CN104537428B - 一种计及风电接入不确定性的经济运行评估方法 - Google Patents

一种计及风电接入不确定性的经济运行评估方法 Download PDF

Info

Publication number
CN104537428B
CN104537428B CN201410736191.8A CN201410736191A CN104537428B CN 104537428 B CN104537428 B CN 104537428B CN 201410736191 A CN201410736191 A CN 201410736191A CN 104537428 B CN104537428 B CN 104537428B
Authority
CN
China
Prior art keywords
mrow
msub
wind
mtd
model
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
Application number
CN201410736191.8A
Other languages
English (en)
Other versions
CN104537428A (zh
Inventor
魏炜
马肖
马肖一
曾沅
宋平
黄华炜
包海龙
李琰
张占奎
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.)
Tianjin University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Tianjin University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
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 Tianjin University, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical Tianjin University
Priority to CN201410736191.8A priority Critical patent/CN104537428B/zh
Publication of CN104537428A publication Critical patent/CN104537428A/zh
Application granted granted Critical
Publication of CN104537428B publication Critical patent/CN104537428B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种计及风电接入不确定性的经济运行评估方法。其包括:步骤(1)随机经济调度模型建立;步骤(2)最优经济调度方案计算;步骤(3)消纳风电能力评价。本发明提供的计及风电接入不确定性的经济运行评估方法的有益效果:突破了传统只考虑发电侧作为调度资源的局限,将可中断负荷作为用户侧的互动资源纳入到经济调度计划中,同时考虑了大规模风电场的接入,建立了计及可中断负荷和风电接入的随机经济调度模型,并提出了蒙特卡罗模拟仿真和改进的原‑对偶内点法相结合的综合优化调度方法,有效降低了系统运行成本,并能够在一定程度上平衡风电波动性对电网带来的负面影响,有利于提高系统消纳风电的能力。

