基于混合数学形态学的电力系统灵活性需求分解与运行优化

罗仁杰; 鞠家鑫; 李知艺

doi:10.7500/AEPS20240906008

您当前的位置：

首页 >

文章列表页 >

基于混合数学形态学的电力系统灵活性需求分解与运行优化

学术研究 | 更新时间：2025-06-16

- 基于混合数学形态学的电力系统灵活性需求分解与运行优化
- Flexibility Demand Decomposition and Operation Optimization for Power System Based on Hybrid Mathematical Morphology
- 电力系统自动化 2025年49卷第11期页码：37-47
- 作者机构：
  
  浙江大学电气工程学院，浙江省杭州市 310027
- 作者简介：
  
  罗仁杰(1998—)，男，博士研究生，主要研究方向：电力系统灵活性、电力市场。E-mail：rjluo98@zju.edu.cn
  鞠家鑫(2001—)，女，硕士研究生，主要研究方向：电力系统优化运行、电力市场。E-mail：22210177@zju.edu.cn
  李知艺(1989—)，男，通信作者，博士，研究员，博士生导师，主要研究方向：新型电力系统运行、电力系统灵活性。E-mail：zhiyi@zju.edu.cn
- 基金信息：
  
  国家重点研发计划资助项目(2022YFB2404002)
- DOI：10.7500/AEPS20240906008
  中图分类号：
- 收稿：2024-09-06，
  
  修回：2025-01-09，
  
  网络出版：2025-02-28，
  
  纸质出版：2025-06-10
- 稿件说明：
移动端阅览
罗仁杰,鞠家鑫,李知艺.基于混合数学形态学的电力系统灵活性需求分解与运行优化[J].电力系统自动化,2025,49(11):37-47.

LUO Renjie,JU Jiaxin,LI Zhiyi.Flexibility Demand Decomposition and Operation Optimization for Power System Based on Hybrid Mathematical Morphology[J].Automation of Electric Power Systems,2025,49(11):37-47.
罗仁杰,鞠家鑫,李知艺.基于混合数学形态学的电力系统灵活性需求分解与运行优化[J].电力系统自动化,2025,49(11):37-47. DOI： 10.7500/AEPS20240906008.

LUO Renjie,JU Jiaxin,LI Zhiyi.Flexibility Demand Decomposition and Operation Optimization for Power System Based on Hybrid Mathematical Morphology[J].Automation of Electric Power Systems,2025,49(11):37-47. DOI： 10.7500/AEPS20240906008.

摘要

考虑到新型电力系统灵活性需求激增并呈现多时间尺度波动特征，针对调频和爬坡等调节容量单独量化的传统方法易造成预留容量过度冗余的问题，亟须挖掘资源调节能力并量化系统灵活性需求，以提升系统安全运行能力。文中提出一种基于混合数学形态学分解的电力系统灵活性需求分解与多时间尺度调节容量预留方法。首先，通过核密度分布模型生成预测区间内灵活性需求曲线集合；其次，设计考虑调节资源出力特性的混合数学形态学滤波器，将灵活性需求曲线分解为规律分量和随机分量，并根据随机分量集合计算所需调频容量；最后，在灵活性需求分解的规律分量基础上，构建调节资源长/短时爬坡容量预留的随机优化模型。算例结果表明，与传统方法相比，所提模型可实现分解结果与调节资源出力特性相匹配，预留方案能满足电力系统灵活性需求并提升容量调用率。

Abstract

Considering the rapid increase of flexibility demand characterized by multi-timescale fluctuations in the new power system

the traditional separate quantization method for the regulation capacity such as frequency regulation and ramp may cause excessive capacity reservation. It is urgent to explore the resource regulation performance and quantify the system flexibility demand to improve the safe operation of power systems. This paper proposes a flexibility demand decomposition of power system and multi-timescale regulation capacity reservation method based on hybrid mathematical morphology decomposition. Firstly

the kernel density distribution model is used to generate the set of flexibility demand curves within the prediction interval. Secondly

the hybrid mathematical morphology filter considering the output characteristics of regulation resources is designed to decompose the flexibility demand curves into regular and random components. The needed frequency regulation capacity is then calculated according to the set of random components. Finally

based on the regular components obtained by the flexibility demand decomposition

the stochastic optimization model is constructed for long- and short-term ramping capacity reservation of regulation resources. Numerical results show that

compared with traditional methods

the proposed model can match the decomposition results with the output characteristics of regulation resources. Meanwhile

the reservation scheme can meet the flexibility demand of power systems and enhance the capacity utilization rate.

关键词

Keywords

references

张智刚，康重庆 . 碳中和目标下构建新型电力系统的挑战与展望［J］. 中国电机工程学报， 2022 ， 42 （ 8 ）： 2806 - 2819 .

ZHANG Zhigang ， KANG Chongqing . Challenges and prospects for constructing the new-type power system towards a carbon neutrality future ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 8 ）： 2806 - 2819 .

国家能源局 . 国家能源局发布 1 - 2 月份全国电力工业统计数据［EB/OL］.（ 2024-03-25 ）［ 2024-07-02 ］. https：//www.nea.gov.cn/2024-3/25/c_1310768833.htm https://www.nea.gov.cn/2024-3/25/c_1310768833.htm .

National Energy Administration . The National Energy Administration released statistics on the national power industry from January to February ［EB/OL］. （ 2024-03-25 ）［ 2024-07-02 ］. https：//www.nea.gov.cn/2024-03/25/c_1310768 833.htm https://www.nea.gov.cn/2024-03/25/c_1310768833.htm .

滕贤亮，谈超，昌力，等 . 高比例新能源电力系统有功功率与频率控制研究综述及展望［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 12 - 35 .

TENG Xianliang ， TAN Chao ， CHANG Li ， et al . Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 12 - 35 .

瞿颖，肖云鹏，张臣，等 . 考虑灵活调节需求的容量市场出清模型与定价方法［J］. 电力系统自动化， 2024 ， 48 （ 11 ）： 64 - 76 .

QU Ying ， XIAO Yunpeng ， ZHANG Chen ， et al . Clearing model and pricing method for capacity market considering flexible regulation requirement ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 11 ）： 64 - 76 .

邱玥，陆帅，陆海，等 . 综合能源系统灵活性：基本内涵、数学模型与研究框架［J］. 电力系统自动化， 2022 ， 46 （ 17 ）： 16 - 43 .

QIU Yue ， LU Shuai ， LU Hai ， et al . Flexibility of integrated energy system： basic connotation， mathematical model and research framework ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 17 ）： 16 - 43 .

YANG Y R ， SHEN C C ， WU C C ， et al . Control performance based dynamic regulation reserve allocation for renewable integrations ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 3 ）： 1271 - 1279 .

PJM . Manual 11： energy & ancillary services market operations ［EB/OL］. （ 2024-03-20 ）［ 2024-07-02 ］. https：//www.pjm.com/directory/manuals/m11/index.html#about.html https://www.pjm.com/directory/manuals/m11/index.html#about.html .

MISO . BPM 002-Energy and operating reserve markets ［EB/OL］. （ 2023-09-30 ）［ 2024-07-02 ］. https：//www.misoenergy.org/legal/rules-manuals-and-agreements/business-practice-manu als/ https://www.misoenergy.org/legal/rules-manuals-and-agreements/business-practice-manuals/ .

ERCOT . Item 18： 2022 ERCOT methodologies for determining minimum ancillary service requirements ［EB/OL］. （ 2021-12-02 ）［ 2024-07-02 ］. https：//www.ercot.com/files/docs/2021/12/02/18_2022_ERCOT_Methodologies_for_Determining_Minimum_AS_Requirements.pdf https://www.ercot.com/files/docs/2021/12/02/18_2022_ERCOT_Methodologies_for_Determining_Minimum_AS_Requirements.pdf .

ZHANG G Y ， MCCALLEY J D . Estimation of regulation reserve requirement based on control performance standard ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 2 ）： 1173 - 1183 .

仇进，吴继平，滕贤亮，等 . 适应辅助服务市场化的自动发电控制调频容量实时计算方法［J］. 电力系统自动化， 2018 ， 42 （ 8 ）： 16 - 21 .

QIU Jin ， WU Jiping ， TENG Xianliang ， et al . Real-time calculation method for frequency modulation capacity of automatic generation control adapting to auxiliary service marketization ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 8 ）： 16 - 21 .

ZHAO Y H ， LI Z Y ， JU P ， et al . Two-stage data-driven dispatch for integrated power and natural gas systems by using stochastic model predictive control ［J］. Applied Energy ， 2023 ， 343 ： 121201 .

CHE L ， LIU X ， ZHU X ， et al . Intra-interval security assessment in power systems with high wind penetration ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 4 ）： 1890 - 1903 .

CHE L ， LIU X ， ZHU X ， et al . Intra-interval security based dispatch for power systems with high wind penetration ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 2 ）： 1243 - 1255 .

雷星雨，杨林泽，陈咏涛，等 . 计及自动发电控制精细响应动作的机会约束经济调度方法［J］. 电力系统自动化， 2025 ， 49 （ 5 ）： 118 - 127 .

LEI Xingyu ， YANG Linze ， CHEN Yongtao ， et al . Chance-constrained economic dispatch method considering fine-grained response actions of automatic generation control ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 5 ）： 118 - 127 .

赵佩尧，李正烁，高晗，等 . 电-气-热综合能源系统协同调度优化研究综述［J］. 山东电力技术， 2024 ， 51 （ 4 ）： 1 - 11 .

ZHAO Peiyao ， LI Zhengshuo ， GAO Han ， et al . Review on collaborative scheduling optimization of electricity-gas-heat integrated energy system ［J］. Shandong Electric Power ， 2024 ， 51 （ 4 ）： 1 - 11 .

陈中飞，荆朝霞，陈达鹏，等 . 美国调频辅助服务市场的定价机制分析［J］. 电力系统自动化， 2018 ， 42 （ 12 ）： 1 - 10 .

CHEN Zhongfei ， JING Zhaoxia ， CHEN Dapeng ， et al . Analysis on pricing mechanism in frequency regulation ancillary service market of United States ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 12 ）： 1 - 10 .

GAO N C ， GAO D W ， FANG X . Manage real-time power imbalance with renewable energy： fast generation dispatch or adaptive frequency regulation？［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 6 ）： 5278 - 5289 .

陈胜，张景淳，韩海腾，等 . 计及辅助服务的电-气-氢综合能源系统优化调度［J］. 电力系统自动化， 2023 ， 47 （ 11 ）： 110 - 120 .

CHEN Sheng ， ZHANG Jingchun ， HAN Haiteng ， et al . Optimal dispatch of electricity-gas-hydrogen integrated energy system considering auxiliary service ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 11 ）： 110 - 120 .

肖白，张博，王辛玮，等 . 基于组合模态分解和深度学习的短期风电功率区间预测［J］. 电力系统自动化， 2023 ， 47 （ 17 ）： 110 - 117 .

XIAO Bai ， ZHANG Bo ， WANG Xinwei ， et al . Short-term wind power interval prediction based on combined mode decomposition and deep learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 17 ）： 110 - 117 .

ZHANG G ， XU B B ， LIU H C ， et al . Wind power prediction based on variational mode decomposition and feature selection ［J］. Journal of Modern Power Systems and Clean Energy ， 2021 ， 9 （ 6 ）： 1520 - 1529 .

ZHANG L J ， XU J W ， YANG J H ， et al . Multiscale morphology analysis and its application to fault diagnosis ［J］. Mechanical Systems and Signal Processing ， 2008 ， 22 （ 3 ）： 597 - 610 .

詹勋淞，管霖，卓映君，等 . 基于形态学分解的大规模风光并网电力系统多时间尺度灵活性评估［J］. 电网技术， 2019 ， 43 （ 11 ）： 3890 - 3901 .

ZHAN Xunsong ， GUAN Lin ， ZHUO Yingjun ， et al . Multi-scale flexibility evaluation of large-scale hybrid wind and solar grid-connected power system based on multi-scale morphology ［J］. Power System Technology ， 2019 ， 43 （ 11 ）： 3890 - 3901 .

KHORRAMDEL B ， CHUNG C Y ， SAFARI N ， et al . A fuzzy adaptive probabilistic wind power prediction framework using diffusion kernel density estimators ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 7109 - 7121 .

YU J B ， HU T Z ， LIU H Q . A new morphological filter for fault feature extraction of vibration signals ［J］. IEEE Access ， 2019 ， 7 ： 53743 - 53753 .

RODRIGUEZ A ， LAIO A . Clustering by fast search and find of density peaks ［J］. Science ， 2014 ， 344 （ 6191 ）： 1492 - 1496 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于概率预测的电-热综合能源系统灵活性聚合与优化调度

虚拟电厂动态构建与可信量化：理论分析与关键技术