CN104467029B - 一种区域小水电、风电日内联合优化调度的方法 - Google Patents
一种区域小水电、风电日内联合优化调度的方法 Download PDFInfo
- Publication number
- CN104467029B CN104467029B CN201410691464.1A CN201410691464A CN104467029B CN 104467029 B CN104467029 B CN 104467029B CN 201410691464 A CN201410691464 A CN 201410691464A CN 104467029 B CN104467029 B CN 104467029B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- wind
- electricity generation
- powered electricity
- 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.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000009897 systematic effect Effects 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 7
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000000584 Calmodulin Human genes 0.000 description 1
- 108010041952 Calmodulin Proteins 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
Abstract
一种区域小水电、风电日内联合优化调度方法，它包括以下步骤：(1)读取数据，从电网数据库中获取系统参数；(2)建立模型，建立区域小水电、风电日内联合优化调度的机会约束模型，所述的约束模型包括目标函数以及约束条件，其中所述的约束条件包括风电出力约束、水电机组一天的发电量约束以及水电机组一天的启停机次数约束；(3)转化模型，采用统计分析方法，将步骤(1)中获得的历史数据进行统计分析，得到风电预测出力的置信区间，取置信区间下限作为风电出力，将步骤(2)中建立的机会约束模型转化为确定性模型；(4)求解，根据步骤(1)中获得的系统参数和预测数据，将步骤(3)中得到的确定性模型，采用动态规划法进行求解。
Description
技术领域
本发明涉及电力系统调度运行领域，特别涉及一种区域小水电、风电日内联合优化调度的方法，属于技术领域。
背景技术
区域小水电和风电一般接在用户侧，不仅可以有效地利用风能、水能资源，而且可以就地补偿负载的有功功率和无功功率，减少对电网的有功功率和无功功率需求，进而降低配电网网损，是可再生能源今后发展的重点。风电具有波动性、随机性，会对电力系统稳定造成成冲击，分散式风电的接入对电网的冲击虽然比大型风电场小，但仍不可忽视；小水电容量较小，克服河流水量的季节性变化的能力小，在降水季节性变化大的地区，小水电的出力波动性大。
区域小水电、风电出力虽然都具有波动性，但它们具有技术上的互补性：风电虽然短期波动大，但是季节性变化不大，可以在枯水季节为水电提供电量支持；小水电具有一定的容量，可以平抑短期来水量不匀的波动，从而使水电具有良好的容量特性，可以平抑短期的风电波动。目前一种解决分散式风电出力短期波动的办法是区域小水电、风电联合运行，利用水电的容量特性，平抑风电的日内波动。
区域小水电、风电日内联合优化调度的基础在于高精度的风电出力预测。目前关于风电功率预测的研究虽然比较多，但在精度上一直没有明显的进展，这给电网的调度、控制带来了极大的不确定性。为了在现有风电出力预测水平下，充分利用区域小水电、风电的出力特性，从而达到减小弃风、平抑风电波动的目的，需要一种考虑风电功率预测精度的切实可行的区域小水电、风电日内联合优化调度的方法，为区域电网调度侧提供辅助决策依据。
发明内容
本发明为电网公司运行调度提供了一种区域小水电、风电日内联合优化运行的辅助决策方法。该方法以机会约束和动态规划算法为核心，充分考虑了区域小水电技术特性、运行特性、风电功率预测精度等因素，利用风电、水电日内联合优化运行算法提出风电、水电的优化运行方案，以达到减小弃风、平抑风电波动的目的。
本发明的上述目的是通过以下步骤来实现的：一种区域小水电、风电日内联合优化调度方法，该方法包括以下步骤：
(1)读取数据，从电网数据库中获取系统参数，历史数据，预测数据；
(2)建立模型，建立区域小水电、风电日内联合优化调度的机会约束模型，所述的机会约束模型包括目标函数以及约束条件，其中所述的约束条件包括风电出力约束、水电机组一天的发电量约束以及水电机组一天的启停机次数约束；
(3)转化模型，采用统计分析方法，将步骤(1)中获得的历史数据进行统计分析，得到风电预测出力的置信区间，取置信区间下限作为风电出力，将步骤(2)中建立的机会约束模型转化为确定性模型；
(4)求解，根据步骤(1)中获得的系统参数和预测数据，将步骤(3)中得到的确定性模型，采用动态规划法进行求解，求解结果包括：水电机组的启停机时间、风电机组在不同时段的有功功率、各阶段的阶段指标值以及目标函数值。
本发明优选的是：所述的步骤(1)中：所述的系统参数包括网络连接关系，各节点、变压器和输电线路的相关参数；所述的历史数据包括历史风电、负荷预测数据，风电实际出力数据，实际负荷功率数据；所述的预测数据包括风电预测数据、负荷预测数据以及水电出力预测数据；
所述步骤(2)中的区域小水电、风电日内联合优化调度机会约束模型以日为时间周期，以半小时为时间尺度，将一天划分为48个时间段。
本发明优选的是：所述步骤(2)中：区域小水电、风电日内联合优化调度机会约束模型的目标函数由公式[1]获得：
其中CHjt为第j台水电机组启停状态标志，1为发电状态，0为停机状态；PHjt为水电机组j在t时段的出力；Pwit为风电机组i在t时段的出力；Pft为t时间段负荷平均值；PHj为第j台水电机组一天的规定发电量；T为调度期时间段，此处取n＝48；为联合系统一天出力的平均值。
本发明优选的是：区域小水电机组的出力取其额定功率；所述步骤(2)中所述风电出力约束由公式[2]获得：
其中为风电出力与风电预测出力的最大偏差值；β为风电出力与风电预测出力偏差应满足的置信区间；所述风电出力与风电预测出力偏差应满足的置信区间β取值为90％；
本发明优选的是：所述步骤(2)中的发电量约束由公式[3]获得：
其中μ为第j台水电机组一天的发电量可波动范围系数；所述水电机组一天的发电量可波动范围系数μ取值为1.1。
本发明优选的是：所述步骤(2)中的启停机次数约束由公式[4]获得：
Njt≤2
其中N为水电机组一天的机组起停机次数；且所述水电机组一天的机组起停机次数不超过2次。
本发明优选的是：所述步骤(3)中的确定性模型由公式[5]～[8]获得：
Njt≤2
其中f为风电预测出力置信区间下限。
本发明优选的是：所述步骤(4)中动态规划法的各阶段状态变量为Zjt＝(CHjt，PHjt，Njt)，式中Zjt表示t时段水电机组j的状态量。
所述动态规划法的阶段指标函数由公式[9]获得：
其中为第t个时段的阶段指标函数值。
本发明优选的是：所述步骤(4)中动态规划法的最优值函数由公式[10]获得：
其中表示从初始状态到第T0时段的状态过程，为采取最优策略所得到的指标函数值。
本发明提出了一种风电-水电日内联合优化运行的方法，充分考虑了小水电技术特性、运行特性，结合历史数据和预测数据采用概率形式描述风电预测出力，以减小风电-水电联合系统出力方差为目标函数，从而达到减小风电预测出力与风电实际出力的偏差对电网造成的影响的目的。在补充必要的历史数据以及预测数据后，可以生成风电-水电联合运行方案。该方案结可以实现有效减小弃风、减小由于风电随机性、波动性给电网带来的影响的目的。
附图说明
图1为整个风电-水电联合优化运行方法的流程图
图2为风电-水电联合优化运行模型的求解流程图
具体实施方式
下面将结合附图及具体实施例对本发明作详细的介绍：图1所示，本发明所述的一种区域小水电、风电日内联合优化调度方法，该方法包括以下步骤：
步骤1：读取数据，从电网数据库中获取系统参数，历史数据，预测数据；所述的系统参数包括网络连接关系，各节点、变压器和输电线路的相关参数；所述的历史数据包括历史风电、负荷预测数据，风电实际出力数据，实际负荷功率数据；所述的预测数据包括风电预测数据、负荷预测数据以及水电出力预测数据；
步骤2：建立模型，建立区域小水电、风电日内联合优化运行机会约束模型，模型的建立包括两个部分，第一部分：以日为时间周期，半小时为时间尺度将一天划分为48个时段，以联合系统出力波动的方差作为目标函。由于小水电本身的技术约束，不具有连续功率调节能力，因此该模型中，小水电的出力取其额定出力；
所述目标函数公式如(1)所示：
其中CHjt为第j台水电机组启停状态标志，1为发电状态，0为停机状态；PHjt为水电机组j在t时段的出力；Pwit为风电机组i在t时段的出力；Pft为t时间段负荷平均值；PHj为第j台水电机组一天的规定发电量；T为调度期时间段，此处取n＝48；为联合系统一天出力的平均值。
第二部分：结合区域小水电技术特性、运行特性，以概率形式描述风电出力，构建约束条件，包括风电出力约束、水电一天发电量限制约束、水电机组启停机次数约束。所述约束条件公式如(2)～(4)所示：
Njt≤2
其中为风电出力与风电预测出力的最大偏差值；β为风电出力与风电预测出力偏差应满足的置信区间，此处取值为90％；μ为第j台水电机组一天的发电量可波动范围系数，此处取1.1。N为水电机组的机组起停机次数，结合小水电站实际运行情况，模型要求水电机组一天的启停次数不超过2次。
步骤3：采用统计分析方法，统计分析步骤1中得到的历史数据，得到风电预测出力的置信区间，取置信区间下限作为风电出力，将步骤2中建立的机会约束模型转化为确定性模型。
所述确定性模型如式(5)～(8)所示：
Njt≤2
其中f为风电预测出力置信区间下限。
步骤4：将步骤3中得到的确定性模型，采用动态规划法进行求解；模型的求解包括两个部分：
第一部分：确定动态规划求解模型所需的相关参数，具体方法如下：
1、确定各阶段的状态变量为Zjt＝(CHjt，PHjt，Njt)，式中Zjt表示t时段水电机组j的状态量；PHjt为水电机组j在时段t的有功功率；CHjt为水电机组j在时段t的运行状态，1为运行，0为停运；Njt为水电机组j从其实时段到t时段时的启停机次数。由于水电机组自身技术约束的限制、水电每天的可发电量为固定值和水电机组一天启停机次数不可超过三次，所以允许决策集合中各元素的取值范围如式(9)～(11)所示:
CHjt∈(0,1) (9)
Njt≤2 (10)
2、确定状态转移方程如式(12)所示：
3、确定指标函数和最优值函数。本发明中以每个时段的波动方差作为阶段指标函数进行动态规划，所述阶段指标函数如式(13)所示：
最优值函数如式(14)所示：
式中，表示i机组从初始状态到第T0时段的状态过程，采取最优策略所得到的指标函数值。由动态规划的基本思想可得：
第二部分：参阅图2所示，图2为采用动态规划法求解步骤3中所得确定性模型的流程图，具体包括：
1)、设置初值：令
2)、根据状态转移方程求k时段的所有可能的状态；
3)、求每个状态下的阶段指标函数值，并根据式(15)求得各状态量的最优；
4)、存储最优决策序列和fT(ZjT)；
5)、判断是否已经规划完所有时段，若没有，则k＝k+1，依次重复步骤2、3、4、5；若已规划完所有时段，即k＝48，则输出所有阶段的规划结果并结束。
Claims (4)
1.一种区域小水电、风电日内联合优化调度方法，其特征在于该方法包括以下步骤：
(1)读取数据，从电网数据库中获取系统参数，历史数据，预测数据；
(2)建立模型，建立区域小水电、风电日内联合优化调度的机会约束模型，所述的约束模型包括目标函数以及约束条件，其中所述的约束条件包括风电出力约束、水电机组一天的发电量约束以及水电机组一天的启停机次数约束；
(3)转化模型，采用统计分析方法，将步骤(1)中获得的历史数据进行统计分析，得到风电预测出力的置信区间，取置信区间下限作为风电出力，将步骤(2)中建立的机会约束模型转化为确定性模型；
(4)求解，根据步骤(1)中获得的系统参数和预测数据，将步骤(3)中得到的确定性模型，采用动态规划法进行求解，求解结果包括：水电机组的启停机时间、风电机组在不同时段的有功功率、各阶段的阶段指标值以及目标函数值；
所述的步骤(1)中：所述的系统参数包括网络连接关系，各节点、变压器和输电线路的相关参数；所述的历史数据包括历史风电、负荷预测数据，风电实际出力数据，实际负荷功率数据；所述的预测数据包括风电预测数据、负荷预测数据以及水电出力预测数据；
所述步骤(2)中的区域小水电、风电日内联合优化调度机会约束模型以日为时间周期，以半小时为时间尺度，将一天划分为48个时间段；
所述步骤(2)中：区域小水电、风电日内联合优化调度机会约束模型的目标函数由公式[1]获得：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>P</mi>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mi>T</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mover>
<mi>P</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mi>T</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
其中CHjt为第j台水电机组启停状态标志，1为发电状态，0为停机状态；PHjt为水电机组j在t时段的出力；Pwit为风电机组i在t时段的出力；Pft为t时间段负荷平均值；PHj为第j台水电机组一天的规定发电量；T为调度期时间段；为联合系统一天出力的平均值。
2.根据权利要求1所述的区域小水电、风电日内联合优化调度的方法，其特征在于：区域小水电机组的出力取其额定功率；所述步骤(2)中所述风电出力约束由公式[2]获得：
<mrow>
<mi>Pr</mi>
<mo>{</mo>
<mo>|</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>Y</mi>
<mi>C</mi>
</mrow>
</msubsup>
<mo>|</mo>
<mo>&le;</mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mo>}</mo>
<mo>&GreaterEqual;</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo>&lsqb;</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
</mrow>
其中为风电出力与风电预测出力的最大偏差值；β为风电出力与风电预测出力偏差应满足的置信区间；是风电机组i在t时段的预测出力；所述风电出力与风电预测出力偏差应满足的置信区间β取值为90％。
3.根据权利要求1所述的区域小水电、风电日内联合优化调度方法，其特征在于：
所述步骤(2)中的发电量约束由公式[3]获得：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>&mu;P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo>&lsqb;</mo>
<mn>3</mn>
<mo>&rsqb;</mo>
</mrow>
其中μ为第j台水电机组一天的发电量可波动范围系数；所述水电机组一天的发电量可波动范围系数μ取值为1.1。
4.根据权利要求1所述的区域小水电、风电日内联合优化调度方法，其特征在于：所述步骤(4)中动态规划法的最优值函数由公式[10]获得：
<mrow>
<msub>
<mi>f</mi>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>Z</mi>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>min</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>{</mo>
<mo>&lsqb;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>Y</mi>
<mi>C</mi>
</mrow>
</msubsup>
<mo>-</mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<mover>
<mi>P</mi>
<mo>&OverBar;</mo>
</mover>
<mo>}</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>T</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo>&lsqb;</mo>
<mn>10</mn>
<mo>&rsqb;</mo>
</mrow>
其中表示从初始状态到第T0时段的状态过程，为采取最优策略所得到的指标函数值，是风电机组i在t时段的预测出力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410691464.1A CN104467029B (zh) | 2014-11-25 | 2014-11-25 | 一种区域小水电、风电日内联合优化调度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410691464.1A CN104467029B (zh) | 2014-11-25 | 2014-11-25 | 一种区域小水电、风电日内联合优化调度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104467029A CN104467029A (zh) | 2015-03-25 |
| CN104467029B true CN104467029B (zh) | 2018-01-16 |
Family
ID=52912622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410691464.1A Active CN104467029B (zh) | 2014-11-25 | 2014-11-25 | 一种区域小水电、风电日内联合优化调度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104467029B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104953624B (zh) * | 2015-07-27 | 2017-07-11 | 武汉大学 | 一种基于光伏预测误差模糊性的电力系统调度方法 |
| CN105429172B (zh) * | 2015-11-18 | 2017-09-15 | 山东大学 | 增强系统运行灵活性的发电调度方法 |
| CN105391093B (zh) * | 2015-12-07 | 2017-10-17 | 海南电力技术研究院 | 小水电群并网运行优化调度方法 |
| CN107171322B (zh) * | 2017-06-19 | 2020-04-14 | 国网重庆市电力公司电力科学研究院 | 一种含小水电配电网的规划方法 |
| CN107394890A (zh) * | 2017-07-03 | 2017-11-24 | 三峡大学 | 一种电量调度方法及装置 |
| CN108108518B (zh) * | 2017-11-27 | 2021-04-02 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
| CN108075471B (zh) * | 2017-12-27 | 2022-02-11 | 国电南瑞科技股份有限公司 | 基于随机性电源出力预测的多目标约束优化电网调度策略 |
| CN110232460A (zh) * | 2018-03-05 | 2019-09-13 | 中国电力科学研究院有限公司 | 一种基于风电功率预测的风电水电协同运行可视化方法 |
| CN109118024B (zh) * | 2018-09-25 | 2021-07-27 | 国网福建省电力有限公司 | 一种考虑火电机组多阶段状态转移的电力系统多资源调度方法 |
| CN109726929B (zh) * | 2019-01-03 | 2021-09-07 | 南方电网科学研究院有限责任公司 | 考虑气象预报不确定性累积过程的风水联合调度方法 |
| CN115549215B (zh) * | 2022-11-07 | 2023-11-17 | 中国长江电力股份有限公司 | 一种水电站机组运行优化方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184472A (zh) * | 2011-05-03 | 2011-09-14 | 西安交通大学 | 一种基于电网调度侧需求的风水火联合调度方法 |
| CN103490449B (zh) * | 2013-10-10 | 2015-04-15 | 华北电力大学 | 一种多能源联合发电系统运行模拟的优化方法 |
-
2014
- 2014-11-25 CN CN201410691464.1A patent/CN104467029B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104467029A (zh) | 2015-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104467029B (zh) | 一种区域小水电、风电日内联合优化调度的方法 | |
| Teng et al. | Assessment of the role and value of frequency response support from wind plants | |
| CN104485690B (zh) | 一种基于多阶段动态规划的电网多源调峰方法 | |
| WO2019233134A1 (zh) | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 | |
| CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
| CN105006846B (zh) | 一种风电场场站级有功功率优化方法 | |
| CN107887903A (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
| CN109149571A (zh) | 一种考虑系统燃气和火电机组特性的储能优化配置方法 | |
| CN108695857B (zh) | 风电场自动电压控制方法、装置及系统 | |
| 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 | |
| CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
| CN105634024A (zh) | 基于价格需求响应的日内经济调度模型及线性求解方法 | |
| CN104239967A (zh) | 一种含风电场的电力系统多目标经济调度方法 | |
| CN113644670B (zh) | 一种储能容量优化配置的方法及系统 | |
| CN104063808A (zh) | 一种跨省送电梯级水电站群调峰调度两阶段搜索方法 | |
| CN103904686A (zh) | 一种考虑电力系统协同能力的经济调度方法 | |
| CN105305423A (zh) | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 | |
| CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
| CN104037805A (zh) | 一种计及电网安全约束的光伏电站可发电裕度分配方法 | |
| CN107832542A (zh) | 一种基于时空尺度消纳风光的机组组合优化调度方法 | |
| CN107104462A (zh) | 一种用于风电场储能调度的方法 | |
| CN104993524A (zh) | 一种基于改进离散粒子群算法的含风电电力系统动态调度方法 | |
| Wang et al. | Short-term scheduling of large-scale hydropower systems for energy maximization | |
| CN104348190A (zh) | 风电场群汇集系统的有功功率调节方法 | |
| CN110165711A (zh) | 考虑发电运行弹性空间的风水火联合调度优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |