CN107368961A - 一种适用于新能源接入背景下的区域电网碳排放管理方法 - Google Patents
一种适用于新能源接入背景下的区域电网碳排放管理方法 Download PDFInfo
- Publication number
- CN107368961A CN107368961A CN201710564177.8A CN201710564177A CN107368961A CN 107368961 A CN107368961 A CN 107368961A CN 201710564177 A CN201710564177 A CN 201710564177A CN 107368961 A CN107368961 A CN 107368961A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- new energy
- power grid
- power
- regional 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.)
- Withdrawn
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 75
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 70
- 238000007726 management method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 239000000243 solution Substances 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012895 dilution Substances 0.000 claims description 4
- 238000010790 dilution Methods 0.000 claims description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
-
- 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)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种适用于新能源接入背景下的区域电网碳排放管理方法，包括：S1，建立区域碳排放量管理模型；S2，采用基于随机响应面法(SRSM)的概率潮流计算出含多个关联新能源电站的电网潮流分配情况；S3，采用帝国主义竞争算法求解多目标区域碳排放量管理模型，得到Pareto非劣解集；S4，通过引入罚函数检验并调整得到的Pareto解，避免节点电压越限或支路过载；S5，利用交互式满意度决策方法，根据系统运行人员的不同需求从Pareto解集中选出模型的“最优解”；S6，通过改变新能源电站接入位置、各目标函数参考隶属度设置，评估不同方案的综合效益。本发明可实现对实际电力系统碳排放量的综合管理，并为新能源场站选址方案的评估提供新的思路。
Description
技术领域
本发明涉及电力系统发电规划领域，具体涉及一种适用于新能源广泛接入背景下的区域电网碳排放管理方法。
背景技术
近年来，随着能源需求的持续增长，环境问题日益凸显。推行节能减排，发展低碳经济是应对当前气候变暖、雾霾危机的有效措施，也是可持续发展的必由之路。目前，我国电力行业作为CO2排放大户，占全国碳排放总量的比重超过40％。因此，在电网层面，建立高效、完善的碳排放管理机制，发展低碳电力潜力巨大，受到社会广泛关注。
当前的减排措施可以分为两大类：发电侧可再生能源的接入以及需求侧管理。由于电力行业的碳排放量主要源自发电侧，再加上与需求侧资源频繁进行交互会带来额外费用，因而提高发电侧新能源并网比重，制定最优的低碳调度方案无疑是更好的选择。对于含新能源发电的优化调度问题，有文献在传统的低碳经济调度模型基础上考虑了风电预测误差的影响。有学者在调度模型中计及了环境约束，并重点分析了碳补集电厂的运行特性和经济效益。另外，还有学者研究并制定了风-火电系统联合协调调度方案。
尽管新能源在节能减排方面作用显著，其出力的间歇性和波动性也会给电网带来诸多不确定因素，进而降低整个系统的安全性和可靠性。概率潮流是电力系统不确定性分析的重要工具，其通过概率统计方法得到系统潮流的分布信息，能够计及各种随机因素场景，全面反映电网的运行工况，便于调度人员发现系统薄弱环节和潜在风险。多数文献将概率潮流方法分为三类：模拟法、近似法和解析法。以蒙特卡洛仿真(MCS)为代表的模拟法原理简单、通用性强且精度最高，但计算规模过大，耗时长。近似法包括点估计法、一次二阶矩法等以及解析法中的半不变量法(CM)等计算速度快，但局限性较大，精度难以保证，易受随机变量类型及系统维数的制约。目前的研究主要围绕算法本身如何兼顾计算精度和效率，例如改进采样方法、降低变量维数等。然而，关于概率潮流在系统静态安全评估以及优化调度模型中的应用方面的文献相对较少。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种可实现对实际电力系统碳排放量的综合管理，并为新能源场站选址方案的评估提供新的思路的适用于新能源广泛接入背景下的区域电网碳排放管理方法。