Description

一种计及风电接入不确定性的经济运行评估方法
技术领域
本发明属于智能电网分析、优化调度及可再生能源利用技术领域,特别是涉及一种计及风电接入不确定性的经济运行评估方法。
背景技术
电力系统经济调度问题的本质是研究在满足系统能量平衡和运行极限约束前提下以经济性最优(通常是发电成本最低)为目标的约束最优化问题。它是一种最优潮流问题,通过调整系统中某些控制变量的值,在满足所有约束条件的基础上,从所有可行解中寻找经济性能指标最优的调度方案。最优潮流已有算法可分为经典方法和智能化方法。其中,经典方法主要有梯度类算法、序列二次规划法、牛顿法和内点法;智能化方法主要有遗传算法和模拟退火方法等。
仅包含常规能源发电方式的经济调度是基于电源的可控性和负荷预测的准确性进行的,可以保证电力系统获得较为可靠的调度计划方案。当大规模风电功率并入电网以后,风能受到多种因素的影响具有强烈的间歇性和随机波动性,使得电力系统的经济调度问题存在一定的不确定性。大量的研究显示,风电的随机波动性可由一定的概率性模型表示,因此含有风电接入的电力系统经济调度问题可由在常规经济调度模型基础上通过引入风电的概率性模型来求解。目前有关这一问题的计算方法主要分为确定性建模分析和不确定性建模分析两大类。其中不确定建模分析方法又可分为模糊建模分析和概率性建模分析。
另一方面,传统仅考虑发电侧调度资源的调度模式在应对风电大规模接入所带来的波动性影响上缺乏灵活性,不利于充分协调电力系统资源,提高风能等可再生能源的利用效率。用户用电需求响应是指利用先进的信息通信网络和技术对需求侧资源进行调度,将用户用电需求的主动响应和影响作为“虚拟发电资源”纳入到经济调度中,直接参与实时功率平衡。其应用可以在提高系统运行经济性的同时提高系统对风电的消纳能力。目前,属于激励型需求响应的可中断负荷相比于其他需求响应方式更适合我国初期的电力市场环境。现有对调用可中断负荷方法的研究主要针对可中断负荷作为备用资源,通过可中断用户与电网公司之间签订的可中断合同确定其参与形式。通常情况下,由用户根据电网公司发布的电价申报可中断容量及补偿费用,电网公司综合考虑其申报意愿及发电侧机组情况确定最优的调度方案,包括可中断负荷是否被调用、中断容量大小、补偿方式及价格等,双方签订可中断合同,最后根据实际被调用情况对参与可中断的用户进行补偿。但目前尙缺少计及风电接入不确定性的经济运行评估方法。
发明内容
为了解决上述问题,本发明的目的在于提供一种计及风电接入不确定性的经济运行评估方法。
为了达到上述目的,本发明提供的计及风电接入不确定性的经济运行评估方法包括按顺序执行的下列步骤:
步骤(1)随机经济调度模型建立:由实际的电力系统数据,确定参与经济调度的可中断负荷数据,建立相应的随机经济调度模型,其中包括风电输出功率模型建立、可中断负荷模型的建立和某一调度周期t内随机经济调度模型的建立;
步骤(2)最优经济调度方案计算:在某一调度周期t内,采用蒙特卡罗方法对风电场的输出功率进行模拟,根据抽样样本所得的风电随机输出功率及电力系统实际数据,以系统总成本最小为目标,采用原-对偶内点法对步骤(1)中所建立的调度模型进行优化计算,得到该抽样样本的最优经济调度方案;计算并判断该样本结果的标准差,直至满足要求;统计计算结果的最大值、平均值及标准差参数,形成经济调度方案的统计性结果,即得到本方法的最终结果;
步骤(3)消纳风电能力评价:对比模型中有无可中断负荷情况下机组出力随风电输出功率的波动情况,通过计算各机组出力波动的最大值、平均值及标准差参数,分析可中断负荷模型的接入及所得经济调度方案对系统消纳风电能力的影响;
在步骤(1)中,所述的随机经济调度模型建立的具体过程包括按顺序执行的下列步骤:
步骤1.1)风电输出功率模型的建立:将各个风电场的实际输出功率表示为风电预测出力和风电偏差量的和,其随机模型表示为:
μWm=0,σWm=PWym/α+Wwindm
m=1,2,…,NW
其中,μWm和σWm分别为该正态分布的期望和标准差;PWym为各个风电场在t时段内风电的预测功率;Wwindm为各个风电场的总装机容量;α和β为标准差参数;NW为风电场个数;则在t时段内风电的实际输出功率表示为:
PW=PWy+PW,△
其中,PW、PWy、PW,Δ均为NW×1的列向量,PW代表了风电在t时段内发出的功率;对风电功率偏差量进行随机抽样,模拟得到风电波动的集合:
其中,PW,Δ(n)为第n次抽样状态的风电波动量;NM为样本总数;则对应的风电实际输出功率为:
步骤1.2)可中断负荷模型的建立:可中断负荷的调用成本由对可中断用户的中断容量补偿成本和实际调用的中断电量补偿成本两部分构成;其中容量补偿成本为固定成本,容量补偿价格由最大中断能力确定;在某一调度周期t时段内,可中断负荷的调用成本模型表示为:
fDR,j=Ccap,jCapDR,j+Cpower,jPDR,j
其中,fDR,j为对第j个可中断用户支付的总补偿;Ccap,j为第j个用户的容量补偿价格;CapDR,j为第j个用户的最大可中断能力;Cpower,j为第j个用户的单位中断负荷补偿价格;PDR,j为第j个用户在实际调度中的中断电量,为0时表示未被调用;
步骤1.3)随机经济调度模型的建立:将上述所建立的可中断负荷模型和风电输出功率模型纳入到调度计划模型中,在某一调度周期t时段内,随机经济调度的目标函数为:
其中,PG,i为机组i的有功出力;NG和NDR分别表示系统的机组总数量及参与可中断的用户数量;fG,i为机组i的运行费用;ai、bi、ci分别为机组运行费用二次函数的相关系数;
模型中考虑的约束条件包含等式约束条件和不等式约束条件,其中等式约束条件为:
其中,QG,i为机组i的无功出力;PL,k和QL,k分别为节点k的有功和无功负荷;Vk、Vl分别表示节点k、l的电压幅值;Gkl、Bkl分别表示支路kl的电导和电纳;θkl为节点k的电压与节点l的电压之间的相角差;N为系统的节点总数;
不等式约束条件包含节点电压约束、机组有功及无功出力约束、可中断负荷可调能力约束和线路潮流约束,表示为:
其中,Vk.min和Vk.max分别表示节点k的电压幅值上下限;PG,i.min、QG,i.min和PG,i.max、QG,i.max分别为机组i的有功、无功出力上下限;PDR,j.min和PDR,j.max分别为第j个可中断负荷的可调能力上下限;Ll为流过线路l的电流,Ll.max为线路l热稳定约束下的最大电流限值;Nl为系统的总线路条数。
在步骤(2)中,所述的最优经济调度方案计算采用随机经济调度算法,其具体计算过程包括按顺序执行的下列步骤:
步骤2.1)初始化算法:抽样次数i=1;
步骤2.2)蒙特卡罗法抽样风电波动偏差量:利用步骤1.1)中的风电偏差量随机分布模型,采用蒙特卡罗模拟法对各个风电场的功率偏差量进行抽样,得到第i次仿真时的风电功率偏差量PW,Δ(i)=[PW,Δ1,PW,Δ2,…,PW,ΔNW]T;
步骤2.3)计算风电随机输出功率:将已知的各风电场的预测功率PWy和步骤2.2)得到的风电功率偏差量PW,Δ(i)进行代数求和,得到第i次模拟出的各风电场的随机输出功率PW(i)=[PW1,PW2,…,PWNW]T;
步骤2.4)确定系统初始调度方案及成本:设置系统各初始调度资源出力为:机组有功出力为上下限均值,PG,i=(PG,i.min+PG,i.max)/2;可中断负荷初始调用的中断电量为0;在该初始调度方案下结合系统初始数据计算系统运行状态及初始运行成本;
步骤2.5)求取最优化经济调度方案:以步骤2.4)的系统初始状态为基础,利用步骤1.3)所建立的随机经济调度模型,采用原-对偶内点法对该模型进行优化计算,得到各调度资源的最优出力,形成最优经济调度方案;
步骤2.6)结果标准差计算及收敛性判断:计算经济调度结果中机组总体出力的标准差β,判断β是否满足收敛性条件β<βmax;若满足,则转至步骤2.8);若不满足则继续下一步骤;
步骤2.7)抽样次数判断:抽样次数i=i+1,判断i是否大于样本总数NM;若i大于NM,则对该电力系统的随机经济调度计算不收敛;否则转至步骤2.2),继续重复上述计算过程直至计算结果收敛;
步骤2.8)求取调度方案的统计性结果:对满足收敛条件的结果样本进行统计性计算,利用机组出力结果、可中断负荷中断电量的平均值、最大值及标准差参数表示所形成的最优随机经济调度方案。
本发明提供的计及风电接入不确定性的经济运行评估方法的有益效果:
本发明突破了传统只考虑发电侧作为调度资源的局限,将可中断负荷作为用户侧的互动资源纳入到经济调度计划中,同时考虑了大规模风电场的接入,建立了计及可中断负荷和风电接入的随机经济调度模型,并提出了蒙特卡罗模拟仿真和改进的原-对偶内点法相结合的综合优化调度方法,有效降低了系统运行成本,并能够在一定程度上平衡风电波动性对电网带来的负面影响,有利于提高系统消纳风电的能力。
附图说明
图1为本发明提供的计及风电接入不确定性的经济运行评估方法中随机经济调度算法的流程图;
图2为IEEE-118节点系统接线图。
具体实施方式
下面结合附图和具体实施例对本发明提供的计及风电接入不确定性的经济运行评估方法进行详细说明。
本发明提供的计及风电接入不确定性的经济运行评估方法,将用户侧可调度资源作为“虚拟发电资源”直接参与到经济调度的实时功率平衡计划中,同时考虑了大规模风电场的接入,综合考虑了机组可调能力约束、可中断负荷最大可调能力约束、线路潮流约束等多种约束条件,建立了计及可中断负荷和风电接入的随机经济调度模型,目的在于利用可中断负荷作为可调度资源改善电力系统调度的安全经济性和新能源消纳能力,并在考虑系统随机性的情况下给出最优的经济调度方案。
本发明提供的计及风电接入不确定性的经济运行评估方法包括按顺序执行的下列步骤:
步骤(1)随机经济调度模型建立:由实际的电力系统数据,确定参与经济调度的可中断负荷数据,建立相应的随机经济调度模型,其中包括风电输出功率模型建立、可中断负荷模型的建立和某一调度周期t内随机经济调度模型的建立;
步骤(2)最优经济调度方案计算:在某一调度周期t内,采用蒙特卡罗方法对风电场的输出功率进行模拟,根据所得的风电随机输出功率及电力系统实际数据,以系统总成本最小为目标,采用原-对偶内点法对步骤(1)中所建立的调度模型进行优化计算,得到该场景下最优的经济调度方案;计算并判断结果的标准差,直至满足要求;统计计算结果的最大值、平均值及标准差等参数,形成经济调度方案的统计性结果,即得到本方法的最终结果;
步骤(3)消纳风电能力评价:对比模型中有无可中断负荷情况下机组出力随风电输出功率的波动情况,通过计算各机组出力波动的最大值、平均值及标准差等参数,分析可中断负荷模型的接入及所得经济调度方案对系统消纳风电能力的影响。
在步骤(1)中,所述的随机经济调度模型建立的具体过程包括按顺序执行的下列步骤:
步骤1.1)风电输出功率模型的建立:将各个风电场的实际输出功率表示为风电预测出力和风电偏差量的和,其随机模型表示为:
μWm=0,σWm=PWym/α+Wwindm
m=1,2,…,NW
其中,μWm和σWm分别为该正态分布的期望和标准差;PWym为各个风电场在t时段内风电的预测功率;Wwindm为各个风电场的总装机容量;α和β为标准差参数;NW为风电场个数;则在t时段内风电的实际输出功率表示为:
PW=PWy+PW,△
