文摘

本文提出了一种生成扩张的电力系统模型考虑到操作约束和长期电力需求预测的不确定性。模型是基于载荷持续时间曲线的离散化和明确认为发电厂增加功能必须满足需求的变化。模型预测控制方法用于改善长期计划决策时考虑需求预测的不确定性。本文给出的模型允许在模拟集成技术限制和不确定性,提高结果的准确性,同时保持可行的计算时间。结果在三个场景测试基于能源零售商在哥伦比亚的加载数据。

1。介绍

决策与投资发电厂,被称为一代扩张计划(GEP),通常是基于负载持续时间曲线(LDC)。线性优化模型已经使用很长一段时间来寻找最优的混合生成技术提供这种需求。LDC-based解决方案描述所需的发电装机容量的技术和操作时间,为了最小化总成本,也就是说,投资和运营成本。由于传统模型不包括需求的变化随着时间的推移,他们不考虑发电厂的增加和循环功能。然而,不包括这些技术限制电力系统低估了系统的灵活性的需求。这个事实变得越来越上升趋势的参与可再生发电面临的相关特征变量的供应。基于LDC的传统方法没有考虑到不同的一代技术提供的潜在价值的灵活性,这导致次优的解决方案。另一方面,解决方案,包括这些技术元素需要很高的计算工作。事实上,传统的解决方案不考虑需求预测的不确定性导致产能过剩或装机容量相关的可靠性问题。因此,次优的投资决策与电厂的长期使用。

需要包括的技术约束和不确定性在《全球经济展望》需要集成的新元素。然而,这些新元素增加了问题的复杂性。面临着相同的困难在使用场景,考虑不确定性,但改善的能力来处理长期计划决策,让前面的结果强劲的电力系统的未来趋势。艺术世代投资问题的状态显示不同的方法考虑一体化的新变量和不确定性。第一组的方法处理LDC模型本身。在[1),一个线性分段函数是用来代表德国和英国LDC;剩余LDC用于集成可再生能源在曲线的一部分,大部分的需求发生变化。技术进步,如斜坡率和机组的最大时间建议列入LDC方法(2]。在[3),一个健壮的优化,包括需求的不确定性,提出了电价、发电成本。第二组的方法处理问题的技术约束融入古典经济世代投资模式,即基于时间序列表示的需求。作者的4)包括几个额外的变量和约束相关的电力系统来解决一个周期问题。在[5),相关讨论如何增加利率和开办费用等动态约束改变古典世代投资解决方案的最佳点。方法探索解决方案的工作强调了需要在预测时间范围也叫multiperiod解决方案。混合解决方案提出了(6)认为的集成可再生发电GEP的净需求曲线;处理预测错误,操作储备约束。传统技术的解决方案包括匝道利率风力发电功率的不确定性。

最后,一组详细的解决方案利用随机和基于时间序列模型来解决《全球经济展望》。一代计划扩张方法使用multiperiod地平线上下两层的问题提出了解决的(7]。顶级的投资利润最大化问题和二级处理生成等技术限制,传输约束和加载流。可再生能源的影响,讨论了《全球经济展望》(8)与模型优化所有年度投资,固定和可变操作成本、储备成本,以及积极和启动成本约束。问题处理一个新的最优点平衡越来越多的可再生和储备来满足系统的可靠性要求。最后,在书9),长期投资考虑GEP问题结合输电投资进行了讨论。这本书提供了一个完整的基于随机过程的方法。在这本书中提出的解决方案考虑到集成的几个规划视野通过多级模型与详细的技术限制。然而,结果是基于决策树和详尽的解决方案,由于非常详细的模型,结果在这本书中需要很高的计算工作。现在,随着研究综述、时间序列和详细解决方案导致使用复杂的方法,意味着高计算成本。讨论随机方法用于预测功率变量不是提出了审查。这个国家的艺术的范围是解决投资问题的一代混合设计。结束,新的方法必须处理详细的级别之间的权衡和所需的时间来解决这个问题在一个大的时间范围。细节不重要,计划演习和场景分析可以用更少的技术和预测使用更有效的解决方案的细节。这项工作集中在一个最优、灵活和高效multiperiod GEP方法解决问题。 The solution is inspired by the MPC (model predictive control) methodology. The solution includes ramping constraints creating a compromise between the power system flexibility and the installed capacity. This leads to a new optimal point which guarantees a reliable operation minimizing the fixed and variable investments cost. Four scenarios are simulated with uncertainties in the variables showing the advantages as a planning tool. The paper is organized as follows: Section2提出了一个简短的描述方法。部分2。1和2。2目前使用的LDC离散化和动态分析,包括增加约束。部分3介绍了对比该模型包括增加约束和经典的经济解决方案。部分4货币政策委员会提出了一个简短的描述和方法用于multiperiod GEP方法。最后,部分5介绍了使用数据,测试场景和模型性能比较的部分3完成与货币政策委员会计划的结果。

