CN109449971B - 一种新能源消纳的多目标电力系统源荷互动优化调度方法 - Google Patents

一种新能源消纳的多目标电力系统源荷互动优化调度方法 Download PDF

Info

Publication number
CN109449971B
CN109449971B CN201811265170.7A CN201811265170A CN109449971B CN 109449971 B CN109449971 B CN 109449971B CN 201811265170 A CN201811265170 A CN 201811265170A CN 109449971 B CN109449971 B CN 109449971B
Authority
CN
China
Prior art keywords
power
load
energy
ass
time period
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
Application number
CN201811265170.7A
Other languages
English (en)
Other versions
CN109449971A (zh
Inventor
马明
汪宁渤
董海鹰
何世恩
贠韫韵
韩旭杉
吕清泉
马彦宏
韩自奋
李晓虎
丁坤
李津
王定美
周强
张健美
王明松
陈钊
赵龙
周识远
黄蓉
张金平
张艳丽
张睿骁
张珍珍
高鹏飞
张彦琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Wind Power Technology Center Of State Grid Gansu Provincial Electric Power Co
State Grid Gansu Electric Power Co Ltd
Lanzhou Jiaotong University
Original Assignee
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Wind Power Technology Center Of State Grid Gansu Provincial Electric Power Co
State Grid Gansu Electric Power Co Ltd
Lanzhou Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE, Wind Power Technology Center Of State Grid Gansu Provincial Electric Power Co, State Grid Gansu Electric Power Co Ltd, Lanzhou Jiaotong University filed Critical STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Priority to CN201811265170.7A priority Critical patent/CN109449971B/zh
Publication of CN109449971A publication Critical patent/CN109449971A/zh
Application granted granted Critical
Publication of CN109449971B publication Critical patent/CN109449971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/383
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00007Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using the power network as support for the transmission
    • H02J3/386
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20Smart grids as enabling technology in buildings sector
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00Climate change mitigation technologies for sector-wide applications
    • Y02P80/20Climate change mitigation technologies for sector-wide applications using renewable energy
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/40Display of information, e.g. of data or controls
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S40/00Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/121Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using the power network as support for the transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种新能源消纳的多目标电力系统源荷互动优化调度方法,调度框架以电网调度中心为核心,电源侧根据来水、机组、运行特性以及风光资源的预测,向电网调度中心上报各自发电计划,调度中心根据电源侧及负荷调整信息,编制发布负荷预测曲线,并制订当前各类电源发电计划及高载能企业的用电计划,再经潮流、电网稳定计算进行安全校核后,向电源侧、负荷端发送用电计划,负荷侧根据用电计划向高载能企业发布投入或切除指令,实现源、荷双侧的协调优化运行。本发明整合源、荷双侧资源参与电网运行,协调分配风光互补发电系统以及常规水电、火电资源和高载能负荷,通过源荷协调和资源优化分配达到源荷双侧协调调度增效,减小弃风弃光现象。

