含风电场的电力系统动态经济调度

含风电场的电力系统潮流计算一、本文概述随着全球能源结构的转型和可再生能源的大力发展，风电作为一种清洁、可再生的能源形式，其在电力系统中的比重日益增加。

风电场的大规模接入对电力系统的运行和控制带来了新的挑战，尤其是风电场出力的随机性和波动性对电力系统的潮流分布、电压稳定性以及保护控制等方面产生了显著影响。

因此，对含风电场的电力系统进行准确的潮流计算，对于电力系统的规划、设计、运行和控制具有重要的理论价值和现实意义。

本文旨在研究含风电场的电力系统潮流计算方法，分析风电场接入对电力系统潮流分布的影响，提出相应的潮流计算模型和算法。

文章首先介绍了风电场的基本特性及其在电力系统中的接入方式，然后详细阐述了含风电场的电力系统潮流计算的基本原理和方法，包括风电场出力模型的建立、潮流计算的基本方程和求解算法等。

在此基础上，文章进一步探讨了风电场接入对电力系统潮流分布的影响，包括风电场出力波动对电压稳定性、线路潮流和节点功率分布的影响等。

文章提出了针对含风电场的电力系统潮流计算的一些改进措施和优化策略，为提高电力系统的运行效率和稳定性提供参考。

通过本文的研究，可以为含风电场的电力系统潮流计算提供理论支持和实践指导，有助于更好地理解和解决风电场接入带来的电力系统运行问题，推动可再生能源在电力系统中的广泛应用和持续发展。

二、风电场特性及建模风电场作为可再生能源的重要组成部分，具有随机性、间歇性和不可预测性等特点。

这些特性使得风电场在电力系统中的建模和潮流计算变得复杂。

风电场的出力受到风速、风向、湍流等多种因素的影响，因此，准确描述风电场的特性并建立合适的模型是电力系统潮流计算的关键。

在风电场建模中，通常将风电场看作一个由多个风电机组组成的集合。

每个风电机组的出力取决于其装机容量、风速以及控制策略等因素。

为了简化计算，通常将风电场视为一个等效的电源，其出力等于所有风电机组出力的总和。

等效电源的出力特性可以通过统计方法得到，如威布尔分布、贝塔分布等。

计及风电不确定性的电网日前调度CVaR模型罗亦梅;张江林;夏晨杰;武守海;吴杨;刘啸宇【摘要】为了研究风电出力不确定性对电网日前调度的影响,首先利用机会约束描述风电场的出力,然后将提出的电网日前调度函数和相关约束,融入到条件风险价值模型中,建立电网日前调度的条件风险价值模型,并通过基于单纯性和差分进化算法的混合对模型进行求解,分析不同置信度下风电场出力、电网日前调度的机组出力,以及在不同风险接受度下电网日前调度的条件风险值,比较所提出的混合算法的优越性.仿真案例证明所提出模型的正确性,表明风电场出力的置信度越低,系统所接受的风险度越高,所对应的条件风险值越大,这为电网的系统操作人员提供了决策支持.【期刊名称】《电力科学与工程》【年(卷),期】2016(032)004【总页数】7页(P1-7)【关键词】风电;不确定性;置信度;日前调度;奈件风险价值【作者】罗亦梅;张江林;夏晨杰;武守海;吴杨;刘啸宇【作者单位】成都理工大学核技术与自动化工程学院,四川成都610059;成都信息工程大学控制工程学院,四川成都610225;国网四川省电力公司天府新区供电公司,四川成都610041;国网山东省电力公司莱芜供电公司,山东莱芜271100;西南科技大学,四川绵阳621000;国网山东省电力公司莱芜供电公司,山东莱芜271100【正文语种】中文【中图分类】TM732随着科技的不断发展和环境保护要求的不断提高，风电、光伏等作为绿色清洁可再生能源越来越受到人们的关注。

大规模风电或光伏的并网发电作为常规燃煤机组的有效替代，不仅大大缓解了电力供应紧张的情形，还大力地促进了温室气体、粉尘、氮氧化物的减排[1-2]。

但是，与常规的发电机组相比，风电、光伏等机组的出力具有强烈的随机性，其大规模的并网给电网的调度和运行带来了新的挑战[3-5]。

国内外的学者对此进行了大量的研究，如文献[6]提出了基于可信度理论和风电备用容量补偿成本来解决风电并网后的出力随机性问题，通过定义风电场的负效率功率，从而推导出了风电场极限渗透功率下的风电出力波动惩罚成本模型。

浙江大学电气工程学院(系)校级第十二期SRTP
说明：1.学生参加SRTP 总评成绩按优秀、良好、中等、合格、不合格等级评定。

2.成果形式：按论文（设计）、产品（开发）、专利（推广）、研究报告、调研报告等类别。

3.由学院(系)本科教学管理填写,并存档。

浙江大学电气工程学院(系)校级第十二期SRTP
说明：1.学生参加SRTP 总评成绩按优秀、良好、中等、合格、不合格等级评定。

2成果形式：按论文（设计）、产品（开发）、专利（推广）、研究报告、调研报告等类别。

3.由学院(系)本科教学管理科填写，并存档。

浙江大学电气工程学院(系)院系级第 十二 期SRTP
说明：1.学生参加SRTP总评成绩按优秀、良好、中等、合格、不合格等级评定。

2.成果形式：按论文（设计）、产品（开发）、专利（推广）、研究报告、调研报告等类别。

3.由学院(系)本科教学管理填写,并存档。

浙江大学电气工程学院(系)院系级第十二期SRTP
说明：1.学生参加SRTP总评成绩按优秀、良好、中等、合格、不合格等级评定。

2成果形式：按论文（设计）、产品（开发）、专利（推广）、研究报告、调研报告等类别。

3.由学院(系)本科教学管理科填写，并存档。

含大型风电场的电力系统多时段动态优化潮流一、本文概述随着全球对可再生能源需求的日益增长，风力发电作为一种清洁、可再生的能源形式，其在电力系统中的比重日益上升。

大型风电场的接入对电力系统的运行和管理带来了新的挑战和机遇。

如何有效地整合风电资源，实现电力系统的安全、经济、高效运行，已成为当前电力系统研究领域的重要课题。

本文旨在探讨含大型风电场的电力系统多时段动态优化潮流问题，通过对风电场出力特性的分析，以及电力系统潮流的优化调度，为电力系统的规划、运行和管理提供理论支撑和实践指导。

本文将对大型风电场的出力特性进行深入分析。

风电场出力受到风速、风向、地形等多种因素的影响，呈现出显著的随机性和波动性。

本文将对风电场的出力特性进行建模，研究其统计规律和变化趋势，为后续的优化潮流计算提供基础数据。

本文将研究多时段动态优化潮流的理论和方法。

电力系统潮流计算是电力系统分析的基础，而多时段动态优化潮流则是在此基础上，考虑风电场出力特性的随机性和波动性，对电力系统进行多时段、多状态的优化调度。

本文将通过数学模型的建立，求解方法的研究，以及算例的验证，探讨多时段动态优化潮流的有效性和可行性。

本文将提出含大型风电场的电力系统多时段动态优化潮流的应用策略和建议。

通过对实际电力系统的分析和模拟，提出针对性的优化措施和建议，为电力系统的规划、运行和管理提供决策支持。

本文将从大型风电场的出力特性分析、多时段动态优化潮流的理论和方法研究、以及实际应用策略和建议等方面，全面探讨含大型风电场的电力系统多时段动态优化潮流问题，为电力系统的安全、经济、高效运行提供理论支撑和实践指导。

