CN108649609A - 大规模可再生能源发电并网下电力系统协同优化模型 - Google Patents
大规模可再生能源发电并网下电力系统协同优化模型 Download PDFInfo
- Publication number
- CN108649609A CN108649609A CN201810571914.1A CN201810571914A CN108649609A CN 108649609 A CN108649609 A CN 108649609A CN 201810571914 A CN201810571914 A CN 201810571914A CN 108649609 A CN108649609 A CN 108649609A
- Authority
- CN
- China
- Prior art keywords
- power
- unit
- collaboration
- load
- renewable energy
- 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
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000009471 action Effects 0.000 claims abstract description 14
- 238000005520 cutting process Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 abstract description 25
- 238000007788 roughening Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000009987 spinning Methods 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- H02J3/382—
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H02J3/386—
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
大规模可再生能源发电并网下电力系统协同优化模型,包括自动的协同优化单元、可控的协同优化单元以及再可控的协同优化单元总和的最小值;自动的协同优化包括火电机组一次调频和负荷频率响应;可控的协同优化为自动发电控制机组二次动作;再可控的协同能力包括切负荷、弃风;所述协同优化模型函数公式为:
Description
技术领域
本发明涉及电网运行优化方法,属于电力应用领域,尤其涉及一种大规模可再生能源发电并网下电力系统协同优化模型。
背景技术
为保护生态环境,大规模可再生能源发电并网已成定局,在此需求和新趋势下,提高电网消纳大规模可再生能源发电能力已成为迫切要解决的问题。
目前,国内外学者从各个角度对电力系统运行系统优化进行了研发,包括以下几方面重点:
①加强可再生能源发电的管理。
主要针对可再生能源发电本身,涉及可再生能源发电的预测、控制以及低电压穿越能力等方面。由于可再生能源发电随机性、间歇性的特点,造成电网调度中备用的配置和控制愈加困难。
②挖掘传统调控资源的潜力。
传统调控资源包括可调节火电、水电,以及抽水蓄能等。水电快速调节特性、抽水蓄能削峰填谷作用,以及必要时采用的火电机组深度调峰技术有助于缓解可再生能源发电波动性和反调峰特性给电网稳定运行造成的困难。
③发展各类储能技术。
除常规抽水蓄能外,常见的储能技术可分为机械储能、电磁储能、化学储能。将储能技术与可再生能源发电相结合,能够平滑可再生能源发电功率波动,降低备用容量需求。
④实施需求侧管理技术,引导和激励用户改变用电规律,发展具有主动行为负荷、微网技术,以推动可再生能源发电的多样化消纳。
采取上述措施的根本目的,是在于大规模可再生能源发电并网条件下,如何实现电网安全、可靠、经济的运行。因而,在运行中电网频率必然允许在一定范围内变化。目前在调度中频率处于额定值不变,对电力系统频率在允许范围内的变动并未进行关注。然而,在调度中频率处于额定值不变,这与实际系统运行允许频率波动事实不符,必将造成调度结果的保守性,有时甚至无解而实际可行的处境。
实际上,随着电力系统满足对象,包括负荷与可再生能源发电波动性的增强,电力系统自身所具备的协同能力不容忽视。
频率的调节作用可充分反映出电力系统控制有其本身无序但实质有序的协同能力。这种协同能力来自发电和用电环节,传统上主要是常规发电机组和常规负荷,当然也包括近来发起的可参与频率调节的可再生能源发电、电动汽车以及需求管理等。随着电力系统规模的不断扩大,以及各类新技术的出现,电力系统运行的协同能力如何在调度中得以体现,对电力系统运行的经济性尤为重要。
发明内容
本发明提供一种大规模可再生能源发电并网下电力系统协同优化模型,以应对常态下负荷和可再生能源发电的波动为对象,以可调度机组输出功率和频率为决策量,建立协同的电力系统调度模型,该模型不仅有助于实现调度与控制的友好衔接,而且更有利于消纳可再生能源的发电。
本发明通过以下技术方案予以实现:
