CN109412158A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109412158A CN109412158A CN201811459370.6A CN201811459370A CN109412158A CN 109412158 A CN109412158 A CN 109412158A CN 201811459370 A CN201811459370 A CN 201811459370A CN 109412158 A CN109412158 A CN 109412158A
- Authority
- CN
- China
- Prior art keywords
- constraint
- unit
- unit combination
- power
- abandon
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000002245 particle Substances 0.000 claims abstract description 34
- 230000033228 biological regulation Effects 0.000 claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 42
- 239000003245 coal Substances 0.000 claims description 39
- 239000000567 combustion gas Substances 0.000 claims description 31
- 239000000295 fuel oil Substances 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 28
- 239000007789 gas Substances 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 239000003034 coal gas Substances 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 239000003921 oil Substances 0.000 claims description 8
- 230000000739 chaotic effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 5
- 230000008929 regeneration Effects 0.000 claims description 4
- 238000011069 regeneration method Methods 0.000 claims description 4
- 238000009987 spinning Methods 0.000 claims description 4
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 25
- 238000005457 optimization Methods 0.000 description 21
- 238000010248 power generation Methods 0.000 description 9
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 230000005619 thermoelectricity Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000124033 Salix Species 0.000 description 1
- 238000000418 atomic force spectrum Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J3/383—
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及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,该方法包括以下步骤:1)获取基础数据;2)建立机组组合优化模型,该机组组合优化模型同时考虑有弃能量约束、调峰约束和调频约束,且以运行成本、环境成本和弃能成本的和最小为目标函数;3)采用改进混合粒子群算法求解所述机组组合优化模型,获得最优输出,根据所述最优输出控制机组组合运行状态。与现有技术相比,本发明具有能够从运行前期控制弃能问题、提高运行效率等优点。
Description
技术领域
本发明涉及电力系统自动控制领域,尤其是涉及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。
背景技术
机组组合问题是电力系统运行调度理论的核心,又称为短期发电计划制定问题,是指在一定的调度周期内,在满足各类机组运行条件约束的情况下,合理安排机组的开、停机状态,调节各时段机组出力,以使系统达到规定的目标。传统的机组组合问题是以调度周期内总的运行成本最小为目标函数,被调度的机组以传统火电机组为主。在电力市场中,优化目标是社会福利最大(负荷需求弹性情况下)或购电成本最小(负荷需求刚性情况下)。近年来,资源、环境和气候变化影响下,优化目标转为系统能耗最低或污染物排放最少。合理的机组组合一方面能减少系统成本、节约能源消耗、延长机组寿命;另一方面能考虑电力系统一些安全稳定约束,使得电力系统安全可靠的运行。当前,非化石电源快速发展的同时,部分地区弃风、弃光、弃水问题突出,“三北”地区风电消纳困难,云南、四川两省弃水严重。弃能不仅造成大量的非化石能源浪费,也给非化石能源可持续发展带来不少打击。在此背景下,研究考虑弃能成本约束的等多类型电源机组组合优化问题,具有十分重要的意义。
国内学者对机组组合问题进行了广泛研究,刘芳、潘毅、杨俊峰等在《中国电机工程学报》(2015,35(4):766-775)上发表的《风电-火电-抽水蓄能联合优化机组组合模型》采用置信区间进行风电不确定性建模,并提出新的系统调节能力约束,目标函数包括火电启停成本、运行成本和抽蓄的发电成本。刘小聪、王蓓蓓、李扬等在《中国电机工程学报》(2015,35(14):3714-3723)上发表的《计及需求侧资源的大规模风电消纳随机机组组合模型》,建立了灵活配置日前电价型和日内激励型需求响应资源参与电力平衡的两阶段随机规划风电消纳机组组合模型,充分发挥需求响应资源的效应,目标函数为多风电场景下的期望成本最低。葛晓琳,张粒子在《电工技术学报》(2014,29(10):222-230)上发表的《考虑调峰约束的风水火随机机组组合问题》建立了各个场景下的风水火耦合的运行约束,通过增加机组启停相关约束来满足未来调度周期高峰和低谷的调峰要求,目标函数选取机组启停能耗以及相应的运行能耗期望值之和最小。盛四清、孙晓霞在《电力系统自动化》(2014,38(17):54-59)上发表的《考虑节能减排和不确定因素的含风电场机组组合优化》以火电机组运行成本最小、SO2排放量最小、CO2排放量最小为三个目标,建立了多目标混合机会约束的机组组合模型,强调了低碳减排的重要性。吴小珊、张步涵、袁小明等在《中国电机工程学报》(2013,33(4):45-52)上发表的《求解含风电场的电力系统机组组合问题的改进量子离散粒子群优化方法》通过采用部分贪心变异策略,使粒子易于跳出局部最优解,采用启发式调整规划,修正越界个体,提高算法的效率和解的精度,模型考虑风电全额消纳,目标函数只考虑火电机组的发电成本。可以看出,现有文献中,机组组合的研究集中在清洁能源尤其是风电的处理、考虑安全约束、环保、需求侧响应等方面,在对风电的处理上又普遍采用风电全部消纳的前提,结合风电预测技术研究风电接入对机组组合的影响,包括如何配置备用、如何设置调峰约束、如何处理不确定性因素等。但是,随着清洁能源的快速发展和高比例接入,合理弃能包括弃风、弃水、弃光是一种可以允许的经济手段,来平衡电力系统经济性和安全性需求。尤其是对于送端电网而言,清洁能源资源丰富,有必要在机组组合中考量弃能手段。
涉及到机组组合的专利非常多,例如,赵洁、刘涤尘,王骏等发明人的专利《一种考虑核电调峰及其安全约束的机组组合优化方法》提出了考虑核电调峰的电力系统机组组合优化目标函数和约束条件并进行求解,得到机组组合方案。朱继忠,熊小伏,谢平平等发明人的专利《一种基于混合电源多时间尺度互补的优化调度方法》将风光水打捆成VP联合运行,目标函数主要是以火电成本最小为主,约束条件考虑了弃风弃光约束。王彩霞,李琼慧,蒋莉萍等发明人的专利《一种基于两阶段机组组合的新能源优先调度方法》分长期和短期进行机组组合,实现新能源优先调度。刘振,艾欣,王喜春等发明人的专利《基于风电预测与需求响应的鲁棒双层优化模型的求解方法》包括机组组合优化模型与经济调度优化模型两部分,从发电侧与需求侧两方面进行考虑,提高风电的消纳水平以及解决风电出力的不确定性问题。钱峰,冯昌森,文福拴等发明人的专利《电网安全约束的鲁棒机组组合方法》采用多场景技术,计算场景集的切负荷和弃风所产生成本,作为安全性校验的约束条件。刘天琪,曾雪婷,李茜等发明人的专利《基于调峰裕度的风电并网协调调度优化方法》建立起以系统总运行成本最小为目标,含水、火电运行价格成本、风电弃风惩罚成本以及系统备用惩罚成本的风电并网协调调度优化模型,为解决常规机组运行经济性和风电利用效益之间的矛盾提供了一种较好的对策。刘天琪,曾雪婷,李茜等发明人的专利《一种风光水火多源互补优化调度方法》提出了常规水电二次调峰能力、负荷追踪度等指标,并以综合指标最大、常规水电二次调峰能力最好、常规火电单位煤耗量最小为优化调度模型多目标。吴小珊,柳勇军发明人的专利《考虑有害气体排放量的含风电场多目标机组组合优化方法》建立了考虑常规机组发电费用最小和有害气体排放量最少的多目标机组组合优化模型,并提出一种新的多目标量子离散粒子群优化方法求解该模型得到帕累托最优解。杨海晶,李朝晖,石光等发明人的专利《一种基于时空尺度消纳风光的机组组合优化调度方法》以电力网络总的发电成本最小为目标,考虑到系统功率平衡、旋转备用、机组出力、最小启停时间、爬坡约束等条件,建立含风光等新能源接入电网的时空尺度机组组合动态优化模型。李超顺,王文潇,汪赞斌等发明人的专利《一种混合新能源电力系统机组组合优化方法》建立了一个混合新能源电力系统机组组合调度的数学模型,模型具有多个约束条件,目标函数为系统运行费用最小,采用新型启发式优化算法求解模型。可以看出,现有专利中,已经有考虑弃风情况,但或者是将其惩罚成本作为目标或者是将其作为约束考虑,并没有一个考虑三弃包括弃风、弃光、弃水的综合模型,求解方法以启发式迭代为主,也有部分智能算法,但并不能很好解决大规模机组组合问题存在的计算效率低等缺陷。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供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。
本发明的目的可以通过以下技术方案来实现:
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,该方法包括以下步骤:
1)获取基础数据;
2)建立机组组合优化模型,该机组组合优化模型同时考虑有弃能量约束、调峰约束和调频约束,且以运行成本、环境成本和弃能成本的和最小为目标函数;
3)采用改进混合粒子群算法求解所述机组组合优化模型,获得最优输出,根据所述最优输出控制机组组合运行状态。
进一步地,所述基础数据包括研究场景负荷、常规电源特性参数、发电机组预测出力曲线、污染物参数、电网参数、备用率和弃能率。
进一步地,所述目标函数的表达式为:
minF=Zcoal+Zgas+Zoil+Zhydro+Zps+Znuclear+Zdis+Zenvir
式中,Zcoal、Zgas、Zoil、Zhydro、Zps、Znuclear分别为燃煤、燃气、燃油、水电、抽蓄、核电的运行成本,Zdis为弃能成本,包括弃风、弃光和弃水三部分;Zenvir为多种类型电源的环境成本,包括燃煤、燃气、燃油机组的环境成本。
进一步地,所述弃能成本的计算公式为:
Zdis=ρdisrren
式中,ρdis为单位风、光、水弃能成本向量,rren为通过一两阶段弃能评估模型获得的弃风、弃水和弃光量。
进一步地,所述弃能量约束表示为:
式中,ωdis为允许的弃能率,NGhydro、NGwind、NGsolar为水电机组、风电机组、光伏机组的台数,分别为水电机组k、风电机组s、光伏机组n在t时刻考虑弃能后的预测输出功率。
进一步地,所述调峰约束表示为:
式中,表示常规机组的调峰系数、表示常规机组最大出力,NG为参与系统调峰的常规机组的台数,NWG为风电场的个数,第i个风电场的最大出力变化,等于风电场的装机容量,为系统负荷最大峰谷差。
进一步地,所述调频约束表示为:
式中,NG为参与系统调频的常规机组的台数,NWG为风电场的个数,为常规机组i的最大调节速率,表示常规机组i的装机容量,δL为系统负荷的最大变化率,第i个风电场的装机容量,为风电场i与系统负荷变化反方向上的最大出力变化率,D为系统的最大负荷。
进一步地,所述机组组合优化模型的约束条件还包括功率平衡约束、系统旋转备用约束、机组出力约束、机组启停时间约束、机组爬坡率约束、水电机组出力约束、燃煤/燃气/燃油机组出力约束、燃煤/燃气/燃油机组启停时间约束、燃煤/燃气/燃油机组爬坡率约束和抽水蓄能机组约束。
进一步地,所述采用改进混合粒子群算法求解所述机组组合优化模型具体为:
Step1:设置种群规模N,粒子变量维数D,迭代次数M;
Step2:初始化种群空间和信仰空间;
Step3:在种群空间中计算每个粒子的适应度值,将初始化后粒子位置和适应度值当作个体最优值存储,比较所有个体最优值作为全局最优值;
Step4:计算惯性权重w并按阈值调节策略更新w,对学习因子进行调整;
Step5:信仰空间基于评级函数对种群空间实行影响操作,计算高斯扰动因子,根据评级类别对种群空间父代个体变异产生等量N个子代个体;
Step6:利用边界位置处理策略对子代个体位置进行越界处理;
Step7:在种群空间中进行自然选择,并用形势知识中存储的精英个体代替种群空间中较差的个体,更新种群空间个体最优和全局最优;
Step8:种群空间通过接收操作将空间中精英个体贡献给信仰空间,并对精英个体利用粒子群算法更新产生子代个体,最后用轮盘赌法则更新形势知识,更新信仰空间个体最优和全局最优;
Step9:评比种群空间和信仰空间的全局最优,用两者较优者作为此次迭代全局最优值;
Step10:计算种群适应度方差σ2,若σ2≤ε,则对种群全局最优值实行Logistic混沌变异后执行Step11,若否,则直接执行Step11,ε为自适应变异阈值;
Step11:若达到终止要求则退出,否则回到Step4。
进一步地,所述自适应变异阈值根据迭代次数计算获得。
与现有技术相比,本发明具有以如下有益效果:
1、本发明机组组合优化模型的目标函数除传统的燃煤、燃气、水电、抽蓄、核电机组运行成本以外,本发明考虑了燃煤燃气燃油机组的环境成本,还考虑了弃风、弃光、弃水三弃成本,通过弃能量和弃能成本的计算,从经济和环保两方面实现科学合理的开机安排,有利于从运行前期控制目前日益突出的弃能问题;
2、本发明机组组合优化模型的约束条件除传统的电力电量平衡约束、旋转备用约束、启停、爬坡约束等,还考虑了调峰、调频、弃能约束,按照不同类型水电机组调峰特性的不同设定水电机组优先级,适用于水电资源丰富的送端电网;
3、本发明提出一种改进的混合粒子群算法进行优化求解,首先利用混沌优化实现全局遍历,再引入地形知识评价机制引导个体进行有等级和方向的快速寻优,在参数更新中加入惯性权重系数和学习因子调整策略,并通过自适应余弦混沌变异阈值方法附加高斯扰动以提高算法鲁棒性,最后结合混沌映射和遗传算法中的自然选择操作,能够克服传统粒子群算法易陷入局部最优的缺点,进而提高机组组合运行控制精度,提高运行效率。
附图说明
图1为本发明的流程示意图;
图2为2020年不同场景下日负荷曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明提供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,同时考虑经济和环保因素,建立机组组合优化模型,采用改进的混合粒子群算法求解所述机组组合优化模型,得到多类型电源典型场景下的机组24小时开机组合方案。
1、目标函数
本发明建立的机组组合优化模型以成本最小为目标函数,包括燃煤、燃气、燃油、水电、抽蓄、核电、环境成本、弃能成本之和,如下式所示:
minF=Zcoal+Zgas+Zoil+Zhydro+Zps+Znuclear+Zdis+Zenvir
式中,Zcoal、Zgas、Zoil、Zhydro、Zps、Znuclear分别为燃煤、燃气、燃油、水电、抽蓄、核电的运行成本;Zdis为弃能成本,包括弃风、弃光和弃水三部分;Zenvir为多种类型电源的环境成本,包括燃煤、燃气、燃油机组的环境成本。
(1)燃煤/燃气/燃油机组的运行成本包括燃料成本与启停成本,如下式:
式中:Td为机组组合的研究时段;NGcoal、NGgas、NGoil为燃煤/燃气/燃油机组的台数;mc,k,t、mg,k,t、mo,k,t为燃煤/燃气/燃油机组k在时段t的检修状态,0表示处于检修状态,1表示处于开机状态;uc,k,t、ug,k,t、uo,k,t为燃煤/燃气/燃油机组k在时段t的运行状态,0表示处于停机状态,1表示处于开机状态;Mc、Mg、Mo为单位燃煤/燃气/燃油价格;Pc,k,t、Pg,k,t、Po,k,t为燃煤/燃气/燃油机组k在时段t的有功功率;Fc,k,t(Pc,k,t)、Fg,k,t(Pg,k,t)、Fo,k,t(Po,k,t)为燃煤/燃气/燃油机组k在时段t的发电等值煤耗,可以用传统的二次煤耗特性方程来表征;Sc,k,t、Sg,k,t、So,k,t为燃煤/燃气/燃油机组k在时段t的启停等值煤耗。
(2)水电机组运行成本较低,一般以平均运行成本的方式进行计算:
式中:Td为机组组合的研究时段;NGhydro为水电机组的台数;Mh为水电机组的平均运行成本;Ph,k,t为水电机组k在时段t的输出功率。
(3)抽蓄运行成本考虑的是抽蓄的启动成本,包括发电状态启动成本和抽水状态启动成本。
式中:Td为机组组合的研究时段;NGps为抽水蓄能机组的台数;为抽水蓄能机组k在时段t的发电启动成本;为抽水蓄能机组k在时段t的抽水启动成本;分别为机组k的发电、抽水启动成本;为抽水蓄能机组k在时段t的发电状态标志位,1表示处于发电状态,0表示非发电状态;为抽水蓄能机组k在时段t的抽水状态标志位,1表示处于抽水状态,0表示非抽水状态;Pps,k,t为抽水蓄能机组k在时段t的输出功率,正值表示发电,负值表示充电。
(4)核电机组采用带基荷的运行模式,即24小时内,核电机组出力均保持在额定状态。核电运行成本由日内总发电量和单位发电成本共同决定。
式中:Td为机组组合的研究时段;NGnuclear为核电机组的台数;Pn,k为核电机组k的额定功率;Mn为核电机组的单位成本。
(5)环境成本考虑燃煤、燃气、燃油,如下式所示:
式中:分别为燃煤、燃气、燃油机组的环境成本;NPcoal、NPgas、NPoil分别为燃煤、燃气、燃油机组的污染物排放种类;EIi、EIj、EIl分别为第i、j、l类污染物的排放率;Mi、Mj、Ml分别为第i、j、l类污染物的环境成本。
(6)建立一个两阶段弃能评估模型,同时求解弃风、弃水、弃光量。第一阶段,根据给定的负荷数据及可再生能源发电数据,建立最小切负荷模型,求取系统所能接纳的最大负荷;第二阶段,以第一阶段求得的最小且负荷数据为基础,建立最小化可再生能源弃能模型。第一阶段模型的目的是最大程度的满足负荷需求,第二阶段模型的目的是最大程度满足负荷需求情况下,最小化可再生能源弃能。其中可再生能源出力视为随机变量,采用蒙特卡洛模拟处理其不确定性。
第一阶段规划模型如下:
min eTr
s.t.Bθ=PG+PREN-PD+r
0≤r≤PD
PL=BLAθ
式中:eT为单位行向量;r为节点切负荷量向量;PL为支路功率列向量;PG为常规发电机出力列向量;分别为PG的上下限;PREN为清洁能源(包括风、光、水)出力列向量;为清洁能源出力的采样值;PD为负荷向量;为支路潮流上限;B为系统节点电纳矩阵;θ为节点电压相角向量。
第二阶段规划模型如下:
min eT·rREN
PL=BLAθ
式中:rREN为清洁能源(包括风、光、水)弃能向量;r为第一阶段求取的最小切负荷向量。
在对第一阶段模型计算时,不仅可以获得最小切负荷量,同时还可以获得各控制变量的值,如果则需要进行第二阶段模型的求解;如果说明系统可以接纳全部的清洁能源发电,则不需要进行第二阶段模型的求解。
弃能成本可表示如下式所示:
Zdis=ρdisrren
式中,ρdis为单位清洁能源(包括风、光、水)弃能成本向量,可采用风、光、水上网电价也可采用其边际电价。
2、约束条件
(1)系统功率平衡约束
式中:Gc,i,t、Gg,j,t、Go,m,t分别为燃煤机组i、燃气机组j、燃油机组m在时段t的有功功率;分别为抽蓄机组r在t时刻的放电、充电功率; 分别为水电机组k、风电机组s、光伏机组n在t时刻考虑弃能后的预测输出功率;Gn,u为核电机组u的额定功率;Ge,v,t为区外来电通道v在时段t送出的有功功率;Lt为时刻t的系统负荷。
(2)系统旋转备用约束,考虑燃煤、燃气、抽蓄、年调节型水电机组可以提供旋转备用。
式中:分别为燃煤机组i、燃气机组j在时段t的最大输出功率;uc,i,t、ug,j,t分别为燃煤机组i、燃气机组j在时段t的状态标志位;分别为水电机组k的最大输出功率,抽蓄机组r的最大放电功率和充电功率;Rl t为系统需要的旋转备用容量。
(3)燃煤/燃气/燃油机组出力约束、启停时间约束和爬坡率约束。以燃煤为例如下所示,燃气和燃油与此类似。
DRc,iΔt≤Gc,i,t+1-Gc,i,t≤URc,iΔt
式中:分别为燃煤机组i的出力上限和出力下限;分别为燃煤机组i的最小开机、关机时间限值;分别为燃煤机组i到时段t的连续开机、关机时间;URc,i、DRc,i分别为燃煤机组i的向上、向下爬坡速率。
(4)水电机组出力约束
水电机组爬坡速率较大,一般情况下可以忽略其爬速坡率限制,并且通常不需进行开停机准备,可以较快地在开停机状态下进行切换,所以一般也不考虑其启停时间的约束,故只要考虑其最大、最小出力。
式中:分别为水电机组k的最大、最小有功出力。
(5)抽水蓄能机组约束包括输出功率约束、电量平衡约束。
式中:分别为抽蓄机组r的最大放电、充电功率;分别为抽蓄机组r在时段t的发电、抽水状态标志位;为初始时刻上、下水库水位的等值电量;ηr为抽蓄机组r的充电效率。
(6)弃能量约束
允许放弃一定的清洁能源电量,可以降低系统总体调峰需求,减少调峰电源建设,避免昂贵的边际消纳成本。已有研究表明规划合理弃能率为3%~10%,这个数值可以由送端电网根据当年实际情况制定,具体表示如下:
式中,ωdis即为允许的弃能率。
(7)调峰约束
根据调峰要求,某一时段系统所有可调峰机组的可调容量之和应满足该时段系统的调峰需求量,即:
式中,表示常规机组的调峰系数、表示常规机组最大出力,NG为参与系统调峰的常规机组的台数;NWG为风电场的个数;第i个风电场的最大出力变化,等于风电场的装机容量;为系统负荷最大峰谷差。参与系统调峰的机组考虑燃煤、燃气、抽蓄、年调节型水电机组。
(8)调频约束
为了应对风电机组,确保系统内所有可调机组最大调频能力大于系统负荷变化速率与负荷变化反方向上风电场最大变化速率之和,即:
式中,NG为参与系统调频的常规机组的台数;NWG为风电场的个数;为常规机组i的最大调节速率,表示常规机组i的装机容量,系统所能提供的最大调频能力等于所有参与调频机组的调频速率的累加;δL为系统负荷的最大变化率;第i个风电场的装机容量;为风电场i与系统负荷变化反方向上的最大出力变化率;D为系统的最大负荷。
3、改进的混合粒子群算法
本发明采用改进的混合粒子群算法进行机组组合优化模型的求解,该算法利用混沌优化实现全局遍历,再引入地形知识评价机制引导个体进行有等级和方向的快速寻优,在参数更新中加入惯性权重系数和学习因子调整策略,并通过一种自适应余弦混沌变异阈值方法附加高斯扰动以提高算法鲁棒性,最后结合混沌映射和遗传算法进行自然选择操作,得到多类型电源典型场景下的24小时开机组合方案。该算法具有良好的全局寻优能力,无论是对于单峰函数还是多峰函数,其都能很好地逼近全局最优解,而且无论在求解质量还是在求解精度上都优于大部分粒子群算法。同时,从求解结果方差可以看出本混合算法具有优越的稳定性,与其它算法对比也发现其具有极好的快速收敛性能,并且在陷入局部最优时能够立即跳出,具备自适应调节功能。
如图1所示,基于上述描述,本发明的机组组合运行控制方法包括以下步骤:
步骤S101,获取原始数据,包括研究场景的负荷;常规电源类型、容量、煤耗率、爬坡率、出力上下限等特性参数;不同类型水电机组、风、光的预测出力曲线;单位污染物排放率、成本、电价;电网连线、阻抗等;设置备用、弃能率。
步骤S102,计算弃能量、调峰需求、调频需求等,判断各类约束是否条件满足?若是,则执行步骤S103,若否,则更新粒子位置和速度后,执行步骤S103。
步骤S103,计算燃煤、燃气、燃油、水电、抽蓄、核电运行成本、弃能成本、环境成本,形成各粒子的初始适应度。
步骤S104,初始化粒子种群空间,包括种群规模N、粒子维数D和接受率的设置;初始化信仰空间,设定约束条件构成可行域(标准知识)、储存较优规划方案(形势知识)、划分规划区域并评价子空间(地形知识),设置迭代次数M。
在种群空间中计算每个粒子的适应度值,将初始化后粒子位置和适应度值当作个体最优值存储起来,比较所有个体最优值作为全局最优值。
步骤S105,计算惯性权重w并按阈值调节策略更新w,对学习因子进行调整,分别在信仰空间和种群空间上进行优化。在信仰空间的处理包括接受操作、粒子群算法变异、轮盘赌更新形式知识,更新信仰空间个体最优和全局最优;在种群空间的处理包括余弦递减函数更新惯性权重、学习因子、评级、自然选择,更新种群空间个体最优和全局最优。
信仰空间基于评级函数对种群空间实行影响操作,计算高斯扰动因子,根据评级类别对种群空间父代个体变异产生等量N个子代个体。利用边界位置处理策略对子代个体位置进行越界处理。在种群空间中进行自然选择,并用形势知识中存储的精英个体代替种群空间中较差的个体。更新种群空间个体最优和全局最优。种群空间通过接收操作将空间中精英个体贡献给信仰空间,并对精英个体利用粒子群算法更新产生子代个体,最后用轮盘赌法则更新形势知识。更新信仰空间个体最优和全局最优。
信仰空间对种群空间实行影响操作根据地形知识实现。地形知识的核心思想就是将整个搜索空间划分为很多个子空间,并且在搜索过程中使子代个体的产生追寻子空间中最好的个体。实现过程如下:1)根据变量维数将每个维度划分为若干个子区域。2)根据每个维度划分的子区域进行组合构成现有搜索空间的子空间。3)根据现有种群个体所在子空间位置对子空间进行评级。4)根据评级结果指导种群进行变异产生子代个体。
若将原有搜索空间划分为L个子空间,则总空间可表示成由子空间组合而成,数学表达式如下:
CS(t)={C1(t),C2(t),...,CL(t)}
式中每个子空间在地形知识下可以表示成Cr(t),数学表达式如下:
Cr(t)={Lr(t),Ur(t),stater(t),dr(t),ptr(t)}
式中,Lr(t),Ur(t)——第t次迭代时第r个子空间变量的下限和上限;stater(t)——第t次迭代第r个子空间的评级类别;dr(t)——第t次迭代时第r个子空间的分裂次数;ptr(t)——变异分裂指针。
stater(t)表达式如下所示:
式中,f(Xr,best)——子空间r中最优个体所代表的目标函数值;f(Xr,avg)——整个种群空间所有个体目标函数值的平均值;P(t)——整个种群空间;Cr(t)——第r个种群子空间;H——这个子空间被评为优秀空间,下一次迭代时最好在这个空间中进行搜索;NE——目前为止这个子空间中仍然没有个体存在,未知这个空间好坏;L——这个空间被评为劣质空间,下次迭代时可以避开这个空间进行搜索。
在速度更新方程式中用加入高斯扰动因子的粒子个体最优值总和的平均值来代替个体最优值pis(t)。该方法不仅可以提高算法的搜索能力和效率,同时能够有效地帮助粒子跳出局部最优值。具体数学表达式如下所示:
式中,N——种群粒子数;Gaussian——满足高斯分布随机数;μ——平均值;σ——标准差。
将上述高斯扰动因子加入到位置更新式中,得到表达式如下所示:
xis(t+1)=wxis(t)+Δ+c2r2(pg(t)-xis(t))
步骤S106,评比种群空间和信仰空间的全局最优,作为此次迭代的全局最优值。
步骤S107,判断种群适应度方差σ2是否小于自适应变异阈值ε,若是,则执行步骤S108,若否,则执行步骤S109,自适应变异阈值根据迭代次数计算获得。
步骤S108,对种群全局最优值实行Logistic混沌变异。
步骤S109,判断是否满足终止条件,若是,则执行步骤S110,若否,则更新粒子位置和速度后,执行步骤S102。
以西南电网为例,西南电网是以清洁能源输送为主导的由川、渝、藏电网构成的坚强送端电网,拥有丰富的水力资源和地热、太阳能、风能等能源。预估计到2020年,西南电网总装机将达13932万千瓦,其中水电9246万千瓦,占66.36%,火电3208.23万千瓦,占23.03%,风电683万千瓦,占4.92%,太阳能350万千瓦,占2.51%,其它发电方式总共约443.77万千瓦,约占3.18%。预计到2020年,西南全网需电量约为3861.54亿千瓦时,最高负荷为7501.91万千瓦。
西南电网本地装机长期以水电为主,因此西南电网电力平衡与潮流分布呈明显丰枯期特征。为充分考虑水电机组季节特征对西南电网机组组合问题影响,本研究根据本地消纳水电的峰枯特征,分别计算丰水期典型日、枯水期典型日两个计算场景下西南电网的开机组合方式。假设在2020年丰水期、枯水期场景中,系统日负荷曲线如下图2所示,其他参数设置为:煤价取560元/t,气价4000元/t,燃煤机组环境成本为101.246元/MWh,燃气机组环境成本为19.285元/MWh;燃煤、燃气机组的燃料成本占其运行成本的比例分别取为0.65、0.80,水电平均运行成本为60元/MWh,2020年机组组合结果如表1和表2所示,相应的各项成本值如表3所示。
表1 2020年丰水期场景下西南电网机组组合结果
表2 2020年枯水期场景下西南电网机组组合结果
表3 2020年不同场景下西南电网运行成本
成本(亿元) | 2020年丰水期 | 2020年枯水期 |
燃煤运行成本 | 0.6960 | 0.4139 |
燃气运行成本 | 0.2426 | 0.1468 |
燃油运行成本 | 0.0001 | 0.0001 |
水电运行成本 | 0.5139 | 0.2102 |
弃能成本 | 0.0011 | 0 |
环境成本 | 0.0220 | 0.0107 |
总成本 | 1.4757 | 0.7817 |
