CN105932722A - 计及风电出力不确定性的抽水蓄能-风电联合调度方法 - Google Patents
计及风电出力不确定性的抽水蓄能-风电联合调度方法 Download PDFInfo
- Publication number
- CN105932722A CN105932722A CN201610340010.9A CN201610340010A CN105932722A CN 105932722 A CN105932722 A CN 105932722A CN 201610340010 A CN201610340010 A CN 201610340010A CN 105932722 A CN105932722 A CN 105932722A
- Authority
- CN
- China
- Prior art keywords
- electricity generation
- wind
- formula
- represent
- country
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 claims abstract description 46
- 238000009987 spinning Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 7
- 239000000446 fuel Substances 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 156
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000002860 competitive effect Effects 0.000 claims description 16
- 238000005086 pumping Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 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 6
- 230000007423 decrease Effects 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 abstract 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种计及风电出力不确定性的抽水蓄能‑风电联合调度方法,步骤包括:针对含抽蓄电站、常规机组及风电场的发电系统制定抽水蓄能‑风电联合运行计划,建立基于常规机组的燃料费用和启停成本的目标函数并确定约束条件,生成常规机组所有可能出力的集合并作为搜索空间,在搜索空间中生成位置随机分布的决策变量,将决策变量作为国家采用帝国竞争算法求解结果来控制发电系统各常规机组的出力。本发明针对风电出力的不确定性引入旋转备用风险约束,精细化考虑了风电出力不确定性的影响,能够实现含风电发电系统运行经济性与可靠性的统筹协调,将抽水蓄能电站视为平抑风电出力波动性的技术手段与风电场联合运行,能够显著提高系统的经济效益。
Description
技术领域
本发明涉及抽水蓄能-风电联合调度方法,具体涉及一种计及风电出力不确定性的抽水蓄能-风电联合调度方法。
背景技术
风电是一种无污染、绿色的可再生能源,其分布广泛、能量密度高、利用效率高,适合大规模开发,因此,风力发电技术已受到了世界各国的高度重视。然而,由于风电出力具有随机性与波动性的特点,其大规模接入电网将会给传统的调度方法带来极大的挑战,因此,研究考虑风电接入的发电系统日前调度方法具有重要的理论价值与现实意义。目前很多专家学者从不同角度研究了风电接入的发电系统日前调度问题,普遍考虑了风电出力不确定性对系统的影响,但是从运行模式而言,均采用传统火电机组作为平抑风电出力波动性的手段,然而,传统火电机组调峰限制因素较多,且成本较高,仅利用其与风电联合运行,很难获得较低的运行成本和理想的平抑效果。大规模电力储能技术可望成为未来平抑风电出力波动性和随机性的一种有效技术手段。而抽水蓄能电站作为现阶段较为成熟的大规模储能技术之一,如何利用其与风电联合运行,缓解风电大规模并网给发电系统日前调度带来的不利影响,已成为近年来人们的研究热点。因此,如何考虑风电出力不确定性,解决各台发电机组之间的负荷经济分配问题,已经成为一项亟待解决的关键技术问题。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种能够有效平抑风电的波动性、降低系统的旋转备用需求、显著提高系统经济效益、实现了含风电电力系统运行经济性与可靠性的统筹协调、调度求解快速高效的计及风电出力不确定性的抽水蓄能-风电联合调度方法。
为了解决上述技术问题,本发明采用的技术方案为:
一种计及风电出力不确定性的抽水蓄能-风电联合调度方法,步骤包括:
