CN108429256B - 电力系统运行优化方法及终端设备 - Google Patents
电力系统运行优化方法及终端设备 Download PDFInfo
- Publication number
- CN108429256B CN108429256B CN201810242121.5A CN201810242121A CN108429256B CN 108429256 B CN108429256 B CN 108429256B CN 201810242121 A CN201810242121 A CN 201810242121A CN 108429256 B CN108429256 B CN 108429256B
- Authority
- CN
- China
- Prior art keywords
- power system
- power
- cost
- climbing
- shortage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000009194 climbing Effects 0.000 claims abstract description 141
- 238000006243 chemical reaction Methods 0.000 claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 19
- 230000006735 deficit Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000003827 upregulation Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003828 downregulation Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于电力系统运行技术领域,提供了一种电力系统运行优化方法及终端设备,所述方法包括:根据电力系统净负荷爬坡功率确定电力系统灵活性缺额指标;根据电力系统爬坡功率缺额折算后的单位成本和电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;根据电力系统需求响应成本、电力系统可再生能源弃电成本和电力系统爬坡功率缺额折算成本,确定电网运行总成本;基于粒子群优化算法,以电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;根据电力系统中断负荷大小、弃风弃光量和灵活性缺额指标,对电力系统进行运行优化,可以对电力系统的灵活性需求进行定量分析,获得符合实际情况的电网调度方案。
Description
技术领域
本发明属于电力系统运行技术领域,尤其涉及一种电力系统运行优化方法及终端设备。
背景技术
近年来,随着全球化石能源日益紧缺以及民众对于环境污染问题的愈发关注,节能减排已成为中国可持续发展的必然选择,为保证节能减排和雾霾治理工作的顺利有效实施,国家明确提出坚持节约发展、清洁发展和安全发展的国家方针政策,大力发展多类型新能源并网技术已迫在眉睫。风电、光伏等可再生能源受气候、环境的影响十分显著,其出力具有不确定性和波动性等特点,可再生能源的大规模接入对电网的规划与运行提出了新的挑战。
一方面,新能源的出力特性与负荷曲线的峰谷特性匹配程度较低,因此大规模光伏发电接入配电网将加剧配电网的峰谷差;另一方面,新能源出力带来较大的波动性与不确定性,可能造成电网爬坡功率不足的情况。目前,针对大规模新能源接入带来的灵活性问题,相关的研究大致可分为两类,基于机组组合的灵活性供给方法以及基于资源的灵活性供给方法。其中,第一类研究主要通过规划待建机组或优化多个发电机组出力,以经济性最优为目标实现灵活性供给;第二类研究针对可再生能源出力、负荷进行灵活性需求评价,针对储能设备、需求侧响应等资源进行灵活性供给评价。然而实际情况中,在电力系统运行优化中,并未对电力系统的灵活性需求进行定量分析,无法得到符合实际情况的电网调度方案。
发明内容
有鉴于此,本发明实施例提供了一种电力系统运行优化方法及终端设备,对电力系统的灵活性需求进行定量分析,获得符合实际情况的电网调度方案。
本发明实施例的第一方面提供了一种电力系统运行优化方法,包括:
获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标;
获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;
根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本;
基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;
根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化。
本发明实施例的第二方面提供了一种电力系统运行优化装置,包括:
灵活性缺额指标确定单元,用于获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标;
