PDF《计及灵活性的检修 — 运行协同优化模型及算法》

计及灵活性的检修―运行协同优化模型及算法 许奕斌1 ,章禹1 ,何宇斌1 ,郭创新1 ,朱炳铨2 ,项中明2 ( 1.

浙江大学电气工程学院,浙江省杭州市

3 1

0 0

2 7;

2. 国网浙江省电力公司,浙江省杭州市

3 1

0 0

2 7 ) 摘要:为提升风电并网条件下电力系统的运行灵活性, 提出一种结合场景分析和协同优化的检修― 运行决策方法.采用 K - m e d o i d s聚类方法获得风电出力典型场景集, 同时根据典型性评估指标确 定目标场景集规模.以经济性和灵活性为目标, 建立融合多场景经济调度的 检修―运行 分层协 同优化模型.为提高模型求解效率, 引入对潮流安全违约 轻容忍 的改进 B e n d e r s分解法, 降低运 行优化主问题的约束矩阵维数.通过拉格朗日松弛技术及乘子更新机制, 实现检修和运行的协同 寻优.算例测试验证了所述模型及算法能有效实现经济性及灵活性更优的检修―运行决策. 关键词:灵活性;

场景分析;

协同优化;

检修决策;

机组组合;

改进 B e n d e r s分解;

拉格朗日松弛 收稿日期:

2 0

1 7 -

0 6 -

2 2;

修回日期:

2 0

1 7 -

1 1 -

3 0. 上网日期:

2 0

1 8 -

0 3 -

0 6. 国家自然科学基金重点项目(

5 1

5 3

7 0

1 0 ) .

0 引言 发输电检修计划、 机组组合与安全约束经济调 度, 是大电网运行方式决策的核心任务.传统电网 的运行决策通常以经济性和供电可靠性作为优化目 标.由于风电的大规模接入, 其随机性和波动性对 电网运行产生显著影响, 灵活性成为新一代电网运 行方式决策的重要考量指标. 当前, 计及灵活性的电网不确定性优化方法主 要分为两种: 鲁棒优化和随机优化.前者通常研究 波动量边界对优化问题的影响, 能给出最劣情况下 的最优决策, 但保守性较高[

1 -

2 ] ;

后者通常结合波动 量的概率分布给出统计性最优的决策结果, 保守性 有所改善.随着风电预测和数据挖掘技术的发展, 随机优化方法具有广阔的应用前景. 随机优化的典型建模方法包括机会约束规划[ 3] 和场景分析[

4 - 5] .前者的局限在于难以给出随机变 量的联合概率约束, 而后者只需在目标函数中引入 随机因素, 降低了约束条件的建模难度.实现场景 分析的基础是有效的场景生成技术.文献[ 6] 采用 蒙特卡洛抽样方法评估含风电场电网的灵活性, 但 缺少场景削减, 解算时间长, 不适用于决策型问题;

文献[7-8]分别采用后向场景削减技术和K-medoids聚类方法进行场景缩减, 筛选出典型场景 集.但现有研究在目标场景集合理规模的确定上尚 未给出有效的方法. 随着状态检修技术的日益成熟, 设备检修决策 和电网运行方式决策之间的关联越来越密切, 对其 进行协同决策将带来更大的经济及社会效益[ 9] .针 对协同优化问题的求解, 文献[

1 0] 采用 B e n d e r s分 解算法, 将检修―运行联合决策模型分解为主问题、 辅助问题及潮流子问题;

文献[

1 1 -

1 2] 采用拉格朗日 松弛( L a g r a n g i a nr e l a x a t i o n , L R) 技术, 实现协同优 化模型的分解.上述算法均有效提升了模型的求解 效率.但在多场景的协同优化问题上, 由于变量及 约束随多场景的引入而翻倍, 优化空间可能面临 维 数灾 问题, 仍需改进算法, 进一步提高求解效率. 本文结合场景分析及协同优化, 提出一种计及 灵活性的检修―运行日前决策方法, 建立风电并网 条件下电源及电网运行结构优化的新模式.首先, 针对风电不确定性对电网运行的影响, 提出风电出 力典型场景集的获取方法和场景规模合理性的量化 方法, 并建立相应的期望值优化模型.其次, 针对多 场景优化模型求解规模大、 算法效率要求高的问题, 提出一种在可行性检查阶段对潮流安全违约 轻容 忍 的改进 B e n d e r s分解法, 提高计算速度.同时, 通过 L R 技术和乘子更新机制, 实现检修―运行两层 问题的协同寻优.最后, 通过仿真算例验证了本文 方法实现检修―运行协同优化决策的有效性.