数据驱动的机会约束交流最优潮流建模:考虑AGC参与因子优化的创新方法
《CSEE Journal of Power and Energy Systems》:Data-driven formulation of chance-constrained AC optimal power flow considering optimization of AGC participation factors
【字体:
大
中
小
】
时间:2025年12月12日
来源:CSEE Journal of Power and Energy Systems 5.9
编辑推荐:
本文针对可再生能源不确定性下自动发电控制(AGC)参与因子优化带来的建模与计算挑战,提出了一种无需先验分布假设的数据驱动机会约束交流最优潮流(CC-ACOPF)方法。通过构建线性化潮流模型和Kriging代理模型,实现了AGC参与因子与机会约束收紧边界的解析关系表达,结合两阶段数据驱动的蒙特卡洛方法有效校正误差。在PJM 5节点和IEEE 118节点系统的测试表明,该方法在保证5%约束违反概率的前提下,较传统场景法降低2.18%发电成本,计算时间从分钟级缩短至秒级,为含高比例新能源的电力系统优化运行提供了新思路。
随着风电、光伏等可再生能源在电力系统中的渗透率不断提高,其出力的随机性和波动性给电网安全运行带来了严峻挑战。传统的确定性最优潮流(OPF)方法难以有效应对这种不确定性,可能导致旋转备用耗尽、输电线路过载和电压越限等风险。与此同时,自动发电控制(AGC)作为维持系统功率平衡的关键手段,其参与因子的优化设置能够显著影响系统应对不确定性的经济性和安全性。然而,现有的机会约束交流最优潮流(CC-ACOPF)方法由于AGC参与因子与机会约束收紧边界之间存在复杂的非解析关系,以及概率潮流计算耗时较长等问题,难以实现AGC参与因子的协同优化。
针对这一难题,雷星宇等研究人员在《CSEE Journal of Power and Energy Systems》上发表论文,提出了一种创新的数据驱动方法,首次在不依赖不确定性先验分布假设的前提下,实现了考虑AGC参与因子优化的CC-ACOPF问题的高效求解。该方法通过引入包含无功功率和电压幅值的线性化潮流模型降低代理模型维度,利用Kriging代理技术建立AGC参与因子与机会约束收紧边界之间的解析关系,并开发了两阶段数据驱动的蒙特卡洛方法对线性化和代理学习误差进行校正。
研究采用的关键技术方法主要包括:基于历史数据构建描述不确定性变量与机会约束关系的代理模型;引入高精度线性化潮流模型降低代理模型维度和非线性程度;开发基于堆叠极限学习机(SELM)的两阶段数据驱动概率潮流方法,将复杂的学习任务分解为发电机出力/线路潮流学习和PQ节点电压学习两个阶段,显著提高计算效率。
PJM 5节点系统测试结果:在不确定性服从韦布尔分布(风电)和高斯分布(负荷)的设定下,所提方法在保证最大约束违反概率为5.06%的前提下,发电成本为15423美元,较传统场景法(15767美元)降低2.18%,计算时间从122.37秒大幅减少至2.21秒。概率密度函数对比表明,代理模型能够准确捕捉机会约束的统计特性,而误差校正过程有效补偿了线性化和Kriging代理的建模误差。
鲁棒性验证:在不同不确定性水平(案例1-3)下,所提方法均能保持较高的建模精度,最大约束违反概率控制在5.00%±0.02%范围内,且计算效率显著优于传统场景法(2秒级vs100秒级),证明了方法对不确定性水平和相关性的适应性。
IEEE 118节点系统验证:在更大规模系统上,所提方法发电成本为15520美元,较场景法(15773美元)降低1.62%,计算时间从574.47秒减少至6.03秒,约束违反概率仅增加0.04%,表明方法具有良好的可扩展性和工程应用潜力。
实际数据验证:采用Bonneville电力管理局的实际风电数据测试表明,所提方法能够处理现实世界中可再生能源的不确定性,在保证5.03%约束违反概率的同时,发电成本较场景法降低4.96%,计算时间从653.68秒减少至8.12秒。
本研究提出的数据驱动CC-ACOPF方法通过Kriging代理模型实现了机会约束的解析化建模,克服了传统方法无法优化AGC参与因子的局限性。两阶段数据驱动概率潮流方法有效解决了蒙特卡洛仿真计算效率低下的问题,使方法计算时间达到秒级,满足电力系统在线应用需求。数值仿真结果表明,该方法能够在严格保证系统安全运行概率的前提下,通过协同优化AGC参与因子和发电计划,显著降低系统运行成本。这一研究成果为高比例新能源接入下的电力系统随机优化调度提供了新的技术途径,对推动电力系统低碳转型具有重要理论价值和工程意义。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号