CN104201704A - 一种含小水电群、风电的地区电网备用容量确定方法 - Google Patents
一种含小水电群、风电的地区电网备用容量确定方法 Download PDFInfo
- Publication number
- CN104201704A CN104201704A CN201410408345.0A CN201410408345A CN104201704A CN 104201704 A CN104201704 A CN 104201704A CN 201410408345 A CN201410408345 A CN 201410408345A CN 104201704 A CN104201704 A CN 104201704A
- Authority
- CN
- China
- Prior art keywords
- thermoelectricity
- main force
- prediction deviation
- exerting oneself
- outage rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 27
- 239000000446 fuel Substances 0.000 claims abstract description 13
- 230000005619 thermoelectricity Effects 0.000 claims description 105
- 230000005611 electricity Effects 0.000 claims description 73
- 230000005428 wave function Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Wind Motors (AREA)
Abstract
本发明涉及一种含小水电群、风电的地区电网备用容量确定方法,属于电力技术领域。本发明首先将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中;然后将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望中;接着将电量不足期望引入至用户停电期望中;再根据用户停电期望建立最小停电成本函数;根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;最后确定备用容量。本发明能更好的适应小水电群和风电的随机性和波动性,对电网的安全稳定和经济运行具有很大的优势;能更好的适应小水电群出力预测偏差。
Description
技术领域
本发明涉及一种含小水电群、风电的地区电网备用容量确定方法,属于电力技术领域。
背景技术
在电力系统中,电能不能被大量的储存,为了平抑负荷大小的波动,电力系统中的发电机组必须具有一定备用出力,即备用容量,来平抑负荷的波动。传统电力系统的备用容量一般是负荷的7%左右。近几年随着小水电群和风电大规模接入电网,电网发电机组的格局发生了很大的变化,由于小水电群和风电出力随着来水和来风的大小变化,不具有可调节性,所以传统的备用容量确定方法已经不再适用含有大规模小水电群和风电接入的电网。
随着小水电和风电装机容量近几年在我国迅速增长,大规模小水电和风电的接入对电网的影响日渐凸显。小水电作为绿色清洁能源,对应对当今气候变化和雾霾天气具有重要意义。但小水电分布分散,技术落后,可调节性差,其预测误差在20%左右。风电具有很大的随机性和波动性,其功率预测具有很大的误差,短期预测误差一般在15%~20%。基于对电网安全稳定运行的考量,必须对其提供相当大的备用容量,因此从电网经济性和安全性角度考虑,对其备用容量优化显得尤为重要,但目前还没有相关方法确定含有大规模小水电群和风电接入电网的备用容量。
发明内容
本发明提供了一种含小水电群、风电的地区电网备用容量确定方法,以用于解决在含有小水电群和风电的地区电网备用容量确定新方法。
本发明的技术方案是:一种含小水电群、风电的地区电网备用容量确定方法,首先将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中;然后将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望中;接着将电量不足期望引入至用户停电期望中;再根据用户停电期望建立最小停电成本函数;根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;最后根据自变量中调用的火电机组对应个数的总容量、调用的主力水电机组对应个数的总容量、风电出力大小、小水电出力大小、负荷大小确定备用容量。
所述方法的具体步骤如下:
A、将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中,具体步骤如下:
A1、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型中:
A11、首先根据小水电群出力预测偏差率RMSE确定小水电群出力预测偏差P SHP 为: ;其中,为第i个小水电厂预测出力大小;
A12、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型:
如果小水电实际功率>小水电预测功率,则不需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中;
如果小水电实际功率<小水电预测功率,则需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中:P SHP 对应火电和主力水电机组停运率模型中的机组容量,P SHP 为正出力预测偏差和负出力预测偏差的概率分别为0.5,概率0.5对应火电和主力水电机组停运率模型中的机组停运率:
小水电预测功率=小水电实际功率+出力预测偏差;正出力预测偏差表示出力预测偏差取值为正,负出力预测偏差表示取值为负;
A2、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:
