CN104167731B - 一种多区域多元电源协调规划方法 - Google Patents
一种多区域多元电源协调规划方法 Download PDFInfo
- Publication number
- CN104167731B CN104167731B CN201410418529.5A CN201410418529A CN104167731B CN 104167731 B CN104167731 B CN 104167731B CN 201410418529 A CN201410418529 A CN 201410418529A CN 104167731 B CN104167731 B CN 104167731B
- Authority
- CN
- China
- Prior art keywords
- technology type
- generation technology
- subregion
- grid
- power plant
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了电力系统电源规划技术领域中的一种多区域多元电源协调规划方法。包括:将待规划区域分成若干个子区域,子区域之间通过输电线路相互连接;根据粗粒度多区域多元电源协调规划数学模型求解每个子区域各种发电技术类型的容量;读取粗粒度多区域多元电源协调规划数学模型求解结果并形成各自独立的规划子区域;将每个规划子区域划分为若干个栅格;根据细粒度多元电源协调规划模型求解各个发电厂的发电技术类型、容量和建设地点;如果栅格不满足分辨率要求,则将每个栅格进一步划分为若干个更小的栅格,重新根据细粒度多元电源协调规划模型求解。本发明实现了复杂地理环境下多元电源协调规划方案的自动化、精细化和最优化编制。
Description
技术领域
本发明属于电力系统电源规划技术领域,尤其涉及一种多区域多元电源协调规划方法。
背景技术
电源规划以长期负荷预测为基础,决策在何时何地投建何种技术类型发电设备,在保证规划期内电力系统运行可靠性的前提下,满足负荷增长的需求。近年来,全球气候变化和全球变暖引起了公众对环境保护的日益关注。越来越多的国家开始致力于节约化石能源消耗、减少温室气体排放的工作。受益于可再生能源发电技术的发展、化石能源的短缺和政府政策的激励,可再生能源发电得到了快速发展,并成为电源组成中不可忽视的部分。因此,协调各种可再生能源发电和传统发电的发展是非常有必要的。同时,各地资源禀赋不同,为了提高资源配置效率,需要协调考虑区域间各种发电技术的优化组合方案,由于区域间输电容量存在限制,应该在跨区域配置各种发电技术的时候考虑电网运行约束。另外,电源建设和环境之间是相互影响的,电源建设受到了许多环境因素的制约,可再生能源资源分布特性的地域差异也很大,可再生能源发电可用性直接受到电源建设地点环境的影响,所以有必要在电源规划中考虑地理环境因素的影响。
在现有的电源规划方法中,通常将粗粒度电源规划或细粒度电源规划单独进行考虑,这种分离的方法存在的问题是:第一,粗粒度电源规划可以在电网网络约束的条件下考虑资源的互补特性得到各区域各种发电技术的最优建设容量,但由于不能考虑具体地理环境限制,从而也就不能确定各种发电技术的建设地点和数量;第二,细粒度电源规划可以得到各种发电技术的局部最优建设地点和数量,但不能考虑多区域间资源的互补特性和电网网络约束,不能实现资源的全局最优配置。
同时,在现有电源规划方法中,为了简化建立数学模型及求解的目的,通常都在预先给定候选电源投资成本和发电可用性的基础上,优化求解电源的投建组合方案,显然,这种研究方法不能够精确考虑地理环境因素对电源规划的影响,同时造成所获得规划方案和实际建设方案的差距过大,降低了电源规划结果的可信性和实用性。
发明内容
本发明的目的在于,针对当前可再生能源发电快速发展的新形势和可再生能源发电与环境密切相关的特点,以及区域间资源的互补特性和电网网络约束现状,提出一种粗粒度和细粒度相结合、精确考虑复杂地理环境因素的多区域多元电源协调规划方法,在实现大范围内电力资源优化配置的同时,充分利用现有地理信息系统中丰富的环境信息和强大的地图处理能力,实现了复杂地理环境下多元电源协调规划方案的自动化、精细化和最优化编制,以及最优规划方案的可视化展示,以解决目前电源规划方法假设条件过多,规划方案与实际建设项目不匹配,以及人工编制电源规划方案效果不佳,效率低下的问题。
为了实现上述目的,本发明提出的技术方案是,一种多区域多元电源协调规划方法,其特征是所述方法包括:
步骤1:将待规划区域分成若干个子区域,子区域之间通过输电线路相互连接;
步骤2:根据粗粒度多区域多元电源协调规划数学模型求解每个子区域各种发电技术类型的容量;
步骤3:读取粗粒度多区域多元电源协调规划数学模型求解结果,提取区域间线路潮流,以此为边界条件,将各子区域从联络线处分离,形成各自独立的规划子区域;
步骤4:将每个规划子区域划分为若干个栅格;
步骤5:根据细粒度多元电源协调规划模型求解各个发电厂的发电技术类型、容量和建设地点;
步骤6:判断栅格是否满足分辨率要求,如果栅格满足分辨率要求,则执行步骤8;否则,执行步骤7;
步骤7:将每个栅格进一步划分为若干个更小的栅格,返回步骤5;
步骤8:结束。
所述步骤8之前还包括:将细粒度多元电源协调规划模型求解的结果输出到地理信息系统中,实现多元电源协调规划方案的可视化展示。
所述粗粒度多区域多元电源协调规划数学模型包括粗粒度优化目标函数和粗粒度约束条件;
所述粗粒度优化目标函数为:
F为粗粒度优化目标函数;
n为子区域的索引,n=1,2,...N,N为子区域的数量;
s为场景的索引,s=1,2,...S,S为场景的数量;
v为发电技术类型的索引,v=1,2,...,V,V为发电技术类型的数量;
Pn′,v,s为子区域n上发电技术类型v在场景s下的输出功率且
为子区域n上现有的发电技术类型v在场景s下的输出功率;
Pn,v,s为子区域n上新建的发电技术类型v在场景s下的输出功率;
为子区域n上发电技术类型v的边际燃料消耗,当发电技术类型为可再生能源发电技术类型时,
τs为场景s的持续时间;
所述粗粒度约束条件包括区域功率平衡约束、线路潮流约束、已有发电厂功率输出约束、新建发电厂功率输出约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束;
其中,所述区域功率平衡约束为:
k为输电线路索引,k=1,2,...,K,K为输电线路的数量;
BLk,n为区域-输电线路关联矩阵中的元素;
fk,s为输电线路k在场景s下的潮流;
qn,s为子区域n上场景s下的负荷损失;
DLn,s子区域n上场景s下的负荷;
所述线路潮流约束为:|fk,s|≤Fk;
Fk为输电线路k的容量;
所述已有发电厂功率输出约束为:
μn,v,s为子区域n上发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μn,v,s=1;
为子区域n上发电技术类型v的容量;
所述新建发电厂功率输出约束为:
为子区域n上发电技术类型v的建设容量;
所述污染物排放约束为:
为子区域n上发电技术类型v的边际污染物排放量,当发电技术类型为可再生能源发电技术类型时,
En为子区域n上最大允许污染物排放量;
所述总投资成本约束为:
en,v为子区域n上发电技术类型v的建设投资成本;
dn,v为子区域n上发电技术类型v的可再生能源补贴额,当发电技术类型为不可再生能源发电技术类型时,dn,v=0;
Capn为子区域n上的最大运行投资额;
所述最大负荷电量损失约束为:
LSn为子区域n上的最大负荷电量损失。
所述细粒度多元电源协调规划模型包括细粒度优化目标函数和细粒度约束条件;
所述细粒度优化目标函数为:
F1为细粒度优化目标函数;
s为场景的索引,s=1,2,...S,S为场景的数量;
m为发电厂的索引,m=1,2,...M且M=M1+M2;
M为子区域内发电厂的数量;
M1为子区域内已有发电厂的数量;
M2为子区域内候选发电厂的数量;
Pm,s为发电厂m在场景s下的输出功率;
为发电厂m的边际燃料消耗量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,
τs为场景s的持续时间;
所述细粒度约束条件包括候选发电厂选址唯一性约束、候选发电厂投建容量选择约束、候选发电厂投建容量与投建地点一致性约束、功率平衡约束、候选发电厂发电可用容量约束、各种发电技术类型投建容量约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束;
所述候选发电厂选址唯一性约束为:
m1为候选发电厂的索引,m1=M1+1,M1+2,...M;
i为栅格的行索引,i=1,2,...I,I为子区域内栅格行数;子区域内每行的栅格数;
j为栅格的列索引,j=1,2,..J,J为子区域内栅格列数;子区域内每列的栅格数;
为候选发电厂m1在栅格Ci,j上的投建二进制决策变量,当候选发电厂m1投建在栅格Ci,j上时,否则,
所述候选发电厂投建容量选择约束为:
w为投建容量索引,w=1,2,...,W,W为投建容量的数量;
为候选发电厂m1第w个投建容量的二进制决策变量,当候选发电厂m1选择第w个投建容量时,否则,
为候选发电厂m1在栅格Ci,j上的建设容量;
Pw为第w个投建容量的大小;
所述候选发电厂投建容量与投建地点一致性约束为:
G为设定参数;
所述功率平衡约束为:
DLs为场景s下的负荷需求;
所述候选发电厂发电可用容量约束为:
为候选发电厂m1与发电技术类型v的关联系数,当候选发电厂m1使用发电技术类型v时,当候选发电厂m1不使用发电技术类型v时,
μv,s为发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μv,s=1;
ρv,i,j为栅格Ci,j上发电技术类型v的可用发电资源强度比例;
所述各种发电技术类型投建容量约束为:
为粗粒度多区域多元电源协调规划数学模型求解得到的发电技术类型v的容量;
所述污染物排放约束为:
为发电厂m的边际污染物排放量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,
E为最大允许污染物排放量;
所述总投资成本约束为:
ev,i,j为发电技术类型v在栅格Ci,j上的建设投资成本;
dv为发电技术类型v的可再生能源补贴额,发电技术类型为不可再生能源发电技术类型时,dv=0;
为候选发电厂m1在栅格Ci,j上的建设容量;
Cap为最大运行投资总额;
所述最大负荷电量损失约束为:
qs为场景s下的负荷损失;
LS为最大负荷电量损失。
所述步骤5还包括栅格预处理步骤,具体为:如果栅格满足且则将栅格Ci,j删除;
i为栅格的行索引;
i1为另一个栅格的行索引;
j为栅格的列索引;
j1为另一个栅格的列索引;
ev,i,j为栅格Ci,j的发电技术类型v的建设投资成本;
为栅格的发电技术类型v的建设投资成本;
ρv,i,j为栅格Ci,j上发电技术类型v的可用发电资源强度比例;
为栅格上发电技术类型v的可用发电资源强度比例。
本发明实现了复杂地理环境下多元电源协调规划方案的自动化、精细化和最优化编制,最大限度地减少电源规划过程中的假设条件,大幅提高电源规划中规划方案与实际建设项目之间的一致性。
附图说明
图1是本发明提供的多区域多元电源协调规划方法基本流程图;
图2是实施例给出的多区域多元电源协调规划方法流程图;
图3是规划区域划分示意图;
图4是细粒度多元电源协调规划的边界条件示意图;
图5是地图栅格化示意图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
图1是本发明提供的多区域多元电源协调规划方法基本流程图。如图1所示,本发明提供的多区域多元电源协调规划方法包括:
步骤1:将待规划区域分成若干个子区域,子区域之间通过输电线路相互连接。
步骤2:根据粗粒度多区域多元电源协调规划数学模型求解每个子区域各种发电技术类型的容量。
步骤3:读取粗粒度多区域多元电源协调规划数学模型求解结果,提取区域间线路潮流,以此为边界条件,将各子区域从联络线处分离,形成各自独立的规划子区域。
步骤4:将每个规划子区域划分为若干个栅格。
步骤5:根据细粒度多元电源协调规划模型求解各个发电厂的发电技术类型、容量和建设地点。
步骤6:判断栅格是否满足分辨率要求,如果栅格满足分辨率要求,则执行步骤8;否则,执行步骤7。
步骤7:将每个栅格进一步划分为若干个更小的栅格,返回步骤5。
步骤8:结束。
图2是实施例给出的多区域多元电源协调规划方法流程图,如图2所示,本实施例给出的具体实施过程为:
步骤1:将待规划区域分成若干个子区域,子区域之间通过输电线路相互连接。子区域之间的输电线路容量上限制约了电力资源在大范围内优化配置的程度,如图3所示。
步骤2:根据粗粒度多区域多元电源协调规划数学模型求解每个子区域各种发电技术类型的容量。
输入已知数据,包括电网模型数据、各子区域各场景下的负荷预测数据、各种发电技术类型的建设成本、化石燃料耗量特性、污染物排放特性和资源可用性、已有各种发电技术类型的容量。
发电技术类型包括可再生能源发电技术类型和不可再生能源发电技术类型。可再生能源发电技术类型包括风力发电、光伏发电、水力发电等。不可再生能源发电技术类型包括火力发电、核能发电、天然气发电等。
综合考虑子区域间资源互补特性和电网网络约束,以系统化石燃料消耗最小化为目标,建立粗粒度多区域多元电源协调规划数学模型。粗粒度多区域多元电源协调规划数学模型包括粗粒度优化目标函数和粗粒度约束条件。
粗粒度优化目标函数为:
公式(1)中,F为粗粒度优化目标函数;n为子区域的索引,n=1,2,...N,N为子区域的数量;s为场景的索引,s=1,2,...S,S为场景的数量;v为发电技术类型的索引,v=1,2,...,V,V为发电技术类型的数量;Pn′,v,s为子区域n上发电技术类型v在场景s下的输出功率且为子区域n上现有的发电技术类型v在场景s下的输出功率;Pn,v,s为子区域n上新建的发电技术类型v在场景s下的输出功率;为子区域n上发电技术类型v的边际燃料消耗,当发电技术类型为可再生能源发电技术类型时,τs为场景s的持续时间,单位:年。
粗粒度约束条件包括区域功率平衡约束、线路潮流约束、已有发电厂功率输出约束、新建发电厂功率输出约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束。
(A)区域功率平衡约束为:
公式(2)中,k为输电线路索引,k=1,2,...,K,K为输电线路的数量;BLk,n为区域-输电线路关联矩阵中的元素,如果输电线路k与区域n相连,且线路潮流参考方向流出区域n,则BLk,n=1,如果输电线路k与区域n相连,且线路潮流参考方向流入区域n,则BLk,n=-1,如果输电线路k与区域n不相连,则BLk,n=0;fk,s为输电线路k在场景s下的潮流;qn,s为子区域n上场景s下的负荷损失;DLn,s子区域n上场景s下的负荷。
(B)线路潮流约束为:
|fk,s|≤Fk(3)
公式(3)中,Fk为输电线路k的容量。
(C)已有发电厂功率输出约束为:
公式(4)中,μn,v,s为子区域n上发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μn,v,s=1;为子区域n上发电技术类型v的容量。
(D)新建发电厂功率输出约束为:
公式(5)中,为子区域n上发电技术类型v的建设容量。
(E)污染物排放约束为:
公式(6)中,为子区域n上发电技术类型v的边际污染物排放量,当发电技术类型为可再生能源发电技术类型时,En为子区域n上最大允许污染物排放量。
(F)总投资成本约束为:
公式(7)中,en,v为子区域n上发电技术类型v的建设投资成本;dn,v为子区域n上发电技术类型v的可再生能源补贴额,当发电技术类型为不可再生能源发电技术类型时,dn,v=0;Capn为子区域n上的最大运行投资额。
(G)所述最大负荷电量损失约束为:
公式(8)中,LSn为子区域n上的最大负荷电量损失。
针对粗粒度优化目标函数和粗粒度约束条件,采用线性规划法计算出未来规划目标年的各种发电技术类型建设组合方案的解。基于通用代数建模系统GAMS搭建数值分析模型,调用商用线性规划优化组件ILOGCPLEX高效求解该模型,计算出未来规划目标年的各种发电技术建设组合方案的解。
步骤3:读取粗粒度多区域多元电源协调规划数学模型求解结果,提取区域间线路潮流,以此为边界条件,将各子区域从联络线处分离,形成各自独立的规划子区域,如图4所示。提取各子区域各种发电技术类型的投建容量,作为子区域内细化各种发电技术类型投建容量的约束条件。
步骤4:将每个规划子区域划分为若干个栅格。
针对每个子区域,利用地理信息软件的地图处理功能,将带有环境图层的矢量地图转换为栅格地图,即将地图划分成大小合适且整齐排列的正方形。假设地图被划分为I行,J列,Ci,j表示第i行,第j列的栅格。可认为单个栅格中各处的环境情况相同,经过上述处理后,含有复杂地理环境信息的地图被转化为整齐排列的栅格(参见图5)。
在进行细粒度多元电源协调规划之前,可以对栅格进行预处理,以减少后续步骤计算过程的计算量。针对每种发电技术类型,两两对比栅格上的投资成本和发电可用性指标,当满足公式(9)时,栅格Ci,j上不可能投建这种发电技术类型。
公式(9)中,i为栅格的行索引;i1为另一个栅格的行索引;j为栅格的列索引;j1为另一个栅格的列索引;ev,i,j为栅格Ci,j的发电技术类型v的建设投资成本;为栅格的发电技术类型v的建设投资成本;ρv,i,j为栅格Ci,j上发电技术类型v的可用发电资源强度比例;为栅格上发电技术类型v的可用发电资源强度比例。满足公式(9)的栅格称为无效栅格,将这类栅格删除,可以有效降低该发电技术类型的栅格组合数目。
栅格预处理过程为:
1)为所有栅格设置标识Flagi,j=true。
2)对所有栅格Ci,j,如果Flagi,j=false,跳过;否则,执行3)和4),直到所有栅格都处理完毕。
3)对所有栅格Ci,j,如果Flagi,j=false,或或跳过;否则,执行4),直到所有栅格都处理完毕。
4)判断式(9)是否满足,如果满足,设置Flagi,j=false。
步骤5:根据细粒度多元电源协调规划模型求解各个发电厂的发电技术类型、容量和建设地点。
以栅格组合关系为优化对象,以区域化石燃料消耗最小化为目标,以各种电力技术限制、地理环境限制以及发电资源可用性限制等为约束条件,建立细粒度多元电源协调规划模型。对于任一子区域n,细粒度多元电源协调规划模型包括细粒度优化目标函数和细粒度约束条件。
细粒度优化目标函数为:
公式(10)中,F1为细粒度优化目标函数;s为场景的索引,s=1,2,...S,S为场景的数量;m为发电厂的索引,m=1,2,...M且M=M1+M2;M为子区域内发电厂的数量;M1为子区域内已有发电厂的数量;M2为子区域内候选发电厂的数量;Pm,s为发电厂m在场景s下的输出功率;为发电厂m的边际燃料消耗量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,τs为场景s的持续时间。
细粒度约束条件包括候选发电厂选址唯一性约束、候选发电厂投建容量选择约束、候选发电厂投建容量与投建地点一致性约束、功率平衡约束、候选发电厂发电可用容量约束、各种发电技术类型投建容量约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束。
(A’)候选发电厂选址唯一性约束为:
公式(11)中,i为栅格的行索引,i=1,2,...I,I为子区域内栅格行数;子区域内每行的栅格数;j为栅格的列索引,j=1,2,..J,J为子区域内栅格列数;子区域内每列的栅格数;m1为候选发电厂的索引,m1=M1+1,M1+2,...M;为候选发电厂m1在栅格Ci,j上的投建二进制决策变量,当候选发电厂m1投建在栅格Ci,j上时,否则,
(B’)候选发电厂投建容量选择约束为:
公式(12)中,w为投建容量索引,w=1,2,...,W,W为投建容量的数量;为候选发电厂m1第w个投建容量的二进制决策变量,当候选发电厂m1选择第w个投建容量时,否则,为候选发电厂m1在栅格Ci,j上的建设容量;Pw为第w个投建容量的大小。
(C’)候选发电厂投建容量与投建地点一致性约束为:
公式(13)中,G为设定参数。
(D’)功率平衡约束为:
公式(14)中,DLs为场景s下的负荷需求,包括网间联络线负荷。
(E’)候选发电厂发电可用容量约束为:
公式(15)中,为候选发电厂m1与发电技术类型v的关联系数,当候选发电厂m1使用发电技术类型v时,当候选发电厂m1不使用发电技术类型v时,μv,s为发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μv,s=1;为栅格Ci,j上发电技术类型v的可用发电资源强度比例。
栅格Ci,j上发电技术类型v的可用发电资源强度比例ρv,i,j的计算公式如下:
公式(16)中,DWPv,i,j为栅格Ci,j上发电技术类型v的资源分布情况,来自于相关资源统计数据。对于风力发电而言,DWPv,i,j为栅格Ci,j上的年均风功率密度;对于光伏发电而言,DWPv,i,j表示栅格Ci,j上的年单位平方米辐射量。
(F’)各种发电技术类型投建容量约束为:
公式(17)中,为粗粒度多区域多元电源协调规划数学模型求解得到的发电技术类型v的容量。
(G’)污染物排放约束为:
公式(18)中,为发电厂m的边际污染物排放量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,E为最大允许污染物排放量。
(H’)总投资成本约束为:
公式(19)中,ev,i,j为发电技术类型v在栅格Ci,j上的建设投资成本;dv为发电技术类型v的可再生能源补贴额,发电技术类型为不可再生能源发电技术类型时,dv=0;为候选发电厂m1在栅格Ci,j上的建设容量;Cap为最大运行投资总额。
(I’)最大负荷电量损失约束为:
公式(20)中,qs为场景s下的负荷损失,LS为最大负荷电量损失。
步骤6:判断栅格是否满足分辨率要求,如果栅格满足分辨率要求,则执行步骤8;否则,执行步骤7。
对于细粒度多元电源协调规划模型求解,基于通用代数建模系统GAMS搭建数值分析模型,调用商用混合整数线性规划优化组件ILOGCPLEX高效求解该模型,计算出未来规划目标年的各个发电厂的发电技术类型、容量和建设地点的解。
步骤7:将每个栅格进一步划分为若干个更小的栅格,返回步骤5。
步骤8:将细粒度多元电源协调规划模型求解的结果输出到地理信息系统中,实现多元电源协调规划方案的可视化展示。
本发明提供的方法包含了如下决策结果:发电厂投建地点(栅格)、发电厂发电技术类型和发电厂投建容量,用不同的颜色代表发电技术类型,用图标大小代表投建容量,将最优多维度协同电源协调规划方案输出到地理信息系统中,调用画图和着色函数显示到栅格地图上,从而实现多元电源协调规划方案的可视化展示。
当然,多区域多元电源协调规划问题的求解(包括粗粒度和细粒度)的过程不局限于本实施方式所述的线性规划和混合整数线性规划法。还可以采用其他任意合适的优化算法,如蚁群算法、遗传算法、粒子群算法、差分进化算法等各类智能优化算法。
本发明与现有技术相比具有以下有益效果:
(1)提出一种粗粒度和细粒度相结合、精确考虑复杂地理环境因素的多区域多元电源协调规划方法,在实现大范围内电力资源优化配置的同时,充分利用现有地理信息系统中丰富的环境信息和强大的地图处理能力,实现了复杂地理环境下多元电源协调规划方案的自动化、精细化和最优化编制。
(2)采用了排列整齐的栅格来模型化表达规划区域内各处复杂地理的环境因素的差异,可以在电源规划中精确考虑复杂地理环境因素对各类发电方式投资建设成本的影响,同时也能够精确计及可再生能源资源分布特性和可再生能源发电可用性的影响,最大限度地减少电源规划过程中的假设条件,大幅提高电源规划中规划方案与实际建设项目之间的一致性。
(3)本发明在细粒度区域内多元电源协调规划中提出多次迭代逐次细化的求解框架,逐渐提高地图分辨率,在降低计算负担的同时,获得到更加精细化的多元电源协调规划方案。
(4)本发明一体化考虑各类可再生能源发电方式和传统发电方式的协调发展,建立了多元电源协调规划模型。不同于传统电源规划模型,该模型在海量的栅格上寻找最佳电源建设地点和建设容量,从而能够提供更加全面和合理的优化结果。
(5)本发明采用先进的商业化混合整数线性规划软件对所建立模型进行求解,提高了优化效率和优化精度。
(6)本发明实现多元电源协调规划方案的可视化展示。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种多区域多元电源协调规划方法,其特征是所述方法包括:
步骤1:将待规划区域分成若干个子区域,子区域之间通过输电线路相互连接;
步骤2:根据粗粒度多区域多元电源协调规划数学模型求解每个子区域各种发电技术类型的容量;
步骤3:读取粗粒度多区域多元电源协调规划数学模型求解结果,提取区域间线路潮流,以此为边界条件,将各子区域从联络线处分离,形成各自独立的规划子区域;
步骤4:将每个规划子区域划分为若干个栅格;
步骤5:根据细粒度多元电源协调规划模型求解各个发电厂的发电技术类型、容量和建设地点;
步骤6:判断栅格是否满足分辨率要求,如果栅格满足分辨率要求,则执行步骤8;否则,执行步骤7;
步骤7:将每个栅格进一步划分为若干个更小的栅格,返回步骤5;
步骤8:结束;
所述粗粒度多区域多元电源协调规划数学模型包括粗粒度优化目标函数和粗粒度约束条件;
所述粗粒度优化目标函数为:
F为粗粒度优化目标函数;
n为子区域的索引,n=1,2,...N,N为子区域的数量;
s为场景的索引,s=1,2,...S,S为场景的数量;
v为发电技术类型的索引,v=1,2,...,V,V为发电技术类型的数量;
P′n,v,s为子区域n上发电技术类型v在场景s下的输出功率且
为子区域n上现有的发电技术类型v在场景s下的输出功率;
Pn,v,s为子区域n上新建的发电技术类型v在场景s下的输出功率;
为子区域n上发电技术类型v的边际燃料消耗,当发电技术类型为可再生能源发电技术类型时,
τs为场景s的持续时间;
所述粗粒度约束条件包括区域功率平衡约束、线路潮流约束、已有发电厂功率输出约束、新建发电厂功率输出约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束;
其中,所述区域功率平衡约束为:
k为输电线路索引,k=1,2,...,K,K为输电线路的数量;
BLk,n为区域-输电线路关联矩阵中的元素;
fk,s为输电线路k在场景s下的潮流;
qn,s为子区域n上场景s下的负荷损失;
DLn,s子区域n上场景s下的负荷;
所述线路潮流约束为:|fk,s|≤Fk;
Fk为输电线路k的容量;
所述已有发电厂功率输出约束为:
μn,v,s为子区域n上发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μn,v,s=1;
为子区域n上发电技术类型v的容量;
所述新建发电厂功率输出约束为:
为子区域n上发电技术类型v的建设容量;
所述污染物排放约束为:
为子区域n上发电技术类型v的边际污染物排放量,当发电技术类型为可再生能源发电技术类型时,
En为子区域n上最大允许污染物排放量;
所述总投资成本约束为:
en,v为子区域n上发电技术类型v的建设投资成本;
dn,v为子区域n上发电技术类型v的可再生能源补贴额,当发电技术类型为不可再生能源发电技术类型时,dn,v=0;
Capn为子区域n上的最大运行投资额;
所述最大负荷电量损失约束为:
LSn为子区域n上的最大负荷电量损失;
所述细粒度多元电源协调规划模型包括细粒度优化目标函数和细粒度约束条件;
所述细粒度优化目标函数为:
F1为细粒度优化目标函数;
s为场景的索引,s=1,2,...S,S为场景的数量;
m为发电厂的索引,m=1,2,...M且M=M1+M2;
M为子区域内发电厂的数量;
M1为子区域内已有发电厂的数量;
M2为子区域内候选发电厂的数量;
Pm,s为发电厂m在场景s下的输出功率;
为发电厂m的边际燃料消耗量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,
τs为场景s的持续时间;
所述细粒度约束条件包括候选发电厂选址唯一性约束、候选发电厂投建容量选择约束、候选发电厂投建容量与投建地点一致性约束、功率平衡约束、候选发电厂发电可用容量约束、各种发电技术类型投建容量约束、污染物排放约束、总投资成本约束和最大负荷电量损失约束;
所述候选发电厂选址唯一性约束为:
m1为候选发电厂的索引,m1=M1+1,M1+2,...M;
i为栅格的行索引,i=1,2,...I,I为子区域内栅格行数;子区域内每行的栅格数;
j为栅格的列索引,j=1,2,..J,J为子区域内栅格列数;子区域内每列的栅格数;
为候选发电厂m1在栅格Ci,j上的投建二进制决策变量,当候选发电厂m1投建在栅格Ci,j上时,否则,
所述候选发电厂投建容量选择约束为:
w为投建容量索引,w=1,2,...,W,W为投建容量的数量;
为候选发电厂m1第w个投建容量的二进制决策变量,当候选发电厂m1选择第w个投建容量时,否则,
为候选发电厂m1在栅格Ci,j上的建设容量;
Pw为第w个投建容量的大小;
所述候选发电厂投建容量与投建地点一致性约束为:
G为设定参数;
所述功率平衡约束为:
DLs为场景s下的负荷需求;
所述候选发电厂发电可用容量约束为:
为候选发电厂m1与发电技术类型v的关联系数,当候选发电厂m1使用发电技术类型v时,当候选发电厂m1不使用发电技术类型v时,
μv,s为发电技术类型v在场景s下的可用发电资源强度,当发电技术类型为不可再生能源发电技术类型时,μv,s=1;
ρv,i,j为栅格Ci,j上发电技术类型v的可用发电资源强度比例;
所述各种发电技术类型投建容量约束为:
为粗粒度多区域多元电源协调规划数学模型求解得到的发电技术类型v的容量;
所述污染物排放约束为:
为发电厂m的边际污染物排放量,当发电厂m采用的发电技术类型为可再生能源发电技术类型时,
E为最大允许污染物排放量;
所述总投资成本约束为:
ev,i,j为发电技术类型v在栅格Ci,j上的建设投资成本;
dv为发电技术类型v的可再生能源补贴额,发电技术类型为不可再生能源发电技术类型时,dv=0;
为候选发电厂m1在栅格Ci,j上的建设容量;
Cap为最大运行投资总额;
所述最大负荷电量损失约束为:
qs为场景s下的负荷损失;
LS为最大负荷电量损失。
2.根据权利要求1所述的方法,其特征是所述步骤8之前还包括:将细粒度多元电源协调规划模型求解的结果输出到地理信息系统中,实现多元电源协调规划方案的可视化展示。
3.根据权利要求1所述的方法,其特征是所述步骤5还包括栅格预处理步骤,具体为:如果栅格满足且则将栅格Ci,j删除;
i为栅格的行索引;
i1为另一个栅格的行索引;
j为栅格的列索引;
j1为另一个栅格的列索引;
ev,i,j为栅格Ci,j的发电技术类型v的建设投资成本;
为栅格的发电技术类型v的建设投资成本;
ρv,i,j为栅格Ci,j上发电技术类型v的可用发电资源强度比例;
