为促进以风光为代表的分布式能源发电并网,集成风电、光伏发电、燃气轮机、储能系统和激励型需求响应为虚拟电厂(virtual power plant,VPP),引入条件风险价值(conditional value at risk,CVaR)理论和置信度方法描述VPP运行不确定性,以...为促进以风光为代表的分布式能源发电并网,集成风电、光伏发电、燃气轮机、储能系统和激励型需求响应为虚拟电厂(virtual power plant,VPP),引入条件风险价值(conditional value at risk,CVaR)理论和置信度方法描述VPP运行不确定性,以运营收益最大化为目标函数,建立VPP常规调度优化模型,确定VPP运行收益的门槛值。然后,应用CVaR理论描述VPP运行目标函数中不确定性因素,应用置信度方法转换含不确定性变量的约束条件,建立考虑运行风险的VPP随机调度优化模型。最后,选择改进IEEE 30节点系统作为仿真系统,结果表明:价格型需求响应能够平缓用电负荷曲线,储能系统和激励型需求响应能够增加VPP运营收益。VPP常规调度收益为9 550.19元,风光并网电量为12.49 MW×h,风险规避调度收益为8 995.34元,风光并网电量为11.31 MW×h,这意味着CVaR理论和置信度方法能够用于描述VPP运行风险,通过设置门槛值和置信度反映决策者风险态度,为决策者提供风险控制工具。展开更多
为了考虑风光不确定性给微网运行带来的风险,针对独立型微网的容量优化配置,提出一种基于生成对抗网络(generative adversarial network,GAN)场景模拟和条件风险价值(conditional value at risk,CVaR)的容量随机优化配置模型。首先利用...为了考虑风光不确定性给微网运行带来的风险,针对独立型微网的容量优化配置,提出一种基于生成对抗网络(generative adversarial network,GAN)场景模拟和条件风险价值(conditional value at risk,CVaR)的容量随机优化配置模型。首先利用GAN模拟大量风光出力场景,再用K-medoids聚类进行消减得到若干典型场景;其次,以微网供电可靠性为约束,以经济性和可再生能源利用率为目标函数,通过CVaR度量因风光资源不确定性给微网系统带来的运行风险,并将其以平均风险损失的形式与目标函数相结合,构建微网电源容量随机优化配置模型;最后,采用电源损失风险和负荷风险损失指标对配置结果进行评价。仿真算例表明,相比于仅采用典型年风光资源数据进行配置的传统方法,文中提出的模型对于规划周期内可能出现的运行场景适应性更好。展开更多
文摘为促进以风光为代表的分布式能源发电并网,集成风电、光伏发电、燃气轮机、储能系统和激励型需求响应为虚拟电厂(virtual power plant,VPP),引入条件风险价值(conditional value at risk,CVaR)理论和置信度方法描述VPP运行不确定性,以运营收益最大化为目标函数,建立VPP常规调度优化模型,确定VPP运行收益的门槛值。然后,应用CVaR理论描述VPP运行目标函数中不确定性因素,应用置信度方法转换含不确定性变量的约束条件,建立考虑运行风险的VPP随机调度优化模型。最后,选择改进IEEE 30节点系统作为仿真系统,结果表明:价格型需求响应能够平缓用电负荷曲线,储能系统和激励型需求响应能够增加VPP运营收益。VPP常规调度收益为9 550.19元,风光并网电量为12.49 MW×h,风险规避调度收益为8 995.34元,风光并网电量为11.31 MW×h,这意味着CVaR理论和置信度方法能够用于描述VPP运行风险,通过设置门槛值和置信度反映决策者风险态度,为决策者提供风险控制工具。
文摘为了考虑风光不确定性给微网运行带来的风险,针对独立型微网的容量优化配置,提出一种基于生成对抗网络(generative adversarial network,GAN)场景模拟和条件风险价值(conditional value at risk,CVaR)的容量随机优化配置模型。首先利用GAN模拟大量风光出力场景,再用K-medoids聚类进行消减得到若干典型场景;其次,以微网供电可靠性为约束,以经济性和可再生能源利用率为目标函数,通过CVaR度量因风光资源不确定性给微网系统带来的运行风险,并将其以平均风险损失的形式与目标函数相结合,构建微网电源容量随机优化配置模型;最后,采用电源损失风险和负荷风险损失指标对配置结果进行评价。仿真算例表明,相比于仅采用典型年风光资源数据进行配置的传统方法,文中提出的模型对于规划周期内可能出现的运行场景适应性更好。