爬坡功率缺额折算成本确定单元,用于获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;
电网运行总成本确定单元,用于根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本;
电力系统参量求解单元,用于基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;
电力系统运行优化单元,用于根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化。
本发明实施例的第三方面提供了一种电力系统运行优化终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例在获取电力系统净负荷爬坡功率后,根据电力系统净负荷爬坡功率确定电力系统灵活性缺额指标,进一步根据电力系统爬坡功率缺额折算后的单位成本和电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本,根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本,最后基于粒子群优化算法,以电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量,根据电力系统中断负荷大小、电力系统弃风弃光量和电力系统灵活性缺额指标,对电力系统进行运行优化,其中对电力系统的灵活性需求进行定量分析,同时提出灵活性供给思路以改善灵活性缺额指标,利用粒子群优化算法求解,解决现有无法得到符合实际情况的电网调度方案问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种电力系统运行优化方法的示意流程图;
图2是本发明实施例提供的一种电力系统运行优化装置示意性框图;
图3是本发明另一实施例提供的一种电力系统运行优化装置示意性框图;
图4是本发明实施例提供的一种电力系统运行优化终端设备的示意性框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本发明实施例提供的一种电力系统运行优化方法的示意流程图,在该实施例中,以终端的角度触发为例进行说明,这里,终端可以为智能手机、平板电脑等移动终端。如图1所示,在该实施例中,终端的处理过程可以包括以下步骤:
S101:获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标。
这里,如果上述电力系统净负荷爬坡功率大于上述电力系统发电机组爬坡功率上限阈值,根据上述电力系统净负荷爬坡功率和上述电力系统发电机组爬坡功率上限阈值,计算电力系统灵活性缺额指标;如果上述电力系统净负荷爬坡功率小于上述电力系统发电机组爬坡功率下限阈值,根据上述电力系统净负荷爬坡功率和上述电力系统发电机组爬坡功率下限阈值,计算电力系统灵活性缺额指标;如果上述电力系统净负荷爬坡功率大于或等于上述电力系统发电机组爬坡功率下限阈值,且小于或等于上述电力系统发电机组爬坡功率上限阈值,电力系统灵活性缺额指标为零。
S102:获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本。
具体地,在获取电力系统爬坡功率缺额折算后的单位成本之后,可以显示获取的电力系统爬坡功率缺额折算后的单位成本,方便相关人员审核,并在审核完成后保存获取的电力系统爬坡功率缺额折算后的单位成本,方便后续数据查询。这里,计算所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标的乘积,根据计算结果确定电力系统爬坡功率缺额折算成本。
S103:根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本。
这里,电力系统需求响应成本根据电力系统单位可中断负荷的激励价格和电力系统中断负荷大小确定,电力系统可再生能源弃电成本根据电力系统单位弃风弃光成本和电力系统弃风弃光量确定。
S104:基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量。
具体地,粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟,粒子仅具有两个属性:速度V和位置X,速度代表移动的快慢,位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解,并将其记为当前个体极值Pbest,并将个体极值与整个粒子群里的其他粒子共享,找到最优的那个个体极值作为整个粒子群的当前全局最优解Gbest,粒子群中的所有粒子根据自己找到的当前个体极值Pbest和整个粒子群共享的当前全局最优解Gbest来调整自己的速度和位置。粒子群算法的流程主要分为:1、初始化粒子群;2、评价粒子,即根据上述电网运行总成本计算适应值;3、寻找当前个体极值Pbest;4、寻找当前全局最优解Gbest;5、根据Pbest和Gbest修改粒子的速度和位置。
S105:根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化。
从以上描述可知,本发明电力系统运行优化方法,对电力系统的灵活性需求进行定量分析,同时提出灵活性供给思路以改善灵活性缺额指标,利用粒子群优化算法求解,解决现有无法得到符合实际情况的电网调度方案问题。
此外,在一个具体示例中,上述电力系统运行优化方法还包括:
根据表达式确定t时刻电力系统灵活性缺额指标PFL(t),其中,y(t)为t时刻电力系统净负荷爬坡功率,Mup为所述电力系统发电机组爬坡功率上限阈值且Mup>0,Mdown为所述电力系统发电机组爬坡功率下限阈值且Mdown<0。PFL(t)>0表示t时刻缺少上调灵活性,PFL(t)<0表示t时刻缺少上调灵活性,PFL(t)=0表示t时刻无灵活性需求。
此外,在一个具体示例中,上述电力系统运行优化方法还包括:
此外,在一个具体示例中,上述电力系统运行优化方法还包括:
根据表达式确定所述电力系统需求响应成本CDR,其中,cDR为电力系统单位可中断负荷的激励价格,N为时刻总数,PDR(t)为t时刻电力系统中断负荷大小,Δt为时间间隔,0≤PDR(t)≤PDR,max,PDR,max为预设可中断负荷的最大值;
根据表达式确定所述电力系统可再生能源弃电成本CAB,其中,cAB为电力系统单位弃风弃光成本,PAB(t)为t时刻电力系统弃风弃光量,0≤PAB(t)≤PAB,max,PAB,max为预设弃风弃光量的最大值,y”(t)=y'(t)-PDR(t)+PAB(t),y”(t)为灵活性供给后t时刻电力系统净负荷爬坡功率,y'(t)为灵活性供给前t时刻电力系统净负荷爬坡功率。
此外,在一个具体示例中,上述电力系统运行优化方法还包括:
根据表达式F=CDR+CAB+CFL确定所述电网运行总成本F,其中,CDR为所述电力系统需求响应成本,CAB为所述电力系统可再生能源弃电成本,CFL为所述电力系统爬坡功率缺额折算成本。
为了更好地理解上述方法,以下详细阐述一个本发明电力系统运行优化方法的应用实例。
在本实施例中,电力系统运行优化方法可以包括:
(1)灵活性指标
随着可再生能源大量接入配电网,可再生能源与负荷的不确定性与波动性相互叠加,可能使电力系统无法在短时间内通过调度机组出力响应电网功率变化,此时将产生灵活性需求,可以将电力系统灵活性定义为经济约束和运行约束下,某一时间尺度内,电力系统快速而有效地优化调配现有资源,快速响应电网功率变化、控制电网关键运行参数的能力。
(1.1)灵活性需求统计指标
新能源的灵活性需求统计指标是长期指标,描述新能源出力波动量的概率分布,指标的具体表示为:
式中:Pr(Pl)是新能源出力Pl的概率分布;是波动量y的条件概率分布;Plmin和Plmax为Pl的最小值和最大值;为波动量y的概率分布,是一个加权值,在对应时刻的新能源概率越大时,波动量出现的概率也越大,能够准确反映波动量对系统的影响,当某一波动量的概率大于某一数值时,系统必须能够满足此波动量产生灵活性需求,否则将对系统的安全稳定运行造成影响。
净负荷的灵活性需求统计指标的计算方法与新能源类似,在此不再赘述。
(1.2)灵活性需求时序指标
灵活性需求时序指标是短期指标,时间尺度通常为一天。区域内净负荷曲线的爬坡功率具有一定的限制,在新能源出力较高或负荷曲线变化较大的时段,有可能出现净负荷曲线的爬坡功率超出限制的情况,需要对超出限制的功率进行量化评价。
由于可再生能源出力的波动远大于系统负荷的波动,因此造成灵活性需求的主要原因是可再生能源出力的波动,可以利用针对系统净负荷的灵活性需求时序指标在一定程度上反映可再生能源出力波动对电网造成的影响。本实施例将发电机组出力的上下限作为灵活性缺额量的
本实施例提出灵活性缺额量化指标,指标的具体表示为:
[PFL(1),PFL(2)...PFL(T)] (2)
式中,T为一天中的时间间隔总数,PFL(t)为灵活性缺额指标,由净负荷的时序爬坡功率与机组爬坡功率上限阈值对比得到;y(t)是t时刻净负荷爬坡功率,Mup是机组爬坡功率上限阈值且Mup>0,Mdown是机组爬坡功率下限阈值且Mdown<0。PFL(t)>0表示t时刻缺少上调灵活性,PFL(t)<0表示t时刻缺少上调灵活性,PFL(t)=0表示t时刻无灵活性需求。
(2)灵活性供给
电力系统灵活性的特征之一为双向转化性,电力负荷的波动性与不确定性是灵活性需求的来源之一,但若引入需求响应,电力负荷可转化为灵活性资源;波动性新能源同样可以通过限电的方式转化为灵活性资源。
由于风光一类新能源的接入,区域配网的净负荷曲线呈现“鸭型”曲线。在中午时段,由于新能源电站出力较大导致净负荷较小,曲线呈凹型,且新能源接入容量越大,曲线下凹的情况越严重;而夜晚新能源电站出力较小导致净负荷值偏大,曲线上凸。在曲线快速下降与快速上升的时段,需要下调灵活性资源与上调灵活性资源。本实施例将可中断负荷作为上调灵活性资源,新能源限电作为下调灵活性资源。一方面,采用基于激励的需求响应中可中断负荷,与用户签订需求响应协议,在特定的时间实现负荷曲线的削减;另一方面通过新能源限电满足下调灵活性的需求。
区域电网的调度决策以电网运行总成本最小为目标函数,可用下式表示:
min F=CDR+CAB+CFL (4)
其中,
约束条件包括:
0≤PDR(t)≤PDR,max (8)
0≤PAB(t)≤PAB,max (9)
y”(t)=y'(t)-PDR(t)+PAB(t) (10)
式中,电网运行总成本F分为三部分,分别为需求响应成本CDR、可再生能源弃电成本CAB以及爬坡功率缺额折算成本CFL。N为时刻总数,产生上调性灵活需求和下调性灵活需求的时间数;cDR、cAB和cFL分别为单位可中断负荷的激励价格、单位弃风弃光成本和爬坡功率缺额折算后的单位成本;PDR(t)、PAB(t)与PFL(t)分别为t时刻中断负荷大小、弃风弃光量以及灵活性缺额;PDR,max和PAB,max分别是可中断负荷和弃风弃光量的最大值,Δt为时间间隔。y'(t)是灵活性供给前t时刻净负荷爬坡功率,y”(t)是灵活性供给后t时刻净负荷爬坡功率。
(3)求解算法
基于粒子群优化算法,以电网总成本最优为目标,求解t时刻中断负荷大小PDR(t)、弃风弃光量PAB(t)。引入需求响应与可再生能源限电作为灵活性资源后,净负荷如式(10)所示,根据式(3),可求得第一步中灵活性缺额指标PFL(t),用于计算式(7)以及后续式(4)的计算。
粒子群算法流程如下:
编码:利用决策变量,即t时刻中断负荷大小PDR(t)、弃风弃光量PAB(t)对粒子进行编码。
2、利用式(4)计算各粒子适应值;
3、寻找当前第i个体极值pid;
4、寻找当前全局最优解pgd;
5、根据式(11)与式(12)更新粒子的速度和位置。
最后根据上述电力系统中断负荷大小、上述电力系统弃风弃光量和上述电力系统灵活性缺额指标,对电力系统进行运行优化。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的电力系统运行优化方法,图2示出了本发明实施例提供的一种电力系统运行优化装置的示意性框图。本实施例的电力系统运行优化装置200包括的各单元用于执行图1对应的实施例中的各步骤,具体请参阅图1及图1对应的实施例中的相关描述,此处不赘述。本实施例的电力系统运行优化装置200包括灵活性缺额指标确定单元201、爬坡功率缺额折算成本确定单元202、电网运行总成本确定单元203、电力系统参量求解单元204及电力系统运行优化单元205。
其中,灵活性缺额指标确定单元201,用于获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标。爬坡功率缺额折算成本确定单元202,用于获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本。电网运行总成本确定单元203,用于根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本。电力系统参量求解单元204,用于基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量。电力系统运行优化单元205,用于根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化。
从以上描述可知,本发明实施例电力系统运行优化装置,对电力系统的灵活性需求进行定量分析,同时提出灵活性供给思路以改善灵活性缺额指标,利用粒子群优化算法求解,解决现有无法得到符合实际情况的电网调度方案问题。
参见图3,图3是本发明另一实施例提供的另一种电力系统运行优化装置的示意性框图。本实施例的电力系统运行优化装置300包括灵活性缺额指标确定单元301、爬坡功率缺额折算成本确定单元302、电网运行总成本确定单元303、电力系统参量求解单元304、电力系统运行优化单元305、需求响应成本确定单元306及可再生能源弃电成本确定单元307。
其中灵活性缺额指标确定单元301、爬坡功率缺额折算成本确定单元302、电网运行总成本确定单元303、电力系统参量求解单元304、电力系统运行优化单元305具体请参阅图2及图2对应的实施例中灵活性缺额指标确定单元201、爬坡功率缺额折算成本确定单元202、电网运行总成本确定单元203、电力系统参量求解单元204及电力系统运行优化单元205的相关描述,此处不赘述。
进一步的,所述灵活性缺额指标确定单元301还用于:
根据表达式确定t时刻电力系统灵活性缺额指标PFL(t),其中,y(t)为t时刻电力系统净负荷爬坡功率,Mup为所述电力系统发电机组爬坡功率上限阈值且Mup>0,Mdown为所述电力系统发电机组爬坡功率下限阈值且Mdown<0。
进一步的,所述爬坡功率缺额折算成本确定单元302还用于:
进一步的,所述需求响应成本确定单元306,用于根据表达式确定所述电力系统需求响应成本CDR,其中,cDR为电力系统单位可中断负荷的激励价格,N为时刻总数,PDR(t)为t时刻电力系统中断负荷大小,Δt为时间间隔,0≤PDR(t)≤PDR,max,PDR,max为预设可中断负荷的最大值。
所述可再生能源弃电成本确定单元307,用于根据表达式确定所述电力系统可再生能源弃电成本CAB,其中,cAB为电力系统单位弃风弃光成本,PAB(t)为t时刻电力系统弃风弃光量,0≤PAB(t)≤PAB,max,PAB,max为预设弃风弃光量的最大值,y”(t)=y'(t)-PDR(t)+PAB(t),y”(t)为灵活性供给后t时刻电力系统净负荷爬坡功率,y'(t)为灵活性供给前t时刻电力系统净负荷爬坡功率。
进一步,所述电网运行总成本确定单元303,还用于:
根据表达式F=CDR+CAB+CFL确定所述电网运行总成本F,其中,CDR为所述电力系统需求响应成本,CAB为所述电力系统可再生能源弃电成本,CFL为所述电力系统爬坡功率缺额折算成本。
从以上描述可知,本发明实施例对电力系统的灵活性需求进行定量分析,同时提出灵活性供给思路以改善灵活性缺额指标,利用粒子群优化算法求解,解决现有无法得到符合实际情况的电网调度方案问题。
参见图4,图4是本发明一个实施例提供的一种电力系统运行优化终端设备的示意框图。如图4所示,该实施例的电力系统运行优化终端设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42,例如电力系统运行优化程序。所述处理器40执行所述计算机程序42时实现上述各个电力系统运行优化方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各单元的功能,例如图3所示单元301至307的功能。
所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述电力系统运行优化终端设备4中的执行过程。例如,所述计算机程序42可以被分割成灵活性缺额指标确定单元、爬坡功率缺额折算成本确定单元、电网运行总成本确定单元、电力系统参量求解单元及电力系统运行优化单元,各单元具体功能如下:
获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标;
获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;
根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本;
基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;
根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化。
进一步的,根据表达式确定t时刻电力系统灵活性缺额指标PFL(t),其中,y(t)为t时刻电力系统净负荷爬坡功率,Mup为所述电力系统发电机组爬坡功率上限阈值且Mup>0,Mdown为所述电力系统发电机组爬坡功率下限阈值且Mdown<0。
进一步的,根据表达式确定所述电力系统需求响应成本CDR,其中,cDR为电力系统单位可中断负荷的激励价格,N为时刻总数,PDR(t)为t时刻电力系统中断负荷大小,Δt为时间间隔,0≤PDR(t)≤PDR,max,PDR,max为预设可中断负荷的最大值;
根据表达式确定所述电力系统可再生能源弃电成本CAB,其中,cAB为电力系统单位弃风弃光成本,PAB(t)为t时刻电力系统弃风弃光量,0≤PAB(t)≤PAB,max,PAB,max为预设弃风弃光量的最大值,y”(t)=y'(t)-PDR(t)+PAB(t),y”(t)为灵活性供给后t时刻电力系统净负荷爬坡功率,y'(t)为灵活性供给前t时刻电力系统净负荷爬坡功率。
进一步的,根据表达式F=CDR+CAB+CFL确定所述电网运行总成本F,其中,CDR为所述电力系统需求响应成本,CAB为所述电力系统可再生能源弃电成本,CFL为所述电力系统爬坡功率缺额折算成本。
上述方案,对电力系统的灵活性需求进行定量分析,同时提出灵活性供给思路以改善灵活性缺额指标,利用粒子群优化算法求解,解决现有无法得到符合实际情况的电网调度方案问题
所述电力系统运行优化终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电力系统运行优化终端设备可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是电力系统运行优化终端设备4的示例,并不构成对电力系统运行优化终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电力系统运行优化终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述电力系统运行优化终端设备4的内部存储单元,例如电力系统运行优化终端设备4的硬盘或内存。所述存储器41也可以是所述电力系统运行优化终端设备4的外部存储设备,例如所述电力系统运行优化终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。进一步地,所述存储器41还可以既包括所述电力系统运行优化终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述电力系统运行优化终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电力系统运行优化方法,其特征在于,包括:
获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标;
获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;
根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本;
基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;
根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化;
所述根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标,包括:
3.如权利要求1所述的电力系统运行优化方法,其特征在于,还包括:
根据表达式确定所述电力系统需求响应成本CDR,其中,cDR为电力系统单位可中断负荷的激励价格,N为时刻总数,PDR(t)为t时刻电力系统中断负荷大小,Δt为时间间隔,0≤PDR(t)≤PDR,max,PDR,max为预设可中断负荷的最大值;
4.如权利要求1所述的电力系统运行优化方法,其特征在于,还包括:
根据表达式F=CDR+CAB+CFL确定所述电网运行总成本F,其中,CDR为所述电力系统需求响应成本,CAB为所述电力系统可再生能源弃电成本,CFL为所述电力系统爬坡功率缺额折算成本。
5.一种电力系统运行优化装置,其特征在于,包括:
灵活性缺额指标确定单元,用于获取电力系统净负荷爬坡功率,根据所述电力系统净负荷爬坡功率,以及预设的电力系统发电机组爬坡功率上限阈值和电力系统发电机组爬坡功率下限阈值,确定电力系统灵活性缺额指标;
爬坡功率缺额折算成本确定单元,用于获取电力系统爬坡功率缺额折算后的单位成本,根据所述电力系统爬坡功率缺额折算后的单位成本和所述电力系统灵活性缺额指标,确定电力系统爬坡功率缺额折算成本;
电网运行总成本确定单元,用于根据电力系统需求响应成本、电力系统可再生能源弃电成本和所述电力系统爬坡功率缺额折算成本,确定电网运行总成本;
电力系统参量求解单元,用于基于粒子群优化算法,以所述电网运行总成本最小为目标,求解电力系统中断负荷大小和电力系统弃风弃光量;
电力系统运行优化单元,用于根据所述电力系统中断负荷大小、所述电力系统弃风弃光量和所述电力系统灵活性缺额指标,对电力系统进行运行优化;
所述灵活性缺额指标确定单元还用于:
7.一种电力系统运行优化终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810242121.5A CN108429256B (zh) | 2018-03-22 | 2018-03-22 | 电力系统运行优化方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810242121.5A CN108429256B (zh) | 2018-03-22 | 2018-03-22 | 电力系统运行优化方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108429256A CN108429256A (zh) | 2018-08-21 |
CN108429256B true CN108429256B (zh) | 2020-03-10 |
Family
ID=63159465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810242121.5A Active CN108429256B (zh) | 2018-03-22 | 2018-03-22 | 电力系统运行优化方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108429256B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038689B (zh) * | 2018-09-13 | 2021-11-05 | 南方电网科学研究院有限责任公司 | 一种电力系统的超短期优化调度方法 |
CN110535132B (zh) * | 2019-09-11 | 2023-05-16 | 国网天津市电力公司 | 一种基于鲁棒优化的电力系统建设规划方法 |
CN110689189B (zh) * | 2019-09-24 | 2023-05-09 | 国网天津市电力公司 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
CN111126882B (zh) * | 2020-01-14 | 2023-04-18 | 国网河北省电力有限公司经济技术研究院 | 虚拟变电站调度方法及终端设备 |
CN112066524B (zh) * | 2020-08-02 | 2022-05-13 | 国网辽宁省电力有限公司电力科学研究院 | 基于电蓄热与舒适度的非住宅楼宇需求灵活性量化方法 |
CN112418614B (zh) * | 2020-11-04 | 2024-01-30 | 华北电力大学 | 一种电力系统的可调节性资源建设方案确定方法及系统 |
CN113067329B (zh) * | 2021-02-22 | 2023-03-14 | 国网河北省电力有限公司经济技术研究院 | 一种电力系统的可再生能源适应性优化方法及终端 |
CN113078647B (zh) * | 2021-03-30 | 2023-05-16 | 国网吉林省电力有限公司经济技术研究院 | 一种灵活电力负荷集群的爬坡能力评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065060A (zh) * | 2014-06-09 | 2014-09-24 | 徐多 | 独立微电网系统双层经济调度优化方法 |
CN106056256A (zh) * | 2016-06-28 | 2016-10-26 | 华北电力大学 | 一种平衡电力供需关系的互动化微网调度方法 |
CN106372762A (zh) * | 2016-10-12 | 2017-02-01 | 国网上海市电力公司 | 一种含需求响应的微网经济优化运行设计方法 |
-
2018
- 2018-03-22 CN CN201810242121.5A patent/CN108429256B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065060A (zh) * | 2014-06-09 | 2014-09-24 | 徐多 | 独立微电网系统双层经济调度优化方法 |
CN106056256A (zh) * | 2016-06-28 | 2016-10-26 | 华北电力大学 | 一种平衡电力供需关系的互动化微网调度方法 |
CN106372762A (zh) * | 2016-10-12 | 2017-02-01 | 国网上海市电力公司 | 一种含需求响应的微网经济优化运行设计方法 |
Non-Patent Citations (2)
Title |
---|
考虑灵活性供需平衡的输电网扩展规划;刘万宇 等;《电力系统自动化》;20180310;第42卷(第5期);第56-63页 * |
高比例可再生能源并网的电力系统灵活性评价与平衡机理;鲁宗相 等;《中国电机工程学报》;20170105;第37卷(第1期);第9-19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108429256A (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108429256B (zh) | 电力系统运行优化方法及终端设备 | |
Jabr et al. | Robust multi-period OPF with storage and renewables | |
CN112529727A (zh) | 基于深度强化学习的微电网储能调度方法及装置及设备 | |
Capizzi et al. | Advanced and adaptive dispatch for smart grids by means of predictive models | |
CN111832809B (zh) | 基于Holt-Winters和极限学习机的建筑用能负荷预测方法及系统 | |
Squartini et al. | Optimization algorithms for home energy resource scheduling in presence of data uncertainty | |
CN107204615B (zh) | 一种实现功率预测的方法及系统 | |
CN104376389A (zh) | 基于负载均衡的主从式微电网功率负荷预测系统及其方法 | |
CN112803434A (zh) | 有源配电网的无功优化方法、装置、设备和存储介质 | |
CN115169723A (zh) | 发电功率预测方法、负荷预测方法及模型训练方法 | |
CN114156951B (zh) | 一种源网荷储系统的控制优化方法和装置 | |
Kanchana et al. | PV Power Forecasting with Holt-Winters Method | |
CN115759467A (zh) | 一种误差修正的分时刻集成学习光伏预测方法 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN114036825A (zh) | 多虚拟电厂的协同优化调度方法、装置、设备及存储介质 | |
CN112884358A (zh) | 一种电采暖设备有序用电优化调度方法及终端 | |
CN110210677B (zh) | 一种结合聚类和深度学习算法的母线短期日负荷预测方法和装置 | |
Wang et al. | Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system | |
CN113779861B (zh) | 光伏功率的预测方法及终端设备 | |
CN116142014A (zh) | 一种电动汽车智能充电方法、装置、设备及介质 | |
CN115358441A (zh) | 基于联邦学习的新能源集群消纳智能调控方法及装置 | |
Niu et al. | A novel social-environmental-economic dispatch model for thermal/wind power generation and application | |
Beigi et al. | Improving Energy and Comfort Management in Smart Buildings | |
Wang et al. | The combination forecasting of electricity price based on price spikes processing: a case study in south Australia | |
CN113449904A (zh) | 多能负荷预测方法、装置及设备 |
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 |