为栅格上发电技术类型v的可用发电资源强度比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410418529.5A CN104167731B (zh) | 2014-08-22 | 2014-08-22 | 一种多区域多元电源协调规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410418529.5A CN104167731B (zh) | 2014-08-22 | 2014-08-22 | 一种多区域多元电源协调规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104167731A CN104167731A (zh) | 2014-11-26 |
CN104167731B true CN104167731B (zh) | 2016-04-20 |
Family
ID=51911440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410418529.5A Expired - Fee Related CN104167731B (zh) | 2014-08-22 | 2014-08-22 | 一种多区域多元电源协调规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104167731B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104393595B (zh) * | 2014-12-05 | 2017-01-18 | 华北电力大学 | 配电网潮流调度方法 |
CN106169770B (zh) * | 2016-07-19 | 2019-03-19 | 国网四川省电力公司经济技术研究院 | 一种针对水电富集地区的电力能源优化配置方法 |
CN108985639B (zh) * | 2018-07-26 | 2021-11-05 | 北京师范大学 | 一种基于双层模糊优化的电力系统综合决策方法 |
CN109636245A (zh) * | 2019-01-08 | 2019-04-16 | 广东电力交易中心有限责任公司 | 发电机组的发电边际燃料成本计算方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609793A (zh) * | 2012-03-22 | 2012-07-25 | 杭州盈电科技有限公司 | 基于多尺度规划与调度耦合的微电网能量优化管理方法 |
CN102738834B (zh) * | 2012-06-21 | 2014-08-20 | 浙江大学 | 一种含光伏电源的城市微电网多孤岛动态划分与运行方法 |
CN102999792B (zh) * | 2012-12-20 | 2016-06-01 | 诸暨市供电局 | 一种配电网资源优化配置综合评价的方法 |
CN103514570B (zh) * | 2013-08-14 | 2016-08-10 | 国家电网公司 | 一种含分布式电源的配电网扩展规划综合优化方法 |
-
2014
- 2014-08-22 CN CN201410418529.5A patent/CN104167731B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104167731A (zh) | 2014-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vafaeipour et al. | Assessment of regions priority for implementation of solar projects in Iran: New application of a hybrid multi-criteria decision making approach | |
Segurado et al. | Increasing the penetration of renewable energy resources in S. Vicente, Cape Verde | |
Taggart et al. | The future of renewables linked by a transnational Asian grid | |
Giudici et al. | Dynamic, multi-objective optimal design and operation of water-energy systems for small, off-grid islands | |
Marinelli et al. | Wind and photovoltaic large-scale regional models for hourly production evaluation | |
Mohammed et al. | A multi-objective optimization model based on mixed integer linear programming for sizing a hybrid PV-hydrogen storage system | |
Verzijlbergh et al. | Does controlled electric vehicle charging substitute cross-border transmission capacity? | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
Ávila et al. | Evaluation of hydro-wind complementarity in the medium-term planning of electrical power systems by joint simulation of periodic streamflow and wind speed time series: A Brazilian case study | |
CN104167731B (zh) | 一种多区域多元电源协调规划方法 | |
Price et al. | The implications of landscape visual impact on future highly renewable power systems: a case study for Great Britain | |
CN113128786B (zh) | 一种基于空间网格搜索的风光水互补容量与选址优化方法 | |
CN116070975B (zh) | 基于数字孪生技术的园区能量管理系统及零碳运营方法 | |
Zeyringer et al. | Spatially and temporally explicit energy system modelling to support the transition to a low carbon energy infrastructure–case study for wind energy in the UK | |
Bedewy et al. | Estimate suitable location of solar power plants distribution by GIS spatial analysis | |
Dewanto et al. | Application of web 3D GIS to display urban model and solar energy analysis using the unmanned aerial vehicle (UAV) data (Case study: National Cheng Kung university buildings) | |
KR102426413B1 (ko) | 신재생에너지 자원지도 생성 장치 및 방법 | |
Charmasson et al. | Roadmap for large-scale balancing and energy storage from Norwegian hydropower: opportunities, challanges and needs until 2050 | |
Göke | AnyMOD–A graph-based framework for energy system modelling with high levels of renewables and sector integration | |
Garofalo et al. | A Methodological Framework for Fostering Renewable Investments on Photovoltaic in Small Italian Islands | |
Scarlatache et al. | Aided decision making for hybrid energy systems planning in micro-grids | |
Zhang et al. | Integration of Urban Energy Systems with Renewable Envelope Solutions at Building Cluster Level | |
KR101485340B1 (ko) | 신재생에너지원의 전원구성 모형 생성장치,및 신재생에너지원의 전원구성 모형 생성장치를 이용한 전원구성 모형 생성방법 | |
Dimic et al. | PRIORITIZING AND RANKING OF INDICATORS FOR THE ENERGY EFFICIENCY MODEL IN THE SMART CITY | |
Perez Sanchez | Optimization of generation capacity for a 100 per cent renewable power system in Barbados |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160420 Termination date: 20160822 |
|
CF01 | Termination of patent right due to non-payment of annual fee |