CN109447456B - 计及短期需求响应的风电并网电力系统规划方法 - Google Patents
计及短期需求响应的风电并网电力系统规划方法 Download PDFInfo
- Publication number
- CN109447456B CN109447456B CN201811242472.2A CN201811242472A CN109447456B CN 109447456 B CN109447456 B CN 109447456B CN 201811242472 A CN201811242472 A CN 201811242472A CN 109447456 B CN109447456 B CN 109447456B
- Authority
- CN
- China
- Prior art keywords
- power
- wind power
- power system
- demand response
- wind
- 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
- 230000004044 response Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000010248 power generation Methods 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000003247 decreasing 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
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了计及短期需求响应的风电并网电力系统规划方法,包括以下步骤:S1、获取风电并网电力系统基本信息;S2、根据风电并网电力系统基本信息构建传统电力系统规划模型;S3、根据风电并网电力系统基本信息确定风电并网电力系统的运行约束条件以及用电需求响应因子;S4、根据传统电力系统规划模型、约束条件以及用电需求响应因子建立计及短期需求响应的风电并网电力系统规划模型;S5、通过计及短期需求响应的风电并网电力系统规划模型进行风电并网电力系统的规划计算。其应用时,可以解决风电并网电力系统需求侧的变化影响用电需求响应能力的问题,同时可以有效降低大规模风电并网对电力系统规划的影响。
Description
技术领域
本发明涉及电力系统规划技术领域,具体涉及计及短期需求响应的风电并网电力系统规划方法。
背景技术
加快可再生能源开发与利用是现代能源发展的重要方面,可再生能源发电的一种最为主要的形式是风力风电,对于我国而言,大规模发展需要并网运行的风电等可再生能源发电是我国能源生产地区与能源消费地区极端平衡这个国情所决定的,因此未来我国电力系统扩容规划所面临的最为主要的一个挑战就是如何应对大规模风电并网运行的问题。另外一方面,我国电力系统需求侧如何形成用电需求响应能力,如何提高各类用户及其它们的各类用电终端的用电效率,既是我国电力市场化改革的需要,也是为了能够允许更多的风电并网运行的需要。
大规模风电并网发电将影响着电力系统的运行决策和电力系统的规划决策。在系统运行方面,风电的大量并网将使得系统供电出力有明显的不稳定性。由于传统发电机组的灵活性如何要受制于这些传统发电机组的技术约束条件,例如发电机组的爬坡速度和最低发电出力限值,因此在长期系统规划中应该考虑发电机组的调峰能力配置问题。随着未来风电并网比例越来越大,就必须在长期的电力系统规划中做出相应的安排以保证有越来越大的发电调峰能力。
随着智能计量技术的出现,就使得用户能够对于系统实时状况进行响应。在这种情况下,传统的电力系统规划模型已经不能适应这种变化带来的需求,需要建立一种新型的规划模型,使其能够确定出一个在发电、输配电和用电三个环节上达到总体成本最低或者总体净效益最大的电力系统扩容方案。
发明内容
本发明针对现有技术存在的不足,提供计及短期需求响应的风电并网电力系统规划方法,其应用时,可以解决风电并网电力系统需求侧的变化影响用电需求响应能力的问题,同时可以有效降低大规模风电并网对电力系统规划的影响。
本发明通过以下技术方案实现:
计及短期需求响应的风电并网电力系统规划方法,包括以下步骤:
S1、获取风电并网电力系统基本信息;
S2、根据风电并网电力系统基本信息构建传统电力系统规划模型;
S3、根据风电并网电力系统基本信息确定风电并网电力系统的运行约束条件以及用电需求响应因子;
S4、根据传统电力系统规划模型、约束条件以及用电需求响应因子建立计及短期需求响应的风电并网电力系统规划模型;
S5、通过计及短期需求响应的风电并网电力系统规划模型进行风电并网电力系统的规划计算。
优选地,所述用电需求响应因子包括用电端自价格弹性和交叉价格弹性的作用因素及其对于系统运行可靠性的作用因素。
优选地,基于自价格弹性和交叉价格弹性特征来定义每单位小时的用电需求函数,并将其引入用电需求响应因子。
优选地,步骤S1中,风电并网电力系的统发电端包括燃料发电、核电、水力发电、风力发电,风电并网电力系统基本信息包括但不仅限于与系统水平年负荷预测信息、系统水平年常规电源区域规划信息、系统水平年常规用电区域规划信息、电源区域内储能信息、发电机组参数信息、用电区域用电需求信息。
优选地,步骤S4中,计及短期需求响应的风电并网电力系统规划模型的目标函数为:
最小成本MinCost=∑iFCi×capi+∑i,jVCi×gi,j+∑jCC×curtj;
约束条件:
其中,相关变量和参数的意义:
I(i)为发电机组种类集合;
J(j)为时间段集合;
A+,B+为正平衡线性化参数;
A-,B-为反平衡线性化参数;
CC为中断风电出力的成本;
DEMj为单位小时j的初始用电需求水平;
EFF为抽水蓄能电站中的水泵与发电机的效率;
FCi为发电机组i的固定投资成本;
MRi为必须运行的发电机组i的相关参数;
PMi为发电机组i周期性维修的相关参数;
PUMP_CAP为来自水泵的电能最大值或者由水库发出的电能最大值;
RR_Ci为发电机组i所提交的爬坡速度;
RR_NCi为发电机组i没有提交的爬坡速度;
STO_CAP为最大的储能数量;
T_CAP为输电容量;
VCi为发电机组i的可变发电成本;
WPj为在单位小时j每MW装机容量所产生的风电出力;
capi为发电机组i的装机容量;
exportj为在单位小时j期间出口的电能数量;
gij为在单位小时j期间发电机组i的发电量;
spumpj为在单位小时j期间来自储能水库中水泵产生的电能数量;
storedj为在单位小时j结束的时候水库中储存的电能数量;
sgj为在单位小时j期间水库产生的电能数量;
wcap为风电装机容量水平;
wcurtj为在单位小时j期间中断的风电出力;
windj为在单位小时j期间注入系统的风电出力数量。
本发明具有如下的优点和有益效果:
1、本发明计及短期需求响应的风电并网电力系统规划方法,可以解决风电并网电力系统需求侧的变化影响用电需求响应能力的问题。
2、本发明计及短期需求响应的风电并网电力系统规划方法,可以有效降低风电并网对电力系统规划的影响。
3、本发明计及短期需求响应的风电并网电力系统规划方法,可以建立考虑短期需求响应的长期电力系统投资规划模型。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为实施例中系统平衡所要求的风电并网发电出力的函数图;
图2为实施例中净需求响应的比较分析图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
计及短期需求响应的风电并网电力系统规划方法,包括以下步骤:
S1、获取风电并网电力系统基本信息;
S2、根据风电并网电力系统基本信息构建传统电力系统规划模型;
S3、根据风电并网电力系统基本信息确定风电并网电力系统的运行约束条件以及用电需求响应因子;
S4、根据传统电力系统规划模型、约束条件以及用电需求响应因子建立计及短期需求响应的风电并网电力系统规划模型;
S5、通过计及短期需求响应的风电并网电力系统规划模型进行风电并网电力系统的规划计算。
用电需求响应因子包括用电端自价格弹性和交叉价格弹性的作用因素及其对于系统运行可靠性的作用因素。
基于自价格弹性和交叉价格弹性特征来定义每单位小时的用电需求函数,并将其引入用电需求响应因子。
步骤S1中,风电并网电力系的统发电端包括燃料发电、核电、水力发电、风力发电,风电并网电力系统基本信息包括但不仅限于与系统水平年负荷预测信息、系统水平年常规电源区域规划信息、系统水平年常规用电区域规划信息、电源区域内储能信息、发电机组参数信息、用电区域用电需求信息。
步骤S4中,计及短期需求响应的风电并网电力系统规划模型的目标函数为:
最小成本MinCost=∑iFCi×capi+∑i,jVCi×gi,j+∑jCC×curtj;
约束条件:
其中,相关变量和参数的意义:
I(i)为发电机组种类集合;
J(j)为时间段集合;
A+,B+为正平衡线性化参数;
A-,B-为反平衡线性化参数;
CC为中断风电出力的成本(元/MWh);
DEMj为小时j的初始用电需求水平(MWh);
EFF为抽水蓄能电站中的水泵与发电机的效率(%);
FCi为发电机组(方式)i的固定投资成本(元/MW/年);
MRi为必须运行的发电机组(方式)i的相关参数;
PMi为发电机组i周期性维修的相关参数(%);
PUMP_CAP为来自水泵的电能最大值或者由水库发出的电能最大值(MWh);
RR_Ci为发电机组i所提交的爬坡速度(%);
RR_NCi为发电机组i没有提交的爬坡速度(%);
STO_CAP为最大的储能数量(MWh);
T_CAP为输电容量(MW);
VCi为发电机组i的可变发电成本(同时包括燃料和非燃料成本)(元/MWh);
WPj为在小时j每MW装机容量所产生的风电出力(%)(每MW装机所形成的风电出力模式是一个固定的时间序列。因此,风电出力的随机性或者不确定性并没有被反映出来。为了能够反映出风电出力的波动性,在我们的模型中应用了一个有代表性的时间序列);
capi为发电机组i的装机容量(MW);
exportj为在小时j期间出口的电能数量(MWh);
gij为在小时j期间发电机组i的发电量(MWh);
spumpj为在小时j期间来自储能水库中水泵产生的电能数量(MWh);
storedj为在小时j结束的时候水库中储存的电能数量(MWh);
sgj为在小时j期间水库产生的电能数量(MWh);
wcap为风电装机容量水平(MW);
wcurtj为在小时j期间中断的风电出力(MWh);
windj为在小时j期间注入系统的风电出力数量(MWh)。
对于传统规划模型要进行两个方面的改进,一个方面是要在模型中考虑具有价格弹性的用电需求所具有的需求响应能力及其对于供电和系统运行可靠性的作用。这个价格弹性应该包括交叉价格弹性,这是因为如果一个用户的用电需求对于某一个小时内价格提高有响应的话,那么这个需求响应的结果有可能是降低这个小时内的用电需求并且不会在其他时段弥补上这部分用电需求(即“削峰不填谷”),也有可能是将这个小时内的一部分用电负荷转移至其他时间段(即“削峰填谷”),后者就是一种“负荷替代”作用。第二方面是要将动态的运行约束条件引入到模型中来,尤其是发电机组的爬坡速度限值,这样才能够确切地评价各种供应侧资源或者需求侧资源的灵活性价值。随着越来越多的风电并网,对于各种发电资源或者用电资源所具有的灵活性价值进行一个确切的评估是一项非常重要的工作,本发明给出的能够应对大规模风电并网以及能够引入需求侧响应资源和能效资源的计及短期需求响应的风电并网电力系统规划方法及模型,对于电网发展具有重要的借鉴作用。
实施例2
这里给出一个具体的应用实例,在这个应用实例中,考虑有四种发电机组,也就是基荷发电机组、腰荷发电机组、峰荷发电机组以及尖峰发电机组这四类发电机组。每一种发电机组的发电成本不同。这里基于投资成本不断递减而运行成本不断递增的顺序来对于这四种发电机组进行排序,那么在这个案例系统中,排在头两位的发电机组分别是核电和煤电,第三位的是联合循环燃气涡轮机(CCGT),第四位的是燃油或者燃气发电机组。也就是说,核电带基荷,煤电带腰荷,CCGT带峰荷,而燃油或者燃气发电机组在这个系统中基本上是“顶峰”发电,不同发电技术的发电成本如下表所示:
成本分类 | 基荷 | 腰荷 | 峰荷 | 尖峰 |
投资成本[k欧元/MW/年] | 155 | 65 | 25 | 15 |
固定运行与维护成本[k欧元/MW/年] | 65 | 35 | 15 | 10 |
燃料成本[欧元/MWh] | 10 | 20 | 35 | 65 |
可变运行与维护成本[欧元/MWh] | 5 | 10 | 10 | 10 |
表中给出的各类发电成本来自国际能源署(IEA)的数据,其中不同类型发电机组的爬坡速度如下表所示:
本算例中对于用电需求的自价格弹性为-5%和-10%的情况进行了检验,对应图1中给出的低价格弹性情形和高价格弹性情形,并且由正值的交叉价格弹性予以补充。根据以上数据,利用本专利中提出的计及短期需求响应的风电并网电力系统规划模型,对最优发电容量构成进行了预测,结果如下表:
图2对于模型中引入自价格弹性和交叉价格弹性之后所产生的影响以一个实例进行了说明。分析所采用的时间段是两天。给定一个初始的扁平电价曲线,分析结果表明,在系统用电高峰期间,例如第43小时,我们可以看到价格有明显的上涨。那些对于价格有响应的用户就会对于实时价格进行响应(当实时价格水平超过扁平价格曲线的时候),响应的结果就是降低其用电需求水平。另外一方面,当风电“大发”的时候,例如第25至第30小时期间,我们可以看到出现负价格。此时那些有响应能力的用户将提高其用电需求(因为此时廉价风电过剩),因此系统用电需求会提高。
由于自价格弹性的作用,在夜间用电低谷时间内(也就是低电价时间内)用电需求会增加。图2中用实线表示了这种情况。另外,交叉弹性(由虚线表示)的复杂作用变得非常明显。有的时候,用户的需求响应很弱(此时这个虚线坐落在没有需求响应和仅仅存在自价格弹性两种情景之间);有的时候,交叉价格弹性的作用又使得总体的需求响应增加为来自没有响应情景之下的净用电需求被进一步推动,而来自仅仅存在自价格弹性情景之下的净需求则没有得到这样的推动。此时用户的用电需求响应作用进一步强化了。当第j小时以及后续小时的价格超过平均权重价格的时候,就发生上述第一种情形。自价格弹性的作用与交叉价格弹性的作用是相反的(相互抵消的)。当第j小时的价格低于平均权重价格并且后续小时j+1至j+4的价格高于平均权重价格的时候,就发生上述第二种情形为在第j小时用户的需求响应作用被强化。
以上基于一个具有大量风电并网的实例,对于有与没有需求响应两种情景下的一年期的最优系统规划方案进行了比较分析。分析结果表明,实时电价可以形成用户的用电需求响应,而这个需求响应结果就是系统用电负荷“削峰填谷”了。另外,增加用电需求弹性就能够增加风电装机容量。这表明,在电力系统扩容投资规划模型中引入需求侧响应资源不仅仅能够节电,而且能够促进更多的可再生能源发电并网。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.计及短期需求响应的风电并网电力系统规划方法,其特征在于,包括以下步骤:
S1、获取风电并网电力系统基本信息;所述风电并网电力系统的发电端包括燃料发电、核电、水力发电和风力发电;所述风电并网电力系统基本信息包括但不仅限于系统水平年负荷预测信息、系统水平年常规电源区域规划信息、系统水平年常规用电区域规划信息、电源区域内储能信息、发电机组参数信息和用电区域用电需求信息;
S2、根据风电并网电力系统基本信息构建传统电力系统规划模型;
S3、根据风电并网电力系统基本信息确定风电并网电力系统的运行约束条件以及用电需求响应因子;
S4、根据传统电力系统规划模型、约束条件以及用电需求响应因子建立计及短期需求响应的风电并网电力系统规划模型;
所述计及短期需求响应的风电并网电力系统规划模型的目标函数为:
最小成本MinCost=ΣiFCi×capi+Σi,jVCi×gi,j+ΣjCC×curtj;
约束条件:
其中,相关变量和参数的意义:
I(i)为发电机组种类集合;
J(j)为时间段集合;
A+,B+为正平衡线性化参数;
A-,B-为反平衡线性化参数;
CC为中断风电出力的成本;
DEMj为单位小时j的初始用电需求水平;
EFF为抽水蓄能电站中的水泵与发电机的效率;
FCi为发电机组i的固定投资成本;
MRi为必须运行的发电机组i的相关参数;
PMi为发电机组i周期性维修的相关参数;
PUMP_CAP为来自水泵的电能最大值或者由水库发出的电能最大值;RR_Ci为发电机组i所提交的爬坡速度;
RR_NCi为发电机组i没有提交的爬坡速度;
STO_CAP为最大的储能数量;
T_CAP为输电容量;
VCi为发电机组i的可变发电成本;
WPj为在单位小时j每MW装机容量所产生的风电出力;
capi为发电机组i的装机容量;
exportj为在单位小时j期间出口的电能数量;
gij为在单位小时j期间发电机组i的发电量;
spumpj为在单位小时j期间来自储能水库中水泵产生的电能数量;
storedj为在单位小时j结束的时候水库中储存的电能数量;
sgj为在单位小时j期间水库产生的电能数量;
wcap为风电装机容量水平;
wcurtj为在单位小时j期间中断的风电出力;
windj为在单位小时j期间注入系统的风电出力数量;
S5、通过计及短期需求响应的风电并网电力系统规划模型进行风电并网电力系统的规划计算。
2.根据权利要求1所述的计及短期需求响应的风电并网电力系统规划方法,其特征在于,所述用电需求响应因子包括用电端自价格弹性和交叉价格弹性的作用因素及其对于系统运行可靠性的作用因素。
3.根据权利要求2所述的计及短期需求响应的风电并网电力系统规划方法,其特征在于,基于自价格弹性和交叉价格弹性特征来定义每单位小时的用电需求函数,并将其引入用电需求响应因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811242472.2A CN109447456B (zh) | 2018-10-24 | 2018-10-24 | 计及短期需求响应的风电并网电力系统规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811242472.2A CN109447456B (zh) | 2018-10-24 | 2018-10-24 | 计及短期需求响应的风电并网电力系统规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447456A CN109447456A (zh) | 2019-03-08 |
CN109447456B true CN109447456B (zh) | 2022-07-22 |
Family
ID=65547436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811242472.2A Active CN109447456B (zh) | 2018-10-24 | 2018-10-24 | 计及短期需求响应的风电并网电力系统规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447456B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741133B (zh) * | 2022-04-21 | 2023-10-27 | 中国航空无线电电子研究所 | 一种基于模型的综合模块化航电系统资源配置与评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104362673A (zh) * | 2014-10-29 | 2015-02-18 | 国网甘肃省电力公司 | 基于调峰裕度的风电并网协调调度优化方法 |
CN104915790A (zh) * | 2015-06-26 | 2015-09-16 | 国网山西省电力公司 | 一种促进风电消纳的峰谷电价优化方法 |
CN105528466A (zh) * | 2014-09-28 | 2016-04-27 | 国家电网公司 | 考虑电力系统适应性和经济性的风电优化规划建模方法 |
CN105631599A (zh) * | 2015-12-30 | 2016-06-01 | 国网甘肃省电力公司电力科学研究院 | 一种虚拟电厂多目标运行调度方法 |
CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
CN105720610A (zh) * | 2016-04-14 | 2016-06-29 | 华北电力大学 | 一种电力系统机组组合配置方法及装置 |
CN105932722A (zh) * | 2016-05-20 | 2016-09-07 | 国家电网公司 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
CN108460482A (zh) * | 2018-01-31 | 2018-08-28 | 南京理工大学 | 考虑可中断负荷和日前小时电价的风电消纳方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8671167B2 (en) * | 2009-07-17 | 2014-03-11 | Honeywell International Inc. | System for providing demand response services |
-
2018
- 2018-10-24 CN CN201811242472.2A patent/CN109447456B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528466A (zh) * | 2014-09-28 | 2016-04-27 | 国家电网公司 | 考虑电力系统适应性和经济性的风电优化规划建模方法 |
CN104362673A (zh) * | 2014-10-29 | 2015-02-18 | 国网甘肃省电力公司 | 基于调峰裕度的风电并网协调调度优化方法 |
CN104915790A (zh) * | 2015-06-26 | 2015-09-16 | 国网山西省电力公司 | 一种促进风电消纳的峰谷电价优化方法 |
CN105631599A (zh) * | 2015-12-30 | 2016-06-01 | 国网甘肃省电力公司电力科学研究院 | 一种虚拟电厂多目标运行调度方法 |
CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
CN105720610A (zh) * | 2016-04-14 | 2016-06-29 | 华北电力大学 | 一种电力系统机组组合配置方法及装置 |
CN105932722A (zh) * | 2016-05-20 | 2016-09-07 | 国家电网公司 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
CN108460482A (zh) * | 2018-01-31 | 2018-08-28 | 南京理工大学 | 考虑可中断负荷和日前小时电价的风电消纳方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109447456A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Fluctuation reduction of wind power and sizing of battery energy storage systems in microgrids | |
De et al. | The optimization of hybrid energy conversion systems using the dynamic programming model—Rapsody | |
Karaki et al. | Probabilistic production costing of diesel-wind energy conversion systems | |
CN110929428B (zh) | 一种电力系统发电容量充裕度确定方法及系统 | |
CN109742796A (zh) | 一种风光水火储联合系统的多时间尺度协调调度方法 | |
Zhang et al. | Mid-long term optimal dispatching method of power system with large-scale wind-photovoltaic-hydro power generation | |
Pudjianto et al. | Whole system value of long-duration electricity storage in systems with high penetration of renewables | |
CN107910866B (zh) | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 | |
CN109447456B (zh) | 计及短期需求响应的风电并网电力系统规划方法 | |
Li et al. | Real-time scheduling of time-shiftable loads in smart grid with dynamic pricing and photovoltaic power generation | |
CN116562554A (zh) | 一种考虑灵活性供需平衡的长短期储能联合规划方法 | |
CN115882483A (zh) | 一种利用容量弹性实现系统最优储能容量配置的方法 | |
CN115600838A (zh) | 一种水电站调节能力评价方法、设备和介质 | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
Xiao et al. | Optimal dispatching model of active distribution network considering uncertainty of demand response | |
Tao et al. | Economic benefits of nuclear power plant participating in peak load regulation of power system | |
CN114358361A (zh) | 一种计及需求响应的微电网多时间尺度优化调度方法 | |
CN113690925A (zh) | 一种基于微电网的能量交互优化方法及系统 | |
Zhang et al. | Research on Optimal Scheduling of Power System with High-penetration Renewable Energy Considering Flexibility of Power Supply Side and Load Side | |
Gumilar et al. | Load Factor Improvement on Daily Load Curve Using Pump Storage to SavingProduction Cost | |
Zhang et al. | Day-Ahead Stochastic Scheduling Model Considering Market Transactions in Multi-Energy System | |
Masaud et al. | Optimal Microgrid Scheduling for Minimizing CO2 Emission Considering the Impact of Utility Grid Renewable Energy Penetration Factor | |
Wang et al. | Economic evaluation of pumped storage power station based on multi-scenario stochastic Commitment Model | |
Ma et al. | Short-term Operation Optimization Considering Demand Response and Energy Storage Flexibility | |
Wang et al. | Optimization Configuration for Energy Storage of Renewable Energy Power Stations Participating in Primary Frequency Regulation Service Based on Markov Decision 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 |