技术方案：为实现上述目的，本发明提供一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，包括如下具体步骤：
步骤S1：建立区域碳排放量管理模型，该模型可以通过控制不同城市之间的碳排放量实现整个地区的碳排放平衡，防止局部城市过污染，有利于污染物的稀释扩散；
步骤S2：采用基于随机响应面法的概率潮流计算出含多个关联新能源电站的电网潮流分配情况；
步骤S3：采用帝国主义竞争算法求解多目标区域碳排放量管理模型，得到Pareto非劣解集；
步骤S4：通过引入罚函数检验并调整得到的Pareto解，避免节点电压越限或支路过载；
步骤S5：利用交互式满意度决策方法，根据系统运行人员的不同需求从Pareto解集中选出模型的“最优解”；
步骤S6：通过改变新能源电站接入位置、各目标函数参考隶属度设置，评估不同方案的综合效益。
进一步地，所述步骤S1中具体为：建立区域碳排放量管理模型，该模型在传统的低碳优化调度模型基础上，计及新能源电站接入系统的影响，引入区域碳排放量管理的概念，通过控制不同城市之间的碳排放量实现整个地区的碳排放平衡，防止局部城市过污染，有利于污染物的稀释扩散，该模型共含有3个优化目标，分别为平均发电成本最低、平均碳排放总量最小、平均区域碳排放差异量最小，并且包括4个约束条件分别为功率平衡约束、火电机组出力约束、节点电压约束以及支路功率约束。
进一步地，所述步骤S2具体包括：
步骤S2.1：输入电网参数、网络拓扑结构以及系统输入随机变量(包括风电场、光伏电站和负荷)的概率分布参数；
步骤S2.2：选取M个标准正态变量ξi的配置点；
步骤S2.3：采用Nataf变换将所有配置点从标准正态空间转换到原始空间，得到一系列关联输入变量的样本点；
步骤S2.4：利用Matpower工具箱对每个输入样本点进行确定性潮流计算，得到对应的输出响应量Y(包括节点电压、支路功率、网损等)的样本点；
步骤S2.5：通过配置点及其对应的输出响应样本求解多项式的未知系数ai，得到输出变量Y的多项式混沌展开表达式。
进一步地，所述步骤S3具体包括：
步骤S3.1：输入电网参数，各随机变量的分布参数以及帝国主义竞争算法的参数；
步骤S3.2：随机生成Npop个初始国家。第i个国家Xi＝[Xi1,Xi2,…,Xin],i＝1,2,…,NpopXi＝[Xi1,Xi2,…,Xin]，i＝1,2,…,Npop满足火电机组的出力约束，利用支配关系和拥挤度算子为每个国家分配虚拟适应度，根据适应度的大小，将其划分为帝国主义国家或殖民地；
步骤S3.3：进行帝国间的同化、革命、竞争及合并过程。
进一步地，所述步骤S4中具体为：调整新的帝国主义国家使其满足节点电压及支路功率的约束，引入惩罚项并修正原始目标函数，得到带惩罚项的新目标函数。再对每个国家计算新的目标函数值，利用Pareto支配理论从帝国主义国家中选择出非劣解集。
进一步地，所述步骤S5中具体为：构造表征目标函数满意度的logistic隶属度函数，根据决策者的需求定义每个目标函数的参考隶属度，通过求解极小-极大化问题，可以得到基于决策者需求的最优解。
进一步地，所述步骤S6中具体为：通过改变新能源电站接入位置、设置各目标函数参考隶属度大小，比较不同方案下区域碳排放优化结果并评估其综合效益。
与现有的低碳发电调度方法相比，本发明具有以下有益效果：
1、本发明引入了区域碳排放量管理的概念，通过控制不同城市之间的碳排放量实现整个地区的碳排放平衡，防止局部城市过污染，有利于污染物的稀释扩散；
2、本发明提出了一种基于随机响应面法的概率潮流，可以高效准确地计算出含多个关联新能源电站的电网潮流分配情况，避免节点电压越限或支路过载；
3、本发明采用带模糊满意度决策的帝国主义竞争算法求解所建立的多目标区域电网碳排放量管理模型，可以根据系统运行人员的不同需求从Pareto解集中挑选出“最优”调度方案。
附图说明
为了更清楚地说明本发明的方法和实施例，下面对所提方法和实施例描述中所需要的附图作简单地介绍。
图1为本发明的方法流程图；
图2为本发明的IEEE 30节点系统测试案例接线图；
图3为本发明的实施例中方案一的目标函数Pareto前沿曲线图；
图4为本发明的不同方案下的各火电机组出力直方图；
图5为本发明的不同方案下的区域碳排放量直方图；
图6为本发明的不同方法下支路10-22有功的概率密度函数(PDF)。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种适用于新能源广泛接入背景下的区域电网碳排放管理方法流程如图1所示，包括：
步骤S1：建立区域碳排放量管理模型；
步骤S2：采用基于随机响应面法的概率潮流计算出含多个关联新能源电站的电网潮流分配情况；
步骤S3：采用帝国主义竞争算法求解多目标区域碳排放量管理模型，得到Pareto非劣解集；
步骤S4：通过引入罚函数检验并调整得到的Pareto解，避免节点电压越限或支路过载；
步骤S5：利用交互式满意度决策方法，根据系统运行人员的不同需求从Pareto解集中选出模型的“最优解”；
步骤S6：通过改变新能源电站接入位置、各目标函数参考隶属度设置，评估不同方案的综合效益。
在本实施例中，图2为IEEE 30节点系统测试案例接线图。系统内含6台火电机组，41条支路，20个负荷节点并且分为3个区域。假设所有机组均为火电机组，各负荷节点的功率参数为一天24h的平均负荷，其随机波动服从正态分布，标准差为相应均值的15％。在节点11处接入一座容量为50MW的光伏电站，其有功出力可近似为Beta分布。系统内还有两座装机容量为100MW的完全相同的风电场，为了比较不同风电接入位置对机组发电调度结果的影响，分别模拟以下3种方案：
方案1：风电场位于节点17和节点5；
方案2：风电场位于节点17和节点16；
方案3：风电场位于节点17和节点26。
考虑风电场及负荷间的相关性，设两座风电场的风速相关系数为0.6，同一区域的负荷之间相关系数均为0.4，而不同地区的负荷则相互独立。
在本实施例中，所述步骤S1中具体为：建立区域碳排放量管理模型，模型共含有3个优化目标，包括：平均发电成本最低；平均碳排放总量最小；平均区域碳排放差异量最小。约束条件包括：功率平衡约束；火电机组出力约束；节点电压约束以及支路功率约束。
1)平均发电成本：
其中，CG,i、Cw,j和Cp,s分别为火电机组i、风电场j以及光伏电站s的发电成本函数；Nc、Nw和Np为系统中所含火电机组、风电场及光伏电站的数量；和则表示为相应的火电机组、风电场及光伏电站的期望有功出力。
2)平均碳排放量：
其中，和分别为火电机组i、风电场j以及光伏电站s的期望碳排放量。
3)平均区域碳排放差异量：
其中，Nr表示划分的区域个数；和分别为区域i，j的期望碳排放量。其差值反映地区间的碳排放量不平衡水平，f3的值越大，表明某些区域的污染愈加严重。
模型的约束条件如下：
1)功率平衡约束：
其中，Vi为节点i的电压幅值；Yij为节点导纳矩阵元素；δi和δj分别为节点i、j的电压相角；θij为节点i、j之间的相角差。
对于任意节点i，有
其中，PG,i、PW,i、PP,i和PL,i分别为节点i上所有火电机组、风电场、光伏电站及负荷的有功出力；QG,i、QW,i和PL,i分别为火电机组、风电场、负荷的无功功率；光伏电站的无功功率为0。
2)火电机组出力约束：
其中，及分别为节点i有功和无功功率的最大值和最小值。
3)节点电压约束：
Pr(Vi min≤Vi≤Vi max)≥cV,i＝1,2,…,Nb (7)
其中，Pr表示事件发生的概率；Vi max和Vi min分别为节点i的电压幅值上、下限；cV为节点电压约束条件下的置信水平。
4)支路功率约束：
其中，Nl为支路数量；为支路i的有功功率上限；cl为满足支路有功出力约束条件的置信水平。
在本实施例中，所述步骤S2具体为：
步骤S2.1：输入电网参数、网络拓扑结构以及系统输入随机变量(包括风电场、光伏电站和负荷)的概率分布参数；
步骤S2.2：选取M个标准正态变量ξi的配置点。设PW、PP和PL分别表示风电、光伏和负荷的有功出力，根据各自的功率特性服从不同的概率分布。利用边缘变换可以将系统所有输入变量转换为只服从标准正态分布的随机变量：
Xi＝Fi -1(Φ(ξi)),i＝1,2,…,n (9)
其中，n为系统输入随机变量个数；Xi为X＝[PW,PP,PL]中第i个输入变量；ξi为标准正态变量；Fi、Φ分别为Xi和ξi的累积分布函数(CDF)。
步骤S2.3：采用Nataf变换将所有配置点从标准正态空间转换到原始空间，得到一系列关联输入变量的样本点；Nataf变换分为相关性控制和边缘变换两步，第一步先将相互独立的配置点ξi转换为关联标准正态变量(中间变量)Zi＝[Zi1,Zi2,…,Zin]:
Zi＝Lξi,i＝1,2,…,M (10)
式中，L为下三角矩阵，可通过对Z的协方差矩阵RZ进行Cholesky分解得到：
RZ＝LLT (11)
其中，RZ由输入随机变量X的协方差矩阵RX按经验公式修正后得到。第二步则是对中间变量Zi按式(9)作边缘变换，得到服从给定分布的关联输入变量Xi的样本点。
步骤S2.4：利用Matpower工具箱对每个输入样本点进行确定性潮流计算，得到对应的输出响应量Y(包括节点电压、支路功率、网损等)的样本点；其中输出变量Y可用多项式混沌近似展开为：
其中，aj1、aj1j2和aj1j2j3为待定系数；Hm表示m阶多元Hermite多项式。
步骤S2.5：通过配置点及其对应的输出响应样本求解多项式的未知系数ai，得到输出变量Y的多项式混沌展开表达式。
在本实施例中，所述步骤S3具体为：
