【正文】 18208 1700 9 1510 10 1410 11 132012 1260 13 1200 14 1160 15 1140 16 1160 17 1260 18 1380 19 1560 20 1700 21 1820 22 1900 23 1950 24 1990 現(xiàn)在對兩種情況進行分析。對于實際運行的火電機組，該算例系統(tǒng)考慮機組斜坡率約束，并將其設(shè)定為額定容量的60%。該系統(tǒng)規(guī)模適中，方便對結(jié)果進行分析，系統(tǒng)機組的數(shù)據(jù)和負(fù)荷需求采用文獻[34]中所設(shè)置的。結(jié)果表明，風(fēng)電并入電力系統(tǒng)會減少耗量成本，同時在火電機組優(yōu)化調(diào)度時，優(yōu)先調(diào)度參數(shù)性能好的機組。 選取一個小型算例系統(tǒng)，假設(shè)此時負(fù)荷需求預(yù)測為60kW，風(fēng)電機在一個平均風(fēng)速下運行，功率約為10kW。文獻[33]已經(jīng)證明，對于一個凸優(yōu)化問題，會有一對原始對偶的最優(yōu)解使原對偶次梯度算法達到全局收斂。 在一個典型的拉格朗日松弛方法中，決策變量和拉格朗日乘數(shù)依據(jù)全部的機組的信息而進行更新。權(quán)重值是由通信傳輸性能確定并且滿足。然后該以為變量的火電機組函數(shù)會在約束量和下沿著投影的方向修正自己所決定的，式中是一個遞減的步長。是和之間通信信道的權(quán)重值。對于最小化 ，其中C為凸集合，此時迭代為：，P為C上的投影；表示目標(biāo)函數(shù)于處的次梯度，式中就是的次導(dǎo)數(shù)，當(dāng)前點可行，則采取的次梯度，否則采用任何違反約束的函數(shù)次導(dǎo)數(shù)。此時采取眾多尋求目標(biāo)函數(shù)極值點，即關(guān)于步長的選取，主要有，恒定步長：還有間隔步長：對于選取的兩種步長，次梯度可以斂至最優(yōu)點的臨域，即： 次梯度法的延伸，就是投影次梯度法。 次梯度算法的基本概念為：若有函數(shù)，次梯度采取迭代方式：，式中表示目標(biāo)函數(shù)于處的次梯度。求解無約束問題時，該法同梯度下降法相同，具有同樣的搜索方向。同時，能夠反映風(fēng)電隨機性特點以及該特性對火電機組模型的影響。 依據(jù)式(38)，可以構(gòu)造出拉格朗日函數(shù)： (39)式 (39)中：拉格朗日乘數(shù)。 （3）旋轉(zhuǎn)備用容量約束： (36) 式(36)中：火電機組的備用系數(shù)；風(fēng)機的附加備用系數(shù)。 目標(biāo)函數(shù)下，必須滿足以下約束條件： （1）有功功率平衡： (34)式(34)中：火電機組的有功出力；風(fēng)機的有功出力；電力系統(tǒng)負(fù)荷值。 該目標(biāo)函數(shù)前部分耗量與傳統(tǒng)優(yōu)化調(diào)度模型相同；后面加入的風(fēng)險越限懲罰作用就是用來懲罰風(fēng)險越限個體，并用懲罰因子協(xié)調(diào)懲罰力度，這樣就可以在之后的迭代過程中淘汰越限個體。如果風(fēng)險越限，則在目標(biāo)函數(shù)中設(shè)置懲罰項，加快淘汰風(fēng)險越限個體，將結(jié)果的風(fēng)險水平樣控制在很小的范圍。于是，需要重新研究含新能源發(fā)電的電力系統(tǒng)優(yōu)化調(diào)度模型，從而將風(fēng)險置于可控范圍之內(nèi)。如前文所述，風(fēng)電具有很強的波動性，即使采用優(yōu)化調(diào)度制定的機組優(yōu)化組合，還會發(fā)生很大的風(fēng)險。第三章 含新能源發(fā)電的電力系統(tǒng)優(yōu)化調(diào)度模型 國家大力支持新能源產(chǎn)業(yè)的發(fā)展，對于新能源發(fā)電，政策要求優(yōu)先調(diào)度風(fēng)電。 （3）風(fēng)險評估基于日前調(diào)度，是對未來24小時的調(diào)度策略進行風(fēng)險計算。 （2）概述電力系統(tǒng)風(fēng)險評估，將其主要風(fēng)險歸結(jié)于充裕性風(fēng)險和安全性風(fēng)險，充裕性風(fēng)險和可靠性異曲同工，本文研究著力點就放在充裕性方面。（4）按照下式計算風(fēng)險值大小： (28)式(28)中：調(diào)度策略風(fēng)險值。（2） 計算每個抽樣情況的旋轉(zhuǎn)備用是否充足，即：如果存在一個，使下述表達式成立，則表示出現(xiàn)備用不足： (24) (25) 其中，式(24)為旋轉(zhuǎn)備用不足的判斷式；式 (25)為機組上升、下降速率不足的判斷式，式中：火電機組的輸出功率上限；火電機組的功率輸出下限；火電機組的調(diào)度出力大小；火電機組的有功出力上升速率；火電機組的有功出力下降速率。由于不等概抽樣法改變了原有的概率，因此在計算過程中需要將概率還原。本文采用不等概抽樣法改變了原有的概率分布，增大了概率分布尾部的比例，從而提高了風(fēng)險被抽中的概率，最終達到縮減抽樣規(guī)模、提高抽樣精度的目的。 例如系統(tǒng)的某個風(fēng)險是由兩臺機組同時停運造成，機組A和機組B的停運率均為2%，按照普通的隨機抽樣方法，則平均進行1萬次抽樣才能抽到兩臺機組同時停運的情況，且誤差很大；采用不等概抽樣，將兩臺機組的停運和正常運行的入樣概率均設(shè)為50%，則有25%的幾率抽中，在很少的抽樣次數(shù)后就可以得到精度很高的解，結(jié)果將抽中的次數(shù)除以相應(yīng)的權(quán)重進行概率還原即可。不等概抽樣的原理就是：改變了原有樣本空間的概率分布，以提高抽樣的效率。各單元差異很小時，簡單隨機抽樣做出的估計比較精確有效，但是隨著各單元差異增大，估計誤差會很大。為了提高模擬精度的要求，需要進行很多次的抽樣模擬，直到滿足要求的精度條件，在此基礎(chǔ)上統(tǒng)計風(fēng)險值。本文采用非序貫蒙特卡羅模擬法進行風(fēng)險的評估與計算，這里主要討論電力系統(tǒng)的充裕性風(fēng)險，并假設(shè)變壓器、線路等元件完全可靠。蒙特卡羅模擬法又稱統(tǒng)計模擬法，由于20世紀(jì)40年代科學(xué)技術(shù)的發(fā)展和計算機的發(fā)明，被提出的一種以概率統(tǒng)計理論為指導(dǎo)的一個數(shù)值計算方法[23]。 公式的物理意義為：切入風(fēng)速和切出風(fēng)速分別為風(fēng)機正常工作時的最小、最大風(fēng)速；當(dāng)風(fēng)速小于切入或大于切出風(fēng)速時，該風(fēng)電機關(guān)閉，這是風(fēng)機輸出功率為0；當(dāng)風(fēng)速介于切入和額定風(fēng)速之間時，這時發(fā)電功率是一條特定曲線；當(dāng)風(fēng)速介于額定風(fēng)電風(fēng)速和切除風(fēng)速之間時，這時風(fēng)電功率為額定功率。其可以有效減少預(yù)測誤差、提高預(yù)測精度。 本文對風(fēng)速的預(yù)測借鑒文獻[3]中采用的風(fēng)電場風(fēng)電場風(fēng)速組合預(yù)測系統(tǒng)軟件進行風(fēng)速預(yù)測。比如，近地面的植被覆蓋、建筑物情況等的影響，使得近地面風(fēng)速小，隨高度增加風(fēng)速增加；季節(jié)周而復(fù)始的變化引起風(fēng)速相應(yīng)的變化；地勢的起伏情況、地表的溫濕情況等都會影響風(fēng)速。 短期來看，風(fēng)速信號是一個隨見變量，不具備太大的規(guī)律性，具有較差的預(yù)測性。風(fēng)電場在日益劇增，裝機容量隨之直線式增加，大規(guī)模波動性很強的風(fēng)電功率將會嚴(yán)重威脅電網(wǎng)的安全、經(jīng)濟運行。本文研究的風(fēng)險評估是基于日前調(diào)度的風(fēng)險，即對未來一天旋轉(zhuǎn)備用不足風(fēng)險進行評估計算。風(fēng)電、光電等的波動比負(fù)荷波動大很多，并且很難控制、預(yù)測，因此在含新能源的電力系統(tǒng)中風(fēng)電、光電的波動是造成風(fēng)險的主要原因。系統(tǒng)中的風(fēng)電容量占有較大比例時，這種波動就會引起很大的功率不平衡，此時如果備用容量不足以平衡風(fēng)電出力的波動，系統(tǒng)就會產(chǎn)生頻率變化。新能源中最多的是風(fēng)電，風(fēng)電的波動性很強，可預(yù)測性很差。在新能源發(fā)電部分未并入電力系統(tǒng)之前，對于負(fù)荷的預(yù)測精度比較高，加之設(shè)備強迫停運率未已知量，因此這些風(fēng)險可以提前采取有效措施進行控制。 電力系統(tǒng)中的負(fù)荷的波動、設(shè)備的停運、設(shè)備的故障等都會給系統(tǒng)帶來較大的風(fēng)險。蒙特卡羅法可以分為非序貫蒙特卡羅法和序貫蒙特卡羅法。 模擬法以概率和統(tǒng)計理論為基礎(chǔ)，主要為隨機抽樣法，即蒙特卡羅模擬法。網(wǎng)絡(luò)法的基本步驟是：得到一個網(wǎng)絡(luò)的結(jié)構(gòu)圖后，根據(jù)邏輯關(guān)系建立相應(yīng)的網(wǎng)絡(luò)邏輯圖；做出系統(tǒng)邏輯圖后，已知每一部分的故障率就可以通過適當(dāng)運算簡化邏輯圖；最后整個系統(tǒng)的可靠度或系統(tǒng)故障率等可靠性指標(biāo)就可以被求得。網(wǎng)絡(luò)法使用的較早，它在解邏輯網(wǎng)絡(luò)基礎(chǔ)上進行系統(tǒng)元件可靠性的計算。其分為解析法和模擬法。文獻[31]中在缺乏歷史統(tǒng)計數(shù)據(jù)的情況下，將故障率視為模糊變量，并利用人工經(jīng)驗給出其隸屬度函數(shù)的方法，為電力系統(tǒng)運行風(fēng)險評估的建模提供一種有效的解決途徑。 文獻[29]中詳細(xì)介紹了可信性理論中的基本公理、可信性測度、模糊變量期望值、隨即模糊變量期望值等基本內(nèi)容，并介紹了應(yīng)用于電力系統(tǒng)的方法。 元件故障包括隨機性、模糊性，因此不確定性也包括隨機性、模糊性，隨機性、模糊性的綜合評估是一個研究難題。 充裕性和安全性是電力系統(tǒng)風(fēng)險評估的兩個方面內(nèi)容，目前在充裕性方面的研究比較多。 電力系統(tǒng)風(fēng)險評估包括元件級和系統(tǒng)級風(fēng)險評估，元件級風(fēng)險評估涉及架空線路、變壓器等的運行風(fēng)險評估；電壓穩(wěn)定分析、安全域分析、靜態(tài)安全評估暫態(tài)安全評估則屬于系統(tǒng)級風(fēng)險評估。眾多學(xué)者對電力系統(tǒng)風(fēng)險評估計算進行了研究，其研究內(nèi)容涉及經(jīng)濟方面的風(fēng)險，如發(fā)電燃料風(fēng)險、投資風(fēng)險、期貨風(fēng)險、電力價格風(fēng)險等，還包括諸多技術(shù)層面的風(fēng)險，例如電壓越限風(fēng)險、各類電力元件風(fēng)險等。電網(wǎng)運行中產(chǎn)生的越來越突出的不確定性和隨機性問題，必然對電力系統(tǒng)安全分析提出越來越高的要求。其有兩種定義：一是強調(diào)了風(fēng)險，為出現(xiàn)的不確定性；二是強調(diào)風(fēng)險影響，為損失的不確定性。 （6）總結(jié)本文研究內(nèi)容，并提出后續(xù)的研究。 （4）建立了基于不等概抽樣法的日前調(diào)度風(fēng)險評估模型，本課題研究的風(fēng)險為充裕性風(fēng)險，對該風(fēng)險進行了評估計算。模型以火電機組耗量最小化為目標(biāo)函數(shù)，同時考慮了系統(tǒng)中各種類型的技術(shù)約束。綜合而言，本文從以下幾個方面進行了研究： （1）建立了合理的風(fēng)電場模型，形成了從風(fēng)速到風(fēng)力發(fā)電功率的轉(zhuǎn)化關(guān)系，為優(yōu)化調(diào)度提供更合理的數(shù)據(jù)基礎(chǔ)。另外，在傳統(tǒng)的風(fēng)險評估中，采用蒙特卡羅模擬法對風(fēng)速、機組強迫停運進行模擬時均根據(jù)其實際的概率分布進行抽樣，然而事實上，我們比較關(guān)心的是機組停運、風(fēng)速過大或過小等概率分布尾部的系統(tǒng)響應(yīng)，這需要大規(guī)模的抽樣才能得到較精確的解，消耗計算時間較多，因此如何在不減小解的精確性的情況下盡量減小抽樣規(guī)模是本文需要研究的內(nèi)容。關(guān)于風(fēng)電系統(tǒng)可靠性或風(fēng)險研究的文獻還有很多，其中文獻[29]將風(fēng)險因素引入經(jīng)濟調(diào)度模型中，將風(fēng)險度看作一個風(fēng)電穿透功率的函數(shù)，但風(fēng)險度函數(shù)為一個沒有太大意義的模糊數(shù)，僅以風(fēng)電功率的大小作為風(fēng)險大小的依據(jù)，考慮不夠全面。結(jié)果證明采用 節(jié)點模型時系統(tǒng)的風(fēng)險性最高，而采用聯(lián)合模型時系統(tǒng)風(fēng)險最低。文獻[27]在建立風(fēng)電場可靠性模型時考慮了風(fēng)速的概率模型和風(fēng)電機的停運模型，將風(fēng)速進行聚類分析，建立了風(fēng)電場的馬爾科夫過程模型，對風(fēng)電場的可靠性指標(biāo)進行了計算，并分析了不同的聚類數(shù)目、風(fēng)機種類等因素對可靠性指標(biāo)的影響。 確定風(fēng)速概率模型后，結(jié)合風(fēng)機、火電機組運行模型，得到系統(tǒng)容量模型，然后評估新能源發(fā)電系統(tǒng)的可靠性。風(fēng)速是不斷變化的，時間序列的趨勢性和隨機性很強，研究可靠性模型就是確定風(fēng)速的隨機模型。 目前，研究含新能源發(fā)電的電力系統(tǒng)風(fēng)險評估還處于初始階段。Damousis等人研究了一種基于空間相關(guān)性的模糊方法，在較為平坦的地勢上這種方法有很好的預(yù)測效果，但是在地形復(fù)雜的區(qū)域，其性能很差。例如，人工神經(jīng)網(wǎng)絡(luò)（ANN）、模糊邏輯法、支持向量機法以及遺傳算法等。實驗結(jié)果表明，它具有良好的性能。很多學(xué)者都對這種方法進行了研究，Damousis 等人將模糊法和空間相關(guān)性法進行結(jié)合，結(jié)果表明鄰近地點的風(fēng)速數(shù)據(jù)對改善預(yù)測的精度確實有很大幫助。 （3）空間相關(guān)性方法 空間相關(guān)性方法和另外兩種方法有所不同，其主要考慮了不同風(fēng)機之間的空間關(guān)系。隨機時間序列方法可以用下述公式描述： (11)式(11)中：自回歸參數(shù)；滑動平均參數(shù)；白噪聲序列；時刻的風(fēng)速。這種方法基于大量的歷史數(shù)據(jù)，并結(jié)合參數(shù)估計、模型檢驗等數(shù)學(xué)方法，最終產(chǎn)生預(yù)測的數(shù)據(jù)。針對短期預(yù)測，還需要用模型輸出校正來提高算法性能[21]。具有代表性的物理方法是數(shù)值天氣預(yù)報（NWP），它根據(jù)對含有地形、海拔高度等變量的數(shù)值方程進行求解，從而預(yù)測風(fēng)速。 風(fēng)速預(yù)測的具體方法主要有以下幾種： （1）物理方法 物理方法依據(jù)高度、地形、氣壓、溫度等物理因素來預(yù)測風(fēng)速。 風(fēng)速有很強的隨機性，高度、地形、天氣受等各種因素對其也有很大的影響，因此，許多研究人員致力于更準(zhǔn)確的預(yù)測未來的風(fēng)速研究之中。另外，對于算法參數(shù)的選擇，一般是參考其他文獻或依靠經(jīng)驗進行取值，這樣不能使算法對特定的問題達到很好的性能。隨著優(yōu)化技術(shù)和計算技術(shù)的發(fā)展，現(xiàn)在各種研究已不僅僅滿足于某一種算法，很多研究者都嘗試著不同算法的組合，在不同算法間取長補短，力求得到更好的優(yōu)化調(diào)度方案。例如，文獻[18]在神經(jīng)網(wǎng)絡(luò)法中引入模糊理論，用該算法產(chǎn)生初始調(diào)度策略，然后采用專家系統(tǒng)的一些規(guī)則來進行再調(diào)度，產(chǎn)生最終的優(yōu)化調(diào)度方案。為了解決含風(fēng)電場電力系統(tǒng)的經(jīng)濟調(diào)度中機會約束規(guī)劃問題，文獻[9]在粒子群優(yōu)化算法中引入隨機模擬技術(shù)，仿真結(jié)果證明了算法的可行性。 粒子群優(yōu)化算法起源于研究人員對鳥群覓食行為的研究。文獻[14]中的電力系統(tǒng)機組組合問題就是由人工神經(jīng)網(wǎng)絡(luò)算法和動態(tài)規(guī)劃算法相結(jié)合