2。方法

如前所述,《全球经济展望》的经典解决方案基于LDC只考虑经济变量。此外,该方法没有考虑时间序列创建LDC的需求信息。新一代的扩张计划应该考虑多种选择的技术和不确定性;每种技术都有自己的技术约束和经济成本。最优时间LDC分区允许分布在几个街区GEP问题或需求水平。每一层都有自己的特点:需要功率、不确定性,和力量变化。包括问题的需求水平可用于动态分析包含在解决方案作为年度运营的技术限制。约束保证最低功率变化响应每个块。该模型为最优发电扩张计划成本提供了一个可靠的操作设计考虑在每一块功率的变化。注意,考虑最大功率改变对于每个块,所有可行的变化,因此,LDC所有可能的系统解决方案是健壮的每个块的规划期的变化。 Therefore, the optimal economic power mix problem is solved integrating the ramp velocities in the economic model. A trade-off between the economic and the technical part is created. Finally, the proposed model only solves the one-year problem and it is extended by means of the model predictive control (MPC). The solution of the problem in a prediction horizon provides a new optimal solution that considers the predicted changes in the variables. This methodology is easily improved by including additional constraints and models into the problem.

2.1。加载历时曲线离散化

LDC曲线是不断递减函数代表的时间,一定的电力需求是要求电力系统(见图1)。在本节中,一个LDC离散化,提出了基于[10,11]。拟议的LDC离散化最小化之间的差异由几个区域和区域基于时序分解块。如图1使用时间轴值作为优化变量,每个离散块的宽度对应于物体的时间一年。类似地,每一个的高度块代表最大所需功率(或装机容量)的函数。现在,随着和已经定义的近似作为一个离散函数考虑到是一个有限的数量,和相关的,会有一个错误可以表示为 如果与梯形函数近似分段,精度提高,结果保留了LDC减少的特点。因此,可以这么说

梯形近似描述,名叫LDC块离散化将永远大于LDC函数有限数量的块。这提供了一个置信区间来产生最大的能量。下一步最小化之间的近似误差梯形LDC近似和能量块。如果时间离散化和网格点吗的时间,然后,可以定义间隔几小时[h]作为优化变量。LDC函数,功率值点是获得。因此,产品之间和会产生阻碍代表国家沿着所需的能量。优化问题是制定如下:

使用最优值最小化了LDC离散误差,为简单起见,将命名为最佳梯形能量块和代表如下:

这项工作考虑三个街区LDC函数离散化。最优离散LDC的方法为每个块呈现以下特征:块最低的变异和次要的近似误差。从金融和操作的角度来看,这一块代表了负载与远期能源协议。这个能量有小波动,与基本负荷发电技术派。块表示一个变量增加能耗;此块包括负载由能源协议,住宅客户和公司。这个街区的波动性大于块和与管理用户的消费模式。也块能源需求通常与技术生成大能量的负担得起的价格,但也应该灵活和快速响应负荷变化。最后,需求块代表着更高的需求点。在一年内,这些需求高峰点持续时间不超过一个小时,和他们的外表在白天很少。这些低频率峰值创建一个灵活的市场机会;用电高峰点意味着需要一个相应的发电装机容量可用,即使是只用几个小时。它从发电机是一种责任和能源零售商所需的能量随时可用。从这个意义上讲,需求响应和负载变化等智能电网技术可以用来供应所需的能源在高峰小时;就目前而言,这项工作希望只处理装机容量来提供能量。

2.2。增加约束模型

离散化提出了部分2。1允许为每个块包括特定的约束。特别是,可以找到最优经济的混合技术包括技术约束的代组合。提出管理策略优化一代技术根据斜坡速度标准,以满足混合动力改变值在每个块。考虑每一个变化的概念意味着变化的负载生成系统是正确的结果修改操作的一个或多个电厂系统来满足需求的表示。然后,它可以证明为每一个。一代技术或混合必须能够达到新的操作在一个合适的时间。考虑发电矩阵一代技术,可以满足操作系统组合的变化每个技术的能力表示为一个加权和,的参与th变化和技术力量每种技术的斜坡率: 定义作为一代产生的能源技术,生成的变量是相关成本和装机容量。加权组合方法制定根据特定的设计参数可以包含在《全球经济展望》改变了解决方案。现在,这项工作将使用负荷时间序列分析中描述的部分2。3找到值需求的水平。这些值将被用作最低增加价值,解决方案必须保证如下:

2.3。方法用于时间序列分析和描述数据的使用

为了识别测量值在每个需求级别更高的能量变化在每一块,前面的方法计算时间需求时间序列的导数。要做到这一点,时间序列与每个需求水平获得部分匹配2。1(见图2)。每一块如图的衍生品3。最后,值获得最大导数值的每一块,表中给出1。识别和最大之间的比较值为每个需求水平如表所示1。最大的值代表最大的变化定义的块大小。使用的数据中描述部分5。

3所示。增加约束模型方法

与值的每个需求块,下一步是找到最优的组合生成技术来满足需求的最低成本考虑增加约束。中给出的公式(6)允许斜坡速度通过结合技术值为每个需求块保证所需的性能。集成了平衡每个块每一代一代技术与值。的平等保障每一块的装机容量。动态约束把所需的手术水平的增加在每一块组合。最后,考虑每个工厂的操作和装机容量也限制变量;这个约束关节扩展了影响装机容量。使用的参考变量提出了表2和经典的和动态的配方是在(9)。解决优化问题,让 在哪里代表了系统变量:装机容量,使用每种技术,每种技术的动态解决方案的权重。

在哪里是向量与生成技术每年固定和可变成本。的值代表年的安装和固定运营成本每一代技术能力;表示操作和维护的总和(运营管理)为每个技术成本和燃料成本。折合成年率的使用成本股票装机容量价格每种技术的寿命。注意到的成本值是零。为了比较经典和增加约束模型,使用相同的成本函数。

4所示。模型预测控制

代投资规划的解决方案在预测时间窗口相关(所5]。在这里,前面的讨论价值秩序调度应急电力系统的动态约束。包含变量如绿色发电技术、需求响应计划,燃油价格,和存储技术等变量变得必要处理电力系统的未来情景。集成这些新变量的增加的数量和复杂性模型用于电力系统规划和运行。基于控制应用程序和控制管理策略已经证明他们的效率来实现良好的和期望的性能在一些动态和复杂的系统。动态约束生成扩张问题制定部分2发现最优的经济角度满足了LDC动力学为一年。新的挑战是提出一个模拟动态问题公式化,认为未来场景和前面安装一组最优解的能力。一个众所周知的工具用来解决动态线性和非线性约束问题提供最优轨迹基于国家未来问题是模型预测控制(MPC);使用后退地平线原理计算后的最优控制序列只适用于第一个控制行动;然后,下一次迭代的解决方案提供了一种新的控制序列包括新的信息和以前的系统状态。循环一直运行,直到达到所需的地平线。这种解决方案提供了一个计划工具能够同时分析多个场景,提供一组最优轨迹的变量和控制行动,允许分析和决定,每一次生成系统演化及其相关收益包括固定和可变成本。

4.1。模型预测控制器配方

创建一个最优发电计划工具,这项工作实现了MPC控制器。MPC利用后退地平线解决策略,允许增加约束模型在预测地平线。解决方案计算最优决策GEP考虑未来LDC值。使用模型提出了(9)作为经济目标函数,包括适当的约束条件,给出了最优解公式考虑时间离散状态空间模型: 在哪里系统的状态,系统输出,是电流控制向量。使用(6)的状态空间表示的问题一代技术和LDC离散块可以写成:

如前所述,基础设施投资的自然条件变量:他们不能减少。消极的装机容量的变化将意味着“毁灭”或植物的拆除;这在现实操作意味着关闭工厂或衰减装置效率。负不考虑这项工作,植物衰老减少考虑固定运营成本的维护成本。然而,老化参数可以很容易地纳入空间状态模型。 在哪里向量代表控制行动来修改变量;表示决策增加装机容量;代表的预期使用代技术;和代表一代技术的权重根据斜坡速度。之间的相互作用和变量描述和矩阵如下: 在哪里代表美国进化。因此,安装能力的唯一变量被认为是持久的系统(集成变量)。一步的装机容量只取决于之前的状态和明确的控制操作矩阵。是一个单位矩阵。的矩阵表示的决策变量和状态变量之间的关系。在这种情况下,只有每一个控制变量的直接影响在其相应的状态。 的向量描述的是一样的8);向量在所有使用相同的成本优化成本函数允许直接比较的结果提出了方法。相关约束的关系明确的MPC的硬约束。模型输出结果的变化控制行为是不考虑;因此。现在,写动态状态空间系统,基于传统经济政策委员会的问题(12)定义如下:

在时间步,让和的状态轨迹和控制序列,被预测地平线成本经济舞台。系统受到硬约束的状态、输出,输入对所有,在那里,,是闭集。的目标函数(9)显然是一个线性组合的状态。使用MPC方法,提供了极大的灵活性的目标函数。为了计算最优控制的解决方案,成本函数将基于状态空间的输出描述(10),和经济政策委员会制定的

5。案例研究

作为应用程序的情况下,2013年的需求数据从EPM (senior publica de麦德林)是最大的能源零售商从中心地区的哥伦比亚分享该国所允许的最大25% 23.9%的监管。需求是由监管和监管的用户;在哥伦比亚,能源价格没有差别,甚至监管客户忽视实时能源价格。因此,调节负载没有节能文化利用的能量沿着天随时增加负载波动。可再生能源发电技术不成熟的市场,也需求响应或类似的技术。代技术中使用的问题选择考虑竞争技术的成本和增加率问题;从技术参数8,13),表中给出3。结果比较传统经济LDC的解决方案不增加约束和增加约束LDC部分中描述的方法2。1。三个额外的人工场景如图4创建基于数据集。第一个场景取自需求时间序列呈现在图吗3从离散化在获得和需求水平部分2。1。的第一个场景的值对应于表中给出的值1。其余的场景是假想的,他们是为了强调积极和消极的方法前面LDC和动力学变化如下:第二个场景提供了一个10%的增长在所有的块和值假设一个积极的发展。第三个场景假定块1和增加一个额外的10%减少30%块2。最后,第四个场景模拟块3负荷增长10%。

5.1。经济和增加约束比较

每个解决方案的安装能力呈现在图5和一代混合使用为每个场景提出了数字6和7;传统模式而不增加约束和提议的增加约束模型提供了相同的解决方案第一场景:块基本负荷技术操作和与更高的能源需求。一个OCGT(开式循环燃气轮机)生成植物的选择块为能源提供更高的成本,但最低的成本(参见图安装能力5和6)。在这个解决方案中,同样的技术组合满足增加的需求。在场景2号,没有增加的情况下限制增加场景1的装机容量混合比例的增加每个需求水平。增加约束的缺乏使得解决方案忽视的动态变化的需求。相比之下,明显改变一代混合是由增加约束的解决方案补偿的需求增量使用燃机联合循环燃气轮机的解决方案。这种改变增加了成本,但代表了最低的成本来满足增加的需求。响应能力和灵活性之间的平衡系统已被证明。场景三个礼物一个特定的情况下,经典和增加约束的解决方案都是相同的。导数值在这个场景中包含在可行域的经典解决方案最优值。场景三表明,在放松的情况下动力不是很严重(低负载值)、经典和增加约束的解决方案可能是相同的。 Finally, scenario four shows how a increment in the base load can move the optimal point increasing the coal installed capacity and generating the energy in all the blocks only with the cheapest technology. The result generates an interesting solution where a big installed capacity of a slow generation technology could meet the imposed load dynamics.

5.2。模型预测控制的结果

MPC世代投资规划工具的使用结果。作为设计的矩阵,货币政策委员会应该保持和场景之间的装机容量增加的值如果它是必要的。比较的装机容量增加约束的解决方案和MPC结果图8,前面的能力值保存。当一个先前的装机容量已经建立,优化选择关闭特定的技术和支付固定的各项成本和供应能量和另一个技术。第二个场景的部分5.1推动系统到另一个技术组合包括燃机基础代植物增加能源生产成本。MPC保持以前的煤炭产能情况和安装一个小燃机装机容量数量来满足需求的问题。这种行为创造了机会,包括设计和管理需求响应技术供应少量的能量较低的安装成本。场景三个和四个较小的负荷值。MPC保持之前安装的能力避免消极的变化呈现在图5。

图中描述的安装能力8,货币政策委员会提出不同的能源组合每个场景呈现在图9。现在,安装能力和固定的各项成本,稳定一代成本达到经济最优的关键。装机容量的动态实施允许决定,在规划周期,技术是最拨款工作在一个特定的场景中选择哪些植物应该开启或关闭。战略提供了规划工具有效地利用廉价的技术,覆盖高负载动态最快但昂贵的技术。

最后,解决方案提供的经济成本比较表4。给出的值对应于每种解决方案的目标函数。正如预期的那样,传统的解决方案总是最便宜的解决方案。增加约束增加场景的解决方案成本两个和四个增加负载以及积极条件。最后,货币政策委员会面临的场景使解决方案成本接近传统解决方案但同时会议解决方案成本。最后,货币政策委员会解决最小化经济总体成本会议增加约束和保持接近传统成本方法。

6。结论

上述工作提出一个最优发电计划工具根据修改后的《全球经济展望》。GEP改进包括技术约束,认为一代技术斜坡速度和负载动态优化。约束包括增加的值生成技术和混合它们满足设计操作条件优化成本最低的装机容量和固定和可变值代组合的成本。利用MPC理论,最优长期规划问题解决提供可靠的新一代混合负载动力学和前面保持最小的经济成本。《全球经济展望》中使用的LDC离散化改进最小化LDC的区别和三个层次的需求。结果,生成用于分类负荷时间序列动态水平,也代表了预期每年每个级别所需的能量。这表示简历负载和需求高峰每年有几个值允许轻松集成多个数据源的随机模型,专家知识,甚至虚构的场景。这提供了一个有用的分析规划工具几个较低的情况下计算时间。提出了离散化不适合实时操作由于斜坡的假设值在MW / h,当他们通常给出订单MW /分钟。最后,提出解决增加约束模型和比较与专属经济模型的解决方案应用于四个场景,比较性能。 The comparison shows that considering the generation technology ramp velocities in the technology mix problem defines a new optimal solution cost. The new solution provides a reliable generation mix design able to fulfill the system power changes imposed by the load dynamics. Then, using the MPC methodology, the model is used to create an optimal generation investment plan. The MPC formulation provides a vector with the optimal solutions for all the scenarios in the order of seconds. The methodology deals with the uncertainties of the LDC forecast considering past and future values of the variables to make an technical and economical GEP solution. The MPC strategy found an optimal economic solution including the ramping constraints into the problem. Mixing the operation of slow and fast generation technologies, the strategy minimized the installed capacity changes, meeting the load requirements by keeping the economic cost close to the traditional solution.

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本文由COLCIENCIAS-Conv赞助。528;KU鲁汶ELECTA组;和哥伦比亚大学Nacional de GAUNAL组。