具体实施方式
本发明的核心是提供一种基于两阶段机组组合的新能源优先调度方法,以实现进一步优化新能源优先调度,提升新能源运行水平。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为一种基于两阶段机组组合的新能源优先调度方法,该方法包括:
S11:获取发电机组组合所需的基本参数;
S12:将发电机组按启停时间长短分为慢机组和快机组;
S13:设定长期机组组合的初始时刻T0,确定适用于长期机组组合的新能源出力预测序列值和系统备用容量配置序列值;
S14:依据长期机组组合模型、基本参数以及适用于长期机组组合的新能源出力预测序列值和系统备用容量配置序列值,确定各发电机组未来120小时发电计划;
S15:设定短期机组组合的初始时刻TT0,确定适用于短期机组组合的新能源出力预测序列值和系统备用容量配置序列值;
S16:依据短期机组组合模型、基本参数以及适用于短期机组组合的新能源出力预测序列值和系统备用容量配置序列值,修正各发电机组的发电计划。
可见,提出适应新能源优先调度的中长期与短期相结合的两阶段机组组合模型,研究成果为进一步做好新能源优先调度、提升新能源运行水平提供有益支撑,实现分别以120小时为优化周期以及以24小时为优化周期的长期和短期机组组合相结合,尽最大限度实现启停时间较长的火电机组与新能源联合优化运行,以及尽最大限度发挥滚动修正的新能源功率预测对新能源日内调度的指导作用,为进一步促进新能源优先调度提供支撑,所以该方法实现进一步优化新能源优先调度,提升新能源运行水平。
基于上述方法,具体的,基本参数包括电网中新能源装机容量、常规电源装机总容量、常规电源机组类型、单机容量、台数、最小技术出力、启停成本、燃料成本、CO2排放成本、新能源出力曲线和负荷出力曲线。
其中,各发电机组未来120小时发电计划包括启停计划和出力值。
其中,对于长期机组组合,优化时长168小时,时间间隔1小时;对于短期机组组合,优化时长24小时,时间间隔1小时。
具体的,步骤S13中,设定长期机组组合的初始时刻T0,确定T0~T0+167h时间段内适用于长期机组组合的新能源出力预测序列值和系统备用容量配置序列值。
步骤S15中,设定短期机组组合的初始时刻TT0,确定TT0~TT0+23h时间段内适用于短期机组组合的新能源出力预测序列值和系统备用容量配置序列值。
具体的,长期机组组合模型以系统发电成本和切负荷成本最低为目标函数,约束条件包括功率平衡约束、备用容量约束、最大、最小出力限制、常规机组启停约束、弃风量限制、切负荷量限制这些约束条件。
短期机组组合模型以系统发电成本和切负荷成本最低为目标函数,约束条件包括功率平衡约束、备用容量约束、最大、最小出力限制、常规机组启停约束、弃风量限制、切负荷量限制这些约束条件。
具体的,步骤S16之后,还包括以下步骤:
S17:判断是否需要对短期机组组合进行滚动修正,若是,TT0=TT0+3,回到步骤S15。
S18:判断是否继续调度工作,若是,T0=T0+119,回到步骤S13。
本发明提出的一种基于两阶段机组组合的新能源优先调度方法,两阶段机组组合即长期机组组合与短期机组组合,其中长期机组组合模型充分考虑燃煤机组启停时间长的特点,为减少机组频繁启停,保证系统运行安全,以7天为优化周期,旨在确定未来5天启动时间较长机组的发电计划(包括启停计划和发电出力计划),并提前计划下一阶段优化周期(如第6天~第12天)前两天的发电计划,保障下一阶段发电计划的连续、可行。短期机组组合模型充分考虑风电功率预测随着预测时间尺度的缩短,预测精度不断改善的特点,并考虑系统中存在小型燃煤、燃气等启停速度较快机组的可能性,以24小时为优化周期,以4小时为滚动修正步长,改进长期机组组合发电计划,最大限度提高风电消纳空间。
本方法在分析我国风电富集地区运行特点的基础上,提出适应我国新能源优先调度的中长期与短期相结合的两阶段机组组合模型,研究成果为进一步做好新能源优先调度、提升新能源运行水平提供有益支撑。本发明的主要目的是针对国内新能源优先调度方法强调利益平衡且未充分考虑我国风电富集省份常规电源以燃煤机组为主、机组启动时间长、运行灵活性差的特点的问题,提出一种基于两阶段机组组合的新能源优先调度方法,为进一步做好新能源优先调度、提升新能源运行水平提供支撑。需要说明的是,本文中的S11即指代步骤1,S12即指代步骤2,S13即指代步骤3,S14即指代步骤4,S15即指代步骤5,S16即指代步骤6,S17即指代步骤7,S18即指代步骤8。
基于上述方法,进一步的,整个方法参考图2,整个方法的具体步骤如下:
1)给定计算机组组合所需的基本参数,包括电网中新能源装机容量、常规电源装机总容量、常规电源机组类型、单机容量、台数、最小技术出力、启停成本、燃料成本、CO2排放成本、新能源出力曲线、负荷出力曲线。
收集典型电网基本资料,包括系统峰值负荷、风电和光伏特性曲线、负荷特性曲线、常规电源类型、常规电源装机容量、常规电源单机容量和台数、常规电源最小技术出力、启停成本、燃料成本、CO2排放成本等,例如参考表1所示,表1案例系统常规机组发电参数。
表1
2)将发电机组按启停时间长短分为慢机组和快机组两类。粗略可按机组容量进行分类。一般认为容量小的机组启动时间较短,归为快机组类;容量大的机组启动时间较长,归为慢机组类。具体根据应用系统的实际情况确定。一般来说,日内可启停的归为快机组类,启停时间超过一天的归为慢机组。例如参考表2所示,表2为案例系统常规机组类型。
表2
机组类型 |
单机容量(MW) |
机组台数 |
机组分类 |
Coal-XL |
600 |
5 |
慢 |
Coal-M1 |
300 |
5 |
慢 |
Coal-M2 |
300 |
10 |
慢 |
Coal-M3 |
300 |
4 |
慢 |
Coal-S1 |
200 |
6 |
快 |
Coal-S2 |
200 |
11 |
快 |
Coal-XS |
100 |
8 |
快 |
3)给定长期机组组合计算初始时刻T0,确定T0~T0+167时段适用于长期机组组合(优化时长168小时,时间间隔1小时)的新能源出力预测序列值(以1小时为间隔的未来168小时数据)以及系统备用容量配置序列值(以1小时为间隔的未来168小时数据)。
新能源出力预测序列值即为风电功率预测序列值,风电功率预测序列值获取方式为:采用风电历史出力的容量系数作为风电出力预期,纳入机组组合模型。具体而言,以优化时段前后各两周的风电历史出力容量系数作为该优化时间尺度的风电功率预测值。对于优化时段Topti(i=1,2,...73),时段长度为7天(168小时),则Topti内各时刻t的风电功率预测值如下:
其中,为历史风电出力的容量系数,Pwindinstall为当前风电装机容量,t0i为优化时段的段首时点。
系统备用容量配置序列值:对于风电功率预测不确定性模型,根据历史风电功率预测误差生成风电功率预测误差的概率分布模型。对于机组停运,根据系统内机组的容量和强迫停运率,就能计算机组停运容量表。考虑每台机组i只有正常运行和停运2个状态,不考虑多状态机组。机组i的强迫停运概率FOPi如下计算:
其中,FORi为机组i的强迫停运率,MTTRi为机组i的平均修复时间。
若同类型机组总数为n,其中有k台停运,则状态k的概率pk为
4)基于长期机组组合模型,以及适用于长期机组组合的新能源出力预测序列值、系统备用容量配置序列值、及给定电网基本参数等,确定各类机组未来120小时发电计划(包括启停计划和出力值):长期机组组合模型以系统发电成本和切负荷成本最低为目标函数,考虑功率平衡约束、备用容量约束、最大、最小出力限制、常规机组启停约束、弃风量限制、切负荷量限制等约束条件;以168小时(7天)为优化周期,优化确定未来120小时(5天)启动时间较长机组的发电计划。
目标函数:
其中,CGen(t)为时刻t的发电成本,CLC(t)为时刻t系统切负荷成本,T为机组组合时间尺度,如8760小时。
发电成本CGen(t)如下式表示,由机组启停成本、固定运行成本以及增量运行成本三部分组成。各运行成本中包括机组燃料成本和CO2排放成本两部分。
其中,UN为所有机组类型,uN为机组子类型。cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本(元/兆瓦时)、固定运行成本(元/兆瓦时)以及增量运行成本(元/兆瓦时)。Vstart(uN,t)为机组启停次数,为在线机组台数,为机组发电出力(兆瓦时)。
切负荷成本CLC(t)如下式表示,是由系统发电不足引起切负荷后引起的系统成本。
CLC(t)=cvoll·Vloadcurt(t)
其中,cvoll为损失负荷价值(Value of Lost Load,元/千瓦时),Vloadcurt(t)为切负荷量(兆瓦时)。
约束条件:
①功率平衡约束
其中,Pwind(t)为时刻t的风电出力(预期或预测值),为时刻t的弃风出力,Vloadcurt(t)为时刻t的切负荷量,Pdem(t)为时刻t的负荷值。
②备用容量约束
其中,式(6)为上调备用约束,式(7)为下调备用约束。Pres_up(t)为上调备用需求量(兆瓦);Pres_dn(t)为下调备用需求量(兆瓦);Pmax(uN)、Pmin(uN)分别为类型uN机组的单机最大出力和最小出力。
③最大、最小出力限制
其中,N(uN)为类型uN机组的机组台数。
④常规机组启停约束
⑤弃风量限制
⑥切负荷量限制
案例结果如图3,图3为长期机组组合不同类型机组t1-t120时段出力计划示意图。
5)给定短期机组组合计算初始时刻TT0,首次计算时TT0=T0,确定TT0~TT0+23时段确定适用于短期机组组合(优化时长24小时,时间间隔1小时)的新能源出力预测序列值(以1小时为间隔的未来24小时数据)以及系统备用容量配置序列值(以1小时为间隔的未来24小时数据)。
新能源出力预测序列值即为风电功率预测序列值,风电功率预测序列值获取方式为:通过对风电功率历史数据的分析得到风电功率预测值。基本思路如下:
Pwind(t+k)=f(Pwind(t),Pwind(t-1),Pwind(t-2),Pwind(t-3),Pwind(t-4)) (15)
其中,为历史风电出力的容量系数,Pwindinstall为当前风电装机容量,t0i为优化时段的段首时点。
系统备用容量配置序列值:对于风电功率预测不确定性模型,根据历史风电功率预测误差生成风电功率预测误差的概率分布模型。对于机组停运,根据系统内机组的容量和强迫停运率,就能计算机组停运容量表。考虑每台机组i只有正常运行和停运2个状态,不考虑多状态机组。机组i的强迫停运概率FOPi如下计算:
其中,FORi为机组i的强迫停运率,MTTRi为机组i的平均修复时间。
若同类型机组总数为n,其中有k台停运,则状态k的概率pk为
6)基于短期机组组合模型,以及适用于短期机组组合的新能源出力预测序列值、系统备用容量配置序列值、及给定电网基本参数等,修正各类机组发电计划。其中,对于慢机组类中各机组,仅修正发电出力值,启停计划不再修正;对于快机组类中各机组,发电出力值和启停计划均可根据系统接纳新能源需要进行修正。短期机组组合模型以系统发电成本和切负荷成本最低为目标函数,考虑功率平衡约束、备用容量约束、最大、最小出力限制、常规机组启停约束、弃风量限制、切负荷量限制等约束条件;以24小时为优化周期,改进长期机组组合发电计划,确定各机组未来24小时出力计划,最大限度提高新能源发电消纳空间。
目标函数:
其中,CGen(t)为时刻t的发电成本,CLC(t)为时刻t系统切负荷成本,T为机组组合时间尺度,如8760小时。
发电成本CGen(t)如下式表示,由机组启停成本、固定运行成本以及增量运行成本三部分组成。各运行成本中包括机组燃料成本和CO2排放成本两部分。
其中,UN为所有机组类型,uN为机组子类型。cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本(元/兆瓦时)、固定运行成本(元/兆瓦时)以及增量运行成本(元/兆瓦时)。Vstart(uN,t)为机组启停次数,为在线机组台数,为机组发电出力(兆瓦时)。
切负荷成本CLC(t)如下式表示,是由系统发电不足引起切负荷后引起的系统成本。
CLC(t)=cvoll·Vloadcurt(t)
其中,cvoll为损失负荷价值(Value of Lost Load,元/千瓦时),Vloadcurt(t)为切负荷量(兆瓦时)。
约束条件:
①功率平衡约束
其中,Pwind(t)为时刻t的风电出力(预期或预测值),Vwindcurt(t)为时刻t的弃风出力,Vloadcurt(t)为时刻t的切负荷量,Pdem(t)为时刻t的负荷值。
②备用容量约束
其中,式(20)为上调备用约束,式(21)为下调备用约束。Pres_up(t)为上调备用需求量(兆瓦);Pres_dn(t)为下调备用需求量(兆瓦);Pmax(uN)、Pmin(uN)分别为类型uN机组的单机最大出力和最小出力。
③最大、最小出力限制
其中,N(uN)为类型uN机组的机组台数。
④常规机组启停约束
⑤弃风量限制
⑥切负荷量限制
案例结果参考图4,图4为短期机组组合不同类型机组t1-t24时段出力计划示意图。
7)TT0=TT0+3,重复步骤5)~7),直到TT0=T0+116,直至短期机组组合滚动修正结束;
8)T0=T0+119,回到步骤3),直至调度工作结束。
综上,本发明所提供的一种基于两阶段机组组合的新能源优先调度方法,获取发电机组组合所需的基本参数;将发电机组按启停时间长短分为慢机组和快机组;设定长期机组组合的初始时刻T0,确定适用于长期机组组合的新能源出力预测序列值和系统备用容量配置序列值;依据长期机组组合模型、基本参数以及适用于长期机组组合的新能源出力预测序列值和系统备用容量配置序列值,确定各发电机组未来120小时发电计划;设定短期机组组合的初始时刻TT0,确定适用于短期机组组合的新能源出力预测序列值和系统备用容量配置序列值;依据短期机组组合模型、基本参数以及适用于短期机组组合的新能源出力预测序列值和系统备用容量配置序列值,修正各发电机组的发电计划。可见,提出适应新能源优先调度的中长期与短期相结合的两阶段机组组合模型,研究成果为进一步做好新能源优先调度、提升新能源运行水平提供有益支撑,实现分别以120小时为优化周期以及以24小时为优化周期的长期和短期机组组合相结合,尽最大限度实现启停时间较长的火电机组与新能源联合优化运行,以及尽最大限度发挥滚动修正的新能源功率预测对新能源日内调度的指导作用,为进一步促进新能源优先调度提供支撑,所以该方法实现进一步优化新能源优先调度,提升新能源运行水平。
以上对本发明所提供的一种基于两阶段机组组合的新能源优先调度方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。