PDF《计及动态管存的电 — 气互联系统优化调度与高比例风电消纳》

1 9 ] 考虑了天然气网络的动态 过程, 通过独立优化、 交互迭代的方式实现了I E G S 的优化运行.文献[

2 0 ] 建立了天然气系统的动态线 性化最优潮流模型, 使其适应于大规模I E G S的多 时段优化求解.文献[

2 1 -

2 3] 考虑了天然气传输的 慢动态特性, 基于管存模型建立了计及动态特性的 I E G S混合整数线性规划优化模型, 其中文献[

2 3] 重点分析了管存的充裕度对I E G S运行的影响. 以上文献均从提升联合系统运行的安全、 经济 效益出发, 构建了I E G S的优化运行模型, 研究中对 I E G S的稳动态模型不断深化.随着未来风电、 燃 气发电比例的不断增多[ 4,

2 4 ] , I E G S作为能源利用的 新载体将愈发凸显其重要性, 而面向未来高比例风 电消纳的场景, 现阶段关于I E G S调度运行研究在 以下方面还略显不足.

1 ) 没有建立适当的风电接入指标评估并网风电 功率与其不确定程度的关系.现有文献对风功率的 不确定性处理主要采用两种方法: 一种做法是将风

1 3 第4 3卷第9期2019年5月1 0日Vol.43N o .

9 M a y1 0,

2 0

1 9 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 8

0 7

1 8

0 0

3 电的输出功率表示为随机变量并体现在 调度模型 中, 通过随机机会约束规划、 蒙特卡洛抽样、 场景法 等方法对随机变量进行处理, 该做法不考虑实际调 度可能存在弃风的情况, 可能造 成源―荷 无法匹配 而致使调度模型无解[

1 7,

2 5 -

2 6 ] ;

另一种做法是将风电 调度出力作为决策变量, 而对于风电的不确定性考 虑为高估/低估风电风险[

2 7 -

2 8] , 该方法中高估/低估 风电出力是建立在对整个风电场预测出 力的基础 上, 无法准确评估接入系统这部分风电的不确定性 给系统带来的影响.

2 ) 尽管已有文献考虑的电―气能量流传输的不 同时间尺度特性并对其建模反映在I E G S调度模型 中, 但现有分析多从确定性的优化潮流出发, 还未深 入分析I E G S中天然气传输的慢动态特性在应对风 电等新能源不确定功率波动所呈现的特性及影响. 基于此, 本文引入表征并网风电功率的比例系 数, 使风电随机性模型得以反映风电不确定程度与 并网功率的相关性.同时, 基于区间估计的思想, 将 并网风电出力的不确定程度表示为并网风功率随机 变量在某置信水平下的取值区间.再者, 推导了天 然气管存特性对不确定功率波动所呈现 的缓冲机 理;

进一步地, 计及天然气传输的动态管存特性, 通 过引入极限场景的优化方法, 以经济性最优建立了 含高比例风电的I E G S日前优化调度模型, 最后通 过构建仿真系统所提模型进行了验证和 算例仿真 分析.

1 基于区间估计的 并网 风电不确定性模型 1.

1 风电并网功率比例因子 对于接入I E G S的风电功率, 一方面取决于风 电接入I E G S的容量, 另一方面则受到自然条件( 主 要指风速) 的制约, 对任一并网风电场k, 任一时刻 t, 其并网功率Pw, k, t 可以表示为: Pw, k, t=fw( v k, t, PRW i n , k, t) (

1 ) 式中: 下标k 和t 分别表示第k 个风电场和第t 个 调度时段;

PRW i n , k, t 为风电场接入I E G S的容量;

v k, t 为风速大小, 一般表示为随机变量;

fw 为风电场并 网功率Pw 与风速大小v、 并网容量 PRW i n 之间的函 数关系式. 该函数关系式可以表示为[