大规模可再生能源发电并网下电力系统协同优化模型,所述协同优化模型为包括自动的协同优化单元、可控的协同优化单元以及再可控的协同优化单元总和的最小值;所述自动的协同优化包括火电机组一次调频和负荷频率响应;可控的协同优化为自动发电控制机组二次动作;再可控的协同能力包括切负荷、弃风;所述协同优化模型函数公式为:
式中,Ng为火电机组数量;为机组i的发电成本特性函数,为机组i的输出功率基点;为机组i再调整的成本特性函数,和分别为再上调和再下调的备用容量;为弃风成本特性函数,为弃风量,为切负荷成本特性函数,为切负荷量。
如上所述的大规模可再生能源发电并网下电力系统协同优化模型,所述协同优化模型的约束条件包括:机组输出功率基点源平衡约束、电力系统运行协同的三种状态下源平衡约束。
如上所述的大规模可再生能源发电并网下电力系统协同优化模型,所述机组输出功率基点源平衡约束公式为:
机组输出功率基点源平衡约束为额定频率下的源平衡约束,式中,为风电场输出功率预测期望值,为负荷预测期望值。
如上所述的大规模可再生能源发电并网下电力系统协同优化模型,所述电力系统运行协同的三种状态下源平衡约束公式为:
式中,为机组i二次动作量,RGi为单位频率变化所引起机组i输出功率增加或减少的系数,D为单位频率变化所引起负荷电能增加或减少的系数,ΔPL为满足一定分布的负荷相对期望值的波动量,ΔPW为满足一定分布的风电场输出功率相对期望值的波动量。
与现有技术相比,本发明的优点是:
1、本发明的协同优化模型以频率为牵制线索,将一次、二次和三次调频问题有机结合于一起,实现协同性寓于调度之中,有利于释放调度空间,实现调度与控制间更友好的协调。模型中约束均为线性约束,依据目标函数中成本函数取二次或线性表达,可分别利用目前得到广泛应用的各类二次规划或线性规划算法求解。
协同调度不再追求额定频率下的源平衡,而是在频率允许变化范围内,将源同时关联实际的频率静特性,频率允许变化范围就是调度的释放空间。
2、在大规模可再生能源发电并网背景下,本发明的协同优化模型,具有较好的经济型且更有助于电网消纳可再生能源发电,尤其是在不确定性度量手段(随机性、模糊性、粗糙性)与经济性间衔接的不确定性调度决策中会发挥尽可能消纳可再生能源发电的目标,具有明显现实意义和应用前景。
本发明对电源规划与建设、电力平衡分析、风电消纳等均具有重要的意义,可作为敏感性因素对电网规划和建设的计算方法,使电网运行更加科学、更接近实际运行场景。
具体实施方式
本实施例公开了一种大规模可再生能源发电并网下电力系统协同优化模型,所述协同优化模型为包括自动的协同优化单元、可控的协同优化单元以及再可控的协同优化单元总和的最小值。
所述自动的协同优化包括火电机组一次调频和负荷频率响应;可控的协同优化为自动发电控制机组二次动作;再可控的协同能力包括切负荷、弃风;所述协同优化模型函数公式为:
式中,Ng为火电机组数量;为机组i的发电成本特性函数,为机组i的输出功率基点;为机组i再调整的成本特性函数,和分别为再上调和再下调的备用容量;为弃风成本特性函数,为弃风量,为切负荷成本特性函数,为切负荷量。
该协同优化模型的约束条件包括:
机组输出功率基点源平衡约束、电力系统运行协同的三种状态下源平衡约束。
该机组输出功率基点源平衡约束公式为:
机组输出功率基点源平衡约束为额定频率下的源平衡约束。
式中,为风电场输出功率预测期望值,为负荷预测期望值。
该电力系统运行协同的三种状态下源平衡约束公式为:
式中,为机组i二次动作量,RGi为单位频率变化所引起机组i输出功率增加或减少的系数,D为单位频率变化所引起负荷电能增加或减少的系数,ΔPL为满足一定分布的负荷相对期望值的波动量,ΔPW为满足一定分布的风电场输出功率相对期望值的波动量。
实施例一:
本实施例以大规模可再生能源发电接入具有十台火电机组的电力系统为例进行分析计算,以验证本发明提出的协同优化模型的有效性。
机组发电成本特性函数取二次表达,机组1~6为自动发电控制机组,机组二次动作成本取线性表达,成本系数取为机组二次动作输出功率调整速率取为
所有机组均参与一次调频,火电机组调差系数一般为4%—5%,假设各机组调差系数均为4%,即系统频率变化4%引起机组输出功率100%的变化。
调度时间间隔为5分钟,假设下一时段负荷预测期望值为2000MW,系数D为115.6MW/Hz。系统额定频率为50Hz。
下面分别考虑无风电接入和有风电接入两种情况。
(1)无风电接入的情况
由于负荷预测精确度较高,假设预期的预测误差最大不超过2.5%,即ΔPL的波动区间为[-50MW,50MW]。首先考虑传统的经济调度,即对应模型中Δfmin与Δfmax均为0的情况,调度结果如下表1所示。
表1波动区间[-50MW,50MW]传统经济调度结果
系统发电成本为4234.06$/MWh。负荷波动完全由自动发电控制机组的二次动作承担,对应定义的可控的协同状态。
系统留有正负50MW的二次动作旋转备用容量。
假设在调度中计及系统频率偏差不超过±0.04Hz范围内的自动协同能力,依据报告中模型,调度结果如下表2所示。
表2波动区间[-50MW,50MW]模型调度结果
