不確定性下基於風險值理論的多目標機組組合研究

《不確定性下基於風險值理論的多目標機組組合研究》是依託南京大學，由王博擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：不確定性下基於風險值理論的多目標機組組合研究
• 項目類別：青年科學基金項目
• 項目負責人：王博
• 依託單位：南京大學

項目摘要

針對機組調度面臨的挑戰以及國內外研究現狀，本項目對不確定性下多目標機組組合的建模、求解與分析展開研究。建模部分主要是對經濟性、可靠性和環境友好性這三個目標及模型結構的研究：結合碳交易、超低排放電價支持建立新時期發電成本評價方法；基於風險值理論建立魯棒非保守的供電可靠性評價體系；依據火電機組排放特徵建立量化的環保評價方法。隨後，按系統不同需求建立相應的多目標最佳化模型。算法方面是對多目標機組組合模型求解方法的研究：設計風險值求解子算法，改進現有多目標粒子群算法，並將兩者相結合對模型進行求解，從而能以較低的時間代價獲取更好的最優解集。在驗證模型和算法的有效性之後，將結合測試系統及國內區域電網數據，進行一系列分析，主要包括風險值敏感性分析、風電併網率分析以及負荷最佳化控制分析。項目的意義在於為機組調度的決策者和相關領域的研究人員提供解決機組組合問題的新思路和有效的理論、技術支持。

結題摘要

早期的機組組合大都被視為確定性問題，即在所需信息都已精確獲取的前提下進行最佳化。然而，一方面，隨著機組數量、用電負荷的持續增加，社會對供電可靠性要求的不斷提高，機組調度需要面對多種不確定信息，如負荷預測誤差、機組和輸電線故障等。另一方面，近年來可再生能源發電規模不斷擴大，其難以捕獲的間歇性和波動性進一步增加了電網調度的不確定性和複雜度。針對以上問題，本項目對現階段含可再生能源發電的多目標機組組合的建模、求解與分析展開了一系列研究。建模部分主要包括對經濟性、可靠性和環保性這三個目標及模型結構的研究：結合碳交易、超低排放電價支持建立了新時期發電成本評價方法；針對隨機最佳化和魯棒最佳化的各自特點構造了基於風險值理論及其延伸的魯棒經濟可靠性評價體系；基於機組排放特徵建立了量化的環保評價方法。隨後，根據系統不同需求建立了相應的多目標最佳化模型。算法方面主要是對多目標 UC 求解方法的研究：在前期工作基礎上設計了混合不確定性下風險值求解子算法，改進了現有多目標粒子群算法，並將兩者相結合對模型進行求解。最後，基於測試系統及國內區域電網數據，對所提方法開展了一系列分析驗證，實驗結果表明：1)基於風險值理論的可靠性評價體系能夠產生比隨機最佳化更可靠、比魯棒最佳化更經濟的調度方案；2)長短期記憶神經網路可以較好地捕捉數據的時序特性，且基於數據驅動的滾動預測及最佳化可以有效地提升系統運行的經濟性；3)所提方法可幫助決策者制定合理的超低排放電價支持政策，對成本及棄風率的分析將有助於系統調度人員選擇合適的調度方案；4)採用變異策略可以加強帕累托解集的多樣性；融入強化學習策略可以增加粒子群算法的全局搜尋和局部開發能力。總體來看，本項目所取得的研究成果對於現階段含可再生能源發電的電力系統最佳化調度具有一定的理論和實踐意義。