[论文解读] A Modified Benders Decomposition for Chance-Constrained Unit Commitment with N-1 Security and Wind Uncertainty

Kaarthik Sundar, Harsha Nagarajan+4 more|arXiv (Cornell University)|Mar 15, 2017

Electric Power System Optimization被引用 4

一句话总结

本文提出一种改进的Benders分解算法，用于求解考虑N-1安全约束和风电不确定性的机会约束机组组合问题，将其建模为混合整数二阶锥规划以限制故障概率。该方法可在高风电渗透率下实现大规模系统的最优且可扩展的解决方案，在IEEE RTS-96和IEEE 300测试系统中展现出经济与运行优势。

ABSTRACT

As renewable wind energy penetration rates continue to increase, one of the major challenges facing grid operators is the question of how to control transmission grids in a reliable and a cost-efficient manner. The stochastic nature of wind forces an alteration of traditional methods for solving day-ahead and look-ahead unit commitment and dispatch. In particular, the variability of wind generation increases the risk of unexpected overloads and cascading events. To address these questions, we present an N-1 Security and Chance-Constrained Unit Commitment (SCCUC) that includes models of generation reserves that respond to wind fluctuations and models of tertiary reserves that respond to single component outages. We formulate the SCCUC as a mixed-integer, second-order cone problem that limits the probability of failure. We develop a modified Benders decomposition algorithm to solve the problem to optimality and present detailed case studies on the IEEE RTS-96 three-area and the IEEE 300 NESTA test systems. The case studies assess the economic impacts of contingencies and various degrees of wind power penetration and demonstrate the effectiveness and scalability of the algorithm.

研究动机与目标

• 解决在维持系统可靠性与成本效率的前提下，将高比例风电并网所面临的挑战。
• 建模风电出力的随机特性及其对输电阻塞与系统安全的影响。
• 同时考虑用于应对风电预测偏差的旋转备用和用于单元件停运事件（N-1安全）的三级备用。
• 开发一种优化框架，以限制不确定性下的系统故障概率。
• 通过改进的Benders分解算法，实现大规模机组组合问题的可扩展且最优求解。

提出的方法

• 将机组组合问题建模为混合整数二阶锥规划（MISOCP），以高效处理机会约束。
• 通过概率约束建模风电不确定性，限制输电过载或负荷削减的发生概率。
• 引入对风电预测偏差响应的发电备用，以及针对N-1预想故障事件的三级备用。
• 开发一种改进的Benders分解算法，将问题分解为主问题和多个子问题，以提升收敛性与可扩展性。
• 利用子问题解生成的Benders割线，迭代优化主问题的解，确保最优性。
• 实施一种稳定化技术，以改善Benders分解过程中的收敛行为。

实验结果

研究问题

• RQ1 如何对机会约束机组组合进行建模，以在高风电功率渗透率下维持系统可靠性？
• RQ2 在具有随机风电出力的系统中，N-1预想故障约束对运行成本与备用需求有何影响？
• RQ3 与标准方法相比，改进的Benders分解算法在求解效率与可扩展性方面有何提升？
• RQ4 在大规模测试系统中，风电渗透水平与系统安全之间的经济与运行权衡关系如何？
• RQ5 所提出方法在处理实际规模系统中复杂概率约束时，能在多大程度上确保最优性？

主要发现

• 改进的Benders分解算法在IEEE RTS-96三区域系统和IEEE 300 NESTA测试系统上均成功以最优性求解SCCUC问题。
• 该方法展现出良好的可扩展性，能够高效处理高风电渗透率和多种预想故障场景的大规模系统。
• 引入机会约束显著降低了系统故障风险，同时保持了成本效益，尤其在高风电渗透率下更为明显。
• 引入针对N-1故障的三级备用提高了系统可靠性，但也增加了运行成本，该影响在案例研究中得到了量化。
• 该算法在合理迭代次数内实现收敛，证实其在实时与日前调度中的实际适用性。
• 案例研究显示，风电不确定性增加了对旋转备用和三级备用的需求，而该模型在概率安全约束下量化了这些需求。