风光水多能源电力系统互补智能优化运行策略

胡伟; 戚宇辰; 张鸿轩; 董凌; 李延和

doi:10.12096/j.2096-4528.pgt.19173

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

风光水多能源电力系统互补智能优化运行策略

泛在电力物联网与综合能源系统关键技术 | 更新时间：2025-07-04

- 风光水多能源电力系统互补智能优化运行策略
- Complementary Intelligent Optimization Operation Strategy of Wind-Solar-Hydro Multi-energy Power System
- 发电技术 2020年41卷第1期页码：9-18
- 作者机构：
  
  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
- 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" ]
- 基金信息：
  
  国家重点研发计划项目(2017YFB0902200);国家电网公司科技项目(5228001700CW)
- DOI：10.12096/j.2096-4528.pgt.19173
  中图分类号： TM71
- 收稿：2019-11-26，
  
  纸质出版：2020-02-29
- 稿件说明：
移动端阅览
胡伟, 戚宇辰, 张鸿轩, 等. 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, et al. Complementary Intelligent Optimization Operation Strategy of Wind-Solar-Hydro Multi-energy Power System[J]. Power Generation Technology, 2020, 41(1): 9-18.
胡伟, 戚宇辰, 张鸿轩, 等. 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. DOI： 10.12096/j.2096-4528.pgt.19173.

Wei HU, Yuchen QI, Hongxuan ZHANG, et al. Complementary Intelligent Optimization Operation Strategy of Wind-Solar-Hydro Multi-energy Power System[J]. Power Generation Technology, 2020, 41(1): 9-18. DOI： 10.12096/j.2096-4528.pgt.19173.

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。

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.

关键词

Keywords

references

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Sønderby, 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.

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.

Kingma D P, Welling M. Auto-encoding variational bayes[C]//Proceedings of the 2nd International Conference on Learning Representations. Banff, Canada: ICLR, 2014.

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.

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.

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.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑光伏换相与柔性负荷协同的配电网三相不平衡研究

基于无人机巡检的输电线路绝缘子及其异物检测算法

基于改进深度极限学习机的电网虚假数据注入攻击定位检测

低温天气下考虑风机运行状态聚类的短期风电功率预测方法

基于典型商业运营模式的含电-氢混合储能微电网系统优化运行方法