CN106786766B - 一种基于p2g技术的提高风电最大并网容量的方法 - Google Patents
一种基于p2g技术的提高风电最大并网容量的方法 Download PDFInfo
- Publication number
- CN106786766B CN106786766B CN201710030259.4A CN201710030259A CN106786766B CN 106786766 B CN106786766 B CN 106786766B CN 201710030259 A CN201710030259 A CN 201710030259A CN 106786766 B CN106786766 B CN 106786766B
- Authority
- CN
- China
- Prior art keywords
- wind
- grid
- node
- power
- gas
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 239000007789 gas Substances 0.000 claims abstract description 101
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 82
- 239000003345 natural gas Substances 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000002343 natural gas well Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000005684 electric field Effects 0.000 claims description 2
- 239000000243 solution Substances 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010168 coupling process Methods 0.000 abstract 1
- 238000005859 coupling reaction Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000004907 flux Effects 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 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 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
本发明提供一种基于P2G技术的提高风电最大并网容量的方法。针对电网预期无法接纳的风电功率,通过P2G装置,将电能转化为化学能,以天然气形式接入天然气网络中,替代部分或全部气井出力供给天然气负荷,借助气源及气网的调节能力,实现天然气网络与电网的协同运行,提高电网对风电的接纳水平。以混联系统风电并网容量为优化目标,考虑P2G装置耦合的电网和气网的运行约束,建立混联系统的概率优化潮流模型。引入试验风速,将概率优化模型转换成确定性模型进行求解。本发明的有益效果能够克服风电并网容量受限的问题,利用P2G装置将电网与天然气网耦合,提高电网对风电接纳水平。
Description
技术领域
本发明属于电力系统规划领域,涉及电力系统对可再生能源最大并网容量的提升方法,特别涉及通过电力系统与天然气网络协调运行提高电力系统风电最大并网容量的方法。
背景技术
随着化石能源的不断枯竭以及环境问题的不断加剧,以风电为代表的可再生能源的利用率不断提高,在各个国家的推动下,风力发电商业化程度不断提高,技术逐渐成熟,得到了迅速发展。目前,我国风电总装机容量已经居于世界第一位,风电并网规模的不断加大,一定程度上缓解了我国能源紧张问题。然而,由于风力发电机组运行时,存在较为明显的随机性和波动性,当风电并网容量提高时,其频繁波动和变化将影响电网的安全稳定及电能质量。因此,风电的最大并网容量体现了电力系统的稳定性和维持电能质量的能力。
在传统的电网运行分析中,风电的最大并网容量主要受到风电场接入点负载能力大小、风电机组类型、无功补偿状况、系统中常规机组的调节能力大小以及地区负荷特性的影响,因此,为了提高风电并网容量,可通过以下几种方式:1)在风电场中选择使用具有电压调节能力的变速恒频风电机组,降低对电网无功的影响,从而提高风电的并网容量;2)安装动态无功补偿装置,提高系统的电能质量和稳定性,进而提高系统接纳风电的容量;3)由于负载能力强的节点电压对功率变化敏感度较小,因此选择负载能力强的节点接入风电场,能减少风电功率扰动对电压带来的影响,从而提高系统对风电的接纳能力;4)增加系统中常规机组的旋转备用容量,提升系统对电压和频率的调节能力,也能有效地提高风电并网容量;5)进行合理的负荷侧调控,减少负荷波动,也是提高风电并网容量的一种方式。
在能源互联网研究的大背景下,采用多种网络互联进行协调运行,是提高风电并网容量的新方向。P2G(Power to Gas,电转气)技术的出现,为电能向天然气的转化提供了方法,基于此可将电网与天然气网混联,利用天然气井的调节能力及天然气网的存储能力实现风电最大并网容量的提高。现有的方法仅在电网角度进行风电并网容量的分析,均未考虑通过将电网与天然气网混联的方式提高风电并网容量。
发明内容
本发明目的是提供一种合理有效的提高风电最大并网容量的方法。通过P2G技术实现电网与天然气网的混联,并利用天然气网络及天然气气源的调节能力提高混联系统的风电接纳水平。本发明中引入试验风速的概念,将风速的概率模型转化为确定性模型求解,为电力系统规划过程提供决策依据,也为调度运行提供参考。
为了达到上述目的,本发明的技术方案为:
一种基于P2G技术的提高风电最大并网容量的方法,包括以下步骤:
第一步,针对含风电及P2G装置的电网,建立稳态数学模型
针对电网,所述的稳态数学模型即为电网各节点的功率平衡方程。对于含风电及P2G装置的电网,其电网节点可以分为4类,具体如下:
1)无风电场并网且不含P2G装置的电网节点;
2)含风电场并网且不含P2G装置的电网节点;
3)无风电场并网且含P2G装置的电网节点;
4)含风电场并网且含P2G装置的电网节点。
针对上述4类电网节点,分别建立电网稳态数学模型。
1)无风电场并网且不含P2G装置的电网节点稳态数学模型
无风电场并网且不含P2G装置的电网节点,其稳态数学模型即为常规的电网稳态数学模型,如公式(1)所示:
其中,P和Q分别为电网节点注入的有功功率和无功功率;PG和QG分别为有功源和无功源发出的有功功率和无功功率,若节点上不含有功源或无功源,则该项参数数值为0,否则为大于0的变量;PL和QL分别为有功负荷和无功负荷;U为节点电压幅值,θ为节点电压相角;G和B为电网结构参数;下标i、j为电网节点编号,Ne为电网节点总数。
2)含风电场并网且不含P2G装置的电网节点稳态数学模型
针对含风电场并网且不含P2G装置的电网节点,其稳态数学模型需在公式(1)的基础上引入风电场并网的有功功率和无功功率。将风电场的并网节点选择为节点k,所述的节点k为电网的任意一个节点,得到含风电场并网且不含P2G装置的电网节点稳态数学模型,如公式(2)所示:
其中,Pfarm和Qfarm为风电场并网的有功功率和无功功率,下标k表示节点k,其余参数含义与公式(1)一致。
3)无风电场并网且含P2G装置的电网节点稳态数学模型
针对无风电场并网且含P2G装置的电网节点,其稳态数学模型需在公式(1)的基础上引入P2G装置消耗的有功功率。将P2G装置与电网的连接节点选择为节点s,所述的节点s为电网中的任意一个节点;得到无风电场并网且含P2G装置的电网节点稳态数学模型,如公式(3)所示:
其中,PP2G为P2G装置消耗的有功功率,下标s表示节点s,其余参数含义与公式(1)一致。
4)含风电场并网且含P2G装置的电网节点稳态数学模型
针对含风电场并网且含P2G装置的电网节点,其稳态数学模型需在公式(1)的基础上引入风电场并网的有功功率和无功功率以及P2G装置消耗的有功功率。将风电场与P2G装置与电网连接的节点选择为节点t,所述的节点t为电网中的任意一个节点;得到含风电场并网且含P2G装置的电网节点稳态数学模型,如公式(4)所示:
其中,下标t表示节点t,其余参数含义与公式(1)-公式(3)一致。
综上,含风电及P2G装置的电网稳态数学模型如公式(1)-公式(4)所示。模型中,PG、QG、Pfarm、Qfarm及PP2G为控制变量,U、θ为状态变量。
第二步,针对含P2G装置的天然气网络,建立天然气网稳态数学模型
针对天然气网络,所述的稳态数学模型即为网络各节点的天然气流量平衡方程。接入P2G装置的天然气网络,其网络节点可分为2类,具体如下:
1)不含P2G装置的气网节点;
2)含P2G装置的气网节点。
针对上述2类气网节点,分别建立气网稳态数学模型。
1)不含P2G装置的气网节点的稳态数学模型
不含P2G装置的气网节点,其稳态数学模型即为常规的气网稳态数学模型,如公式(5)所示:
其中,FS为天然气井向节点注入的天然气流量,FL为节点气负荷对应的天然气流量,F为气网管道中的天然气流量;下标x、y为气网节点编号,NG为气网节点总数。
2)含P2G装置的气网节点的稳态数学模型
针对含P2G装置的气网节点,其稳态数学模型需在公式(5)的基础上引入P2G装置注入的天然气流量。将P2G装置与气网的连接节点选择为节点z,所述的节点z为气网中的任意一个节点;得到含P2G装置的气网节点稳态数学模型,如公式(6)所示:
其中,FP2G为P2G装置注入的天然气流量,下标z表示节点z,其余参数含义与公式(5)一致。
气网中,天然气输送管道可分2类,具体如下:
1)不含加压站的管道;
2)含加压站的管道。
针对上述2类气网管道,管道中流过的天然气流量F,与管道两端气压之间的关系需分别建模计算。
1)不含加压站的气网管道流量计算方法
针对不含加压站的气网管道,流过的天然气流量仅与管道两端的气压有关,以气网节点x与节点y之间的天然气管道为例,其流量计算方法如公式(7)所示:
其中,p为管道两端点节点处的气压;K为管道的传输效率;S为管道流向参数。其余参数含义与公式(5)-公式(6)一致。
2)含加压站的气网管道流量计算方法
针对含加压站的气网管道,流过的天然气流量不仅与管道两端的气压有关,还与加压站出口处的气压有关,以气网节点x'与节点y'之间的天然气管道为例,将加压站出口处记为节点m,则节点m与节点y'之间天然气流量满足公式(7),而加压站的流量损耗如公式(8)所示:
Fcomx'y'=Kcomx'y'Fmy'(pm-px') (8)
其中,Fcom为加压站的流量损耗,Kcom为加压站的常系数,下标m、x'和y'分别表示节点m、节点x'和节点y',其余参数含义与公式(5)-公式(7)一致。
由公式(7)和公式(8)可知,含加压站的气网管道流量计算方法如公式(9)所示:
式中各参数含义与公式(5)-公式(8)一致。
综上,接入P2G装置及含加压站的气网稳态数学模型如公式(5)-公式(6)所示,其中,气网管道的流量计算方法如公式(7)、公式(9)所示。模型中,FS、FP2G、p为控制变量,F为状态变量。
第三步,建立电网气网混联系统的风电最大并网容量优化模型
在第一步和第二步得到的模型基础上,将电网节点和气网节点通过P2G装置进行连接,电网稳态数学模型中P2G装置消耗的有功功率与气网稳态数学模型中P2G注入节点的天然气流量之间关系如公式(10)所示:
FP2G=GPP2G/GHV=ηPP2G/GHV (10)
其中,GPP2G为P2G装置生成的天然气功率,GHV为天然气高热值,η为P2G装置功率转换效率,PP2G及FP2G含义分别与公式(3)及公式(6)描述一致。
同时考虑电网和天然气网运行参数,除第一步和第二步模型中所述的控制变量及状态变量外,对与电网运行还包含电网有功潮流及气网中加压站的升压比等变量,均为状态变量。在保证混联系统运行安全与稳定的前提下,进行优化协调,则电网气网混联系统的风电最大并网容量优化模型如公式(11)所示:
其中,N为风机并网台数,Pr为每台风机额定功率;和分别为电网节点i电压上下限,和分别为电网节点i有功源出力上下限,和分别为电网节点i无功源出力上下限,PFij和PFji为电网节点i与节点j之间线路的有功潮流,为电网节点i与节点j之间线路的有功潮流上限;和分别为气网节点x气井供出流量上下限,和分别为气网节点x气压上下限,和分别为气网节点x与节点y之间管道气流量上下限,βmax和βmin分别为气网中加压站的升压比上下限。其余参数与公式(1)-公式(10)含义一致。
公式(11)中,若电网节点i不是风电并网节点,则Pfarmi和Qfarmi为0,否则为随机变量;若电网节点i未连接P2G装置,则PP2Gi为0;若气网节点x未连接P2G装置,则为0;除上述几种情况外,PP2Gi和均为大于0的可调节变量。
第四步,针对风电场出力的不确定性,引入试验风速,将第三步中含风电不确定性的优化模型转化为确定性模型
本发明采用被广泛应用的变速风机模型,它的输出的有功功率与风速之间的关系如公式(12)所示:
其中,Pw为单台风机的有功出力,Pr是风机的额定输出功率,v是风速,vi是切入风速,vr是额定风速,vo是切出风速,a、b为系数,其表达式如公式(13)所示:
变速风机模型中风机以恒功率因数运行,那么,风电场输出的无功功率Qfarm与有功功率Pfarm之间的关系可表示为:
其中,是风机的功率因数。
由于风电场中风速是随机的,因此风机的有功出力是不确定量,可用概率模型进行风机有功出力的建模。风电场风速数据服从韦伯分布,其概率密度函数和对应的概率分布函数分别如公式(15)和公式(16)所示:
由公式(12)和公式(16)可得风电场的有功功率的概率分布函数,如公式(17)所示:
其中,kv为形状系数;c为比例系数;v(Pw)为公式(12)在vi≤v<vr时的反函数,其表达式如公式(18)所示,其余参数含义与公式(12)一致。
v(Pw)=[(Pw-a)/b]1/3 (18)
根据公式(17),对于给定的有功功率P'(0<P'<Pr),风机实际有功出力不大于它的概率如公式(19)所示:
式中各参数含义与公式(12)及公式(16)一致。P'对应的风速v'可由公式(18)得到。将满足给定置信水平的风速最小值作为试验风速,则数学表达式如公式(20)所示:
其中,v*即为试验风速,α为置信度,置信度越小,给电网带来的风险越大。
根据公式(19)和公式(20),解出试验风速的表达式,如公式(21)所示:
以试验风速对应的风机有功出力作为单台风机输出的有功功率,将风电场的随机模型转化为确定性模型,该模型下风电场输出的有功功率如公式(22)所示:
其中,P*是试验风速对应的风机输出的有功功率,可由公式(12)计算得到;对应的风电场的无功功率输出Qfarm可由公式(14)计算得到。则公式(11)所述的含有风电出力不确定性的电网气网混联系统的风电并网容量概率优化模型可转化为确定性模型,表达式如公式(23)所示:
式中各参数含义与公式(1)-公式(11)、公式(22)一致。
第五步,采用原对偶内点法进行优化求解
分别求解以下场景下风电最大并网容量
1)场景1:电网不与天然气网络混联,纯电网系统风电最大并网容量;
2)场景2:电网气网混联系统最大并网容量求解。
上述场景1中无气网的相关参数,其优化模型如公式(24)所示,场景2中包含电网和气网运行的相关参数,优化模型即为第四步中公式(23)所示。
式中各参数含义与公式(1)-公式(4)及公式(11)、公式(22)一致。
本发明的效果和益处是:针对风电并网容量受限的问题,提供了一种能够提高风电并网容量的方法。利用P2G技术将电网与天然气网耦合,从而实现电网对风电接纳水平的提高。同时,引入试验风速,将风电概率性模型转化为确定性模型,求解风电最大并网容量,为解决风电并网容量受限问题提供了新思路。
附图说明
图1是电网与天然气网混联系统结构示意图。
图2是混联系统风电并网容量求解流程图。
图3是与天然气网络混联前后风电最大并网容量对比。
具体实施方式
以下以IEEE14节点输电网与3节点简化天然气网为例,结合技术方案和附图详细叙述本发明的具体实施方式。
如图1所示,IEEE14节点系统的7号节点与风电场相连,电网4号节点和14号节点分别通过P2G装置与气网的1号节点和2号节点相连接,P2G装置的转换效率为60%,天然气高热值为39.82MJ/m3。天然气网1号节点处连接气源,且与2号节点及3号节点之间分别装设有加压站,各节点气负荷分别为86.7MW、0.866MW和86.7MW。风电场中,每台机组的额定装机容量均为2MW,风机的切入风速为4m/s,额定风速为12.5m/s,切出风速为20m/s。风场中风速满足韦伯分布,其形状参数为3,比例系数为7.5。
图2为电网与天然气网混联系统风电并网容量求解流程图,具体步骤如下:
第一步,建立含风电及P2G装置的电网稳态数学模型,读取IEEE14节点系统相关参数,进行数据处理,形成电网导纳矩阵,建立电网稳态模型。在节点4和节点14功率平衡方程中引入P2G装置的相关参数,视为电网的可变负荷。
IEEE14节点系统的节点参数如表1所示,支路参数如表2所示,表中数据均为标幺值。
表1 IEEE14节点系统节点相关参数
表2 IEEE14节点系统支路参数
第二步,建立接入P2G装置及含加压站的气网稳态数学模型。读取气网相关参数并进行数据处理建立气网运行的稳态模型,并在1号和2号节点分别接入P2G装置,作为气网的附加可变气源。
气网相关参数如表3所示,均为标幺值
表3 3节点天然气网相关参数
第三步,以第一步和第二步的稳态模型为基础,建立电网气网混联系统的风电并网容量优化模型,如公式(11)所示。其中,风电并网功率Pfarm为不确定性变量,其对应风速满足韦伯分布。
第四步,考虑风速的概率分布特性,根据公式(12)-公式(22),将满足给定置信水平的风速最小值作为试验风速,引入到第三步模型的电网功率等式约束及优化模型的目标函数中,实现将概率优化模型转换为确定性优化模型,转化后的确定性优化模型如公式(23)所示。
第五步,采用原对偶内点法进行优化求解。分别求解以下场景下风电最大并网容量。
1)场景1:电网不与天然气网络混联,纯电网系统风电最大并网容量;
2)场景2a:电网气网混联系统最大并网容量求解,电网节点4和气网节点1之间通过P2G装置相连
3)场景2b:电网气网混联系统最大并网容量求解,电网节点4和气网节点1之间通过P2G装置相连;
结果如图3所示,将图中场景2a及场景2b分别与场景1中风电最大并网容量进行对比,可知本发明提出的方法能够有效提高风电的最大并网容量。其中场景2a中,由于P2G装置接在了气网的气井节点,可以更好地利用气井的调节能力,实现风电最大并网容量的提高。
Claims (8)
1.一种基于P2G技术的提高风电最大并网容量的方法,其特征在于以下步骤:
第一步,针对含风电及P2G装置的电网,建立电网稳态数学模型
对于含风电场及P2G装置的电网,根据四种不同的电网节点,分别建立其对应的电网稳态数学模型,所述的电网稳态数学模型即为电网各节点的功率平衡方程;所述的电网节点包括无风电场并网且不含P2G装置的电网节点、含风电场并网且不含P2G装置的电网节点、无风电场并网且含P2G装置的电网节点、含风电场并网且含P2G装置的电网节点;
第二步,针对含P2G装置的天然气网络,建立天然气网稳态数学模型
对于接入P2G装置的天然气网络,根据两种不同的气网节点,分别建立其对应的气网稳态数学模型,所述的稳态数学模型即为网络各节点的天然气流量平衡方程;所述的气网节点包括不含P2G装置的气网节点、含P2G装置的气网节点;
在接入P2G装置的天然气网络中,根据两种不同的天然气输送管道,分别建立其对应的气网管道流量计算公式;所述的天然气输送管道包括不含加压站的管道、含加压站的管道;
第三步,建立电网气网混联系统的风电最大并网容量优化模型
在第一步得到电网稳态数学模型和第二步得到天然气网稳态数学模型的基础上,将电网节点和气网节点通过P2G装置进行连接,建立如公式(11)所示的含有风电出力不确定性的电网气网混联系统的风电并网容量优化模型;
其中,N为风机并网台数,Ne为电网节点总数,NG为气网节点总数,Pr为每台风机额定功率;PG和QG分别为有功源和无功源发出的有功功率和无功功率;Pfarm和Qfarm为风电场并网的有功功率和无功功率,为随机变量;PP2G为P2G装置消耗的有功功率;PL和QL分别为有功负荷和无功负荷;U为节点电压幅值,θ为节点电压相角;FS为天然气井向节点注入的天然气流量;FL为节点气负荷对应的天然气流量;F为气网管道中的天然气流量;FP2G为P2G装置注入的天然气流量;p为管道两端点节点处的气压;上述各变量对应下标i、j、x、y分别表示电网节点i、j和气网节点x、y;和分别为电网节点i有功源输出功率上下限,和分别为电网节点i无功源输出功率上下限;和分别为电网节点i电压上下限;PFij和PFji为电网节点i与节点j之间线路的有功潮流,为电网节点i与节点j之间线路的有功潮流上限;和分别为气网节点x气井供出流量上下限;和分别为气网节点x气压上下限;和分别为气网节点x与节点y之间管道气流量上下限;βmax和βmin分别为气网中加压站的升压比上下限;
公式(11)中,若电网节点i不是风电并网节点,则Pfarmi和Qfarmi为0,否则为随机变量;若电网节点i未连接P2G装置,则PP2Gi为0;若气网节点x未连接P2G装置,则为0;除上述情况外,和均为大于0的可调节变量;
第四步,针对风电场出力的不确定性,引入试验风速,以试验风速对应的风机有功功率作为单台风机输出的有功功率,将第三步中含有风电出力不确定性的电网气网混联系统的风电并网容量优化模型转化为如公式(23)所示的确定性模型;
其中,为试验风速下,风电场并网的有功功率和无功功率;为风机的功率因数;
第五步,根据公式(23),采用原对偶内点法优化求解电网气网混联系统最大并网容量。
2.根据权利要求1所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第一步中无风电场并网且含P2G装置的电网节点的电网稳态数学模型具体为:
其中,下标s表示节点s,所述的节点s为电网中的任意一个节点,表示P2G装置与电网的连接节点。
3.根据权利要求1或2所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第一步中含风电场并网且含P2G装置的电网节点的电网稳态数学模型具体为:
其中,下标t表示节点t;所述的节点t为电网中的任意一个节点,表示风电场和P2G装置与电网连接的节点。
4.根据权利要求1或2所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第二步中含P2G装置的气网节点的气网稳态数学模型具体为:
其中,下标z表示节点z,所述的节点z为气网中的任意一个节点,表示P2G装置与气网的连接节点。
5.根据权利要求3所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第二步中含P2G装置的气网节点的气网稳态数学模型具体为:
其中,下标z表示节点z,所述的节点z为气网中的任意一个节点,表示P2G装置与气网的连接节点。
6.根据权利要求1或2或5所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第四步中引入满足给定置信水平的风速最小值作为试验风速,所述的试验风速求解方法具体为:
其中,v*即为试验风速,α为置信度,vo是切出风速,Fv为风电场风速的概率分布函数,服从韦伯分布,kv为韦伯分布的形状系数,c为韦伯分布的比例系数。
7.根据权利要求3所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第四步中引入满足给定置信水平的风速最小值作为试验风速,所述的试验风速求解方法具体为:
其中,v*即为试验风速,α为置信度,vo是切出风速,Fv为风电场风速的概率分布函数,服从韦伯分布,kv为韦伯分布的形状系数,c为韦伯分布的比例系数。
8.根据权利要求4所述的一种基于P2G技术的提高风电最大并网容量的方法,其特征在于,所述的第四步中引入满足给定置信水平的风速最小值作为试验风速,所述的试验风速求解方法具体为:
其中,v*即为试验风速,α为置信度,vo是切出风速,Fv为风电场风速的概率分布函数,服从韦伯分布,kv为韦伯分布的形状系数,c为韦伯分布的比例系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710030259.4A CN106786766B (zh) | 2017-01-19 | 2017-01-19 | 一种基于p2g技术的提高风电最大并网容量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710030259.4A CN106786766B (zh) | 2017-01-19 | 2017-01-19 | 一种基于p2g技术的提高风电最大并网容量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106786766A CN106786766A (zh) | 2017-05-31 |
CN106786766B true CN106786766B (zh) | 2019-06-14 |
Family
ID=58945878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710030259.4A Expired - Fee Related CN106786766B (zh) | 2017-01-19 | 2017-01-19 | 一种基于p2g技术的提高风电最大并网容量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106786766B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109378816B (zh) * | 2018-09-19 | 2023-08-15 | 国网山西省电力公司阳泉供电公司 | 一种探寻电转气在能源系统中运行机会的方法和系统 |
CN110707705B (zh) * | 2019-10-22 | 2023-01-17 | 太原理工大学 | 一种电-气耦合综合能源系统潮流顺序分析模型 |
CN112966855B (zh) * | 2021-02-09 | 2023-10-24 | 西安理工大学 | 考虑风电不确定性的电-气耦合能源配网协调优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105958531A (zh) * | 2016-05-27 | 2016-09-21 | 清华大学 | 一种电-气耦合多能流网络状态估计方法 |
-
2017
- 2017-01-19 CN CN201710030259.4A patent/CN106786766B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105958531A (zh) * | 2016-05-27 | 2016-09-21 | 清华大学 | 一种电-气耦合多能流网络状态估计方法 |
Non-Patent Citations (1)
Title |
---|
含风电场的电力系统经济调度研究综述;周玮等;《电力系统保护与控制》;20111216;第39卷(第24期);148-151 |
Also Published As
Publication number | Publication date |
---|---|
CN106786766A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105811407B (zh) | 一种基于分布式牛顿法的微电网一次调频控制方法 | |
CN104135030B (zh) | 一种用于智能电网的柔性孤岛‑并网控制装置及方法 | |
CN103903073A (zh) | 一种含分布式电源及储能的微电网优化规划方法及系统 | |
CN107508311B (zh) | 并联型风电变流器的提升运行效率的方法及系统 | |
CN102593873B (zh) | 一种微网联络线功率波动平滑控制方法 | |
CN108711892A (zh) | 一种多能互补发电系统的优化调度方法 | |
CN106786766B (zh) | 一种基于p2g技术的提高风电最大并网容量的方法 | |
CN107834608A (zh) | 一种多能源互济系统的优化协调控制方法及系统 | |
CN102855592A (zh) | 多目标调峰优化方法和系统 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN107957681A (zh) | 一种研究冷热电联供微网环保经济调度的方法 | |
CN110206686A (zh) | 一种用于风力发电机组的自适应最大功率跟踪控制方法 | |
CN109787239A (zh) | 潮流模型和多频率交流混联系统的交替迭代潮流计算方法及系统 | |
CN108494020B (zh) | 风速波动下风电送出系统无功电压主动控制方法 | |
CN109888770A (zh) | 基于机会约束规划和波动成本的风电场装机容量优化方法 | |
CN108493998A (zh) | 考虑需求响应与n-1预想故障的鲁棒输电网规划方法 | |
CN109816201A (zh) | 一种多异质能源同质化耦合的表征方法 | |
CN110443467A (zh) | 一种区域综合能源系统太阳能消纳能力评估方法 | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN106712032B (zh) | 一种考虑风电机组有功电压调节能力的最优潮流模型构建方法 | |
CN108599277A (zh) | 一种提升运行安全的智能配电网鲁棒优化方法 | |
CN105162116B (zh) | 一种求解含风电的区间经济调度非线性对偶优化方法 | |
CN106100002A (zh) | 一种交直流混合微网的优化运行方法 | |
CN109103946A (zh) | 风电经柔性直流电网送出系统电容器组投切计划生成方法 | |
CN112583051B (zh) | 变速抽水蓄能机组在区域电网中的优化调度模型构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190614 Termination date: 20200119 |