软件包括以安全约束机组（SCUC）和安全约束经济调度（SCED）为核心的日前、日内、实时调度计划优化编制模块，实现了日前、日内机组启停计划及出力计划的滚动协调优化编制，并与静态安全校核闭环迭代，适应节能、三公和电力市场多种调度模式，支持常规火电、水电与风电、光伏等间歇式可再生能源的多源协调优化调度。该系统已运行多年，支撑了国分省多级调度计划业务协调运作。然而，现阶段EMS中的调度计划类软件还存在以下问题。各周期调度计划优化基于确定性的负荷预测、可再生能源功率预测和发输电设备运行计划，面对负荷、可再生能源出力不确定性给电网安全经济调度运行带来的挑战，电力调度部门必须采用相对保守的发电计划，预留足够的系统备用容量以应对负荷、可再生能源的不确定性，从而降低了常规机组发电效率，也影响了对可再生能源的有效接纳。因此，需要深入探索能兼顾负荷、可再生能源的不确定性、电网运行特性和调度运行可操作性、经济性的电网经济运行域生成方法。另一方面，当前EMS管理的对象都是电力系统，尚未拓展到多能源领域。近年来，以电为中心，天然气、冷、热互补的综合能源系统得到了蓬勃发展，如何进行“多能互补、源网荷协同”，以实现安全供能前提下的综合能效最大化，这是在综合能源系统落地过程中面临的一个焦点问题。解决该问题不仅需要多能互补理论的探索，更需要调度控制软件的支撑。因此，亟需将面向电网的EMS拓展为综合能源管理系统。

不同方法生产的不确定集与两风电厂风电预测误差原始数据的比较

6.2电网经济运行域软件

电网经济运行域软件主要包含可再生能源不确定性分析、电网经济运行域计算和调度计划生成三大功能，如图6.1所示。其中可再生能源出力预测分析部分根据历史一个月的可再生能源出力预测数据和实测数据进行对比分析，得出当日的预测误差区间；电网经济运行域部分首先计算周度的机组组合，在给定启停计划的基础上，计算读取省级电网负荷预测、机组出力计划等数据，计算出下一日的系统有功调节边界，在日内运行时，若需要调整，也可以重新进行计算；调度计划生成部分在经济运行域的基础上，读取实时的SCADA数据，进一步计算出系统的最优调度计划。在主页的右上方展示了今日96个点的可再生能源区间预测，其中预测均值从支撑平台读取，预测误差则根据历史数据统计得出，对应的展示了预测的上界以及下界。共有80%、90%、98%三个置信区间可供选择，置信区间影响了调度计划的保守度，体现为经济运行域的宽度发生变化。在80%置信度的风电预测区间下，相比98%置信度，经济运行域变窄，系统可以为风电消纳预留更少的备用，从而提升了调度计划的经济性，但会相应的造成更高的风险。为了契合工业用户的需求，综合能源优化调度软件主要实现以下功能：实时系统监控、冷热电一体化建模、综合能源优化调度、需求侧响应。其中实时系统监控模块详细显示了园区的接线图；冷热电一体化建模在拓扑分析的基础上，对园区各类供用能设备进行统一建模，生成能源枢纽等抽象数学对象，以供后续模块使用；优化调度模块可以根据用户的自定义配置，对未来24小时的冷热电供能计划作出优化；需求侧响应模块可以详细展示冷热电可调节负荷的负荷响应情况。

第7章总结与展望

为解决基于确定性优化的调度方法造成的计划保守、可再生能源消纳欠佳的问题，亟需对电网调度问题进行不确定性建模，并发挥多能源形式的灵活性资源，这使得电网调度成为一个强不确定性、多时间尺度、多调控主体的复杂优化问题。2）提出一种基于多阶段鲁棒优化的含储能电网日内调度方法针对考虑可再生能源出力不确定性的含储能电网日内经济调度问题，提出了多阶段鲁棒调度模型（Multi-StageRobustDisptach,MSRD）。MSRD扩展了传统前瞻经济调度的时间窗口，通过引入最坏情况值函数，衡量决策产生的未来所有时段的成本的最坏情况，从而可以在全天范围内统筹储能资源缓解弃风和切负荷。与多阶段随机调度方法相比，MSRD不需要实现获取风电的准确分布，并且可以在最不利的风力发电场景下提高系统的性能，填补了日内多阶段经济调度这一领域风险规避方法的空白。算例分析表明，在含有随机性可再生能源和储能系统的场景下，采用MSRD可以显著提高运行经济性。通过不同置信度的选取，可以显示出不同的置信区间。可再生能源预测误差分析模块不仅可以为调度员直观的展示预测误差的大小，也可以为其他模块提供必要的数据支持。在经济运行域曲线图底下的自动巡航配置栏目中，可以切换不同的置信区间。       
参考文献（略）