CN102170170A - 消纳风电接入的大电网调度滚动计划方法 - Google Patents
消纳风电接入的大电网调度滚动计划方法 Download PDFInfo
- Publication number
- CN102170170A CN102170170A CN2011100843437A CN201110084343A CN102170170A CN 102170170 A CN102170170 A CN 102170170A CN 2011100843437 A CN2011100843437 A CN 2011100843437A CN 201110084343 A CN201110084343 A CN 201110084343A CN 102170170 A CN102170170 A CN 102170170A
- Authority
- CN
- China
- Prior art keywords
- unit
- period
- sigma
- wind
- constraint
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
- Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种消纳风电接入的大电网调度滚动计划方法,包括以下步骤:从日前发电计划系统中获得所有常规机组日前计划的出力数据;建立基于日前计划的消纳风电接入电网的日内滚动模型;通过日内滚动扩展短期预测得到当前系统负荷预测值与风电总出力预测值,并根据所述系统负荷预测值与风电总出力预测值在线刷新所有常规机组剩余时段的出力数据;更新机组出力计划时优化问题中单机子的处理数据。本发明能够很好的解决风电接入后对电网运行的影响;在充分利用清洁能源的同时提高电网运行的安全性和经济性。
Description
技术领域
本发明属于电力系统调度自动化技术领域,特别涉及间歇式风电接入电网后的发电调度滚动计划方法。
背景技术
为了实现电网经济调度,需要在已知系统负荷预测、网损修正、机组初始状态和未来一天96个时段(每个时段的时间跨度为15分钟)的机组启停状态的情况下,制定日前计划(未来一天每个时段每台机组的出力计划),使系统发电总费用最低。随着风电等可再生能源的并网运行,日前计划也需要做出一定的调整:在最大限度地利用风电的前提下,保证常规机组的发电费用最低。
随着时间的推移,系统负荷预测值和风电出力预测值的不确定性有所增加,其可靠性和准确度也会降低,这会对常规机组的出力计划产生影响。因此,有必要实时地对一天内剩余时段的系统负荷和风电出力进行滚动预测修正,从而不断修正各台常规机组剩余时段的出力计划。这样可以保证各台常规机组的出力计划更加合理,更加有意义。
滚动计划是从当前时段到结束时段的动态优化,在数学上是一个NP(Non-deterministic Polynomial,非多项式算法难题)难题,模型复杂而且耗时较多。因此,需要研究如何通过对动态优化模型进行时间维度和空间维度的解耦与协调得到适于滚动计划环节在线应用的实用化的优化模型。这就对滚动计划算法的高效性提出了要求。其次,由于日负荷波动和风电出力波动带来的不确定性,算法及其优化模型还需要具有很好的鲁棒性。
发明内容
本发明的目的旨在至少解决上述技术缺陷之一。
本发明的目的在于提出一种实现了系统负荷预测误差和风电预测误差的逐步修正,提高大电网风电出力接入能力的消纳风电接入的大电网调度滚动计划方法。
为实现上述目的,本发明的实施例提出了一种消纳风电接入的大电网调度滚动计划方法,包括如下步骤:
1)从日前发电计划系统中获得所有常规机组日前计划的出力数据,其中所述常规机组包括火电机组和水电机组;
2)建立基于日前计划的消纳风电接入电网的日内滚动模型;
3)根据所述基于日前计划的消纳风电接入电网的日内滚动模型,通过日内滚动扩展短期预测得到当前系统负荷预测值与风电总出力预测值,并根据所述系统负荷预测值与风电总出力预测值在线刷新所有常规机组剩余时段的出力数据;
4)根据在线刷新得到的所有常规机组剩余时段的出力数据更新机组出力计划时优化问题中单机子的处理数据。
根据本发明实施例的消纳风电接入的大电网调度滚动计划方法建立风电与常规机组发电的协调调度模型,在保证风力发电最小弃风的前提下实现常规机组的经济出力;利用日内滚动计划的不断更新,实现了系统负荷预测误差和风电预测误差的逐步修正,提高大电网风电出力接入能力。并且通过拉格朗日松弛法把滚动计划模型分解成主问题和单发电机优化的子问题,对单发电机优化的子问题提出了一种快速递推算法,从而使得整个模型求解算法的时间复杂度为O(n3)。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的基于日前计划的消纳风电接入电网的日内滚动的流程图;和
图2为本发明实施例的求解滚动计划算法流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下面参考图1和图2对根据本发明实施例的消纳风电接入的大电网调度滚动计划方法进行说明。
本发明实施例的消纳风电接入的大电网调度滚动计划方法,包括以下步骤:
1)从日前计划系统获得该日所有常规机组96点(一天划分为96个时段,每个时段的时间跨度为15分钟;每个时段都对应一个数据)的出力计划数据;
2)给出大电网调度日内滚动计划算法的框架;具体步骤如下:
(21)将第1个时段之前的时段定义为日前计划初始时段,标记为第T0时段,其中T0=0;将第96个时段定义为最终时段,标记为第T时段,其中T=96;
(22)日内滚动计划初始时段标记为第t0时段,令t0=T0;
(23)从第t0时段开始,进行一次系统负荷和各风场的风电出力总和的扩展短期预测(从当前时段t0开始,预测当天所有剩余时段的数值;剩余时段即为t0+1,t0+2,...,T-1,T,共T-t0个时段);扩展短期预测的系统负荷记为Dt,风电出力总和记为Wt,其中t0+1≤t≤T;
