CN107482618A - 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 - Google Patents
具有风‑火发电并含多类型柔性负荷电网的电价制定方法 Download PDFInfo
- Publication number
- CN107482618A CN107482618A CN201710597242.7A CN201710597242A CN107482618A CN 107482618 A CN107482618 A CN 107482618A CN 201710597242 A CN201710597242 A CN 201710597242A CN 107482618 A CN107482618 A CN 107482618A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- load
- mtr
- 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000000418 atomic force spectrum Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 22
- 230000009194 climbing Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 239000010410 layer Substances 0.000 claims description 6
- 238000009987 spinning Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 239000002355 dual-layer Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 230000005619 thermoelectricity Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- 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
-
- 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]
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明公开了一种具有风‑火发电并含多类型柔性负荷电网的电价制定方法,该方法包含下列步骤:确定电网的火电机组数以及每台火电机组的相关参数,确定风电的日出力曲线,将负荷分为四类,确定每类负荷的原始电价以及每小时的用电量,建立具有风‑火发电的多类型柔性负荷协调控制模型,利用差分进化粒子群算法求解上述模型,制定四种柔性负荷的峰谷电价策略。本发明的优点是:建立柔性负荷的需求响应模型,根据不同柔性负荷对电价响应的差异性,制定不同的电价激励措施,充分挖掘各类柔性负荷的需求响应资源,提高电力系统运行经济性;采用DEPSO算法求解具有较好的寻优性,提高了求解精度。
Description
技术领域
本发明涉及柔性负荷协调控制技术领域,更具体地涉及考虑具有风-火发电并含多类型柔性负荷电网的电价制定方法。
背景技术
随着社会与经济的快速发展,人类对电能的需求量越来越大,这也增大了人们对化石能源的需求。但是,传统的化石能源可探明储存量有限,将在百年之后消耗殆尽;除此之外,化石能源污染环境,严重危害人体健康。为应对上述问题,近年来中国大力发展风力发电,但随着风电装机容量的不断加大,其具有的波动性和间歇性给电力系统的经济运行带来了巨大挑战。
为提高含风力发电的电力系统运行经济性,多通过制定合理的电价政策,协调用户负荷有序用电,并使其与传统火电机组共同配合以解决大规模风电并网,提高电力系统运行的经济性。文献(曾丹,姚建国,杨胜春,等.应对风电消纳中基于安全约束的价格型需求响应优化调度建模[J].中国电机工程学报,2014,34(31):5571-5578.)考虑电网调度中网络安全约束和需求响应满意度约束,建立柔性负荷实时调度模型,保证实时调度中电网的安全运行,但与实施实时电价前相比,该文献制定的实时电价策略可能造成用户侧电费增加,不能保证电力系统运行的经济性;专利(计及系统可靠性与购电风险的峰谷分时电价确定方法[P].中国专利:201410376427.1,2014-08-01)建立了计及系统可靠性与收益风险的峰谷分时电价模型,但是该模型在制定峰谷分时电价时只考虑了一种负荷,未计及负荷的多样性,实际上,不同负荷的响应特性不尽相同;文献(李扬,王治华,卢毅,等.峰谷分时电价的实施及大工业用户的响应[J].电力系统自动化,2001,25(8):45-48.)提出了一种含有用户对分时电价反应度分析的分时电价模型,得到了最优化的峰谷时段划分及其相应的分时电价定价方法,但没有考虑用户满意度。文献(李晖,康重庆,夏清.考虑用户满意度的需求侧管理价格决策模型[J].电网技术,2004,28(23):1-6.)建立了考虑用户满意度的DSM价格决策模型,但未能考虑用户电费支出的变化。
综上所述,现有对柔性负荷参与到电力系统调度的研究中,没有考虑不同柔性负荷对电价响应能力的差异性,而在实际电网中,工业、商业和居民负荷对电价的响应能力并不相同,需要分开考虑,为其制定不同的电价措施,充分挖掘各类柔性负荷资源。本发明考虑工业、商业和居民负荷对电价的响应能力的差异性,为各类负荷制定不同的峰谷电价,并通过计及用户满意度约束减少对用户正常用电的影响,建立具有风-火发电并含多类型柔性负荷电网的峰谷电价模型,形成火力发电和多类型柔性负荷共同协调优化配合风电并网的新模式,以此提高电力系统运行经济性。
为得到具有风-火发电并含多类型柔性负荷电网的电价,首先需要确定一些火电机组的参数。其中,ai、bi和ci是第i台火电机组燃料特性系数,与机组的固有特性有关,三个参数共同描述火电机组的燃料成本。
其次,本发明基于电价弹性矩阵描述负荷对电价的响应行为。电价弹性可以反应电量需求变化与电价变化之间的关系,电价弹性矩阵中包括自弹性系数和交叉弹性系数,定义如下:
式中:εii是自弹性系数;εij为交叉弹性系数;Li与ΔLi分别表示时段i的用电量和变化量;pi、pj与Δpi、Δpj分别表示时段i、j的电价和电价的变化量。
通过以上定义,建立如下电量电价弹性矩阵:
式中,n为时段数。
其次,本发明采用差分进化粒子群(DEPSO)算法对具有风-火发电并含多类型柔性负荷电网的峰谷电价模型进行求解。DEPSO算法自2001年由Hendtlass.T提出(HendtlassT.A combined swarm differential evolution algorithm foroptimizationproblems.Lecture Notes in Computer Science,2001,2070:11-18.),该算法由粒子群(PSO)算法和差分进化(DE)算法构成。PSO算法由许多粒子组成,每一个粒子就相当于鸟群中的一只鸟,每个粒子像鸟类一样在N维空间中以飞行的方式寻找最优点,在飞行(迭代)的过程中,粒子之间不断进行信息传递,并彼此学习。粒子具有位置和速度两个特征量,粒子的位置便是所求问题的一个解。每一个粒子在每一次迭代后均可以存储自身在寻优过程中得到的最优解(称之为个体最优解pi),并通过信息传递的方式学习所有粒子所得到的最优解(称之为全局最优解pg),每次迭代中,粒子i第j维的速度vij与位置xij按下面的表达式更新:
式中,xi(t)=[xi1(t),xi2(t),...,xiN(t)]T和vi(t)=[vi1(t),vi2(t),...,viN(t)]T分别代表N维空间中第i个粒子(i=1,2,...,PS)在第t次迭代时的位置矢量和速度矢量,PS表示粒子数量;pi(t)=[pi1(t),pi2(t),...piN(t)]T代表N维空间中第i个粒子在前t次迭代所寻找到的粒子个体最优位置;pg(t)=[pg1(t),pg2(t),...pgN(t)]T代表N维空间中所有粒子在前t次迭代所寻找到的全局最优位置;r1j(t)和r2j(t)是两个分布于(0,1)之间的随机数;w是惯性权重;c1和c2称为加速度参数。
DE算法包括变异、交叉和选择操作。对于第i个DE个体的变异操作(i=1,2,...,PS),我们首先从种群中随机选取三个不同的个体和将作为基向量,将和做差并进行一定的缩放后与叠加,即:
式中,为变异向量;F为缩放因子。
交叉操作采用的是二元交叉的方法,该方法作用于与上一次迭代的种群最终产生试探向量即:
式中,和分别表示向量和的第j维分量,CR是交叉概率。
选择操作是在子代和父代中进行选择,若子代向量的目标值小于父代向量的目标值,则保留子代向量,淘汰父代向量;反之保留父代向量,淘汰子代向量。
DEPSO算法采用PSO算法与DE算法并行计算的方式,分别利用PSO算法和DE算法对种群中的粒子位置进行更新,在每一次更新结束后,分别求取PSO的最优解FPSO和DE的最优解FDE,比较FPSO和FDE,选取两者中更优的解作为种群的最优解。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种具有风-火发电并含多类型柔性负荷电网的电价制定方法,其目的在于充分挖掘各类负荷的需求响应潜力,由此解决电力系统经济运行的技术问题。
为了达到上述目的,本发明采用如下技术方案。
一种具有风-火发电并含多类型柔性负荷电网的电价制定方法,该方法包含下列步骤:
a、确定电网的火电机组数N,以及第i台机组的参数:第i台火电机组发电成本特性系数为ai、bi和ci,第i台机组的热启动和冷启动费用分别为Shot,i和Scold,i,第i台机组的最小开机时间和最小停机时间分别为Tminrun,i和Tminstop,i,第i台机组的冷启动时间Tcold,i,第i台火电机的最小输出功率Pmin,i和最大输出功率Pmax,i,第i台火电机的下坡爬坡率DRi和上坡爬坡率URi,其中i=1,2,...,N;
b、确定风电的日出力曲线;
c、将负荷分为工业负荷一Pload,1、工业负荷二Pload,2、商业负荷Pload,3和居民负荷Pload,4四类,确定第j类负荷的原始电价p0,j,确定在原始电价状态下第j类负荷第t小时的用电量L0(t),j,其中j=1,2,3,4,t=1,2,...,24;
d、利用电价弹性矩阵,建立用户对电价响应行为的模型;
e、以火电机组发电成本最低为目标函数,并给出功率平衡约束、火电机组输出功率约束、火电机组爬坡率约束、火电机组最小运行和停运时间约束、火电机组备用容量约束和用户满意度约束,建立具有风-火发电的多类型柔性负荷协调控制模型;
f、利用差分进化粒子群算法求解上述模型,得到四种柔性负荷的峰谷电价。
2、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤d所述的用户对电价响应行为的模型为:
式中,p1(t),j为第j类负荷第t小时重新制定的电价,L1(t),j为p1(t),j激励下第j类负荷第t小时的用电量,t=1,2,...,24,j=1,2,3,4,其中E为电价弹性矩阵:
3、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤e所述的建立具有风-火发电的多类型柔性负荷协调控制模型:
目标函数
f(PG,i,t)=ai·(PG,i,t)2+bi·PG,i,t+ci
式中,ui,t为第i台火电机组在时段t的启停状态,f(PG,i,t)为第i台火电机组燃料成本,PG,i,t为第i台火电机组在时段t的平均出力,Si为第i台火电机组的启动成本,Toff,i,t为第i台火电机组在时段t连续停机的时段数;
约束条件
1)功率平衡条件
式中,PW,j为时段t风电机组出力;
2)火电机组输出功率约束
Pmin,i≤PG,i,t≤Pmax,i
3)火电机组爬坡率约束
-DRi≤PG,i,t-PG,i,t-1≤URi
4)火电机组最小运行和停运时间约束
式中,Ton,i,t为第i台火电机组在时段t连续开启的时段数;
5)备用容量约束
备用容量约束分为正旋转备用约束和负旋转备用约束,其中正旋转备用约束为风电出力最小时导致所需要的正旋转备用:
式中,L%为针对系统负荷的旋转备用率,PW,t 为第t时段风电出力的下限;
负旋转备用约束为风电出力最大时导致所需要的负旋转备用:
式中,为第t时段风电出力的上限;
6)用户满意度约束
第j类负荷用电方式的满意度为ηj
式中,ηj,min为第j类负荷用电方式的满意度的最小值。
4、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤f所述的模型求解方法:
将具有风-火发电的多类型柔性负荷协调控制模型转化为一个双层优化问题,外层优化问题为四类负荷峰谷电价的确定,内层优化问题为火电机组的启停状态的确定以及启动机组的出力情况;随机初始化四类负荷的峰谷电价,并在此基础上求取该峰谷电价下四类负荷每一时段的用电量,叠加四类负荷每一时段的用电量得到总负荷每一时段的用电量,然后利用差分进化粒子群算法对火电机组的启停状态以及启动机组的出力进行求解,得到该峰谷电价情况下最优的发电成本,再利用差分进化粒子群算法反复对四类负荷的峰谷电价进行寻优,取所有情况下发电成本最低所对应的四类负荷峰谷电价作为最终的电价方案。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、建立柔性负荷的需求响应模型,并根据不同柔性负荷对电价响应的差异性,并为其制定不同的电价激励措施,可充分挖掘各类柔性负荷的需求响应资源,提高电力系统运行经济性。
2、采用DEPSO算法求解具有风-火发电的多类型柔性负荷协调控制模型,该算法具有较好的寻优性能,提高了求解精度。
附图说明
图1是本发明实施例的三种电价定价模式下的负荷曲线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
具有风-火发电并含多类型柔性负荷电网的电价制定方法,该方法包含下列步骤:
a、确定电网的火电机组数N,以及第i台机组的参数:第i台火电机组发电成本特性系数为ai、bi和ci,第i台机组的热启动和冷启动费用分别为Shot,i和Scold,i,第i台机组的最小开机时间和最小停机时间分别为Tminrun,i和Tminstop,i,第i台机组的冷启动时间Tcold,i,第i台火电机的最小输出功率Pmin,i和最大输出功率Pmax,i,第i台火电机的下坡爬坡率DRi和上坡爬坡率URi,其中i=1,2,...,N;
b、确定风电的日出力曲线;
c、将负荷分为工业负荷一Pload,1、工业负荷二Pload,2、商业负荷Pload,3和居民负荷Pload,4四类,确定第j类负荷的原始电价p0,j,确定在原始电价状态下第j类负荷第t小时的用电量L0(t),j,其中j=1,2,3,4,t=1,2,...,24;
d、利用电价弹性矩阵,建立用户对电价响应行为的模型;
e、以火电机组发电成本最低为目标函数,并给出功率平衡约束、火电机组输出功率约束、火电机组爬坡率约束、火电机组最小运行和停运时间约束、火电机组备用容量约束和用户满意度约束,建立具有风-火发电的多类型柔性负荷协调控制模型;
f、利用差分进化粒子群算法求解上述模型,得到四种柔性负荷的峰谷电价。
2、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤d所述的用户对电价响应行为的模型为:
式中,p1(t),j为第j类负荷第t小时重新制定的电价,L1(t),j为p1(t),j激励下第j类负荷第t小时的用电量,t=1,2,...,24,j=1,2,3,4,其中E为电价弹性矩阵:
3、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤e所述的建立具有风-火发电的多类型柔性负荷协调控制模型:
目标函数
f(PG,i,t)=ai·(PG,i,t)2+bi·PG,i,t+ci
式中,ui,t为第i台火电机组在时段t的启停状态,f(PG,i,t)为第i台火电机组燃料成本,PG,i,t为第i台火电机组在时段t的平均出力,Si为第i台火电机组的启动成本,Toff,i,t为第i台火电机组在时段t连续停机的时段数;
约束条件
1)功率平衡条件
式中,PW,j为时段t风电机组出力;
2)火电机组输出功率约束
Pmin,i≤PG,i,t≤Pmax,i
3)火电机组爬坡率约束
-DRi≤PG,i,t-PG,i,t-1≤URi
4)火电机组最小运行和停运时间约束
式中,Ton,i,t为第i台火电机组在时段t连续开启的时段数;
5)备用容量约束
备用容量约束分为正旋转备用约束和负旋转备用约束,其中正旋转备用约束为风电出力最小时导致所需要的正旋转备用:
式中,L%为针对系统负荷的旋转备用率,PW,t 为第t时段风电出力的下限;
负旋转备用约束为风电出力最大时导致所需要的负旋转备用:
式中,为第t时段风电出力的上限;
6)用户满意度约束
第j类负荷用电方式的满意度为ηj
式中,ηj,min为第j类负荷用电方式的满意度的最小值。
4、根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤f所述的模型求解方法:
将具有风-火发电的多类型柔性负荷协调控制模型转化为一个双层优化问题,外层优化问题为四类负荷峰谷电价的确定,内层优化问题为火电机组的启停状态的确定以及启动机组的出力情况;随机初始化四类负荷的峰谷电价,并在此基础上求取该峰谷电价下四类负荷每一时段的用电量,叠加四类负荷每一时段的用电量得到总负荷每一时段的用电量,然后利用差分进化粒子群算法对火电机组的启停状态以及启动机组的出力进行求解,得到该峰谷电价情况下最优的发电成本,再利用差分进化粒子群算法反复对四类负荷的峰谷电价进行寻优,取所有情况下发电成本最低所对应的四类负荷峰谷电价作为最终的电价方案。
Claims (4)
1.具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,该方法包含下列步骤:
a、确定电网的火电机组数N,以及第i台机组的参数:第i台火电机组发电成本特性系数为ai、bi和ci,第i台机组的热启动和冷启动费用分别为Shot,i和Scold,i,第i台机组的最小开机时间和最小停机时间分别为Tminrun,i和Tminstop,i,第i台机组的冷启动时间Tcold,i,第i台火电机的最小输出功率Pmin,i和最大输出功率Pmax,i,第i台火电机的下坡爬坡率DRi和上坡爬坡率URi,其中i=1,2,...,N;
b、确定风电的日出力曲线;
c、将负荷分为工业负荷一Pload,1、工业负荷二Pload,2、商业负荷Pload,3和居民负荷Pload,4四类,确定第j类负荷的原始电价p0,j,确定在原始电价状态下第j类负荷第t小时的用电量L0(t),j,其中j=1,2,3,4,t=1,2,...,24;
d、利用电价弹性矩阵,建立用户对电价响应行为的模型;
e、以火电机组发电成本最低为目标函数,并给出功率平衡约束、火电机组输出功率约束、火电机组爬坡率约束、火电机组最小运行和停运时间约束、火电机组备用容量约束和用户满意度约束,建立具有风-火发电的多类型柔性负荷协调控制模型;
f、利用差分进化粒子群算法求解上述模型,得到四种柔性负荷的峰谷电价。
2.根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤d所述的用户对电价响应行为的模型为:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mi>E</mi>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,p1(t),j为第j类负荷第t小时重新制定的电价,L1(t),j为p1(t),j激励下第j类负荷第t小时的用电量,t=1,2,...,24,j=1,2,3,4,其中E为电价弹性矩阵:
<mrow>
<mi>E</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>24</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>24</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>24</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>24</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mn>24</mn>
<mo>,</mo>
<mn>24</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
3.根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤e所述的建立具有风-火发电的多类型柔性负荷协调控制模型:
目标函数
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>F</mi>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
f(PG,i,t)=ai·(PG,i,t)2+bi·PG,i,t+ci
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>S</mi>
<mrow>
<mi>h</mi>
<mi>o</mi>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>min</mi>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>min</mi>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>></mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,ui,t为第i台火电机组在时段t的启停状态,f(PG,i,t)为第i台火电机组燃料成本,PG,i,t为第i台火电机组在时段t的平均出力,Si为第i台火电机组的启动成本,Toff,i,t为第i台火电机组在时段t连续停机的时段数;
约束条件
1)功率平衡条件
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
式中,PW,j为时段t风电机组出力;
2)火电机组输出功率约束
Pmin,i≤PG,i,t≤Pmax,i
3)火电机组爬坡率约束
-DRi≤PG,i,t-PG,i,t-1≤URi
4)火电机组最小运行和停运时间约束
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>o</mi>
<mi>n</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>min</mi>
<mi>r</mi>
<mi>u</mi>
<mi>n</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>min</mi>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,Ton,i,t为第i台火电机组在时段t连续开启的时段数;
5)备用容量约束
备用容量约束分为正旋转备用约束和负旋转备用约束,其中正旋转备用约束为风电出力最小时导致所需要的正旋转备用:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<msub>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&OverBar;</mo>
</munder>
<mo>&GreaterEqual;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>L</mi>
<mi>%</mi>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
式中,L%为针对系统负荷的旋转备用率,PW,t 为第t时段风电出力的下限;
负旋转备用约束为风电出力最大时导致所需要的负旋转备用:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<mover>
<msub>
<mi>P</mi>
<mrow>
<mi>W</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>&le;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>L</mi>
<mi>%</mi>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
式中,为第t时段风电出力的上限;
6)用户满意度约束
第j类负荷用电方式的满意度为ηj
<mrow>
<msub>
<mi>&eta;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
<mo>|</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
<msub>
<mi>L</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>&GreaterEqual;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
式中,ηj,min为第j类负荷用电方式的满意度的最小值。
4.根据权利要求1所述的具有风-火发电并含多类型柔性负荷电网的电价制定方法,其特征在于,步骤f所述的模型求解方法:
将具有风-火发电的多类型柔性负荷协调控制模型转化为一个双层优化问题,外层优化问题为四类负荷峰谷电价的确定,内层优化问题为火电机组的启停状态的确定以及启动机组的出力情况;随机初始化四类负荷的峰谷电价,并在此基础上求取该峰谷电价下四类负荷每一时段的用电量,叠加四类负荷每一时段的用电量得到总负荷每一时段的用电量,然后利用差分进化粒子群算法对火电机组的启停状态以及启动机组的出力进行求解,得到该峰谷电价情况下最优的发电成本,再利用差分进化粒子群算法反复对四类负荷的峰谷电价进行寻优,取所有情况下发电成本最低所对应的四类负荷峰谷电价作为最终的电价方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597242.7A CN107482618A (zh) | 2017-07-20 | 2017-07-20 | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597242.7A CN107482618A (zh) | 2017-07-20 | 2017-07-20 | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107482618A true CN107482618A (zh) | 2017-12-15 |
Family
ID=60596673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710597242.7A Pending CN107482618A (zh) | 2017-07-20 | 2017-07-20 | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107482618A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109449988A (zh) * | 2018-12-14 | 2019-03-08 | 国网山东省电力公司经济技术研究院 | 大规模新能源发电并网的电力系统逐日仿真模拟方法 |
CN109617133A (zh) * | 2018-12-18 | 2019-04-12 | 深圳供电局有限公司 | 一种考虑柔性负荷的电力系统调度方法 |
CN109687429A (zh) * | 2018-11-30 | 2019-04-26 | 国电南瑞南京控制系统有限公司 | 一种柔性负荷设备的调度方法、系统及存储介质 |
CN111047345A (zh) * | 2019-10-11 | 2020-04-21 | 国网甘肃省电力公司电力科学研究院 | 一种计及新能源消纳率和用户满意度的电价数据调整方法 |
CN111091239A (zh) * | 2019-12-04 | 2020-05-01 | 国网天津市电力公司电力科学研究院 | 基于差分进化算法的能源服务商电价策略制定方法及装置 |
CN111242702A (zh) * | 2020-02-29 | 2020-06-05 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN111353820A (zh) * | 2020-02-29 | 2020-06-30 | 贵州电网有限责任公司 | 一种考虑柔性负荷机组的电网峰谷分时电价的制定方法 |
CN113517691A (zh) * | 2021-07-19 | 2021-10-19 | 海南电网有限责任公司 | 一种基于峰谷分时电价的多类型电源协同调度方法 |
-
2017
- 2017-07-20 CN CN201710597242.7A patent/CN107482618A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109687429A (zh) * | 2018-11-30 | 2019-04-26 | 国电南瑞南京控制系统有限公司 | 一种柔性负荷设备的调度方法、系统及存储介质 |
CN109449988A (zh) * | 2018-12-14 | 2019-03-08 | 国网山东省电力公司经济技术研究院 | 大规模新能源发电并网的电力系统逐日仿真模拟方法 |
CN109617133A (zh) * | 2018-12-18 | 2019-04-12 | 深圳供电局有限公司 | 一种考虑柔性负荷的电力系统调度方法 |
CN111047345A (zh) * | 2019-10-11 | 2020-04-21 | 国网甘肃省电力公司电力科学研究院 | 一种计及新能源消纳率和用户满意度的电价数据调整方法 |
CN111047345B (zh) * | 2019-10-11 | 2022-04-12 | 国网甘肃省电力公司电力科学研究院 | 一种计及新能源消纳率和用户满意度的电价数据调整方法 |
CN111091239A (zh) * | 2019-12-04 | 2020-05-01 | 国网天津市电力公司电力科学研究院 | 基于差分进化算法的能源服务商电价策略制定方法及装置 |
CN111242702A (zh) * | 2020-02-29 | 2020-06-05 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN111353820A (zh) * | 2020-02-29 | 2020-06-30 | 贵州电网有限责任公司 | 一种考虑柔性负荷机组的电网峰谷分时电价的制定方法 |
CN111242702B (zh) * | 2020-02-29 | 2021-08-06 | 贵州电网有限责任公司 | 一种考虑系统峰谷差最小的电网峰谷分时电价的制定方法 |
CN113517691A (zh) * | 2021-07-19 | 2021-10-19 | 海南电网有限责任公司 | 一种基于峰谷分时电价的多类型电源协同调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107482618A (zh) | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 | |
CN103151797B (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN114021390A (zh) | 城市综合能源系统随机鲁棒优化方法及其应用 | |
CN105576709B (zh) | 一种基于混合算法的风蓄火联合运行的优化方法 | |
CN103544372B (zh) | 一种微型燃气轮机热电联供系统的机组选型方法 | |
CN106130079A (zh) | 一种风水火短期联合优化调度方法 | |
CN104166877A (zh) | 基于改进二进制粒子群优化算法的微网优化运行方法 | |
CN104779611A (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN111242388B (zh) | 一种考虑冷热电联供的微电网优化调度方法 | |
CN104810860A (zh) | 一种风电场内功率分配方法及分配装置 | |
CN110601177B (zh) | 一种含风电、光伏发电的微电网经济优化方法 | |
CN105356518A (zh) | 一种混合新能源电力系统机组组合优化方法 | |
CN106786509A (zh) | 大规模风电并网下基于多场景模拟的热‑电联合调度方法 | |
CN113435793A (zh) | 一种基于强化学习的微电网优化调度方法 | |
CN107330251A (zh) | 一种基于云遗传算法的风功率预测方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN106602593A (zh) | 微电网多目标转化单目标的方法 | |
CN115940292A (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
CN112183841A (zh) | 基于模拟退火算法的含电动汽车微电网的优化调度方法 | |
CN111555368A (zh) | 一种综合能源系统的深度生成式对抗网络调度与控制方法 | |
CN114741960A (zh) | 一种综合能源经济环境调度优化方法及系统 | |
CN106100002A (zh) | 一种交直流混合微网的优化运行方法 | |
Lopes et al. | Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171215 |