[论文解读] Robust Risk-Constrained Unit Commitment with Large-scale Wind Generation: An Adjustable Uncertainty Set Approach

Cheng Wang, Feng Liu+5 more|arXiv (Cornell University)|Oct 12, 2015

Electric Power System Optimization参考文献 19被引用 8

一句话总结

本文提出了一种鲁棒风险约束机组组合（RRUC）框架，采用可调节的不确定性集来管理大规模风电出力，通过优化运行灵活性并显式考虑风电预测误差超出不确定性集的风险，从而在罕见事件下提升系统可靠性并降低运行成本，相比传统鲁棒机组组合方法更具优势。

ABSTRACT

This paper addresses two vital issues which are barely discussed in the literature on robust unit commitment (RUC): 1) how much the potential operational loss could be if the realization of uncertainty is beyond the prescribed uncertainty set; 2) how large the prescribed uncertainty set should be when it is used for RUC decision making. In this regard, a robust risk-constrained unit commitment (RRUC) formulation is proposed to cope with large-scale volatile and uncertain wind generation. Differing from existing RUC formulations, the wind generation uncertainty set in RRUC is adjustable via choosing diverse levels of operational risk. By optimizing the uncertainty set, RRUC can allocate operational flexibility of power systems over spatial and temporal domains optimally, reducing operational cost in a risk-constrained manner. Moreover, since impact of wind generation realization out of the prescribed uncertainty set on operational risk is taken into account, RRUC outperforms RUC in the case of rare events. Three algorithms based on column and constraint generation (C&CG) are derived to solve the RRUC. As the proposed algorithms are quite general, they can also apply to other RUC models to improve their computational efficiency. Simulations on a modified IEEE 118-bus system demonstrate the effectiveness and efficiency of the proposed methodology

研究动机与目标

• 解决现有鲁棒机组组合（RUC）模型在风电出力超出预定不确定性集时缺乏对运行风险考量的问题。
• 确定在风电波动条件下，能够在成本效率与风险暴露之间取得平衡的最优不确定性集大小。
• 开发一种风险约束的机组组合框架，能够根据可接受的运行风险水平动态调整不确定性集。
• 通过显式建模罕见风电预测偏差的影响，提升系统可靠性与运行成本效率。
• 通过可调节的不确定性集实现实时与空间维度上系统灵活性的最优配置。

提出的方法

• RRUC模型引入了针对风电出力的可调节不确定性集，其大小可根据期望的运行风险水平进行调节。
• 不确定性集作为机组组合问题的一部分进行优化，以在风险约束下最小化总运行成本。
• 采用列与约束生成（C&CG）算法高效求解双层鲁棒优化问题。
• 开发了三种C&CG算法变体，以提升计算性能与可扩展性。
• 该公式显式考虑了超出不确定性集的风电实际出力对风险的影响，从而在罕见事件中提升鲁棒性。
• 该方法具有通用性，可应用于其他RUC模型以提升其计算效率。

实验结果

研究问题

• RQ1 风电预测误差超出不确定性集的风险如何影响机组组合的运行结果？
• RQ2 在大规模风电接入条件下，能够最小化成本并维持可接受风险水平的最优不确定性集大小是什么？
• RQ3 与固定不确定性集相比，可调节不确定性集能否提升系统可靠性与成本效率？
• RQ4 在罕见但严重的风电预测偏差下，所提出的RRUC模型表现如何？
• RQ5 基于C&CG的算法在求解大规模鲁棒机组组合问题时，能在多大程度上提升计算效率？

主要发现

• 与传统RUC相比，RRUC模型通过根据风险容忍度最优调节不确定性集，显著降低了运行成本。
• 所提出方法在处理罕见风电预测偏差方面表现更优，风险管理水平优于标准RUC。
• 在修改后的IEEE 118节点系统上的仿真结果验证了RRUC框架的有效性与计算效率。
• 所开发的三种基于C&CG的算法实现了高质量解与良好可扩展性，适用于实时应用。
• 可调节不确定性集实现了系统灵活性在时空维度上的更优配置，增强了整体系统韧性。
• 该框架具有通用性，可推广应用于其他鲁棒机组组合模型以提升计算效率。