近日,,,,,,,z6首页 群体智能中心、香港中文大学(丽江)理工学院的吴辰晔教授团队在IEEE电力系统汇刊《IEEE Transactions on Power Systems 》上颁发题为“Bridging Chance-constrained and Robust Optimization in an Emission-aware Economic Dispatch with Energy Storage”的文章。。。。。
下载链接:https://ieeexplore.ieee.org/document/9508851
钻研布景
由于全球变暖在加剧,,,,,,,世界列都城在采取垂危且有效的碳减排政策,,,,,,,例如碳税、碳买卖造度等。。。。。理论上,,,,,,,这些政策能够削减对碳密集型能源的依赖,,,,,,,激励可再生能源(清洁能源,,,,,,,例如太阳能微风能)发电,,,,,,,从而降低对环境的负面影响。。。。。但在实际中,,,,,,,碳减排政策可能会提高区域电价,,,,,,,造功效能低下、分配不平正等经济问题。。。。。因而,,,,,,,它们并未得到普遍执行。。。。。
支持碳减排政策执行的一项有但愿的措施是在电网中参与更多的储能系统。。。。。此类系统为电网提供贵重的矫捷性,,,,,,,降低了整体电网的发电均匀价值,,,,,,,从而能够减轻与碳税有关的负面经济影响。。。。。此表,,,,,,,随着装置储能系统的成本不休降落,,,,,,,这项措施能够逐步落实。。。。。此表,,,,,,,储能系统能够进一步缓解可再生能源发电比例提高带来的不确定性和间歇性所导致的供需失衡,,,,,,,这是电力系统运行中的根基问题。。。。。
钻研内容
本文探求了针对拥有储能系统的电力系统中的思考碳排放的经济调度问题(ED),,,,,,,问题简直定性数学模型如图1所示。。。。。其中关键的挑战是应对可再生能源发电带来的不确定性。。。。。为了应对这一挑战,,,,,,,我们选取了两个不确定性优化问题的框架,,,,,,,即机遇约束 (CC) 步骤和鲁棒优化 (RO) 步骤。。。。。
图1 思考碳排放简直定性经济调度问题---确定性数学模型
与直接选取经典CC和RO框架来处置可再生能源负荷预测中的不确定性相反,,,,,,,我们推导出简化模型(如图2所示,,,,,,,以CC为例),,,,,,,利用储能系统调控新能源着力的不确定性。。。。。简化模型将问题分化成一个确定性优化问题和一系列不确定性约束,,,,,,,从而降低了两种框架的复杂性,,,,,,,大大削减了推算功夫。。。。。另表,,,,,,,通过钻研鲁棒性和总体机能之间的衡量,,,,,,,我们对比了RO与CC两者的之间差距,,,,,,,并且探索了这两个框架各自的优弊端,,,,,,,以及之间存在的联系。。。。。
图2 简化后的机遇约束数学模型
更进一步的,,,,,,,我们将这两个框架与一个新鲜的散布鲁棒优化框架(DRO)联系起来,,,,,,,该框架较好地结合了RO与CC的利益,,,,,,,并解决了RO和CO存在的一些问题。。。。。具体而言,,,,,,,DRO的主题思想借鉴了CC中的机遇约束(安全裕度)的概想,,,,,,,允许RO正本绝对守旧的约束有肯定的概率能够被违反(如图3所示)。。。。。DRO不单独立于散布如果,,,,,,,并且也能够保障了肯定的鲁棒性。。。。。
图3 散布鲁棒优化数学模型
我们基于6-bus模型(如图4所示)和 IEEE-118-bus模型进行了仿真钻研,,,,,,,从而展示z6首页发现。。。。。并且,,,,,,,我们使用了基于场景天生的随机优化框架(SO)以及确定性框架(clairvoyant)作为CC、RO以及DRO的对比。。。。。
图4 6-bus系统网络结构
图5通过调整CC与RO中的参数,,,,,,,展示了6-bus系统下机能与鲁棒性的衡量;;;;;;另一方面,,,,,,,我们观察到CC的机能高度依赖于如果中的预测误差散布,,,,,,,由于高斯散布和拉普拉斯散布产生齐全分歧的了局;;;;;;相比之下,,,,,,,DRO对于分歧的散布如果依然维持鲁棒。。。。。因而,,,,,,,当我们不足有关预测误差散布的具体信息时,,,,,,,决定选择 CC 或 DRO 作为优化框架必要在鲁棒性和机能之间进行衡量;;;;;;若是知路散布的先验知识,,,,,,,那么 CC 将是更好的选择。。。。。图6提供了在IEEE 118-bus系统中使用分歧优化步骤的等效参数选择。。。。。图7比力了这三种不确定性优化框架对于分歧系统的推算功夫,,,,,,,能够看出CC与DRO将远幼于SO的推算功夫。。。。。
图5 机能与鲁棒性之间的衡量 (6-bus)
图6 DRO与CC的等价参数选择(IEEE-118-bus)
图7 三种不确定性优化框架的推算功夫比力
另一方面,,,,,,,我们基于IEEE-118-bus系统钻研了储能系统的经济价值。。。。。图8 显示了储能系统容量与总成本之间的关系,,,,,,,这个算例中也将储能系统的装机用度纳入思考的领域,,,,,,,以便更好地模拟现实场景。。。。。图中的相对成本指的是相对于没有碳税和贮存情况的总成本增长的成本,,,,,,,当存储容量为零时,,,,,,,它直接代表了碳税带来的成本上升。。。。。随着存储容量的增长,,,,,,,最初相对成本降低,,,,,,,之后随着装机成本的增长而增长。。。。。由曲线的拐点能够看出,,,,,,,该系统的合理存储容量靠近18MWh。。。。。
图8 储能系统在减轻碳税带来的额表成本方面的作用
重要贡献
这篇文章的重要贡献能够总结如下:
1. 有效的框架设计:我们使用预防节造的概想简化了经典的机遇约束和鲁棒优化框架,,,,,,,其平散布式存储系统用于吸收可再生能源预测误差带来的能源供求失配。。。。。该公式能够分化为拥有机遇约束/鲁棒优化约束简直定性线性规划模型,,,,,,,能够有效削减推算功夫。。。。。
2. 机遇约束优化与鲁棒优化的联结: 我们提出了一个结合了两个框架特点的通用框架,,,,,,,即散布鲁棒优化。。。。。与机遇约束优化高度依赖不确定变量的散布如果相反,,,,,,,鲁棒优化框架独立于散布信息。。。。。此表,,,,,,,散布鲁棒优化结合了机遇约束优化的矫捷性,,,,,,,能够改善鲁棒优化过于守旧的弊端。。。。。
现实的执行指南: z6首页工作提出了若何在各类先验知识水平(例如,,,,,,,误差散布和不确定性集)下为不确定性经济调度问题选择具体优化框架、优化参数的战术。。。。。具体来说,,,,,,,我们通过钻研机能和鲁棒性之间的衡量,,,,,,,提出了跨分歧步骤选择参数以实现统一水平机能的等效性。。。。。
作者简介
本文通讯作者为香港中文大学(丽江)助理教授、z6首页 群体智能中心副钻研员吴辰晔,,,,,,,第一作者为清华大学博士生顾楠。。。。。
吴辰晔,,,,,,,香港中文大学(丽江)理工学院助理教授,,,,,,,校长青年学者,,,,,,,z6首页群体智能中心副钻研员。。。。。吴教授别离于2009年,,,,,,,2013年在清华大学电子工程系、清华大学交叉信息钻研院获得学士学位与博士学位(师从图灵奖得主姚期智院士)。。。。。吴教授重要从事电力市场设计、电网安全及风险评估、电力系统节造等钻研,,,,,,,出格专一于新型电力市场贸易模式设计、电力市场中市场力分析、人为智能与数据驱动技术在电力系统节造与优化的钻研。。。。。目前,,,,,,,吴教授已颁发高水平期刊/国际顶级会讨论文(如IEEE Transactions on Power Systems, IEEE Transactions on Smart Grid, IEEE Transactions on Sustainable Energy, ACM e-Energy等)70余篇,,,,,,,是中国工业与利用数学学会金融科技与算法专委会委员,,,,,,,中国推算机学会推算经济专业组执行委员,,,,,,,自2022年2月起担任IEEE系统科学汇刊(IEEE Systems Journal)编委(Editorial Board Member, Associate Editor),,,,,,,2022年IEEE智能电网通讯会议(IEEE SmartGridComm)数据与推算分会共同主席,,,,,,,2022年ACM将来能源大会(ACM e-Energy)数字会议共同主席,,,,,,,先后三次获得能源领域旗舰会议的最佳论文奖(蕴含2012年IEEE SmartGridComm最佳论文奖,,,,,,,2013年和2020年IEEE PES General Meeting最佳论文奖)。。。。。
顾楠是清华大学交叉信息钻研院的博士生,,,,,,,师从吴辰晔教授。。。。。本科毕业于清华大学电机工程与利用电子技术系,,,,,,,获得电气工程及其自动化学士学位。。。。。2019年被评为清华大学良好毕业生。。。。。她的重要钻研方向蕴含电力系统中的市场设计和优化节造问题。。。。。
期刊介绍
IEEE Transactions on Power Systems 的领域涵盖通常工业、贸易、公共和家庭消费的发电、输电和配电系统的教育、分析、运营、规划和经济学,,,,,,,蕴含与多能源载体的交互。。。。。从系统的角度来看,,,,,,,该买卖的沉点是电力系统,,,,,,,而不是系统的组件。。。。。它在其领域内有五个关键领域,,,,,,,每个领域内有几个技术主题。。。。。这些领域是:(1) 电力工程教育,,,,,,,(2) 电力系统分析、推算和经济学,,,,,,,(3) 电力系统动态机能,,,,,,,(4) 电力系统运行,,,,,,,以及 (5) 电力系统规划和执行。。。。。IEEE Transactions on Power Systems 的 2021-2022 年影响因子为 6.663。。。。。