Description

一种新能源消纳的多目标电力系统源荷互动优化调度方法
技术领域
本发明涉及一种新能源消纳的多目标电力系统源荷互动优化调度方法,属于新能源发电技术领域,主要应用于电力系统优化调度。
背景技术
近些年来,由于全球变暖等因素导致的环境问题,以及能源短缺的局面已经变得越来越严重,对风能以及太阳能等清洁能源的需求也越来越大。此外,在电力网络难以到达的岛屿以及偏僻的地方,新能源发电有着独天得厚的优势。
大规模的风力和光伏发电会给电力系统运行带来一些新的问题,同时其随机性和可调性较弱等特点也给电力系统稳定运行和优化调度带来新的挑战。引入储能设备解决风能和太阳能发电的波动性与电力系统稳定运行之间的矛盾,而储能设备是风光互补发电系统的研究中一个很大的难题。
在实际中需要常规机组提供备用和频繁调峰,这种方式降低了电力系统整体的运行效率,使得系统运行成本上升。众多的高载能企业对供电质量的依赖比较小,对新能源的有功输出的波动具有一定的适应能力,因此若使高载能企业与风电及光伏发电以及常规电源进行源-荷互动优化,将实现一部分新能源的就地消纳,可一定程度上减少电力系统运行成本,同时也会减轻新能源的“弃风弃光”现象,但是,现有技术中未见好的解决方案。
发明内容
本发明的目的在于克服现有技术存在的缺陷,提供一种计及新能源消纳的多目标电力系统源荷互动优化调度方法,实现一部分新能源的就地消纳,可一定程度上减少电力系统运行成本,同时也会减轻新能源的“弃风弃光”现象。
为达到上述目的,本发明所采用的技术方案是:一种新能源消纳的多目标电力系统源荷互动优化调度方法,其中源荷互动优化调度的调度框架是,以电网调度中心为核心,电源侧根据来水、机组、运行特性以及风光资源的预测,向电网调度中心上报各自发电计划,而调度中心根据电源侧以及负荷调整信息,编制发布负荷预测曲线,并制订当前各类电源发电计划,以及当前高载能企业的用电计划,再经过潮流计算、电网稳定计算进行安全校核后,向电源侧发布用电计划,并向负荷端发送用电计划,负荷侧根据用电计划向高载能企业发布投入或切除指令,实现源、荷双侧的协调优化运行。
进一步的,所述源荷互动优化调度的调度原则是,新能源优先上网,火电机组带基荷稳定运行,梯级水电、高载能负荷协调承担调节任务,建立多目标源荷互动调度模型,调度模型包括,
一、以最大化消纳新能源为原则建立式(1)的模型:
Figure BDA0001844724970000021
式(1)中,E1表示风光消纳量;t=1,2,...NT为调度时段数,q=1,2,...Nw、j=1,2,...Nv表示风电与光伏发电基地的个数;Pwqt表示第q个风力发电基地在第t时段内所发功率,Pvjt表示第j个光伏发电基地在第t时段内所发功率;
二、以系统运行成本最低为原则建立式(2)的模型:
minE2=C1+C2
Figure BDA0001844724970000022
Figure BDA0001844724970000023
式(2)中:E2为系统运行成本;C1为火电机组的运行成本;C2高载能负荷的投切费用;p=1,2,...NG为火电机组台数;ap、bp、cp火电机组发电成本系数;Pspt为第p台火电机组在任意时段t内的的输出功率;k=1,2,...NGZ为高载能负荷组数;λGZk为高载能负荷k的单位调节成本;SGZkt为高载能负荷k在时段t内的投切状态,0表示高载能负荷k在时段t中断运行,1表示高载能负荷k在时段t投入运行;PGZk为高载能负荷k的单位投切容量;ΔT表示调度时长;
三、以火电机组功率输出波动最小为原则建立式(3)的模型:
Figure BDA0001844724970000024
式(3)中:Psp(t-1)表示第p台火电机组在任意(t-1)时段内的输出功率;
将上述三个多目标源荷互动调度模型进行系统约束、火电输出功率及爬坡速度约束、水库约束、输电安全约束,其中系统约束包括功率平衡约束式(4),旋转备用约束式(5),节点电压约束式(6),当大规模清洁型能源接入电力系统中,正旋转备用容量以应对新能源发电功率的突然减少和强迫停运,而负旋转备用以应对新能源发电功率的突然增加,其旋转容量约束如式(5)
Figure BDA0001844724970000025
Figure BDA0001844724970000026
ULmin≤UL≤ULmax (6)
式(4)、式(5)与式(6)中,PSht为t时段水电站h的功率输出,水电转换关系为PSht=A·ηh·Qth·hth,A为水电转换系数,取9.8;ηh为梯级水电站h的能源转换率,Qth为水电站h在t时段的下泄流量(m3/s),hth为水电站在时段t内的水深;PLt为时段t内用户需求功率;PGZkt为高载能用户在任意t时段内参与调度的功率;h=1,2,...Ns表示梯级水电站个数;Suht、Supt为第h个梯级水站以及第p个火电站在时段t内向系统供应的正旋转备用容量;Sdht、Sdpt为第h个梯级水站以及第p个火电站在时段t内向系统供应的负旋转备用容量;ΔPGZkt(+)ΔPGZkt(-)为未投入的正备用与负备用高载能负荷容量;n=1,2,...Nn为新能源发电机组数;PNnt为新能源出力;Lu%、Ld%、wu%、wn%为用户侧以及新能源预测出力误差需要的正、负备用容量;UL为节点电压;ULmax、ULmin为最大与最小节点电压值;
