考虑持续低出力场景马尔可夫转移的多类型储能系统多阶段风险规避规划方法

《CSEE Journal of Power and Energy Systems》:Multi-Stage Risk-Averse Planning Approach for Multi-Type ESSs Considering Markov Transition of Persistent Low Output Scenario

【字体: 大 中 小 】 时间:2025年12月15日 来源:CSEE Journal of Power and Energy Systems 5.9

编辑推荐:

  本文针对高比例可再生能源电力系统中持续低出力场景(PLOS)的时序、持续时间和频率不确定性,提出了一种融合马尔可夫过程的多阶段储能规划模型。研究团队通过嵌套条件风险价值(CVaR)框架管理极端风险,开发改进的随机对偶动态整数规划(SDDiP)算法求解大规模优化问题。案例研究表明该方法能有效提升系统应对极端天气的韧性,降低78%的可再生能源弃电率和82%的负荷削减量,为高比例可再生能源系统的安全规划提供新范式。

  
随着风电、光伏等可再生能源装机容量的快速提升,电力系统正面临前所未有的运行挑战。极端天气引发的持续低出力场景(Persistent Low Output Scenario, PLOS)——如长时间无风或无日照情况,虽发生概率低但破坏性极强。这类事件往往伴随高温或严寒导致的负荷攀升,形成"发电骤降、需求骤升"的双重压力。传统热电机组逐步退出的背景下,电力系统在PLOS期间可能被迫启用应急机组或实施切负荷,不仅造成巨大经济损失,更威胁电网安全。
现有研究多采用两阶段随机规划处理极端事件,但难以捕捉PLOS事件的时序特征和状态转移规律。更关键的是,实际调度决策具有"非预见性"(non-anticipativity)——操作人员无法预知未来数日的气象变化。这种信息不对称性在含长时储能(如氢储能)的系统中尤为突出,因为储能充放电策略需根据实时信息动态调整。为此,清华大学冯建周、胡泽春团队在《CSEE Journal of Power and Energy Systems》发表论文,提出了一种考虑马尔可夫状态转移的多阶段风险规避规划方法。
研究团队构建了包含规划阶段和52个运行阶段的多阶段混合整数随机规划(MMiSP)模型。创新性地将系统状态划分为正常状态与PLOS状态,通过时变转移概率Ps,i,j(t)描述状态间转移,精准刻画PLOS的触发时机、持续周期和发生频次。针对极端损失风险,采用嵌套条件风险价值(Conditional Value at Risk, CVaR)目标函数,将风险偏好参数λ与置信水平α融入优化框架。为高效求解这一大规模问题,提出了改进的随机对偶动态整数规划(Stochastic Dual Dynamic Integer Programming, SDDiP)算法,结合正则化、动态采样、动态割选择与并行计算等加速技术。
关键技术方法包括:1)基于最大似然估计的马尔可夫转移概率计算;2)紧凑全景时间序列(Compact Panorama Time Series, CPTS)模型,通过典型日选取降低计算复杂度;3)针对整数变量的拉格朗日割与Benders割混合生成策略;4)风险导向重要性采样技术处理低概率事件。
规划决策模型
首阶段决策确定日平衡、月平衡、年平衡三类储能的功率容量Pess,kz和能量容量Eess,kz,目标函数最小化投资成本Cinv、运维成本Com与期望运行成本。如式(2)-(4)所示,计及储能功率-能量耦合约束与容量上限。
多阶段运行模拟
每个阶段运行成本包含热电机组启停成本、可再生能源弃电惩罚与切负荷损失。如式(8)-(10)构建机组最小启停时间约束,式(11)-(16)建立多时间尺度储能平衡机制:日平衡储能应对日内波动,月/年平衡储能处理跨日能量转移。式(18)-(19)要求系统预留与可再生能源出力相关的正负旋转备用,式(20)通过直流潮流方程确保功率平衡。
风险度量重构
将CVaR风险度量转化为线性规划问题:如式(30)引入辅助变量δl和v,通过分段线性化处理条件风险值计算,使嵌套风险函数可融入SDDiP算法框架。
算法加速创新
1)正则化项(42)通过惩罚项γ控制解轨迹漂移,加速收敛;2)动态采样初期均衡探索正常/PLOS状态,后期按实际概率采样;3)动态割选择保留最近100个有效割平面,平衡计算效率与近似精度。
案例仿真结果
基于IEEE 118节点系统的改造案例显示:规划储能总量677 MW/6578 MWh,其中年平衡储能占比80%(5260 MWh)。如图5所示,储能系统在夏季可再生能源大发时充电,冬季负荷高峰时放电,有效实现能量跨季节转移。与无储能场景相比,运行成本降低8.4%,可再生能源弃电率下降77%,切负荷量减少82%。
敏感性分析
在热电机组容量缩减的极端场景(Case 2)中,规划储能容量增至910 MW/11 GWh。如图7所示,PLOS发生频率提升时,储能系统通过提前充电(图8)将切负荷风险降至零,验证了方法在极端场景下的有效性。不同可再生能源渗透率对比(表VII)表明:高渗透率场景需更大能量容量实现能量转移,而功率容量需求受净负荷峰谷差与非同步电源特性共同影响。
方法优势验证
与两阶段随机规划对比(Case 6 vs Case 7)表明:多阶段模型因考虑非预见性,储能配置更保守(139 MW/625 MWh vs 107 MW/504 MWh),但运行策略更符合实际。如图9-10所示,两阶段模型因假设完美预见性可制定最优充放电计划,而多阶段模型需维持较高SOC以应对潜在PLOS风险,虽成本略高但可靠性显著提升。
本研究通过马尔可夫过程与多阶段随机规划的深度融合,解决了高比例可再生能源系统规划中极端事件建模的时序难题。所提SDDiP算法在1266次迭代后收敛(图4),证明了加速技术的有效性。未来研究可进一步探索非马尔可夫型长期相关性建模,以及气象预测信息融入决策框架的可行性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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