臺灣博碩士論文加值系統

近年來由於永續發展的意識抬頭，我國政府積極的推動再生能源的發展與建置。隨著我國再生能原裝置占比逐漸的提高，使得電力系統中的各項研究日趨熱絡，降低系統發電成本之經濟調度為其中一項重要的研究課題。

本論文使用共識性(Consensus)演算法進行再生能源以及負載不確定性之多區域經濟調度。首先使用廣度優先搜尋法(Breadth-first search, BFS)推導出適合作為各區域中領導代理之位置，以便在系統中建立共識性演算法。使用仿射算數(Affine Arithmetic, AA)針對系統中負載以及再生能源出力建立不確定性之數學模型。利用三層共識性演算法進行分散式運算，求得系統最低發電成本之運轉點。

本論文應用三層共識性演算法進行經濟調度計算之結果與傳統以拉格朗日乘數計算之結果非常接近，但由於計算過程以分散式計算，透過系統中各代理相互協調得到計算結果，因此計算時間相較長。最後針對負載以及再生能源出力建立仿射算數及蒙地卡羅共三種不確定性數學模型，比較使用不同數學模型之計算結果。

In recent years, due to the awakening of the sustainable development, our government promotes the allocation and construction of renewable energy. The increasing penetration of the renewable capacity results in the popularity of researching in various studies in power system. Economic dispatch (ED) is one of the important topics.

This thesis presents a method based on Consensus Alogorithm for solving economic dispatch in Taipower system considering uncertain loads and renewables. Firstly, establish the consensus algorithm in Taipower system by using Breadth-First Search (BFS) to find agents suitable being leader-agent. Uncertain loads and renewables can be then calculated by using Affine Arithmetic models. The multi-area economic dispatch by using three-layer consensus is solved.

In this thesis, the result of solving multi-area economic dispatch in Taipower system by using three-layer consensus is similar to the result of using Lagrange multiplier, but it took much longer time to solve this ED problem because of the decentralized control. There was a comparison of three uncertainty models of loads and renewables which were studied by Affine Arithmetic and Monte Carlo.

目錄

中文摘要 I
英文摘要 III
誌謝 V
目錄 ...VII
圖目錄 ...XI
表目錄 ...XIII

第一章 緒論 1
1-1 研究背景與動機 1
1-2 文獻回顧 2
1-3 研究目標與步驟 3
1-4 論文貢獻 5
1-5 論文架構 6

第二章 問題描述與數學表示式 8
2-1問題描述 8
2-2臺灣輸配電系統概況 8
2-2-1 臺灣電力負載概況 10
2-2-2 臺灣供電資訊 11
2-3 各式發電 13
2-3-1 火力發電 13
2-3-2 水力發電 14
2-3-2-1 慣常水力發電 16
2-3-2-2 抽蓄式水力發電 16
2-3-3 風力發電 17
2-4 經濟調度 18
2-4-1 考量損耗之經濟調度 20
2-4-2 多區域經濟調度……………………………….21

第三章 演算法理論基礎 23
3-1 牛頓-拉弗森 23
3-2 拉格朗日乘數 25
3-3 圖論 27
3-3-1 圖論資料結構 27
3-3-2 拉普拉斯矩陣 29
3-3-3 廣度優先搜尋 30
3-4 共識性演算法 31
3-4-1 共識性演算法架構 31
3-4-2 共識性演算法之數學表示式 34
3-4-3 雙層架構共識性演算法(Two-layer Consensus)及領導-跟隨共識性演算法(Leader-follower Consensus) 35
3-5 仿射算數 37
3-6 B-係數推導 38

第四章 研究方法 45
4-1 本論文所使用之工具 45
4-1-1 PSS/E 45
4-1-2 MATLAB 46
4-1-3 串連PSS/E及MATLAB 48
4-2 火力機組成本函式迴歸分析 48
4-3 發電機之懲罰因子 52
4-4 解法與步驟流程 81
4-4-1 領導-跟隨共識性演算法之領導位置 82
4-4-2 三層共識性演算法 91
4-4-3 三層共識性演算法解臺灣電力系統經濟調度 121

第五章 模擬結果 128
5-1 IEEE-39-bus領導位置 128
5-2 IEEE-118-bus系統經濟調度 131
5-3 2025年臺灣電力系統經濟調度 137
5-3-1 2025年臺灣電力系統尖峰情境 138
5-3-2 2025年臺灣電力系統離峰情境 144

第六章 結論 149

參考文獻 150


 
圖目錄

圖2.1臺灣供電系統架構 9
圖2.2臺灣電力系統電廠及電網分布 10
圖2.3 2017年各能源發電結構 12
圖2.4政府規劃2025年發電結構 12
圖2.5 (a)熱率曲線 13
圖2.5 (b)燃料成本曲線 13
圖2.6增量燃料成本曲線 14
圖2.7慣常水力發電廠結流程 16
圖2.8抽蓄式水力發電廠流程 17
圖3.1相鄰表(Adjacency List) 28
圖3.2相鄰矩陣(Adjacency Matrix) 28
圖3.3無向圖G 29
圖3.4共識性演算法的簡易架構 32
圖3.5共識性演算法流程 33
圖3.6分割系統之Two-layer Consensus 36
圖3.7雙層通訊架構之Two-layer Consensus 36
圖4.1曲線迴歸工具CFTOOL介面 49
圖4.2 IEEE-39-bus系統單線圖 83
圖4.3領導代理位置推導及驗證之流程圖 90
圖4.4演算法第一層及第二層之架構 91
圖4.5演算法第二層及第三層架構 92
圖4.6 IEEE-118-bus系統單線圖 92
圖4.7 IEEE-118-bus 系統分區方式 93
圖4.8 IEEE-118-bus系統三層共識性演算法架構 94
圖4.9 IEEE-118-bus第一區單線圖 97
圖4.10 IEEE-118-bus第二區單線圖 98
圖4.11 IEEE-118-bus第三區單線圖 98
圖4.12 IEEE-118-bus第四區單線圖 99
圖4.13 IEEE-118-bus第五區單線圖 99
圖4.14 IEEE-118-bus三層共識性演算法解經濟調度問題流程 120
圖4.15臺灣電力系統三層共識性算法架構 122
圖4.16臺灣電力系統三層共識性演算法解經濟調度問題流程 127
圖5.1 IEEE-118-bus系統各區域增量成本計算 132
圖5.2仿射算數模型及蒙地卡羅數學模型計算比較 135
圖5.3臺灣電力系統尖峰情境 138
圖5.4臺灣電力系統考量不確定性尖峰情境 141
圖5.5臺灣電力系統離峰情境 144
圖5.6臺灣電力系統考量不確定性之離峰情境 147



表目錄

表2.1近年臺灣電力系統供需概況 11
表4.1接受調度機組之成本資料 50
表4.2 2025年臺灣電力系統尖峰B-係數 54
表4.3 2025年臺灣電力系統離峰B-係數 73
表4.4尖峰阻抗B-係數與PSS/E比較 81
表4.5離峰阻抗B-係數與PSS/E比較 81
表4.6 IEEE-39-bus系統機組資料 83
表4.7 IEEE-39-bus系統拉普拉斯矩陣 85
表4.8 IEEE-39-bus系統機組B-係數 88
表4.9 IEEE-118-bus系統機組資料 94
表4.10 IEEE-118-bus第一層拉普拉斯矩陣 97
表4.11 IEEE-118-bus第一區拉普拉斯矩陣 100
表4.12 IEEE-118-bus第二區拉普拉斯矩陣 101
表4.13 IEEE-118-bus第三區拉普拉斯矩陣 103
表4.14 IEEE-118-bus第四區拉普拉斯矩陣 104
表4.15 IEEE-118-bus第五區拉普拉斯矩陣 106
表4.16 IEEE-118-bus系統機組B-係數 107
表4.17 2025年台灣電力系統檔案風力機組資訊 123
表4.18 2025年台灣電力系統檔案各供電區可調度電廠 125
表5.1 IEEE-39-bus以廣度優先搜尋法計算結果 129
表5.2 IEEE-39-bus各代理相鄰代理數量 129
表5.3以各代理做為領導代理解經濟調度問題所需計算疊代次數 130
表5.4 IEEE-39-bus系統經濟調度結果 131
表5.5 IEEE-39-bus系統機組出力 131
表5.6 IEEE-118-bus經濟調度結果 132
表5.7 IEEE-118-bus機組出力狀態 133
表5.8仿射算數模型及蒙地卡羅數學模型計算結果 135
表5.9仿射算數模型及蒙地卡羅數學模型計算機組發電量比較 136
表5.10臺灣電力系統尖峰情境調度結果 138
表5.11灣電力系統尖峰情境可調度機組發電量 139
表5.12臺灣電力系統考量不確定性尖峰情境調度結果 141
表5.13臺灣電力系統考量不確定性尖峰情境可調度機組發電量 142
表5.14臺灣電力系統離峰情境調度結果 144
表5.15臺灣電力系統離峰情境可調度機組發電量 145
表5.16臺灣電力系統考量不確定性之離峰情境調度結果 147
表5.17臺灣電力系統考量不確定性離峰情境可調度機組發電量 147

 

參考文獻

[1]J.X. Tang, B. Sun, R. Chen, Y. Yao, G. Wang, “Economic Dispatching Method Based on Dynamic Network Loss Factor,” 2018 International Conference on Power System Technology, Guangzhou, China, pp. 601-605, 2018.

[2]J.P. Zhan, Q.H. Wu, C.X. Guo, X.X. Zhou, “Fast λ -Iteration Method for Economic Dispatch With Prohibited Operating Zones,” IEEE Transactions on Power Systems, Vol.29, No. 2, pp. 990-991, 2014.

[3]Z.S. Li, Q.L. Guo, H.B. Sun, J.H. Wang, “Sufficient Conditions for Exact Relaxation of Complementarity Constraints for Storage-Concerned Economic Dispatch,” IEEE Transactions on Power Systems, Vol.31, No. 2, pp. 1653-1654, 2016.

[4]P.K. Mahdi, J.R. Marcos, S.R. Jose, “An Unambiguous Distance-Based MIQP Model to Solve Economic Dispatch Problems with Disjoint Operating Zones,” IEEE Transactions on Power Systems, Vol.31, No. 1, pp. 825-826, 2015.

[5]Z.X. Liang, J.D. Glover, “A zoom feature for a dynamic programming solution to economic dispatch including transmission losses,” IEEE Transactions on Power Systems, Vol.7, No. 2, pp. 544-550, 1992.
[6]Z.Y. Tang, D.J. Hill, T. Liu, “A Novel Consensus-Based Economic Dispatch for Microgrids,” IEEE Transactions on Smart Grid, Vol.9, No. 4, pp. 3920-3922, 2018.

[7]G. Chen, C. Li, Z.Y. Dong, “Parallel and Distributed Computation for Dynamical Economic Dispatch,” IEEE Transactions on Smart Grid, Vol.8, No. 2, pp. 1026-1027, 2017.

[8]B. Lu, M.J. Ye, C. Sun, G.Q. Hu, “Distributed Economic Dispatch Control via Saddle Point Dynamics and Consensus Algorithms,” IEEE Transactions on Control Systems Technology, Vol.27, No. 2, pp. 898-905, 2019.

[9]L. Wu, “A Transformation-Based Multi-Area Dynamic Economic Dispatch Approach for Preserving Information Privacy of Individual Areas,” IEEE Transactions on Smart Grid, Vol.10, No. 1, pp.722-731, 2019.

[10] X.W. Lai, L. Xie, Q. Xia, H.W. Zhong, C.Q. Kang, “Decentralized Multi-Area Economic Dispatch via Dynamic Multiplier-Based Lagrangian Relaxation,” IEEE Transactions on Power Systems, Vol.30, No. 6, pp.3225-3233, 2015.

[11] Z.G. Li, W.C. Wu, B.M. Zhang, B. Wang, “Decentralized Multi-Area Dynamic Economic Dispatch Using Modified Generalized Benders Decomposition,” IEEE Transactions on Power Systems, Vol.31, No. 1, pp. 526-538, 2016.
[12] Y. Guo, L. Tong, W.C. Wu, B.M. Zhang, H.B. Sun, “Coordinated Multi-Area Economic Dispatch via Critical Region Projection,” IEEE Transactions on Power Systems, Vol.32, No. 5, pp. 3736-3746, 2017.

[13] G. Binetti, D. Naso, B. Turchiano, A. Davoudi, F.L. Lewis, “Consensus-based Approach for the Economic Dispatch Problem,” IFAC Proceedings Volumes, Vol.47, No. 3, pp. 3140-3145, 2014.

[14] H.L. Wang, “Consensus of Networked Mechanical Systems With Communication Delays,” IEEE Transactions on Automatic Control, Vol.59, No. 6, pp. 1571-1576, 2014.

[15] Q. Cao, Y.D. Song, J.M. Guerrero, S. Tian, “Coordinated Control for Flywheel Energy Storage Matrix Systems for Wind Farm Based on Charging/Discharging Ratio Consensus Algorithms,” IEEE Transactions on Smart Grid, Vol.7, No. 3, pp. 1259-1267, 2016.

[16] X.L. Niu, Y.G. Liu, F.Z. Li, “Consensus via Time-Varying Feedback for Uncertain Stochastic Nonlinear Multiagent Systems,” IEEE Transactions on Cybernetics, Vol.49, No. 4, pp. 1536-1544, 2018.


[17] J.K. Ni, L. Ling, C.X. Liu, J. Liu, “Fixed-Time Leader-Following Consensus for Second-Order Multiagent Systems With Input Delay,” IEEE Transactions on Industrial Electronics, Vol.64, No. 11, pp. 8635-8646, 2017.

[18] Z.Y. Zuo, Q.L. Han, B.D. Ning, “An Explicit Estimate for the Upper Bound of the Settling Time in Fixed-Time Leader-Following Consensus of High-Order Multivariable Multiagent Systems,” IEEE Transactions on Industrial Electronics, Vol.66, No. 8, 2019.

[19] X. You, C.C. Hua, X.P. Guan, “Self-Triggered Leader-Following Consensus for High-Order Nonlinear Multiagent Systems via Dynamic Output Feedback Control,” IEEE Transactions on Cybernetics, Vol.49, No. 6, pp. 2002-2010, 2019.

[20] B.H. Wang, W.S. Chen, J.C. Wang, B. Zhang, Z.Q. Zhang, X.G. Qiu, “Accurate Cooperative Control for Multiple Leaders Multiagent Uncertain Systems: A Two-Layer Node-to-Node Communication Framework,” IEEE Transactions on Industrial Informatics, Vol.14, No. 6, pp. 2395-2405, 2018.

[21] R. Haghighi, C.C. Cheah, “Two-Layered Framework for Distributed Multiagent Formation Following,” IEEE Transactions on Control Systems Technology, Vol.24, No. 3, pp.1134-1139, 2016.
[22] J.Q. Luo, L.B. Shi, Y.X. Ni, “Uncertain Power Flow Analysis Based on Evidence Theory and Affine Arithmetic,” IEEE Transactions on Power Systems, Vol.33, No. 1, pp. 1113-1115, 2018.

[23] N. Femia, G. Spagnuolo, “True worst-case circuit tolerance analysis using genetic algorithms and affine arithmetic,” IEEE Transactions on Circuits and Systems, Vol.47, No. 9, pp. 1285-1296, 2000.
[24] https://www.taipower.com.tw/tc/page.aspx?mid=211, 台電供電系統簡介, 檢自中華民國108年1月3日.

[25] https://www.taipower.com.tw/tc/page.aspx?mid=37, 電廠電網分布圖, 檢自中華民國108年4月4日.

[26] https://www.taipower.com.tw/tc/page.aspx?mid=210, 過去電力供需資訊, 檢自中華民國108年4月4日.

[27] http://www.vr.ncue.edu.tw/esa/b1013/ch04.pdf, 慣常水力發電, 檢自中華民國108年4月4日.

[28] http://www.vr.ncue.edu.tw/esa/b1013/ch04.pdf, 抽蓄式水力發電, 檢自中華民國108年4月4日.

[29] J. J. Grainger, “Power System Analysis,” McGRAW-Hill International Editions, 1994.

[30] Y. Lv, Z.K. Li, Z. Duan, “Adaptive output-feedback consensus protocol design for linear multi-agent systems with directed graphs,” The 27th Chinese Control and Decision Conference, Qingdao, China, pp. 150-155, 2015.

[31] https://www.kios.ucy.ac.cy/testsystems/index.php/dynamic-ieee-test-systems/ieee-39-bus-modified-test-system, IEEE 39-bus modified test system, 檢自中華民國108年5月6日.

[32] https://www.kios.ucy.ac.cy/testsystems/index.php/dynamic-ieee-test-systems/ieee-118-bus-modified-test-system, IEEE 118-bus modified test system, 檢自中華民國108年5月6日.