文章將調峰充裕性風險和經(jīng)濟價值考慮到風電場群和常規(guī)機組的有機協(xié)調中,并據(jù)此提出了一種風電場投資時序決策方法。首先,為衡量風電場投資的經(jīng)濟價值,結合期權理論構建了經(jīng)濟價值評價模型。其次,為了研究風速相關性對調峰充裕性風險的影響,并且考慮投資者的風險偏好,在利用Copula函數(shù)描述風速相關性之后,提出了基于改進的考慮投資者風險偏好的條件風險價值(conditional value-at-risk with the utility function,UCVaR)指標。進而建立了雙層規(guī)劃模型,綜合評估了經(jīng)濟價值和調峰充裕性風險,并結合蒙特卡洛模擬和遺傳算法進行求解。最后,算例給出了6種情景下的最優(yōu)時序方案,計算結果表明了風速相關性、投資者的風險偏好和風險度量指標的選擇都對風電場投資時序規(guī)劃有較大的影響。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 基于Copula函數(shù)的風速和出力計算框圖

考慮各風電場具有相關性的出力特性，將會影響系統(tǒng)的負調峰需求，進而增加調峰充裕性風險，本文利用Copula函數(shù)進行量化計算。有多種關于Copula函數(shù)的選取方法，本文采用基于經(jīng)驗Copula和理論Copula的最短歐式距離法[19]選取Copula函數(shù)。風電場輸出功率的計算步驟如圖....

圖2 基于蒙特卡洛模擬和遺傳算法的模型求解流程

本文通過改進的IEEE30節(jié)點標準測試系統(tǒng)，構建符合該算例的情景，將規(guī)劃期初已有的常規(guī)機組1—6分別設置在節(jié)點1、2、5、8、11和13處，將2臺待建常規(guī)機組分別設置在節(jié)點22和節(jié)點23。為方便計算，假設常規(guī)發(fā)電機組的工作狀態(tài)1—3發(fā)生的概率依次為0.80、0.15和0.05，....

圖4 綜合效益的迭代示意圖

以保守型投資者為例，給出遺傳算法的計算結果。圖4表示在迭代過程中風電場投資的綜合效益即適應度函數(shù)值的變化，圖5為求解過程中調峰充裕性風險RUCVaRD的迭代示意圖。圖5調峰充裕性風險的迭代示意圖

圖5 調峰充裕性風險的迭代示意圖

圖4綜合效益的迭代示意圖4.2對比分析

本文編號：4055926