大规模清洁能源的接入对电力系统的运行调度提出了严峻的挑战。将多种具有不同发电特性的清洁能源纳入到日前调度计划中统筹考虑有助于提高系统的安全性和经济性。为此,提出了含风-光-核-水-火的多源联合优化机组组合模型。所提模型同时考虑了网络安全约束和线路损耗的影响,在保证调度结果精确性的同时最大限度地降低计算的复杂度。针对该模型存在的不确定参数,引入信息间隙决策理论（information gap decision theory,IGDT）对其进行建模,分别得到鲁棒模型和机会模型,进而为调度运行提供合理的决策基础。最后,对改进的含有54台火电机组、8台梯级水电机组、5个风电场和1台核电机组的IEEE 118节点系统进行测试,测试结果验证了所提模型和算法的正确性和有效性。
随着风电接入电网的比例不断提高,风电的不确定性对电力系统的运行调度提出了严峻挑战。将满足一定置信水平的风电区间预测信息纳入到日前调度计划中有助于提高系统的安全性和经济性。为此提出了基于风电区间预测信息的随机安全约束机组组合模型(stochastic security-constrained unit commitment,SSCUC)。该模型将风电的不确定性用1个确定的预测风电场景和2个极限风电场景来表示,简化了问题的复杂度。同时,该模型引入了潮流约束和网络安全约束,保证了调度结果的可行性。为求解该模型,提出了基于广义Benders分解的计算方法。该方法将SSCUC问题分解为一个主问题和2T(T为调度周期)个约束潮流子问题,并通过交替迭代的方式获得原问题的最优解。4机9节点系统和改进118节点系统的计算结果验证了所提模型和算法的有效性。
针对传统机组组合研究中因模型不够完善、约束过于简化而引起的计算准确度低和系统安全性差的缺陷,建立了考虑潮流方程和水电精确出力的水火机组组合(hydrothermal unit commitment,HTUC)模型。围绕该模型,文中首先采用广义Benders分解算法将其划分为一个混合整数线性规划主问题和一个非线性规划子问题;然后将该子问题按时段进一步分解为T个规模较小的子问题,T为调度周期。其中,主问题对应于传统的水火联合调度(hydrothermal scheduling,HTS),子问题则是包含电压、无功等变量的约束潮流(constrained power flow,CPF)。主子问题之间通过可行割进行协调,并以交替迭代的方式获得原问题的解。最后对含有46台火电机组、8个梯级水电厂的IEEE 118节点系统进行计算,测试结果表明所提算法能在较少的时间内获得高质量的解,从而为大规模机组组合问题的求解提供参考。
