CN107644116A - 一种适应于间歇性能源接入的随机生产模拟算法 - Google Patents
一种适应于间歇性能源接入的随机生产模拟算法 Download PDFInfo
- Publication number
- CN107644116A CN107644116A CN201710653496.6A CN201710653496A CN107644116A CN 107644116 A CN107644116 A CN 107644116A CN 201710653496 A CN201710653496 A CN 201710653496A CN 107644116 A CN107644116 A CN 107644116A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- power station
- power
- load
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统能源规划的技术领域,更具体地,涉及一种适应于间歇性能源接入电网中的随机生产模拟算法。本发明的适应于间歇性能源接入的随机生产模拟算法,建立系统的时序负荷模型,形成原始负荷时序曲线,并根据常规能源电站特点以及运行情况建立常规能源模拟子模型,同时根据光伏电站和风电场出力情况建立等效多状态机组模型;采用所建立的光伏和风电等效多状态机组模型修正等效电量函数,计算光伏和风电的各自发电量;采用常规机组的两状态模型修正等效电量函数,并计算各发电机组发电量;最后,所有机组安排完毕后,计算系统生产成本、电量不足期望值ENNS和电力不足概率LOLP,含间歇性能源的随机生产运行模拟过程结束。
Description
技术领域
本发明涉及电力系统能源规划的技术领域,更具体地,涉及一种适应于间歇性能源接入电网中的随机生产模拟算法。
背景技术
面对传统化石能源日趋枯竭和生态环境日益恶化问题,以风电、光伏为主的间歇性能源因其环境友好、污染度低、可再生等特点,受到了世界各国的青睐。我国是能源消费大国,目前能源的消费仍然过度依赖煤炭、石油、天然气等化石能源,因此发展新能源已经成为我国实现能源可持续利用及能源安全的战略选择。受到国家政策鼓励和扶持,近十年来我国新能源发电发展很快,目前已经成为全球风电规模最大、发展速度最快的国家;近年来,我国新能源发电设备装机规模大大提升,但风能和光能的实际利用率却不是那么高,‘弃风弃光’现象十分严重。风能和光能都属于间歇性能源,而间歇性能源的出力具有随机性、波动性、不可控性等特点,常需要合理地建立表示间歇性能源出力随机性的出力模型以此参与随机生产模拟运行中,进而进行正确的电力电量平衡计算。
国内的电力系统规划软件大多仍以确定型的电源模型为基础,如电源规划JASP模型、WHPS电力系统规划软件及GESP-Ⅲ规划模型等,均较少涉及新能源发电随机性对系统可靠性、经济性的影响。此外,有的生产模拟算法应用的常规能源模型较陈旧,未能准确反映当前各电站的运行工况和出力特点。等效电量函数法是一种典型的传统生产模拟算法,该算法通过把时序负荷曲线转化为持续负荷曲线,并由持续负荷曲线求出电量函数,最后利用修正的电量函数及卷积算法,完成电站的发电安排工作,但是等效电量函数法丢失了负荷的时序信息,无法计及机组的运行状态切换的影响。因此,研究接纳新能源的随机生产模拟算法,为电力系统的规划、运行和效益评估具有重大的意义。
发明内容
本发明的目的在于克服现有技术的不足,提供一种通过间歇性能源出力概率模型的建立以及等效电量函数法的基础实现电力系统含间歇性能源的随机生产运行模拟过程的适应于间歇性能源接入的随机生产模拟算法。
为解决上述技术问题,本发明采用的技术方案是:
提供一种适应于间歇性能源接入的随机生产模拟算法,其特征在于,所述方法包括以下步骤:
S1.根据常规能源电站的出力特点及运行情况,建立模拟子模型,常规能源电站包括火电站、水电站、抽水蓄能电站以及调峰电站;
S2.在步骤S1后,根据系统逐月典型日记载的原始负荷曲线、年负荷曲线及年最大负荷建立负荷时序模型;
S3.在步骤S2后,根据历史风速信息与不同风速对应的时段信息、历史光照强度信息与不同光辐射强度对应的时段信息,建立光伏和风电等效多状态出力模型;
S4.在步骤S3后,提取原始系统数据,获得常规机组数据、负荷信息以及间歇性能源机组信息,把数据赋予相对应的变量参数,开始随机生产模拟过程;
S5.在步骤S4后,利用抽水蓄能电站安排抽水调峰修正步骤S2中所述原始负荷时序曲线,依据设置的抽水方式确定电站的日抽水电量,依次搜索原始负荷时序曲线上的最低负荷位置,优先安排单机容量较大的机组抽水并修正负荷时序曲线,最后校验总抽水电量是否满足要求;
S6.在步骤S5后,利用调峰电站安排调峰发电修正步骤S2中所述的原始负荷时序曲线,依据设置的工作方式,调峰电站安排在特定的时间段内进行发电,利用其出力修正负荷时序曲线,最后校验开机时间是否满足要求;对原始负荷时序曲线作预处理,为后续应用等效电量函数法做准备,增强计算的合理性;
S7.在步骤S6后,确定所述各类能源发电量的消纳优先级,所述各类能源包括风电、光电、水电、抽水蓄能电站、火电;
S8.在步骤S7后,确定所述各类电站承担的冷热备用容量,所述各类电站包括风电站、光电站、水电站、抽水蓄能电站、火电站;
S9.在步骤S8后,以消纳优先级为依据,在步骤S2得到的原始负荷时序曲线上搜索各电站或机组的工作位置;
S10.在步骤S9后,将步骤S2得到的原始负荷时序曲线转化为持续负荷曲线;
S11.在步骤S10后,将步骤S10得到的持续负荷曲线变换为等效电量函数;
S12.在步骤S11后,利用步骤S3得到的光伏和风电等效多状态机组模型修正步骤S11得到的等效电量函数,计算光伏发电量和风电发电量;
S13.在步骤S12后,安排各常规机组在相应的工作位置发电,采用常规机组的两状态模型修正步骤S11得到的等效电量函数,并计算各发电机组发电量;
S14.在步骤S13后,在所有机组安排完毕后,进行电力电量平衡计算,即计算系统生产成本、电量不足期望值EENS和电力不足概率LOLP。
进一步地,在步骤S2中,利用系统逐月典型日原始负荷曲线、年负荷曲线及年最大负荷三种原始数据,建立负荷的时序模型,依据的公式如下:
其中,下标m表示月份,下标t表示小时;Pmt表示m月份典型日逐小时的负荷曲线,Pmax表示年最大负荷,Pm表示一年内的逐月负荷曲线,Phmt表示m月典型日负荷的原始曲线,Ss.m、Sc.m分别表示m月的热备用和停机备用容量,Kl、Kr、Kh分别表示系统的负荷备用率、事故热备用率和事故冷备用率。
进一步地,在步骤S3中,风电处理模型的建立基于两参数Weibull概率分布函数模拟风速分布,风速概率密度函数公式以及每个离散风速的概率计算公式如下:
pi=Fw(vi)-Fw(vi-1)
根据已知历史风速数据以此得到拟合分布函数,由统计得到的期望值μ和标准差σ得出,计算公式如下所示(Γ函数可通过查阅伽玛表获取函数值),形状参数和尺度参数的计算公式如下:
Γ为伽马函数符号
风电场出力功率与风速之间的对应关系为:
将研究周期T划分为N个阶段,共根据上述的风速概率密度函数和风电场输出功率关系,计算得到不同风速下风电场输出功率的概率,再通过不同季节下典型日风速与时间的关系,由此得到风电机组出力功率、概率和时间的关系曲线。
每个阶段下风机发电机组输出功率由风速v={v1,v2,...,vN}计算得到,每个阶段输出功率对应的时间段为h={h1,h2,...,hN}(如以小时为单位),那么每个输出功率的概率为:
根据得到的风机发电机组的输出功率,将其相同项合并,同时包括所对应的概率相加,最终得到等效多状态机组模型(输出功率、概率以及时间关系其中n≤N)如下:
p={p1,p2,...,pn}h={h1,h2,...,hn}
其中,v为风速m/s;α为风速形状参数,表示曲线的形状;β为风速尺度参数,反映风电场的平均风速;μ为期望值和为标准差σ,可由历史风速数据统计分析得出;Sw为风电机组的输出功率W;vci为风电机组切入风速;vco为风电机组切出风速;vr为风电机组额定风速;Sr为风电机组的额定输出功率。
进一步地,在步骤S3中,利用Beta分布和光伏功率公式建立光伏间歇性出力模型,基于Beta分布函数的光照强度概率密度函数如下:
光照强度的形状参数和尺度参数:
光伏出力功率与光照强度之间的函数关系如下:
PPV=EAηηinv
光伏阵列输出功率的概率密度函数如下:
将研究周期T划分为N个阶段,每个阶段下光伏发电机组输出功率由光照强度s={s1,s2,...,sN}(没有太阳时,s=0)计算得到,每个阶段输出功率对应的时间段为h={h1,h2,...,hN}(如以小时为单位),那么每个输出功率的概率为:
根据得到的光伏发电机组的输出功率,将其相同项合并,同时包括所对应的概率相加,最终得到等效多状态机组模型(输出功率、概率以及时间关系其中n≤N)如下:
p={p1,p2,...,pn}h={h1,h2,...,hn}
其中,E为光照强度,Emax为最大光照强度;α为形状参数,表示曲线的形状;β为尺度参数,反映光伏电站的平均光照强度;μ为期望值和为标准差σ,可由历史光照强度数据统计分析得出;PPV为光伏出力功率;Ek为光照强度阈值,即光照强度达到该值后,光电转换效率已达到最大;η为光伏电池板的光电转换效率;A为光伏阵列面积;ηinv为逆变器效率。
进一步地,步骤S7按照以下原则确定所述各类能源发电量的消纳优先级:
1).风电、光电等新能源的发电量优先消纳,优先级最高,设置为A。
2).水电、抽水蓄能电站的水能作为有限能源,整体优先级设置为B;其次,利用表征调峰能力的指标Rha设置内部优先级,Rha越小,则优先级越高;特别地,水电中可调出力部分发电量优先级设置为C。
3).火电的优先级最低,整体设置为C;其中,以火电经济性指标μi为依据,μi越小,则优先级越高;特别地,已确定开机的火电机组最小稳定出力部分的发电量优先级设置为A。
进一步地,在电力系统生产模拟的过程中,冷热备用容量是否充足是衡量该系统是否运行于有安全稳定裕度状态的重要指标,所以须确定所述各类电站承担的冷热备用容量,在步骤S8中,按如下公式确定所述各类电站承担的冷热备用容量:
其中,Ss.i、Sc.i分别表示电站i按备用率预留的热备用和冷备用容量。
进一步地,在应用等效电量函数法之前,需要在原始负荷时序曲线上搜索各电站或机组的工作位置,以确定各电站修正等效电量函数的具体位置。以消纳优先级为依据,按优先级越高,发电量承担负荷的位置越低的基本原则,在步骤S9中,搜索过程具体过程如下:
1)Xi1、Xi2分别表示电站在典型日负荷曲线上工作位置上限和下限,设定其初值为:
Xi1=Pkm,Xi2=Xi1-Pha
式中,Pkm表示系统k月的最大日负荷,Pha表示机组可调出力;
2)在步骤1)后,计算典型日负荷曲线上Xi1和Xi2所夹的电量Ei,即限能电站i在该工作位置的预估日发电量,然后依据下式计算修正工作位置的迭代步长:
dx=(Ei-Eha)/T
式中,Eha表示电站日可调电量,T表示机组正常运行时间;
3)在步骤2)后,若|dx|≤ε,ε表示所要求的精度,则转步骤4);否则,依据下式修正电站的工作位置上下限,并转到步骤2):
Xi1=Xi1+dx,Xi2=Xi2+dx
4)在步骤3)后,以Xi1、Xi2作为电站的工作位置上下限,把扣除该电站发电量的典型日负荷曲线用于安排下一个电站的工作位置,转步骤1),直至遍历所有电站;
5)在步骤4)后,在原始负荷时序曲线上,电站i的实际工作位置上下限为Xpi1和Xpi2,其中Xpi2=Xi2,假定电站i的工作位置上限为:Xpi1=Xi1;若电站i工作位置的上限Xpi1不高于限能电站j工作位置的下限Xpj1,则Xpi1=Xi1,转步骤7);
6)在步骤5)后,若电站i工作位置的上限Xpi1高于限能电站电站j工作位置的下限Xpj2,即两个电站的工作位置存在重叠的部分,则此时Xpi1把上移至限能电站j工作位置的上限Xpj1之上,即:X'Pi1=XPj1+XPi1-XPj2;
7)在步骤5)后,重复以上步骤至电站i的工作位置与已完成上述过程的电站不再重叠,确定电站i在原始负荷时序曲线上的工作位置。
进一步地,在步骤S10中,将原始负荷时序曲线转化为持续负荷曲线,按如下步骤进行:
以横坐标表示系统负荷x,纵坐标表示负荷的持续时间t,曲线上任一点(x,t)表示系统负荷大于或等于x的持续时间为t,即:
t=F(x)
在研究周期T内,系统负荷大于或等于x的概率为:
p=f(x)=F(x)/T
设f(0)(x)为原始持续负荷曲线,设第一台发电机组开始带负荷,其容量为C1,强迫停运率为q1。当这台发电机组处于运行状态时,它和其他发电机组所承担的负荷为f(0)(x);当其处于停运状态时,负荷曲线为f(0)(x-C1)所示。此时系统的持续负荷曲线为:
f(1)(x)=(1-q1)f(0)(x)+q1f(0)(x-C1)
同理,第i台发电机组运行后的负荷曲线修正公式为:
f(i)(x)=(1-qi)f(i-1)(x)+qif(i-1)(x-Ci)
式中,Ci为发电机组i的容量;qi为发电机组i的强迫停运率。
进一步地,在步骤S11中,将由步骤S10所得到的持续负荷曲线变换为等效电量函数。在研究周期T内,取Δx为所有机组容量的最大公约数,把x轴按x/Δx分段,可将等效持续负荷曲线f(i)(x)转换成相应的离散的电量函数,即:
式中,k=[x/Δx]+1,[]表示取不大于x/Δx的整数。E(k)表示从x到x+Δx这段负荷对应的电量。由此可推得等效电量函数法计算公式为:
E(i)(k)=(1-qi)E(i-1)(k)+qiE(i-1)(k-Ji)
式中,Ji=Ci/Δx,Ji为整数。
进一步地,在步骤S12中,将所得到的光伏、风电运行情况按等效多状态机组进行处理,利用步骤S5对等效多状态机组的处理方式,进行修正初始的等效电量函数,并计算多状态发电机组的发电量。而对于含间歇性的等效多状态机组的处理方式,对等效多状态机组i有Ns个状态,Cs和ps分别表示对应状态的运性容量及相应的概率,前i台发电机组的发电量计算公式如下:
因有:
多状态发电机组i的发电量为:
式中,
进一步地,在步骤S13中,安排各常规机组在相应的工作位置发电,采用常规机组的两状态模型,即对常规机组取停运(0)和工作(1)两个状态,以此修正等效电量函数,并按下式计算各常规发电机组的发电量:
式中,qi为发电机组i的强迫停运率,Ci为发电机组i除预留的备用外的容量。
进一步地,在步骤S14中,在所有机组安排完毕后,进行电力电量平衡计算,即计算系统生产成本、电量不足期望值EENS和电力不足概率LOLP。
设电力系统有n台发电机组,则该系统的生产成本(包括燃料成本、环境成本以及缺电成本)为:
CEENS=ceensEENS
式中,cfueli、cenvi为机组i的单位燃料成本、单位环境成本,cEENS为缺电成本,EGi为发电机组i的发电量。
系统的电量不足期望值EENS为:
式中,Kn=CNs/Δx,为n台发电机组总容量,Δx为所有发电机组容量的最大公约数。
系统电力不足概率LOLP的计算公式为:
与现有技术相比,本发明的有益效果是:
本发明的适应于间歇性能源接入的随机生产模拟算法,建立系统的时序负荷模型,形成原始负荷时序曲线,并根据常规能源电站特点以及运行情况建立常规能源模拟子模型,同时根据光伏电站和风电场出力情况建立等效多状态机组模型;并通过多步修正与计算最终得出系统生产成本、电量不足期望值ENNS和电力不足概率LOLP。且本发明针对于大规模间歇性能源的并网,能够确定在只含常规发电机组的随机生产模拟算法中考虑风电、光伏新能源的加入之后能减少的相应的系统成本,同时又能维持电力系统电力电量平衡需求的方法,为电力系统的规划运行提供重要的依据。
附图说明
图1为本发明适应于间歇性能源接入的随机生产模拟算法的流程图;
图2为抽水蓄能电站模拟子模型原理图;
图3为调峰电站模拟子模型原理图;
图4为火电站模拟子模型原理图;
图5为水电站模拟子模型原理图;
图6为风速概率密度函数和风机输出功率与风速曲线关系图;
图7为风速输出功率与概率关系图;
图8为光伏输出功率与概率关系图;
图9为原始持续负荷曲线图;
图10为修正过程中的持续负荷曲线图;
图11为多状态机组在等效电量函数中的处理过程。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1至图11所示为本发明适应于间歇性能源接入的随机生产模拟算法的第一实施例,包括以下步骤:
S1.根据火电站、水电站、调峰电站、抽水蓄能电站的出力特点及运行情况,建立对应的火电站模拟子模型、水电站模拟子模型、调峰电站模拟子模型、抽水蓄能电站模拟子模型,模型建立方法如下:
1)火电站模型建立
如图4所示,由火电站的实际出力特点,建立包含经济性指标及两部分出力组成的火电模型如下所示:
式中,下标i表示第i个电站;ai表示耗煤率,Ci表示到厂煤价,Ptf.i、Ptn.i、Pta.i分别表示火电站的最小稳定出力、可调出力和额定出力,Rtm.i表示最小稳定出力率。
2)水电站模拟子模型
如图5所示,由水电站(包括正处于发电状态下的抽水蓄能电站)的实际出力特点,建立水电的出力模型如下所示:
式中,Rha表示水电站i的调峰能力指标,Eha表示水电站i的月可调电量(单位:MW·H),Pha表示水电站i的月最大可调出力(单位MW),Phav、Phfo、Phex、Kh分别表示水电站的平均出力、强迫出力、预想出力和月调节系数,T表示水电站i的开机时间。
3)调峰电站模拟模型
如图3所示,由调峰电站的实际出力特点,按其确定调峰发电量及位置的不同原则进行划分,从而建立调峰电站的出力模型:
式中,Top表示调峰电站i的额定开机时间,T1、T2分别表示调峰电站i的开机、停机时间点,Ppn、PpS分别表示调峰电站的额定出力、调峰出力,Ti表示调峰电站一日内的各开机时段,Rpm表示调峰电站i的最小稳定出力率。
4)抽水蓄能模拟模型
如图2所示,由抽水蓄能电站的实际运行特点,按其确定抽水电量及位置的不同原则进行划分,建立抽水蓄能电站的抽水负荷模型如下所示:
式中,Eps、Epsm、EGp、Elack分别表示抽水电量、日最大抽水电量、日最大发电量和日调峰不足电量(负荷与基荷发电量之差),Rtps表示转换效率系数。
S2.在步骤S1后,利用系统逐月典型日原始负荷曲线、年负荷曲线及年最大负荷三种原始数据,依据的数学模型如下:
其中,下标m表示月份,下标t表示小时;Pmt表示m月份典型日逐小时的负荷曲线,Pmax表示年最大负荷,Pm表示一年内的逐月负荷曲线,Phmt表示m月典型日负荷的原始曲线,Ss.m、Sc.m分别表示m月的热备用和停机备用容量,Kl、Kr、Kh分别表示系统的负荷备用率、事故热备用率和事故冷备用率。
S3.在步骤S2后,建立风电、光伏能源电站基本出力模型,利用历史风速信息以及不同风速下所对应的时段信息建立风电的风速概率密度函数关系曲线和风电输出功率与风速曲线关系,如图6所示;最终得出风电输出功率、概率与时间的关系,如图7所示;利用光照强度信息以及不同光辐射强度下对应的时段信息建立得到的光伏电站的光照强度概率密度函数关系和光伏输出功率与光照强度关系曲线,最终得出光伏输出功率、概率与时间的关系,如图8所示。具体过程如下:
1)风电出力模型的建立:
基于两参数Weibull概率分布函数模拟风速分布,风速概率密度函数公式以及每个离散风速的概率计算公式如下:
pi=Fw(vi)-Fw(vi-1)
根据已知历史风速数据以此得到拟合分布函数,由统计得到的期望值μ和标准差σ得出,计算公式如下所示(Γ函数可通过查阅伽玛表获取函数值),形状参数和尺度参数的计算公式如下:
Γ为伽马函数符号
风电场出力功率与风速之间的对应关系为:
将研究周期T划分为N个阶段,共根据上述的风速概率密度函数和风电场输出功率关系,计算得到不同风速下风电场输出功率的概率,再通过不同季节下典型日风速与时间的关系,由此得到风电机组出力功率、概率和时间的关系曲线。
每个阶段下风机发电机组输出功率由风速v={v1,v2,...,vN}计算得到,每个阶段输出功率对应的时间段为h={h1,h2,...,hN}(如以小时为单位),那么每个输出功率的概率为:
根据得到的风机发电机组的输出功率,将其相同项合并,同时包括所对应的概率相加,最终得到等效多状态机组模型(输出功率、概率以及时间关系其中n≤N)如下:
其中,v为风速m/s;α为风速形状参数,表示曲线的形状;β为风速尺度参数,反映风电场的平均风速;μ为期望值和为标准差σ,可由历史风速数据统计分析得出;Sw为风电机组的输出功率W;vci为风电机组切入风速;vco为风电机组切出风速;vr为风电机组额定风速;Sr为风电机组的额定输出功率。
2)光伏出力模型的建立:
基于Beta分布函数的光照强度概率密度函数如下:
光照强度的形状参数和尺度参数:
光伏出力功率与光照强度之间的函数关系如下:
PPV=EAηηinv
光伏阵列输出功率的概率密度函数如下:
将研究周期T划分为N个阶段,每个阶段下光伏发电机组输出功率由光照强度s={s1,s2,...,sN}(没有太阳时,s=0)计算得到,每个阶段输出功率对应的时间段为h={h1,h2,...,hN}(如以小时为单位),那么每个输出功率的概率为
根据得到的光伏发电机组的输出功率,将其相同项合并,同时包括所对应的概率相加,最终得到等效多状态机组模型(输出功率、概率以及时间关系其中n≤N)如下:
其中,E为光照强度,Emax为最大光照强度;α为形状参数,表示曲线的形状;β为尺度参数,反映光伏电站的平均光照强度;μ为期望值和为标准差σ,可由历史光照强度数据统计分析得出;PPV为光伏出力功率;Ek为光照强度阈值,即光照强度达到该值后,光电转换效率已达到最大;η为光伏电池板的光电转换效率;A为光伏阵列面积;ηinv为逆变器效率。
S4.在步骤S3后,提取原始输入数据,获得常规机组数据、负荷信息以及间歇性能源机组信息,把数据赋予相对应的变量参数。
S5.在步骤S4后,将抽水蓄能电站按抽水运行方式修正原始负荷时序曲线。依据设置的抽水方式确定电站的日抽水电量,依次搜索原始负荷时序曲线上的最低负荷位置,优先安排单机容量较大的机组抽水并修正负荷时序曲线,最后校验总抽水电量是否满足要求,如图2所示。
S6.在步骤S5后,利用调峰电站的调峰发电量修正原始时序负荷曲线。依据设置的工作方式,调峰电站安排在特定的时间段内进行发电,利用其出力修正负荷时序曲线,最后校验开机时间是否满足要求,如图3所示;步骤S5与步骤S6是计及两类专用调峰电站的作用,对原始负荷时序曲线作预处理,为后续应用等效电量函数法做准备,增强计算的合理性。
S7.在步骤S6后,在生产模拟的过程中,发电机的开机先后和发电量大小都受其承担负荷的优先级高低的影响,为了提高计算的精确度,使结果更接近系统实际运行的情况,在安排发电机组工作位置前须依照以下原则确定所述各类能源发电量的消纳优先级:
1)风电、光电等新能源的发电量优先消纳,优先级最高,设置为A;
2)水电、抽水蓄能电站的水能作为有限能源,整体优先级设置为B;其次,利用表征调峰能力的指标Rha设置内部优先级,Rha越小,则优先级越高。特别地,水电中可调出力部分发电量优先级设置为C;
3)火电的优先级最低,整体设置为C;其中,以火电经济性指标μi为依据,μi越小,则优先级越高;特别地,已确定开机的火电机组最小稳定出力部分的发电量优先级设置为A。
S8.在步骤S7后,在电力系统生产模拟的过程中,冷热备用容量是否充足是衡量该系统是否运行于有安全稳定裕度状态的重要指标,所以须确定所述各类电站承担的冷热备用容量,要求如下式所示:
式中,Ss.i、Sc.i分别表示电站i按备用率预留的热备用和冷备用容量。
S9.在步骤S8后,在应用等效电量函数法之前,需要在如图9所示的原始负荷时序曲线上搜索各电站(或机组)工作位置,以确定各电站修正等效电量函数的具体位置。以消纳优先级为依据,按优先级越高,发电量承担负荷的位置越低的基本原则,搜索过程具体过程如下:
1)Xi1、Xi2分别表示电站在典型日负荷曲线上工作位置上限和下限,设定其初值为:
Xi1=Pkm,Xi2=Xi1-Pha
式中,Pkm表示系统k月的最大日负荷,Pha表示机组可调出力;
2)在步骤1)后,计算典型日负荷曲线上Xi1和Xi2所夹的电量Ei,即限能电站i在该工作位置的预估日发电量,然后依据下式计算修正工作位置的迭代步长:
dx=(Ei-Eha)/T
式中,Eha表示电站日可调电量,T表示机组正常运行时间;
3)在步骤2)后,若|dx|≤ε,ε表示所要求的精度,则转步骤4);否则,依据下式修正电站的工作位置上下限,并转到步骤2):
Xi1=Xi1+dx,Xi2=Xi2+dx
4)在步骤3)后,以Xi1、Xi2作为电站的工作位置上下限,把扣除该电站发电量的典型日负荷曲线用于安排下一个电站的工作位置,转步骤1),直至遍历所有电站;
5)在步骤4)后,在原始负荷时序曲线上,电站i的实际工作位置上下限为Xpi1和Xpi2,其中Xpi2=Xi2,假定电站i的工作位置上限为:Xpi1=Xi1;若电站i工作位置的上限Xpi1不高于限能电站j工作位置的下限Xpj1,则Xpi1=Xi1,转步骤7);
6)在步骤5)后,若电站i工作位置的上限Xpi1高于限能电站电站j工作位置的下限Xpj2,即两个电站的工作位置存在重叠的部分,则此时Xpi1把上移至限能电站j工作位置的上限Xpj1之上,即:X'Pi1=XPj1+XPi1-XPj2;
7)在步骤5)后,重复以上步骤至电站i的工作位置与已完成上述过程的电站不再重叠,确定电站i在原始负荷时序曲线上的工作位置。
S10.在步骤S9后系统形成的原始持续负荷曲线如图9所示,横坐标表示系统负荷,纵坐标表示负荷的持续时间。曲线上任一点(x,t)表示系统负荷大于或等于x的持续时间为t,即:
t=F(x)
设T为研究周期,f(x)=t/T,可得系统负荷大于或等于x的概率为:
p=f(x)=F(x)/T
式中,p可看作系统负荷大于或等于x的概率。
设f(0)(x)为原始持续负荷曲线,设第一台发电机组开始带负荷,其容量为C1,强迫停运率为q1。当这台发电机组处于运行状态时,它和其他发电机组所承担的负荷为f(0)(x);当其处于停运状态时,负荷曲线为f(0)(x-C1)所示。此时系统的持续负荷曲线为:
f(1)(x)=(1-q1)f(0)(x)+q1f(0)(x-C1)
同理,第i台发电机组运行后的负荷曲线修正公式为,具体过程如图10所示:
f(i)(x)=(1-qi)f(i-1)(x)+qif(i-1)(x-Ci)
式中,Ci为发电机组i的容量;qi为发电机组i的强迫停运率。
S11.将由步骤S10所得到的持续负荷曲线变换为等效电量函数。在研究周期T内,取Δx为所有机组容量的最大公约数,把x轴按x/Δx分段,可将等效持续负荷曲线f(i)(x)转换成相应的离散的电量函数,即:
式中,k=[x/Δx]+1,[]表示取不大于x/Δx的整数。E(k)表示从x到x+Δx这段负荷对应的电量。由此可推得等效电量函数法计算公式为:
E(i)(k)=(1-qi)E(i-1)(k)+qiE(i-1)(k-Ji)
式中,Ji=Ci/Δx,Ji为整数。
S12.在步骤S11后,将所得到的光伏、风电运行情况按等效多状态机组进行处理,利用步骤S5对等效多状态机组的处理方式,进行修正初始的等效电量函数,并计算多状态发电机组的发电量。而对于含间歇性的等效多状态机组的处理方式,对等效多状态机组i有Ns个状态,Cs和ps分别表示对应状态的运性容量及相应的概率,表示停运容量,如图11所示:
定义
设在完成前i-1台发电机组的卷积运算后已形成等效电量函数E(i-1)(k),则:
在第i台发电机组带负荷以后,系统尚未满足的负荷电量EDi为:
因此,得到第i台机组的发电量计算公式如下:
因可简化为:
多状态发电机组i的发电量为:
式中,
S13.在步骤S12后,安排各常规机组在相应的工作位置发电,采用常规机组的两状态模型如下式,即对常规机组取停运(0)和工作(1)两个状态,以此修正等效电量函数,并计算各常规发电机组的发电量:
式中,qi为发电机组i的强迫停运率,Ci为发电机组i除预留的备用外的容量。
S14.在步骤S13后,在所有机组安排完毕后,进行电力电量平衡计算,即计算系统生产成本、电量不足期望值EENS和电力不足概率LOLP。
设电力系统有n台发电机组,研究周期为T,则该系统的生产成本(包括燃料成本、环境成本以及缺电成本)为
CEENS=ceensEENS
式中,cfueli、cenvi为机组i的单位燃料成本、单位环境成本,cEENS为缺电成本,EGi为发电机组i的发电量。
系统电量不足期望值EENS为(电量函数表示)
系统电力不足概率LOLP的计算公式为
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种适应于间歇性能源接入的随机生产模拟算法,其特征在于,所述方法包括以下步骤:
S1.根据常规能源电站的出力特点及运行情况,建立模拟子模型,所述常规能源电站包括火电站、水电站、抽水蓄能电站以及调峰电站;
S2.在步骤S1后,根据系统逐月典型日记载的原始负荷曲线、年负荷曲线及年最大负荷建立负荷时序模型;
S3.在步骤S2后,根据历史风速信息与不同风速对应的时段信息、历史光照强度信息与不同光辐射强度对应的时段信息,建立光伏和风电等效多状态出力模型;
S4.在步骤S3后,开始随机生产模拟过程,输入原始系统数据;
S5.在步骤S4后,利用抽水蓄能电站安排抽水调峰修正步骤S2中所述原始负荷时序曲线;
S6.在步骤S5后,利用调峰电站安排调峰发电修正步骤S2中所述的原始负荷时序曲线;
S7.在步骤S6后,确定所述各类能源发电量的消纳优先级,所述各类能源包括风电、光电、水电、抽水蓄能电站、火电;
S8.在步骤S7后,确定所述各类电站承担的冷热备用容量,所述各类电站包括火电站、水电站、抽水蓄能电站以及调峰电站;
S9.在步骤S8后,以步骤S7中消纳优先级为依据,在步骤S2得到的原始负荷时序曲线上搜索各电站或机组的工作位置;
S10.在步骤S9后,将步骤S2得到的原始负荷时序曲线转化为持续负荷曲线;
S11.在步骤S10后,将步骤S10得到的持续负荷曲线变换为等效电量函数;
S12.在步骤S11后,利用步骤S3得到的光伏和风电等效多状态机组模型修正步骤S11得到等效电量函数,并计算光伏发电量和风电发电量;
S13.在步骤S12后,安排各常规机组在相应的工作位置发电,采用常规机组的两状态模型修正步骤S11得到的等效电量函数,并计算各发电机组发电量;
S14.在步骤S13后,在所有机组安排完毕后,进行电力电量平衡计算,即计算系统生产成本、电量不足期望值EENS和电力不足概率LOLP。
2.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S2中,依据以下公式建立负荷时序模型:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mi>max</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mi>m</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>Ph</mi>
<mrow>
<mi>m</mi>
<mi>t</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>K</mi>
<mi>l</mi>
<mo>+</mo>
<mi>K</mi>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mi>max</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mo>.</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>K</mi>
<mi>h</mi>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mi>max</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>P</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,下标m表示月份,下标t表示小时;Pmt表示m月份典型日逐小时的负荷曲线,Pmax表示年最大负荷,Pm表示一年内的逐月负荷曲线,Phmt表示m月典型日负荷的原始曲线,Ss.m、Sc.m分别表示m月的热备用和停机备用容量,Kl、Kr、Kh分别表示系统的负荷备用率、事故热备用率和事故冷备用率。
3.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S3中,利用Weibull分布和风机功率公式建立风电的间歇性出力模型,利用Beta分布和光伏功率公式建立光伏的间歇性出力模型。
4.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S8中,按以下公式确定所述各类电站承担的冷热备用容量:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Sigma;S</mi>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Sigma;S</mi>
<mrow>
<mi>c</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mo>.</mo>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,Ss.i、Sc.i分别表示电站i按备用率预留的热备用和冷备用容量。
5.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S9中,按如下步骤搜索各电站或机组的工作位置:
1)Xi1、Xi2分别表示电站在典型日负荷曲线上工作位置上限和下限,设定其初值为:
Xi1=Pkm,Xi2=Xi1-Pha
式中,Pkm表示系统k月的最大日负荷,Pha表示机组可调出力;
2)在步骤1)后,计算典型日负荷曲线上Xi1和Xi2所夹的电量Ei,即限能电站i在该工作位置的预估日发电量,然后依据下式计算修正工作位置的迭代步长:
dx=(Ei-Eha)/T
式中,Eha表示电站日可调电量,T表示机组正常运行时间;
3)在步骤2)后,若|dx|≤ε,ε表示所要求的精度,则转步骤4);否则,依据下式修正电站的工作位置上下限,并转到步骤2):
Xi1=Xi1+dx,Xi2=Xi2+dx
4)在步骤3)后,以Xi1、Xi2作为电站的工作位置上下限,把扣除该电站发电量的典型日负荷曲线用于安排下一个电站的工作位置,转步骤1),直至遍历所有电站;
5)在步骤4)后,在原始负荷时序曲线上,电站i的实际工作位置上下限为Xpi1和Xpi2,其中Xpi2=Xi2,假定电站i的工作位置上限为:Xpi1=Xi1;若电站i工作位置的上限Xpi1不高于限能电站j工作位置的下限Xpj1,则Xpi1=Xi1,转步骤7);
6)在步骤5)后,若电站i工作位置的上限Xpi1高于限能电站电站j工作位置的下限Xpj2,即两个电站的工作位置存在重叠的部分,则此时Xpi1把上移至限能电站j工作位置的上限Xpj1之上,即:X'Pi1=XPj1+XPi1-XPj2;
7)在步骤5)后,重复以上步骤至电站i的工作位置与已完成上述过程的电站不再重叠,确定电站i在原始负荷时序曲线上的工作位置。
6.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S10中,将原始负荷时序曲线转化为持续负荷曲线,以横坐标表示系统负荷x,纵坐标表示负荷的持续时间t,形成原始负荷曲线t=F(x);并根据各发电机组的停运和工作状态计算推导持续负荷曲线。
7.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S11中,所述持续负荷曲线按如下公式变换为等效电量函数:
在周期T内,取Δx为所有机组容量的最大公约数,把x轴按x/Δx分段,可将等效持续负荷曲线f(i)(x)转换成相应的离散的电量函数E(i)(k),即:
<mrow>
<msup>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mi>x</mi>
<mrow>
<mi>x</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>x</mi>
</mrow>
</msubsup>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
E(i)(k)=(1-qi)E(i-1)(k)+qiE(i-1)(k-Ji)
其中,Δx为周期T内所有机组容量的最大公约数,k=[x/Δx]+1,[]表示取不大于x/Δx的整数;E(k)表示从x到x+Δx这段负荷对应的电量;Ji=Ci/Δx,Ji为整数,qi为发电机组i的强迫停运率。
8.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S12中,光伏发电量和风电发电量EGi按如下公式计算:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>p</mi>
<mi>s</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>J</mi>
<mo>=</mo>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<msub>
<mi>J</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>s</mi>
</msub>
</mrow>
</munderover>
<msup>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
其中,NS表示等效多状态机组的NS个状态,CS和PS分别表示对应状态的运行容量和相应的概率,
9.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S13中,所述两状态模型对所述常规机组取停运(0)、工作(1)两个状态。
10.根据权利要求1所述的适应于间歇性能源接入的随机生产模拟算法,其特征在于,在步骤S14中,按如下公式计算系统生产成本C、电量不足期望值EENS和电力不足概率LOLP:
<mrow>
<mi>C</mi>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mrow>
<mi>f</mi>
<mi>u</mi>
<mi>e</mi>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mrow>
<mi>e</mi>
<mi>n</mi>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>e</mi>
<mi>e</mi>
<mi>n</mi>
<mi>s</mi>
</mrow>
</msub>
<mi>E</mi>
<mi>E</mi>
<mi>N</mi>
<mi>S</mi>
</mrow>
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>f</mi>
<mi>u</mi>
<mi>e</mi>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mrow>
<mi>f</mi>
<mi>u</mi>
<mi>e</mi>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>e</mi>
<mi>n</mi>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mrow>
<mi>e</mi>
<mi>n</mi>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
CEENS=ceensEENS
<mrow>
<mi>E</mi>
<mi>E</mi>
<mi>N</mi>
<mi>S</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>></mo>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
</mrow>
</munder>
<msup>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>L</mi>
<mi>O</mi>
<mi>L</mi>
<mi>P</mi>
<mo>&ap;</mo>
<mfrac>
<mrow>
<msup>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>T</mi>
<mi>&Delta;</mi>
<mi>x</mi>
</mrow>
</mfrac>
</mrow>
其中,n为发电机组的台数;cfueli、cenvi为机组i的单位燃料成本、单位环境成本,cEENS为缺电成本,EGi为发电机组i的发电量;Kn=CNs/Δx,为n台发电机组总容量,Δx为所有发电机组容量的最大公约数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710653496.6A CN107644116B (zh) | 2017-08-02 | 2017-08-02 | 一种适应于间歇性能源接入的随机生产模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710653496.6A CN107644116B (zh) | 2017-08-02 | 2017-08-02 | 一种适应于间歇性能源接入的随机生产模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107644116A true CN107644116A (zh) | 2018-01-30 |
CN107644116B CN107644116B (zh) | 2020-06-09 |
Family
ID=61110734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710653496.6A Active CN107644116B (zh) | 2017-08-02 | 2017-08-02 | 一种适应于间歇性能源接入的随机生产模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107644116B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108767855A (zh) * | 2018-06-25 | 2018-11-06 | 西安交通大学 | 一种时序持续混合的电力系统随机生产模拟方法 |
CN108764547A (zh) * | 2018-05-17 | 2018-11-06 | 西安交通大学 | 一种满足电量约束的中长期负荷曲线生成方法 |
CN109284939A (zh) * | 2018-10-26 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 综合能源系统的热电联合随机生产模拟方法、装置及设备 |
CN109347152A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 考虑多类型电源参与调峰的随机生产模拟方法及应用 |
CN109449993A (zh) * | 2018-12-26 | 2019-03-08 | 西安交通大学 | 一种面向多能互补电力系统的多时间尺度生产模拟方法 |
CN109871999A (zh) * | 2019-02-27 | 2019-06-11 | 华北电力大学 | 一种综合能源系统的随机生产模拟方法及系统 |
CN110008491A (zh) * | 2018-11-27 | 2019-07-12 | 国网山东省电力公司电力科学研究院 | 一种基于改进概率模型的风光互补发电出力数据模拟方法 |
CN111313473A (zh) * | 2020-04-01 | 2020-06-19 | 浙江大学 | 一种考虑可靠性和切风率约束的多状态电力系统调度方法 |
CN116563055A (zh) * | 2023-07-07 | 2023-08-08 | 中国科学院地理科学与资源研究所 | 一种基于多源数据融合的风能潜力评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103560530A (zh) * | 2013-11-05 | 2014-02-05 | 国家电网公司 | 一种大规模风电与高载能负荷协调控制方法 |
CN103745023A (zh) * | 2013-11-22 | 2014-04-23 | 华中科技大学 | 水电站发电出力方案制作与最优负荷分配耦合建模方法 |
CN104993523A (zh) * | 2015-07-16 | 2015-10-21 | 国家电网公司 | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 |
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
-
2017
- 2017-08-02 CN CN201710653496.6A patent/CN107644116B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
CN103560530A (zh) * | 2013-11-05 | 2014-02-05 | 国家电网公司 | 一种大规模风电与高载能负荷协调控制方法 |
CN103745023A (zh) * | 2013-11-22 | 2014-04-23 | 华中科技大学 | 水电站发电出力方案制作与最优负荷分配耦合建模方法 |
CN104993523A (zh) * | 2015-07-16 | 2015-10-21 | 国家电网公司 | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 |
Non-Patent Citations (1)
Title |
---|
邱威: "考虑间歇性能源接入和运行安全的多目标有功优化调度", 《中国优秀博士论文全文数据库 理工科学辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764547A (zh) * | 2018-05-17 | 2018-11-06 | 西安交通大学 | 一种满足电量约束的中长期负荷曲线生成方法 |
CN108764547B (zh) * | 2018-05-17 | 2020-10-27 | 西安交通大学 | 一种满足电量约束的中长期负荷曲线生成方法 |
CN108767855A (zh) * | 2018-06-25 | 2018-11-06 | 西安交通大学 | 一种时序持续混合的电力系统随机生产模拟方法 |
CN108767855B (zh) * | 2018-06-25 | 2020-03-13 | 西安交通大学 | 一种时序持续混合的电力系统随机生产模拟方法 |
CN109284939A (zh) * | 2018-10-26 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 综合能源系统的热电联合随机生产模拟方法、装置及设备 |
CN109284939B (zh) * | 2018-10-26 | 2022-03-22 | 南方电网科学研究院有限责任公司 | 综合能源系统的热电联合随机生产模拟方法、装置及设备 |
CN110008491A (zh) * | 2018-11-27 | 2019-07-12 | 国网山东省电力公司电力科学研究院 | 一种基于改进概率模型的风光互补发电出力数据模拟方法 |
CN109347152B (zh) * | 2018-11-30 | 2022-01-18 | 国家电网公司西南分部 | 考虑多类型电源参与调峰的随机生产模拟方法及应用 |
CN109347152A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 考虑多类型电源参与调峰的随机生产模拟方法及应用 |
CN109449993A (zh) * | 2018-12-26 | 2019-03-08 | 西安交通大学 | 一种面向多能互补电力系统的多时间尺度生产模拟方法 |
CN109449993B (zh) * | 2018-12-26 | 2021-10-22 | 西安交通大学 | 一种面向多能互补电力系统的多时间尺度生产模拟方法 |
CN109871999A (zh) * | 2019-02-27 | 2019-06-11 | 华北电力大学 | 一种综合能源系统的随机生产模拟方法及系统 |
CN111313473A (zh) * | 2020-04-01 | 2020-06-19 | 浙江大学 | 一种考虑可靠性和切风率约束的多状态电力系统调度方法 |
CN116563055A (zh) * | 2023-07-07 | 2023-08-08 | 中国科学院地理科学与资源研究所 | 一种基于多源数据融合的风能潜力评估方法 |
CN116563055B (zh) * | 2023-07-07 | 2023-11-03 | 中国科学院地理科学与资源研究所 | 一种基于多源数据融合的风能潜力评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107644116B (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107644116A (zh) | 一种适应于间歇性能源接入的随机生产模拟算法 | |
Esteban et al. | 100% renewable energy system in Japan: Smoothening and ancillary services | |
Lu et al. | Probabilistic flexibility evaluation for power system planning considering its association with renewable power curtailment | |
De Boer et al. | The application of power-to-gas, pumped hydro storage and compressed air energy storage in an electricity system at different wind power penetration levels | |
CN104617591B (zh) | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 | |
Roy et al. | Optimum sizing of wind-battery systems incorporating resource uncertainty | |
CN113095791B (zh) | 一种综合能源系统运行方法及系统 | |
CN113572163B (zh) | 基于改进仿射算法的分布式电源主动配电网优化调度方法 | |
WO2019218671A1 (zh) | 一种海岛微电网综合优化配置方法及装置 | |
CN104578122B (zh) | 抽水蓄能电站的容量确定方法 | |
CN107403256B (zh) | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 | |
CN109767078A (zh) | 一种基于混合整数规划的多类型电源检修安排方法 | |
CN111030094B (zh) | 一种多能互补园区供能可靠性评估方法 | |
CN112491043A (zh) | 一种新能源富集电网电源规划方法及系统 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
Kavvadias et al. | Integrated modelling of future EU power and heat systems-The Dispa-SET v2. 2 open-source model | |
CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
CN109255502B (zh) | 基于多阶段决策的可再生能源发电基地时序优化规划方法 | |
Borkowski et al. | Battery energy storage system for grid-connected photovoltaic farm–Energy management strategy and sizing optimization algorithm | |
CN112994087B (zh) | 基于条件风险约束的多源电力系统中期优化调度方法 | |
CN111178733B (zh) | 一种基于等效电量函数法的弃风电量评估方法 | |
Bermúdez et al. | The role of sector coupling in the green transition: A least-cost energy system development in North Europe towards 2050 | |
CN116187509A (zh) | 一种电力系统生产成本测算的方法及装置 | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
CN112821390B (zh) | 一种基于中期机组组合的电力系统长期生产模拟方法 |
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 |