CN102103720A - 一种基于风险的微电网分布式发电备用优化配置方法 - Google Patents

一种基于风险的微电网分布式发电备用优化配置方法 Download PDF

Info

Publication number
CN102103720A
CN102103720A CN2011100333576A CN201110033357A CN102103720A CN 102103720 A CN102103720 A CN 102103720A CN 2011100333576 A CN2011100333576 A CN 2011100333576A CN 201110033357 A CN201110033357 A CN 201110033357A CN 102103720 A CN102103720 A CN 102103720A
Authority
CN
China
Prior art keywords
capacity
standby
nrdg
cost
esd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011100333576A
Other languages
English (en)
Inventor
梁昕
王冰洁
罗运虎
谢少军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN2011100333576A priority Critical patent/CN102103720A/zh
Publication of CN102103720A publication Critical patent/CN102103720A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于风险的微电网分布式发电备用优化配置方法,属电网安全运行控制技术,其组成包括各类备用的配置成本与调度风险的量化、各类备用的配置成本与调度风险的量化、基于数值灵敏度技术的优化算法的提出、算例分析与仿真研究四部分。为此,该方法从风险管理与协调优化理论角度,可以根据微电网容量事故场景、各类备用价格与容量限制等条件,动态在线自适应优化出微电网分布式发电备用配置结果,通过仿真可以验证出分布式发电备用配置过高或过低都不合适,而应存在最优值,该方法能够为微电网运营方配电公司在制定分布式发电备用配置方案时提供量化支撑与决策依据,是一种简单有效的决策优化方法。

Description

一种基于风险的微电网分布式发电备用优化配置方法
技术领域
本发明涉及的一种基于风险的微电网分布式发电备用优化配置方法,属电网安全运行控制技术领域。
背景技术
随着电力市场改革的逐步推进,输配电环节逐渐分离,配电环节即将进入市场竞争机制,作为配电网的重要组成部分,微电网的供电、备电以及DGCA服务也必将引入市场竞价机制。在市场环境下,NRDG将不再是传统模式下完全受控制的物理终端,而应视为用户,其市场行为将完全由经济利益驱动,追求自身经济利益的最大化。
微电网是由分布式发电、负荷、储能(包括机械储能与电储能、超级电容等装置)所组成的小型发配电系统,既可与大电网协同运行,也可与大电网孤立运行,因而具有并网与孤岛2种运行模式,其中分布式发电是指发电功率在几十kW至50MW、小型模块化且分散地布置在用户附近的电源,可分为可再生分布式发电与不可再生分布式发电(NRDG)2类,前者包括光伏发电、风力发电,分别与光强、风速有关,不存在环境污染;而后者则包括燃料电池、燃气轮机等,与自然条件无关,存在环境污染(但与传统化石燃料发电相比,这种环境污染相对较小)。由于可再生分布式发电的输出功率受自然条件的影响而难以做到即时控制,故不可参与微电网备用配置,因而本方法所研究的分布式发电备用将仅针对NRDG备用而言。
微电网中的负荷按照美国电气可靠性技术解决方案联合会所提出的微电网基本结构,可分为敏感负荷、可调节负荷以及可中断负荷(IL),其中IL与大电网对IL的划分相类似,在电力市场环境下同样也可按补偿方式的不同,分为低电价可中断负荷(ILL)与高赔偿可中断负荷(ILH)2类,其中ILL是在容量事故前通过电价打折方式进行补偿,而ILH则是在实际切除后通过高额赔偿方式进行赔偿。
与对大电网开展能量与备用服务的研究相类似,微电网不仅需要研究针对给定负荷需求下的分布式供电优化问题,还需要针对随机性容量事故研究微电网NRDG备用配置优化问题,前者属于经济调度问题,追求供电成本最小化,而后者则属于随机优化问题,要求备用风险最小化。虽然NRDG备用的接入与运行策略大多由用户自行确定,但是与大电网中电网公司预先指定一定数量的备用发电机组参与系统调峰与调频一样,市场环境下,作为微电网备用容量的购买方,配电公司完全可以采用与之相类似的手段去预先配置一定数量的NRDG备用来应对运行中可再生分布式发电、负荷需求的高度不确定性。
微电网中可再生分布式发电、负荷需求具有高度的不确定性,由此所产生的发电容量缺额轻则影响到微电网电能质量,重则危及到重要负荷的供电可靠性。为此,配置一定数量的备用发电容量将显得尤为必要。当微电网出现发电容量缺额事故时,既可通过变换器调用大电网事故支持备用容量(RCLG)、也可调用其内部各类备用,包括调用NRDG备用与储能装置(ESD)、中断ILL与ILH,因而RCLG、NRDG备用、ESD、ILL以及ILH都可参与微电网备用配置,其中RCLG包括发电侧备用容量(RCGS)、ILL以及ILH。作为微电网备用容量的主体与应急发电容量资源,优化NRDG备用配置的意义非常重大。然而目前,对NRDG的研究较多地侧重于其参与微电网分布式供电策略的优化,有关备用容量优化配置的研究主要集中在大电网,如优化配置大电网备用中的RCGS、ILL。然而长期以来,在对微电网研究的过程中,较多地集中在微电网供电策略优化问题,并没有研究NRDG备用优化配置问题。
NRDG备用容量的配置,过多虽然可以提高可靠性,但会导致不经济,而过少虽然可以通过节约容量配置成本来提高经济性,但以增加用户停电风险为代价,故基于风险观点,从可靠性与经济性相互协调角度,对其容量配置进行优化将具有非常重要的研究价值。市场环境下,作为微电网备用容量的购买方与配置方,配电公司如何从可靠性与经济性协调角度去优化配置各类NRDG备用资源已成为当前微电网新能源发电规划与运营领域中迫切需要解决的重要问题之一。该问题既是微电网安全高效运行、停电防御体系建设与优化需要研究的重要内容,同时也是为满足智能电网“自愈、自趋、安全、经济”技术特点应该关注的重要方面。
然而长期以来,在研究大电网备用容量配置优化的过程中,往往将微电网视为完全受控的物理终端,忽视了微电网内部NRDG备用优化配置问题的研究。迄今为止,有关针对微电网自身备用需求,基于风险管理观点与协调优化理念,通过与RCLG、ESD、ILL以及ILH相协调,充分利用微电网各类备用容量之间的经济互补特性,对NRDG备用进行优化配置的方法一直被长期孤立与忽视。
发明内容
本发明的目的是针对目前微电网NRDG研究的现状与备用配置研究的不足,提出一种基于风险的微电网分布式发电备用优化配置方法。
实现本发明目的技术解决方案为:一种基于风险的微电网分布式发电备用优化配置方法,包括并网与孤岛两种运行模式,所述并网模式下的分布式发电备用优化配置方法包括以下步骤:
(1)对大电网事故支持备用容量RCLG的容量成本与调度风险进行量化;
(2)对储能装置ESD的容量成本与调度风险进行量化;
(3)对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;
(4)对不可再生分布式发电NRDG的容量成本与调度风险进行量化;
(5)建立不可再生分布式发电NRDG备用优化配置决策模型:在满足微电网安全可靠性要求的前提下,针对事故集为M,NRDG备用配置的优化模型为
min C ( Q g ) = C 4 ( Q g ) + C 123 ( Q g , Q 1 , L , Q m , L , Q M ) ( 1 ) s . t . Q z , m + Q g , m + Q s , m + Q l , m + Q h , m = Q m ∀ m ∈ M ( 2 ) h ( Q z , Q g , Q s , Q l , Q h ) ≥ 0 ( 3 )
模型中下标z、g、s、l、h分别表示RCLG、NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C123为调用RCLG、ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qz,m、Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的RCLG备用容量、NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以RCLG、ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
(6)对不可再生分布式发电NRDG备用配置进行算法优化:根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足,通过计算灵敏度值
Figure BDA0000046319210000042
可有效引导对Qg.o的搜索,具体算法步骤如下:
A、对Qg初始配置量赋以零值,即n=0,Qg,n=0,并设其增加的步长为ΔQg
B、在每一增加的步长ΔQg内,计算灵敏度值
Figure BDA0000046319210000043
C、判断灵敏度值
Figure BDA0000046319210000044
是否小于等于1,如果灵敏度值
Figure BDA0000046319210000045
小于等于1,则执
行步骤E;如果灵敏度值
Figure BDA0000046319210000046
大于1,执行步骤D;
D、令Qg,n+1=Qg,n+ΔQg,按步长ΔQg增加Qg,之后返回步骤转B;
所述孤岛模式下的分布式发电备用优化配置方法包括以下步骤:
步骤一、对储能装置ESD的容量成本与调度风险进行量化;
步骤二、对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;
步骤三、对不可再生分布式发电NRDG的容量成本与调度风险进行量化;
步骤四、建立不可再生分布式发电NRDG备用优化配置决策模型;
在满足微电网安全可靠性要求的前提下,针对M,NRDG备用配置的优化模型为
min C ( Q g ) = C 4 ( Q g ) + C 23 ( Q g , Q 1 , L , Q m , L , Q M ) ( 4 ) s . t . Q g , m + Q s , m + Q l , m + Q h , m = Q m ∀ m ∈ M ( 5 ) h ( Q g , Q s , Q l , Q h ) ≥ 0 ( 6 )
模型中下标g、s、l、h分别表示NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C23为调用ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
步骤五、对不可再生分布式发电NRDG备用配置进行优化:根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足
Figure BDA0000046319210000051
,通过灵敏度值
Figure BDA0000046319210000052
可有效引导对Qg.o的搜索,具体算法步骤如下:
a、对Qg初始配置量赋以零值(n=0,Qg,n=0),并设其增加的步长为ΔQg
b、在每一ΔQg内,计算灵敏度值
Figure BDA0000046319210000053
c、判断灵敏度值
Figure BDA0000046319210000054
是否小于等于1,如果灵敏度值
Figure BDA0000046319210000055
小于等于1,则执行步骤e,如果灵敏度值
Figure BDA0000046319210000056
大于1,则执行步骤d;
d、令Qg,n+1=Qg,n+ΔQg,按步长增加Qg,则返回步骤b;
e、得出Qg.o最优决策方案。
本发明实现了从风险管理与协调优化角度,充分利用微电网内部与外部各类备用之间的经济互补特性,对NRDG备用配置进行优化与决策,能够兼顾安全性与经济性,能够做到在满足安全性的前提下使得配置NRDG备用的经济性为最优。
附图说明
下面结合附图对本发明作进一步说明:
图1是电力市场环境下微电网备用服务体系结构框图;
图2中(a)是并网模式下,针对单一容量事故所得到的NRDG备用优化配置仿真结果;(b)是并网模式下,针对所有容量事故所得到的NRDG备用优化配置仿真结果;(c)是针对孤岛与并网两种运行模式,所得到的RCLG、NRDG备用、ESD、ILL、ILH配置优化结果。
图3是针对并网模式下NRDG备用最优配置随备用价格变化的关系。
图4是针对孤岛模式下NRDG备用最优配置随备用价格变化的关系。
图5是并网模式下优化NRDG备用配置的流程框图。
图6是孤岛模式下优化NRDG备用配置的流程框图。
上述附图的主要符号及标号名称:RCLG表示大电网事故支持备用容量;ESD表示储能装置;ILL表示低电价可中断负荷;ILH表示高赔偿可中断负荷;NRDG表示不可再生分布式发电;C表示各类备用的总代价;Qg、Qg.o分别为NRDG备用配置量及其最优值;C4表示NRDG备用的代价;C123为调用RCLG、ESD、中断ILL与ILH所付出的代价之和,且C123=C1+C2+C3,其中C1、C2与C3分别为调用RCLG所付出的代价、调用ESD所付出的代价、中断ILL与ILH所付出的代价;Qz.m、Qg.m、Qs.m、Ql.m、Qh.m分别为事故m下所调用的RCLG容量、NRDG备用容量、ESD容量、ILL以及ILH中断量;Cmin.m为应对事故m所付出的最低代价。
具体实施方式
一种基于风险的微电网分布式发电备用优化配置方法,包括并网与孤岛两种运行模式,所述并网模式下的分布式发电备用优化配置方法包括以下步骤:
(1)对大电网事故支持备用容量RCLG的容量成本与调度风险进行量化;为调用RCLG所付出的代价表示为:
C 1 = p c Q z t z + Σ m ∈ M p e Q z , m t m
其中下标c、z、e、m分别表示容量、研究时段、电量、事故,pc、pe、Qz、Qz,m为RCLG市场交易出清的容量价格、电量价格、出清容量、事故m下实际所调用的容量,tz为研究时段的长度,tm为事故m持续时间,M为容量事故集,pcQztz为RCLG的容量成本,
Figure BDA0000046319210000062
为在容量事故集M下总的RCLG调度风险;
(2)对储能装置ESD的容量成本与调度风险进行量化;为投入ESD所付出的代价表示为:
C 2 = P C , S T Q C , S t z + Σ m ∈ M q m P E , S T A E , S t m
其中下标C、E、S分别表示容量向量、电量向量、储能向量,PC,S=[pc,s,l,L,pc,s,d,Lpc,s,D]T为研究时段tz内ESD的容量价格向量,QC,S=[Qc,s,l,L,Qc,s,d,LQc,s,D]T为研究时段tz内ESD的容量向量,其中装置d可输出容量Qc,s,d,满足条件的非下降函数,在极限情况下为常数,PE,S=[pe,s,1,L,pe,s,d,Lpe,s,D]T  为ESD  的电量价格向量,AE,S=diag[Qc,s,l,m,L,Qc,s,d,m,LQc,s,D,m]为对应于事故m下实际所投入ESD的容量,满足Qc,s,d,m≤Qc,s,d,qm为事故m的发生概率,
Figure BDA0000046319210000065
为ESD容量成本,
Figure BDA0000046319210000071
为在容量事故集M下总的ESD调度风险;
(3)对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;为中断ILL与ILH所付出的代价表示为:
C 3 = C l + C h = Σ i p i ( Q i ) Q i t z + Σ m ∈ M q m · L d = Σ i p i ( Q i ) Q i t z + Σ m ∈ M q m · Σ j p i ( Q j ) Q j t m
其中i、j、Ld、d分别表示ILL用户编号、ILH用户编号、停电赔偿费用、停电,Cl为电费损失,Ch是M下ILH总的调度风险,即为停电赔偿风险,等于事故概率与停电赔偿费用的乘积;pi(Qi)为用户i在ILL市场申报低电价可中断容量Qi的折扣价格,Qi满足
Figure BDA0000046319210000073
电费损失为Ci(Qi)=pi(Qi)Qitz,即预先配置ILL所付出的容量成本,pj(Qj)为用户j在ILH市场申报高赔偿可中断容量Qj的停电赔偿价格,配电公司在时段tm内支付给用户j的停电赔偿费用为Cj(Qj)=pj(Qj)Qjtm
为调用RCLG、ESD、中断ILL与ILH所付出的代价之和为
C123=C1+C2+C3
(4)对不可再生分布式发电NRDG的容量成本与调度风险进行量化;按响应时间的不同,不可再生分布式发电NRDG备用可分为瞬时、快速、慢速以及冷态4种,调用不可再生分布式发电NRDG备用所付出的代价可表示为:
C 4 = P C , D T Q C , D t z + Σ m ∈ M q m P E , D T A E , D T E , m + Σ m ∈ M q m Σ x = q , s , c [ C l ( Q x , l ) + C 3 ( Q x , s ) q m + L d ( Q x , h ) t x ]
其中下标i、q、s、c、x分别代表瞬时、快速、慢速以及冷态、x=q,s,c;D表示NRDG备用;PC,D=[pc,d,i,pc,d,q,pc,d,s,pc,d,c]T、QC,D=[Qc,d,i,Qc,d,q,Qc,d,s,Qc,d,c]T分别为联合出清后的容量价格向量与所成交的容量向量;PE,D=[pe,d,i,pe,d,q,pe,d,s,pe,d,c]T为电量价格向量;AE,D=diag[Qc,d,i,m,Qc,d,q,m,Qc,d,s,m,Qc,d,c,m],其元素为事故m下实际调用容量,分别满足Qc,d,i,m≤Qc,d,i、Qc,d,q,m≤Qc,d,q、Qc,d,s,m≤Qc,d,s、Qc,d,c,m≤Qc,d,c
Figure BDA0000046319210000081
为NRDG备用市场所成交的总容量;TE,m=[tm,tm-tq,tm-ts,tm-tc]T,为各类NRDG备用实际所调用的实间,qm、tm分别为事故m的发生概率与持续时间,tq,ts,tc为快速、慢速、冷态备用的响应滞后时间,tz为研究时段的长度,M为容量事故集;Cl(Qx,l)、Ld(Qx,h)、C2(Qx,s)分别为ILL的电费损失、ILH的停电赔偿费用、ESD的储能代价,其中Qx,l、Qx,h、Qx,s分别为响应滞后期间所中断的ILL与ILH容量、所调用的储能容量,满足Qx,l+Qx,h+Qx,s=Qx分别为NRDG备用的容量成本、M下总的调度风险,
Figure BDA0000046319210000083
为非瞬时性NRDG备用在响应滞后期间所切除的负荷代价与所投入的储能代价;
(5)建立不可再生分布式发电NRDG备用优化配置决策模型:在满足微电网安全可靠性要求的前提下,针对事故集为M,NRDG备用配置的优化模型为
min C ( Q g ) = C 4 ( Q g ) + C 123 ( Q g , Q 1 , L , Q m , L , Q M ) ( 1 ) s . t . Q z , m + Q g , m + Q s , m + Q l , m + Q h , m = Q m ∀ m ∈ M ( 2 ) h ( Q z , Q g , Q s , Q l , Q h ) ≥ 0 ( 3 )
模型中下标z、g、s、l、h分别表示RCLG、NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C123为调用RCLG、ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qz,m、Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的RCLG备用容量、NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以RCLG、ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
(6)对不可再生分布式发电NRDG备用配置进行算法优化:根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足,通过计算灵敏度值可有效引导对Qg.o的搜索,具体算法步骤如下:
A、对Qg初始配置量赋以零值,即n=0,Qg,n=0,并设其增加的步长为ΔQg
B、在每一增加的步长ΔQg内,计算灵敏度值
Figure BDA0000046319210000093
C、判断灵敏度值
Figure BDA0000046319210000094
是否小于等于1,如果灵敏度值
Figure BDA0000046319210000095
小于等于1,则执行步骤E;如果灵敏度值
Figure BDA0000046319210000096
大于1,执行步骤D;
D、令Qg,n+1=Qg,n+ΔQg,按步长增加Qg,之后返回步骤转B;
E、得出Qg.o最优决策方案;
所述孤岛模式下的分布式发电备用优化配置方法包括以下步骤:
步骤一、对储能装置ESD的容量成本与调度风险进行量化;为投入ESD所付出的代价表示为:
C 2 = P C , S T Q C , S t z + Σ m ∈ M q m P E , S T A E , S t m
其中下标C、E、S分别表示容量向量、电量向量、储能向量,PC,S=[pc,s,l,L,pc,s,d,Lpc,s,D]T为研究时段tz内ESD的容量价格向量,QC,S=[Qc,s,l,L,Qc,s,d,LQc,s,D]T为研究时段tz内ESD的容量向量,其中装置d可输出容量Qc,s,d,满足
Figure BDA0000046319210000098
条件的非下降函数,在极限情况下为常数,PE,S=[pe,s,l,L,pe,s,d,Lpe,s,D]T为ESD的电量价格向量,AE,S=diag[Qc,s,l,m,L,Qc,s,d,m,LQc,s,D,m]为对应于事故m下实际所投入ESD的容量,满足Qc,s,d,m≤Qc,s,d,qm为事故m的发生概率,
Figure BDA0000046319210000099
为ESD容量成本,
Figure BDA00000463192100000910
为在容量事故集M下总的ESD调度风险;
步骤二、对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;为中断ILL与ILH所付出的代价表示为:
C 3 = C l + C h = Σ i p i ( Q i ) Q i t z + Σ m ∈ M q m · L d = Σ i p i ( Q i ) Q i t z + Σ m ∈ M q m · Σ j p i ( Q j ) Q j t m
其中i、j、Ld、d分别表示ILL用户编号、ILH用户编号、停电赔偿费用、停电,Cl为电费损失,Ch是M下ILH总的调度风险,即为停电赔偿风险,等于事故概率与停电赔偿费用的乘积;pi(Qi)为用户i在ILL市场申报低电价可中断容量Qi的折扣价格,Qi满足
Figure BDA0000046319210000102
电费损失为Ci(Qi)=pi(Qi)Qitz,即预先配置ILL所付出的容量成本,pj(Qj)为用户j在ILH市场申报高赔偿可中断容量Qj的停电赔偿价格,配电公司在时段tm内支付给用户j的停电赔偿费用为Cj(Qj)=pj(Qj)Qjtm
为调用RCLG、ESD、中断ILL与ILH所付出的代价之和为
C123=C1+C2+C3
步骤三、对不可再生分布式发电NRDG的容量成本与调度风险进行量化;按响应时间的不同,不可再生分布式发电NRDG备用可分为瞬时、快速、慢速以及冷态4种,调用不可再生分布式发电NRDG备用所付出的代价可表示为:
C 4 = P C , D T Q C , D t z + Σ m ∈ M q m P E , D T A E , D T E , m + Σ m ∈ M q m Σ x = q , s , c [ C l ( Q x , l ) + C 2 ( Q x , s ) q m + L d ( Q x , h ) t x ]
其中下标i、q、s、c、x分别代表瞬时、快速、慢速以及冷态、x=q,s,c;D表示NRDG备用;PC,D=[pc,d,i,pc,d,q,pc,d,s,pc,d,c]T、QC,D=[Qc,d,i,Qc,d,q,Qc,d,s,Qc,d,c]T分别为联合出清后的容量价格向量与所成交的容量向量;PE,D=[pe,d,i,pe,d,q,pe,d,s,pe,d,c]T为电量价格向量;AE,D=diag[Qc,d,i,m,Qc,d,q,m,Qc,d,s,m,Qc,d,c,m],其元素为事故m下实际调用容量,分别满足Qc,d,i,m≤Qc,d,i、Qc,d,q,m≤Qc,d,q、Qc,d,s,m≤Qc,d,s、Qc,d,c,m≤Qc,d,c
Figure BDA0000046319210000104
为NRDG  备用市场所成交的总容量;TE,m=[tm,tm-tq,tm-ts,tm-tc]T,为各类NRDG备用实际所调用的实间,qm、tm分别为事故m的发生概率与持续时间,tq,ts,tc为快速、慢速、冷态备用的响应滞后时间,tz为研究时段的长度,M为容量事故集;Cl(Qx,l)、Ld(Qx,h)、C2(Qx,s)分别为ILL的电费损失、ILH的停电赔偿费用、ESD的储能代价,其中Qx,l、Qx,h、Qx,s分别为响应滞后期间所中断的ILL与ILH容量、所调用的储能容量,满足Qx,l+Qx,h+Qx,s=Qx
Figure BDA0000046319210000111
分别为NRDG备用的容量成本、M下总的调度风险,
Figure BDA0000046319210000112
为非瞬时性NRDG备用在响应滞后期间所切除的负荷代价与所投入的储能代价。步骤四、建立不可再生分布式发电NRDG备用优化配置决策模型;
在满足微电网安全可靠性要求的前提下,针对M,NRDG备用配置的优化模型为
min C ( Q g ) = C 4 ( Q g ) + C 23 ( Q g , Q 1 , L , Q m , L , Q M ) ( 4 ) s . t . Q g , m + Q s , m + Q l , m + Q h , m = Q m ∀ m ∈ M ( 5 ) h ( Q g , Q s , Q l , Q h ) ≥ 0 ( 6 )
模型中下标g、s、l、h分别表示NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C23为调用ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
步骤五、对不可再生分布式发电NRDG备用配置进行优化:根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足
Figure BDA0000046319210000114
,通过灵敏度值
Figure BDA0000046319210000115
可有效引导对Qg.o的搜索,具体算法步骤如下:
a、对Qg初始配置量赋以零值(n=0,Qg,n=0),并设其增加的步长为ΔQg
b、在每一ΔQg内,计算灵敏度值
Figure BDA0000046319210000116
c、判断灵敏度值
Figure BDA0000046319210000121
是否小于等于1,如果灵敏度值
Figure BDA0000046319210000122
小于等于1,则执行步骤e,如果灵敏度值
Figure BDA0000046319210000123
大于1,则执行步骤d;
d、令Qg,n+1=Qg,n+ΔQg,按步长增加Qg,则返回步骤b;
e、得出Qg.o最优决策方案。
结合具体实施方式对本发明做进一步详细的描述:
(1)原始数据
设研究时段tz为10h,该时段下RCLG容量为5MW,其容量与电量市场的出清价格分别为200与400元/MW·h。表2~5分别给出了ESD、NRDG、ILL以及ILH市场价格与容量限制。表5为容量事故场景。
表2ESD市场参数
Figure BDA0000046319210000124
表3NRDG备用市场参数
表4ILL市场参数
Figure BDA0000046319210000131
表5ILH市场参数
Figure BDA0000046319210000132
表6容量事故场景
Figure BDA0000046319210000133
(2)仿真结果
针对表1~表6,所得到的仿真结果如说明书附图中的图2、图3。

Claims (8)

1.一种基于风险的微电网分布式发电备用优化配置方法,其特征在于:包括并网与孤岛两种运行模式,所述并网模式下的分布式发电备用优化配置方法包括以下步骤:
(1)对大电网事故支持备用容量RCLG的容量成本与调度风险进行量化;
(2)对储能装置ESD的容量成本与调度风险进行量化;
(3)对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;
(4)对不可再生分布式发电NRDG的容量成本与调度风险进行量化;
(5)建立不可再生分布式发电NRDG备用优化配置决策模型:在满足微电
网安全可靠性要求的前提下,针对事故集为M,NRDG备用配置的优化模型为
模型中下标z、g、s、l、h分别表示RCLG、NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C123为调用RCLG、ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qz,m、Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的RCLG备用容量、NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以RCLG、ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
(6)对不可再生分布式发电NRDG备用配置进行算法优化:根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足 
Figure FDA0000046319200000012
,通过计算灵敏度值 
Figure FDA0000046319200000013
可有效引导对Qg.o的搜索,具体算法步骤如下:
A、对Qg初始配置量赋以零值,即n=0,Qg,n=0,并设其增加的步长为ΔQg
B、在每一增加的步长ΔQg内,计算灵敏度值 
Figure FDA0000046319200000014
C、判断灵敏度值 
Figure FDA0000046319200000021
是否小于等于1,如果灵敏度值 小于等于1,则执行步骤E;如果灵敏度值 
Figure FDA0000046319200000023
大于1,执行步骤D;
D、令Qg,n+1=Qg,n+ΔQg,按步长ΔQg增加Qg,之后返回步骤B;
E、得出Qg.o最优决策方案;
所述孤岛模式下的分布式发电备用优化配置方法包括以下步骤:
步骤一、对储能装置ESD的容量成本与调度风险进行量化;
步骤二、对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化;
步骤三、对不可再生分布式发电NRDG的容量成本与调度风险进行量化;
步骤四、建立不可再生分布式发电NRDG备用优化配置决策模型;
在满足微电网安全可靠性要求的前提下,针对M,NRDG备用配置的优化模型为
Figure FDA0000046319200000024
模型中下标g、s、l、h分别表示NRDG、ESD、ILL、ILH;C为各类备用的总代价;M为容量事故集;Qg为NRDG备用配置量;C(Qg)为配置各类备用所付出的总代价;C4为调用NRDG所付出的代价;C4(Qg)为NRDG备用的容量成本与调度风险之和;C23为调用ESD、中断ILL与ILH所付出的代价之和;Ql为ILL市场成交的可中断容量总量,Qh为ILH市场成交的可中断容量总量;Qm为容量事故m的容量缺额;Qg,m、Qs,m、Ql,m以及Qh,m分别为事故m下实际所调用的NRDG备用容量、ESD容量、ILL以及ILH容量;式(1)以ESD、NRDG备用的容量成本与调度风险、ILL的容量成本、ILH的调度风险之和最小值为目标函数;式(2)为微电网安全可靠性要求约束;式(3)为各类备用的容量限制约束;
步骤五、对不可再生分布式发电NRDG备用配置进行优化:
根据等微增率准则,NRDG备用配置的最优决策值Qg.o满足 
Figure FDA0000046319200000025
,通过灵敏度值 
Figure FDA0000046319200000026
可有效引导对Qg.o的搜索,具体算法步骤如下:
a、对Qg初始配置量赋以零值(n=0,Qg,n=0),并设其增加的步长为ΔQg; 
b、在每一ΔQg内,计算灵敏度值 
Figure FDA0000046319200000031
c、判断灵敏度值 
Figure FDA0000046319200000032
是否小于等于1,如果灵敏度值 
Figure FDA0000046319200000033
小于等于1,则执行步骤e,如果灵敏度值 
Figure FDA0000046319200000034
大于1,则执行步骤d;
d、令Qg,n+1=Qg,n+ΔQg,按步长ΔQg增加Qg,则返回步骤b;
e、得出Qg.o最优决策方案。
2.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:所述步骤(1)对大电网事故支持备用容量RCLG的容量成本与调度风险进行量化时,为调用RCLG所付出的代价表示为:
其中下标c、z、e、m分别表示容量、研究时段、电量、事故,pc、pe、Qz、Qz,m为RCLG市场交易出清的容量价格、电量价格、出清容量、事故m下实际所调用的容量,tz为研究时段的长度,tm为事故m持续时间,M为容量事故集,pcQztz为RCLG的容量成本, 为在容量事故集M下总的RCLG调度风险。
3.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:所述步骤(2)对储能装置ESD的容量成本与调度风险进行量化,为投入ESD所付出的代价表示为:
Figure FDA0000046319200000037
其中下标C、E、S分别表示容量向量、电量向量、储能向量,PC,S=[pc,s,l,L,pc,s,d,Lpc,s,D]T为研究时段tz内ESD的容量价格向量,QC,S=[Qc,s,l,L,Qc,s,d,LQc,s,D]T为研究时段tz内ESD的容量向量,其中装置d可输出容量Qc,s,d,满足 
Figure FDA0000046319200000038
条件的非下降函数,在极限情况下为常数,PE,S=[pe,s,l,L,pe,s,d,Lpe,s,D]T  为ESD  的电量价格向量,AE,S=diag[Qc,s,l,m,L,Qc,s,d,m,LQc,s,D,m]为对应于事故m下实际所投入ESD的容量,满足Qc,s,d, m≤Qc,s,d,qm为事故m的发生概率, 
Figure FDA0000046319200000039
为ESD容量成本, 为在容量事故集M下总的ESD调度风险。
4.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:所述步骤(3)对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化,为中断ILL与ILH所付出的代价表示为:
其中i、j、Ld、d分别表示ILL用户编号、ILH用户编号、停电赔偿费用、停电,Cl为电费损失,Ch是M下ILH总的调度风险,即为停电赔偿风险,等于事故概率与停电赔偿费用的乘积;pi(Qi)为用户i在ILL市场申报低电价可中断容量Qi的折扣价格,Qi满足 
Figure FDA0000046319200000042
电费损失为Ci(Qi)=pi(Qi)Qitz,即预先配置ILL所付出的容量成本,pj(Qj)为用户j在ILH市场申报高赔偿可中断容量Qj的停电赔偿价格,配电公司在时段tm内支付给用户j的停电赔偿费用为Cj(Qj)=pj(Qj)Qjtm;为调用RCLG、ESD、中断ILL与ILH所付出的代价之和为
C123=C1+C2+C3
5.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:步骤(4)对不可再生分布式发电NRDG的容量成本与调度风险进行量化时,按响应时间的不同,调用不可再生分布式发电NRDG备用所付出的代价可表示为:
Figure FDA0000046319200000043
其中下标i、q、s、c、x分别代表瞬时、快速、慢速以及冷态、x=q,s,c;D表示NRDG备用;PC,D=[pc,d,i,pc,d,q,pc,d,s,pc,d,c]T、QC,D=[Qc,d,i,Qc,d,q,Qc,d,s,Qc,d,c]T分别为联合出清后的容量价格向量与所成交的容量向量;PE,D=[pe,d,i,pe,d,q,pe,d,s,pe,d,c]T为电量价格向量;AE,D=diag[Qc,d,i,m,Qc,d,q,m,Qc,d,s,m,Qc,d,c,m],其元素为事故m下实际调用容量,分别满足Qc,d,i,m≤Qc,d,i、Qc,d,q,m≤Qc,d,q、Qc,d,s,m≤Qc,d,s、Qc,d,c,m≤Qc,d,c; 
Figure FDA0000046319200000044
为NRDG备用市场所成交的总容量; TE,m=[tm,tm-tq,tm-ts,tm-tc]T,为各类NRDG备用实际所调用的实间,qm、tm分别为事故m的发生概率与持续时间,tq,ts,tc为快速、慢速、冷态备用的响应滞后时间,tz为研究时段的长度,M为容量事故集;Cl(Qx,l)、Ld(Qx,h)、C2(Qx,s)分别为ILL的电费损失、ILH的停电赔偿费用、ESD的储能代价,其中Qx,l、Qx,h、Qx,s分别为响应滞后期间所中断的ILL与ILH容量、所调用的储能容量,满足Qx,l+Qx,h+Qx,s=Qx; 
Figure FDA0000046319200000051
分别为NRDG备用的容量成本、M下总的调度风险, 
Figure FDA0000046319200000052
为非瞬时性NRDG备用在响应滞后期间所切除的负荷代价与所投入的储能代价。
6.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:步骤一对量化储能装置ESD的容量成本与调度风险进行量化,为投入ESD所付出的代价表示为:
Figure FDA0000046319200000053
其中下标C、E、S分别表示容量向量、电量向量、储能向量,PC,S=[pc,s,l,L,pc,s,d,Lpc, s,D]T为研究时段tz内ESD的容量价格向量,QC,S=[Qc,s,l,L,Qc,s,d,LQc,s,D]T为研究时段tz内ESD的容量向量,其中装置d可输出容量Qc,s,d,满足 
Figure FDA0000046319200000054
条件的非下降函数,在极限情况下为常数,PE,S=[pe,s,l,L,pe,s,d,Lpe,s,D]T为ESD的电量价格向量,AE,S=diag[Qc,s,l,m,L,Qc,s,d,m,LQc,s,D,m]为对应于事故m下实际所投入ESD的容量,满足Qc,s,d,m≤Qc,s,d,qm为事故m的发生概率, 
Figure FDA0000046319200000055
为ESD容量成本, 
Figure FDA0000046319200000056
为在容量事故集M下总的ESD调度风险。
7.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:步骤二对低电价可中断负荷ILL的容量成本与高赔偿可中断负荷ILH的调度风险进行量化时;为中断ILL与ILH所付出的代价表示为: 
Figure FDA0000046319200000061
其中i、j、Ld、d分别表示ILL用户编号、ILH用户编号、停电赔偿费用、停电,Cl为电费损失,Ch是M下ILH总的调度风险,即为停电赔偿风险,等于事故概率与停电赔偿费用的乘积;pi(Qi)为用户i在ILL市场申报低电价可中断容量Qi的折扣价格,Qi满足 
Figure FDA0000046319200000062
电费损失为Ci(Qi)=pi(Qi)Qitz,即预先配置ILL所付出的容量成本,pj(Qj)为用户j在ILH市场申报高赔偿可中断容量Qj的停电赔偿价格,配电公司在时段tm内支付给用户j的停电赔偿费用为Cj(Qj)=pj(Qj)Qjtm
为调用RCLG、ESD、中断ILL与ILH所付出的代价之和为
C123=C1+C2+C3
8.根据权利要求1所述的基于风险的微电网分布式发电备用优化配置方法,其特征在于:步骤三对不可再生分布式发电NRDG的容量成本与调度风险进行量化:按响应时间的不同,不可再生分布式发电NRDG备用可分为瞬时、快速、慢速以及冷态4种,按响应时间的不同,不可再生分布式发电NRDG备用可分为瞬时、快速、慢速以及冷态4种,调用不可再生分布式发电NRDG备用所付出的代价可表示为:
Figure FDA0000046319200000063
其中下标i、q、s、c、x分别代表瞬时、快速、慢速以及冷态、x=q,s,c;D表示NRDG备用;PC,D=[pc,d,i,pc,d,q,pc,d,s,pc,d,c]T、QC,D=[Qc,d,i,Qc,d,q,Qc,d,s,Qc,d,c]T分别为联合出清后的容量价格向量与所成交的容量向量;PE,D=[pe,d,i,pe,d,q,pe,d,s,pe,d,c]T为电量价格向量;AE,D=diag[Qc,d,i,m,Qc,d,q,m,Qc,d,s,m,Qc,d,c,m],其元素为事故m下实际调用容量,分别满足Qc,d,i,m≤Qc,d,i、Qc,d,q,m≤Qc,d,q、Qc,d,s,m≤Qc,d,s、Qc,d,c,m≤Qc,d,c; 
Figure FDA0000046319200000064
为NRDG备用市场所成交的总容量; TE,m=[tm,tm-tq,tm-ts,tm-tc]T,为各类NRDG备用实际所调用的实间,qm、tm分别为事故m的发生概率与持续时间,tq,ts,tc为快速、慢速、冷态备用的响应滞后时间,tz为研究时段的长度,M为容量事故集;Cl(Qx,l)、Ld(Qx,h)、C2(Qx,s)分别为ILL的电费损失、ILH的停电赔偿费用、ESD的储能代价,其中Qx,l、Qx,h、Qx,s分别为响应滞后期间所中断的ILL与ILH容量、所调用的储能容量,满足Qx,l+Qx,h+Qx,s=Qx; 
Figure FDA0000046319200000071
分别为NRDG备用的容量成本、M下总的调度风险, 
Figure FDA0000046319200000072
为非瞬时性NRDG备用在响应滞后期间所切除的负荷代价与所投入的储能代价。 
CN2011100333576A 2011-01-31 2011-01-31 一种基于风险的微电网分布式发电备用优化配置方法 Pending CN102103720A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100333576A CN102103720A (zh) 2011-01-31 2011-01-31 一种基于风险的微电网分布式发电备用优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100333576A CN102103720A (zh) 2011-01-31 2011-01-31 一种基于风险的微电网分布式发电备用优化配置方法

Publications (1)

Publication Number Publication Date
CN102103720A true CN102103720A (zh) 2011-06-22

Family

ID=44156468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100333576A Pending CN102103720A (zh) 2011-01-31 2011-01-31 一种基于风险的微电网分布式发电备用优化配置方法

Country Status (1)

Country Link
CN (1) CN102103720A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102315650A (zh) * 2011-07-27 2012-01-11 南京航空航天大学 并网模式下微电网微型燃气轮机供电量的优化方法
CN102684215A (zh) * 2012-03-27 2012-09-19 中国东方电气集团有限公司 风光储微网系统并网运行的能量管理系统
CN102801164A (zh) * 2011-06-28 2012-11-28 南京航空航天大学 一种孤岛模式微电网微型燃气轮机发电量优化方法
CN104408525A (zh) * 2014-11-11 2015-03-11 西北工业大学 作业车间调度风险的量化评估与控制方法
CN104463703A (zh) * 2014-12-05 2015-03-25 西安交通大学 基于风险偏好的电力系统条件备用容量决策方法
CN104537428A (zh) * 2014-12-05 2015-04-22 天津大学 一种计及风电接入不确定性的经济运行评估方法
CN104915723A (zh) * 2015-03-24 2015-09-16 国电南瑞科技股份有限公司 一种考虑频率恢复效果的可中断负荷参与旋转备用协调优化方法
CN107370164A (zh) * 2017-07-12 2017-11-21 国电南瑞科技股份有限公司 考虑响应性能指标的调频辅助服务市场出清决策方法
CN108370161A (zh) * 2015-12-11 2018-08-03 弗罗纽斯国际有限公司 用于为供能系统提供能量储备的方法
CN109742752A (zh) * 2018-11-26 2019-05-10 国网浙江省电力有限公司台州供电公司 一种考虑实时电价变化的风电场发电优化方法
CN111062513A (zh) * 2019-11-14 2020-04-24 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN112103955A (zh) * 2020-09-16 2020-12-18 湖南大学 一种综合能源系统的电储能事故备用容量优化利用方法
CN112383086A (zh) * 2020-10-22 2021-02-19 广东电网有限责任公司 一种孤岛微电网日前能量-备用联合优化调度方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102801164A (zh) * 2011-06-28 2012-11-28 南京航空航天大学 一种孤岛模式微电网微型燃气轮机发电量优化方法
CN102315650A (zh) * 2011-07-27 2012-01-11 南京航空航天大学 并网模式下微电网微型燃气轮机供电量的优化方法
CN102684215A (zh) * 2012-03-27 2012-09-19 中国东方电气集团有限公司 风光储微网系统并网运行的能量管理系统
CN102684215B (zh) * 2012-03-27 2014-08-27 中国东方电气集团有限公司 风光储微网系统并网运行的能量管理系统
CN104408525B (zh) * 2014-11-11 2018-01-09 西北工业大学 作业车间调度风险的量化评估与控制方法
CN104408525A (zh) * 2014-11-11 2015-03-11 西北工业大学 作业车间调度风险的量化评估与控制方法
CN104463703A (zh) * 2014-12-05 2015-03-25 西安交通大学 基于风险偏好的电力系统条件备用容量决策方法
CN104537428B (zh) * 2014-12-05 2017-12-15 天津大学 一种计及风电接入不确定性的经济运行评估方法
CN104537428A (zh) * 2014-12-05 2015-04-22 天津大学 一种计及风电接入不确定性的经济运行评估方法
CN104915723A (zh) * 2015-03-24 2015-09-16 国电南瑞科技股份有限公司 一种考虑频率恢复效果的可中断负荷参与旋转备用协调优化方法
CN104915723B (zh) * 2015-03-24 2020-08-11 国电南瑞科技股份有限公司 一种考虑频率恢复效果的可中断负荷参与旋转备用协调优化方法
CN108370161A (zh) * 2015-12-11 2018-08-03 弗罗纽斯国际有限公司 用于为供能系统提供能量储备的方法
CN107370164B (zh) * 2017-07-12 2020-10-30 国电南瑞科技股份有限公司 考虑响应性能指标的调频辅助服务市场出清决策方法
CN107370164A (zh) * 2017-07-12 2017-11-21 国电南瑞科技股份有限公司 考虑响应性能指标的调频辅助服务市场出清决策方法
CN109742752A (zh) * 2018-11-26 2019-05-10 国网浙江省电力有限公司台州供电公司 一种考虑实时电价变化的风电场发电优化方法
CN111062513A (zh) * 2019-11-14 2020-04-24 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN111062513B (zh) * 2019-11-14 2023-08-18 四川大学 基于自适应共识机制的分布式社区能源交易系统及方法
CN112103955A (zh) * 2020-09-16 2020-12-18 湖南大学 一种综合能源系统的电储能事故备用容量优化利用方法
CN112103955B (zh) * 2020-09-16 2022-02-08 湖南大学 一种综合能源系统的电储能事故备用容量优化利用方法
CN112383086A (zh) * 2020-10-22 2021-02-19 广东电网有限责任公司 一种孤岛微电网日前能量-备用联合优化调度方法
CN112383086B (zh) * 2020-10-22 2022-12-09 广东电网有限责任公司 一种孤岛微电网日前能量-备用联合优化调度方法

Similar Documents

Publication Publication Date Title
CN102103720A (zh) 一种基于风险的微电网分布式发电备用优化配置方法
Home-Ortiz et al. Optimal location-allocation of storage devices and renewable-based DG in distribution systems
Sun et al. An optimal combined operation scheme for pumped storage and hybrid wind-photovoltaic complementary power generation system
Ghalelou et al. A stochastic self-scheduling program for compressed air energy storage (CAES) of renewable energy sources (RESs) based on a demand response mechanism
Atwa et al. Optimal allocation of ESS in distribution systems with a high penetration of wind energy
US20230122201A1 (en) Dispatching method for electric-hydrogen energy system considering flexible hydrogen demand
Zhang et al. Optimal microgrid control and power-flow study with different bidding policies by using powerworld simulator
Rana et al. A novel peak load shaving algorithm for isolated microgrid using hybrid PV-BESS system
Javad Kasaei et al. Optimal operational scheduling of renewable energy sources using teaching–learning based optimization algorithm by virtual power plant
CN111769543B (zh) 一种含多微网的区域配电网自律协同运行优化方法
Manuel Energy storage study 2014
Zhu et al. Energy storage in high variable renewable energy penetration power systems: technologies and applications
Zarghami et al. Applications of battery storage to improve performance of distribution systems
Usama et al. Utilizing spinning reserves as energy storage for renewable energy integration
Watson et al. Demand and energy avoidance by a 2 MWh energy storage system in a 10 MW wind farm
Aziz et al. Issues and mitigations of wind energy penetrated network: Australian network case study
Lu et al. Day‐Ahead Scheduling for Renewable Energy Generation Systems considering Concentrating Solar Power Plants
MansourLakouraj et al. Flexibility-oriented scheduling of microgrids considering the risk of uncertainties
CN109670838B (zh) 一种互联型能源系统风险交易的规避方法及系统
Trojani et al. Stochastic security-constrained unit commitment considering electric vehicles, energy storage systems, and flexible loads with renewable energy resources
Kumar et al. Optimal energy management and sizing of a community smart microgrid using demand side management with load uncertainty
CN102231198A (zh) 一种微电网备用配置优化方法
CN104659818A (zh) 一种正负旋转备用容量在含风电系统中的最优分配方法
Jiang et al. Low-carbon economic optimal dispatch strategy of integrated energy system considering electric-heat flexible load and carbon trading
Crossley Defining the Greatest Legal and Policy Obstacle to" Energy Storage"

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20110622