[论文解读] Economic Dispatch Considering Spatial and Temporal Correlations of Multiple Renewable Power Plants

Chenghui Tang, Yishen Wang+3 more|arXiv (Cornell University)|Jul 2, 2017

Electric Power System Optimization参考文献 11被引用 3

一句话总结

本文提出了一种基于Gibbs采样的动态场景生成方法，利用Copula理论和历史概率直方图捕捉多个可再生能源发电站（RPPs）的时空相关性。通过避免使用高维联合分布，该方法在降低计算复杂度的同时，准确建模了不确定性、空间相关性和变异性。研究表明，结合这些场景的基于分布的经济调度（ED）与基于场景的ED方法，相比传统方法，系统成本更低且风险管理水平更优；当使用500至2000个场景时，基于场景的ED方法可接近基于分布的ED性能。

ABSTRACT

The correlations of multiple renewable power plants (RPPs) should be fully considered in the power system with very high penetration renewable power integration. This paper models the uncertainties, spatial correlation of multiple RPPs based on Copula theory and actual probability historical histograms by one-dimension distributions for economic dispatch (ED) problem. An efficient dynamic renewable power scenario generation method based on Gibbs sampling is proposed to generate renewable power scenarios considering the uncertainties, spatial correlation and variability (temporal correlation) of multiple RPPs, in which the sampling space complexity do not increase with the number of RPPs. Distribution-based and scenario-based methods are proposed and compared to solve the real-time ED problem with multiple RPPs. Results show that the proposed dynamic scenario generation method is much more consist with the actual renewable power. The proposed ED methods show better understanding for the uncertainties, spatial and temporal correlations of renewable power and more economical compared with the traditional ones.

研究动机与目标

• 为解决在高渗透率可再生能源电力系统中，对多个可再生能源发电站（RPPs）之间时空相关性的建模挑战。
• 在不依赖高维联合分布的前提下，降低生成相关可再生能源出力场景的计算复杂度。
• 开发并比较考虑系统备用、负荷削减和可再生能源弃用风险的基于分布的和基于场景的经济调度（ED）方法。
• 评估不确定性、空间相关性和变异性对实时经济调度中系统成本与运行风险的影响。
• 确定实际应用中场景数量与调度性能之间的最优平衡。

提出的方法

• 利用Copula理论基于历史概率密度直方图（PDHs）对多个RPPs的联合依赖结构进行建模，实现对空间相关性的准确表示。
• 提出一种基于Gibbs采样的动态场景生成方法，通过依次从一维条件分布中采样，避免了高维联合分布带来的维度灾难问题。
• 通过在调度时间范围内迭代采样可再生能源出力场景，对时间维度上的相关性（变异性）进行建模，保持时间间的依赖关系。
• 构建总可再生能源出力及输电线路潮流的条件边际分布，以评估系统层面的备用不足与阻塞风险。
• 开发两种ED框架：一种是使用解析矩匹配的基于分布的方法，另一种是使用嵌入场景的基于场景的方法，两者均引入了对负荷削减（LS）和可再生能源弃用（REC）的惩罚项。
• 采用场景削减技术在保持统计保真度的同时维持计算效率，性能在50、500和2000个场景下进行评估。

实验结果

研究问题

• RQ1 如何在不产生高计算成本的前提下，高效建模并模拟多个RPPs的时空相关性？
• RQ2 忽略空间相关性和时间变异性对高比例可再生能源渗透系统中经济调度的准确性与经济性有何影响？
• RQ3 在考虑真实RPP不确定性的情况下，基于分布的ED与基于场景的ED方法在系统成本、备用充足性与风险管理方面有何差异？
• RQ4 为实现与基于分布ED相当的性能并保持计算可行性，基于场景ED所需的最优场景数量是多少？
• RQ5 对负荷削减与可再生能源弃用设定不同的惩罚系数，如何影响足够向下备用的置信水平及整体系统经济性？

主要发现

• 基于Gibbs采样的所提动态场景生成方法显著降低了采样空间的复杂度，并相较于静态方法或高维联合分布方法，更准确地反映了实际可再生能源出力行为。
• 当使用500个场景时，基于场景的实时经济调度（RTED）方法总成本为42,329美元，与使用2,000个场景的基于分布方法的42,189美元非常接近，表明在中等数量场景下即可实现高保真度。
• 基于场景的ED方法在使用2,000个场景时优于基于分布的ED方法，能更准确捕捉线路特定的阻塞风险，尤其在考虑输电约束下的REC惩罚方面表现更优。
• 与现有模型相比，所提方法因更准确地表示不确定性、空间相关性和时间变异性，使系统成本降低10%至15%。
• 当REC惩罚从40美元/MWh提高至200美元/MWh时，足够向下备用的置信水平从74.84%上升至93.11%，表明模型可根据风险偏好自适应调整备用水平。
• 文献[19]因未建模输电阻塞，导致负荷削减与REC惩罚更高；文献[4]因缺乏时间变异性建模，导致成本更高。