CN106709159B - 一种考虑奖惩制度的光伏发电调度方法 - Google Patents
一种考虑奖惩制度的光伏发电调度方法 Download PDFInfo
- Publication number
- CN106709159B CN106709159B CN201611099881.2A CN201611099881A CN106709159B CN 106709159 B CN106709159 B CN 106709159B CN 201611099881 A CN201611099881 A CN 201611099881A CN 106709159 B CN106709159 B CN 106709159B
- Authority
- CN
- China
- Prior art keywords
- reward
- punishment
- output power
- epsilon
- power
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 18
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims 1
- 238000005728 strengthening Methods 0.000 claims 1
- 238000013178 mathematical model Methods 0.000 abstract 2
- 239000002245 particle Substances 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000000137 annealing Methods 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种考虑奖惩制度的光伏发电调度方法。以特定时间窗口输出功率偏移率之和最小为目标建立数学模型，在建立数学模型的基础上，初步得到计划输出功率，并在此基础上引入奖惩制度进行修正，得到当天计划的光伏发电调度曲线。该方法通过建立新的光伏曲线的调度方法，一方面满足了传统电源的调度方法，减小了光伏发电的波动性，另一方面通过引入奖惩机制，使得调度曲线随着时间不断优化，使输出调度曲线更加平稳，也提高了光伏发电的利用率。
Description
技术领域：
本发明涉及一种考虑奖惩制度的光伏发电调度方法。
背景技术:
光伏在我国实现了大规模并网，但由于电网公司认为光伏发电的波动性大，为了满足整个电网对用户的供电质量的要求，对与光伏发电的调度较为保守，导致目前光伏发电的利用率不高。
发明内容:
为了实现上述目的，本发明采用如下技术方案。
一种考虑奖惩制度的光伏发电调度方法，包括以下步骤：
(1)参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口计划输出功率Ppl，如下式所述：
式中，Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔；N为由Δt构成时间窗口ΔT的个数。
(2)为了使调度曲线更加优化而引入奖惩制度，然后通过历史数据利用奖惩制度来滚动调整其计划输出功率，为了更方便判断在引入奖惩制度中出现的不同的情形，设立εoe为奖惩制度的判据，εoe表示如下：
式中，εoe(i)中的i表示历史参考数据中的第i天；Ppl(i)为第i天的计划输出功率；
为第i天实际的输出功率。
依据在前三天中的εoe变化趋势来实现以下的奖惩机制：
1)若前三天的εoe>0的情况居多，则需在Ppl的基础上进行一定的惩罚，即降低接下来一天的计划输出功率Ppl；
2)在满足机制1)的基础上，若前三天的εoe呈上升趋势，则需要对惩罚进行一定程度上的增强，既降低接下来一天的计划输出功率Ppl；
3)在满足机制1)的基础上，若前三天的εoe呈下降趋势，需要对惩罚进行一定程度上的削弱，既降低接下来一天的计划输出功率Ppl；
4)若前三天的εoe均等于0，则需在Ppl的基础上进行一定的奖励，即提高接下来一天的计划输出功率Ppl。
进一步的，在当天的光伏发电调度中，如果光伏电站实际发出的功率Pout大于或等于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Ppl；如果光伏电站实际发出的功率Pout小于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Pout，即表示为：
(3)在奖惩机制的基础上，得到进行奖惩机制后的计划输出功率P′pl，相关表达式如下：
P′pl＝k·Pp (5)
b＝εoe(i)-εoe(i-1) (7)
式中，P′pl为进行奖惩机制后的计划输出功率；k为奖惩系数，其中kfa为惩罚系数，满足0<kfa<1的条件；kjiang为奖励系数，满足kjiang>1的条件；P(εoe>0)表示三天中εoe>0的天数占历史总天数的概率,pi为具体的概率值，既惩罚条件的判据值；b是表示惩罚系数依据εoe(i)变化趋势而决定对惩罚力度做出加强或是削弱的因子。
本发明的有益效果是：通过对计划输出功率的不断修正，使得最终得到的曲线波动性较小，光伏发电的容量可信度较高，方便调度部门对光伏发电的调度；同时利用奖惩制度不断更新计划输出功率，使得最终得到的调度曲线随着时间的推移，不断向实际输出的功率曲线靠近，减小因功率预测误差等造成的实际输出功率的波动。
附图说明：
图1为该考虑奖惩制度的光伏发电调度方法的流程图。
具体实施方式：
下面对本发明进行详细说明。
目前，光伏发电在我国部分实现了大规模并网，但由于电网公司为了兼顾到整个电网对用户的供电质量，对与光伏发电的调度较为保守，结果导致目前光伏发电利用率不高。
一种考虑奖惩制度的光伏发电调度方法包括如下步骤：
(1)首先，参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口计划输出功率Ppl，如下式所述：
式中，Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔；N为由Δt构成时间窗口ΔT的个数。
在当天的光伏发电调度中，如果光伏电站实际发出的功率Pout大于或等于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Ppl；如果光伏电站实际发出的功率Pout小于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Pout，即表示为：
目标函数的求解算法及步骤。
采用收敛速度快、收敛性强的基于粒子群算法的模拟退火算法，具体算法及步骤如下。
1)输入各时段光伏电站的预测功率。
2)根据本文求解的具体情形，确定初始化种群中各微粒的位置和速度。
3)评价每个微粒pg’的适应度，将当前各微粒的位置和适应值存储在各微粒的pi中，将所有pbest中适应值最有个体的位置和适应值存储于pg中。
4)确定初始温度，并根据下式来确定当前温度下各pi的适配值：
5)采用轮盘赌策略从所有pi中确定全局最优的某个替代值pg’，然后根据下式更新各微粒的速度和位置；
xi，j(t+1)＝xi，j(t)+vi，j(t+1) (6)
其中，
C＝c1+c2 (8)。
6)计算各微粒新的目标值pi，更新各微粒的值及群体的pg值。
7)进行退温操作。
8)若满足停止条件(通常为预设的运算精度或迭代次数)，搜索停止，输出结果，否则转4)。
9)初始温度和退温的方式对算法有一定的影响，已不能采用如下的初温和退温方式：。
tk+1＝λtk (9)
t0＝f(pg)/ln5 (10)。
(2)奖惩制度的引入：为了使调度曲线更加优化而引入奖惩制度，然后通过历史数据利用奖惩制度来滚动调整其计划输出功率，为了更方便判断在引入奖惩制度中出现的不同的情形，设立εoe为奖惩制度的判据，εoe表示如下：
式中，εoe(i)中的i表示历史参考数据中的第i天；
为第i天实际的输出功率。
依据在前三天中的εoe变化趋势来制定以下的奖惩机制：
1)若前三天的εoe>0的情况居多，则需在Ppl的基础上进行一定的惩罚，即降低接下来一天的计划输出功率Ppl。
2)在满足机制1)的基础上，若前三天的εoe呈上升趋势，则需要对惩罚进行一定程度上的增强，既降低接下来一天的计划输出功率Ppl，降低程度较大。
3)在满足机制1)的基础上，若前三天的εoe呈下降趋势，需要对惩罚进行一定程度上的削弱，既降低接下来一天的计划输出功率Ppl，降低程度较小。
4)若前三天的εoe均等于0，则需在Ppl的基础上进行一定的奖励，即提高接下来一天的计划输出功率Ppl。
(3)在奖惩机制的基础上，得到进行奖惩机制后的计划输出功率P′pl，相关表达式如下：
Ppl＝k·Ppl (12)
b＝εoe(i)-εoe(i-1) (14)
式中，P′pl为进行奖惩机制后的计划输出功率；k为奖惩系数，其中kfa为惩罚系数，满足0<kfa<1的条件；kjiang为奖励系数，满足kjiang>1的条件；P(εoe>0)表示三天中εoe>0的天数占历史总天数的概率,pi为具体的概率值，既惩罚条件的判据值；b是表示惩罚系数依据εoe(i)变化趋势而决定对惩罚力度做出加强或是削弱的因子。
最终对计划输出功率进行奖惩制度的修正，得到光伏发电的最终调度曲线。
验证分析。
本文以配有主控室的某小型微电网模型的光伏功率预测数据为基础，按照上文提出的有关制定调度曲线的方案来实行调度，并对其可行性和有效性进行计算分析。
连续选取该微电网中连续一段时间的数据，首先在该时间内的第五天的预测曲线的基础上进行计划输出功率的初步确定；采用模拟退火算法对目标函数(1)(2)进行优化。
在此基础上，依据历史数据对每一时间窗口的计划输出功率进行奖罚。
通过对计划输出功率的不断修正，使得最终得到的曲线波动性较小，光伏发电的容量可信度较高，方便调度部门对光伏发电的调度。
Claims (2)
1.一种考虑奖惩制度的光伏发电调度方法，其特征在于，所述调度规则包括如下步骤：
(1)参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口计划输出功率Ppl，如下式所述：
式中，Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔；N为由Δt构成时间窗口ΔT的个数；
(2)为了使调度曲线更加优化而引入奖惩制度，根据光伏电站的历史数据，利用奖惩制度来滚动调整其计划输出功率，为了更方便判断在引入奖惩制度中出现的不同的情形，设立εoe为奖惩制度的判据，εoe表示如下：
式中，εoe(i)中的i表示历史参考数据中的第i天；
为第i天实际的输出功率；
依据在前三天中的εoe变化趋势来制定以下的奖惩机制：
1)若前三天的εoe>0的情况居多，则需在Ppl的基础上进行一定的惩罚，即降低接下来一天的计划输出功率Ppl；
2)在满足机制1)的基础上，若前三天的εoe呈上升趋势，则需要对惩罚进行一定程度上的增强，即降低接下来一天的计划输出功率Ppl；
3)在满足机制1)的基础上，若前三天的εoe呈下降趋势，需要对惩罚进行一定程度上的削弱，即降低接下来一天的计划输出功率Ppl；
4)若前三天的εoe均等于0，则需在Ppl的基础上进行一定的奖励，即提高接下来一天的计划输出功率Ppl；
(3)在奖惩机制的基础上确定奖惩系数k；相关表达式如下：
b＝εoe(i)-εoe(i-1) (5)
式中，k为奖惩系数，其中kfa为惩罚系数，满足0<kfa<1的条件；kjiang为奖励系数，满足kjiang>1的条件；P(εoe(i)>0)表示三天中εoe>0的天数占历史总天数的概率；pi为具体的概率值，即惩罚条件的判据值；b是表示惩罚系数依据εoe(i)变化趋势而决定对惩罚力度做出加强或是削弱的因子；
(4)得到进行奖惩机制后的计划输出功率P′pl＝kPpl。
2.根据权利要求1所述的一种考虑奖惩制度的光伏发电调度方法，其特征在于，在当天的光伏发电调度中，如果光伏电站实际发出的功率Pout大于或等于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Ppl；如果光伏电站实际发出的功率Pout小于计划输出功率Ppl，则实际输出的功率Pshi取该时刻计划输出功率值Pout，即表示为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611099881.2A CN106709159B (zh) | 2016-12-05 | 2016-12-05 | 一种考虑奖惩制度的光伏发电调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611099881.2A CN106709159B (zh) | 2016-12-05 | 2016-12-05 | 一种考虑奖惩制度的光伏发电调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106709159A CN106709159A (zh) | 2017-05-24 |
| CN106709159B true CN106709159B (zh) | 2021-03-09 |
Family
ID=58934567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611099881.2A Active CN106709159B (zh) | 2016-12-05 | 2016-12-05 | 一种考虑奖惩制度的光伏发电调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106709159B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686437A (zh) * | 2020-12-23 | 2021-04-20 | 华北电力大学 | 一种基于考虑预测误差和历史可信度的风电调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455729A (zh) * | 2013-09-17 | 2013-12-18 | 重庆市武隆县供电有限责任公司 | 一种光储并网联合发电调度值的计算方法 |
| CN103617461A (zh) * | 2013-12-10 | 2014-03-05 | 中国矿业大学 | 一种光伏电站发电功率预测的方法 |
| CN103840764A (zh) * | 2014-02-26 | 2014-06-04 | 国家电网公司 | 一种光伏发电的mppt控制装置及方法 |
| US9765702B2 (en) * | 2013-03-15 | 2017-09-19 | Ansaldo Energia Ip Uk Limited | Ensuring non-excessive variation of gradients in auto-tuning a gas turbine engine |
-
2016
- 2016-12-05 CN CN201611099881.2A patent/CN106709159B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9765702B2 (en) * | 2013-03-15 | 2017-09-19 | Ansaldo Energia Ip Uk Limited | Ensuring non-excessive variation of gradients in auto-tuning a gas turbine engine |
| CN103455729A (zh) * | 2013-09-17 | 2013-12-18 | 重庆市武隆县供电有限责任公司 | 一种光储并网联合发电调度值的计算方法 |
| CN103617461A (zh) * | 2013-12-10 | 2014-03-05 | 中国矿业大学 | 一种光伏电站发电功率预测的方法 |
| CN103840764A (zh) * | 2014-02-26 | 2014-06-04 | 国家电网公司 | 一种光伏发电的mppt控制装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| An Effective Power Dispatch Control Strategy to Improve Generation Schedulability and Supply Reliability of a Wind Farm Using a Battery Energy Storage System;Md Abu Abdullah 等;《IEEE Transactions on Sustainable Energy》;20190930;第1093 - 1102页 * |
| 考虑最佳期望输出与荷电状态的风电场储能容量优化方法;张峰 等;《电力系统自动化》;20141225;第12-19页 * |
| 计及风电出力惩罚成本的电力系统经济调度;董晓天 等;《电网技术》;20120805;第76-80页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106709159A (zh) | 2017-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112232980B (zh) | 一种区域能源供热系统热泵机组调控方法 | |
| CN107404127B (zh) | 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法 | |
| CN110071502B (zh) | 一种短期电力负荷预测的计算方法 | |
| CN112003330B (zh) | 一种基于自适应控制的微网能量优化调度方法 | |
| CN101763036A (zh) | 基于模糊神经网络的赖氨酸发酵过程补料预测控制系统及方法 | |
| CN106468467B (zh) | 一种应用于嵌入式控制系统的空调冷负荷实时预测算法 | |
| CN110097929A (zh) | 一种高炉铁水硅含量在线预测方法 | |
| CN110850720A (zh) | 一种基于dqn算法的区域自动发电动态控制方法 | |
| Hu et al. | Multi-objective optimization of rolling schedules on aluminum hot tandem rolling | |
| CN114841410A (zh) | 一种基于组合策略的换热站负荷预测方法和系统 | |
| CN111461466A (zh) | 基于lstm时间序列的供暖户阀调节方法、系统及设备 | |
| CN113623719A (zh) | 一种基于有效室温检测的换热站预测控制方法 | |
| Wang et al. | Multi-criteria comprehensive study on predictive algorithm of heating energy consumption of district heating station based on timeseries processing | |
| CN107491812B (zh) | 基于实时电价的短期负荷预测方法 | |
| CN106709159B (zh) | 一种考虑奖惩制度的光伏发电调度方法 | |
| Huang et al. | Model predictive control for energy-efficient buildings: An airport terminal building study | |
| CN117151927A (zh) | 一种风电功率概率区间的预测方法 | |
| CN118536646A (zh) | 一种区域中长期动态碳排放因子的预测方法、系统及设备 | |
| CN110880773A (zh) | 基于数据驱动与物理模型驱动结合的电网调频控制方法 | |
| CN111724004B (zh) | 一种基于改进量子灰狼算法的水库可供水量预报方法 | |
| Chen et al. | The predictive management in campus heating system based on deep reinforcement learning and probabilistic heat demands forecasting | |
| CN113222231A (zh) | 一种基于物联网技术的智慧供热系统 | |
| CN103514486A (zh) | 基于因素分析的高炉煤气受入流量预测方法 | |
| CN116880191A (zh) | 一种基于时序预测的过程工业生产系统的智能控制方法 | |
| CN116341753A (zh) | 一种使用机器学习对区域二氧化碳排放预测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |