CN107785935A - 计及风险及机组组合的电网风电消纳能力评估方法 - Google Patents

计及风险及机组组合的电网风电消纳能力评估方法 Download PDF

Info

Publication number
CN107785935A
CN107785935A CN201711288975.9A CN201711288975A CN107785935A CN 107785935 A CN107785935 A CN 107785935A CN 201711288975 A CN201711288975 A CN 201711288975A CN 107785935 A CN107785935 A CN 107785935A
Authority
CN
China
Prior art keywords
wind power
wind
objective function
unit
grid
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
Application number
CN201711288975.9A
Other languages
English (en)
Other versions
CN107785935B (zh
Inventor
贾燕冰
付可宁
韩肖清
王英
王鹏
梁琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN201711288975.9A priority Critical patent/CN107785935B/zh
Publication of CN107785935A publication Critical patent/CN107785935A/zh
Application granted granted Critical
Publication of CN107785935B publication Critical patent/CN107785935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/386—
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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]
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02P90/82—Energy audits or management systems therefor
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及风电消纳能力评估方法，具体为计及风险及机组组合的电网风电消纳能力评估方法，包括步骤一：生成各风电场单台风电机组出力的时序序列曲线；步骤二：随机生成各风电场并网容量组合的集合；步骤三：求解粗糙优化目标函数值；步骤四：确定序优化问题种类；步骤五：确定精确优化集合；步骤六：求解精确优化目标函数值；步骤七：确定电网对风电的最优消纳能力。本发明计及风险及机组组合，对多个风电场接入电网的最优容量进行计算评估，最终确定电网的最优风电消纳能力。本发明可以兼顾系统运行可靠性与经济性，并提高电网对新能源的利用率，是很有前景的一种电网风电消纳能力优化评估方法，进而为电力系统运行规划提供建议和依据。

Description

计及风险及机组组合的电网风电消纳能力评估方法
技术领域
本发明涉及电力系统中风电消纳能力评估方法，具体为计及风险及机组组合的电网风电消纳能力评估方法。
背景技术
随着风电并网容量的快速增长，由于电网安全稳定等约束，导致风电的弃风率一直提高，2016年我国新疆、甘肃等省份弃风率已经达到42％以上。为保证风电场投资收益，国家已出台相应政策，在弃风率较高的地区放缓风电建设进度，但具体应该批准多少风电，才能在保证提高我国新能源并网容量的同时，提高风电的利用率，已成为制约风电发展的重要瓶颈。
一定规模的电网对于并网风电的消纳能力是有一定的限度的，这一能力主要受到系统电源结构及调节能力、负荷特性、运行方式、电网安全稳定水平、风电出力特性等诸多因素影响。当风电并网容量超过电网可消纳的能力时，就会出现弃风现象，或是对电网运行造成如频率偏移、切除负荷等不良后果。
要减少运行时电网的弃风率，首先应该在风电规划时考虑电网运行因素的影响，计及电网运行风险及机组组合，评估电网全年平均对风电的消纳和利用程度，最终确定风电场的建设方案。
由此可见，计及风电和机组组合，合理的进行风电消纳能力优化，是提高电网风电利用率和确定风电场最优建设方案的重要解决措施之一。
发明内容
本发明为了缓解现今风电发展中的弃风问题，从保证电网安全可靠运行的角度，提出了计及风险及机组组合的含多个风电场的电网风电消纳能力评估方法。采用该方法，针对给定电网的运行条件，确定可能的风电场并网方案，并根据不同风电并网方案下保证系统最优消纳的机组组合方式，采用序优化方法，进行粗糙集和精确集的优化求解，进而以较小的计算代价确定电网对风电的最优消纳能力。
本发明是采用如下的技术方案实现的：计及风险及机组组合的电网风电消纳能力评估方法，包括以下步骤：
S1：生成各风电场单台风电机组出力的时序序列曲线。假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线。
S2：随机生成W组各风电场并网容量组合并形成集合Θ。随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值。
S3：求解粗糙优化目标函数值。针对S2中第m个(m＝1,2，……W)风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，粗糙模型表达式为(1)：
其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用。
为获得最优的风电消纳组合，通常选择较大的W值(W>1000)，为加快优化速度，上述优化模型采用简化约束条件，求取粗糙优化目标函数值。粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-1原则下的EENS指标评估结果，N为系统中在线机组数量，EENS为系统的电量不足期望值。
若第m个组合可以使得目标函数有解，则该组合为粗糙评估有效解；否则将该组合从集合Θ中删除，按照S2中约束重新随机生成一组风电场并网容量组合，再次进行粗糙目标函数求解。
针对集合Θ中的每个组合进行粗糙优化目标函数求解，直至获得W个粗糙评估有效解，获得W个有效解所对应的集合为有效解集合Θ。
将W个粗糙评估有效解代入，求解对应的系统弃风量Losswind、系统运行成本系统风险作为目标函数值，将各目标函数值全部归一化到[0，1]中估计噪声等级，目标函数值与随机噪声的和即为最终粗糙优化目标函数值。
S4：确定序优化问题种类。根据排序分层算法对W个粗糙优化目标函数值进行快速排序分层，确定有效解集合Θ中每个组合的层号。用层号x作横坐标，前x层解的总数累加值作纵坐标，做出累计函数曲线，与向量序优化的标准曲线对比，则可确定序优化问题种类。
S5：确定精确优化集合Ω。根据S4中确定的序优化问题种类，确定通用3目标优化问题需要精确仿真计算的总层数M，有效解集合Θ中层数小于等于M的所有组合形成集合Ω。
S6：求解精确优化目标函数值。针对集合Ω中所有组合，以公式(1)为目标函数，约束条件为①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-2原则下的EENS指标评估结果。
运用上述的精确模型进行计算，直至获得Ω中所有组合的精确优化目标函数值。
S7：确定电网对风电的最优消纳能力。对S6中获得的精确优化目标函数值进行排序、分层，采用隶属度函数法确定集合Ω中的最优风电机组组合策略，从而确定电网对风电的最优消纳能力。
本发明提供的计及风险及机组组合的电网风电消纳能力评估方法选取电网典型日从运行调度角度对风电最优消纳能力进行评估，考虑多种约束条件，兼顾系统运行可靠性与经济性，构建了多目标风电消纳能力评估模型，从运行的层面对电网风电并网规划提供决策依据。且通过向量序优化方法，极大地缩小了可行域空间的搜索范围，优化模型的计算效率大大提高，计算时间明显缩短，从而提高了本方法在实际工程实用中的可行性。
具体实施方式
计及风险及机组组合的电网风电消纳能力评估方法，包括以下步骤：
S1：生成各风电场单台风电机组出力的时序序列曲线。假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线。
S2：随机生成W组各风电场并网容量组合并形成集合Θ。随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值。
S3：求解粗糙优化目标函数值。针对S2中第m个(m＝1,2，……W)风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，粗糙模型表达式为(1)：
其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用。
为获得最优的风电消纳组合，通常选择较大的W值(W>1000)，为加快优化速度，上述优化模型采用简化约束条件，求取粗糙优化目标函数值。粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-1原则下的EENS指标评估结果，N为系统中在线机组数量，EENS为系统的电量不足期望值。
若第m个组合可以使得目标函数有解，则该组合为粗糙评估有效解；否则将该组合从集合Θ中删除，按照S2中约束重新随机生成一组风电场并网容量组合，再次进行粗糙目标函数求解。
针对集合Θ中的每个组合进行粗糙优化目标函数求解，直至获得W个粗糙评估有效解，获得W个有效解所对应的集合为有效解集合Θ。
将W个粗糙评估有效解代入，求解对应的系统弃风量Losswind、系统运行成本系统风险作为目标函数值，将各目标函数值全部归一化到[0，1]中估计噪声等级，目标函数值与随机噪声的和即为最终粗糙优化目标函数值。
S4：确定序优化问题种类。根据排序分层算法对W个粗糙优化目标函数值进行快速排序分层，确定有效解集合Θ中每个组合的层号。用层号x作横坐标，前x层解的总数累加值作纵坐标，做出累计函数曲线，与向量序优化的标准曲线对比，则可确定序优化问题种类。
S5：确定精确优化集合Ω。根据S4中确定的序优化问题种类，确定通用3目标优化问题需要精确仿真计算的总层数M，有效解集合Θ中层数小于等于M的所有组合形成集合Ω。
S6：求解精确优化目标函数值。针对集合Ω中所有组合，以公式(1)为目标函数，约束条件为①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-2原则下的EENS指标评估结果。
运用上述的精确模型进行计算，直至获得Ω中所有组合的精确优化目标函数值。
S7：确定电网对风电的最优消纳能力。对S6中获得的精确优化目标函数值进行排序、分层，采用隶属度函数法确定集合Ω中的最优风电机组组合策略，从而确定电网对风电的最优消纳能力。

Claims (1)

1.计及风险及机组组合的电网风电消纳能力评估方法，其特征在于包括以下步骤：
S1：生成各风电场单台风电机组出力的时序序列曲线，假设有r个可建风电场，采用历史数据模拟风速的随机性，从历史数据中随机抽取风速数据，计及风速预测误差，得到预测的时序风速，结合风功率输出特性曲线，获得每个风电场的单台风电机组出力的时序序列曲线；
S2：随机生成W组各风电场并网容量组合并形成集合Θ，随机生成W组r个风电场并网机组数组合，结合由S1确定的各风电场单台风电机组出力的时序序列曲线，得到W组各风电场并网容量组合并形成集合Θ，该组合应满足：1)单个风电场容量不大于其所在地理位置风电资源限制；2)r个风电场的总并网容量应不超过系统负荷预测峰值；
S3：求解粗糙优化目标函数值，针对S2中第m个，m＝1,2，……W，风电场并网容量组合，通过机组组合模型搭建场景基本数学模型，以弃风量Losswind最小、系统运行成本最小、系统风险最低为目标函数，表达式为：
<mrow> <mi>F</mi> <mo>=</mo> <mi>f</mi> <mo>&amp;lsqb;</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>Loss</mi> <mrow> <mi>w</mi> <mi>i</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </munder> <mo>(</mo> <mrow> <msub> <mi>EENS</mi> <mi>t</mi> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>,</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>G</mi> </mrow> </munder> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </munder> <mo>(</mo> <mrow> <msub> <mi>C</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mi>t</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mi>t</mi> </mrow> </msub> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>C</mi> <msub> <mi>S</mi> <mrow> <mi>i</mi> <mi>t</mi> </mrow> </msub> </msub> <mo>+</mo> <msub> <mi>C</mi> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mi>t</mi> </mrow> </msub> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
其中，i为机组序号，G为火电机组集合，T为时段数；Pit为机组i在t时刻的出力；Iit为机组i在t时刻的状态，0为停运，1为运行；Ci(Pit,Iit)为机组i在t时刻的发电成本；CRit为机组i在t时刻的备用成本；CSit为机组启动费用；
粗糙模型需满足的约束条件有：①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-1原则下的EENS指标评估结果，N为系统中在线机组数量，EENS为系统的电量不足期望值；
若第m个组合可以使得目标函数有解，则该组合为粗糙评估有效解；否则将该组合从集合Θ中删除，按照S2中约束重新随机生成一组风电场并网容量组合，再次进行目标函数求解；
针对集合Θ中的每个组合进行粗糙优化目标求解，直至获得W个粗糙评估有效解，获得W个有效解所对应的集合为有效解集合Θ；
将W个粗糙评估有效解代入，求解对应的系统弃风量Losswind、系统运行成本系统风险作为目标函数值，将各目标函数值全部归一化到[0，1]中估计噪声等级，目标函数值与随机噪声的和即为最终粗糙优化目标函数值；
S4：确定序优化问题种类，根据排序分层算法对W个粗糙优化目标函数值进行快速地排序分层，确定有效解集合Θ中每个组合的层号，用层号x作横坐标，前x层解的总数累加值作纵坐标，画出累计函数曲线，与向量序优化的标准曲线对比，则可确定序优化问题种类；
S5：确定精确优化集合Ω，根据S4中确定的序优化问题种类，确定通用3目标优化问题需要精确仿真计算的总层数M，有效解集合Θ中层数小于等于M的所有组合形成集合Ω；
S6：求解精确优化目标函数值，针对集合Ω中所有组合，目标函数约束条件为①功率平衡约束；②发电机出力约束；③机组爬坡约束；④最小开停机约束；⑤开停机费用约束；⑥备用容量约束；⑦风险性指标约束，即N-2原则下的EENS指标评估结果；
运用上述的精确模型进行计算，直至获得Ω中所有组合的精确优化目标函数值；
S7：确定电网对风电的最优消纳能力，对S6中获得的精确优化目标函数值进行排序、分层，采用隶属度函数法确定集合Ω中的最优风电机组组合策略，从而确定电网对风电的最优消纳能力。
CN201711288975.9A 2017-12-07 2017-12-07 计及风险及机组组合的电网风电消纳能力评估方法 Active CN107785935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711288975.9A CN107785935B (zh) 2017-12-07 2017-12-07 计及风险及机组组合的电网风电消纳能力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711288975.9A CN107785935B (zh) 2017-12-07 2017-12-07 计及风险及机组组合的电网风电消纳能力评估方法

Publications (2)

Publication Number Publication Date
CN107785935A true CN107785935A (zh) 2018-03-09
CN107785935B CN107785935B (zh) 2019-07-26

Family

ID=61431138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711288975.9A Active CN107785935B (zh) 2017-12-07 2017-12-07 计及风险及机组组合的电网风电消纳能力评估方法

Country Status (1)

Country Link
CN (1) CN107785935B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299862A (zh) * 2018-09-04 2019-02-01 云南电网有限责任公司 一种风电最大消纳能力的凸松弛评估方法
CN109993407A (zh) * 2019-02-28 2019-07-09 重庆大学 考虑弹性空间的可再生能源消纳能力静态等值评估方法
CN110688725A (zh) * 2019-08-13 2020-01-14 国网山西省电力公司电力科学研究院 一种计及运行风险和需求响应的鲁棒机组组合方法
CN112288130A (zh) * 2020-09-24 2021-01-29 国网内蒙古东部电力有限公司 一种基于两阶段多目标优化的新能源消纳计算方法
CN112350371A (zh) * 2020-10-26 2021-02-09 国网天津市电力公司电力科学研究院 一种基于公平原则的风电场分阶段有功调度方法及系统
CN113078677A (zh) * 2021-04-08 2021-07-06 浙江电力交易中心有限公司 一种考虑可再生能源不确定性的能源消耗量风险排除方法
CN113141008A (zh) * 2021-04-23 2021-07-20 国网陕西省电力公司电力科学研究院 一种数据驱动的配电网分布式新能源消纳能力评估方法
CN113489064A (zh) * 2021-06-30 2021-10-08 国网山西省电力公司运城供电公司 一种考虑弹性距离的新能源消纳系数计算方法
CN113689023A (zh) * 2021-03-11 2021-11-23 中国科学院广州能源研究所 一种风/储/氢并网发电系统弃风消纳能量管理方法
CN114024310A (zh) * 2021-11-15 2022-02-08 浙江浙达能源科技有限公司 一种新能源入网裕度评估与安全校核方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135037A (zh) * 2014-08-15 2014-11-05 华北电力大学句容研究中心 一种风光储优化运行方法
CN104283234A (zh) * 2014-07-23 2015-01-14 国家电网公司 基于大时间尺度机组检修的风电接纳能力评估方法
CN105790265A (zh) * 2016-04-21 2016-07-20 三峡大学 一种考虑交流潮流约束的不确定性机组组合模型及求解方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104283234A (zh) * 2014-07-23 2015-01-14 国家电网公司 基于大时间尺度机组检修的风电接纳能力评估方法
CN104135037A (zh) * 2014-08-15 2014-11-05 华北电力大学句容研究中心 一种风光储优化运行方法
CN105790265A (zh) * 2016-04-21 2016-07-20 三峡大学 一种考虑交流潮流约束的不确定性机组组合模型及求解方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万振东 等；: "考虑风电消纳能力单目标及多目标模糊机组组合模型及应用", 《水电能源科学》 *
李鹏波 等；: "基于机组组合的风电消纳能力研究", 《电工电能新技术》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299862A (zh) * 2018-09-04 2019-02-01 云南电网有限责任公司 一种风电最大消纳能力的凸松弛评估方法
CN109993407A (zh) * 2019-02-28 2019-07-09 重庆大学 考虑弹性空间的可再生能源消纳能力静态等值评估方法
CN110688725A (zh) * 2019-08-13 2020-01-14 国网山西省电力公司电力科学研究院 一种计及运行风险和需求响应的鲁棒机组组合方法
CN110688725B (zh) * 2019-08-13 2022-09-27 国网山西省电力公司电力科学研究院 一种计及运行风险和需求响应的鲁棒机组组合方法
CN112288130A (zh) * 2020-09-24 2021-01-29 国网内蒙古东部电力有限公司 一种基于两阶段多目标优化的新能源消纳计算方法
CN112288130B (zh) * 2020-09-24 2023-09-05 国网内蒙古东部电力有限公司 一种基于两阶段多目标优化的新能源消纳计算方法
CN112350371A (zh) * 2020-10-26 2021-02-09 国网天津市电力公司电力科学研究院 一种基于公平原则的风电场分阶段有功调度方法及系统
CN112350371B (zh) * 2020-10-26 2023-07-28 国网天津市电力公司电力科学研究院 一种基于公平原则的风电场分阶段有功调度方法及系统
CN113689023A (zh) * 2021-03-11 2021-11-23 中国科学院广州能源研究所 一种风/储/氢并网发电系统弃风消纳能量管理方法
CN113689023B (zh) * 2021-03-11 2023-10-13 中国科学院广州能源研究所 一种风/储/氢并网发电系统弃风消纳能量管理方法
CN113078677B (zh) * 2021-04-08 2022-05-27 浙江电力交易中心有限公司 一种考虑可再生能源不确定性的能源消耗量风险排除方法
CN113078677A (zh) * 2021-04-08 2021-07-06 浙江电力交易中心有限公司 一种考虑可再生能源不确定性的能源消耗量风险排除方法
CN113141008B (zh) * 2021-04-23 2023-06-13 国网陕西省电力公司电力科学研究院 一种数据驱动的配电网分布式新能源消纳能力评估方法
CN113141008A (zh) * 2021-04-23 2021-07-20 国网陕西省电力公司电力科学研究院 一种数据驱动的配电网分布式新能源消纳能力评估方法
CN113489064A (zh) * 2021-06-30 2021-10-08 国网山西省电力公司运城供电公司 一种考虑弹性距离的新能源消纳系数计算方法
CN114024310A (zh) * 2021-11-15 2022-02-08 浙江浙达能源科技有限公司 一种新能源入网裕度评估与安全校核方法

Also Published As

Publication number Publication date
CN107785935B (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN107785935A (zh) 计及风险及机组组合的电网风电消纳能力评估方法
El Khchine et al. Evaluation of wind energy potential and trends in Morocco
CN103138256B (zh) 一种新能源电力消纳全景分析系统及方法
Wang et al. Estimation methods review and analysis of offshore extreme wind speeds and wind energy resources
CN105048516B (zh) 一种风光水火多源互补优化调度方法
Roy et al. Optimum sizing of wind-battery systems incorporating resource uncertainty
CN111639870B (zh) 考虑源荷不确定性的输电网多目标柔性规划方法及系统
CN109038660B (zh) 一种考虑静暂态电压稳定性的风电并网系统无功规划方法
JP5013372B2 (ja) 風力発電機用蓄電池設備の製作方法
CN111310972B (zh) 一种考虑尾流效应的海上风电机组维护路径随机规划方法
CN107316113A (zh) 一种输电网规划方法及系统
CN103683326A (zh) 一种区域电网风电多点接入最佳接纳能力的计算方法
Abou El-Ela et al. Optimal placement and sizing of distributed generation units using different cat swarm optimization algorithms
CN110009141B (zh) 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
Liu et al. Optimal short-term load dispatch strategy in wind farm
Bernard et al. Ant-based optimal tuning of PID controllers for load frequency control in power systems
CN113158547A (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN111525550A (zh) 一种功率预测对断面输送功率影响的评估方法及系统
CN116937685A (zh) 一种基于安全域的可再生能源电网时间序列生产模拟方法
CN113572168B (zh) 一种考虑风光水能源多重不确定性风险的优化调度方法
Ma et al. Integrated strategy of the output planning and economic operation of the combined system of wind turbines-pumped-storage-thermal power units
Odero et al. Wind Energy Resource Prediction and Optimal Storage Sizing to Guarantee Dispatchability: A Case Study in the Kenyan Power Grid
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
Huang et al. Selection of Offshore Wind Turbine Based on Analytic Hierarchy Process

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