二、风电场特性及其对电力系统的影响风电场作为一种可再生能源发电方式，具有显著的随机性、波动性和不可预测性。

这些特性使得风电场在接入电力系统后，对电力系统的稳定性、安全性和经济性都带来了显著的影响。

风电场的出力特性受到风速的影响。

风速的随机性和波动性导致风电场的出力也具有相应的随机性和波动性。

电⼒参考⽂献范例三电⼒参考⽂献范例三[1]周玮等,含风电场的电⼒系统动态经济调度.中国电机⼯程学报,2009，29(25):13-18.[2]陈海焱,陈⾦富与段献忠,含风电场电⼒系统经济调度的模糊建模及优化算法.电⼒系统⾃动化,2006，30(2):22-26.[3]PathomAttaviriyanupap，HiroyukiKita，EiichiTanaka，etal.AFuzzy-OptimizationApproachtoDynamicEconomicDi spatchConsideringUncertainties.IEEETransactionsonPo werSystems,2004,12(3)：1299-1307.[4]PathomAttaviriyanupap，HiroyukiKita,EiichiTanaka，etal.AHybridEPandSQPforDynamicEconomicDispatchWithN onsmoothFuelCostFunction.IEEETransactionsonPowerSys tems,2002,17(2)：411-416.[5]WUYa-li，XULi-qing.AnImprovedculturalparticleswarmoptimizati onalgorithmbasedonfeedbackmechanismforeconomicloadd ispatchproblems.InternationalConferenceonComputatio nalAspectsofSocialNetworks，2010.[6]XinMA，YongLIU.DynamicLoadEconomicDispatchinElectricityMar ketUsingImprovedParticleSwarmOptimizationAlgorithm. InternationalConferenceonIntelligentComputationTech nologyandAutomation，2010.[7]YongqiangWang，JianzhongZhoua，WenXiao，etal.Economicloaddispatchofhydroelectricplantusinga hybridparticleswarmoptimizationcombinedsimulationan nealingalgorithm.SecondWRIGlobalCongressonIntellige ntSystems，2010.[8]ShiLianjun，ZengMing，YanFan,etal.EconomicDispatchModelConsideringRandomn essandEnvironmentalBenefitsofWindPower.10Proceeding softhe2010InternationalConferenceonElectricalandCon trolEngineering，Washington,DC,2010.[9]ChengYunzhi.Anewapproachforemissionsandsecurityc onstrainedeconomicdispatch.Starkville,MS,USA,2010.[10]袁铁江等,⼤规模风电并⽹电⼒系统动态清洁经济优化调度的建模.中国电机⼯程学报,2010(31):7-13.[11]彭春华与孙惠娟,基于⾮劣排序微分进化的多⽬标优化发电调度.中国电机⼯程学报,2009(34):71-76.[12]谢国辉.绿⾊发电调度模式和模型研究.华北电⼒⼤学(北京)，2010.[13]袁铁江等,电⼒市场环境下含风电机组的环境经济调度模型及其仿真.电⽹技术,2009(6):67-71.[14]吴栋梁等,电⼒市场环境下考虑风电预测误差的经济调度模型.电⼒系统⾃动化,2012(6):23-28.[15]谭伦农，张保会.市场环境下的事故备⽤容量[J].中国电机⼯程学报，2002，22(11)，54-58[16]戴俊良.基于CR的电⼒市场应⽤研究.华北电⼒⼤学(北京)，2008.[17]李利利等,⽉度安全约束机组组合建模及求解.电⼒系统⾃动化,2011(12):27-31.[18]杨争林与唐国庆,全周期变时段三公调度发电计划优化模型.