(24)根据扩展短期预测中的系统负荷以及风电出力总和的数值,判断是否需要进行常规机组计划出力的滚动更新:
把最新计划(最近一次的滚动更新数据;若日内还未进行滚动更新,则为日前计划的数据)在时段[t0+1,T]的系统负荷记为Dt′,风电总出力记为Wt′;若:
其中:ξ——预测允许最大偏差;
若公式(1)满足,需要进行常规机组计划出力的更新,转步骤3);否则不需要更新出力计划;
(25)若t0=T-2则日内滚动计划已经结束,不需要更新机组出力计划,转步骤(26);否则再过半个小时,令t0=t0+2,转步骤23);
(26)日内滚动计划结束;
3)根据第t0时段进行的扩展短期预测的系统负荷Dt与风电总出力Wt(其中t0+1≤t≤T),进行常规机组计划出力的更新;具体步骤如下:
(31)建立更新计划的数学模型:
(311)更新计划数学模型的目标函数:
无特殊说明,数学模型中涉及的i为常规机组编号,取值范围为i∈[1,N],其中N为总机组数;t为时段编号,取值范围为t∈[t0+1,T];
更新计划数学模型对应的时间跨度为[t0+1,T],目标函数具体如下:
其中:pit——更新计划中第i台常规机组在第t时段的计划出力值;
ai,bi,ci——第i台常规机组发电费用的二次项、一次项和常数项系数;
(312)更新计划数学模型的约束条件:
常规机组出力应满足
a.负荷平衡约束:
b.机组出力上下界约束:
pmai,t≤pit≤pmii,t (4)
其中:pmai,t——第i台常规机组在第t时段允许的出力最大值;
pmii,t——第i台常规机组在第t时段允许的出力最小值;
c.机组爬坡率约束:
pi,t-1-Δpdi,t≤pit≤pi,t-1+Δpui,t (5)
其中:Δpdi,t——第i台常规机组从第t时段到第t+1时段允许的降出力最大值;
Δpui,t——第i台常规机组在第t时段到第t+1时段允许的升出力最大值;
d.断面潮流安全约束:
这里考虑直流潮流的模型,有:
其中:l,L——分别表示断面编号和总断面数;
kli——第i台常规机组对第l断面的灵敏度因子;
其中,负荷平衡约束和断面潮流安全约束包含多台机组的耦合信息,定义为耦合约束;而机组处理上下界约束和机组爬坡率约束定义为非耦合约束。
(32)更新计划数学模型的求解:
采用拉格朗日对偶松弛法求解步骤(31)提到的数学模型;将原问题转换为对偶问题;考虑到步骤(31)是凸规划的优化问题,当对偶问题获得最优解的同时,原问题的最优解也可求得;具体的步骤如下:
(321)通过拉格朗日乘子松弛常规机组耦合约束,包括负荷平衡约束和断面潮流安全约束,构造原数学模型的对偶模型:
max:θ(w,v),其中w>0
De——单机约束(包括机组出力上下界约束和机组爬坡率约束);
公式(7)的inf表示下确界;
(322)给定拉格朗日乘子和对偶问题的迭代次数的初值为:
(323)根据梯度方向为最速上升方向的原理,求得(w,v)对应的修正方向(dw,dv):
将(w,v)的值代入公式(7),可得:
其中:C——常数项;
公式(7)的常数对优化不产生影响,因此合并为常数项C;
对于公式(9),可以把函数θ(w.,v)分解为N个并列的子问题;每个子问题都只含有单台常规机组的发电费用系数和相关约束(单机的出力上下界约束和单机爬坡率约束),分别求解这N个单机子问题,获得所有pit值;子问题的求解过程见步骤4);
将求得的pit代入公式(7),根据梯度为最速上升方向的原则,可求得(dw,dv)如下:
(324)判断更新计划是否结束:
若:
max(dw,dv)<ε (11)
其中:ε——阈值,本文取0.1;
当上升方向向量的最大值小于预定阈值时,说明对偶问题已经取得最优解;转步骤(325);
否则,修正(w,v):
(w,v)=(w,v)+λj·(dw,dv) (12)
λj为动态修正步长,取值为
其中:A,B——步长修正参数,取值为A=1,B=4
改变迭代次数:
j=j+1
转步骤(323);
(325)最近一次循环时步骤(323)求得的pit即为原问题的最优解,也是更新计划中所要求解的各台常规机组的出力值;跳转至步骤23);
4)单机子问题的求解;具体步骤如下:
(41)单机数学模型:
根据公式(9),可得第i台机组的单机数学模型为:
其中
(42)根据单机数学模型的多时段的特性,采用逆向推进的动态规划方法求解(13)式的目标函数。具体分为两个步骤:
(421)获取机组出力的各阶段最优决策
令第T时段为第1阶段,第T-1时段为第2阶段,并依次类推,第t0+1时段则为第T-t0阶段;决策则是机组在每个阶段允许的出力值;而机组出力的第T-t+1(其中t0+1≤t≤T)阶段的最优决策是指若该机组在第t时段出力值为pit,o时能保证θi(pit)的后部子过程(从第t时段到第T时段)对应的函数值取得最优。
从第T时段开始逆推至第(t0+1)时段,求取第t(t∈[t0+1,T])时段对应的(T-t+1)阶段最优决策;具体步骤如下:
首先计算第1阶段的最优决策,这时的子过程为
这时只有第T时段,令
式(16)为二次函数对称轴处的取值,又考虑到机组出力上下界的约束,则第1阶段的最优决策为
piT,o=min(max(pmiiT′,piT,s),pmaiT′)(17)
其中pmiiT′=pmiiT,pmaiT′=pmaiT
再求第2阶段的最优决策pi,T-1,o,将式(15)拓展为2阶段简化数学模型:
这时第2阶段的决策区间(机组在第T-1时段的出力范围)为[pmii,T-1′,pmai,T-1′],其中
pmii,T-1′=max(pmii,T-1,pmii,T′-Δpui,T)
pmai,T-1′=min(pmai,T-1,pmai,T′+Δpdi,T)
根据第一阶段的pmiiT,pmaiT′,piT,o这3个功率值的信息(特殊情况下,当piT,o=pmiiT′或者piT,o=pmaiT′时,可能退化为2个功率值),可将[pmii,T-1′,pmai,T-1′]最多分解为3个区间,分别为[pmii,T-1′,piT,o-Δpui,T],[piT,o-Δpui,T,piT,o+Δpdi,T],[piT,o+Δpdi,T,pmai,T-1′];每个区间都为2次函数的形式,二次项系数和一次项的系数分别为(aiT′+ai,T-1′,biT′+bi,T-1′+2aiT′Δpui,T),(ai,T-1′,bi,T-1′),(aiT′+ai,T-1′,biT′+bi,T-1′-2aiT′Δpdi,T)。若某个区间的二次项和一次项系数算得的对称轴恰好在该区间内,则对称轴的取值即为第2阶段的最优决策pi,T-1,o的取值;若最左侧区间(功率取值最小的区间)的对称轴比最小功率值pmi,T-1还小,则pi,T-1,o=pmii,T-1;若最右侧区间(功率取值最大的区间)的对称轴比最大功率值pmai,T-1还小,则pi,T-1,o=pmai,T-1;若相邻两个区间中左侧区间的对称轴比该区间的最大功率值要大,而右侧区间的对称轴比该区间的最小功率值要小,则第2阶段的最优决策pi,T-1,o即为这相邻两区间左侧区间的最大功率值(也等于右侧区间的最小功率值)。
同理,在已知第T-t+1阶段(对应第t时段)的pmii,t′,pmai,t′,pi,t,o以及该阶段决策区间[pmii,t′,pmai,t′]的所有分区和分区的二次项、一次项系数的基础上,计算第T-t+2阶段(第t-1时段)的最优决策pi,t-1,o。先计算第T-t+2阶段的决策区间为[pmii,t-1′,pmai,t-1′]:
pmii,t-1′=max(pmii,t-1,pmii,t′-Δpui,t)
pmai,t-1′=min(pmai,t-1,pmai,t′+Δpdi,t)
再计算第T-t+2阶段决策区间的所有分区。
根据类似第2阶段提到的二次项和一次项系数的修正方法,得到各个分区的二次项、一次项系数;最终根据各分区的二次函数对称轴和分区最大功率和最小功率的关系(参考第2阶段的比较方法)可以得到第T-t+2阶段的最优决策pi,t-1,o。
直到拓展成公式(14)的模型,即逐步可以获得第1阶段至第T-t0阶段的最优决策;
(422)获取机组出力的最优策略
已知机组在第t0时段的实际出力值为
当满足: 则
当满足: 则
否则:
(4222)从第(t0+1)时段顺推至第T时段,根据机组第t时段的出力值,获得机组在第(t+1)时段的出力值pi,t+1,这时t∈[t0+1,T-1]:
当满足:pi,t+1,o-pi,t>Δpui,t+1;则pi,t+1=pi,t+Δpui,t+1;
当满足: 则pi,t+1=pi,t+Δpui,t+1;
否则:pi,t+1=pi,t+1,o;
求得N个单机子问题的所有pi,t,跳回步骤(323);
根据本发明实施例的消纳风电接入的大电网调度滚动计划方法,建立风电与常规机组发电的协调调度模型,在保证风力发电最小弃风的前提下实现常规机组的经济出力;利用日内滚动计划的不断更新,实现了系统负荷预测误差和风电预测误差的逐步修正,提高了大电网风电出力接入能力。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (4)
1.一种消纳风电接入的大电网调度滚动计划方法,其特征在于,包括以下步骤:
1)从日前发电计划系统中获得所有常规机组日前计划的出力数据,其中所述常规机组包括火电机组和水电机组;
2)建立基于日前计划的消纳风电接入电网的日内滚动模型;
3)根据所述基于日前计划的消纳风电接入电网的日内滚动模型,通过日内滚动扩展短期预测得到当前系统负荷预测值与风电总出力预测值,并根据所述系统负荷预测值与风电总出力预测值在线刷新所有常规机组剩余时段的出力数据;
4)根据在线刷新得到的所有常规机组剩余时段的出力数据更新机组出力计划时优化问题中单机子的处理数据。
2.如权利要求1所述的大电网调度滚动计划方法,其特征在于,所述建立基于日前计划的消纳风电接入电网的日内滚动模型,包括以下步骤:
(21)将一天划分为多个时段,所有时段的时间总跨度为24小时;将一天划分为96个时段,每个时段的时间跨度为15分钟;将第1个时段之前的时段设置为日前计划初始时段,标记为第T0时段,其中T0=0;将第96个时段定义为最终时段,标记为第T时段,其中T=96;
(22)将日内滚动计划初始时段标记为第t0时段,令t0=T0;
(23)从第t0时段开始,进行一次系统负荷和各风场的风电出力总和的扩展短期预测,其中,扩展短期预测的系统负荷记为Dt,风电出力总和记为Wt,t0+1≤t≤T;
(24)根据扩展短期预测中的系统负荷以及风电出力总和的数值,判断是否需要进行常规机组计划出力的滚动更新:
若需要,则进行常规机组计划出力的更新,执行所述步骤3),根据所述基于日前计划的消纳风电接入电网的日内滚动模型,通过日内滚动扩展短期预测得到当前系统负荷预测值与风电总出力预测值,根据所述系统负荷预测值与风电总出力预测值在线刷新所有常规机组剩余时段的出力数据;
若不需要更新,执行步骤(25),判断日内滚动计划是否结束:
若日内滚动计划已经结束,执行步骤(26);否则,再过半个小时,令t0=t0+2,执行步骤(23);
(26)日内滚动计划结束。
3.如权利要求2所述大电网调度滚动计划方法,其特征在于,所述通过日内滚动扩展短期预测得到当前系统负荷预测值与风电总出力预测值,并根据所述系统负荷预测值与风电总出力预测值在线刷新所有常规机组剩余时段的出力数据,包括以下步骤:
(31)建立更新计划的数学模型:
(311)更新计划数学模型的目标函数:
更新计划数学模型对应的时间跨度为[t0+1,T],
目标函数为:
其中:pit为更新计划中第i台常规机组在第t时段的计划出力值;
ai,bi,ci分别为第i台常规机组发电费用的二次项、一次项和常数项系数;
i为常规机组编号,取值范围为i∈[1,N],其中N为总机组数;t为时段编号,取值范围为t∈[t0+1,T];
(312)更新计划数学模型的约束条件:
常规机组出力满足耦合约束和非耦合约束,其中耦合约束包括负荷平衡约束和断面潮流安全约束,所述负荷平衡约束和所述断面潮流安全约束包含多台机组的耦合信息;非耦合约束包括机组处理上下界约束和机组爬坡率约束,
a.负荷平衡约束:
b.机组出力上下界约束:pmai,t≤pit≤pmii,t
其中:pmai,t为第i台常规机组在第t时段允许的出力最大值;
pmii,t为第i台常规机组在第t时段允许的出力最小值;
c.机组爬坡率约束:pi,t-1-Δpdi,t≤pit≤pi,t-1+Δpui,t
其中:Δpdi,t为第i台常规机组从第t时段到第t+1时段允许的降出力最大值;
Δpui,t为第i台常规机组在第t时段到第t+1时段允许的升出力最大值;d.断面潮流安全约束:
其中:l,L分别为断面编号和总断面数;
kli为第i台常规机组对第l断面的灵敏度因子;
(32)更新计划数学模型的求解:
采用拉格朗日对偶松弛法求解所述步骤(31)中的数学模型,包括如下步骤:
(321)通过拉格朗日乘子松弛常规机组耦合约束,构造原数学模型的对偶模型:
max:θ(w,v),其中w>0
De表示单机约束(包括机组出力上下界约束和机组爬坡率约束);inf表示下确界;
(322)设置拉格朗日乘子和对偶问题迭代次数j的初值为:
(323)根据梯度方向为最速上升方向的原理,得到(w,v)对应的修正方向(dw,dv):将(w,v)的值代入所述对偶模型,可得:
其中:C——常数项;
将θ(w.,v)分解为N个并列的子问题;每个子问题包括单台常规机组的发电费用系数和相关约束,单机的出力上下界约束和单机爬坡率约束,分别求解N个单机子问题,获得所有pit值;通过所述步骤4)求解所述子问题;
将求得的pit代入所述对偶模型,根据梯度为最速上升方向的原则,得到(dw,dv)如下:
(324)判断更新计划是否结束:
当上升方向向量的最大值小于预定阈值时,表示对偶问题已经取得最优解;执行步骤(325);
否则,修正(w,v):(w,v)=(w,v)+λj·(dw,dv),
λj为动态修正步长,
其中:A,B——步长修正参数,取值为A=1,B=4
改变迭代次数,j=j+1;执行所述步骤(323);
所述步骤(325)最近一次循环时所述步骤(323)求得的pit为原问题的最优解,和更新计划中所要求解的各台常规机组的出力值,执行所述步骤(25)。
4.如权利要求3所述大电网调度滚动计划方法,其特征在于,所述更新机组出力计划时优化问题中单机子的处理数据,包括以下步骤:
对于第i台机组,
(41)建立单机数学模型:
第i台机组的单机数学模型为:
其中,
(42)根据所述单机数学模型的多时段的特性,采用逆向推进的动态规划方法求解目标函数,包括如下步骤:
(421)获取机组出力的各阶段最优决策;
令第T时段为第1阶段,第T-1时段为第2阶段,并依此类推,第t0+1时段则为第T-t0阶段,决策为机组在每个阶段允许的出力值,机组出力的第T-t+1阶段的最优决策为当该机组在第t时段出力值为pi,t,o时,保证θi(pit)的后部子过程对应的函数值取得最优,其中所述后部子过程为从第t时段到第T时段,
从第T时段开始逆推至第(t0+1)时段,求取第t(t∈[t0+1,T])时段对应的(T-t+1)阶段最优决策pi,t,o;
(422)获取机组出力的最优策略,机组在第t0时段的实际出力值为
当满足: 则
当满足: 则
否则:
(4222)从第(t0+1)时段顺推至第T时段,根据机组第t时段的出力值,获得机组在第(t+1)时段的出力值pi,t+1,t∈[t0+1,T-1]:
当满足:pi,t+1,o-pi,t>Δpui,t+1;则pi,t+1=pi,t+Δpui,t+1;
当满足: 则pi,t+1=pi,t+Δpui,t+1;
否则:pi,t+1=pi,t+1,o;
求得N个单机子问题的所有pi,t,跳回步骤(323)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100843437A CN102170170B (zh) | 2011-04-02 | 2011-04-02 | 消纳风电接入的大电网调度滚动计划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100843437A CN102170170B (zh) | 2011-04-02 | 2011-04-02 | 消纳风电接入的大电网调度滚动计划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102170170A true CN102170170A (zh) | 2011-08-31 |
CN102170170B CN102170170B (zh) | 2013-02-13 |
Family
ID=44491189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100843437A Active CN102170170B (zh) | 2011-04-02 | 2011-04-02 | 消纳风电接入的大电网调度滚动计划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102170170B (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419855A (zh) * | 2011-12-09 | 2012-04-18 | 北京科东电力控制系统有限责任公司 | 一种电网中清洁能源电力分布的计算方法 |
CN102496962A (zh) * | 2011-12-31 | 2012-06-13 | 清华大学 | 调峰调频约束下电力系统可消纳风电的辨识与控制方法 |
CN102904248A (zh) * | 2012-09-27 | 2013-01-30 | 广东电网公司电力调度控制中心 | 基于风电出力不确定性集合的电力系统调度方法 |
CN102931689A (zh) * | 2012-10-30 | 2013-02-13 | 清华大学 | 考虑发电调节次数约束的在线滚动调度方法 |
CN103036245A (zh) * | 2012-11-30 | 2013-04-10 | 中国南方电网有限责任公司 | 一种互联电网新型交直流协同降低网损的方法及系统 |
CN103066626A (zh) * | 2012-10-31 | 2013-04-24 | 中国电力科学研究院 | 一种多源协调日前发电计划方法 |
CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
CN103219748A (zh) * | 2012-01-20 | 2013-07-24 | 华北电力科学研究院有限责任公司 | 一种电网风电消纳能力的确定方法及系统 |
CN103514374A (zh) * | 2013-09-24 | 2014-01-15 | 清华大学 | 电力系统在线滚动调度中不可行传输断面约束的辨识方法 |
CN103679284A (zh) * | 2013-11-18 | 2014-03-26 | 上海交通大学 | 一种消纳风电接入的定区间滚动调度方法 |
CN103762620A (zh) * | 2013-05-10 | 2014-04-30 | 南京南瑞集团公司 | 基于预测调节性能和安全约束的新能源并网功率控制方法 |
CN104079000A (zh) * | 2014-07-14 | 2014-10-01 | 国家电网公司 | 一种适用于大规模风电接入的电网输电裕度控制方法 |
CN104333047A (zh) * | 2014-10-31 | 2015-02-04 | 武汉大学 | 一种适用于风电接入的电力系统实时滚动计划方法 |
CN104573861A (zh) * | 2015-01-05 | 2015-04-29 | 河海大学 | 基于内点半定规划的拟直流最优潮流方法 |
CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
CN105048499A (zh) * | 2015-07-24 | 2015-11-11 | 中国农业大学 | 基于模型预测控制的风电并网实时调度方法及装置 |
CN105633949A (zh) * | 2015-12-14 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种经济运行实时发电调度和控制方法 |
CN105656025A (zh) * | 2015-12-03 | 2016-06-08 | 国网江苏省电力公司经济技术研究院 | 提高风电消纳能力的方法 |
CN106505635A (zh) * | 2016-09-20 | 2017-03-15 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN106682808A (zh) * | 2016-09-20 | 2017-05-17 | 北京恒泰实达科技股份有限公司 | 在线滚动优化调度模型 |
CN107294122A (zh) * | 2017-04-17 | 2017-10-24 | 国网浙江省电力公司电力科学研究院 | 一种混合储能系统分层动态控制方法 |
CN108039736A (zh) * | 2017-11-14 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的大容量储热储电协调调度方法 |
CN108344718A (zh) * | 2018-02-08 | 2018-07-31 | 芜湖美智空调设备有限公司 | 滤网洁净度检测方法及传感器、空气处理设备 |
CN108832625A (zh) * | 2018-06-29 | 2018-11-16 | 云南电网有限责任公司 | 一种最大电力电量外送能力计算方法及装置 |
CN109460887A (zh) * | 2018-09-12 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种考虑光电接入的电力系统优化调度方法 |
CN109474003A (zh) * | 2018-09-12 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种接入风电场的区域电网优化调度方法 |
CN109474024A (zh) * | 2018-09-12 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种含光电场的区域电网优化调度方法 |
CN110415028A (zh) * | 2019-07-17 | 2019-11-05 | 清华大学 | 规避风电在现货市场中策略性行为的偏差定价方法及系统 |
CN110991773A (zh) * | 2019-12-27 | 2020-04-10 | 国网辽宁省电力有限公司阜新供电公司 | 一种面向风电消纳的两阶段源荷储优化调度方法 |
CN111126749A (zh) * | 2019-11-01 | 2020-05-08 | 国电南瑞南京控制系统有限公司 | 一种区域电网主控区常规电厂发电计划编制方法 |
CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
CN112633576A (zh) * | 2020-12-22 | 2021-04-09 | 华中科技大学 | 应用于卷烟工厂生产排程的两阶段排程优化方法与系统 |
CN113541205A (zh) * | 2021-09-14 | 2021-10-22 | 山东大学 | 基于集群学习的低碳csp系统协同优化方法及装置 |
CN110796373B (zh) * | 2019-10-30 | 2023-06-02 | 国网辽宁省电力有限公司阜新供电公司 | 面向风电消纳的多阶段场景生成电热系统优化调度方法 |
CN112332460B (zh) * | 2020-10-30 | 2024-06-04 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080172279A1 (en) * | 2003-06-13 | 2008-07-17 | Enis Ben M | Method of coordinating and stabilizing the delivery of wind generated energy |
-
2011
- 2011-04-02 CN CN2011100843437A patent/CN102170170B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080172279A1 (en) * | 2003-06-13 | 2008-07-17 | Enis Ben M | Method of coordinating and stabilizing the delivery of wind generated energy |
Non-Patent Citations (2)
Title |
---|
张伯明 等: "消纳大规模风电的多时间尺度协调的有功调度系统设计", 《电力系统自动化》 * |
莫维仁 等: "扩展短期负荷预测的原理和方法", 《中国电机工程学报》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138256B (zh) * | 2011-11-30 | 2015-09-02 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
CN102419855A (zh) * | 2011-12-09 | 2012-04-18 | 北京科东电力控制系统有限责任公司 | 一种电网中清洁能源电力分布的计算方法 |
CN102419855B (zh) * | 2011-12-09 | 2016-03-02 | 北京科东电力控制系统有限责任公司 | 一种电网中清洁能源电力分布的计算方法 |
CN102496962A (zh) * | 2011-12-31 | 2012-06-13 | 清华大学 | 调峰调频约束下电力系统可消纳风电的辨识与控制方法 |
CN102496962B (zh) * | 2011-12-31 | 2013-02-13 | 清华大学 | 调峰调频约束下电力系统可消纳风电的辨识与控制方法 |
CN103219748A (zh) * | 2012-01-20 | 2013-07-24 | 华北电力科学研究院有限责任公司 | 一种电网风电消纳能力的确定方法及系统 |
CN103219748B (zh) * | 2012-01-20 | 2015-04-08 | 华北电力科学研究院有限责任公司 | 一种电网风电消纳能力的确定方法及系统 |
CN102904248B (zh) * | 2012-09-27 | 2014-06-25 | 广东电网公司电力调度控制中心 | 基于风电出力不确定性集合的电力系统调度方法 |
CN102904248A (zh) * | 2012-09-27 | 2013-01-30 | 广东电网公司电力调度控制中心 | 基于风电出力不确定性集合的电力系统调度方法 |
CN102931689B (zh) * | 2012-10-30 | 2014-08-20 | 清华大学 | 考虑发电调节次数约束的在线滚动调度方法 |
CN102931689A (zh) * | 2012-10-30 | 2013-02-13 | 清华大学 | 考虑发电调节次数约束的在线滚动调度方法 |
CN103066626B (zh) * | 2012-10-31 | 2014-06-04 | 中国电力科学研究院 | 一种多源协调日前发电计划方法 |
CN103066626A (zh) * | 2012-10-31 | 2013-04-24 | 中国电力科学研究院 | 一种多源协调日前发电计划方法 |
CN103036245A (zh) * | 2012-11-30 | 2013-04-10 | 中国南方电网有限责任公司 | 一种互联电网新型交直流协同降低网损的方法及系统 |
CN103036245B (zh) * | 2012-11-30 | 2016-08-03 | 中国南方电网有限责任公司 | 一种互联电网新型交直流协同降低网损的方法及系统 |
CN103762620A (zh) * | 2013-05-10 | 2014-04-30 | 南京南瑞集团公司 | 基于预测调节性能和安全约束的新能源并网功率控制方法 |
CN103762620B (zh) * | 2013-05-10 | 2015-12-02 | 南京南瑞集团公司 | 基于预测调节性能和安全约束的新能源并网功率控制方法 |
CN103514374A (zh) * | 2013-09-24 | 2014-01-15 | 清华大学 | 电力系统在线滚动调度中不可行传输断面约束的辨识方法 |
CN103679284A (zh) * | 2013-11-18 | 2014-03-26 | 上海交通大学 | 一种消纳风电接入的定区间滚动调度方法 |
CN104079000A (zh) * | 2014-07-14 | 2014-10-01 | 国家电网公司 | 一种适用于大规模风电接入的电网输电裕度控制方法 |
CN104333047A (zh) * | 2014-10-31 | 2015-02-04 | 武汉大学 | 一种适用于风电接入的电力系统实时滚动计划方法 |
CN104573861A (zh) * | 2015-01-05 | 2015-04-29 | 河海大学 | 基于内点半定规划的拟直流最优潮流方法 |
CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
CN105048499A (zh) * | 2015-07-24 | 2015-11-11 | 中国农业大学 | 基于模型预测控制的风电并网实时调度方法及装置 |
CN105656025A (zh) * | 2015-12-03 | 2016-06-08 | 国网江苏省电力公司经济技术研究院 | 提高风电消纳能力的方法 |
CN105656025B (zh) * | 2015-12-03 | 2018-06-15 | 国网江苏省电力公司经济技术研究院 | 提高风电消纳能力的方法 |
CN105633949A (zh) * | 2015-12-14 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种经济运行实时发电调度和控制方法 |
CN105633949B (zh) * | 2015-12-14 | 2018-07-24 | 云南电网有限责任公司电力科学研究院 | 一种经济运行实时发电调度和控制方法 |
CN106682808A (zh) * | 2016-09-20 | 2017-05-17 | 北京恒泰实达科技股份有限公司 | 在线滚动优化调度模型 |
CN106505635B (zh) * | 2016-09-20 | 2020-05-12 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN106505635A (zh) * | 2016-09-20 | 2017-03-15 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN107294122A (zh) * | 2017-04-17 | 2017-10-24 | 国网浙江省电力公司电力科学研究院 | 一种混合储能系统分层动态控制方法 |
CN108039736A (zh) * | 2017-11-14 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的大容量储热储电协调调度方法 |
CN108344718A (zh) * | 2018-02-08 | 2018-07-31 | 芜湖美智空调设备有限公司 | 滤网洁净度检测方法及传感器、空气处理设备 |
CN108344718B (zh) * | 2018-02-08 | 2020-10-20 | 芜湖美智空调设备有限公司 | 滤网洁净度检测方法及传感器、空气处理设备 |
CN108832625A (zh) * | 2018-06-29 | 2018-11-16 | 云南电网有限责任公司 | 一种最大电力电量外送能力计算方法及装置 |
CN108832625B (zh) * | 2018-06-29 | 2021-06-25 | 云南电网有限责任公司 | 一种最大电力电量外送能力计算方法及装置 |
CN109474003A (zh) * | 2018-09-12 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种接入风电场的区域电网优化调度方法 |
CN109474024B (zh) * | 2018-09-12 | 2022-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种含光电场的区域电网优化调度方法 |
CN109474024A (zh) * | 2018-09-12 | 2019-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种含光电场的区域电网优化调度方法 |
CN109460887A (zh) * | 2018-09-12 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种考虑光电接入的电力系统优化调度方法 |
CN109460887B (zh) * | 2018-09-12 | 2021-10-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种考虑光电接入的电力系统优化调度方法 |
CN109474003B (zh) * | 2018-09-12 | 2022-02-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种接入风电场的区域电网优化调度方法 |
CN110415028A (zh) * | 2019-07-17 | 2019-11-05 | 清华大学 | 规避风电在现货市场中策略性行为的偏差定价方法及系统 |
CN110415028B (zh) * | 2019-07-17 | 2022-04-08 | 清华大学 | 规避风电在现货市场中策略性行为的偏差定价方法及系统 |
CN110796373B (zh) * | 2019-10-30 | 2023-06-02 | 国网辽宁省电力有限公司阜新供电公司 | 面向风电消纳的多阶段场景生成电热系统优化调度方法 |
CN111126749A (zh) * | 2019-11-01 | 2020-05-08 | 国电南瑞南京控制系统有限公司 | 一种区域电网主控区常规电厂发电计划编制方法 |
CN110991773A (zh) * | 2019-12-27 | 2020-04-10 | 国网辽宁省电力有限公司阜新供电公司 | 一种面向风电消纳的两阶段源荷储优化调度方法 |
CN110991773B (zh) * | 2019-12-27 | 2023-08-22 | 国网辽宁省电力有限公司阜新供电公司 | 一种面向风电消纳的两阶段源荷储优化调度方法 |
CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
CN112332460B (zh) * | 2020-10-30 | 2024-06-04 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
CN112633576B (zh) * | 2020-12-22 | 2022-04-29 | 华中科技大学 | 应用于卷烟工厂生产排程的两阶段排程优化方法与系统 |
CN112633576A (zh) * | 2020-12-22 | 2021-04-09 | 华中科技大学 | 应用于卷烟工厂生产排程的两阶段排程优化方法与系统 |
CN113541205B (zh) * | 2021-09-14 | 2021-12-24 | 山东大学 | 基于集群学习的低碳csp系统协同优化方法及装置 |
CN113541205A (zh) * | 2021-09-14 | 2021-10-22 | 山东大学 | 基于集群学习的低碳csp系统协同优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102170170B (zh) | 2013-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102170170B (zh) | 消纳风电接入的大电网调度滚动计划方法 | |
Lin et al. | Decentralized solution for combined heat and power dispatch through benders decomposition | |
Zhang et al. | A stochastic MPC based approach to integrated energy management in microgrids | |
CN110298138B (zh) | 一种综合能源系统优化方法、装置、设备及可读存储介质 | |
Hong et al. | Optimal sizing of hybrid wind/PV/diesel generation in a stand-alone power system using Markov-based genetic algorithm | |
Wu et al. | A multi-objective short term hydropower scheduling model for peak shaving | |
Qiu et al. | Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties | |
Xiaoyi et al. | IoT driven framework based efficient green energy management in smart cities using multi-objective distributed dispatching algorithm | |
CN110570020B (zh) | 适应区域交直流混联电网的中长期交易电量安全校核方法 | |
CN105826944A (zh) | 一种微电网群的功率预测方法和系统 | |
CN102509175A (zh) | 分布式供电系统可靠性优化方法 | |
Bosman et al. | Planning the production of a fleet of domestic combined heat and power generators | |
Zhang et al. | Distributionally robust coordination optimization scheduling for electricity-gas-transportation coupled system considering multiple uncertainties | |
CN104377693A (zh) | 一种发电生产模拟模型 | |
CN105631528A (zh) | 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法 | |
Zavala et al. | Proactive energy management for next-generation building systems | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN104392282A (zh) | 一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法 | |
CN103514374A (zh) | 电力系统在线滚动调度中不可行传输断面约束的辨识方法 | |
Novoselnik et al. | Electrical power distribution system reconfiguration: Case study of a real-life grid in Croatia | |
CN116345564A (zh) | 综合能源系统多时间尺度分布式协同优化调度方法及系统 | |
Nudell et al. | A dynamic market mechanism for combined heat and power microgrid energy management | |
Hashemifar et al. | Two-layer robust optimization framework for resilience enhancement of microgrids considering hydrogen and electrical energy storage systems | |
Rafique et al. | Energy management system design and testing for smart buildings under uncertain generation (wind/photovoltaic) and demand | |
CN106156870A (zh) | 一种基于电网日前计划策略的实时优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |