CN107256450B - 考虑长-短嵌套决策的水光电互补调度容量配置方法 - Google Patents
考虑长-短嵌套决策的水光电互补调度容量配置方法 Download PDFInfo
- Publication number
- CN107256450B CN107256450B CN201710365391.0A CN201710365391A CN107256450B CN 107256450 B CN107256450 B CN 107256450B CN 201710365391 A CN201710365391 A CN 201710365391A CN 107256450 B CN107256450 B CN 107256450B
- Authority
- CN
- China
- Prior art keywords
- water
- power station
- scheduling
- long
- photovoltaic 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 76
- 230000000295 complement effect Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007774 longterm Effects 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000007727 cost benefit analysis Methods 0.000 claims abstract description 5
- 230000002354 daily effect Effects 0.000 claims description 43
- 230000005611 electricity Effects 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000005622 photoelectricity Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000000418 atomic force spectrum Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002411 adverse Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供一种考虑长‑短嵌套决策的水光电互补调度容量配置方法，其特征在于，包括以下步骤：步骤一：以零为下限，水电装机容量为上限，按照一定的步长生成光伏电站装机容量方案集；步骤二：针对指定规模的光伏电站，分别建立长期调度模型和短期调度模型以嵌套的方式模拟水光互补调度过程；步骤三：基于调度过程对未违背下游水位、流量变幅约束的方案进行成本效益分析，以光伏电站全寿命期净收益最大为准则优选光伏电站装机容量。本发明充分考虑了水库入流及光电输入不同时间尺度的变化特性，能较准确地模拟水光互补调度过程，且考虑了水光互补调度对下游水资源综合利用的不利影响，可为水光电互补调度工程的规划设计提供参考。
Description
技术领域
本发明属于再生能源利用与水库调度的交叉领域，具体涉及一种考虑长-短嵌套决策的水光电互补调度容量配置方法。
技术背景
随着化石燃料的日渐枯竭以及生态环境的逐渐恶化，开发利用可再生能源是解决能源危机、应对全球气候变化的一种有效途径。太阳能具有清洁、环保、取之不尽、用之不竭等特点，相比其他可再生能源具有显著的优势。并网光伏发电是利用光资源利用的一种最有效方式。但光电出力受昼夜交替、天气变化、云层厚度等因素影响，具有明显的间歇性、波动性和随机性。大规模光电直接并网，将会对系统的调峰和稳定运行带来极大压力。水电机组具有启停迅速、运行灵活，出力变化幅值大、对负荷变化反应快的特点，是理想的调节电源。将水电与光电互补运行打捆上网是一种新的思路。为提高水光互补电站的运行效益，光伏电站与水电站的容量配置是规划设计阶段需要深入研究的基本问题。
传统方法一般基于仿真模型计算光电并网对电力系统的影响(如对电压、频率、潮流的影响)，最终确定光电厂的合适装机容量。该方法的缺点有：(1)仿真模拟时仅采用短时间尺度的输入数据，未充分利用水库来水以及气象因子的长期季节性特征，导致最优装机、运行效益局部最优；(2)未考虑水光互补的波动性出流对下游水资源综合利用的不利影响。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种考虑长-短嵌套决策的水光电互补调度容量配置方法。
本发明为了实现上述目的，采用了以下方案：
本发明提供一种考虑长-短嵌套决策的水光电互补调度容量配置方法，其特征在于，包括以下步骤：步骤一：以零为下限，水电装机容量为上限，按照一定的步长(视计算精度而定)生成光伏电站装机容量方案集；步骤二：针对指定规模的光伏电站，分别建立长期调度模型和短期调度模型以嵌套的方式(即长期调度决策作为短期调度模型的输入)模拟水光互补调度过程；步骤三：基于调度过程对未违背下游水位、流量变幅约束的方案进行成本效益分析，以光伏电站全寿命期净收益最大为准则优选光伏电站装机容量。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：步骤二中所建立的长期优化调度模型为多目标优化模型，优化目标分别为：目标1.水光互补电站调度期总发电量最大：
目标2.水光互补电站保证率最大：
式中：E为水光互补电站在整个调度期内的总发电量(MWh)；m为长期调度时段索引值；M为长期调度总时段数；ΔTm为一个长期调度时段包含的小时数；
为光伏电站的时段平均出力(MW)；
为水电站在m时段的平均出力(MW)；
为水光互补电站的保证出力(MW)。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：在步骤二中，多目标模型的求解时，采用约束法将多目标问题转为单目标问题，以库水位/库容为决策变量，光电出力作为优化模型的约束条件，将目标函数进一步转化为：
式中：
为惩罚因子。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：在步骤二中，短期调度模型为线性模拟模型，包括三个模块：模块1：制订水光总出力计划：先根据长期调度决策选择对应的典型日负荷单位线，以反映水电站在电力系统中的工作位置(如基荷、腰荷、峰荷)；再根据长期与短期电量平衡原则，对典型日负荷单位线进行缩放，得到水电站出力计划；进一步以平行抬升水电出力曲线的方式推求出水光总出力计划；模块2.估算光伏电站实际上网电量：采用光伏电站的总发电量减去水光互补调度中弃电量得到光伏电站实际上网电量；模块3.估算下游水位、流量波动幅值：考虑下游水位、流量的变幅约束，利用该约束限制光伏电站的装机规模。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：模块1包含以下子步骤：子步骤1：假定长期时段每天都采用相同的典型日负荷单位线，计算长期调度时段可能产生的最大平均出力
式中：
为水电站的装机容量(MW)；i为典型日负荷单位线编号；t为的典型日负荷单位线中时段编号；
为第i条典型日负荷单位线中第t时段的标幺值；h为典型日负荷单位线的总数时段数；子步骤2：将典型日负荷单位线在长期时段最大平均出力按照从小到大的顺序进行排序，并将水电出力
划分成若干区间；对于长期时段水电出力N*，根据优先调峰原则(即日负荷率较小)，选择对应的典型日负荷单位线l*：
子步骤3：根据长期时段水电出力N*以及选择的典型日负荷单位线l*，推求水电站长期调度时段内逐日发电计划(即水电站出力曲线)：
式中：Ns为水电站日出力曲线；l*为典型日负荷单位线；
为典型日负荷单位线中标幺值的均值；子步骤4：根据水电出力曲线和光伏出力曲线，以平行抬升水电出力曲线的方式推求出水光总出力曲线：
式中：Rpv为光伏电站一日平均出力(MW)；Rup为水电出力曲线能所抬升的最大值(MW)。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：在模块2中，水光互补调度弃电量的计算考虑了两种可能的情况：第一，水电计划电量较大时，水电对光电的补偿会产生弃水；第二，水电计划电量较小时，部分时段光伏出力大于水光总出力计划会产生弃光；两种情况采用统一的弃电量计算公式，如下：
式中：
为互补的水电出力值；
为水光互补电站总出力计划值；
为光伏电站的实际出力；Esc为水光互补电站一日总弃电量；Δt为调度时段长。
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：在模块3中，下游水位、流量的变幅约束分别为：
式中：Qt为水光互补电站下游某观测站点的流量值；ΔQ为相邻时段流量变化的最大允许值；Zt为水光互补电站下游某观测站点的水位值；ΔZ为相邻时段水位变化的最大允许值；对于特定规模的光伏电站，相邻时段下泄流量变幅约束用公式计算：
式中：
为互补水电出力；K为水电站综合出力系数；Ht为发电水头，从长期调度模型中获取；水位变幅约束基于水光互补电站尾水位-泄流曲线[Zt＝g(Qt)]进行反推估算，如下：
本发明提供的考虑长-短嵌套决策的水光电互补调度容量配置方法，还可以具有以下特征：在步骤三中，成本效益分析考虑了投资成本、运行维修费用、以及光电上网收益，得到光伏电站全寿命期净效益计算式如下：
式中：NR(x)为装机容量为x光伏电站全寿命期净效益(元)；xs为满足下游水位、流量约束的光伏最大装机容量(MW)；Cf为光电上网电价(元/MWh)；y为模拟年数(光伏电站寿命)；d为一年中天数(365或366)；h为短期调度一日调度时段数；
为装机容量为x的光伏电站上网平均出力(MW)；Δt短期调度时段长(h)；Cin为单位装机光伏电站的初始投资(元/MWh)；Com为光伏电站运行维修费用(元/MWh)；Ep为单位装机光伏电站整个寿命周期的实发电量(MWh)；当光伏电站净效益最大时对应最优装机容量，表达式如下：xopt＝argmax NR(x),x∈(0,xs]。
发明的作用与效果
本发明在成本/效益分析的框架下，建立长-短嵌套调度模型以模拟水电与光电的联合运行过程；基于长-短调度决策评估光伏电站全寿命期可能收益；同时，考虑下游流量和水位变幅约束，综合推求出光伏电站的最优装机容量。本发明充分考虑了水库入流及光电输入不同时间尺度的变化特性，能较准确地模拟水光互补调度过程，且考虑了水光互补调度对下游水资源综合利用的不利影响，可为水光电互补调度工程的规划设计提供参考。
附图说明
图1为本发明实施例中的考虑长-短嵌套决策的水光电互补调度容量配置方法的流程图；
图2为本发明实施例中长期调度水电出力与典型日负荷单位线的对应关系示意图；以及
图3为水光互补调度中弃电的两种情景的示意图：(a)为水电计划电量较小的情景；(b)为水电计划电量较大的情景。
具体实施方式
以下结合附图对本发明涉及的考虑长-短嵌套决策的水光电互补调度容量配置方法的具体实施方案进行详细地说明。
<实施例>
如图1所示，本实施例一所提供的考虑长-短嵌套决策的水光电互补调度容量配置方法包括以下步骤：
步骤1：以零为下限，水电装机容量为上限，按照一定的步长(对于MW级别的光伏电站可选1MW为步长；对于kW级别的光伏电站可选择1kW为步长，通常视计算精度而定)生成光伏电站装机容量方案集；
步骤2：对于方案集中某一特定装机容量的光伏电站，分别建立长期调度模型和短期调度模型以嵌套的方式(即长期调度决策作为短期调度模型的输入)模拟水光互补调度过程；具体为：
本实施例中，长期优化调度模型为多目标优化模型，优化目标分别为：
目标1：水光互补电站调度期总发电量最大
目标2：水光互补电站保证率最大
式中：E为水光互补电站在整个调度期内的总发电量(MWh)；m为长期调度时段索引值；M为长期调度总时段数；ΔTm为一个长期调度时段包含的小时数；
为水光互补电站在m时段的平均出力(MW)；
为光伏电站的时段平均出力(MW)；x为光伏电站的装机规模(MW)；Rm为时段平均太阳辐射强度(W/m2)；Tm为时段平均气温(℃)；Rstc和Tstc为标准测试条件下的太阳辐射强度和气温，分别为1000W/m2和25℃；αp为气温功率转换系数，为-0.35％/℃；
为水电站在m时段的平均出力(MW)；K为水电站综合出力系数；Qm为发电流量(m3/s)；
和
分别为水库上游、下游时段平均水位(m)；
为水光互补电站的保证出力(MW)。
长期调度模型的约束条件主要包括：水量平衡约束、库容约束、下泄流量约束、出力约束。
步骤3：采用约束法将多目标问题转化为单目标问题，单一目标函数为：
式中：
为惩罚因子，通过试错法确定。
以库水位/库容为决策变量，光电出力作为优化模型的约束条件，上述目标函数可进一步可转化为：
采用动态规划法或逐步优化算法获取水电站长期调度决策(水头、下泄流量、出力)。
步骤4：先根据长期调度决策选择对应的典型日负荷单位线，以反映水电站在电力系统中的工作位置；再根据长期与短期电量平衡原则，对典型日负荷单位线进行缩放，得到水电站出力计划；进一步以平行抬升水电出力曲线的方式推求出水光总出力计划；具体包含以下子步骤：
子步骤4.1：假定长期时段每天都采用相同的典型日负荷单位线，计算长期调度时段可能产生的最大平均出力
式中：
为水电站的装机容量；i为典型日负荷单位线编号；t为的典型日负荷单位线中时段编号；
为第i条典型日负荷单位线中第t时段的标幺值；h为典型日负荷单位线的总数时段数；
子步骤4.2：将典型日负荷单位线在长期时段最大平均出力按照从小到大的顺序进行排序，并将水电出力
划分成若干区间；对于长期时段水电出力N*，根据优先调峰(即日负荷率较小)原则，选择对应的典型日负荷单位线l*，如下：
图2为长期调度决策与典型日负荷单位线的一一对应关系示意图。
子步骤4.3：根据长期时段水电出力N*以及选择的典型日负荷单位线l*，推求水电站长期调度时段内逐日发电计划(即水电站出力曲线)，如下：
式中：Ns为水电站日出力曲线；l*为典型日负荷单位线；
为典型日负荷单位线中标幺值的均值；
子步骤4.4：根据水电出力曲线和光伏出力曲线(根据当地太阳辐射强度和气温采用估算得到，光伏出力曲线的估算方法为现有技术)，以平行抬升水电出力曲线的方式推求出水光总出力曲线：
式中：Rpv为光伏电站一日平均出力；Rup为水电出力曲线能所抬升的最大值。
子步骤4.5：计算水光互补调度中可能的弃电量(如图3所示考虑两种可能的弃电情况)，如下：
式中：
为互补的水电出力值；
为水光互补电站总出力计划值；
为光伏电站的实际出力；Esc为水光互补电站一日总弃电量；Δt调度时段长。
子步骤4.6：估算相邻调度时段的流量、水位变幅：
式中：
为互补水电出力；K为水电站综合出力系数；Ht为发电水头，从长期调度模型中获取；[Zt＝g(Qt)]为尾水位-泄流曲线。
步骤5：计算装机容量未违背下游流量、水位变幅约束的光伏电站全寿命期发电净效益，如下：
式中：NR(x)为装机容量为x光伏电站全寿命期净效益(元)；xs满足下游水位、流量约束的光伏最大装机容量(MW)；Cf为光电上网电价(元/MWh)；y为模拟年数(光伏电站寿命)；d为一年中天数(365或366)；h为短期调度一日调度时段数；
为装机容量为x的光伏电站上网平均出力(MW)；Δt短期调度时段长(h)；Cin为单位装机光伏电站的初始投资(元/MWh)；Com为光伏电站运行维修费用(元/MWh)；Ep为单位装机光伏电站整个寿命周期的实发电量(MWh)。
步骤6：重复上述步骤2-5，选择净效益最大对应的光伏电站装机容量为最优容量。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的考虑长-短嵌套决策的水光电互补调度容量配置方法并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。
Claims (1)
1.一种考虑长-短嵌套决策的水光电互补调度容量配置方法，其特征在于，包括以下步骤：
步骤一：以零为下限，水电装机容量为上限，按照一定的步长生成光伏电站装机容量方案集；
步骤二：针对指定规模的光伏电站，分别建立长期调度模型和短期调度模型以嵌套的方式模拟水光互补调度过程；
建立的长期优化调度模型为多目标优化模型，优化目标分别为：
目标1：水光互补电站调度期总发电量最大
目标2：水光互补电站保证率最大
式中：E为水光互补电站在整个调度期内的总发电量；m为长期调度时段索引值；M为长期调度总时段数；ΔTm为一个长期调度时段包含的小时数；
为光伏电站的时段平均出力；
为水电站在m时段的平均出力；
为水光互补电站的保证出力；
多目标模型的求解时，采用约束法将多目标问题转为单目标问题，以库水位/库容为决策变量，光电出力作为优化模型的约束条件，将目标函数进一步转化为：
式中：
为惩罚因子；
短期调度模型为线性模拟模型，包括三个模块：
模块1：制订水光总出力计划
先根据长期调度决策选择对应的典型日负荷单位线，以反映水电站在电力系统中的工作位置；再根据长期与短期电量平衡原则，对典型日负荷单位线进行缩放，得到水电站出力计划；进一步以平行抬升水电出力曲线的方式推求出水光总出力计划；
模块1包含以下子步骤：
子步骤1：假定长期时段每天都采用相同的典型日负荷单位线，计算长期调度时段可能产生的最大平均出力
式中：
为水电站的装机容量；i为典型日负荷单位线编号；t为的典型日负荷单位线中时段编号；
为第i条典型日负荷单位线中第t时段的标幺值；h为典型日负荷单位线的总数时段数；
子步骤2：将典型日负荷单位线在长期时段最大平均出力按照从小到大的顺序进行排序，并将水电出力
划分成若干区间；对于长期时段水电出力N*，根据优先调峰原则，选择对应的典型日负荷单位线l*，如下：
子步骤3：根据长期时段水电出力N*以及选择的典型日负荷单位线l*，推求水电站长期调度时段内逐日发电计划，如下：
式中：Ns为水电站日出力曲线；l*为典型日负荷单位线；
为典型日负荷单位线中标幺值的均值；
子步骤4：根据水电出力曲线和光伏出力曲线，以平行抬升水电出力曲线的方式推求出水光总出力曲线：
式中：Rpv为光伏电站一日平均出力；Rup为水电出力曲线能所抬升的最大值；
模块2：估算光伏电站实际上网电量
采用光伏电站的总发电量减去水光互补调度中弃电量得到光伏电站实际上网电量；
在模块2中，水光互补调度弃电量的计算考虑了两种可能的情况：第一，水电计划电量较大时，水电对光电的补偿会产生弃水；第二，水电计划电量较小时，部分时段光伏出力大于水光总出力计划会产生弃光；
两种情况采用统一的弃电量计算公式，如下：
式中：
为互补的水电出力值；
为水光互补电站总出力计划值；
为光伏电站的实际出力；Esc为水光互补电站一日总弃电量；Δt为调度时段长；
模块3：估算下游水位、流量波动幅值
考虑下游水位、流量的变幅约束，利用该约束限制光伏电站的装机规模；
在模块3中，下游水位、流量的变幅约束分别如下：
式中：Qt为水光互补电站下游某观测站点的流量值；ΔQ为相邻时段流量变化的最大允许值；Zt为水光互补电站下游某观测站点的水位值；ΔZ为相邻时段水位变化的最大允许值；
对于特定规模的光伏电站，相邻时段下泄流量变幅约束用下式计算：
式中：
为互补水电出力；K为水电站综合出力系数；Ht为发电水头，从长期调度模型中获取；
水位变幅约束基于水光互补电站尾水位-泄流曲线[Zt＝g(Qt)]进行反推估算，如下：
步骤三：基于调度过程对未违背下游水位、流量变幅约束的方案进行成本效益分析，以光伏电站全寿命期净收益最大为准则优选光伏电站装机容量；
成本效益分析考虑了投资成本、运行维修费用、以及光电上网收益，得到光伏电站全寿命期净效益计算式如下：
式中：NR(x)为装机容量为x光伏电站全寿命期净效益；xs为满足下游水位、流量约束的光伏最大装机容量；Cf为光电上网电价；y为模拟年数；d为一年中天数；h为短期调度一日调度时段数；
为装机容量为x的光伏电站上网平均出力；Δt短期调度时段长；Cin为单位装机光伏电站的初始投资；Com为光伏电站运行维修费用；Ep为单位装机光伏电站整个寿命周期的实发电量；
当光伏电站净效益最大时对应最优装机容量，表达式如下：
xopt＝arg max NR(x),x∈(0,xs]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710365391.0A CN107256450B (zh) | 2017-05-22 | 2017-05-22 | 考虑长-短嵌套决策的水光电互补调度容量配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710365391.0A CN107256450B (zh) | 2017-05-22 | 2017-05-22 | 考虑长-短嵌套决策的水光电互补调度容量配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107256450A CN107256450A (zh) | 2017-10-17 |
| CN107256450B true CN107256450B (zh) | 2020-10-13 |
Family
ID=60027693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710365391.0A Active CN107256450B (zh) | 2017-05-22 | 2017-05-22 | 考虑长-短嵌套决策的水光电互补调度容量配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107256450B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107240932B (zh) * | 2017-06-23 | 2020-01-07 | 清华大学 | 一种水光互补系统中光伏电站容量优化方法 |
| CN109740808B (zh) * | 2018-12-27 | 2022-07-01 | 南瑞集团有限公司 | 一种风光水互补发电计划计算方法及系统 |
| CN111864811B (zh) * | 2019-04-29 | 2022-03-11 | 天津大学 | 一种考虑电网送出需求的水光互补系统光伏容量配置方法 |
| CN110838733B (zh) * | 2019-11-18 | 2023-04-18 | 国网四川省电力公司电力科学研究院 | 一种适于梯级水光互补能源发电系统的光伏容量配置方法 |
| CN111178609A (zh) * | 2019-12-23 | 2020-05-19 | 国网河北省电力有限公司 | 一种基于归一化拟合的区域光伏月发电量预测方法 |
| CN112803499B (zh) * | 2021-03-17 | 2022-08-26 | 河海大学 | 电力/电量补偿协同的风光水多能互补容量优化配置方法 |
| CN113128786B (zh) * | 2021-05-08 | 2022-08-19 | 河海大学 | 一种基于空间网格搜索的风光水互补容量与选址优化方法 |
| CN114186877B (zh) * | 2021-12-14 | 2024-04-30 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种考虑水库调节库容的日内水光互补计算方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259279A (zh) * | 2013-06-09 | 2013-08-21 | 国家电网公司 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
| CN103488236A (zh) * | 2013-06-20 | 2014-01-01 | 华北水利水电大学 | 一种风光水互补发电系统的优化调度方法 |
| CN104808638A (zh) * | 2015-04-29 | 2015-07-29 | 中山大学 | 互补型dmg的热功转换与优化调度辅助决策系统及方法 |
| CN105048516A (zh) * | 2015-08-18 | 2015-11-11 | 四川大学 | 一种风光水火多源互补优化调度方法 |
| WO2017062769A1 (en) * | 2015-10-08 | 2017-04-13 | Arris Enterprises Llc | Dynamic capacity ranges for workforce routing |
-
2017
- 2017-05-22 CN CN201710365391.0A patent/CN107256450B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259279A (zh) * | 2013-06-09 | 2013-08-21 | 国家电网公司 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
| CN103488236A (zh) * | 2013-06-20 | 2014-01-01 | 华北水利水电大学 | 一种风光水互补发电系统的优化调度方法 |
| CN104808638A (zh) * | 2015-04-29 | 2015-07-29 | 中山大学 | 互补型dmg的热功转换与优化调度辅助决策系统及方法 |
| CN105048516A (zh) * | 2015-08-18 | 2015-11-11 | 四川大学 | 一种风光水火多源互补优化调度方法 |
| WO2017062769A1 (en) * | 2015-10-08 | 2017-04-13 | Arris Enterprises Llc | Dynamic capacity ranges for workforce routing |
Non-Patent Citations (1)
| Title |
|---|
| 《基于虚拟电源配置策略的风光水火多源互补短期优化调度》;曾雪婷 等;《电网技术》;20160531(第5期);1379-1386 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107256450A (zh) | 2017-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107256450B (zh) | 考虑长-短嵌套决策的水光电互补调度容量配置方法 | |
| CN109103926B (zh) | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 | |
| Kusakana | Optimal scheduled power flow for distributed photovoltaic/wind/diesel generators with battery storage system | |
| CN105375479B (zh) | 一种基于模型预测控制的分布式能源能量管理方法 | |
| Dinçer | Overview of the photovoltaic technology status and perspective in Turkey | |
| Bashir et al. | Size optimization of new hybrid stand-alone renewable energy system considering a reliability index | |
| Lacko et al. | Stand-alone renewable combined heat and power system with hydrogen technologies for household application | |
| Liu et al. | Research on short-term optimization for integrated hydro-PV power system based on genetic algorithm | |
| Khan et al. | Optimal planning of off-grid solar-wind-tidal hybrid energy system for sandwip island of Bangladesh | |
| Iemsomboon et al. | Performance study of micro hydro turbine and PV for electricity generator, case study: Bunnasopit school, Nan Province, Thailand | |
| Siddique et al. | Optimal integration of hybrid (wind--solar) system with diesel power plant\newline using HOMER | |
| Romero et al. | Technical-economic study for the implementation of solar energy in the presence of biomass and micro hydraulic generation, for sectors that do not have electricity supply in the Province of Bolívar-Ecuador | |
| Rezaei Mirghaed et al. | Optimal design of renewable integrated heat and electricity supply systems with genetic algorithm: Household application in Iran | |
| Li et al. | The capacity optimization of wind-photovoltaic-thermal energy storage hybrid power system | |
| Perez et al. | Soft-islanding a group of houses through scheduling of CHP, PV and storage | |
| Zhang et al. | Coordinated optimal short-term operation of hydro-wind-solar integrated systems | |
| Singh et al. | Performance evaluation of a 4 kW isolated solar powered lab with IoT energy management system | |
| Abuzeid et al. | Optimal Off-Grid Hybrid Renewable Energy System for Residential Applications Using Particle Swarm Optimization. | |
| Chanhome et al. | Minimization of voltage fluctuation by considering uncertainty from renewable energy resources | |
| CN107968427B (zh) | 基于等效电源的多能源电力系统统一耦合模型构建方法 | |
| Zhao et al. | Research on the Impact of Hydro‐PV Complementary System Operation on Power Grid Based on New Energy Consumption | |
| Bära et al. | Combined Operation of Photovoltaic and Biogas Plants for Optimal Transformer Loading. | |
| Hassan et al. | Providing electricity to remote communities with DC powered devices using solar PV systems | |
| CN117013535B (zh) | 一种兼顾生态调度需求的水风光火互补容量配置方法 | |
| CN117663503B (zh) | 一种智能调节熔盐储热速率的方法及系统 |
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 |