CN109255502A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109255502A CN109255502A CN201811295670.5A CN201811295670A CN109255502A CN 109255502 A CN109255502 A CN 109255502A CN 201811295670 A CN201811295670 A CN 201811295670A CN 109255502 A CN109255502 A CN 109255502A
- Authority
- CN
- China
- Prior art keywords
- power generation
- renewable energy
- energy power
- generation base
- base
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 170
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013178 mathematical model Methods 0.000 claims abstract description 31
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000011161 development Methods 0.000 claims abstract description 22
- 230000005611 electricity Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 7
- 238000010348 incorporation Methods 0.000 claims description 6
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 208000018672 Dilatation Diseases 0.000 description 15
- 238000011160 research Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种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。其包括对某一规划区内属于建设开发项目的所有可再生能源发电基地的指标参数进行收集和整理;根据建设开发项目的要求将可再生能源发电基地开发建设周期以年为单位划分成多个阶段;建立时序优化动态规划数学模型;求解时序优化动态规划数学模型,即求解出规划策略中的最优策略,得到时序规划最优方案等步骤。本发明提供的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可以在满足各阶段规划要求的基础上获得整个规划期内经济成本最小的方案。
Description
技术领域
本发明属于电网规划技术领域,特别是涉及一种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。
背景技术
随着化石能源的枯竭和环境问题的日渐突出,可再生能源发电技术由于其环保和能源可循环利用的特点而逐步受到关注和获得应用。
目前,已有文献已公开过针对可再生能源发电接入配电网方面的研究成果,但是多数聚焦于规划结果的优劣,并未考虑到可再生能源发电项目建设顺序对整个建设项目的影响,即未研究可再生能源发电基地建设的发展时序。同时,针对发展时序的研究多关注于变电站规划方面,即变电站的长期规划建设过程,而鲜有研究针对可再生能源发电基地的发展时序问题,即可再生能源发电基地的多阶段规划问题。
因此,急需发明一种借鉴动态规划思想解决可再生能源发电基地的长期规划建设问题,建立可再生能源发电基地建设的时序规划模型,以满足实际可再生能源发电基地规划时对时空的双重要求,但目前尚缺少有效的方法。
发明内容
为了解决上述问题,本发明的目的在于提供一种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,以满足实际可再生能源发电基地规划时对时序的要求。
为了达到上述目的,本发明提供的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包括以下步骤:
步骤1)、对某一规划区内属于建设开发项目的所有可再生能源发电基地的指标参数进行收集和整理;
步骤2)、根据建设开发项目的要求将可再生能源发电基地开发建设周期以年为单位划分成多个阶段;
步骤3)、在步骤2)的基础上建立时序优化动态规划数学模型;
步骤4)求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略中的最优策略,得到时序规划最优方案。
在步骤1)中,所述的指标参数包括:可再生能源发电基地单位容量投资成本;可再生能源发电基地运行维护费用;可再生能源发电上网电价。
在步骤3)中,所述的在步骤2)的基础上建立时序优化动态规划数学模型的具体方法如下:
步骤3.1)、首先根据上述步骤2)划分的阶段确定时序优化动态规划数学模型的状态变量;