电⽹技术,2011(2):132-136.[19]李利利等，均衡发电量调度模式下的SCED模型和算法.电⼒系统⾃动化,2010(15):23-27.[20]GuodongLiu，KevinTomsovic.Quantifyingspinningreserveinsystemswi thsignificantwindpowerpenetration[J].IEEETransactio nsonPowerSystems,2012,27(4):2385-2393.[21]葛炬,王飞，张粒⼦.含风电场电⼒系统旋转备⽤获取模型.电⼒系统⾃动化,2010(6):32-36.[22]李霞，刘俊勇，刘友波，等.计及调度⼀致性的含风电系统备⽤优化分配.电⼒系统⾃动化,2013.[23]王丹平，陈之栩，涂孟夫，等.考虑⼤规模风电接⼊的备⽤容量计算.电⼒系统⾃动化,2012(21):24-28.[24]夏澍,周明，李庚银.考虑线路安全校核的含风电电⼒系统有功和备⽤协调调度.中国电机⼯程学报,2013(13):18-26.[25]SenjyuT,ShimabukuroK,UezatoK,FunabshiT.Afasttec hniqueforunitcommitmentproblembyextendedprioritylist[J].IEEETransactionsonPowerSystems,2003,12:882-888 .[26]SnyderWL,DpowellH,RayburnC.Dynamicprogrammingap proachtounitcommitment[J].IEEETransactionsonPowerSy stems,1987,2(2):339-350.[27]Weerakorn,Ongsakul,NitP.Unitcommitmentbyenhance dadaptivelagrangianrelaxation[J].IEEETransactionson PowerSystems,2004,19(2):620-628.[28]JusteKA,KttaH,TanakaE,etal.Anevolutionaryprogra mmingsolutiontotheunitcommitmentproblem[J].IEEETran sactionsonPowerSystems,1999,14(23):1452-1459.[29]张⼩平，陈朝晖.基于内点法的安全约束经济调度[J].电⼒系统⾃动化，1997，21(6):27-54.[30]郭志东，徐国禹.⽤⼆次规划法解算互联系统经济调度[J].电⼒系统⾃动化，1998，22(1):40-44.[31]MotaPP,QuintanaVH.APenaltyfunctionlinearprogram mingmethodforsolvingpowersystemconstraintedeconomic operationproblems[J].IEEETransactionsonPowerAppatat usandSystems,1984,103(6):1414-1442.[32]HanXS,GooiHB,KirschenDS.Dynamiceconomicdispatch :feasibleandoptimalsolutions[J].IEEETransonPowerSys tems,2001,16(1):22-28.[33]⽯⽴宝，徐国禹.遗传算法在有功安全经济调度中的应⽤[J].电⼒系统⾃动化，1997，21(6)：42-44.[34]侯云鹤等,改进粒⼦群算法及其在电⼒系统经济负荷分配中的应⽤.中国电机⼯程学报,2004(7):99-104.[35]侯云鹤等,基于⼴义蚁群算法的电⼒系统经济负荷分配.中国电机⼯程学报,2003(3):59-64.[36]多⽬标混合进化算法及其在经济调度中的应⽤[J].电⼒系统⾃动化，2007，19(2):66-72.[37]WangS,BaranME.Reliabilityassessmentofpowersyste mswithwindpowergeneration[C].PowerandEnergySocietyG eneralMeeting,Minneapolis,MN,2010.[38]张宏宇等,⼤规模风电接⼊后的系统调峰充裕性评估.中国电机⼯程学报,2011(22):26-31.[39]戴俊良等,基于基尼系数的电⼒调度公平性指标探讨.电⼒系统⾃动化,2008(2):26-29.[40]魏学好,胡朝阳与杨莉,对三公调度现有评价指标的思考和建议.电⼒系统⾃动化,2012(20):109-112.。

9 风电场等新能源电厂调度规定9.1在没有电网安全约束的情况下，应保证风电等可再生能源电力全额上网，在电网调峰能力不足时，可安排风电参与系统调峰、调频。

9.2 风电场应根据超短期风电功率预测结果，通过风电场集中监控系统，每15分钟自动向调度机构滚动申报未来2小时至4小时的风电发电预测计划。

不具备风电功率预测系统的风电场可以根据风力变化情况，提前1小时向调度机构值班调度员申请修改计划曲线，但每次修改范围必须大于计划值的±20%。

9.3 风电场启动状态、暂停状态风电机组日累计变化分别超过10台时，现场值长必须提前向调度机构值班调度员申请，并征得其同意后方可进行机组状态调整操作。

9.4 除因风速降低（或达到切出风速）而引起的功率变化不可控情况外，在风电场机组并网、正常停机以及风速增长过程中，风电场功率变化率应当满足以下要求：风电场装机容量＜30MW时，最大功率变化率≤10MW/分钟；风电场装机容量30-150MW时，最大功率变化率≤20 MW /分钟；风电场装机容量＞150MW时，最大功率变化率≤30MW/分钟。

9.5 为了实现对风电场有功功率的控制，风电场需安装有功功率控制系统，能够接收并自动执行调度部门远方发送的有功出力控制信号，确保风电场最大输出功率及功率变化率不超过电网调度机构的给定值。

在下列特定情况下，风电场应根据调度指令来控制其输出的有功功率：9.5.1电网故障或特殊运行方式下要求降低风电场有功功率，以防止输电线路超稳定极限运行或者线路过载，确保电力系统安全稳定；9.5.2 当电网频率过高，常规电厂调频容量不足时，可降低风电场有功功率。

9.6调度机构对风电机组出力可采用下列调度控制模式之一，具体采取哪一种模式由调度机构结合电网实际运行需要确定。

最大出力模式：指调度给风电场下达全场最大出力曲线，对低于最大出力曲线的情况不限制。

恒出力模式：指调度给风电场下达全场出力曲线为一恒定值。

无约束模式：指调度对风电实时出力没有限制，风电场可以根据风力情况自行调整出力。

考虑风光荷预测误差的电力系统经济优化调度盛四清;张立【摘要】针对风力发电、光伏发电和负荷的不确定性问题,引入预测误差的不确定性.基于不确定规划理论,提出了一种考虑风光荷预测误差的电力系统经济优化调度模型.首先分析了风电、光伏以及负荷预测误差的不同概率分布特性,由于其出力特性各不相同,分别采用模糊随机变量和随机变量处理.在此基础上,综合考虑环境污染成本和风光荷出力成本等目标,并采用基于层次分析法的模糊综合多目标处理策略进行处理.根据所建模型,提出了基于混合模拟的进化算法进行求解,算例结果分析表明了所建模型的合理性和有效性.%To deal with the uncertainties of wind power,solar energy and load,the uncertainties of prediction error is introduced,and an optimal model of economic dispatch of power system based on uncertain programming theory is pro?posed,in which the prediction error of wind power,solar energy and load is considered. Firstly,different probabilistic distribution characteristics of wind power,solar energy and load are analyzed. Because of their different characteristics, fuzzy variable and random variable are employed respectively. On the basis of the above analysis,environmental pollut?ant cost and the output cost of wind power,solar energy and load are comprehensively considered,and a multi-objec?tive processing strategy of fuzzy comprehensive evaluation based on analytic hierarchy process is applied. A mixed simu?lation evolutionary algorithm is applied to solve the model based on economic dispatch. The results show the rationality and effectiveness of the proposed model.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2017(029)009【总页数】6页(P80-85)【关键词】不确定性;预测误差;风光互补;经济调度【作者】盛四清;张立【作者单位】华北电力大学电气与电子工程学院,保定 071003;华北电力大学电气与电子工程学院,保定 071003【正文语种】中文【中图分类】TM73Abstract:To deal with the uncertainties of wind power，solar energy and load，the uncertainties of prediction error is introduced，and an optimal model of economic dispatch of power system based on uncertain programming theory is pro⁃posed，in which the prediction error of wind power，solar energy and load is considered.Firstly，different probabilistic distribution characteristics of wind power，solar energy and load are analyzed.Because of their different characteristics，fuzzy variable and random variable are employed respectively.On the basis of the above analysis，environmental pollut⁃ant cost and the output cost of wind power，solar energy and load are comprehensively considered，and a multi-objec⁃tive processing strategy of fuzzy comprehensive evaluation basedon analytic hierarchy process is applied.A mixed simu⁃lation evolutionaryalgorithm is applied to solve the model based on economic dispatch.The results show the rationality and effectiveness of the proposed model.Key words:uncertainties；prediction error；wind-solar complementarity；economic dispatch风电和光伏具有清洁无污染和成本低廉等优势，目前已成为可再生能源领域最具发展前景的能源形式。

基于和声搜索算法的电力系统经济调度摘要:针对风电并网对电力系统经济调度的影响,以火电机组的燃料成本及火电厂环境成本为目标函数建立模型。

通过惩罚系数将污染气体排放量转化为环境成本。

提出了基于模拟退火的和声搜索算法。

通过与传统的遗传算法比较,验证了该算法的可行性与有效性。

关键词:电力系统经济调度和声搜索算法模拟退火电力系统经济调度是研究在满足系统功率平衡和运行约束条件的要求下,以实现经济利益最大化为目标的最优化问题。

风能作为一种新型的可再生能源,在电力系统的地位逐步上升。

世界利用风能的主要形式是并网发电,大型风电场的发电量直追火电机组[1,2]。

由于风力发电具有间歇性和波动性,预测存在较大误差,使含风电场动态经济调度问题更加复杂,调度决策必须考虑风电预测不确定性带来的影响。

动态经济调度能够更好地反应运行要求,保障电力系统安全稳定运行。

本文建立了以发电的煤耗成本和污染成本最低为目标函数的经济调度模型并基于模拟退火的和声搜索算法。

1 动态经济调度模型1.1 发电成本函数2 基于模拟退火的和声搜索算法2.1 和声搜索算法和声算法是对音乐演奏的原理的模仿。

模拟了音乐家们通过自己对音乐的评价在排练音乐合奏的过程中,不断对各乐器的音调进行调整,最终形成一个最好的合奏状态,模拟这一现象,将乐器比作优化问题中变量,各乐器的音调相当于各变量的值,优化问题的第j组解向量等价于各乐器音调的和声,目标函数等价于音乐效果评价,提出了HS 算法[3]。

和声搜索算法是基于随机搜索的一种算法,但是却有更少的参数,往往被用于优化系统运行成本。

2.2 算法改进和声搜索算法对初值具有依赖性。

模拟退火算法的最大特点是算法本身与初值无关,最优解与初始解的状态即算法迭代的起点无关,并且具有渐近收敛及并行计算的特性,已经在理论上被证明是一种以概率收敛于全局最优解的全局优化算法[1]。

基于和声搜索算法这一特点计算初值便可克服和声算法对初值依赖性这一缺陷。

山东电网风电调度管理规定1总则1.1为加强风电调度管理，保障电力系统安全、优质、经济运行，根据国家电网公司Q/GDW392-2009《风电场接入电网技术规定》（以下简称《技术规定》）、Q/GDW392-2009《风电场调度运行管理规范》、《山东电力系统调度管理规程》（以下简称《调度规程》）以及国家能源局《风电机组并网检测管理暂行办法》等标准、规程制定本规定。

1.2本规定涉及风电场并网管理和正常运行阶段的调度管理以及相应基本技术要求。

1.3本规定适用于山东电力调度中心（以下简称省调）调度管辖的风电场（总装机容量大于10MW）的调度管理，自2011年3月1日起执行。

其他风电场参照本规定执行。

2并网管理2.12011年1月1日起，新核准风电项目安装并网的风电机组，必须是通过《风电机组并网检测管理暂行办法》规定检测的机型，只有符合相关规定的风电机组方可并网运行。

2.2新建风电场应在每年10月15日前，按《调度规程》规定向省调报送下半年度新设备投产计划，省调于11月15日前批复。

2.3新建风电场应在拟并网前6个月与省调联系，协商签订并网调度协议，确定风电场并网运行的安全技术条件和行为规范。

2.4新建风电场应在拟并网前3个月，向省调和所属地调报送下列资料并完善OMS基础信息库（包括但不限于）2.4.1风电场基础信息：资产属性（企业法人名称）、电厂经纬度、装机台数及容量、拟投产日期、机组设计利用小时数、发电量等。

2.4.2技术参数：风机型号、风轮直径、切入风速、额定风速、切出风速、发电机型号及模型、单机容量、发电机电压、功率调节速率（典型出力下的爬坡、下降速率）、机组有功（无功）特性曲线、功率因数等。

2.4.3机组涉网保护、并网线路及母线保护图纸及相关技术资料。

2.4.4风电场升压站一、二次设备参数、图纸及保护配置资料。

2.4.5调度自动化设备（远动通信装置、电能量远方终端和调度数据网及二次系统安全防护设备）配置、信息接入资料。