A21、将负荷大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将负荷大小预测偏差平均分为奇数份;
A22、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:每一份负荷大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份负荷大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
A3、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:
A31、将风电出力大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将风电出力大小预测偏差平均分为奇数份;
A32、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:每一份风电出力大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份风电出力大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
B、将经过步骤A处理后的火电和主力水电机组停运率模型引入至电量不足期望E t 中:
其中,H为处理后的火电和主力水电机组停运率模型中样本的个数,X h 为处理后的火电和主力水电机组停运率模型中h个样本的容量,P(X h )为h个停运率的乘积; ;M t 为处理后的火电和主力水电机组停运率模型中容量样本的最大容量,P Lt 为系统t时段的负荷值;
C、将电量不足期望引入至用户停电期望O t 中:;其中,V OLL 表示失负荷引起的损失大小;
D、根据用户停电期望建立最小停电成本函数;
E、根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;
F、根据自变量中调用的火电机组对应个数的总容量W 1、调用的主力水电机组对应个数的总容量W 2、风电出力大小P 1、小水电出力大小P 2、负荷大小P 3确定备用容量W:W=W 1+W 2+P 1+P 2-P 3。
本发明的工作原理是:
首先根据小水电群出力预测偏差率RMSE,小水电厂预测出力大小,由公式确定小水电群出力预测偏差P SHP ,如果小水电实际功率>小水电预测功率,则不需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中;如果小水电实际功率<小水电预测功率,则需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中,P SHP 为正出力预测偏差和负出力预测偏差的概率分别为0.5,概率0.5对应火电和主力水电机组停运率模型中的机组停运率。其次将负荷大小和风电出力大小预测偏差引入到火电和主力水电机组停运率模型中,将负荷大小和风电出力大小预测偏差服从均值为0、标准差分别为和的正态分布的随机变量进行离散化处理,其中,式中:k一般取值为1;为t时段预测的负荷值;,式中:为t时刻预测的风电出力;为风电总装机容量;将负荷大小预测偏差平均分为奇数份,每一份负荷大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份负荷大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率,如表1所示,即为引入小水电群出力预测偏差、负荷大小和风电出力大小预测偏差后的样表,其中n、m、x、y分别表示火电机组个数、主力水电机组个数、风电出力负荷大小偏差离散化后区间数、小水电厂个数。
将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望E t 中:
其中,H为处理后的火电和主力水电机组停运率模型中样本的个数,X h 为处理后的火电和主力水电机组停运率模型中h个样本的容量,P(X h )为h个停运率的乘积,M t 为处理后的火电和主力水电机组停运率模型中容量样本的最大容量,P Lt 为系统t时段的负荷值;
再将电量不足期望引入至用户停电期望O t 中:;其中,V OLL 表示失负荷引起的损失大小;
从而建立最小停电成本函数;其中T为调用时段数,其值为24。结合最小火电机组燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数,建立目标函数模型,其中:,T为日调度时段数,按照惯例,将一天24小时平均分为24个时段,即T值为24;C t 表示t时段系统的发电成本,不计维护成本,即火电机组的燃料费用;O t 表示t时段电网期望停电成本;N t 为火电机组数;为第i个火电机组t+1时段出力大小;N h 为主力水电机组总数;为主力水电站水库j当天的最大用水量;为主力水电站j在t时段的发电引用流量;表示第i个火电机组在t时刻的启停状态,停机为0,开机为1;分别表示第i个火电机组的燃煤费用系数;P i 为第i个火电机组出力大小。基于以上数据,在MATLAB上编程,运用粒子群算法仿真,确定自变量的取值。
最后根据自变量中调用的火电机组对应个数的总容量W 1、调用的主力水电机组对应个数的总容量W 2、风电出力大小P 1、小水电出力大小P 2、负荷大小P 3确定备用容量W:W=W 1+W 2+P 1+P 2-P 3,在机组和电网一定的约束条件下,确定备用容量W。
以上求解过程均需要在满足一定的约束条件下进行,所用约束条件如下:
1、系统功率平衡约束:式中:N t 为火电机组数;P i 为第i个火电机组出力大小;N h 为主力水电机组数;P Hi 为第i个主力水电机组出力;P W 为风电出力;P L 为负荷预测值。
2、机组出力约束条件:,;式中:P i 为第i个火电机组出力大小;,表示第i个火电机组的下限和上限;P Hi 为第i个主力水电机组出力;表示第i个水电机组出力的上限。
3、机组爬坡约束:,式中:、为机组i减载、加载速度限值。
4、主力水电日径流量积分约束:,式中:、分别为第j个主力水电厂一天来水总量下限和上限,T为一天调度时段数,其值为24。
本发明的有益效果是:
1、在大规模小水电群和风电接入的电网中,传统的备用容量确定方法不能适应新型的电网,对电网的安全稳定运行构成了很大的威胁,本发明能更好的适应小水电群和风电的随机性和波动性,对电网的安全稳定和经济运行具有很大的优势。
2、提出了将小水电群和风电出力预测误差引入到用电需求偏差啊概率模型中,使本发明能更好的适应小水电群出力预测偏差。
附图说明
图1为本发明的步骤框图;
图2为本发明实施例2中风电及负荷预测偏差概率分布图;
图3为本发明实施例2中各类机组24时段出力大小。
具体实施方式
实施例1:如图1-3所示,一种含小水电群、风电的地区电网备用容量确定方法,首先将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中;然后将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望中;接着将电量不足期望引入至用户停电期望中;再根据用户停电期望建立最小停电成本函数;根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;最后根据自变量中调用的火电机组对应个数的总容量、调用的主力水电机组对应个数的总容量、风电出力大小、小水电出力大小、负荷大小确定备用容量。
所述方法的具体步骤如下:
A、将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中,具体步骤如下:
A1、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型中:
A11、首先根据小水电群出力预测偏差率RMSE确定小水电群出力预测偏差P SHP 为:;其中,为第i个小水电厂预测出力大小;
A12、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型:
如果小水电实际功率>小水电预测功率,则不需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中;
如果小水电实际功率<小水电预测功率,则需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中:P SHP 对应火电和主力水电机组停运率模型中的机组容量,P SHP 为正出力预测偏差和负出力预测偏差的概率分别为0.5,概率0.5对应火电和主力水电机组停运率模型中的机组停运率:
小水电预测功率=小水电实际功率+出力预测偏差;正出力预测偏差表示出力预测偏差取值为正,负出力预测偏差表示取值为负;
A2、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:
A21、将负荷大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将负荷大小预测偏差平均分为奇数份;
A22、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:每一份负荷大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份负荷大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
A3、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:
A31、将风电出力大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将风电出力大小预测偏差平均分为奇数份;
A32、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:每一份风电出力大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份风电出力大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
B、将经过步骤A处理后的火电和主力水电机组停运率模型引入至电量不足期望E t 中:
其中,H为处理后的火电和主力水电机组停运率模型中样本的个数,X h 为处理后的火电和主力水电机组停运率模型中h个样本的容量,P(X h )为h个停运率的乘积; ;M t 为处理后的火电和主力水电机组停运率模型中容量样本的最大容量,P Lt 为系统t时段的负荷值;
C、将电量不足期望引入至用户停电期望O t 中:;其中,V OLL 表示失负荷引起的损失大小;
D、根据用户停电期望建立最小停电成本函数;
E、根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;
F、根据自变量中调用的火电机组对应个数的总容量W 1、调用的主力水电机组对应个数的总容量W 2、风电出力大小P 1、小水电出力大小P 2、负荷大小P 3确定备用容量W:W=W 1+W 2+P 1+P 2-P 3。
实施例2:如图1-3所示,一种含小水电群、风电的地区电网备用容量确定方法,首先将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中;然后将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望中;接着将电量不足期望引入至用户停电期望中;再根据用户停电期望建立最小停电成本函数;根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;最后根据自变量中调用的火电机组对应个数的总容量、调用的主力水电机组对应个数的总容量、风电出力大小、小水电出力大小、负荷大小确定备用容量。
所述方法的具体步骤如下:
A、将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中,具体步骤如下:
A1、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型中:
A11、首先根据小水电群出力预测偏差率RMSE确定小水电群出力预测偏差P SHP 为:;其中,为第i个小水电厂预测出力大小;
具体为:小水电群出力预测偏差率RMSE=0.3,由西南某地区电网统计得到,小水电厂预测出力大小来自该地区5个小水电站,包含13台机组,如表2所示;
通过公式可以得到小水电群出力预测偏差P SHP ,如表3所示:
A12、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型:
如果小水电实际功率>小水电预测功率,则不需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中;
如果小水电实际功率<小水电预测功率,则需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中:P SHP 对应火电和主力水电机组停运率模型中的机组容量,P SHP 为正出力预测偏差和负出力预测偏差的概率分别为0.5,概率0.5对应火电和主力水电机组停运率模型中的机组停运率:
小水电预测功率=小水电实际功率+出力预测偏差;正出力预测偏差表示出力预测偏差取值为正,负出力预测偏差表示取值为负;
A2、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:
A21、将负荷大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将负荷大小预测偏差平均分为奇数份;
具体为:将正态分布图形分为7等分,如图2所示,其中,式中: k一般取值为1;为t时段预测的负荷值,其值如表4所示;
A22、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:每一份负荷大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份负荷大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
A3、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:
A31、将风电出力大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将风电出力大小预测偏差平均分为奇数份;
具体为:将正态分布图形分为7等分,如图2所示,其中 ,式中:为t时段预测的风电出力,其值如表5所示;为风电总装机容量,其值为80.3MW;
A32、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:每一份风电出力大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份风电出力大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
B、将经过步骤A处理后的火电和主力水电机组停运率模型引入至电量不足期望E t 中:
其中,H为处理后的火电和主力水电机组停运率模型中样本的个数,X h 为处理后的火电和主力水电机组停运率模型中h个样本的容量,P(X h )为h个停运率的乘积,火电和主力水电机组两台及以上同时发生停运的概率极其微小,为小概率事件,本实例予以忽略不计;
M t 为处理后的火电和主力水电机组停运率模型中容量样本的最大容量,P Lt 为系统t时段的负荷值,如表4所示;
C、将电量不足期望引入至用户停电期望O t 中:;其中,V OLL 表示失负荷引起的损失大小,其值为1500$;
D、根据用户停电期望建立最小停电成本函数;其中T为调度时段数,其值为24;
E、根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;
具体为:根据用户停电期望建立最小停电成本函数,其中T为调度时段数,其值为24;最小火电机组燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数,建立目标函数模型,其中:,T为日调度时段数,按照惯例,将一天24小时平均分为24个时段,即T值为24;C t 表示t时段系统的发电成本,不计维护成本,即火电机组的燃料费用;O t 表示t时段电网期望停电成本;N t 为火电机组数,如表6所示,其值为6;为第i个火电机组t+1时段出力大小;N h 为主力水电机组总数,如表7所示,其值为5;为主力水电站水库j当天的最大用水量,如表8所示;为主力水电站j在t时段的发电引用流量;表示第i个火电机组在t时刻的启停状态,停机为0,开机为1;、、分别表示第i个火电机组的燃煤费用系数,其值如表6所示;P i 为第i个火电机组出力大小。基于以上数据,在MATLAB上编程,运用粒子群算法仿真,确定自变量的取值。
经过仿真得到火电和主力水电机组调用台数和出力,各时段调用台数如表9所示,各类机组出力如图3所示。
F、根据自变量中调用的火电机组对应个数的总容量W 1、调用的主力水电机组对应个数的总容量W 2、风电出力大小P 1、小水电出力大小P 2、负荷大小P 3确定备用容量W:W=W 1+W 2+P 1+P 2-P 3。
具体为:机组调用台数和备用容量大小如表9所示,各类机组出力大小如图3所示;由步骤E的仿真结果,可知第i个火电机组在t时刻的启停状态和表6火电机组容量(即表6中火电功率上限),由公式可得调用的火电机组对应个数的总容量W 1;由步骤E的仿真结果,可知第i个主力水电机组在t时刻是否出力,即可知其启停状态,开启为1,停机为0,和表7主力水电机组容量(即表7中单台功率上限),由公式,可得调用的主力水电机组对应个数的总容量W 2;由表5可知风电出力大小P 1;由表2可知小水电出力大小P 2;取主力水电机组爬坡约束为其容量的40%,由公式W=W 1+W 2+P 1+P 2-P 3确定备用容量W,结果如表9所示。
由图3可以看出,火电机组24时段出力波动较小,说明本发明在平抑小水电群和风电出力波动,提供备用容量的同时,优化了火电机组的出力。
仿真结果表明:本发明模型能更好的适应小水电群和风电的波动性,在追求发电成本最小的情况下,优化备用容量,保证系统的安全稳定运行;能最大限度的发挥水电的调峰作用,优化火电机组出力,最大限度减小火电煤耗和出力波动。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种含风电、小水电群地区的电网备用容量确定方法,其特征在于:首先将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中;然后将经过处理后的火电和主力水电机组停运率模型引入至电量不足期望中;接着将电量不足期望引入至用户停电期望中;再根据用户停电期望建立最小停电成本函数;根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;最后根据自变量中调用的火电机组对应个数的总容量、调用的主力水电机组对应个数的总容量、风电出力大小、小水电出力大小、负荷大小确定备用容量。
2.根据权利要求1所述的含小水电群、风电的地区电网备用容量确定方法,其特征在于:所述方法的具体步骤如下:
A、将小水电群出力预测偏差、负荷大小预测偏差和风电出力大小预测偏差分别引入到火电和主力水电机组停运率模型中,具体步骤如下:
A1、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型中:
A11、首先根据小水电群出力预测偏差率RMSE确定小水电群出力预测偏差P SHP 为: ;其中,为第i个小水电厂预测出力大小;
A12、判断小水电群出力预测偏差是否引入到火电和主力水电机组停运率模型:
如果小水电实际功率>小水电预测功率,则不需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中;
如果小水电实际功率<小水电预测功率,则需要将小水电群出力预测偏差引入到火电和主力水电机组停运率模型中:P SHP 对应火电和主力水电机组停运率模型中的机组容量,P SHP 为正出力预测偏差和负出力预测偏差的概率分别为0.5,概率0.5对应火电和主力水电机组停运率模型中的机组停运率:
小水电预测功率=小水电实际功率+出力预测偏差;正出力预测偏差表示出力预测偏差取值为正,负出力预测偏差表示取值为负;
A2、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:
A21、将负荷大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将负荷大小预测偏差平均分为奇数份;
A22、将负荷大小预测偏差引入到火电和主力水电机组停运率模型中:每一份负荷大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份负荷大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
A3、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:
A31、将风电出力大小预测偏差服从均值为0、标准差为的正态分布的随机变量进行离散化处理:将风电出力大小预测偏差平均分为奇数份;
A32、将风电出力大小预测偏差引入到火电和主力水电机组停运率模型中:每一份风电出力大小预测偏差的中间值对应火电和主力水电机组停运率模型中的一份机组容量,每一份风电出力大小预测偏差相应正态分布下的面积对应火电和主力水电机组停运率模型中的机组停运率;
B、将经过步骤A处理后的火电和主力水电机组停运率模型引入至电量不足期望E t 中:
其中,H为处理后的火电和主力水电机组停运率模型中样本的个数,X h 为处理后的火电和主力水电机组停运率模型中h个样本的容量,P(X h )为h个停运率的乘积; ;M t 为处理后的火电和主力水电机组停运率模型中容量样本的最大容量,P Lt 为系统t时段的负荷值;
C、将电量不足期望引入至用户停电期望O t 中:;其中,V OLL 表示失负荷引起的损失大小;
D、根据用户停电期望建立最小停电成本函数;
E、根据最小停电成本函数、最小火电燃料费用函数、最小火电机组出力波动函数、最小主力水电弃水量函数确定自变量的取值;
F、根据自变量中调用的火电机组对应个数的总容量W 1、调用的主力水电机组对应个数的总容量W 2、风电出力大小P 1、小水电出力大小P 2、负荷大小P 3确定备用容量W:W=W 1+W 2+P 1+P 2-P 3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410408345.0A CN104201704B (zh) | 2014-08-19 | 2014-08-19 | 一种含小水电群、风电的地区电网备用容量确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410408345.0A CN104201704B (zh) | 2014-08-19 | 2014-08-19 | 一种含小水电群、风电的地区电网备用容量确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104201704A true CN104201704A (zh) | 2014-12-10 |
CN104201704B CN104201704B (zh) | 2016-03-30 |
Family
ID=52086957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410408345.0A Expired - Fee Related CN104201704B (zh) | 2014-08-19 | 2014-08-19 | 一种含小水电群、风电的地区电网备用容量确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104201704B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485369A (zh) * | 2016-11-04 | 2017-03-08 | 贵州电网有限责任公司电力科学研究院 | 一种径流式小水电短期功率加权预测方法 |
CN110768305A (zh) * | 2019-10-30 | 2020-02-07 | 南方电网科学研究院有限责任公司 | 备用资源的协调方法、装置、设备及存储介质 |
CN110880782A (zh) * | 2019-10-29 | 2020-03-13 | 广东工业大学 | 一种小水电微电网电源容量配置方法 |
CN114648179A (zh) * | 2022-05-18 | 2022-06-21 | 国网四川省电力公司电力科学研究院 | 电网输电线检修计划生成方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151803A (zh) * | 2013-03-14 | 2013-06-12 | 吉林省电力有限公司电力科学研究院 | 一种含风电系统机组及备用配置的优化方法 |
-
2014
- 2014-08-19 CN CN201410408345.0A patent/CN104201704B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151803A (zh) * | 2013-03-14 | 2013-06-12 | 吉林省电力有限公司电力科学研究院 | 一种含风电系统机组及备用配置的优化方法 |
Non-Patent Citations (3)
Title |
---|
RONAN D等: "A new approach to quantify reserve demand in systems with significant installed wind capacity", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
苏鹏等: "含风电的系统最优旋转备用的确定", 《电网技术》 * |
谭伦农等: "市场环境下的事故备用容量", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485369A (zh) * | 2016-11-04 | 2017-03-08 | 贵州电网有限责任公司电力科学研究院 | 一种径流式小水电短期功率加权预测方法 |
CN106485369B (zh) * | 2016-11-04 | 2019-08-09 | 贵州电网有限责任公司电力科学研究院 | 一种径流式小水电短期功率加权预测方法 |
CN110880782A (zh) * | 2019-10-29 | 2020-03-13 | 广东工业大学 | 一种小水电微电网电源容量配置方法 |
CN110880782B (zh) * | 2019-10-29 | 2023-04-18 | 广东工业大学 | 一种小水电微电网电源容量配置方法 |
CN110768305A (zh) * | 2019-10-30 | 2020-02-07 | 南方电网科学研究院有限责任公司 | 备用资源的协调方法、装置、设备及存储介质 |
CN114648179A (zh) * | 2022-05-18 | 2022-06-21 | 国网四川省电力公司电力科学研究院 | 电网输电线检修计划生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104201704B (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN105515058B (zh) | 一种光伏发电参与的功率就地消纳方法 | |
CN103050989B (zh) | 一种集群风电场有功功率智能控制系统和方法 | |
CN107967536B (zh) | 基于鲁棒优化的绿色数据中心节能任务调度策略 | |
CN108039734B (zh) | 一种可再生能源发电功率集群控制系统、方法 | |
EP2798717A2 (en) | Adaptation of a power generation capacity and determining of an energy storage unit size | |
CN107612024B (zh) | 一种新能源电站并网调度方法 | |
CN108039737B (zh) | 一种源网荷协调运行模拟系统 | |
CN103219751A (zh) | 一种集群风电场有功功率控制方法 | |
CN104779611A (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN103414206A (zh) | 一种考虑安全约束的水光火联合优化发电计划优化方法 | |
CN105006844A (zh) | 一种间歇式发电并网条件下的电力系统日前鲁棒调度系统 | |
CN104578176A (zh) | 一种计及直流互动的发电计划编制方法 | |
CN104201704B (zh) | 一种含小水电群、风电的地区电网备用容量确定方法 | |
CN103545848A (zh) | 光伏电站群有功功率协调控制方法 | |
CN112838603B (zh) | 一种风光储抽多源能源agc协调互补控制方法和装置 | |
CN104682447A (zh) | 一种含多风电场的电力系统经济调度方法 | |
CN105391093A (zh) | 小水电群并网运行优化调度方法 | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
CN103138293A (zh) | 火电厂厂级负荷优化分配方法及系统 | |
CN109284336B (zh) | 一种地理分布式数据中心系统及其调度方法 | |
CN104239960A (zh) | 考虑抽水蓄能机组的发电计划优化方法 | |
CN105429186A (zh) | 一种按高电价优先的光伏电站集控端有功功率分配方法 | |
CN105529824A (zh) | 智能电网信息系统 | |
CN207320851U (zh) | 一种智能微电网系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160330 Termination date: 20210819 |