其中,PW、PWy、PW,Δ均为NW×1的列向量,PW代表了风电在t时段内发出的功率;对风电功率偏差量进行随机抽样,模拟得到风电波动的集合:
其中,PW,Δ(n)为第n次抽样状态的风电波动量;NM为样本总数;则对应的风电实际输出功率为:
步骤1.2)可中断负荷模型的建立:可中断负荷的调用成本由对可中断用户的中断容量补偿成本和实际调用的中断电量补偿成本两部分构成;其中容量补偿成本为固定成本,容量补偿价格由最大中断能力确定;在某一调度周期t时段内,可中断负荷的调用成本模型表示为:
fDR,j=Ccap,jCapDR,j+Cpower,jPDR,j
其中,fDR,j为对第j个可中断用户支付的总补偿;Ccap,j为第j个用户的容量补偿价格;CapDR,j为第j个用户的最大可中断能力(容量);Cpower,j为第j个用户的单位中断负荷补偿价格;PDR,j为第j个用户在实际调度中的中断电量,为0时表示未被调用;
步骤1.3)随机经济调度模型的建立:上述所建立的可中断负荷模型和风电输出功率模型纳入到调度计划模型中,在某一调度周期t时段内,随机经济调度的目标函数为:
其中,PG,i为机组i的有功出力;NG和NDR分别表示系统的机组总数量及参与可中断的用户数量;fG,i为机组i的运行费用;ai、bi、ci分别为机组运行费用二次函数的相关系数;
模型中考虑的约束条件包含等式约束条件和不等式约束条件,其中等式约束条件为:
其中,QG,i为机组i的无功出力;PL,k和QL,k分别为节点k的有功和无功负荷;Vk、Vl分别表示节点k、l的电压幅值;Gkl、Bkl分别表示支路kl的电导和电纳;θkl为节点k的电压与节点l的电压之间的相角差;N为系统的节点总数;
不等式约束条件包含节点电压约束、机组有功及无功出力约束、可中断负荷可调能力约束和线路潮流约束,表示为:
其中,Vk.min和Vk.max分别表示节点k的电压幅值上下限;PG,i.min、QG,i.min和PG,i.max、QG,i.max分别为机组i的有功、无功出力上下限;PDR,j.min和PDR,j.max分别为第j个可中断负荷的可调能力上下限;Ll为流过线路l的电流,Ll.max为线路l热稳定约束下的最大电流限值;Nl为系统的总线路条数。
在步骤(2)中,所述的最优经济调度方案计算采用随机经济调度算法,如图1所示,其具体计算过程包括按顺序执行的下列步骤:
步骤2.1)初始化算法:抽样次数i=1;
步骤2.2)蒙特卡罗法抽样风电波动偏差量:利用步骤1.1)中的风电偏差量随机分布模型,采用蒙特卡罗模拟法对各个风电场的功率偏差量进行抽样,得到第i次仿真时的风电功率偏差量PW,Δ(i)=[PW,Δ1,PW,Δ2,…,PW,ΔNW]T;
步骤2.3)计算风电随机输出功率:将已知的各风电场的预测功率PWy和步骤2.2)得到的风电功率偏差量PW,Δ(i)进行代数求和,得到第i次模拟出的各风电场的随机输出功率PW(i)=[PW1,PW2,…,PWNW]T;
步骤2.4)确定系统初始调度方案及成本:设置系统各初始调度资源出力为:机组有功出力为上下限均值,PG,i=(PG,i.min+PG,i.max)/2;可中断负荷初始调用的中断电量为0;在该初始调度方案下结合系统初始数据计算系统运行状态及初始运行成本;
步骤2.5)求取最优化经济调度方案:以步骤2.4)的系统初始状态为基础,利用步骤1.3)所建立的随机经济调度模型,采用原-对偶内点法对该模型进行优化计算,得到各调度资源的最优出力,形成最优经济调度方案;
步骤2.6)结果标准差计算及收敛性判断:计算经济调度结果中机组总体出力的标准差β,判断β是否满足收敛性条件β<βmax;若满足,则转至步骤2.8);若不满足则继续下一步骤;
步骤2.7)抽样次数判断:抽样次数i=i+1,判断i是否大于样本总数NM;若i大于NM,则对该电力系统的随机经济调度计算不收敛;否则转至步骤2.2),继续重复上述计算过程直至计算结果收敛;
步骤2.8)求取调度方案的统计性结果:对满足收敛条件的结果样本进行统计性计算,利用机组出力结果、可中断负荷中断电量的平均值、最大值及标准差等参数表示所形成的最优随机经济调度方案。
下面结合附图和实施例,对本发明做详细说明:
本发明提出了一种计及风电接入不确定性的经济运行评估方法,并提出了蒙特卡罗模拟仿真和改进的原对偶-内点法相结合的综合优化方法,其实施流程图如图1所示,现以图2所示的算例网络为例,详细说明如下:
第一步:随机经济调度模型建立:由实际的电力系统数据,确定参与经济调度的可中断负荷数据,建立相应的随机经济调度模型,其中包括可中断负荷模型的建立、风电输出功率模型建立和某一调度周期t内随机经济调度模型的建立;
以IEEE-118节点系统作为算例,IEEE-118节点系统的接线图如图2所示,图中标号1,2,…,118分别表示对应节点的节点号。其基本概况如表1所示:
表1 IEEE-118节点测试系统概况
名称 IEEE-118节点系统
发电机台数(台) 54
母线数目(条) 118
线路条数(条) 179
电压等级(kV) 100
1)风电输出功率模型的建立:
选取节点63、102、117处,分别接入装机容量为100MW、100MW和200MW的风电场,风电额定装机容量约占系统总容量的10%,则风电场个数NW=3。各风电场的预测出力如表2所示。
表2风电参数
风电场 节点 预测出力(MW) 装机容量(MW)
1 63 40 100
2 102 60 100
3 117 100 200
则可得到各风电场的预测功率向量:
PWy=[PWy1,PWy2,PWy3]T=[40,60,100]T(MW);
标准差计算参数α、β分别取为5、50,可计算得到各风电场功率偏差量分布的标准差为:
风电场1:σW1=PWy1/α+Wwind1/β=40/5+100/50=10(MW)
风电场2:σW2=PWy2/α+Wwind2/β=60/5+100/50=14(MW)
风电场3:σW3=PWy3/α+Wwind3/β=100/5+200/50=24(MW)
各风电场功率偏差量分布的均值均取为0,由均值、标准差可得到各风电场功率偏差量的概率分布表达式为:
风电场1:即PW,△1~N(0,102)
风电场2:即PW,△2~N(0,142)
风电场3:即PW,△3~N(0,242)
则在调度周期t内各风电场的随机输出功率模型为:
风电场1:PW1=PWy1+PW,△1=40+PW,△1
风电场2:PW2=PWy2+PW,△2=60+PW,△2
风电场3:PW3=PWy3+PW,△3=100+PW,△3
2)可中断负荷模型的建立:
本实施例中,选取系统30%的节点作为可中断负荷节点,其最大可中断能力选为该节点有功负荷总量的30%,同时假定实施负荷中断过程中各节点的功率因数保持不变。可中断负荷的具体参数如表3所示。
表3可中断负荷参数
3)随机经济调度模型的建立:
为进一步表明该模型方法的有效性,本实施例根据系统负荷水平的不同设置了两种场景,场景1为基准场景(总负荷为4000MW),场景2为重载场景(总负荷水平为提升至基准水平的150%,6000MW)。每种场景中均针对是否计及可中断负荷两种情况下的结果进行对比,未计及可中断负荷的随机经济调度模型中不包含可中断负荷模型。
本实施例中的调度资源包括发电侧的机组和需求侧的可中断负荷,由于篇幅限制,此处模型中相关矩阵及参数的具体值未列出。
第二步:最优经济调度方案计算:在某一调度周期t内,采用蒙特卡罗方法对风电场的输出功率进行模拟,根据所得的风电随机输出功率及电力系统实际数据,以系统总成本最小为目标,采用原-对偶内点法对步骤(1)中所建立的调度模型进行优化计算,得到该场景下最优的经济调度方案;计算并判断结果的标准差,直至满足要求;统计计算结果的最大值、平均值及标准差等参数,形成经济调度方案的统计性结果;
本实施例选取蒙特卡罗模拟风电场输出功率偏差量的样本数为1000,即NM=1000。
根据第一步中建立的风电偏差量随机分布模型,采用蒙特卡罗模拟法进行抽样,得到3个风电场的功率偏差量。由于篇幅限制此处仅列写第1次(i=1)仿真时风电功率偏差量的抽样结果:
PW,Δ(1)=[PW,Δ1,PW,Δ2,…,PW,Δ3]T=[5.377,9.432,7.108]T;
将已知的3个风电场的预测功率PWy与所得的风电功率偏差量PW,Δ(1)进行代数求和,得到第1次模拟时的风电场的随机输出功率:
PW(1)=PWy+PW,Δ(1)=[40,60,100]T+[5.377,9.432,7.108]T=[45.377,69.432,107.108]T(MW);
本实施例中,设定调度周期t为1小时。将上述所得的风电场随机输出功率带入到随机经济调度模型中,在确定系统初始调度方案及成本的基础上(机组初始出力为上下限均值,与机组参数有关,由于篇幅限制此处不列出),采用原对偶-内点法对该模型进行优化计算,得到各调度资源的最优出力。
本实施例中,选取收敛条件中的标准差指标βmax为机组总体出力均值的0.05。
多次计算直至结果的标准差满足收敛条件,得到机组、可中断负荷的最优出力,形成最优经济调度方案。计算结果样本的平均值,得到最优随机经济调度方案的统计性结果,表4、表5为本实施例中基准场景下的最优调度方案。
表4机组出力结果
表5可中断负荷调用结果
由于篇幅限制,在此仅列出两种场景下,系统有无可中断负荷参与调度的最优经济调度方案的总体结果,表6对比了系统总发电成本f的平均值、最大值及可中断负荷调用量均值。基准负荷水平下系统的成本均值较未计及可中断负荷参与时降低了1700$左右,最大值则降低了3000$左右,表明该方法能有效降低系统的运行成本,提高系统经济性。
表6经济调度结果对比
场景1中,线路30-38流过的电流为1.19kA,已接近其上限1.26kA;当负荷水平提升时,在没有可中断负荷参与的情况下,附近的高成本机组G15、G18、G19需增发出力96.52MW;应用该调度方法,增发出力仅为57.68MW,有效降低了调用高成本机组的成本。对比场景1、2,当负荷水平提升时,由于线路输电能力的约束和机组的容量限制,一些低成本的机组出力受限,在没有可中断负荷参与调度时,需要调用部分高价机组增发出力以满足负荷需求,整体经济效益下降。应用该方法,降低了部分高成本机组出力,从而使系统总成本降低了4.5%,有效改善了因线路潮流、机组容量约束等造成的不经济性。
第四步:消纳风电能力评价:对比模型中有无可中断负荷情况下机组出力随风电输出功率的波动情况,通过计算各机组出力波动的最大值、平均值及标准差等参数,分析可中断负荷模型的接入对系统消纳风电能力的影响。
两种场景下有无可中断负荷参与时机组的总体出力的波动情况如表7所示。
表7机组出力
应用该调度方案得到的结果中,机组的总体出力情况波动较小,两种场景下的标准差均远小于没有可中断负荷参与的情况。表明可中断负荷参与调度可在一定程度上平衡风电接入带来的波动性影响,相比于常规机组,可中断负荷的调节更为灵活,调用可中断负荷可使机组的出力变化更为平缓。为进一步说明可中断负荷对单个机组波动的平衡能力,表8列举出了场景1中部分机组在抽样模拟过程中可能出现的最大波动情况。
表8机组出力波动(场景1)
在无可中断负荷的场景1中,由于风电波动的影响,机组G12的出力波动范围为[109.78,182.45]MW,最大可能波动量为73MW。应用该方法,其最大可能波动量降为26MW,出力变动更为平缓。

Claims (2)

1.一种计及风电接入不确定性的经济运行评估方法,其特征在于:所述的方法包括按顺序执行的下列步骤:
步骤(1)随机经济调度模型建立:由实际的电力系统数据,确定参与经济调度的可中断负荷数据,建立相应的随机经济调度模型,其中包括风电输出功率模型建立、可中断负荷模型的建立和某一调度周期t内随机经济调度模型的建立;
步骤(2)最优经济调度方案计算:在某一调度周期t内,采用蒙特卡罗方法对风电场的输出功率进行模拟,根据抽样样本所得的风电随机输出功率及电力系统实际数据,以系统总成本最小为目标,采用原-对偶内点法对步骤(1)中所建立的调度模型进行优化计算,得到该抽样样本的最优经济调度方案;计算并判断该样本结果的标准差,直至满足要求;统计计算结果的最大值、平均值及标准差参数,形成经济调度方案的统计性结果,即得到本方法的最终结果;
步骤(3)消纳风电能力评价:对比模型中有无可中断负荷情况下机组出力随风电输出功率的波动情况,通过计算各机组出力波动的最大值、平均值及标准差参数,分析可中断负荷模型的接入及所得经济调度方案对系统消纳风电能力的影响;
在步骤(1)中,所述的随机经济调度模型建立的具体过程包括按顺序执行的下列步骤:
步骤1.1)风电输出功率模型的建立:将各个风电场的实际输出功率表示为风电预测出力和风电偏差量的和,其随机模型表示为:
<mrow> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mo>,</mo> <mi>&amp;Delta;</mi> <mi>m</mi> </mrow> </msub> <mo>~</mo> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>W</mi> <mi>m</mi> </mrow> </msub> <mo>,</mo> <msubsup> <mi>&amp;sigma;</mi> <mrow> <mi>W</mi> <mi>m</mi> </mrow> <mn>2</mn> </msubsup> <mo>)</mo> </mrow> </mrow>
μWm=0,σWm=PWym/α+Wwindm
m=1,2,…,NW
其中,μWm和σWm分别为该正态分布的期望和标准差;PWym为各个风电场在t时段内风电的预测功率;Wwindm为各个风电场的总装机容量;α和β为标准差参数;NW为风电场个数;则在t时段内风电的实际输出功率表示为:
PW=PWy+PW,△
其中,PW、PWy、PW,Δ均为NW×1的列向量,PW代表了风电在t时段内发出的功率;对风电功率偏差量进行随机抽样,模拟得到风电波动的集合:
<mrow> <mo>{</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mo>,</mo> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mo>,</mo> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mo>,</mo> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <msub> <mi>N</mi> <mi>M</mi> </msub> <mo>)</mo> </mrow> </mrow> </msub> <mo>}</mo> </mrow>
其中,PW,Δ(n)为第n次抽样状态的风电波动量;NM为样本总数;则对应的风电实际输出功率为:
<mrow> <mo>{</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mrow> <mo>(</mo> <msub> <mi>N</mi> <mi>M</mi> </msub> <mo>)</mo> </mrow> </mrow> </msub> <mo>}</mo> </mrow>
步骤1.2)可中断负荷模型的建立:可中断负荷的调用成本由对可中断用户的中断容量补偿成本和实际调用的中断电量补偿成本两部分构成;其中容量补偿成本为固定成本,容量补偿价格由最大中断能力确定;在某一调度周期t时段内,可中断负荷的调用成本模型表示为:
fDR,j=Ccap,jCapDR,j+Cpower,jPDR,j
其中,fDR,j为对第j个可中断用户支付的总补偿;Ccap,j为第j个用户的容量补偿价格;CapDR,j为第j个用户的最大可中断能力;Cpower,j为第j个用户的单位中断负荷补偿价格;PDR,j为第j个用户在实际调度中的中断电量,为0时表示未被调用;
步骤1.3)随机经济调度模型的建立:将上述所建立的可中断负荷模型和风电输出功率模型纳入到调度计划模型中,在某一调度周期t时段内,随机经济调度的目标函数为:
<mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>G</mi> </msub> </munderover> <msub> <mi>f</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>D</mi> <mi>R</mi> </mrow> </msub> </munderover> <msub> <mi>f</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>f</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <msubsup> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>b</mi> <mi>i</mi> </msub> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>c</mi> <mi>i</mi> </msub> </mrow>
其中,PG,i为机组i的有功出力;NG和NDR分别表示系统的机组总数量及参与可中断的用户数量;fG,i为机组i的运行费用;ai、bi、ci分别为机组运行费用二次函数的相关系数;
模型中考虑的约束条件包含等式约束条件和不等式约束条件,其中等式约束条件为:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>k</mi> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>+</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>&amp;Element;</mo> <mi>k</mi> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>W</mi> <mo>,</mo> <mi>m</mi> </mrow> </msub> <mo>-</mo> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>L</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <mi>k</mi> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>V</mi> <mi>k</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>V</mi> <mi>l</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>G</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <msub> <mi>cos&amp;theta;</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>B</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <msub> <mi>sin&amp;theta;</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>k</mi> </mrow> </munder> <msub> <mi>Q</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mo>(</mo> <mrow> <msub> <mi>Q</mi> <mrow> <mi>L</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <mi>k</mi> </mrow> </munder> <msub> <mi>Q</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>V</mi> <mi>k</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>V</mi> <mi>l</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>G</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <msub> <mi>cos&amp;theta;</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>B</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <msub> <mi>sin&amp;theta;</mi> <mrow> <mi>k</mi> <mi>l</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>N</mi> </mrow>
其中,QG,i为机组i的无功出力;PL,k和QL,k分别为节点k的有功和无功负荷;Vk、Vl分别表示节点k、l的电压幅值;Gkl、Bkl分别表示支路kl的电导和电纳;θkl为节点k的电压与节点l的电压之间的相角差;N为系统的节点总数;
不等式约束条件包含节点电压约束、机组有功及无功出力约束、可中断负荷可调能力约束和线路潮流约束,表示为:
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>V</mi> <mrow> <mi>k</mi> <mo>.</mo> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>V</mi> <mi>k</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>V</mi> <mrow> <mi>k</mi> <mo>.</mo> <mi>max</mi> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>N</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>.</mo> <mi>i</mi> <mo>.</mo> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>.</mo> <mi>i</mi> <mo>.</mo> <mi>max</mi> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>G</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>Q</mi> <mrow> <mi>G</mi> <mo>.</mo> <mi>i</mi> <mo>.</mo> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>Q</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>Q</mi> <mrow> <mi>G</mi> <mo>.</mo> <mi>i</mi> <mo>.</mo> <mi>max</mi> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>G</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>.</mo> <mi>j</mi> <mo>.</mo> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>R</mi> <mo>.</mo> <mi>j</mi> <mo>.</mo> <mi>max</mi> </mrow> </msub> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mrow> <mi>D</mi> <mi>R</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>|</mo> <msub> <mi>L</mi> <mi>l</mi> </msub> <mo>|</mo> <mo>&amp;le;</mo> <mo>|</mo> <msub> <mi>l</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>max</mi> </mrow> </msub> <mo>|</mo> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>L</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中,Vk.min和Vk.max分别表示节点k的电压幅值上下限;PG,i.min、QG,i.min和PG,i.max、QG,i.max分别为机组i的有功、无功出力上下限;PDR,j.min和PDR,j.max分别为第j个可中断负荷的可调能力上下限;Ll为流过线路l的电流,Ll.max为线路l热稳定约束下的最大电流限值;Nl为系统的总线路条数。
2.根据权利要求1所述的计及风电接入不确定性的经济运行评估方法,其特征在于:在步骤(2)中,所述的最优经济调度方案计算采用随机经济调度算法,其具体计算过程包括按顺序执行的下列步骤:
步骤2.1)初始化算法:抽样次数i=1;
步骤2.2)蒙特卡罗法抽样风电波动偏差量:利用步骤1.1)中的风电偏差量随机分布模型,采用蒙特卡罗模拟法对各个风电场的功率偏差量进行抽样,得到第i次仿真时的风电功率偏差量PW,Δ(i)=[PW,Δ1,PW,Δ2,…,PW,ΔNW]T;
步骤2.3)计算风电随机输出功率:将已知的各风电场的预测功率PWy和步骤2.2)得到的风电功率偏差量PW,Δ(i)进行代数求和,得到第i次模拟出的各风电场的随机输出功率PW(i)=[PW1,PW2,…,PWNW]T;
步骤2.4)确定系统初始调度方案及成本:设置系统各初始调度资源出力为:机组有功出力为上下限均值,PG,i=(PG,i.min+PG,i.max)/2;可中断负荷初始调用的中断电量为0;在该初始调度方案下结合系统初始数据计算系统运行状态及初始运行成本;
步骤2.5)求取最优化经济调度方案:以步骤2.4)的系统初始状态为基础,利用步骤1.3)所建立的随机经济调度模型,采用原-对偶内点法对该模型进行优化计算,得到各调度资源的最优出力,形成最优经济调度方案;
步骤2.6)结果标准差计算及收敛性判断:计算经济调度结果中机组总体出力的标准差β,判断β是否满足收敛性条件β<βmax;若满足,则转至步骤2.8);若不满足则继续下一步骤;
步骤2.7)抽样次数判断:抽样次数i=i+1,判断i是否大于样本总数NM;若i大于NM,则对该电力系统的随机经济调度计算不收敛;否则转至步骤2.2),继续重复上述计算过程直至计算结果收敛;
步骤2.8)求取调度方案的统计性结果:对满足收敛条件的结果样本进行统计性计算,利用机组出力结果、可中断负荷中断电量的平均值、最大值及标准差参数表示所形成的最优随机经济调度方案。
CN201410736191.8A 2014-12-05 2014-12-05 一种计及风电接入不确定性的经济运行评估方法 Expired - Fee Related CN104537428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410736191.8A CN104537428B (zh) 2014-12-05 2014-12-05 一种计及风电接入不确定性的经济运行评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410736191.8A CN104537428B (zh) 2014-12-05 2014-12-05 一种计及风电接入不确定性的经济运行评估方法

Publications (2)

Publication Number Publication Date
CN104537428A CN104537428A (zh) 2015-04-22
CN104537428B true CN104537428B (zh) 2017-12-15

Family

ID=52852947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410736191.8A Expired - Fee Related CN104537428B (zh) 2014-12-05 2014-12-05 一种计及风电接入不确定性的经济运行评估方法

Country Status (1)

Country Link
CN (1) CN104537428B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005878B (zh) * 2015-08-12 2018-05-25 国家电网公司 一种坚强智能电网的综合评估方法
CN105207253B (zh) * 2015-09-15 2017-11-21 重庆大学 考虑风电及频率不确定性的agc随机动态优化调度方法
CN105846467B (zh) * 2016-05-15 2018-09-14 华南理工大学 计及激励型需求响应的微电网负荷削减控制方法
CN106443568A (zh) * 2016-09-09 2017-02-22 上海电机学院 弹载阵列无源测向方法
CN107872055A (zh) * 2016-09-28 2018-04-03 北京南瑞电研华源电力技术有限公司 电网安全运行通信设备传输数据不确定度评定方法及装置
CN108649556B (zh) * 2018-04-16 2021-06-01 东南大学 一种电网应急场景随机优化调度方法
CN108879787B (zh) * 2018-08-17 2021-04-13 合肥工业大学 一种含风电的电网随机调度优化模型与方法
CN109449993B (zh) * 2018-12-26 2021-10-22 西安交通大学 一种面向多能互补电力系统的多时间尺度生产模拟方法
CN110880786B (zh) * 2019-11-24 2023-11-14 华南理工大学 一种消纳大规模风电的电-气互联系统鲁棒区间调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103720A (zh) * 2011-01-31 2011-06-22 南京航空航天大学 一种基于风险的微电网分布式发电备用优化配置方法
CN102751728A (zh) * 2012-07-26 2012-10-24 浙江大学 基于负荷中断模型的微网孤网运行的能量管理方法
CN103280812A (zh) * 2013-04-27 2013-09-04 国家电网公司 一种风电场集群无功电压优化控制方法
CN103296682A (zh) * 2013-05-09 2013-09-11 国家电网公司 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN103401257A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 含风电电网应对高峰期功率陡坡的多源协调型控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8706650B2 (en) * 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103720A (zh) * 2011-01-31 2011-06-22 南京航空航天大学 一种基于风险的微电网分布式发电备用优化配置方法
CN102751728A (zh) * 2012-07-26 2012-10-24 浙江大学 基于负荷中断模型的微网孤网运行的能量管理方法
CN103280812A (zh) * 2013-04-27 2013-09-04 国家电网公司 一种风电场集群无功电压优化控制方法
CN103296682A (zh) * 2013-05-09 2013-09-11 国家电网公司 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN103401257A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 含风电电网应对高峰期功率陡坡的多源协调型控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
计及风力发电的电力系统可靠性与动态经济调度研究;姜文;《中国博士学位论文全文数据库 工程科技Ⅱ辑 》;20120715(第7期);全文 *
面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究;王蓓蓓等;《中国电机工程学报》;20130805;第33卷(第22期);全文 *

Also Published As

Publication number Publication date
CN104537428A (zh) 2015-04-22

Similar Documents

Publication Publication Date Title
CN104537428B (zh) 一种计及风电接入不确定性的经济运行评估方法
Reddy Optimal scheduling of thermal-wind-solar power system with storage
CN107276127B (zh) 考虑联络线电力交易计划的多区域互联电力系统的风电消纳优化方法
Bertsimas et al. Adaptive robust optimization for the security constrained unit commitment problem
CN111555281A (zh) 一种电力系统灵活性资源配置仿真方法及装置
Hou et al. Data-driven robust day-ahead unit commitment model for hydro/thermal/wind/photovoltaic/nuclear power systems
Zhao et al. Optimal siting and sizing of Energy Storage System for power systems with large-scale wind power integration
CN111667136A (zh) 一种区域电力市场的出清方法、装置及存储介质
CN104239966B (zh) 一种主动配电网基于用电成本差异化的运营方法
Amicarelli et al. Optimization algorithm for microgrids day-ahead scheduling and aggregator proposal
Teng et al. Availability estimation of wind power forecasting and optimization of day-ahead unit commitment
CN114301081A (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
Qiu et al. Optimal scheduling for microgrids considering long-term and short-term energy storage
Zatsarinnaya et al. Outlook on the development of smart energy systems
Miljan et al. Optimal bidding for a large battery-electrolyzer facility in the day-ahead market
Ignat-Balaci et al. Day-Ahead Scheduling, Simulation, and Real-Time Control of an Islanded Microgrid.
Hesamzadeh et al. Transmission system augmentation based on the concepts of quantity withheld and monopoly rent for reducing market power
CN111178618A (zh) 一种智能电网负荷预测方法
Zhou et al. Smart bidding strategy of the demand-side loads based on the reinforcement learning
CN113328474B (zh) 一种新能源agc子站测试系统、方法、设备和介质
Huang et al. Energy decomposition of long and middle term contract in multi-energy system
CN114389315A (zh) 资源调度方法、装置及电子设备
Chen et al. Research on distributed renewable energy transaction decision-making based on multi-agent bilevel cooperative reinforcement learning
Castro et al. Stochastic Energy and Reserve Market in a Microgrid Environment
Yan et al. AUGMECON2-based multi-objective optimization of virtual power plant considering economical and security operation of the distribution networks

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171215

Termination date: 20181205

CF01 Termination of patent right due to non-payment of annual fee