Please wait a minute...
发电技术  2020, Vol. 41 Issue (1): 9-18    DOI: 10.12096/j.2096-4528.pgt.19173
泛在电力物联网与综合能源系统关键技术 本期目录 | 过刊浏览 |
风光水多能源电力系统互补智能优化运行策略
胡伟1(),戚宇辰1,张鸿轩1,董凌2,李延和2
1 清华大学电机工程与应用电子技术系, 北京市 海淀区 100084
2 国网青海省电力公司, 青海省 西宁市 810003
Complementary Intelligent Optimization Operation Strategy of Wind-Solar-Hydro Multi-energy Power System
Wei HU1(),Yuchen QI1,Hongxuan ZHANG1,Ling DONG2,Yanhe LI2
1 Department of Electrical Engineering, Tsinghua University, Haidian District, Beijing 100084, China
2 State Grid Qinghai Electric Power Company, Xining 810003, Qinghai Province, China
全文: HTML    PDF(932 KB)  
输出: BibTeX | EndNote (RIS)      
摘要: 

高比例可再生能源接入电网,采用风光水互补发电可以提供平滑和稳定的电力供应。针对风光水多能源电力系统,采用大数据和人工智能技术,提出基于随机规划的短期优化运行方法。首先,基于变分自编码器(variational autoencoder,VAE)提出了可再生能源场景生成方法,能够生成符合可再生能源出力特性的多样化场景,并精确刻画可再生能源出力的相关性。其次,基于场景法建立了风光水互补短期优化运行模型,并采用分段线性化的方法将多种非线性约束转化为线性约束,可以保证模型精度的同时实现快速求解。最后,通过对雅砻江下游风光水发电基地的算例仿真,验证了所提的智能优化运行策略的有效性。

关键词 电力系统风光水互补场景生成变分自编码器优化运行    
Abstract

For high-ratio renewable energy access to the grid, the utilization of wind-solar-hydro complementary power generation can provide a smooth and stable power supply. This paper proposed a short-term optimal operation method based on stochastic programming for the windsolar-hydro multi-energy power system, using big data and artificial intelligence technology. Firstly, based on the variational autoencoder (VAE), a renewable energy scenarios generation method was proposed, which can generate diverse scenarios that meet the characteristics of renewable energy output and accurately describe the correlation of renewable energy output. Secondly, based on the scenarios method, a short-term optimization operation model of wind-solar-hydro was established and a piecewise linearization method was used to transform various nonlinear constraints into linear constraints, which can achieve fast solution while ensuring the accuracy of the model. Finally, through the simulation of the wind-solarhydro power system in downstream of the Yalong River, it demonstrates the effectiveness of the intelligent optimization operation strategy proposed in this paper.

Key wordspower system    complementation of windsolar-hydro    scenarios generation    variational autoencoder    optimal operation
收稿日期: 2019-11-26      出版日期: 2020-03-03
ZTFLH:  TM71  
基金资助:国家重点研发计划项目(2017YFB0902200);国家电网公司科技项目(5228001700CW)
作者简介: 胡伟(1976),男,副教授,博士生导师,研究方向为电力系统稳定与控制、电力大数据及人工智能、综合能源系统, huwei@mail.tsinghua.edu.cn|戚宇辰(1996),男,硕士研究生,研究方向为综合能源系统优化运行
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
胡伟
戚宇辰
张鸿轩
董凌
李延和
引用本文:

胡伟,戚宇辰,张鸿轩,董凌,李延和. 风光水多能源电力系统互补智能优化运行策略[J]. 发电技术, 2020, 41(1): 9-18.
Wei HU,Yuchen QI,Hongxuan ZHANG,Ling DONG,Yanhe LI. Complementary Intelligent Optimization Operation Strategy of Wind-Solar-Hydro Multi-energy Power System. Power Generation Technology, 2020, 41(1): 9-18.

链接本文:

http://www.pgtjournal.com/CN/10.12096/j.2096-4528.pgt.19173      或      http://www.pgtjournal.com/CN/Y2020/V41/I1/9

图1  VAE的结构示意图
图2  可再生能源出力场景生成流程
图3  水电转换关系分段线性化
图4  单个风电场真实出力场景和生成场景对比
图5  真实场景和生成场景的频率分布图
图6  真实场景和生成场景的空间相关性
图7  真实场景和生成场景的时间相关性
图8  平水期风光水互补优化运行结果
图9  平水期库容变化曲线
图10  汛期风光水互补优化运行结果
图11  汛期库容变化曲线
图12  枯水期风光水互补优化运行结果
图13  枯水期库容变化曲线
1 马苗苗, 邵黎阳, 潘军军, 等. 风光互补发电系统的监督预测协调控制[J]. 中南大学学报(自然科学版), 2018, 49 (10): 2602- 2609.
doi: 10.11817/j.issn.1672-7207.2018.10.029
2 庄雅妮, 杨秀媛, 金鑫城. 风光储联合发电运行技术研究[J]. 发电技术, 2018, 39 (4): 296- 303.
3 程海花, 寇宇, 周琳, 等. 面向清洁能源消纳的流域型风光水多能互补基地协同优化调度模式与机制[J]. 电力自动化设备, 2019, 39 (10): 61- 70.
4 吴萍, 陈昊, 赵兵, 等. 风光火打捆交直流混联外送系统交互影响及稳定性研究[J]. 电网技术, 2016, 40 (7): 1934- 1942.
5 陈宇, 彭潇, 丁婧, 等. 电动汽车参与风电场输出功率波动平抑方法研究[J]. 发电技术, 2019, 40 (1): 91- 98.
6 李伟楠, 王现勋, 梅亚东, 等. 基于趋势场景缩减的水风光协同运行随机模型[J]. 华中科技大学学报(自然科学版), 2019, 47 (8): 120- 127.
7 李姚旺, 苗世洪, 罗星, 等. 含压缩空气储能电力系统日前-日内协调调度策略[J]. 中国电机工程学报, 2018, 38 (10): 2849- 2860, 3136.
8 朱祥祥, 黄崇鑫, 岳东, 等. 基于区间不确定性的微网有功-无功联合优化调度[J]. 电力系统自动化, 2016, 40 (15): 39- 46.
doi: 10.7500/AEPS20150829004
9 赵书强, 金天然, 李志伟, 等. 考虑时空相关性的多风电场出力场景生成方法[J]. 电网技术, 2019, 43 (11): 3997- 4004.
10 丁明, 宋晓皖, 孙磊, 等. 考虑时空相关性的多风电场出力场景生成与评价方法[J]. 电力自动化设备, 2019, 39 (10): 39- 47.
11 仉梦林, 胡志坚, 王小飞, 等. 基于动态场景集和需求响应的二阶段随机规划调度模型[J]. 电力系统自动化, 2017, 41 (11): 68- 76.
doi: 10.7500/AEPS20160908008
12 叶荣, 陈皓勇, 王钢, 等. 多风电场并网时安全约束机组组合的混合整数规划解法[J]. 电力系统自动化, 2010, 34 (5): 29- 33, 65.
13 S?nderby, Casper Kaae, Raiko, Tapani, et.al. Ladder Variational Autoencoders[C]//Proceedings of the Advances in Neural Information Processing Systems 29(NIPS 2016), Barcelona, Spain, 2016.
14 Matt J. Kusner, Brooks Paige, Gelly S, JM Herná ndez-Lobato. Grammar variational autoencoder[C]//Proceedings of the 34th International Conference on Machine Learning, ICML'17, Sydney, Australia, 2017.
15 Kingma D P, Welling M. Auto-encoding variational bayes[C]//Proceedings of the 2nd International Conference on Learning Representations. Banff, Canada: ICLR, 2014.
16 吴世勇, 周永, 王瑞, 等. 雅砻江流域建设风光水互补千万千瓦级清洁能源示范基地的探讨[J]. 四川水力发电, 2016, 35 (3): 105- 108.
doi: 10.3969/j.issn.1001-2184.2016.03.044
17 罗崇伸, 张蕴华, 胡学翠, 等. 雅砻江下游水能资源开发全面完成雅砻江公司着手打造风光水互补清洁能源示范基地[J]. 四川水力发电, 2016, 35 (2): 119- 120.
doi: 10.3969/j.issn.1001-2184.2016.02.043
18 黄炜斌, 马光文, 王和康, 等. 雅砻江下游梯级电站群中长期优化调度模型及其算法研究[J]. 水力发电学报, 2009, 28 (1): 1- 4.
[1] 欧阳斌, 袁志昌, 陆超, 屈鲁, 李东东. 考虑源-荷-储多能互补的冷-热-电综合能源系统优化运行研究[J]. 发电技术, 2020, 41(1): 19-29.
[2] 郭创新,丁筱. 综合能源系统优化运行研究现状及展望[J]. 发电技术, 2020, 41(1): 2-8.
[3] 张永伟,潘巧波. 基于KPCA-SVM模型的电力负荷最大值短期预测方法[J]. 发电技术, 2019, 40(6): 521-526.
[4] 陈麒宇. 泛在电力物联网实施策略研究[J]. 发电技术, 2019, 40(2): 99-106.
[5] 朱永利,石鑫,王刘旺. 人工智能在电力系统中应用的近期研究热点介绍[J]. 发电技术, 2018, 39(3): 204-212.
[6] 朱永利,尹金良. 人工智能在电力系统中的应用研究与实践综述[J]. 发电技术, 2018, 39(2): 106-111.
[7] 周博文,陈麒宇,杨东升. 巴西大停电的思考[J]. 发电技术, 2018, 39(2): 97-105.
[8] 李本新,韩学山,蒋哲,李文博. 计及网损的快速经济调度方法[J]. 发电技术, 2018, 39(1): 90-95.