步骤S3.1：输入电网参数，各随机变量的分布参数以及帝国主义竞争算法的参数；其中，帝国主义竞争算法的参数设置如表1所示；
步骤S3.2：随机生成Npop个初始国家(国家是由系统各火电机组出力变量所构成的向量)。第i个国家Xi＝[Xi1,Xi2,…,Xin],i＝1,2,…,NpopXi＝[Xi1,Xi2,…,Xin]，i＝1,2,…,Npop满足式(6)的约束。利用支配关系和拥挤度算子为每个国家分配虚拟适应度，根据适应度的大小，将其划分为帝国主义国家或殖民地；
步骤S3.3：进行帝国间的同化、革命、竞争及合并过程，检验算法终止判据，若迭代次数k＜kmax，则继续重复帝国间的操作(同化、革命、竞争及合并)；否则停止迭代，输出Pareto最优解集。
表1 ICA的参数设置
在本实施例中，所述步骤S4具体为：调整新的帝国主义国家使其满足式(7)和式(8)的节点电压及支路功率约束，引入惩罚项Pen_V和Pen_P：
式中，当满足式(7)、(8)的约束条件时，ΔVi＝ΔPi＝0。否则， 其中，Vi up和Vi down分别为节点i电压分布的上、下cV分位点；为支路i潮流分布的双侧cl分位点。修正原始目标函数fi，得到带惩罚项的新目标函数
其中，μ1、μ2为惩罚项系数。
再对每个国家计算新的目标函数值，利用Pareto支配理论从帝国主义国家中选择出非劣解集。
在本实施例中，所述步骤S5具体为：构造表征目标函数满意度的logistic隶属度函数(区间[0,1]的单调减函数)，其值能够量化决策者的满意度，隶属度越大表示越倾向于接受：
式中，Ω为Pareto最优解集；εi和χi为用户自定义参数，这里取εi＝10，χi＝0.5。
根据决策者的需求，定义每个目标函数的参考隶属度Lri，其值取[0,1]区间内的任意实数，可以表示相应目标函数的重要程度，Lri越大，fi越重要。通过求解式(16)的极小-极大化问题，可以得到基于决策者需求的最优解：
在本实施例中，所述步骤S6具体为：改变新能源电站接入位置如方案1、方案2和方案3所示，图3示出了方案1下多目标问题的Pareto最优前沿，由图3可知，总碳排放量控制的越少，所需费用也越高。在同等碳排放水平下，维持区域碳排放量平衡(f3越小)会使费用成本直线上升。表2比较了3种风电接入方案下的优化结果，包括优化后各机组的有功及相应的目标函数值。具体各机组出力及区域碳排放量的对比情况如图4、图5所示。可以看出，方案1下的f1、f2和f3均最小，优化结果最好，尤其是区域碳排放差异量这一指标明显低于方案2和3。这是由于区域1的两个火电机组碳排放强度最大，在其附近接入风电场能最大程度上平衡地区间的碳排放量，另外，从图4还能看出，碳排放强度越大的机组，计划发电量越小。
为了验证步骤S3中的SRSM在概率潮流计算方面的精度和效率，本实施例以支路10-22的有功功率为例，在方案1下与MCS和CM得到的PDF曲线进行比较。由图6可知，当不计相关性时，3种方法所得结果基本一致。然而，在考虑输入变量相关性的情况下，CM的图线在尾部存在较大偏差，可能会导致低估系统的运行风险，使得支路过载率超出式(8)的机会约束。而SRSM的结果始终与MCS保持吻合，并且SRSM与CM的计算效率相当(1.046s和0.671s)，远小于MCS的耗时(682.5s)。
根据决策者的需求确定各目标的优先级，通过改变参考隶属度的值可以灵活调节各目标函数的权重。表3给出了不同参考隶属度下测试系统的优化仿真结果，其中碳排放强度＝日均碳排放量/(24.负荷功率)，其值可以反映一个地区的污染程度。由表3可以看出，当f1和f2具有相同的优先级时(Lr1＝Lr2＝1)，改变f3的隶属度对于f1、f2优化结果的影响较小，而f3变化明显(Lr3越大，f3的值越小)。因此，在保持总发电成本和碳排放量基本不变的前提下，应尽量减少区域碳排放的不平衡量。
表2不同方案下的模糊优化结果
表3不同参考隶属度下的模糊优化结果
Claims (9)
1.一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于：包括如下具体步骤：
步骤S1：建立区域碳排放量管理模型，该模型可以通过控制不同城市之间的碳排放量实现整个地区的碳排放平衡，防止局部城市过污染，有利于污染物的稀释扩散；
步骤S2：采用基于随机响应面法的概率潮流计算出含多个关联新能源电站的电网潮流分配情况；
步骤S3：采用帝国主义竞争算法求解多目标区域碳排放量管理模型，得到Pareto非劣解集；
步骤S4：通过引入罚函数检验并调整得到Pareto解；
步骤S5：利用交互式满意度决策方法，根据系统运行人员的不同需求从Pareto解集中选出模型的“最优解”；
步骤S6：通过改变新能源电站接入位置、各目标函数参考隶属度设置，评估不同方案的综合效益。
2.根据权利要求1所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于：所述步骤S1中建立的区域碳排放量管理模型，该模型共含有3个优化目标，分别为平均发电成本最低、平均碳排放总量最小、平均区域碳排放差异量最小，并且包括4个约束条件分别为功率平衡约束、火电机组出力约束、节点电压约束以及支路功率约束。
3.根据权利要求1所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于：所述步骤S2具体包括：
步骤S2.1：输入电网参数、网络拓扑结构以及系统输入随机变量的概率分布参数；
步骤S2.2：选取M个标准正态变量ξi的配置点；
步骤S2.3：采用Nataf变换将所有配置点从标准正态空间转换到原始空间，得到一系列关联输入变量的样本点；
步骤S2.4：利用Matpower工具箱对每个输入样本点进行确定性潮流计算，得到对应的输出响应量Y的样本点；
步骤S2.5：通过配置点及其对应的输出响应样本求解多项式的未知系数ai，得到输出变量Y的多项式混沌展开表达式。
4.根据权利要求2所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于：所述步骤S3具体包括：
步骤S3.1：输入电网参数，各随机变量的分布参数以及帝国主义竞争算法的参数；
步骤S3.2：随机生成Npop个初始国家。第i个国家Xi＝[Xi1,Xi2,…,Xin],i＝1,2,…,NpopXi＝[Xi1,Xi2,…,Xin]，i＝1,2,…,Npop满足火电机组的出力约束，利用支配关系和拥挤度算子为每个国家分配虚拟适应度，根据适应度的大小，将其划分为帝国主义国家或殖民地；
步骤S3.3：进行帝国间的同化、革命、竞争及合并过程。
5.根据权利要求2所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于：所述步骤S4具体为：调整新的帝国主义国家使其满足节点电压及支路功率的约束，引入惩罚项并修正原始目标函数，得到带惩罚项的新目标函数，再对每个国家计算新的目标函数值，利用Pareto支配理论从帝国主义国家中选择出非劣解集。
6.根据权利要求1所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于:所述步骤S5具体为：构造表征目标函数满意度的logistic隶属度函数，根据决策者的需求定义每个目标函数的参考隶属度，通过求解极小-极大化问题，可以得到基于决策者需求的最优解。
7.根据权利要求1所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于:所述步骤S6具体为：通过改变新能源电站接入位置、设置各目标函数参考隶属度大小，比较不同方案下区域碳排放优化结果并评估其综合效益。
8.根据权利要求3所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于:所述步骤S2.1中系统输入随机变量包括风电场、光伏电站和负荷。
9.根据权利要求3所述的一种适用于新能源广泛接入背景下的区域电网碳排放管理方法，其特征在于:所述步骤S2.4中输出响应量Y包括节点电压、支路功率、网损。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710564177.8A CN107368961A (zh) | 2017-07-12 | 2017-07-12 | 一种适用于新能源接入背景下的区域电网碳排放管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710564177.8A CN107368961A (zh) | 2017-07-12 | 2017-07-12 | 一种适用于新能源接入背景下的区域电网碳排放管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107368961A true CN107368961A (zh) | 2017-11-21 |
Family
ID=60306955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710564177.8A Withdrawn CN107368961A (zh) | 2017-07-12 | 2017-07-12 | 一种适用于新能源接入背景下的区域电网碳排放管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107368961A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862419A (zh) * | 2017-12-08 | 2018-03-30 | 清华大学 | 一种多能源网络的低碳优化调度方法及系统 |
| CN108416296A (zh) * | 2018-03-09 | 2018-08-17 | 东北电力大学 | 一种基于改进稀疏分解的超声信号特征获取方法 |
| CN108628272A (zh) * | 2018-06-28 | 2018-10-09 | 上海电力学院 | 基于成本的优选法与规划法相耦合的工艺参数优化方法 |
| CN109726416A (zh) * | 2018-06-28 | 2019-05-07 | 国网湖北省电力有限公司襄阳供电公司 | 一种基于新能源集群预测及潮流计算的调度决策方法 |
| CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
| CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
| CN113592134A (zh) * | 2021-06-15 | 2021-11-02 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113609713A (zh) * | 2021-10-08 | 2021-11-05 | 南京东博智慧能源研究院有限公司 | 用户侧电碳信息量化计算方法、系统及计算机存储介质 |
| CN113872250A (zh) * | 2021-09-23 | 2021-12-31 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
| CN115276110A (zh) * | 2021-04-30 | 2022-11-01 | 国网冀北电力有限公司 | 基于环保限产信息的日前机组组合模型的火电机组数量更新方法 |
| CN117057659A (zh) * | 2023-08-25 | 2023-11-14 | 国网湖北省电力有限公司电力科学研究院 | 一种区域电网电碳联合风险评估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102646982A (zh) * | 2012-04-26 | 2012-08-22 | 华北电力大学 | 一种含风电场的低碳发电调度方法 |
| CN104751373A (zh) * | 2015-03-23 | 2015-07-01 | 国网重庆市电力公司电力科学研究院 | 计及污染气体排放风险的环境经济调度方法 |
| CN105186499A (zh) * | 2015-09-09 | 2015-12-23 | 中国电力科学研究院 | 一种配电网多目标概率最优潮流模糊建模与求解方法 |
| CN106058863A (zh) * | 2016-07-08 | 2016-10-26 | 河海大学 | 一种基于随机响应面法的随机最优潮流计算方法 |
-
2017
- 2017-07-12 CN CN201710564177.8A patent/CN107368961A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102646982A (zh) * | 2012-04-26 | 2012-08-22 | 华北电力大学 | 一种含风电场的低碳发电调度方法 |
| CN104751373A (zh) * | 2015-03-23 | 2015-07-01 | 国网重庆市电力公司电力科学研究院 | 计及污染气体排放风险的环境经济调度方法 |
| CN105186499A (zh) * | 2015-09-09 | 2015-12-23 | 中国电力科学研究院 | 一种配电网多目标概率最优潮流模糊建模与求解方法 |
| CN106058863A (zh) * | 2016-07-08 | 2016-10-26 | 河海大学 | 一种基于随机响应面法的随机最优潮流计算方法 |
Non-Patent Citations (4)
| Title |
|---|
| HOSSEIN RANJBAR ETC.: "Imperialist Competitive Algorithm based optimal power flow", 《THE 22ND IRANIAN CONFERENCE ON ELECTRICAL ENGINEERING》 * |
| XU WANG ETC.: "Regional Carbon Emission Management Based on Probabilistic Power Flow With Correlated Stochastic Variables", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
| ZHOUYANG REN ETC.: "Probabilistic Power Flow Analysis Based on the Stochastic Response Surface Method", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
| 黄煜 等: "含分布式电源的改进配电网随机潮流计算", 《华南理工大学学报(自然科学版)》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862419A (zh) * | 2017-12-08 | 2018-03-30 | 清华大学 | 一种多能源网络的低碳优化调度方法及系统 |
| CN108416296B (zh) * | 2018-03-09 | 2021-12-14 | 东北电力大学 | 一种基于改进稀疏分解的超声信号特征获取方法 |
| CN108416296A (zh) * | 2018-03-09 | 2018-08-17 | 东北电力大学 | 一种基于改进稀疏分解的超声信号特征获取方法 |
| CN108628272A (zh) * | 2018-06-28 | 2018-10-09 | 上海电力学院 | 基于成本的优选法与规划法相耦合的工艺参数优化方法 |
| CN109726416A (zh) * | 2018-06-28 | 2019-05-07 | 国网湖北省电力有限公司襄阳供电公司 | 一种基于新能源集群预测及潮流计算的调度决策方法 |
| CN109740968A (zh) * | 2019-01-25 | 2019-05-10 | 中国科学院上海高等研究院 | 二氧化碳排放空间格网化方法、系统、介质和装置 |
| CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
| CN111968005B (zh) * | 2020-06-29 | 2023-10-13 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
| CN115276110A (zh) * | 2021-04-30 | 2022-11-01 | 国网冀北电力有限公司 | 基于环保限产信息的日前机组组合模型的火电机组数量更新方法 |
| CN113592134A (zh) * | 2021-06-15 | 2021-11-02 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113592134B (zh) * | 2021-06-15 | 2023-09-26 | 国网浙江省电力有限公司 | 一种基于能源数据的电力碳排放评估系统及方法 |
| CN113872250A (zh) * | 2021-09-23 | 2021-12-31 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
| CN113872250B (zh) * | 2021-09-23 | 2023-10-20 | 天津大唐国际盘山发电有限责任公司 | 基于火电的多能互补能源基地三级控制方法 |
| CN113609713A (zh) * | 2021-10-08 | 2021-11-05 | 南京东博智慧能源研究院有限公司 | 用户侧电碳信息量化计算方法、系统及计算机存储介质 |
| CN113609713B (zh) * | 2021-10-08 | 2022-03-22 | 南京东博智慧能源研究院有限公司 | 用户侧电碳信息量化计算方法、系统及计算机存储介质 |
| CN117057659A (zh) * | 2023-08-25 | 2023-11-14 | 国网湖北省电力有限公司电力科学研究院 | 一种区域电网电碳联合风险评估方法 |
| CN117057659B (zh) * | 2023-08-25 | 2024-05-24 | 国网湖北省电力有限公司电力科学研究院 | 一种区域电网电碳联合风险评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107368961A (zh) | 一种适用于新能源接入背景下的区域电网碳排放管理方法 | |
| Ruan et al. | Distributed voltage control in active distribution network considering renewable energy: A novel network partitioning method | |
| CN110417015A (zh) | 基于模型预测控制的微电网多目标优化调度方法及系统 | |
| CN107301472A (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| Kunya et al. | Review of economic dispatch in multi-area power system: State-of-the-art and future prospective | |
| Galvani et al. | A multi-objective probabilistic approach for smart voltage control in wind-energy integrated networks considering correlated parameters | |
| CN109583655A (zh) | 一种发输电多阶段联合扩展规划方法及系统 | |
| Linlin et al. | Research on multi-objective reactive power optimization of power grid with high proportion of new energy | |
| CN105633950B (zh) | 一种考虑风电注入不确定性的多目标随机模糊动态最优潮流求解方法 | |
| Dasan et al. | Optimal siting and sizing of hybrid distributed generation using EP | |
| Chen et al. | A Novel Approach Based on Modified and Hybrid Flower Pollination Algorithm to Solve Multi-objective Optimal Power Flow. | |
| CN117526432B (zh) | 一种面向源荷互动的配网调控系统及方法 | |
| CN110535131A (zh) | 基于场景分析和安全约束经济调度的分层消纳预警方法 | |
| Tong et al. | An intelligent scheduling control method for smart grid based on deep learning | |
| CN107392350B (zh) | 含分布式能源及充电站的配电网扩展规划综合优化方法 | |
| Li | Multi-objective optimization of space adaptive division for environmental economic dispatch | |
| Li et al. | Joint planning of distributed generation, electric vehicle charging station, and active distribution network framework | |
| Zhu et al. | On-site energy consumption technologies and prosumer marketing for distributed poverty alleviation photovoltaic linked to agricultural loads in china | |
| Lu et al. | Location and size planning of distributed photovoltaic generation in distribution network system based on K-means clustering analysis | |
| Kai et al. | Optimization for PV-ESS in Distribution Network Based on CSBO | |
| Banerjee et al. | Chaotic simplex moth swarm algorithm for optimization of alternative energy integrated power grid including static synchronous series compensator | |
| Luo et al. | Multi-Objective Optimization Scheduling of Microgrids Based on Particle Swarm Optimization Algorithm | |
| Chen et al. | The optimal planning and dynamic operation of distributed generation method based on modified multiobjective optimization in power distribution system | |
| Ren et al. | Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory | |
| Yu et al. | Analysis of User Load Characteristics of Automatic Demand Response in Industrial Parks Based on Fuzzy C-means Clustering Algorithm |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171121 |