第k阶段的状态表示规划区内从初始到第k阶段为止所有投入的可再生能源发电基地的集合,每一座可再生能源发电基地Dk的状态用第k阶段的容量这一状态变量来表示;可再生能源发电基地Dk的第j个容量用Sk,j表示,j=1,2,…,nk;nk为可再生能源发电基地Dk的状态总数,若可再生能源发电基地Dk的可行状态集为Sk,则须满足条件:Sk,j∈Sk;可再生能源发电基地Dk的可行状态集Sk需要满足如下约束:
①可再生能源发电基地最大容量约束:各可再生能源发电基地的发电容量应在根据目标年规划做出的候选容量类型范围中;
②可再生能源发电基地最小容量约束:各可再生能源发电基地的发电容量应大于等于上一阶段各可再生能源发电基地的发电容量;
③可再生能源发电基地扩容约束:各可再生能源发电基地各阶段的扩容容量应小于等于该阶段最大允许容量值;
步骤3.2)、结合上述状态变量确定时序优化动态规划数学模型的决策变量;
第k阶段做出的决策集为{新建集中式可再生能源发电基地,新建分布式可再生能源发电基地,集中式可再生能源发电基地扩容,分布式可再生能源发电基地扩容};可再生能源发电基地Dk的第i个状态下所做的决策用u(Sk,i)表示,如u(Sk,i)=Sk+1,j表示从可再生能源发电基地Dk的第i个状态做出了向可再生能源发电基地Dk+1的第j个状态转移的决策;若可再生能源发电基地Dk的可行决策集为u(Sk)(k=1,2,…,t),则可再生能源发电基地Dk的第i个状态的决策需满足条件u(Sk,i)∈u(Sk);
步骤3.3)、根据上述决策变量确定时序优化动态规划数学模型的规划策略;
由可再生能源发电基地规划期内每个阶段的可行决策集u(Sk)(k=1,2,…,t)组成的序列就是目标年时序优化动态规划数学模型的规划策略,记为G1,t(S1):{u(S1),u(S2),…,u(St)};
步骤3.4)根据步骤1)获得的指标参数,建立时序优化动态规划数学模型的目标函数,并设定约束条件;
所述的目标函数为整个开发建设周期各阶段的可再生能源发电基地的建设投资和运行维护成本最小,如下式所示:
minCost
式中各变量含义如下:
si为对最终阶段(即目标年)可再生能源发电基地的编号;分布式能源发电基地与集中式能源发电基地统一编号;
f(si,k)为第si个可再生能源发电基地在第k阶段的投资量;该投资量计及分布式发电成本变化对投资影响;若第si个可再生能源发电基地在第k阶段已建成或未安排建设,则投资量f(si,k)=0;
μ(si,k)为第si个可再生能源发电基地在第k阶段的运行维护费用;若第si个可再生能源发电基地在第k阶段未建成,则运行维护费用μ(si,k)=0;
P(si,k)为第si个可再生能源发电基地在第k阶段的发电量;若第si个可再生能源发电基地在第k阶段未建成,则可再生能源发电量P(si,k)=0;
αk为第k阶段发电上网电价;
wk为第k阶段第si个可再生能源发电基地建设的线路及主变电站;若已建设则wk=1,否则为0;分布式可再生能源发电基地的wk恒为1;
r为资金贴现率,取10%;
T为步骤3)中划分的阶段数;
n为当前阶段可行决策集的个数;
时序优化动态规划数学模型应满足以下约束:
1)发电容量约束:
P(si,k)≤P(si,t)
2)投资成本约束:
f(si,k)≥0
3)运维成本约束:
μ(si,k)≥0
4)最大/最小扩容约束:
0≤P(si,k)-P(si,k-1)≤Pmax(si)
式中,Pmax(si)为第si个可再生能源基地每阶段最多扩容容量。
在步骤4)中,所述的求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略中的最优策略,得到时序规划最优方案的方法是:
采用动态规划的逆序递推算法以求解图论最优路径的角度求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略G1,t(S1):{u(S1),u(S2),…,u(St)}中的最优策略,从而得到时序规划最优方案,具体方法如下:
基本思路是以网络图的终点状态为起点,逐步向初始状态进行求解,目标函数——总成本费用的递推公式如下:
Cost(ST+1)=0
式中:Cost(Sk,j)为从第k阶段的第j个状态到目标结果的费用;c(Sk,j,S(k+1),i)为状态转移产生的投资等年值;nk为第k阶段的可行状态数;r为贴现率;St+1为最终状态,即规划目标,此时,Cost(St+1)=0,为边界条件。
本发明提供的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可以在满足各阶段规划要求的基础上获得整个规划期内经济成本最小的方案。
附图说明
图1是本发明的多阶段规划网络示意图;
图2是本发明实施例中的多阶段规划网络图;
具体实施方式
需要说明的是,本发明需要解决的可再生能源开发时序问题是一个初始状态已知,目标结果确定,但中间过程不确定的动态规划,需要从过程中获得到达终点的最优路径,衡量路径最优的标准是整个过程的成本费用最小。从图论的角度去考虑,如果把问题中的状态定义成图中的顶点,两个状态之间的转移定义为边,转移过程中的权值增量定义为边的权值,在这里权值也就是状态转移时需增加的工程费用,这样就构成一个有向无环加权图,如图1所示。
各阶段之间存在关联,后一阶段的某一状态只有在对应的前一阶段状态实现的基础上才能继续且不可逆。如某可再生能源发电基地在目标年的容量为4*200MVA,初始年的容量为0MVA。在某一阶段做出新建可再生能源发电基地决策,容量从0MVA变为1*200MVA,那么后一阶段就只能做出容量保持不变或扩容的决策,而不能降低容量。另一方面,由于资金的时间价值不同和不同阶段的负荷水平、建设成本等不同,即使是同一决策,在不同阶段产生的资金费用也不相同,那么由此引出的后续决策会形成不同策略,不同策略的目标函数值也就不会一样。
本发明提供的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包括按顺序进行的下列步骤:
步骤1)、对某一规划区内属于建设开发项目的所有可再生能源发电基地的指标参数进行收集和整理;
所述的指标参数包括:可再生能源发电基地单位容量投资成本;可再生能源发电基地运行维护费用;可再生能源发电上网电价;
步骤2)、根据建设开发项目的要求将可再生能源发电基地开发建设周期以年为单位划分成多个阶段;
步骤3)、在步骤2)的基础上建立时序优化动态规划数学模型;
具体方法如下:
步骤3.1)、首先根据上述步骤2)划分的阶段确定时序优化动态规划数学模型的状态变量;
第k阶段的状态表示规划区内从初始到第k阶段为止所有投入的可再生能源发电基地的集合,如图1所示,每一座可再生能源发电基地Dk的状态用第k阶段的容量这一状态变量来表示;可再生能源发电基地Dk的第j个容量用Sk,j表示,j=1,2,…,nk;nk为可再生能源发电基地Dk的状态总数,若可再生能源发电基地Dk的可行状态集为Sk,则须满足条件:Sk,j∈Sk;可再生能源发电基地Dk的可行状态集Sk需要满足如下约束:
①可再生能源发电基地最大容量约束:各可再生能源发电基地的发电容量应在根据目标年规划做出的候选容量类型范围中;
②可再生能源发电基地最小容量约束:各可再生能源发电基地的发电容量应大于等于上一阶段各可再生能源发电基地的发电容量;
③可再生能源发电基地扩容约束:各可再生能源发电基地各阶段的扩容容量应小于等于该阶段最大允许容量值;
步骤3.2)、结合上述状态变量确定时序优化动态规划数学模型的决策变量;
第k阶段做出的决策集为{新建集中式可再生能源发电基地,新建分布式可再生能源发电基地,集中式可再生能源发电基地扩容,分布式可再生能源发电基地扩容};可再生能源发电基地Dk的第i个状态下所做的决策用u(Sk,i)表示,如u(Sk,i)=Sk+1,j表示从可再生能源发电基地Dk的第i个状态做出了向可再生能源发电基地Dk+1的第j个状态转移的决策;若可再生能源发电基地Dk的可行决策集为u(Sk)(k=1,2,…,t),则可再生能源发电基地Dk的第i个状态的决策需满足条件u(Sk,i)∈u(Sk);
需要注意的是工程建设要满足可再生能源建设不可逆的特性,即每个阶段的每个决策都不可使该决策中集中式与分布式可再生能源容量超过目标年规划容量,满足上述要求的决策集为可行决策集;
步骤3.3)、根据上述决策变量确定时序优化动态规划数学模型的规划策略;
由可再生能源发电基地规划期内每个阶段的可行决策集u(Sk)(k=1,2,…,t)组成的序列就是目标年时序优化动态规划数学模型的规划策略,记为G1,t(S1):{u(S1),u(S2),…,u(St)};
步骤3.4)根据步骤1)获得的指标参数,建立时序优化动态规划数学模型的目标函数,并设定约束条件;
所述的目标函数为整个开发建设周期各阶段的可再生能源发电基地的建设投资和运行维护成本最小,如下式所示:
min Cost
式中各变量含义如下:
si为对最终阶段(即目标年)可再生能源发电基地的编号;分布式能源发电基地与集中式能源发电基地统一编号;
f(si,k)为第si个可再生能源发电基地在第k阶段的投资量;该投资量计及分布式发电成本变化对投资影响;若第si个可再生能源发电基地在第k阶段已建成或未安排建设,则投资量f(si,k)=0;
μ(si,k)为第si个可再生能源发电基地在第k阶段的运行维护费用;若第si个可再生能源发电基地在第k阶段未建成,则运行维护费用μ(si,k)=0;
P(si,k)为第si个可再生能源发电基地在第k阶段的发电量;若第si个可再生能源发电基地在第k阶段未建成,则可再生能源发电量P(si,k)=0;
αk为第k阶段发电上网电价;
wk为第k阶段第si个可再生能源发电基地建设的线路及主变电站;若已建设则wk=1,否则为0;分布式可再生能源发电基地的wk恒为1;
r为资金贴现率,取10%;
T为步骤3)中划分的阶段数;
n为当前阶段可行决策集的个数;
时序优化动态规划数学模型应满足以下约束:
1)发电容量约束:
P(si,k)≤P(si,t)
2)投资成本约束:
f(si,k)≥0
3)运维成本约束:
μ(si,k)≥0
4)最大/最小扩容约束:
0≤P(si,k)-P(si,k-1)≤Pmax(si)
式中,Pmax(si)为第si个可再生能源基地每阶段最多扩容容量。
步骤4)求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略中的最优策略,得到时序规划最优方案;
采用动态规划的逆序递推算法以求解图论最优路径的角度求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略G1,t(S1):{u(S1),u(S2),…,u(St)}中的最优策略,从而得到时序规划最优方案。
具体方法如下:
基本思路是以网络图的终点状态为起点,逐步向初始状态进行求解,目标函数——总成本费用的递推公式如下:
Cost(ST+1)=0
式中:Cost(Sk,j)为从第k阶段的第j个状态到目标结果的费用;c(Sk,j,S(k+1),i)为状态转移产生的投资等年值;nk为第k阶段的可行状态数;r为贴现率;St+1为最终状态,即规划目标,此时,Cost(St+1)=0,为边界条件。
下面结合附图和具体实施例对本发明提供的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进行详细说明。
本实施例采用某规划区内属于建设开发项目的可再生能源发电基地为例进行分析。该规划区内需建设总容量为500MW的可再生能源发电基地,建设时间为5年;其中分布式可再生能源发电基地容量为100MW,均为光伏发电;集中式可再生能源发电基地容量为400MW,其中风力发电300MW,光伏发电100MW。风力发电基地WT与光伏发电基地PV基地的投资安装成本变化如表1所示。
表1投资安装成本
WT的运行维护费用为5.7元/kW*年,PV的运行维护费用为14.3元/kW*年。可再生能源基地发电上网电价为各规划阶段的间隔年份为1年。集中式风力发电基地处于Ⅰ类风资源区,假设每年等效利用小时数为3000h;集中式光伏发电基地处于Ⅰ类光资源区,假设每年等效利用小时数为1500h;分布式光伏发电基地处于Ⅲ类光资源区,假设每年等效利用小时数为1000h,相应上网电价为0.85元/kWh。每年WT与PV上网电价如表2所示。
表2可再生能源发电上网电价
由于项目工程建设分期进行,每年进行一期工程,每期工程候选表如下:
表3工程候选表
上表代表可再生能源基地建设不同阶段的可选路径工程。
分布式光伏基地工程:B
集中式光伏基地工程:A
集中式风电基地初期工程:C:
集中式风电基地扩容备选工程:D,E,F,G,H,I
其中集中式风电基地扩容总量为250MW,每次扩容可选路径分别为D~I,共需两次扩容。
首先根据初始和候选建设开发项目确定候选容量类型,其中分布式光伏发电基地s1为{100}MVA,记作S1={S1,a1};集中式光伏发电基地s2为{100}MVA,记作S2={S2,b1};集中式风力发电基地s3为{50,150,160,170,180,190,200,300}MVA,记作S3={S3,c1,S3,c2,S3,c3,S3,c4,S3,c5,S3,c6,S3,c7,S3,c8}。其中,S3,c1为初期工程建设后的状态,S3,c2-S3,c7为一次扩容结束后的状态,S3,c8为二次扩容结束后的状态。
由动态规划理论可得各阶段决策集,但是由于容量约束等约束条件,决策中存在不可行决策。限于篇幅,仅给出在删除不可行决策后建立的前三个阶段的可行决策集,如图2所示。
根据本发明方法,计算后可得建设开发项目的决策时序如下:
{C,I,D,B,A}
即第一年进行集中式风力发电基地整体工程建设;第二年将集中式风力发电基地容量扩充为200MW;第三年将集中式风力发电基地容量为300MW,至此,集中式风力发电基地建设任务完成;第四年进行分布式光伏发电基地整体工程建设;第五年进行集中式光伏发电基地整体工程建设。
可再生能源发电基地规划的阶段间是相关的,不是每个阶段独立最优规划的合并(目前一般规划采取的方法),也并非根据负荷增长量规划,所以现有的静态规划模型无法适应其需求。因此当前需要建立相应的动态时序模型,得到在满足约束条件基础上的整个规划时期内经济性最优的方案或策略。本发明建立的可再生能源发电基地时序规划数学模型,采用动态规划算法求出了整个规划期内经济性最优的建设方案。实际算例结果验证了所提的时序规划模型能够在满足各阶段规划的要求的基础上获得整个规划期内经济成本最小的方案,对相关实践有一定参考价值。
Claims (4)
1.一种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,其特征在于:所述的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包括按顺序进行的下列步骤:
步骤1)、对某一规划区内属于建设开发项目的所有可再生能源发电基地的指标参数进行收集和整理;
步骤2)、根据建设开发项目的要求将可再生能源发电基地开发建设周期以年为单位划分成多个阶段;
步骤3)、在步骤2)的基础上建立时序优化动态规划数学模型;
步骤4)求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略中的最优策略,得到时序规划最优方案。
2.根据权利要求1所述的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,其特征在于:在步骤1)中,所述的指标参数包括:可再生能源发电基地单位容量投资成本;可再生能源发电基地运行维护费用;可再生能源发电上网电价。
3.根据权利要求1所述的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,其特征在于:在步骤3)中,所述的在步骤2)的基础上建立时序优化动态规划数学模型的具体方法如下:
步骤3.1)、首先根据上述步骤2)划分的阶段确定时序优化动态规划数学模型的状态变量;
第k阶段的状态表示规划区内从初始到第k阶段为止所有投入的可再生能源发电基地的集合,每一座可再生能源发电基地Dk的状态用第k阶段的容量这一状态变量来表示;可再生能源发电基地Dk的第j个容量用Sk,j表示,j=1,2,…,nk;nk为可再生能源发电基地Dk的状态总数,若可再生能源发电基地Dk的可行状态集为Sk,则须满足条件:Sk,j∈Sk;可再生能源发电基地Dk的可行状态集Sk需要满足如下约束:
①可再生能源发电基地最大容量约束:各可再生能源发电基地的发电容量应在根据目标年规划做出的候选容量类型范围中;
②可再生能源发电基地最小容量约束:各可再生能源发电基地的发电容量应大于等于上一阶段各可再生能源发电基地的发电容量;
③可再生能源发电基地扩容约束:各可再生能源发电基地各阶段的扩容容量应小于等于该阶段最大允许容量值;
步骤3.2)、结合上述状态变量确定时序优化动态规划数学模型的决策变量;
第k阶段做出的决策集为{新建集中式可再生能源发电基地,新建分布式可再生能源发电基地,集中式可再生能源发电基地扩容,分布式可再生能源发电基地扩容};可再生能源发电基地Dk的第i个状态下所做的决策用u(Sk,i)表示,如u(Sk,i)=Sk+1,j表示从可再生能源发电基地Dk的第i个状态做出了向可再生能源发电基地Dk+1的第j个状态转移的决策;若可再生能源发电基地Dk的可行决策集为u(Sk)(k=1,2,…,t),则可再生能源发电基地Dk的第i个状态的决策需满足条件u(Sk,i)∈u(Sk);
步骤3.3)、根据上述决策变量确定时序优化动态规划数学模型的规划策略;
由可再生能源发电基地规划期内每个阶段的可行决策集u(Sk)(k=1,2,…,t)组成的序列就是目标年时序优化动态规划数学模型的规划策略,记为G1,t(S1):{u(S1),u(S2),…,u(St)};
步骤3.4)根据步骤1)获得的指标参数,建立时序优化动态规划数学模型的目标函数,并设定约束条件;
所述的目标函数为整个开发建设周期各阶段的可再生能源发电基地的建设投资和运行维护成本最小,如下式所示:
min Cost
式中各变量含义如下:
si为对最终阶段(即目标年)可再生能源发电基地的编号;分布式能源发电基地与集中式能源发电基地统一编号;
f(si,k)为第si个可再生能源发电基地在第k阶段的投资量;该投资量计及分布式发电成本变化对投资影响;若第si个可再生能源发电基地在第k阶段已建成或未安排建设,则投资量f(si,k)=0;
μ(si,k)为第si个可再生能源发电基地在第k阶段的运行维护费用;若第si个可再生能源发电基地在第k阶段未建成,则运行维护费用μ(si,k)=0;
P(si,k)为第si个可再生能源发电基地在第k阶段的发电量;若第si个可再生能源发电基地在第k阶段未建成,则可再生能源发电量P(si,k)=0;
αk为第k阶段发电上网电价;
wk为第k阶段第si个可再生能源发电基地建设的线路及主变电站;若已建设则wk=1,否则为0;分布式可再生能源发电基地的wk恒为1;
r为资金贴现率,取10%;
T为步骤3)中划分的阶段数;
n为当前阶段可行决策集的个数;
时序优化动态规划数学模型应满足以下约束:
1)发电容量约束:
P(si,k)≤P(si,t)
2)投资成本约束:
f(si,k)≥0
3)运维成本约束:
μ(si,k)≥0
4)最大/最小扩容约束:
0≤P(si,k)-P(si,k-1)≤Pmax(si)
式中,Pmax(si)为第si个可再生能源基地每阶段最多扩容容量。
4.根据权利要求1或3所述的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,其特征在于:在步骤4)中,所述的求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略中的最优策略,得到时序规划最优方案的方法是:
采用动态规划的逆序递推算法以求解图论最优路径的角度求解上述时序优化动态规划数学模型,即求解出步骤3.3)所述的规划策略G1,t(S1):{u(S1),u(S2),…,u(St)}中的最优策略,从而得到时序规划最优方案,具体方法如下:
基本思路是以网络图的终点状态为起点,逐步向初始状态进行求解,目标函数——总成本费用的递推公式如下:
Cost(ST+1)=0
式中:Cost(Sk,j)为从第k阶段的第j个状态到目标结果的费用;c(Sk,j,S(k+1),i)为状态转移产生的投资等年值;nk为第k阶段的可行状态数;r为贴现率;St+1为最终状态,即规划目标,此时,Cost(St+1)=0,为边界条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295670.5A CN109255502B (zh) | 2018-11-01 | 2018-11-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295670.5A CN109255502B (zh) | 2018-11-01 | 2018-11-01 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255502A true CN109255502A (zh) | 2019-01-22 |
CN109255502B CN109255502B (zh) | 2021-08-27 |
Family
ID=65044695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811295670.5A Active CN109255502B (zh) | 2018-11-01 | 2018-11-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255502B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443282A (zh) * | 2019-07-05 | 2019-11-12 | 华中科技大学 | 一种胚胎时序图像中的胚胎发育阶段分类方法 |
CN111639819A (zh) * | 2020-06-08 | 2020-09-08 | 天津大学 | 一种综合能源园区多阶段优化控制方法 |
CN113555909A (zh) * | 2021-07-20 | 2021-10-26 | 华能陇东能源有限责任公司 | 一种多能互补基地风光火储建设时序优化方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049799A (zh) * | 2012-12-10 | 2013-04-17 | 河海大学 | 一种基于多目标优化的电网规划设计方法 |
CN105305490A (zh) * | 2015-10-26 | 2016-02-03 | 国网天津市电力公司 | 一种考虑电能质量经济性最优的有源配电网规划方法 |
CN106447122A (zh) * | 2016-10-12 | 2017-02-22 | 国网上海市电力公司 | 一种区域型能源互联网及其一体化优化规划方法 |
CN107230004A (zh) * | 2017-06-28 | 2017-10-03 | 国网江苏省电力公司经济技术研究院 | 一种可再生能源项目投资组合优化方法、装置及计算设备 |
-
2018
- 2018-11-01 CN CN201811295670.5A patent/CN109255502B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049799A (zh) * | 2012-12-10 | 2013-04-17 | 河海大学 | 一种基于多目标优化的电网规划设计方法 |
CN105305490A (zh) * | 2015-10-26 | 2016-02-03 | 国网天津市电力公司 | 一种考虑电能质量经济性最优的有源配电网规划方法 |
CN106447122A (zh) * | 2016-10-12 | 2017-02-22 | 国网上海市电力公司 | 一种区域型能源互联网及其一体化优化规划方法 |
CN107230004A (zh) * | 2017-06-28 | 2017-10-03 | 国网江苏省电力公司经济技术研究院 | 一种可再生能源项目投资组合优化方法、装置及计算设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443282A (zh) * | 2019-07-05 | 2019-11-12 | 华中科技大学 | 一种胚胎时序图像中的胚胎发育阶段分类方法 |
CN110443282B (zh) * | 2019-07-05 | 2022-02-15 | 华中科技大学 | 一种胚胎时序图像中的胚胎发育阶段分类方法 |
CN111639819A (zh) * | 2020-06-08 | 2020-09-08 | 天津大学 | 一种综合能源园区多阶段优化控制方法 |
CN111639819B (zh) * | 2020-06-08 | 2022-09-30 | 天津大学 | 一种综合能源园区多阶段优化控制方法 |
CN113555909A (zh) * | 2021-07-20 | 2021-10-26 | 华能陇东能源有限责任公司 | 一种多能互补基地风光火储建设时序优化方法与系统 |
CN113555909B (zh) * | 2021-07-20 | 2023-06-13 | 华能陇东能源有限责任公司 | 一种多能互补基地风光火储建设时序优化方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109255502B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Probabilistic flexibility evaluation for power system planning considering its association with renewable power curtailment | |
US10534327B2 (en) | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands | |
Perera et al. | Machine learning methods to assist energy system optimization | |
Wyrwa et al. | A new approach for coupling the short-and long-term planning models to design a pathway to carbon neutrality in a coal-based power system | |
Ceran | The concept of use of PV/WT/FC hybrid power generation system for smoothing the energy profile of the consumer | |
Agalgaonkar et al. | Optimal sizing of distributed generators in microgrid | |
Abushamah et al. | A novel approach for distributed generation expansion planning considering its added value compared with centralized generation expansion | |
CN109255502A (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 | |
Mondal et al. | Deployment of renewable energy technologies in Bangladesh: Long-term policy implications in power sector | |
Khah et al. | Optimal sizing of residential photovoltaic and battery system connected to the power grid based on the cost of energy and peak load | |
Ahmed et al. | Techno-economic optimal planning of an industrial microgrid considering integrated energy resources | |
Kim et al. | Optimization models for the cost-effective design and operation of renewable-integrated energy systems | |
Giuliani et al. | Nuclear Fusion impact on the requirements of power infrastructure assets in a decarbonized electricity system | |
Rachmanto et al. | Economic analysis of on-grid photovoltaic-generator hybrid energy systems for rural electrification in Indonesia | |
Narkhede et al. | Multi objective optimal dispatch in a virtual power plant using genetic algorithm | |
de Simón-Martín et al. | The Levelized Cost of Energy Indicator | |
Rose et al. | Cross-border electricity trade between India and Sri Lanka: Impact on power system operations | |
Komasatid et al. | Flexibility and frequency security enhancement to generation expansion planning framework | |
Rodrigo et al. | Techno-economic analysis of intermittent renewable energy penetration with the proposed India-Sri Lanka HVDC interconnection | |
CN106156955A (zh) | 一种考虑电力需求侧不确定性的电力规划方法 | |
Cui et al. | ADN multi-objective planning considering collaborative optimization of rdg and GAEP | |
Musonda et al. | Load frequency control optimization using PSO (a case of the power system in Zambia) | |
Vu et al. | Design of a grid-connected campus microgrid considering energy efficiency and financial feasibility | |
Mujeeb et al. | Long Run Incremental Cost (LRIC) Distribution Network Pricing in UK, advising China's Distribution Network | |
Kinyanjui et al. | Power Development Planning Models in East Africa |
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 |