基于双层优化的分布式电源容量规划

被引:0
作者
周鹏
机构
[1] 长沙理工大学
关键词
分布式电源; 风电; 容量规划; 双层优化; 年持续负荷曲线;
D O I
暂无
年度学位
2016
学位类型
硕士
导师
摘要
随着人们对电能供应要求越来越高以及环境污染和能源危机问题日益突出,传统的集中式供电已无法满足未来电力发展的要求。分布式电源供电具有灵活多样、清洁环保、高效等特点,能够弥补传统集中式供电的不足,受到世界各国的重视,分布式电源与大电网的结合已成为未来电力的发展方向。然而,分布式电源的接入也给电力系统带来一系列问题,如电能质量污染、控制复杂等。对分布式电源进行规划,有利于充分发挥其优势并削弱它产生的负面影响,是一项值得深入研究的课题,具有重要的应用价值。电力市场环境下,电力系统中的阶层性特征愈加明显,分层协调决策成为系统优化决策的重要方式。双层优化能有效处理两层分层决策问题,在电力市场中有着广阔的应用空间。本文采用双层优化理论,建立了分布式电源的容量规划模型并求解计算,主要工作如下:基于年持续负荷曲线,构建了配电网分布式电源的容量规划模型。分别以分布式电源投资商和配电网运营方为上、下阶层主体,建立了分布式电源容量规划的双层优化模型,模型上层以分布式电源投资商利润最大为目标,投资商利润表示为发电利润减去投资成本,下层目标为配电网供电成本最小。风电输出功率具有不确定性,且投资成本相对较大,使得风电规划比常规电源规划更为复杂。本文进一步研究微网中风电容量规划问题,建立了风电投资商和微网管理方的双层优化模型,模型中对风电不确定性采用场景刻画。上层优化中,考虑对风电项目给予一定投资补贴,风电电价采用边际电价,目标为投资利润最大,下层优化目标为微网供电成本最小。针对上述构建的容量规划双层优化模型,采用KKT(Karush-Kuhn-Tucker)条件将下层优化模型转化为上层常规约束,并对转化中出现的非线性约束线性化,然后求解此模型。数值仿真验证了所提模型和算法的有效性。
引用
收藏
页数:64
共 55 条
[1]
Planning for distributed wind generation under active management mode.[J].Jietan Zhang;Hong Fan;Wenting Tang;Maochun Wang;Haozhong Cheng;Liangzhong Yao.International Journal of Electrical Power and Energy Systems.2013,
[2]
Location and contract pricing of distributed generation using a genetic algorithm.[J].Jesús María López-Lezama;Javier Contreras;Antonio Padilha-Feltrin.International Journal of Electrical Power and Energy Systems.2011, 1
[3]
Wind power investment within a market environment [J].
Baringo, L. ;
Conejo, A. J. .
APPLIED ENERGY, 2011, 88 (09) :3239-3247
[4]
Application of particle swarm optimization algorithm for solving bi-level linear programming problem [J].
Kuo, R. J. ;
Huang, C. C. .
COMPUTERS & MATHEMATICS WITH APPLICATIONS, 2009, 58 (04) :678-685
[5]
Distributed generation technologies, definitions and benefits [J].
El-Khattam, W ;
Salama, MMA .
ELECTRIC POWER SYSTEMS RESEARCH, 2004, 71 (02) :119-128
[6]
Min–max transfer capabilities of transmission interfaces.[J].Deqiang Gan;Xiaochuan Luo;Donald V. Bourcier;Robert J. Thomas.International Journal of Electrical Power and Energy Systems.2003, 5
[7]
Contact shape optimization: a bilevel programming approach [J].
Herskovits, J ;
Leontiev, A ;
Dias, G ;
Santos, G .
STRUCTURAL AND MULTIDISCIPLINARY OPTIMIZATION, 2000, 20 (03) :214-221
[8]
Links Between Linear Bilevel and Mixed 0–1 Programming Problems.[J].C. Audet;P. Hansen;B. Jaumard;G. Savard.Journal of Optimization Theory and Applications.1997, 2
[9]
Bilevel programming in traffic planning: Models, methods and challenge [J].
Migdalas, A .
JOURNAL OF GLOBAL OPTIMIZATION, 1995, 7 (04) :381-405
[10]
A PENALTY-FUNCTION APPROACH FOR SOLVING BI-LEVEL LINEAR-PROGRAMS [J].
WHITE, DJ ;
ANANDALINGAM, G .
JOURNAL OF GLOBAL OPTIMIZATION, 1993, 3 (04) :397-419