电力系统日前优化调度.docxVIP

电力系统日前优化调度方法摘要：随着电力市场的发展与完善，电力系统的利益主体趋于多元化，电力系统日前优化调度的方法也在不断地完善。从传统的机组组合问题以及需求响应两个主要的方面介绍电力系统日前调度方法的研究进展和问题。对传统的电力系统日前优化调度问题进行了数学描述，建立传统的UC模型，包括目标函数、约束条件和求解方法。然后详细阐述了需求响应相关概念，给出了需求响应用户的两种参与形式和需求响应项目的分类，包括价格型DR项目和激励型DR项目。最后结合中国的电网发展建设趋势，对电力系统日前优化调度发展前景进行展望。关键词：日前优化调度、机组组合、价格型需求响应、激励型需求响应1 引言电力系统日前优化调度是确保电力系统优化运行的重要环节，对于节能减排、降低污染物排放和确保系统安全稳定运行具有重要作用[1]。日前优化调度问题对第二天的机组启停状态和出力方案进行优化，以最小化全天的全网发电费用为目标，同时需要满足功率平衡约束、爬坡约束、线路安全约束等各类运行约束，具体包括日前机组组合和日前经济调度两部分。经过多年来的实践和研究，日前优化调度技术取得了长足的发展，在模型和算法上均不断完善。随着我国电力工业的不断发展，仅仅依靠传统的日前调度方法调度发电侧资源己经不能满足能源紧缺和电力紧张的局面。由于电力负荷峰谷差的逐渐拉大，电力调峰难度进一步増加。同时随着社会公众生态环保意识的増强，电力公司正积极寻求不同于传统方式的调度和运行模式来满足供需平衡。 风电是目前发展前景最好的可再生能源发电方式之一，但由于其出力随机性和不确定性的特点，大规模风电并网将会给电网调度带来巨大挑战。随着未来智能电网中柔性负荷比例的不断提高，通过需求响应（demand response，DR）来适应风电大规模接入系统，将是未来智能电网的发展趋势。需求侧资源的开发利用日益引起人们的关注。相较于传统的电力调度方法，用户需求响应（DR）具有响应速度快、成本小、环境友好等优势。DR通过増加用户需求侧在市场中的作用，提高需求侧负荷弹性，基于价格和激励措施引导用户合理用电并积极参与电力负荷调节，进而优化系统运行。DR资源会极大地提高电能利用率和缓解用电紧张，推进节能减排，实现资源的优化配置，进而推迟对电网升级的投资。从实际效果来看，DR项目的实施不仅能给供电公司带来利益，还能给用户和政府带来实际效益。本文针对近年来国内外的电力系统日前优化调度新方法和新进展，对传统的日前调度，以及考虑需求响应的日前优化调度两个大的方向进行介绍。并结合未来智能配网的发展趋势对电力系统日前优化调度方法发展进行展望。2 传统电力系统日前优化调度传统的电力系统日前优化调度，即机组组合（Unit Commitment, UC）问题。UC问题研究的主要内容是：根据有关技术要求制定合适的目标函数、约束条件，建立优化调度模型，然后研究高效的求解方法，并用相关算例检验模型和求解方法的有效性和实用性。基于以上认识，学者们从优化调度问题的建模和求解出发开展了大量的研究工作。2.1 研究现状在建模过程中，根据所考虑因素的不同，可以将UC问题划分为计及不同约束、计及不同优化目标的的单目标或多目标优化问题。按照优化目标，电力系统优化调度可分为经济调度、市场调度、低碳调度等。此外，还有综合考虑多种指标的多目标优化模型。文献[2]构建了统筹资源消巧、环境效益和系统可靠性的多目标优化调度模型。而文献[3]建立了发电成本最小、污染气体排放最小、以及风电场功率短期波动带来的电网运行风险最小的多目标优化模型。按照约束条件，可以将调度分为考虑网络安全约束、备用约束以及风险约束等优化问题。目前，越来越多的研究考虑常规火电机组和其他种类的发电机组的联合调度，比如水—火联合调度[4]、风—火发电调度[2]、风—水—火混合系统调度[5]等等。针对UC问题的求解，由于问题是一个高维、非凸、不可微的非线性混合整数规划（Mixed Integer Programming, MIP）问题，很难得到问题的精确最优解。计算量随决策变量数量的增加呈几何级数增长，是典型的NP难题，其求解方法大致可分为启发式算法、解析性优化算法和智能优化算法三类[6]。启发式算法启发式算法是最早用于电力系统日前调度问题求解的一类算法，与解析性优化算法具有严格的理论基础不同，此类算法以直观判断和实际调度经验为基础，具有物理意义明确、实用性强的特点，同时也存在过多依赖人工经验，寻优精度不高、误差较大的缺陷。解析性优化算法解析性优化算法有着比较明确的物理意义和数学理论基础，全局寻优能力较强，但是，相对于智能优化算法，其对优化数学模型的要求较高，部分算法可能存在维数灾问题，求解效率优势并不明显。智能化算法智能优化算法是一类模拟自然界自然寻优过程的随机优化算法，因其具有理论要求弱、兼容性好、求