Download
1 / 50
500 likes | 630 Views
期中報告. 學生 ︰ 章弘毅. Impact of Wind Forecast Error Statistics Upon Unit Commitment. 前言. 可再生能源發電形式的趨勢下，特別是風力發電，電力系統運行的性質正在發生變化 高佔比風力發電系統應該是能夠管理包含在風力發電預測裡的不確定性. 方法. “ 情景樹工具 ” 被開發為可以接受預測誤差被改變和促進其統計數據影響 WILMAR 調度模組 的結果 每一個 ST 都是由變化 (variance) 、峰度 (kurtosis) 、歪斜度 ( skewness ) 所定義而成. WILMAR.
E N D
期中報告 學生︰章弘毅
Impact of Wind Forecast Error Statistics UponUnit Commitment
前言 • 可再生能源發電形式的趨勢下，特別是風力發電，電力系統運行的性質正在發生變化 • 高佔比風力發電系統應該是能夠管理包含在風力發電預測裡的不確定性
方法 • “情景樹工具”被開發為可以接受預測誤差被改變和促進其統計數據影響WILMAR調度模組的結果 • 每一個ST都是由變化(variance)、峰度(kurtosis)、歪斜度(skewness)所定義而成
WILMAR • Wind Power Integration in Liberalised Electricity Markets的縮寫 • 引進大量的間歇性再生能源電力(尤其是風力發電)時，可能引起電力系統的技術和經濟問題。這些問題可能來自於風力發電的不可預測性，或由於當地的電力需求之間的不平衡和間歇性電源造成電網的不穩定。 • 此項目的主要目的就是要探討這些問題，並制定了建模工具，它可以用來模擬系統營運商、發電商和能源部門的決策所提供的解決方案。
WILMAR • 建模和模擬工作可分為兩部份，其中一部份是探討系統穩定性的問題，即在風的整合方面，連接到風力發電所產生的快速波動，使用專門的電力系統模擬工具。它包括了一些案例研究，特別是選擇一些大規模的可再生能源整合發電進行其潛在的穩定性問題進行研究。 • 另一部份是探討大型電力系統的風力整合能力和在電力池中進行大量電力貿易相關的研究，其以現有模型並以每小時為基準做起始模擬，來研究大量的風力發電整合到電力系統中的技術和成本問題。該模型包括兩電力池︰Nordpool和歐洲電力交易所，如德國、丹麥、挪威、瑞典和芬蘭。 • 最後將得到的結果匯總，並提供有關技術整合的可能性，以及有關風力發電整合在電力市場和電力池組織的建議。
情景樹工具 • 在電場調度中，所有要做出決定的包含確定的和不確定性的信息都要做預測 • 隨機的機組排程、風的預測、所需負載的預測和其預測誤差可代表樹分枝的概率去權衡可用的風力發電方案 • 情境的數量被限制(盡量減少UC解的幅員)，同時保留某些指定的統計數據的準確性，這些樹的第一級被認為是最佳解 • 樹中的每個情境包括分配概率和兩個時間序列-負載和風力，這些每個時間序列可表示為預測時間序列(樹中的所以情境都適用) • 誤差的時間序列，連同其他情境下的誤差的時間序列可表示為誤差分佈的預測
情景樹工具 • 樹的生成分為三個部份︰第一個步驟根據片刻匹配來最佳化情境樹中的每個單獨的期間內包含的值的時間序列 • 第二部份群體情境間的分支結構不斷優化，具有相似或互補的自相關 • 第三部份包括儲備容量和WILMAR模組強制停止計算
情景樹工具 • 片刻匹配︰ • 在樹中的每個期間，使用非線性最佳化以產生一個包括了風力、負載需求和盡可能接近指定統計資料的情景匹配的概率值的矩陣。 • 此外，已確定的期間會提供額外的自相關訊息給後續的期間。
情景樹工具 • 情景群組︰ • 由片刻匹配所產生的情景會根據情景樹與他們的自相關性函數的相關性來做分支。這樣做是確保每個樹分支的自相關是和前期間的邊界是一致的。這樣可以防止創建分支接合到兩個完全不相關的情景。 • 通過找尋最小差的自相關和每個群組的初始值之間的歐幾里德距離來確定情景順序。有了這些分組和情景，再使用片刻匹配的最佳化步驟，以提供整個樹期間的每個情景一致的相關性。
情景樹工具 • 被迫停運和儲備︰ • 除了包括需求負載和風力預報的情景樹，情景樹工具也可以產生一個常規單位的強制停機的時間序列，和估計調度模型所要求的目標儲備量。 • 使用半馬爾可夫鏈(故障率和修復率用平均故障時間和平均修復時間來表示)來為每個常規機組被停運的時間序列做模擬 • 這項研究所採用的方法是和島嶼電網研究(AIGS)相同。
AIGS • 所有島嶼研究是首次對電力系統的能力做全面性的評估，例如愛爾蘭島的傳輸網絡上吸收了大量可再生能源生產的電力。這五個部份的研究目的是評估技術的可行性和相關的各種增加可再生能源在AIGS的佔比的相對成本和效益
調度模型 • WILMAR模型最初是開發來研究風力整合到北歐系統。是AIGS的一部份，近期出版的模型本身的完整描述是考察愛爾蘭系統。 • WILMAR的調度模型是採用隨機混合整數最佳化，來滅少運營成本，滿足預期的需求負載和儲備容量的約束，此外這約束還包括了啟停機時間、最大/小發電量限制、最大/小啟停機時間、以及未能滿足需求負載和儲備容量限制時的處罰。
調度模型 • 在調度模型中，單位在每一天中午完成接下來36小時的調度模擬，後續的重新調度規劃中，機組組合每3個小時會被重新最佳化一次，後續的調度也會考慮到前一天的調度，但是他允許調度在不斷變化的情況和預測範圍縮小的準確性下做修改。 • 例如，該修訂的信息可能包括之前單位供應的不可預見的變化(被迫停運)預測(風力和需求)
測試系統 • WILMAR調度模型藉由STT產生需求和風力數據運行一年來表示到2020年較有可能的投資組合。此測試系統是根據AIGS裡的投資組合5。 • 全部可再生能源的數量佔此投資組合的42%能源需求，包括了6000MW的風力能源需求(34.3%)，其中還包括了常規發電8300MW
Mid-merit • Mid-merit power plants fill the gap between the Peak load and Base load. • In some cases the mid-merit power plants are older and less efficient base-load plants, not effective and cheap enough to run full time. • In other markets the mid-merit plants are natural gas plants that are easier to cycle.
Mid-merit • Given the tendency of the base-load plants to bid low to be able to operate full time and peakers bid high, to recover the standby time, the mid-merit plants have the most flexible bidding strategies. • The mid-merit plants will commonly be on the margin and will effectively determine and control the electricity price in the area. • The most common strategy among mid-merit plants is to bid some capacity at or slightly below cost and then offer progressively more capacity at higher prices.
模擬案例 • 在這裡分兩個案例來模擬，案例1試圖讓風力預報誤差統計特性能對電力系統的操作和性能作出有課義的貢獻。 • 案例2分析預測誤差的統計特性，假定值和真實值的預測錯誤對電力系統操作和性能的不準確度。考慮到三個值︰每個屬性的低估值(真實價值的一半)、高估值(對所有統數據的真實值的兩倍)和真實值本身。 • 這些是必要的步驟，包括了在最佳化方案的自相關性，以確保WILMAR具有實現的行為。
結論 • 本文探討風力預測誤差的統計數據對具有高佔比風力發電機組系統的影響，如模擬所示，方差的影響最大，但結果也表明，如果歪斜度被包含在錯誤信息的評價中，峰度也應該被列入來降低系統成本。 • 方差、偏斜度和峰度的相互作用來改變單位的利用率和排程。
Economic Valuation of Reserves in Power SystemsWith High Penetration of Wind Power
前言 • 風力發電是近幾年來全球重要的成長之一。風是一個相對便宜的可再生能源，但同時也是可變和不確定的，因此，其大規模的風力發電併入電力系統對運營商和規劃者而言是個挑戰。 • 為了適應風力發電的不可預測性，在電力市場的生產和消費計劃需要在實際操作中的電力系統進行修改。 • 由於風力發電的增加，備轉與非備轉容量需求也跟著增加，進而轉為較的操作成本。此外，在電力系統中有很高佔比的風力發電會和儲備容量之間的相互關係變的非常顯著。
前言 • 本文提出了一種方法來確定具有高佔比風力發電在電力系統中備轉與非備轉容量的水平。 • 所需的儲量需求和其成本的計算是通過隨機規劃市場清算模型，涵蓋了日常的時間跨度。 • 該模型考慮了網絡的限制還有負載脫落和風力溢出成本。
模型 • 為了模擬風力發電的隨機性，建議的方法使用兩階段隨機規劃框架，並考慮市場清算序的網絡約束 • 兩階段隨機規劃問題，第一階段代表電力市場其約束和規則，而第二階段表示電力系統中其操作和物理上的限制。
模型-變數 • 第一階段的變數︰ • 1.每單位機組啟停機的規劃 • 2.每單位機組的輸出功率規劃 • 3.每個負載的消耗功率規劃 • 4.每單位機組的備轉容量的開/關規劃 • 5.每個離線機組的非備轉容量規劃 • 6.每個負載的儲量規劃
模型-變數 • 第二階段的變數 • 1.在每個機組的啟停機規劃做修改和調整，制定切實可行的非備轉容量 • 2.每個預定的備轉容量機組開/關的調度 • 3.每個預定的非備轉容量機組的調度 • 4.每個預定負載的儲量調度
模型-變數 • 5.The involuntarily load shed by each consumer • 6.風力發電過剩 • 7.網絡相關的變量，即每個匯流排的角度、每一條線路的損失(實際電力生產和耗量)
公式 • Objective Function
公式 • Constraints Pertaining to the Electricity Market and Involving First-Stage Variables(Not Depending on Scenario )
公式 • Constraints Pertaining to the Actual System Operation and Involving Second-Stage Variables (Depending on Scenario )
公式 • Constraints Linking the Market and the Actual System Operation, Involving First- and Second-Stage Variables
性能指標 • 關於財務問題的矛盾和相反的效果應考慮，一方面，整合到電力系統的風力發電可讓操作成本減少，作為風力發電，燃料成本為零，通常顯著了取代了火力機組的燃料成本。另一方面，由於風力發電是可變的，難以準確預測，有助於系統的不確定性，需要系統操作員來安排額外的備轉容量以保持系統的安全性，備轉容量的增加會導致運營成本的增加。
