论文部分内容阅读
随着能源类型的丰富,可再生能源发电在电网中所占的比例呈现快速上升趋势。风能作为一种清洁能源因为其可靠、优质的的特性,近年来,其装机容量也在不断增加。为了实现2050年可再生能源占一次能源消费比例60%以上的目标,风力发电作为未来可再生能源的支柱力量受到了广泛的关注。然而,就我国的风电发展现状来看,高渗透率的风电出力给电网安全稳定运行带来了巨大的冲击,大规模风电场出力无法充分消纳。这一问题,除了受限于传输容量限制、源荷分布差异等硬件条件因素的影响外,预测手段和建模方法的不精确,电能分配调度准确性较低也是主要原因。因此,整合现有资源,接纳新的调度手段,在高渗透率风电比例下探索经济、可靠的机组组合与经济调度计划尤为必要。本文根据目前风电接入在机组组合调度应用中存在的主要问题,分析了风电场景生成及消减过程,搭建并求解了高渗透率风电接入下的概率机组组合模型,并在此模型的基础上,将多种需求侧资源加入机组组合模型之中,求解分析了源荷协调的概率机组组合问题。首先,针对风电场景生成及消减过程,本文分别将核密度估计、拉丁超立方逆变换抽样及粒子群改进的K-medoids聚类运用于风电预测误差分析、场景生成、场景消减之中。本文首先运用风电预测误差的历史统计数据,运用核密度估计的方法拟合风电预测误差的经验概率分布,然后采用拉丁超立方逆变换抽样(LHS)的方法进行风电预测误差及风电出力时间序列的场景生成。为了将生成后的场景运用于机组组合计算之中,本文提出了一种基于粒子群寻优的K-medoids聚类消减方法。针对传统K-mediods聚类中聚类点收敛速度慢、聚类优化结果多变的问题,本文运用粒子群算法,加快了聚类的收敛速度,优化了场景的聚类质量,有效的生成了高质量的风电场景。最后运用2016年上半年的BPA风电数据预测误差进行场景分析,搭建了未来24小时的风电出力模型,并运用拉丁超立方逆变换抽样和粒子群改进的K-medoids聚类方法进行了场景的生成与消减。然后,针对高比例风电接入对电网带来的弃风失负荷问题,本文提出了一种高渗透率风电接入下的概率机组组合模型。在模型方面,本文采用了一种计及弃风失负荷、风电备用及应急备用的概率机组组合模型,通过优化使概率机组组合期望成本计算更为准确。在求解方式上,本文将该问题转化为混合整数二次规划问题,并给出了对火电机组启停成本及最小启停机时间的处理方法。为了反映高比例风电出力情况下的突出问题,文章在10机组算例的基础上,建立了一个高渗透率风电出力场景。通过运用该模型,分析了风电出力不足、风电出力过剩、火电爬坡不足等极端场景对机组组合的影响,同时验证了提出的概率机组组合模型在应对高比例风电出力方面的灵活性和有效性。最后,针对多种类型的需求侧资源参与电网协调调度的问题,本文提出了一种高渗透率风电接入下源荷协调的概率机组组合模型。在模型构建方面,本文综合响应特性与响应方式的不同将需求侧资源分为了四类:双向调节型、电量平移型、中断补偿型、电价响应型,以机组运行期望成本最小为目标,结合实时电价,对多种需求侧资源的运行及补偿成本进行了分析讨论。在算例方面,本文在高渗透率风电模型的基础上加入了四种需求侧资源,对各种需求侧资源对风电的消纳能力进行了分析和对比,并通过算例验证了本文给出的源荷协调的概率机组组合模型可以较好的优化协调各种需求侧资源,通过给出最优的源荷启停方式,降低日内期望运行成本,在不改变火电机组容量的情况下,减少弃风失负荷损失。