系统发电成本为4233.96$/MWh。负荷波动完全由自动的协同能力承担,对应自动的协同状态。当负荷与预测值之间出现50MW的波动时,在频率偏差为0.035Hz的条件下再次实现源平衡。考虑到负荷频率响应,系统需要留有的旋转备用容量为正负45.95MW。
可见,传统的经济调度使原本可实现自动协同状态的情况最终成为可控的协同状态,并且旋转备用的配置相对报告模型更加保守。而本发明的协同优化调度模型,能够挖掘电力系统运行自动的协同能力,有效减少自动发电控制机组的动作以及旋转备用容量。
(2)有风电接入的情况
进一步假设系统中含有风电场,下一时段风电场输出功率预测值为200MW,预期的预测误差最大不超过10%,即ΔPW的波动区间为[-20MW,20MW]。ΔPL-ΔPW预期的波动区间为[-70MW,70MW]。
自动发电控制机组二次动作成本系数最大为2.997$/MWh,为减少切负荷和弃风电的量,其对应成本系数应大于该数值,取为3.10$/MWh。首先考虑传统的经济调度,调度结果如下表3所示。
表3波动区间[-70MW,70MW]传统经济调度结果
此时,各自动发电控制机组留有的二次动作备用容量达到了时间区间允许的最大值,即正负59.25MW,显然仍无法满足负荷与风电预期为[-70MW,70MW]的波动区间,超出二次动作备用容量就必须切负荷或弃风电。当波动达到70MW时需切除10.75MW的负荷;当波动达到-70MW时需弃10.75MW的风电。调度实现的是再可控的协同状态。依据协同优化模型,调度结果如表4所示。
表4波动区间[-70MW,70MW]模型调度结果
为应对负荷与风电的70MW的波动,系统频率偏差不超过±0.04Hz范围内的自动协同能力全部得到利用。其中,机组一次调频功率52.5MW,负荷频率响应功率4.62MW。此外,还需要自动发电控制机组2和5在输出功率基点上再调整12.88MW,并不需要进行切负荷或弃风电。可见,在这种情况下本协同优化模型实现的是可控的协同状态。
对比表3和表4可以发现,传统经济调度和依据本协同优化模型的经济调度给定的各机组输出功率基点其实相差并不大。但是由于该协同优化模型将频率引入调度决策,能够计及电力系统自动的协同能力,相当于在调度中间接的考虑了控制,从而扩大了经济调度的解,有效减少了在调度中切负荷或弃风电的情况。
实施例二:
以山东省电网算例分析,由于用电设备分布性、时变性的特点,获得精确的静态负荷模型有一定的困难。
华东电网、西北电网、华北电网、东北电网和华中电网的规划、调度和研究部门所采用的静态负荷模型为如下公式:
式中,P1为恒定阻抗有功功率比例;P2为恒定电流有功功率比例;P3为恒定功率有功功率比例;LDP为频率变化1%引起的有功变化。
各电网规划、调度部门所采用的静态负荷模型包括40%恒阻抗+60%恒功率、30%恒阻抗+40%恒电流+30%恒功率或30%恒阻抗+30%恒电流+40%恒功率,LDP取值普遍为1.2%或1.8%,负荷主要接在110kV和220kV母线上。华中电网实验表明,LDP=3.1%时,实测曲线与仿真曲线吻合度较好,国内仿真计算时普遍采用的LDP取值造成结果更加保守。
据此,表5给出了不同P1、P2、P3比例下,LDP取为3.1%时,电压和频率改变对负荷消耗有功功率的影响。
表5电压和频率变化对负荷消耗有功功率影响
可见,在电网质量允许的范围内,仅通过调整电压和频率,就能对负荷从系统取用的有功功率进行较为显著的调整,显然对可再生能源发电的消纳有非常大的作用。
当系统频率发生变化时,常规发电机组一次调频功能会自动调整发电机输出功率。即当频率高于额定频率时(不考虑死区),发电机一次调频会按照设定的调差系数自动降低发电机输出功率,频率低于额定频率时,自动增加发电机输出功率。
针对山东电网,统调装机容量按7000万千瓦计算,风电装机容量670万千瓦,全网用电最高负荷6250万千瓦,对常用的静态负荷模型进行分析,
(1)静态负荷模型采用40%恒阻抗+60%恒功率时,在理想情况下,当电网所有负荷供电电压升高5%,系统频率升高0.2%时,负荷从电网取用的功率增加296.9万千瓦,相当于可多消纳296.9万千瓦风电。同理,当负荷供电电压降低5%,系统频率降低0.2%时,负荷从电网取用的功率降低281.2万千瓦,可有效弥补风电出力不足的情况。
(2)静态负荷模型采用30%恒阻抗+40%恒电流+30%恒功率时,在理想情况下,当电网所有负荷供电电压升高5%,系统频率升高0.2%时,负荷从电网取用的功率增加358.1万千瓦,相当于可多消纳358.1万千瓦风电。同理,当负荷供电电压降低5%,系统频率降低0.2%时,负荷从电网取用的功率降低344.3万千瓦,可有效弥补风电出力不足的情况。
(3)静态负荷模型采用30%恒阻抗+30%恒电流+40%恒功率时,在理想情况下,当电网所有负荷供电电压升高5%,系统频率升高0.2%时,负荷从电网取用的功率增加326.2万千瓦,相当于可多消纳326.2万千瓦风电。同理,当负荷供电电压降低5%,系统频率降低0.2%时,负荷从电网取用的功率降低313.7万千瓦,可有效弥补风电出力不足的情况。
在大规模可再生能源发电并网背景下,本发明提供的协同优化模型,具有较好的经济性且更有助于电网消纳可再生能源发电,尤其是在不确定性度量手段(随机性、模糊性、粗糙性)与经济性间衔接的不确定性调度决策中会发挥尽可能消纳可再生能源发电的目标,具有明显现实意义和应用前景。基于本发明的应用,在电源规划与建设、电力平衡分析、风电消纳等方面均具有重要参考意义,使电网规划结论更加科学、更接近实际运行场景。
本发明未详尽描述的技术内容均为公知技术。
Claims (4)
1.大规模可再生能源发电并网下电力系统协同优化模型,其特征在于,所述协同优化模型为包括自动的协同优化单元、可控的协同优化单元以及再可控的协同优化单元总和的最小值;所述自动的协同优化包括火电机组一次调频和负荷频率响应;可控的协同优化为自动发电控制机组二次动作;再可控的协同能力包括切负荷、弃风;所述协同优化模型函数公式为:
式中,Ng为火电机组数量;为机组i的发电成本特性函数,为机组i的输出功率基点;为机组i再调整的成本特性函数,和分别为再上调和再下调的备用容量;为弃风成本特性函数,为弃风量,为切负荷成本特性函数,为切负荷量。
2.根据权利要求1所述的大规模可再生能源发电并网下电力系统协同优化模型,其特征在于,所述协同优化模型的约束条件包括:机组输出功率基点源平衡约束、电力系统运行协同的三种状态下源平衡约束。
3.根据权利要求2所述的大规模可再生能源发电并网下电力系统协同优化模型,其特征在于,所述机组输出功率基点源平衡约束公式为:
机组输出功率基点源平衡约束为额定频率下的源平衡约束,式中,为风电场输出功率预测期望值,为负荷预测期望值。
4.根据权利要求2所述的大规模可再生能源发电并网下电力系统协同优化模型,其特征在于,所述电力系统运行协同的三种状态下源平衡约束公式为:
式中,为机组i二次动作量,RGi为单位频率变化所引起机组i输出功率增加或减少的系数,D为单位频率变化所引起负荷电能增加或减少的系数,ΔPL为满足一定分布的负荷相对期望值的波动量,ΔPW为满足一定分布的风电场输出功率相对期望值的波动量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571914.1A CN108649609A (zh) | 2018-05-31 | 2018-05-31 | 大规模可再生能源发电并网下电力系统协同优化模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571914.1A CN108649609A (zh) | 2018-05-31 | 2018-05-31 | 大规模可再生能源发电并网下电力系统协同优化模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108649609A true CN108649609A (zh) | 2018-10-12 |
Family
ID=63759566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810571914.1A Pending CN108649609A (zh) | 2018-05-31 | 2018-05-31 | 大规模可再生能源发电并网下电力系统协同优化模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108649609A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114784867A (zh) * | 2022-05-10 | 2022-07-22 | 国网四川省电力公司电力科学研究院 | 一种提升新能源接入弱电网系统稳定性的协同控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103904686A (zh) * | 2014-04-03 | 2014-07-02 | 国家电网公司 | 一种考虑电力系统协同能力的经济调度方法 |
US20180090936A1 (en) * | 2016-09-28 | 2018-03-29 | Nec Laboratories America, Inc. | Dynamic frequency control scheme for microgrids using energy storage |
-
2018
- 2018-05-31 CN CN201810571914.1A patent/CN108649609A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103904686A (zh) * | 2014-04-03 | 2014-07-02 | 国家电网公司 | 一种考虑电力系统协同能力的经济调度方法 |
US20180090936A1 (en) * | 2016-09-28 | 2018-03-29 | Nec Laboratories America, Inc. | Dynamic frequency control scheme for microgrids using energy storage |
Non-Patent Citations (2)
Title |
---|
刘国静,韩学山,杨明: "电力系统运行协同的经济调度", 《中国电机工程学报》 * |
刘国静,韩学山,杨明等: "经济调度中源网间的三种状态分析及验证", 《电网技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114784867A (zh) * | 2022-05-10 | 2022-07-22 | 国网四川省电力公司电力科学研究院 | 一种提升新能源接入弱电网系统稳定性的协同控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108123492A (zh) | 一种考虑火电电蓄热联合调峰的日前发电计划优化方法 | |
CN108599269A (zh) | 一种考虑风险成本的大电网自适应鲁棒备用优化方法 | |
CN109103924A (zh) | 基于柔性分析的可再生能源消纳能力关键因素的分析方法 | |
Hou et al. | Data-driven robust day-ahead unit commitment model for hydro/thermal/wind/photovoltaic/nuclear power systems | |
CN109412158A (zh) | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 | |
Gu et al. | Optimal configuration and analysis of combined cooling, heating, and power microgrid with thermal storage tank under uncertainty | |
CN110414804A (zh) | 一种基于多维度响应特性的价格型需求响应建模方法 | |
CN107832542A (zh) | 一种基于时空尺度消纳风光的机组组合优化调度方法 | |
CN109286208A (zh) | 一种综合能源系统调度方法和系统 | |
Wen et al. | Key factors for efficient consumption of renewable energy in a provincial power grid in southern China | |
CN108649609A (zh) | 大规模可再生能源发电并网下电力系统协同优化模型 | |
CN109713713A (zh) | 一种基于机会约束凸松弛的机组启停随机优化方法 | |
CN110808616B (zh) | 一种基于功率缺额分配的微电网频率控制方法 | |
Salazar et al. | Model predictive control-based energy management system for isolated electro-thermal microgrids in rural areas of Ecuador | |
CN107834543A (zh) | 一种基于两阶段混合整数规划的电力系统运行模拟方法 | |
Zhang et al. | Research on frequency regulation strategy based on model predictive control for wind-hydro-storage complementary microgrid | |
Førsund et al. | Hydropower economics: An overview | |
CN108649617A (zh) | 一种计及风电预测偏差的电网agc协同实时控制方法 | |
CN113869742A (zh) | 基于行动家和评论家网络的综合供需侧的电力调度系统 | |
Qu et al. | Day-ahead generation scheduling method for new energy and hydro power system | |
Li et al. | Integrated heat and power dispatch model for wind-CHP system with solid heat storage device based on robust stochastic theory | |
Tina et al. | Strategic role of new power generation assets for the security of the future Italian power system | |
Mahmoudian et al. | Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement | |
Bayasgalan et al. | Improvement of the dispatching preplanning process in day-ahead electricity market using a sequential method | |
CN117081177B (zh) | 一种孤岛模式下水电主调机组微电网运行功率控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |