為提升分布式發(fā)電單元在電網(wǎng)的滲透率,微網(wǎng)技術(shù)應(yīng)運而生。分布式可再生能源單元出力具較強隨機性,加之需求響應(yīng)工作的進一步推廣,其源荷側(cè)的不確定性更加突出。當前基于人工智能的預(yù)測技術(shù)在數(shù)據(jù)處理和模型表達等方面具有很大優(yōu)勢,但預(yù)測精度尚不能滿足可再生能源接入下微網(wǎng)的調(diào)度需求。如何在源荷側(cè)功率波動情況下,既能保證調(diào)度方案的最優(yōu)性,又能提升可再生能源的利用率,是微網(wǎng)優(yōu)化調(diào)度的關(guān)鍵。魯棒優(yōu)化方法提前考慮了不確定性參數(shù)的波動,所得最優(yōu)解具有較強抗干擾性,受到廣泛關(guān)注。當前微網(wǎng)魯棒優(yōu)化調(diào)度研究中,仍存在解的保守性強及不能提升可再生能源消納能力等方面的問題,而開展多能互補微網(wǎng)兩階段魯棒優(yōu)化調(diào)度是解決以上問題的可行方法,對其深入研究將具有重要的理論價值與實際意義。本文首先分析了微網(wǎng)中分布式風電、光伏以及負荷的出力特性,指出了微網(wǎng)優(yōu)化調(diào)度中存在的多種不確定性因素。為解決上述不確定性因素下的優(yōu)化調(diào)度問題,引出了魯棒優(yōu)化方法。其次,研究計及需求響應(yīng)的微網(wǎng)兩階段魯棒優(yōu)化調(diào)度方法,并構(gòu)建了min-max-min 形式的兩階段優(yōu)化模型,其預(yù)調(diào)度階段根據(jù)源荷側(cè)的預(yù)測值來制定各分布式電源出力、需求響應(yīng)負荷運行及備用容量設(shè)置... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

本文研究工作的論文框架

第二章微網(wǎng)優(yōu)化調(diào)度不確定因素及魯棒優(yōu)化思想11一類優(yōu)化問題，其數(shù)學模型的一般形式為：Uxhxf0),(s.t.),(min(2-5)式中，為不確定性參數(shù)，U是不確定性參數(shù)的取值范圍。不確定參數(shù)發(fā)生波動時，可能使原本求得的最優(yōu)解偏離實際最優(yōu)解甚至成為不可行解。因此，如何求解不確定性優(yōu)化問題越來越重要。下文將著重分析基于魯棒優(yōu)化思想的不確定性優(yōu)化問題的建模過程。2.2.1魯棒優(yōu)化問題研究思路魯棒優(yōu)化是由魯棒控制理論發(fā)展而來的，一種將不確定因素預(yù)先考慮的方法。魯棒優(yōu)化問題的研究思路如圖2-1所示。首先，分析優(yōu)化問題中不確定參數(shù)的波動范圍和特點；接著，建立優(yōu)化問題的魯棒優(yōu)化模型，從圖2-1可看出，魯棒優(yōu)化模型與確定性優(yōu)化模型的最大區(qū)別在于前者添加了不確定參數(shù)環(huán)節(jié)，并將不確定參數(shù)的取值范圍以一個有界閉合的集合U來描述。不確定集的選取對優(yōu)化結(jié)果有明顯的影響，即不確定集表達地越精細，魯棒優(yōu)化問題的計算量和復雜度越大；不確定集越粗略，所得最優(yōu)解的魯棒性越強。常見的U有盒式不確定集、多面體不確定集、范數(shù)不確定集以及由歷史數(shù)據(jù)構(gòu)造的數(shù)據(jù)驅(qū)動不確定集。完成魯棒優(yōu)化問題建模過程后，理論推導并分析模型特點，選擇相應(yīng)算法進行求解。魯棒優(yōu)化旨在最終求得的決策變量在不確定集的任意取值下都具有可行性，即最終解具有較強魯棒性。圖2-1魯棒優(yōu)化問題研究思路Fig.2-1Researchideasofrobustoptimization2.2.2魯棒優(yōu)化模型于1973年，Soyster首次提出了線性靜態(tài)魯棒優(yōu)化模型[66]，其一般形式為：UbAbAxxc},{s.t.minT(2-6)式中，約束條件的系數(shù)矩陣A和b為不確定參數(shù)，取值于不確定集U。對于U中的任意一組不確定變量場景，都可滿足xbA的約束條件。

第三章計及需求響應(yīng)的微網(wǎng)兩階段魯棒優(yōu)化調(diào)度研究173計及需求響應(yīng)的微網(wǎng)兩階段魯棒優(yōu)化調(diào)度研究隨著微網(wǎng)中可再生能源并網(wǎng)滲透率提高，其中風力、光伏發(fā)電輸出功率受自然因素影響，負荷也受用戶用電行為、天氣等因素影響，源荷側(cè)都具有較強的隨機性和波動性。目前預(yù)測技術(shù)所得誤差結(jié)果較大，基于預(yù)測值的傳統(tǒng)微網(wǎng)優(yōu)化調(diào)度面臨很嚴重的棄風或切負荷風險，使系統(tǒng)運行風險成本提高。同時，若傳統(tǒng)調(diào)度方法提前配置風電的固定比例的備用容量，則會存在兩種情況：備用配置比例較低，仍存在棄風和切負荷風險可能；配置比例太高，雖然很大程度避免了棄風和切負荷風險，但會造成備用容量冗余和較高的備用配置費用，且導致機組偏離最優(yōu)運行點增加了系統(tǒng)運行成本。因此，本章主要研究計及需求響應(yīng)并提前考慮不確定性因素的微網(wǎng)兩階段魯棒優(yōu)化調(diào)度方法。3.1計及需求響應(yīng)的微網(wǎng)兩階段魯棒優(yōu)化調(diào)度模型本文建立考慮風電出力與負荷波動不確定性的兩階段魯棒優(yōu)化模型，第一階段為預(yù)調(diào)度階段，以最小化日前調(diào)度運行成本為目標函數(shù)，約束條件包括第一階段的出力約束、儲能單元約束、功率平衡約束以及第二階段辨識出的最惡劣場景約束；第二階段為再調(diào)度階段，以最小化棄風和切負荷風險成本為目標函數(shù)，引入棄風、切負荷兩個松弛變量，以期預(yù)調(diào)度方案在不確定變量的任意場景下都可行。兩階段魯棒優(yōu)化調(diào)度框架如圖3-1所示。通過兩階段魯棒優(yōu)化調(diào)度方法處理風電和負荷不確定性，降低微網(wǎng)的棄風和切負荷量，保證供電安全和可靠。同時，避免傳統(tǒng)調(diào)度方法使得備用配置過多，提高了系統(tǒng)運行經(jīng)濟性。圖3-1微網(wǎng)兩階段魯棒優(yōu)化調(diào)度方法框架Fig.3-1Two-stagerobustoptimaldispatchframeworkformicrogrid

【參考文獻】：
期刊論文
[1]冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J]. 王成山,洪博文,郭力,張德舉,劉文建.  中國電機工程學報. 2013(31)
[2]一類電力系統(tǒng)魯棒優(yōu)化問題的博弈模型及應(yīng)用實例[J]. 梅生偉,郭文濤,王瑩瑩,劉鋒,魏韡.  中國電機工程學報. 2013(19)
[3]低壓微網(wǎng)控制策略研究[J]. 王成山,高菲,李鵬,黃碧斌,丁承第,于浩.  中國電機工程學報. 2012(25)
[4]分布式發(fā)電供能系統(tǒng)若干問題研究[J]. 王成山,王守相.  電力系統(tǒng)自動化. 2008(20)
[5]微電網(wǎng)的研究現(xiàn)狀及在我國的應(yīng)用前景[J]. 鄭漳華,艾芊.  電網(wǎng)技術(shù). 2008(16)



本文編號：2917332