1)针对含抽蓄电站、常规机组及风电场的发电系统,将抽蓄电站作为平抑风电出力波动性的技术手段控制抽蓄电站抽水工况与发电工况间的转换与风电场联合运行,制定抽水蓄能-风电联合运行计划,建立基于常规机组的燃料费用和启停成本的目标函数,确定发电系统的约束条件;
2)根据抽水蓄能-风电联合运行计划生成发电系统中各常规机组所有可能出力的集合;
3)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家、根据目标函数计算国家的势力、采用帝国竞争算法求解得到最优的一个决策变量作为结果来控制发电系统中各常规机组的出力。
优选地,所述步骤1)中的目标函数如式(1)所示;
式(1)中,表示目标函数,T为发电系统的调度周期,N为发电系统中发电常规机组数,Cn表示常规机组n的运行成本系数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,unt值为0表示常规机组n处于停机状态,unt值为1表示常规机组n处于开机状态,Snt为常规机组n在t时刻的启动费用。
优选地,所述步骤1)中确定发电系统的约束条件包括如式(2)所示不计网损的情况下的系统功率平衡约束;
式(2)中,N为发电系统中发电常规机组数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,表示在t时段风电的等效出力,表示第t时段的负荷预测值。
优选地,所述步骤1)中确定发电系统的约束条件还包括如式(3)所示的常规机组出力约束;
式(3)中,表示常规机组n在t时刻的出力,表示常规机组n的最小出力,表示常规机组n的最大出力。
优选地,所述步骤1)中确定发电系统的约束条件还包括如式(4)所示的上升爬坡速率约束、如式(5)所示的下降爬坡速率约束;
式(4)和式(5)中,表示常规机组n在t时刻的出力,表示常规机组n在t-1时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,DRn表示常规机组n的下降爬坡速率,URn表示常规机组n的上升爬坡速率,ΔT表示单位调度时段。
优选地,所述步骤1)中确定发电系统的约束条件还包括如式(6)所示的抽蓄电站库容约束、如式(7)所示的抽蓄电站输出功率约束、如式(8)所示的抽蓄电站日抽发电量约束;
式(6)中,Wo为抽蓄电站上水库初始水量,Wmax为抽蓄电站上水库最大水量,ηs为平均水量转换系数,T为发电系统的调度周期,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数,Wmin为抽蓄电站上水库最小水量;
式(7)中,表示时段t抽蓄电站处于发电工况的机组数,PG,min表示抽蓄电站发电机组的最低出力,为时段t抽蓄电站的发电功率,Ph表示抽蓄电站发电机组的额定功率,为时段t抽蓄电站处于抽水工况的机组数;
式(8)中,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,ηs为平均水量转换系数,τ为调度周期T内某一时刻,T为发电系统的调度周期,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数。
优选地,所述步骤1)中确定发电系统的约束条件还包括如式(9)所示的正旋转备用风险指数约束、如式(10)所示的负旋转备用风险指数约束,所述正旋转备用风险指数为风电的实际出力少于风电平均出力导致的正旋转备用不足的概率,所述负旋转备用风险指数为风电的实际出力大于平均出力导致的负旋转备用不足的概率;
Qd≤β (9)
Qu≤β (10)
式(9)和式(10)中,Qd为正旋转备用风险指数,Qu为负旋转备用风险指数,β为旋转备用风险阈值。
优选地,所述正旋转备用风险指数的函数表达式如式(11)所示;
式(11)中,Qd为正旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力少于风电平均出力导致的正旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
优选地,所述负旋转备用风险指数的函数表达式如式(12)所示;
式(12)中,Qu为负旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力大于平均出力导致的负旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
优选地,所述步骤3)的详细步骤包括:
3.1)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家country=[x1,x2,…,xg],其中g表示指定的维数,得到在搜索空间中的多个国家,每一个国家对应一个目标函数值
3.2)按照式(13)计算各个国家的势力,按照各个国家的势力大小将国家分为Nc个帝国主义国家,其余国家为殖民地国家;