火电输出功率及爬坡速度约束式(7)
Figure BDA0001844724970000031
式(7)中,Pmin、Pmax为常规能源功率输出的极限值,DR、UR为常规能源机组上下爬坡速度极限;Δt表示机组进行上、下坡的时长;
水库约束式(8)
Figure BDA0001844724970000032
式(8)中,Vth、V(t-1)h为梯级水电站h在任意t时段以及(t-1)时段储存于水库中的水量;qth为梯级水电站k在任意t时段水库的来水量;Q(t-1)(h-1)为t-1时段内水电站(h-1)的下泄流量(m3/s);Δt表示任意两时段的时间间隔;Vtmaxh、Vtminh分别为梯级水电站h在任意t时段水库中蓄水量的上下极限;Qtminh、Qtmaxh分别为水电站h在t时段应保证的最小、最大下泄流量(m3/s);
输电安全约束式(9)
Pdmin≤Pdt≤Pdmax (9)
式(9)中,Pdmin、Pdmax表示输电断面d的最小、最大传输容量;Pdt表示在时段t内输电断面d的传输容量。
进一步的,所述源荷互动优化调度方法采用多目标萤火虫算法实现,步骤如下:
一、萤火虫亮度评价:在标准萤火虫算法中,亮度评价通过采用pareto支配的概念来刻画各目标之间的冲突,以区分两只萤火虫对应潜在解的优劣;萤火虫i的亮度大于萤火虫j的亮度,当且仅当萤火虫i对应的潜在解Xi支配萤火虫i对应的潜在解Xj
二、精英归档机制:算法迭代的每一次运行都会得到一组新的解,其中存在不受其他解支配的,称为精英的从pareto最优解,构造归档集作为精英保留机制;
迭代开始前设置归档集为空,在萤火虫种群每次完成更新以后,若Xs被ASS中某个精英成员支配,则拒绝将其加入ASS中;若Xs不被任何ASS成员支配,则将其加入ASS内,成为精英个体;若Xs支配了ASS中的某个成员,则删除ASS中被Xs支配的精英并将Xs加入ASS中,按上述原则逐个排查目标解Xs更新ASS;
随着迭代的进行,若出现精英个体总数超出ASS大小,则采用拥挤度排序法维护ASS以保持成员多样性,为保证pareto前沿的均匀性与算法搜索方向的多样性,首先定义萤火虫个体拥挤距离来表征个体拥挤度,拥挤距离是给定个体周围个体的密度,代表在个体周围不包含其它个体的最大的长形;
用crowdisti表示第i个萤火虫个体的拥挤距离,fij表示第i个个体对于第j个目标函数的值,用e表示pareto最优解个数,用m表示优化目标的个数,则crowdisti计算方法如下:
对每一个个体i初始化crowdisti=0;
对每一个目标j,根据目标函数适应值从小到大排序;
对粒子i(2≤i≤e-1)从j=1到j=m开始循环,计算拥挤距离,即
crowdisti=crowdisti+f(i+1)j-f(i-1)j
对pareto边界解的拥挤距离赋为无穷大,即crowdist1=crowdiste=无穷大,保证pareto解边界任何时候都能被保留;
将ASS中的pareto最优解按个体拥挤距离依次递减,拥挤度随之递增的顺序进行排列,在ASS填满后,选择删除拥挤度较大的个体;
三、萤火虫移动策略:将粒子群算法即PSO中全局最优的概念引入MOFA中,ASS内拥挤度最小的10%为全局最优候选者,使得最亮个体向拥挤度小的全局最优位置移动,减少个体的无效移动,提高算法效率,为平衡算法的全局搜索和局部搜索能力,引入惯性权重和惯性随机步长,使得算法后期的开发搜索能力进一步提高;
四、种群合并:在搜索后期从ASS中选取前10%拥挤度小的解与当前种群组合进行下一次迭代,以提高算法的效率和pareto解均匀性,解决FA搜索后期效率变慢,避免pareto解集分布不均匀;
五、决策选择机制:采用模糊逻辑的思想,定义模糊隶属度函数表征每个pareto解对应各个目标函数的满意度,如式(10);
Figure BDA0001844724970000041
式(10)中,
Figure BDA0001844724970000042
为目标函数fi的隶属度值,
Figure BDA0001844724970000043
表示对某个目标完全满意,
Figure BDA0001844724970000044
则表示完全不满意,fi为第i个目标函数值,fi min和fi max分别为第i个目标函数的最小、最大值;
对于第k个pareto最优解,通过式(11)求得平均满意度:
Figure BDA0001844724970000051
式(11)中,μk为第k个Pareto最优解的平均满意度,N为目标函数的个数,取平均满意度最大的pareto最优解为最终的折中解。
本发明的有益技术效果是:整合“源”“荷”双侧资源参与电网运行的优化配置,协调分配风光互补发电系统以及常规水电、火电资源和高载能负荷,建立了计及新能源消纳的多目标电力系统源荷互动优化调度模型,并采用多目标萤火虫算法对模型进行求解,仿真结果验证了通过源荷协调和资源的优化分配可以达到源荷双侧协调调度增效目标,并同时减小弃风弃光的现象。
附图说明
下面结合附图和实施实例对本发明做进一步的阐述。
图1为本发明实施例中某高载能生产企业日负荷曲线;
图2为本发明实施例中风电场的预测出力曲线;
图3为本发明实施例中光伏发电站的预测出力曲线;
图4为本发明实施例中负荷预测曲线;
图5为本发明实施例中高载能企业投切容量;
图6为本发明实施例中无高载能企业时各能源出力曲线;
图7为本发明实施例中加入高载能企业时各能源出力曲线。
具体实施方式
实施例1
本发明针对现有风力发电与光伏发电非常严重的“弃风弃光”现象以及常规机组参与新能源调峰成本日益增加的问题,综合考虑风力发电以及光伏发电的功率输出特性以及高载能负荷的特点,提出的一种计及新能源消纳的多目标电力系统源-荷互动优化调度方法,以下对本发明详细说明:
1.源荷互动调度策略及模型建立
1.1电网源荷特性分析
1.1.1风力、光伏发电特性
风力资源具有常规能源无法具备的可再生与清洁特性,风力发电的运行成本只包括初期建设成本以及日常维护成本,仅需要风能驱动;但风力资源的固有特点使得风电场的出力也会受到影响;现有能量储存技术发展程度有限,无法大量存储风力资源,当风力资源超过电力系统可消纳范围时,可能会出现弃风的现象。
光伏发电是太阳能高效利用的主要转换方式之一,近年来光伏发电产业已进入大规模商业化阶段。光伏发电的功率输出通常呈Beta分布,其数学表达如下式:
Figure BDA0001844724970000061
Figure BDA0001844724970000062
Figure BDA0001844724970000063
式中,Pvj表示第j个光伏发电基地的输出功率;Pvjmax为光伏发电出力的最大值,Γ(·)为Gamma函数,α和β为Beta分布形状参数,σ和μ分别为太阳辐射度的均值和标准差。
风电具有很强的逆调峰特征,但同时其运行费用较低,而光伏发电成本较高;由于在时间上相互匹配,两种发电方式组成互补发电系统可大大提高能源利用率。
1.1.2常规能源特性
我国火力发电以燃煤火电为主,机组在短期工作时具有惯性,其启停时间比较长,调节能力和发电效率较差,很难为新能源发电提供深度调峰,同时会产生污染物污染空气。电力系统降低其承担的负荷比例,同时为适应火电调节性能差的特点应使火电尽量保持良好工况承担基荷及少量腰荷。
水电与风电季节性互补,且与火电丰枯互补,加上其调节范围广且灵活快速的天然特性使得水电成为电力系统中平衡风光功率输出突变、节能减排的最佳选择。大规模梯级水电接入电网不仅可以充分发挥调峰效益,提高电网对新能源的消纳能力,还能为系统给予充足的电力支持,发挥替代效益,降低火电承担的负荷比重。
1.1.3高载能负荷特性
由于新能源发电的不确定性与间歇性的特点,所以常常会造成非常严重的“弃风弃光”现象,充分利用具有可调节特性的需求侧资源来促进新能源的就地消纳是解决新能源发电的发展和消纳双向矛盾的有效途径,而高载能负荷便是参与协调的最佳选择。
高载能负荷是指在能源价值在产值中所占比重较高的用户负荷,具有以下调节特性:①可调节容量大,适合就地消纳受阻新能源,提高风电及光伏发电利用率;②响应速度快,能快速跟踪功率输出变化引起的调节需求,降低对常规电源调节能力的要求;③经济效益显著,不仅能够减少因调节新能源发电功率输出波动而导致常规能源发电增加的成本,还能将消纳的部分新能源变化为经济收入。
若采取多条生产线串联的生产方式,以单个生产线为一个单位,通过投切安排可以实现容量范围内的满功率调节,且投切动作可以瞬时实现,动作速率可以达到毫秒级别。图1为某高载能企业的日负荷运行曲线。
由此可见,高载能负荷具有巨大的调节潜力和消纳效益,当常规电源不能满足新能源功率输出波动和负荷要求时,可以采用切除或者投入高载能负荷来保持功率平衡,从而提高消纳能力,减少“弃风弃光”量。
1.2源荷联合调度多目标模型
1.2.1调度框架
源-荷协调优化调度框架为:调度模式以电网调度中心为核心,电源侧根据来水、机组、运行特性以及风光资源的预测向电网调度中心上报各自发电计划,而调度中心根据电源侧以及负荷调整信息,收集各方信息,编制发布负荷预测曲线并制订日前各类电源发电计划以及日前高载能企业的用电计划,在经过潮流计算、电网稳定计算进行安全校核后,向电源侧发布用电计划,并向负荷端发送用电计划,负荷侧根据用电计划向高载能企业发布投入或切除指令,从而实现“源”、“荷”双侧的协调优化运行。
1.2.2优化目标
多目标源-荷互动调度的思路为新能源优先上网,火电机组带基荷稳定运行,梯级水电、高载能负荷协调承担调节任务,建立多目标源-荷互动调度模型如下:
(1)新能源消纳量最大
以最大化消纳新能源为原则建立如式(1)的模型:
Figure BDA0001844724970000071
式(1)中,E1表示风光消纳量;t=1,2,...NT为调度时段数,q=1,2,...Nw、j=1,2,...Nv表示风电与光伏发电基地的个数;Pwqt表示第q个风力发电基地在第t时段内所发功率,Pvjt表示第j个光伏发电基地在第t时段内所发功率。
(2)系统运行成本最低
以系统运行成本最低为原则建立如式(3)的模型:
minE2=C1+C2
Figure BDA0001844724970000072
Figure BDA0001844724970000073
式(2)中:E2为系统运行成本;C1为火电机组的运行成本;C2高载能负荷的投切费用;p=1,2,...NG为火电机组台数;ap、bp、cp火电机组发电成本系数;Pspt为第p台火电机组在任意时段t内的的输出功率;k=1,2,...NGZ为高载能负荷组数;λGZk为高载能负荷k的单位调节成本;SGZkt为高载能负荷k在时段t内的投切状态,0表示高载能负荷k在时段t中断运行,1表示高载能负荷k在时段t投入运行;PGZk为高载能负荷k的单位投切容量;ΔT表示调度时长。
(3)火电机组功率输出波动最小
以火电机组功率输出波动最小为原则建立如式(3)的模型:
Figure BDA0001844724970000081
式(3)中:Psp(t-1)表示第p台火电机组在任意(t-1)时段内的的输出功率。
将上述三个多目标源-荷互动调度模型进行如下约束:
(1)系统约束
①功率平衡约束
Figure BDA0001844724970000082
②旋转备用约束
当大规模清洁型能源接入电力系统中,正旋转备用容量以应对新能源发电功率的突然减少和强迫停运,而负旋转备用以应对新能源发电功率的突然增加,其旋转容量约束如式(5):
Figure BDA0001844724970000083
③节点电压约束
ULmin≤UL≤ULmax (6)
式(4)、式(5)与式(6)中,PSht为t时段水电站h的功率输出,水电转换关系为PSht=A·ηh·Qth·hth,A为水电转换系数,取9.8;ηh为梯级水电站h的能源转换率,Qth为水电站h在t时段的下泄流量(m3/s),hth为水电站在时段t内的水深;PLt为时段t内用户需求功率;PGZkt为高载能用户在任意t时段内参与调度的功率;h=1,2,...Ns表示梯级水电站个数;Suht、Supt为第h个梯级水站以及第p个火电站在时段t内向系统供应的备用容量;Sdht、Sdpt为第h个梯级水站以及第p个火电站在时段t内向系统供应的负旋转备用容量;ΔPGZkt(+)ΔPGZkt(-)为未投入的正备用与负备用高载能负荷容量;n=1,2,...Nn为新能源发电机组数;PNnt为新能源出力;Lu%、Ld%、wu%、wn%为用户侧以及新能源预测出力误差需要的正、负备用容量;UL为节点电压;ULmax、ULmin为最大与最小节点电压值。
(2)火电输出功率及爬坡速度约束
Figure BDA0001844724970000091
式(7)中,Pmin、Pmax为常规能源功率输出的极限值,DR、UR为常规能源机组上下爬坡速度极限;Δt表示机组进行上下坡的一段时间。
(3)水库约束
Figure BDA0001844724970000092
式(8)中,Vth、V(t-1)h为梯级水电站h在任意t时段以及(t-1)时段储存于水库中的水量;qth为梯级水电站k在任意t时段水库的来水量;Q(t-1)(h-1)为t-1时段内水电站(h-1)的下泄流量(m3/s);Δt表示任意两时段的时间间隔;Vtmaxh、Vtminh分别为梯级水电站h在任意t时段水库中蓄水量的上下极限;Qtminh、Qtmaxh分别为水电站h在t时段应保证的最小、最大下泄流量(m3/s)。
(4)输电安全约束
Pdmin≤Pdt≤Pdmax (9)
式(9)中,Pdmin、Pdmax表示输电断面d的最小、最大传输容量;Pdt表示在时段t内输电断面d的传输容量。
2.多目标萤火虫算法
多目标问题要遵守多个原则,也就是说pareto的前端能否快速收敛以及多样的种群。所以通常有适当的评价适应度以及选择的准则,同时还要采取有效的维护策略。多目标萤火虫算法(MOFA)中一般是以pareto的最优机制充当算法中萤火虫亮度的标准。
现将主要步骤叙述如下:
a.萤火虫亮度评价
在标准萤火虫算法(FA)中,亮度评价可通过目标函数值或适应度函数值比较来进行,而对于存在博弈的多目标寻优问题,不存在表征萤火虫亮度的特定值,需通过采用pareto支配的概念来刻画各目标之间的冲突,以区分两只萤火虫对应潜在解的优劣。萤火虫i的亮度大于萤火虫j的亮度,当且仅当萤火虫i对应的潜在解Xi支配萤火虫i对应的潜在解Xj
b.精英归档机制
算法迭代的每一次运行都会得到一组新的解,其中不乏存在不受其他解支配的从pareto最优解,可称之为“精英”。此处构造归档集作为精英保留机制。
(1)ASS更新
迭代开始前设置归档集为空,在萤火虫种群每次完成更新以后,按下述原则逐个排查目标解Xs更新ASS:若Xs被ASS中某个精英成员支配,则拒绝将其加入ASS中;若Xs不被任何ASS成员支配,则将其加入ASS内,成为精英个体;若Xs支配了ASS中的某个成员,则删除ASS中被Xs支配的精英并将Xs加入
ASS中。
(2)ASS维护多目标萤火虫算法
随着迭代的进行,可能出现精英个体总数超出ASS大小,此时采用拥挤度排序的方法维护ASS以保持成员多样性。为保证pareto前沿的均匀性与算法搜索方向的多样性,首先定义萤火虫个体拥挤距离来表征个体拥挤度:拥挤距离是给定个体周围个体的密度,它代表了在个体周围不包含其它个体的最大的长形。
用crowdisti表示第i个萤火虫个体的拥挤距离,fij表示第i个个体对于第j个目标函数的值,用e表示pareto最优解个数,用m表示优化目标的个数,则crowdisti计算方法如下:
1、对每一个个体i初始化crowdisti=0;
2、对每一个目标j,根据目标函数适应值从小到大排序;
3、对粒子i(2≤i≤e-1)从j=1到j=m开始循环,计算拥挤距离,即crowdisti=crowdisti+f(i+1)j-f(i-1)j
4、对pareto边界解的拥挤距离赋为无穷大,这样可以保证pareto解边界任何时候都能被保留,即crowdist1=crowdiste=无穷大。
将ASS中的pareto最优解按个体拥挤距离依次递减(拥挤度随之递增)的顺序进行排列。在ASS填满后,选择删除拥挤度较大的个体。
c.萤火虫移动策略
在标准FA中,每次迭代只存在一个最亮个体,即不存在更亮个体,那么它将会随机移动。而在MOFA中,可能存在不止一个的最亮个体,此时这种盲目的随机移动会使算法搜索效率降低并无法保证pareto解的多样性。为了减少多目标萤火虫算法中最亮萤火虫的盲目随机移动,提高算法搜索效率,保证pareto解的多样性。将粒子群算法(PSO)中全局最优的概念引入MOFA中,ASS内拥挤度最小的10%为全局最优候选者,使得最亮个体向拥挤度小的全局最优位置移动,减少了个体的无效移动,提高了算法效率。为平衡算法的全局搜索和局部搜索能力,本文还引入惯性权重和惯性随机步长,使得算法后期的开发搜索能力进一步提高。
d.其他过程
种群合并:为解决FA搜索后期效率变慢,避免pareto解集分布不均匀,在搜索后期从ASS中选取前10%拥挤度小的解与当前种群组合进行下一次迭代,以提高算法的效率和pareto解均匀性。
e.决策选择机制
采用模糊逻辑的思想,定义模糊隶属度函数表征每个pareto解对应各个目标函数的满意度,如式(10)
Figure BDA0001844724970000111
式(10)中:
Figure BDA0001844724970000116
为目标函数fi的隶属度值,
Figure BDA0001844724970000117
表示对某个目标完全满意,
Figure BDA0001844724970000118
则表示完全不满意。fi为第i个目标函数值;fi min和fi max分别为第i个目标函数的最小、最大值。
对于第k个pareto最优解来说,可通过式(11)求得平均满意度:
Figure BDA0001844724970000114
式(11)中:μk为第k个Pareto最优解的平均满意度,N为目标函数的个数。取平均满意度最大的pareto最优解为最终的折中解。
实施例2
以下通过仿真分析说明本发明的效果,仿真分析如下:
算例介绍:
为了验证模型的正确性,引入一个含火电、风电、光伏、水电、高载能企业微型电力系统,常规机组参数如表1所示,风电与光伏预测出力曲线如图2、3所示,水电站在枯水期的出力范围为100MW至130MW,预测负荷曲线如图4所示。高载能企业投切容量如图5所示,单位投切成本为180元/(MWh),投切组数6组,单位投切容量为66MW。
表1火电机组调节系数
Figure BDA0001844724970000115
不含高载能企业运行:
当系统不接入高载能企业,只接入风电与光伏发电、水力发电以及火力发电时,其各能源出力曲线如图6所示,火电机组承担基荷,其与负荷曲线走势相同,水力发电弥补风光出力的低谷;在初始的调度时段内,负荷较低时风电出力较大,所以弃风量比较严重;在调度周期中期,由于光伏发电出力逐渐增加,风力发电出力下降,同时负荷量也不断增长,弃风弃光量逐渐减少;调度周期的末期,由于光伏出力下降,风电发电出力慢慢增加,负荷量逐渐减小,弃风弃光量变化不大。总体来说,弃风弃光量比较严重。
含高载能企业运行:
图7中为含高载能企业时系统各能源出力曲线,阴影部分为此时的弃风弃光量,在常规电源运行调节能力不足时,高载能企业的投入可以提高风光的消纳能力,大大提高了新能源发电的使用率;由表2可知,高载能企业的投入可减少20.7%的弃风弃光量,提高了新能源使用率;同时一定程度上降低了系统的总成本。
表2两种方式下的成本
Figure BDA0001844724970000121
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。

Claims (3)

1.一种新能源消纳的多目标电力系统源荷互动优化调度方法,其特征在于:源荷互动优化调度的调度框架以电网调度中心为核心,电源侧根据来水、机组、运行特性以及风光资源的预测,向电网调度中心上报各自发电计划,调度中心根据电源侧以及负荷调整信息,编制发布负荷预测曲线,并制订当前各类电源发电计划,以及当前高载能企业的用电计划,再经过潮流计算、电网稳定计算进行安全校核后,向电源侧发布用电计划,并向负荷端发送用电计划,负荷侧根据用电计划向高载能企业发布投入或切除指令,实现源、荷双侧的协调优化运行。
2.根据权利要求1所述的新能源消纳的多目标电力系统源荷互动优化调度方法,其特征在于:所述源荷互动优化调度的调度原则是,新能源优先上网,火电机组带基荷稳定运行,梯级水电、高载能负荷协调承担调节任务,建立多目标源荷互动调度模型,调度模型包括,
一、以最大化消纳新能源为原则建立式(1)的模型:
Figure FDA0003456870660000011
式(1)中,E1表示风光消纳量,t=1,2,...NT为调度时段数,q=1,2,...Nw表示风电基地的个数,j=1,2,...Nv表示光伏发电基地的个数,Pwqt表示第q个风力发电基地在第t时段内所发功率,Pvjt表示第j个光伏发电基地在第t时段内所发功率;
二、以系统运行成本最低为原则建立式(2)的模型:
Figure FDA0003456870660000012
式(2)中,E2为系统运行成本,C1为火电机组的运行成本,C2高载能负荷的投切费用,p=1,2,...NG为火电机组台数,ap、bp、cp火电机组发电成本系数,Pspt为第p台火电机组在任意时段t内的输出功率,k=1,2,...NGZ为高载能负荷组数,λGZk为高载能负荷k的单位调节成本,SGZkt为高载能负荷k在时段t内的投切状态,0表示高载能负荷k在时段t中断运行,1表示高载能负荷k在时段t投入运行,PGZk为高载能负荷k的单位投切容量,ΔT表示调度时长;
三、以火电机组功率输出波动最小为原则建立式(3)的模型:
Figure FDA0003456870660000013
式(3)中:Psp(t-1)表示第p台火电机组在任意(t-1)时段内的输出功率;
将上述三个多目标源荷互动调度模型进行系统约束、火电输出功率及爬坡速度约束、水库约束、输电安全约束,其中系统约束包括功率平衡约束式(4),旋转备用约束式(5),节点电压约束式(6),当大规模清洁型能源接入电力系统中,正旋转备用容量以应对新能源发电功率的突然减少和强迫停运,而负旋转备用以应对新能源发电功率的突然增加,其旋转容量约束如式(5)
Figure FDA0003456870660000021
Figure FDA0003456870660000022
ULmin≤UL≤ULmax (6)
式(4)、式(5)与式(6)中,PSht为t时段水电站h的功率输出,水电转换关系为PSht=A·ηh·Qth·hth,A为水电转换系数,取9.8;ηh为梯级水电站h的能源转换率,Qth为水电站h在t时段的下泄流量,其单位为m3/s,hth为水电站在时段t内的水深,PLt为时段t内用户需求功率,PGZkt为高载能用户在任意t时段内参与调度的功率,h=1,2,...Ns表示梯级水电站个数,Suht、Supt为第h个梯级水站以及第p个火电站在时段t内向系统供应的正旋转备用容量,Sdht、Sdpt为第h个梯级水站以及第p个火电站在时段t内向系统供应的负旋转备用容量,ΔPGZkt(+)ΔPGZkt(-)为未投入的正备用与负备用高载能负荷容量,n=1,2,...Nn为新能源发电机组数,PNnt为新能源出力,Lu%、Ld%、wu%、wn%为用户侧以及新能源预测出力误差需要的正、负备用容量,UL为节点电压;ULmax、ULmin为最大与最小节点电压值;
火电输出功率及爬坡速度约束式(7)
Figure FDA0003456870660000023
式(7)中,Pmin、Pmax为常规能源功率输出的极限值,DR、UR为常规能源机组上下爬坡速度极限;Δt表示机组进行上、下坡的时长;
水库约束式(8)
Figure FDA0003456870660000024
式(8)中,Vth、V(t-1)h为梯级水电站h任意t时段以及(t-1)时段储存于水库中的水量,qth为梯级水电站k在任意t时段水库的来水量,Q(t-1)(h-1)为t-1时段内水电站(h-1)的下泄流量(m3/s),Δt表示任意两时段的时间间隔,Vtmaxh、Vtminh分别为梯级水电站h在任意t时段水库中蓄水量的上下极限,Qtminh、Qtmaxh分别为水电站h在t时段应保证的最小、最大下泄流量(m3/s);
输电安全约束式(9)
Pdmin≤Pdt≤Pdmax (9)
式(9)中,Pdmin、Pdmax表示输电断面d的最小、最大传输容量,Pdt表示在时段t内输电断面d的传输容量。
3.根据权利要求1所述的新能源消纳的多目标电力系统源荷互动优化调度方法,其特征在于:所述源荷互动优化调度的调度方法采用多目标萤火虫算法实现,步骤如下:
一、萤火虫亮度评价:在标准萤火虫算法中,亮度评价通过采用pareto支配的概念来刻画各目标之间的冲突,以区分两只萤火虫对应潜在解的优劣;萤火虫i的亮度大于萤火虫j的亮度,当且仅当萤火虫i对应的潜在解Xi支配萤火虫i对应的潜在解Xj
二、精英归档机制:算法迭代的每一次运行都会得到一组新的解,其中存在不受其他解支配的,称为精英的从pareto最优解,构造归档集作为精英保留机制;
迭代开始前设置归档集为空,在萤火虫种群每次完成更新以后,若Xs被ASS中某个精英成员支配,则拒绝将其加入ASS中;若Xs不被任何ASS成员支配,则将其加入ASS内,成为精英个体;若Xs支配了ASS中的某个成员,则删除ASS中被Xs支配的精英并将Xs加入ASS中,按本段中的前述步骤逐个排查目标解Xs更新ASS;
随着迭代的进行,若出现精英个体总数超出ASS大小,则采用拥挤度排序法维护ASS以保持成员多样性,为保证pareto前沿的均匀性与算法搜索方向的多样性,首先定义萤火虫个体拥挤距离来表征个体拥挤度,拥挤距离是给定个体周围个体的密度,代表在个体周围不包含其它个体的最大的长形;
用crowdisti表示第i个萤火虫个体的拥挤距离,fij表示第i个个体对于第j个目标函数的值,用e表示pareto最优解个数,用m表示优化目标的个数,则crowdisti计算方法如下:
对每一个个体i初始化crowdisti=0;
对每一个目标j,根据目标函数适应值从小到大排序;
对粒子i(2≤i≤e-1)从j=1到j=m开始循环,计算拥挤距离,即
crowdisti=crowdisti+f(i+1)j-f(i-1)j
对pareto边界解的拥挤距离赋为无穷大,即crowdist1=crowdiste=无穷大,保证pareto解边界任何时候都能被保留;
将ASS中的pareto最优解按个体拥挤距离依次递减,拥挤度随之递增的顺序进行排列,在ASS填满后,选择删除拥挤度较大的个体;
三、萤火虫移动策略:将粒子群算法即PSO中全局最优的概念引入MOFA中,ASS内拥挤度最小的10%为全局最优候选者,使得最亮个体向拥挤度小的全局最优位置移动,减少个体的无效移动,提高算法效率,为平衡算法的全局搜索和局部搜索能力,引入惯性权重和惯性随机步长,使得算法后期的开发搜索能力进一步提高;
四、种群合并:在搜索后期从ASS中选取前10%拥挤度小的解与当前种群组合进行下一次迭代,以提高算法的效率和pareto解均匀性,解决FA搜索后期效率变慢,避免pareto解集分布不均匀;
五、决策选择机制:采用模糊逻辑的思想,定义模糊隶属度函数表征每个pareto解对应各个目标函数的满意度,如式(10);
Figure FDA0003456870660000041
式(10)中,
Figure FDA0003456870660000042
为目标函数fi的隶属度值,
Figure FDA0003456870660000043
表示对某个目标完全满意,
Figure FDA0003456870660000044
则表示完全不满意,fi为第i个目标函数值,fi min和fi max分别为第i个目标函数的最小、最大值;
对于第k个pareto最优解,通过式(11)求得平均满意度:
Figure FDA0003456870660000045
式(11)中,μk为第k个Pareto最优解的平均满意度,N为目标函数的个数,取平均满意度最大的pareto最优解为最终的折中解。
CN201811265170.7A 2018-10-29 2018-10-29 一种新能源消纳的多目标电力系统源荷互动优化调度方法 Active CN109449971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811265170.7A CN109449971B (zh) 2018-10-29 2018-10-29 一种新能源消纳的多目标电力系统源荷互动优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811265170.7A CN109449971B (zh) 2018-10-29 2018-10-29 一种新能源消纳的多目标电力系统源荷互动优化调度方法

Publications (2)

Publication Number Publication Date
CN109449971A CN109449971A (zh) 2019-03-08
CN109449971B true CN109449971B (zh) 2022-09-20

Family

ID=65549050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811265170.7A Active CN109449971B (zh) 2018-10-29 2018-10-29 一种新能源消纳的多目标电力系统源荷互动优化调度方法

Country Status (1)

Country Link
CN (1) CN109449971B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120685B (zh) * 2019-05-23 2023-04-07 国家电网公司西南分部 高水电比重系统中梯级水电群与风光电站协调调峰方法
CN110956266B (zh) * 2019-06-06 2023-08-15 国网辽宁省电力有限公司 基于层次分析法的多电源电力系统多目标优化调度方法
CN111047345B (zh) * 2019-10-11 2022-04-12 国网甘肃省电力公司电力科学研究院 一种计及新能源消纳率和用户满意度的电价数据调整方法
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
CN111181198B (zh) * 2020-01-13 2023-08-18 四川大学 一种基于网源互馈的异质能源互补发电调度方法
CN111917140B (zh) * 2020-07-17 2023-01-10 兰州理工大学 一种新能源互补发电系统二层优化调度模型
CN111967718B (zh) * 2020-07-21 2024-02-27 浙江中新电力工程建设有限公司 一种新能源消纳的多目标电力系统源荷互动优化调度方法
CN112132379B (zh) * 2020-08-03 2022-05-31 国电南瑞科技股份有限公司 考虑经济性的新能源跨区域消纳评估方法和存储介质
CN112398165B (zh) * 2020-11-05 2022-07-05 贵州电网有限责任公司 一种基于极限场景分析的新能源消纳能力评估方法
CN113113931B (zh) * 2021-04-19 2022-06-24 国网湖南省电力有限公司 风光水联合发电系统的规划调度方法
CN113255982B (zh) * 2021-05-19 2024-09-06 国网甘肃省电力公司 一种风光水互补系统中长期优化调度方法
CN113432666B (zh) * 2021-07-07 2022-07-22 国网河北省电力有限公司营销服务中心 基于电水折算系数动态测算的农用地下水开采量测量方法
CN113644649B (zh) * 2021-07-07 2023-04-18 四川大学 一种解决风光水互补发电系统调度计划偏差的方法
CN117060408B (zh) * 2023-10-13 2024-05-28 国网浙江省电力有限公司宁波供电公司 新能源发电预测方法及系统
CN117439101B (zh) * 2023-12-21 2024-06-04 武汉市豪迈电力自动化技术有限责任公司 一种用于电网中新能源与柔性负荷互动的智能网络
CN117748622B (zh) * 2024-02-19 2024-05-10 西安华海众和电力科技有限公司 一种微电网多态协调控制方法及系统
CN118214016B (zh) * 2024-05-21 2024-07-23 四川大学 一种基于高载能工业负荷的地区电网电力电量平衡方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630840A (zh) * 2009-08-12 2010-01-20 电子科技大学 微电网能量智能控制系统
CN101834469A (zh) * 2010-04-16 2010-09-15 清华大学 一种变电站-调度中心两级分布式恢复控制方法
CN103729697A (zh) * 2014-01-14 2014-04-16 国家电网公司 一种提高间歇式新能源消纳能力的电网多环节互动系统
WO2017006371A1 (en) * 2015-07-08 2017-01-12 Nec Corporation Renewable power system and sizing method for controllable plant associated with renewable power system
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN108306331A (zh) * 2018-01-15 2018-07-20 南京理工大学 一种风光储混合系统的优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630840A (zh) * 2009-08-12 2010-01-20 电子科技大学 微电网能量智能控制系统
CN101834469A (zh) * 2010-04-16 2010-09-15 清华大学 一种变电站-调度中心两级分布式恢复控制方法
CN103729697A (zh) * 2014-01-14 2014-04-16 国家电网公司 一种提高间歇式新能源消纳能力的电网多环节互动系统
WO2017006371A1 (en) * 2015-07-08 2017-01-12 Nec Corporation Renewable power system and sizing method for controllable plant associated with renewable power system
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN108306331A (zh) * 2018-01-15 2018-07-20 南京理工大学 一种风光储混合系统的优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于源荷互动的含风电场电力系统多目标模糊优化调度方法;刘文颖 等;《电力自动化设备》;20141031;第34卷(第10期);全文 *

Also Published As

Publication number Publication date
CN109449971A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109449971B (zh) 一种新能源消纳的多目标电力系统源荷互动优化调度方法
Zhang et al. Lifelong learning for complementary generation control of interconnected power grids with high-penetration renewables and EVs
CN109936170B (zh) 考虑电源灵活性裕度的风光水火互补协调优化调度方法
CN107332234B (zh) 一种考虑可再生能源间歇性的主动配电网多故障修复方法
CN107994595B (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN112651634B (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN109447405B (zh) 一种承担调峰任务的一库多级式梯级库群短期计划制定方法
CN107276122A (zh) 适应大规模可再生能源并网的调峰资源调用决策方法
CN114744684A (zh) 一种新型电力系统低碳经济调控方法
CN112234604B (zh) 一种多能互补电源基地优化配置方法、存储介质及设备
CN111049192A (zh) 一种考虑可再生能源同台竞价的发电控制方法
CN112952847B (zh) 考虑用电需求弹性的多区域主动配电系统调峰优化方法
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN110994606B (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN106385048A (zh) 一种风光蓄一体化调度策略
CN115102159A (zh) 计及碳排放流的共享储能优化运行方法
CN115622146A (zh) 一种梯级水光蓄互补系统调度决策方法
CN104484757B (zh) 一种应用于智能微电网的异质载荷调度和能量管理方法
CN110783927B (zh) 多时间尺度交直流配电网调度方法及装置
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN112100743A (zh) 适用于平抑新能源出力波动的电动汽车虚拟机组调控方法
CN115271195A (zh) 一种基于改进遗传算法的电力系统多目标储能优化方法
CN106712060A (zh) 一种基于多代理的百兆瓦级电池储能系统控制方法及系统
CN114362255A (zh) 一种源网荷储电力系统多目标日前调度优化方法及系统

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