考虑风电不规则概率分布的机组组合问题研究

摘要

风电作为一种储量丰富的清洁能源，其在电网中所占比重正迅速增长。但风电的随机性、波动性等特点给风电大规模并网带来了巨大挑战。目前风电出力预测精度较低、波动区间较大。而目前电网中以火电为主、柔性调节资源不足，导致电网调节能力有限。当风电出力处于峰值时，为保证系统安全稳定运行，电网将被迫“弃风限电”。此时风电场将通过主动控制限制自身出力水平，风电出力概率分布将表现为不规则形式。机组组合(Unit Commitment，UC)问题作为电力系统研究的基础问题之一，随着电网不确定性因素增多，其决策也趋于复杂化。在这一背景下，研究基于风电出力不规则概率分布下的UC问题有效建模方式及高效求解算法具有重要的理论意义和实际价值。本文主要研究内容及成果如下:
　　1.本文首先在风电传统概率分布模型的基础上，考虑风电场被迫参与“弃风限电”对风电出力概率分布模型的影响，建立了计及风电主动控制能力的风电出力概率分布模型，该分布模型呈不规则形式。
　　2.基于场景法建立风电出力不规则概率分布下的UC数学模型时，可靠的场景集是场景法UC模型决策结果精度的重要保障，现有场景生成方法中关于单风场场景生成方法居多，多风场场景生成方法比较有限。本文综合分析了现有多风电场场景生成方法的优缺点，提出了一种新的多风电场场景生成方法。
　　3.基于场景法建立了考虑风电出力不规则概率分布的UC数学模型，该模型中包含一个风电出力计算场景和若干风电出力误差场景，两类场景下，常规机组保持相同启停状态。并基于Benders分解(Benders Decomposition，BD)算法将原UC模型分解成三个子问题:机组组合主问题、风电场景子问题及安全约束子问题，建立了与之等效的BD-UC模型。然后通过分析风电出力计算场景对UC模型的影响，提出了一种风电出力不规则概率分布下的计算场景选取方式。
　　4.综合分析了影响BD算法求解效率的主要因素，针对BD算法存在的问题，本文提出了两点优化措施:风电场景子问题迭代顺序优化、场景子问题规模优化。前者可以有效减少BD算法的迭代次数，后者可以缩短子问题的求解时间。以上优化策略均能有效提高BD算法的求解效率，对UC模型的高效求解具有重要意义。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景与意义

1．2 国内外风电发展概况

1．3 问题历史回顾

1．3．1 含风电机组组合建模方法研究现状

1．3．2 电力系统机组组合求解方法研究现状

1．4 目前研究存在问题及本文主要工作

1．4．1 目前研究中存在的问题

1．4．2 本文主要工作及内容安排

第2章 风电不规则概率分布模型及场景法建模

2．1 引言

2．2 风电出力不规则概率分布模型

2．2．1 风电出力常规概率分布模型

2．2．2 计及风电主动控制能力的风电出力概率分布模型

2．3 单风场场景生成方法

2．3．1 场景抽样方法

2．3．2 场景缩减技术

2．4 多风电场场景生成方法

2．5 场景树生成方法

2．6 本章小结

第3章 基于风电不规则概率分布的机组组合建模与求解

3．1 引言

3．2 机组组合数学模型

3．2．1 目标函数

3．2．2 约束条件

3．3 Benders分解算法应用于机组组合

3．3．1 BD-UC模型基础理论

3．3．2 BD-UC模型子问题建模

3．3．3 BD-UC模型求解流程

3．4 基于风电不规则概率分布的风电出力计算场景选取

3．5 模型求解

3．5．1 CPLEX应用介绍

3．5．2 非线性因素线性化

3．6 算例分析与仿真结果

3．6．1 单风场算例

3．6．2 多风场算例

3．7 本章小结

第4章 不规则BD-UC模型的加速求解方法

4．1 引言

4．2 Benders分解算法求解效率影响因素分析

4．3 Benders分解算法迭代顺序优化

4．4 基于场景树的风电场景子问题优化

4．5 优化后的BD-UC模型求解流程

4．6 算例分析与仿真结果

4．6．1 场景迭代顺序对BD-UC模型的影响

4．6．2 场景子问题优化对BD-UC模型的影响

4．7 本章小结

第5章 总结与展望

5．1 工作总结

5．2 进一步展望

参考文献

附录

读硕士学位期间取得的成果

致谢