机组组合结果表明,2020年丰水期、枯水期两种场景下华东电网总运行成本分别为1.4757亿元、0.7817亿元。两种场景中煤电成本分别为0.696亿元、0.4139亿元,在总成本占比最高,分别为47.2%、52.9%。丰水期水电运行成本占比34.8%,较枯水期的26.9%显著提高,注意到由于水电单位运行成本便宜,导致其发电量是多的但运行成本要比煤电小。丰水期,水电压缩了燃煤、燃气机组的运行,故丰水期煤电、气电运行成本在总运行成本中占比47.2%、16.4%,相较枯水期占比52.9%、18.8%有所降低。丰水期,允许弃风、弃光、弃水的存在,设置弃能率为10%,弃能成本为0.022亿元,满足西南电网调峰需求,避免了火电机组的频繁启停,枯水期弃能成本为0亿元。
本发明在目标函数中考虑弃能成本,约束条件中考虑弃能量约束,形成了平衡经济性、环保和清洁能源消纳的机组组合模型,并且采用一种混合粒子群算法进行有效求解,得出典型场景下的24小时开机组合方案,实例分析结果符合送端电网实际情况,高效实用。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,该方法包括以下步骤:
1)获取基础数据;
2)建立机组组合优化模型,该机组组合优化模型同时考虑有弃能量约束、调峰约束和调频约束,且以运行成本、环境成本和弃能成本的和最小为目标函数;
3)采用改进混合粒子群算法求解所述机组组合优化模型,获得最优输出,根据所述最优输出控制机组组合运行状态。
2.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述基础数据包括研究场景负荷、常规电源特性参数、发电机组预测出力曲线、污染物参数、电网参数、备用率和弃能率。
3.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述目标函数的表达式为:
min F=Zcoal+Zgas+Zoil+Zhydro+Zps+Znuclear+Zdis+Zenvir
式中,Zcoal、Zgas、Zoil、Zhydro、Zps、Znuclear分别为燃煤、燃气、燃油、水电、抽蓄、核电的运行成本,Zdis为弃能成本,包括弃风、弃光和弃水三部分;Zenvir为多种类型电源的环境成本,包括燃煤、燃气、燃油机组的环境成本。
4.根据权利要求3所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述弃能成本的计算公式为:
Zdis=ρdisrren
式中,ρdis为单位风、光、水弃能成本向量,rren为通过一两阶段弃能评估模型获得的弃风、弃水和弃光量。
5.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述弃能量约束表示为:
式中,ωdis为允许的弃能率,NGhydro、NGwind、NGsolar为水电机组、风电机组、光伏机组的台数,分别为水电机组k、风电机组s、光伏机组n在t时刻考虑弃能后的预测输出功率。
6.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述调峰约束表示为:
式中,表示常规机组的调峰系数、表示常规机组最大出力,NG为参与系统调峰的常规机组的台数,NWG为风电场的个数,第i个风电场的最大出力变化,等于风电场的装机容量,为系统负荷最大峰谷差。
7.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述调频约束表示为:
式中,NG为参与系统调频的常规机组的台数,NWG为风电场的个数,为常规机组i的最大调节速率,表示常规机组i的装机容量,δL为系统负荷的最大变化率,第i个风电场的装机容量,为风电场i与系统负荷变化反方向上的最大出力变化率,D为系统的最大负荷。
8.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述机组组合优化模型的约束条件还包括功率平衡约束、系统旋转备用约束、机组出力约束、机组启停时间约束、机组爬坡率约束、水电机组出力约束、燃煤/燃气/燃油机组出力约束、燃煤/燃气/燃油机组启停时间约束、燃煤/燃气/燃油机组爬坡率约束和抽水蓄能机组约束。
9.根据权利要求1所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述采用改进混合粒子群算法求解所述机组组合优化模型具体为:
Step1:设置种群规模N,粒子变量维数D,迭代次数M;
Step2:初始化种群空间和信仰空间;
Step3:在种群空间中计算每个粒子的适应度值,将初始化后粒子位置和适应度值当作个体最优值存储,比较所有个体最优值作为全局最优值;
Step4:计算惯性权重w并按阈值调节策略更新w,对学习因子进行调整;
Step5:信仰空间基于评级函数对种群空间实行影响操作,计算高斯扰动因子,根据评级类别对种群空间父代个体变异产生等量N个子代个体;
Step6:利用边界位置处理策略对子代个体位置进行越界处理;
Step7:在种群空间中进行自然选择,并用形势知识中存储的精英个体代替种群空间中较差的个体,更新种群空间个体最优和全局最优;
Step8:种群空间通过接收操作将空间中精英个体贡献给信仰空间,并对精英个体利用粒子群算法更新产生子代个体,最后用轮盘赌法则更新形势知识,更新信仰空间个体最优和全局最优;
Step9:评比种群空间和信仰空间的全局最优,用两者较优者作为此次迭代全局最优值;
Step10:计算种群适应度方差σ2,若σ2≤ε,则对种群全局最优值实行Logistic混沌变异后执行Step11,若否,则直接执行Step11,ε为自适应变异阈值;
Step11:若达到终止要求则退出,否则回到Step4。
10.根据权利要求9所述的考虑弃能成本约束的送端电网机组组合运行控制方法,其特征在于,所述自适应变异阈值根据迭代次数计算获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459370.6A CN109412158B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459370.6A CN109412158B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109412158A true CN109412158A (zh) | 2019-03-01 |
CN109412158B CN109412158B (zh) | 2022-05-27 |
Family
ID=65456730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459370.6A Active CN109412158B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109412158B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266058A (zh) * | 2019-05-31 | 2019-09-20 | 国网山东省电力公司济南供电公司 | 一种基于区间优化的机组组合模型的建模及求解方法 |
CN110445197A (zh) * | 2019-08-09 | 2019-11-12 | 贵州电网有限责任公司 | 考虑调峰辅助服务的风光发电有功实时控制方法 |
CN110957717A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 一种多电源电力系统多目标日前优化调度方法 |
CN111049192A (zh) * | 2019-12-11 | 2020-04-21 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN111291942A (zh) * | 2020-03-05 | 2020-06-16 | 燕山大学 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
CN111340295A (zh) * | 2020-02-27 | 2020-06-26 | 中国能源建设集团云南省电力设计院有限公司 | 一种基于包络线模型的绿色电源发展路线优化及评估方法 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110058418A (ko) * | 2009-11-26 | 2011-06-01 | 엘지전자 주식회사 | 전력 관리 가능한 전기 제품 |
CN105305423A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 |
CN107528352A (zh) * | 2017-08-29 | 2017-12-29 | 国网江苏省电力公司淮安供电公司 | 一种基于可再生能源高渗透率的配电网有功优化方法 |
CN108767895A (zh) * | 2018-05-25 | 2018-11-06 | 国网四川省电力公司经济技术研究院 | 考虑资源约束的送端系统水风光配套电源容量优化方法 |
-
2018
- 2018-11-30 CN CN201811459370.6A patent/CN109412158B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110058418A (ko) * | 2009-11-26 | 2011-06-01 | 엘지전자 주식회사 | 전력 관리 가능한 전기 제품 |
CN105305423A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 |
CN107528352A (zh) * | 2017-08-29 | 2017-12-29 | 国网江苏省电力公司淮安供电公司 | 一种基于可再生能源高渗透率的配电网有功优化方法 |
CN108767895A (zh) * | 2018-05-25 | 2018-11-06 | 国网四川省电力公司经济技术研究院 | 考虑资源约束的送端系统水风光配套电源容量优化方法 |
Non-Patent Citations (1)
Title |
---|
王振浩等: "考虑风电消纳的风电-电储能-蓄热式电锅炉联合系统能量优化", 《中国电机工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266058A (zh) * | 2019-05-31 | 2019-09-20 | 国网山东省电力公司济南供电公司 | 一种基于区间优化的机组组合模型的建模及求解方法 |
CN110266058B (zh) * | 2019-05-31 | 2023-07-14 | 国网山东省电力公司济南供电公司 | 一种基于区间优化的机组组合模型的建模及求解方法 |
CN110957717A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 一种多电源电力系统多目标日前优化调度方法 |
CN110445197A (zh) * | 2019-08-09 | 2019-11-12 | 贵州电网有限责任公司 | 考虑调峰辅助服务的风光发电有功实时控制方法 |
CN111049192A (zh) * | 2019-12-11 | 2020-04-21 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN111049192B (zh) * | 2019-12-11 | 2023-04-11 | 云南电网有限责任公司 | 一种考虑可再生能源同台竞价的发电控制方法 |
CN111340295A (zh) * | 2020-02-27 | 2020-06-26 | 中国能源建设集团云南省电力设计院有限公司 | 一种基于包络线模型的绿色电源发展路线优化及评估方法 |
CN111340295B (zh) * | 2020-02-27 | 2024-03-26 | 中国能源建设集团云南省电力设计院有限公司 | 一种基于包络线模型的绿色电源发展路线优化及评估方法 |
CN111291942A (zh) * | 2020-03-05 | 2020-06-16 | 燕山大学 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
CN111291942B (zh) * | 2020-03-05 | 2023-09-26 | 燕山大学 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
CN111950807B (zh) * | 2020-08-26 | 2022-03-25 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109412158B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Robust capacity optimization methods for integrated energy systems considering demand response and thermal comfort | |
Rabiee et al. | Optimal operation of microgrids through simultaneous scheduling of electrical vehicles and responsive loads considering wind and PV units uncertainties | |
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 | |
Dagdougui et al. | A dynamic decision model for the real-time control of hybrid renewable energy production systems | |
Pourmousavi et al. | Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization | |
CN109347151A (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
CN109599861A (zh) | 考虑本地负荷调峰能力的送端电网电源结构规划方法 | |
Takeuchi et al. | Optimal scheduling using metaheuristics for energy networks | |
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 | |
CN109390973A (zh) | 一种考虑通道约束的送端电网电源结构优化方法 | |
CN109598433A (zh) | 考虑弃能成本和调峰需求的送端电网电源结构规划方法 | |
CN110188915A (zh) | 基于场景集的虚拟电厂中储能系统优化配置方法及系统 | |
He et al. | Optimal integration of Vehicle to Building (V2B) and Building to Vehicle (B2V) technologies for commercial buildings | |
Li et al. | Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity | |
Ciabattoni et al. | Artificial bee colonies based optimal sizing of microgrid components: A profit maximization approach | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
CN115912419A (zh) | 一种基于负荷聚合商的储热-储电协同调度方法 | |
CN117353387A (zh) | 一种日前市场下水风光联合互补优化调度方法 | |
Zhu et al. | Optimal scheduling of combined heat and power systems integrating hydropower-wind-photovoltaic-thermal-battery considering carbon trading | |
Zang et al. | An Economical Optimization Method for Active Power With Variable Droop Control Considering Frequency Regulation Costs in Integrated Energy Systems | |
Xing et al. | An Optimization Capacity Design Method of Wind/Photovoltaic/Hydrogen Storage Power System Based on PSO-NSGA-II | |
Wang et al. | A comprehensive survey of the application of swarm intelligent optimization algorithm in photovoltaic energy storage systems | |
Wenyue et al. | Optimal scheduling strategy for virtual power plant considering voltage control | |
Niinisto et al. | Simulation of the management of a micro grid with wind, solar and gas generators | |
Luo et al. | Optimal allocation of capacity for standalone hydro-photovoltaic-storage microgrid |
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 |