式(13)中,Cn表示第n个国家的势力,fn表示第n个国家的目标函数值,fi表示第i个国家的目标函数值,m表示国家数量;
3.3)依照帝国主义国家间的势力大小来接管殖民地国家,使得势力越大的帝国主义国家殖民地国家越多,一个帝国主义国家及其所接管的殖民地国家组成一个帝国;
3.4)将殖民地国家代表的搜索空间中的位置向所属帝国的位置靠近并随机移动一定的距离,判断是否存在帝国主义国家势力小于殖民地国家,如果存在则将殖民地国家、所属帝国的帝国主义国家之间互换位置;
3.5)根据式(14)计算各个帝国的总势力,在总势力最弱的帝国中挑选势力最弱的殖民地国家按照式(15)的概率分配给其他Nc-1个有可能占有它的帝国,如果存在殖民地国家数量为0的帝国主义国家则消除该帝国主义国家的位置;
式(14)中,CAr表示帝国r的总势力,fr表示帝国r的目标函数值,σ为权重参数,表示帝国r占有殖民地的目标函数平均值,Nc表示帝国主义国家数量;
式(15)中,Pj表示将总势力最弱的帝国中挑选势力最弱的殖民地国家分配给帝国j的概率,CAj表示帝国j的总势力,Nc-1为可能占有总势力最弱的帝国中挑选势力最弱的殖民地国家的帝国数量;
3.6)判断是否只剩下唯一的帝国主义国家,如果不是则跳转执行步骤3.4),否则,将剩下唯一的帝国主义国家作为最优解输出。
本发明计及风电出力不确定性的抽水蓄能-风电联合调度方法具有下述优点:
1、本发明针对含抽蓄电站、常规机组及风电场的发电系统,将抽蓄电站作为平抑风电出力波动性的技术手段控制抽蓄电站抽水工况与发电工况间的转换与风电场联合运行,制定抽水蓄能-风电联合运行计划,能够有效平抑风电的波动性,降低系统的旋转备用需求,显著提高了系统的经济效益。
2、本发明建立基于常规机组的燃料费用和启停成本的目标函数,确定发电系统的约束条件,精细化地考虑了风电出力不确定性的影响,实现了含风电电力系统运行经济性与可靠性的统筹协调。
3、本发明在目标函数的基础上,根据抽水蓄能-风电联合运行计划生成发电系统中各常规机组所有可能出力的集合,将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家、根据目标函数计算国家的势力、采用帝国竞争算法求解得到最优的一个决策变量作为结果来控制发电系统中各常规机组的出力,利用帝国竞争算法解决了抽水蓄能-风电联合运行模型的求解难题,从而能够快速有效地解决各台发电常规机组之间的负荷经济分配问题。
附图说明
图1为本发明实施例方法的整体流程图。
图2为本发明实施例中的抽水蓄能-风电联合运行计划示意图。
图3为本发明实施例中所使用帝国竞争算法流程图。
具体实施方式
下文将以包含一个风电场、10台常规机组以及一个抽水蓄能电站的发电系统为例,对本实施例计及风电出力不确定性的抽水蓄能-风电联合调度方法进行进一步说明如下:
如图1所示,本实施例计及风电出力不确定性的抽水蓄能-风电联合调度方法的步骤包括:
1)针对含抽蓄电站、常规机组及风电场的发电系统,将抽蓄电站作为平抑风电出力波动性的技术手段控制抽蓄电站抽水工况与发电工况间的转换与风电场联合运行,制定抽水蓄能-风电联合运行计划,建立基于常规机组的燃料费用和启停成本的目标函数,确定发电系统的约束条件;
2)根据抽水蓄能-风电联合运行计划生成发电系统中各常规机组所有可能出力的集合;
3)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家、根据目标函数计算国家的势力、采用帝国竞争算法求解得到最优的一个决策变量作为结果来控制发电系统中各常规机组的出力。
本实施例中将抽蓄电站作为平抑风电出力波动性的技术手段控制抽蓄电站抽水工况与发电工况间的转换与风电场联合运行时,具体以风电场小时级的出力计划为基础,并考虑抽水蓄能电站出力特性及运行成本等因素,将平抑风电出力波动性作为目标,制定出抽水蓄能-风电联合运行计划,得到的抽水蓄能-风电联合运行计划如图2所示。参见图2可知,风电出力较高(高于预设阈值)时,抽水蓄能电站工作在抽水工况;风电出力较低(低于预设阈值)时,抽水蓄能电站则转换为发电工况。通过抽水蓄能电站与风电场的联合运行,可以有效地平抑风电出力的波动性。
本实施例中,步骤1)中的目标函数如式(1)所示;
式(1)中,表示目标函数,T为发电系统的调度周期,N为发电系统中发电常规机组数,Cn表示常规机组n的运行成本系数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,unt值为0表示常规机组n处于停机状态,unt值为1表示常规机组n处于开机状态,Snt为常规机组n在t时刻的启动费用。
本实施例中,步骤1)中确定发电系统的约束条件包括如式(2)所示不计网损的情况下的系统功率平衡约束;
式(2)中,N为发电系统中发电常规机组数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,表示在t时段风电的等效出力,表示第t时段的负荷预测值。
本实施例中,步骤1)中确定发电系统的约束条件还包括如式(3)所示的常规机组出力约束;
式(3)中,表示常规机组n在t时刻的出力,表示常规机组n的最小出力,表示常规机组n的最大出力。
本实施例中,步骤1)中确定发电系统的约束条件还包括如式(4)所示的上升爬坡速率约束、如式(5)所示的下降爬坡速率约束;
式(4)和式(5)中,表示常规机组n在t时刻的出力,表示常规机组n在t-1时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,DRn表示常规机组n的下降爬坡速率,URn表示常规机组n的上升爬坡速率,ΔT表示单位调度时段。
本实施例中,步骤1)中确定发电系统的约束条件还包括如式(6)所示的抽蓄电站库容约束、如式(7)所示的抽蓄电站输出功率约束、如式(8)所示的抽蓄电站日抽发电量约束;
式(6)中,Wo为抽蓄电站上水库初始水量,Wmax为抽蓄电站上水库最大水量,ηs为平均水量转换系数,T为发电系统的调度周期,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数,Wmin为抽蓄电站上水库最小水量;
式(7)中,表示时段t抽蓄电站处于发电工况的机组数,PG,min表示抽蓄电站发电机组的最低出力,为时段t抽蓄电站的发电功率,Ph表示抽蓄电站发电机组的额定功率,为时段t抽蓄电站处于抽水工况的机组数;
式(8)中,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,ηs为平均水量转换系数,τ为调度周期T内某一时刻,T为发电系统的调度周期,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数。
本实施例中,步骤1)中确定发电系统的约束条件还包括如式(9)所示的正旋转备用风险指数约束、如式(10)所示的负旋转备用风险指数约束,所述正旋转备用风险指数为风电的实际出力少于风电平均出力导致的正旋转备用不足的概率,所述负旋转备用风险指数为风电的实际出力大于平均出力导致的负旋转备用不足的概率;
Qd≤β (9)
Qu≤β (10)
式(9)和式(10)中,Qd为正旋转备用风险指数,Qu为负旋转备用风险指数,β为旋转备用风险阈值。旋转备用风险阈值β通常在0~10%之间取值。
本实施例中,正旋转备用风险指数的函数表达式如式(11)所示;
式(11)中,Qd为正旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力少于风电平均出力导致的正旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
本实施例中,负旋转备用风险指数的函数表达式如式(12)所示;
式(12)中,Qu为负旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力大于平均出力导致的负旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
帝国竞争算法是具有全局搜索能力的智能算法,其借鉴了人类在封建帝国时代,各帝国之间相互竞争并侵占对方殖民地以发展壮大的过程。该算法将初始种群个体定义为国家,按照势力大小,将国家为“帝国主义国家”和“殖民地国家”,势力作为衡量国家强大与否的指标,与优化目标函数相关,种群通过模拟帝国之间的竞争、获取殖民地的过程以寻求最优解。该算法主要分为初始化帝国、同化殖民地国家、帝国主义国家竞争、最弱帝国灭亡四个部分。本实施例中步骤3)利用帝国竞争算法解决了抽水蓄能-风电联合运行模型的求解难题,从而能够快速有效地解决各台发电机组之间的负荷经济分配问题。
如图3所示,本实施例中步骤3)的详细步骤包括:
3.1)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家country=[x1,x2,…,xg],其中g表示指定的维数,得到在搜索空间中的多个国家,每一个国家对应一个目标函数值
3.2)按照式(13)计算各个国家的势力,按照各个国家的势力大小将国家分为Nc个帝国主义国家,其余国家为殖民地国家;
式(13)中,Cn表示第n个国家的势力,fn表示第n个国家的目标函数值,fi表示第i个国家的目标函数值,m表示国家数量;
3.3)依照帝国主义国家间的势力大小来接管殖民地国家,使得势力越大的帝国主义国家殖民地国家越多,一个帝国主义国家及其所接管的殖民地国家组成一个帝国;
3.4)将殖民地国家代表的搜索空间中的位置向所属帝国的位置靠近并随机移动一定的距离,判断是否存在帝国主义国家势力小于殖民地国家,如果存在则将殖民地国家、所属帝国的帝国主义国家之间互换位置;
3.5)根据式(14)计算各个帝国的总势力,在总势力最弱的帝国中挑选势力最弱的殖民地国家按照式(15)的概率分配给其他Nc-1个有可能占有它的帝国,如果存在殖民地国家数量为0的帝国主义国家则消除该帝国主义国家的位置;
式(14)中,CAr表示帝国r的总势力,fr表示帝国r的目标函数值,σ为权重参数,表示帝国r占有殖民地的目标函数平均值,Nc表示帝国主义国家数量;
式(15)中,Pj表示将总势力最弱的帝国中挑选势力最弱的殖民地国家分配给帝国j的概率,CAj表示帝国j的总势力,Nc-1为可能占有总势力最弱的帝国中挑选势力最弱的殖民地国家的帝国数量;
3.6)判断是否只剩下唯一的帝国主义国家,如果不是则跳转执行步骤3.4),否则,将剩下唯一的帝国主义国家作为最优解输出。
通过上述步骤,完成计及风电出力不确定性的抽水蓄能-风电联合优化调度。
本实施例中计算过程中,常规机组参数和负荷数据以及风电场出力数据来源于科研文献。使用了Matlab进行了编程实现,取发电成本最小的那次作为最终计算结果。为了对比分析本实施例计及风电出力不确定性的抽水蓄能-风电联合调度方法的有效性与正确性,制定出抽水蓄能-风电联合运行计划时确立以下三种运行方式:
运行方式1:不计抽水蓄能电站调度,风电场独立运行,令旋转备用风险阈值β为0,风电的正负旋转备用需求为风电出力的最大波动幅值,此时发电系统的调度模型实质上为传统风电确定性调度模型。运行方式2:计入抽水蓄能电站调度,风电场与抽水蓄能电站联合运行,且令旋转备用风险阈值β为0,此时发电系统的调度模型实质上为计及抽水蓄能-风电联合运行的风电确定性调度模型。运行方式3:计入抽水蓄能电站调度,风电场与抽水蓄能电站联合运行,且令旋转备用风险阈值β为0.01,此时发电系统的调度模型实质上为计及风电出力不确定性的抽水蓄能-风电联合调度模型。本实施例中,按运行方式3进行仿真计算得出的24小时优化计算结果如表1所示,三种运行方式下的系统运行成本如表2所示。
表1:运行方式3下10台常规机组的优化计算结果。
由表1可知,本申请调度方法的仿真结果为24个时刻的发电费用、启停费用,以及各个时刻常规机组的启停状态与出力安排,为一次帝国竞争算法的输出结果。
表2:三种运行方式下的系统运行成本比较表。
方式 | 发电费用/$ | 启停费用/$ | 总费用/$ |
方式1 | 568541 | 6580 | 575121 |
方式2 | 558854 | 6560 | 565414 |
方式3 | 556762 | 6320 | 563082 |
由表2可知,运行方式3下的运行成本均低于运行方式1与运行方式2,验证了本申请调度方法的正确性与有效性。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于步骤包括:
1)针对含抽蓄电站、常规机组及风电场的发电系统,将抽蓄电站作为平抑风电出力波动性的技术手段控制抽蓄电站抽水工况与发电工况间的转换与风电场联合运行,制定抽水蓄能-风电联合运行计划,建立基于常规机组的燃料费用和启停成本的目标函数,确定发电系统的约束条件;
2)根据抽水蓄能-风电联合运行计划生成发电系统中各常规机组所有可能出力的集合;
3)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家、根据目标函数计算国家的势力、采用帝国竞争算法求解得到最优的一个决策变量作为结果来控制发电系统中各常规机组的出力。
2.根据权利要求1所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中的目标函数如式(1)所示;
式(1)中,表示目标函数,T为发电系统的调度周期,N为发电系统中发电常规机组数,Cn表示常规机组n的运行成本系数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,unt值为0表示常规机组n处于停机状态,unt值为1表示常规机组n处于开机状态,Snt为常规机组n在t时刻的启动费用。
3.根据权利要求1所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中确定发电系统的约束条件包括如式(2)所示不计网损的情况下的系统功率平衡约束;
式(2)中,N为发电系统中常规机组数,表示常规机组n在t时刻的出力,unt表示常规机组n在t时刻的状态,表示在t时段风电的等效出力,表示第t时段的负荷预测值。
4.根据权利要求3所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中确定发电系统的约束条件还包括如式(3)所示的常规机组出力约束;
式(3)中,表示常规机组n在t时刻的出力,表示常规机组n的最小出力,表示常规机组n的最大出力。
5.根据权利要求4所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中确定发电系统的约束条件还包括如式(4)所示的上升爬坡速率约束、如式(5)所示的下降爬坡速率约束;
式(4)和式(5)中,表示常规机组n在t时刻的出力,表示常规机组n在t-1时刻的出力,unt表示常规机组n在t时刻的状态,un(t-1)表示常规机组n在t-1时刻的状态,DRn表示常规机组n的下降爬坡速率,URn表示常规机组n的上升爬坡速率,△T表示单位调度时段。
6.根据权利要求5所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中确定发电系统的约束条件还包括如式(6)所示的抽蓄电站库容约束、如式(7)所示的抽蓄电站输出功率约束、如式(8)所示的抽蓄电站日抽发电量约束;
式(6)中,Wo为抽蓄电站上水库初始水量,Wmax为抽蓄电站上水库最大水量,ηs为平均水量转换系数,T为发电系统的调度周期,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数,Wmin为抽蓄电站上水库最小水量;
式(7)中,表示时段t抽蓄电站处于发电工况的机组数,PG,min表示抽蓄电站发电机组的最低出力,为时段t抽蓄电站的发电功率,Ph表示抽蓄电站发电机组的额定功率,为时段t抽蓄电站处于抽水工况的机组数;
式(8)中,为时段t抽蓄电站的发电功率,ηG为平均电量转换系数,ηs为平均水量转换系数,τ为调度周期T内某一时刻,T为发电系统的调度周期,PS为抽蓄电站的抽水功率,为时段t抽蓄电站处于抽水工况的机组数。
7.根据权利要求6所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤1)中确定发电系统的约束条件还包括如式(9)所示的正旋转备用风险指数约束、如式(10)所示的负旋转备用风险指数约束,所述正旋转备用风险指数为风电的实际出力少于风电平均出力导致的正旋转备用不足的概率,所述负旋转备用风险指数为风电的实际出力大于平均出力导致的负旋转备用不足的概率;
Qd≤β (9)
Qu≤β (10)
式(9)和式(10)中,Qd为正旋转备用风险指数,Qu为负旋转备用风险指数,β为旋转备用风险阈值。
8.根据权利要求7所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述正旋转备用风险指数的函数表达式如式(11)所示;
式(11)中,Qd为正旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力少于风电平均出力导致的正旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
9.根据权利要求7所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述负旋转备用风险指数的函数表达式如式(12)所示;
式(12)中,Qu为负旋转备用风险指数,q{}表示大括号{}中事件发生的概率,大括号{}中事件为风电的实际出力大于平均出力导致的负旋转备用不足的事件,PW为风机的输出功率,为风电平均出力,RGp为发电系统可以提供的正旋转备用,RLp为发电系统中常规机组的正旋转备用需求。
10.根据权利要求1~9中任意一项所述的计及风电出力不确定性的抽水蓄能-风电联合调度方法,其特征在于,所述步骤3)的详细步骤包括:
3.1)将发电系统中各常规机组所有可能出力的集合作为搜索空间,在搜索空间中生成位置随机分布的多个指定维数的决策变量,将决策变量作为帝国竞争算法的国家country=[x1,x2,…,xg],其中g表示指定的维数,得到在搜索空间中的多个国家,每一个国家对应一个目标函数值
3.2)按照式(13)计算各个国家的势力,按照各个国家的势力大小将国家分为Nc个帝国主义国家,其余国家为殖民地国家;
式(13)中,Cn表示第n个国家的势力,fn表示第n个国家的目标函数值,fi表示第i个国家的目标函数值,m表示国家数量;
3.3)依照帝国主义国家间的势力大小来接管殖民地国家,使得势力越大的帝国主义国家殖民地国家越多,一个帝国主义国家及其所接管的殖民地国家组成一个帝国;
3.4)将殖民地国家代表的搜索空间中的位置向所属帝国的位置靠近并随机移动一定的距离,判断是否存在帝国主义国家势力小于殖民地国家,如果存在则将殖民地国家、所属帝国的帝国主义国家之间互换位置;
3.5)根据式(14)计算各个帝国的总势力,在总势力最弱的帝国中挑选势力最弱的殖民地国家按照式(15)的概率分配给其他Nc-1个有可能占有它的帝国,如果存在殖民地国家数量为0的帝国主义国家则消除该帝国主义国家的位置;
式(14)中,CAr表示帝国r的总势力,fr表示帝国r的目标函数值,σ为权重参数,表示帝国r占有殖民地的目标函数平均值,Nc表示帝国主义国家数量;
式(15)中,Pj表示将总势力最弱的帝国中挑选势力最弱的殖民地国家分配给帝国j的概率,CAj表示帝国j的总势力,Nc-1为可能占有总势力最弱的帝国中挑选势力最弱的殖民地国家的帝国数量;
3.6)判断是否只剩下唯一的帝国主义国家,如果不是则跳转执行步骤3.4),否则,将剩下唯一的帝国主义国家作为最优解输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340010.9A CN105932722A (zh) | 2016-05-20 | 2016-05-20 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610340010.9A CN105932722A (zh) | 2016-05-20 | 2016-05-20 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105932722A true CN105932722A (zh) | 2016-09-07 |
Family
ID=56840850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610340010.9A Pending CN105932722A (zh) | 2016-05-20 | 2016-05-20 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105932722A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447218A (zh) * | 2016-10-14 | 2017-02-22 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 |
CN108155674A (zh) * | 2018-02-01 | 2018-06-12 | 清华大学 | 考虑不确定分布特性的水火电联合调度方法及系统 |
CN108199419A (zh) * | 2018-01-23 | 2018-06-22 | 华北电力大学(保定) | 一种储能系统出力控制方法及系统 |
CN109447456A (zh) * | 2018-10-24 | 2019-03-08 | 国网四川省电力公司南充供电公司 | 计及短期需求响应的风电并网电力系统规划方法 |
CN109659985A (zh) * | 2019-01-14 | 2019-04-19 | 华北电力大学 | 基于大规模风电和可调节负荷的电力系统联合调度方法 |
CN110797888A (zh) * | 2019-10-10 | 2020-02-14 | 清华大学 | 基于柔性直流输电和抽蓄电站蓄能的电力系统调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140060028A1 (en) * | 2011-03-07 | 2014-03-06 | Roentdek-Handels Gmbh | Pumped-Storage Power Plant |
CN104810861A (zh) * | 2015-04-23 | 2015-07-29 | 广西电网有限责任公司电力科学研究院 | 一种低压配电网中分布式电源的优化选址与定容方法 |
CN105356516A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 基于抛物线模型的机组禁运区的λ迭代电力系统调度方法 |
-
2016
- 2016-05-20 CN CN201610340010.9A patent/CN105932722A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140060028A1 (en) * | 2011-03-07 | 2014-03-06 | Roentdek-Handels Gmbh | Pumped-Storage Power Plant |
CN104810861A (zh) * | 2015-04-23 | 2015-07-29 | 广西电网有限责任公司电力科学研究院 | 一种低压配电网中分布式电源的优化选址与定容方法 |
CN105356516A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 基于抛物线模型的机组禁运区的λ迭代电力系统调度方法 |
Non-Patent Citations (2)
Title |
---|
徐飞等: "抽水蓄能电站与风电的联合优化运行建模及应用分析", 《电力系统自动化》 * |
杨楠等: "计及大规模风电和柔性负荷的电力系统供需侧联合随机调度方法", 《中国电机工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447218A (zh) * | 2016-10-14 | 2017-02-22 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
CN106447218B (zh) * | 2016-10-14 | 2019-07-09 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 |
CN108199419A (zh) * | 2018-01-23 | 2018-06-22 | 华北电力大学(保定) | 一种储能系统出力控制方法及系统 |
CN108199419B (zh) * | 2018-01-23 | 2022-04-19 | 华北电力大学(保定) | 一种储能系统出力控制方法及系统 |
CN108155674A (zh) * | 2018-02-01 | 2018-06-12 | 清华大学 | 考虑不确定分布特性的水火电联合调度方法及系统 |
CN108155674B (zh) * | 2018-02-01 | 2020-02-21 | 清华大学 | 考虑不确定分布特性的水火电联合调度方法及系统 |
CN109447456A (zh) * | 2018-10-24 | 2019-03-08 | 国网四川省电力公司南充供电公司 | 计及短期需求响应的风电并网电力系统规划方法 |
CN109447456B (zh) * | 2018-10-24 | 2022-07-22 | 国网四川省电力公司南充供电公司 | 计及短期需求响应的风电并网电力系统规划方法 |
CN109659985A (zh) * | 2019-01-14 | 2019-04-19 | 华北电力大学 | 基于大规模风电和可调节负荷的电力系统联合调度方法 |
CN110797888A (zh) * | 2019-10-10 | 2020-02-14 | 清华大学 | 基于柔性直流输电和抽蓄电站蓄能的电力系统调度方法 |
CN110797888B (zh) * | 2019-10-10 | 2020-12-11 | 清华大学 | 基于柔性直流输电和抽蓄电站蓄能的电力系统调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105932722A (zh) | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 | |
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
CN104993523B (zh) | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 | |
WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
CN106446383B (zh) | 基于改进约束序优化的不确定性机组组合问题求解方法 | |
CN104882905B (zh) | 一种考虑暂态安全约束的新能源接纳能力评估方法 | |
CN107800153B (zh) | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 | |
CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
CN106058917A (zh) | 一种计及光伏发电的电力系统动态经济调度方法 | |
CN109728578A (zh) | 基于牛顿法求解分位数的电力系统随机动态机组组合方法 | |
CN105790265A (zh) | 一种考虑交流潮流约束的不确定性机组组合模型及求解方法 | |
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
CN106026184A (zh) | 一种面向电网调峰的抽水蓄能电站与风电联合系统及其优化调度方法 | |
CN103699941A (zh) | 一种电力系统调度运行年方案的制定方法 | |
CN103632309A (zh) | 一种风火蓄节能减排机组组合的求解方法 | |
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 | |
CN106953363A (zh) | 一种风电场限功率运行状态下电网旋转备用优化配置方法 | |
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 | |
An et al. | Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations | |
CN109146320A (zh) | 一种考虑配电网安全性的虚拟电厂优化调度方法 | |
CN104682447A (zh) | 一种含多风电场的电力系统经济调度方法 | |
CN110535174A (zh) | 一种考虑风电场疲劳载荷分布和产能的有功功率控制方法 | |
CN109742796A (zh) | 一种风光水火储联合系统的多时间尺度协调调度方法 | |
CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |