CN109474024A - 一种含光电场的区域电网优化调度方法 - Google Patents
一种含光电场的区域电网优化调度方法 Download PDFInfo
- Publication number
- CN109474024A CN109474024A CN201811063719.4A CN201811063719A CN109474024A CN 109474024 A CN109474024 A CN 109474024A CN 201811063719 A CN201811063719 A CN 201811063719A CN 109474024 A CN109474024 A CN 109474024A
- Authority
- CN
- China
- Prior art keywords
- electric field
- optical electric
- power
- period
- unit
- 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
- 230000005684 electric field Effects 0.000 title claims abstract description 89
- 230000003287 optical effect Effects 0.000 title claims abstract description 88
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 230000005622 photoelectricity Effects 0.000 claims abstract description 42
- 238000005096 rolling process Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000009194 climbing Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- -1 period Chemical class 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000009434 installation Methods 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
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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]
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网调度优化领域,具体涉及一种含光电场的区域电网优化调度方法,包括以下步骤:A1)生成日前计划,建立各光电场质量评分Kw并初始化;A2)建立日内滚动优化模型;各时段初,依据日前计划、各光电场质量评分Kw、系统负载预测值和光电场总出力预测值,计算本时段光电消纳值,生成日内计划并下发给实时模型;时间T后优化下一时段,直至全部时段优化完为止;A3)建立实时模型,跟踪常规机组执行日内计划;更新各光电场的质量评分Kw并反馈给日内滚动优化模型。本发明的实质性效果是:通过跟踪光电场出力波动情况,主动选择波动情况较好的光电场进行消纳,能够降低抵消光电场波动成本,缓解常规机组压力,提高光电场经济效益。
Description
技术领域
本发明涉及电网调度优化领域,具体涉及一种含光电场的区域电网优化调度方法。
背景技术
光电作为清洁能源,在当前能源结构改革的背景下,受到了全世界范围的青睐。据资料,按年均太阳能系统装机容量计算,全球太阳能市场复合年均增长率达47.4%,从2003年的598MW增长至2012年的9917MW。这种增长势头在很大程度上要归功于全球快速增加的市场需求、日益提高的上网电价和各种政府鼓励措施。在世界的一些主要国家,纷纷以退税、税收抵免和其他激励措施的形式向太阳能产品的最终用户、经销商、系统集成商和制造商提供补贴和经济鼓励,以促进太阳能在并网应用中的使用,降低对其他能源的依赖。但随着光电装机量的不断上升,光电场出力随光照强度随机变化的缺点对电网电力质量的影响,也愈加明显。因而需要一种能够降低电网消纳光电时,为抵消光电随机出力而新增的成本的技术。
中国专利CN103050986A,公开日2012年12月31日,一种微电网及其储能调度方法,微电网主要包括光伏组件、逆变器、蓄电池、主网、旋转负荷、超级电容器和变频启动装置等;光伏通过逆变器接在交流母线上;超级电容通过逆变器转换成交流电接在交流母线上;储能电池通过逆变器接在交流母线上。本方法根据微电网状态调整储能运行,在旋转负荷启动时,采用超级电容器放电平衡;在旋转负荷运行过程中,优先采用超级电容器出力,超级电容器放电结束,储能电池出力。本发明解决了旋转负荷启动对微电网冲击的影响、供电可靠性差等问题;充分利用清洁可再生能源,并且避免了清洁可再生能源的浪费;在保障了用户的供电可靠性的同时,增加了微电网整体的使用寿命。但其技术复杂,且超级电容的建设投入大,而电池属于易耗装置,使用损耗成本高。
发明内容
本发明要解决的技术问题是:目前对光电的消纳具有被动性和盲目性,导致抵消光电波动的成本较高,降低了光电的经济性的技术问题。提出了一种主动选择抵消波动成本低的光电场及时段去消纳光电的以常规机组出力成本最低为目的的含光电场的区域电网优化调度方法。
为解决上述技术问题,本发明所采取的技术方案为:一种含光电场的区域电网优化调度方法,包括以下步骤:A1)以时间TB为单位时段构建日前优化模型,生成日前计划,建立各光电场质量评分Kw并初始化;A2)以时间T为单位时段建立日内滚动优化模型;各时段初,依据日前计划、各光电场质量评分Kw、系统负载预测值和光电场总出力预测值计算本时段光电消纳值,调整日内剩余时段常规机组的初始出力水平,生成日内计划并下发给实时模型;时间T后优化下一时段,直至全部时段优化完为止;A3)建立实时模型,跟踪常规机组执行日内计划;实时跟踪各光电场出力、常规机组实时出力水平和系统负载,实时调整常规机组出力,使发电与负载平衡;在时段末,根据光电场出力波动幅度,更新各光电场的质量评分Kw并反馈给日内滚动优化模型。
日前计划确定了常规机组的启停和系统备用的计划;日内计划进行超短期的负荷和光电出力预测,增加了光电出力预测的准确度,根据光电出力预测和光电消纳欲望指数,制定出下一时段常规机组的初始工作状态;实时计划用于跟踪日内计划的执行和电网发电与负荷的平衡,并记录光电的消纳情况和光电场出力的波动情况。
作为优选,所述时间TB为1小时;所述日前优化模型的建立方法为:从电力调度中心获取当天24时段系统负载预测值和常规机组基础数据,以系统负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够系统备用作为约束,以常规机组发电总成本最小为目标函数,求解出常规机组启停和出力的日前计划;所述日前优化模型的目标函数为:
其中,M为常规机组数量,pi.T为机组i在T时段的运行功率,ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数;其系统负荷平衡约束条件为:其中pD.T为T时段系统负荷预测值,为T时段光电场w出力预测值,W为全部光电场的集合;常规机组功率上下限约束条件为:其中pi 为机组i出力的下限值,为机组i出力的上限值;常规机组的爬坡率约束条件为: -Δpi≤pi.T-pi.T-1≤Δpi,其中Δpi为机组i在时段内可以上调或下调的功率的最大值;输电网络断面潮流安全的约束条件为:其中Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ.i是断面τ对于常规机组i的敏感系数;
提供足够系统备用的约束条件为:
其中pi.max是机组i的最大出力值,η为系统总备用系数,θ为接纳光电准备的备用功率系数。
作为优选,所述日内滚动优化模型的建立方法为:以15分钟为单位时段,全日共96个时段t0~t95;t0时段各光电场质量评分Kw均置1,其他时段Ki由实时模型反馈;时段初,从电力调度中心获取最新系统负载预测值和超短期光电场总出力预测值,将各个光电场的超短期出力预测值乘光电场质量评分Kw后作为对应光电场本时段光电消纳上限,依据日前计划,以常规机组出力费用最小为目的,调整日内剩余时段常规机组的日内计划,将日内计划和光电场总出力上限下发给实时模型;其数学模型的目标函数为:
其中,M为全部常规机组,pi是在t时段机组i的运行功率,ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数,Δpi是机组i在本时段初进行的功率调整量,Δpi=pi.t-pi.t-1,ei是机组i的功率调整费用系数,ψ为光电消纳风险惩罚费用系数,其值由人工设定,是本时段光电场w的光电出力预测值,W是全部光电场的集合;
其系统负荷平衡约束条件为:其中为本时段光电场w出力预测值,pD为本时段系统负荷预测值,其值由电力调度中心之间获得;常规机组功率上下限约束条件为:其中pi 为机组i出力的下限值,为机组i出力的上限值;常规机组的爬坡率约束条件为:-Δpi≤pi.t-pi.t-1≤Δpi,其中Δpi为机组i在时段内可以上调或下调的功率的最大值;输电网络断面潮流安全的约束条件为:其中Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ.i是断面τ对于常规机组i的敏感系数,δτ.w是断面τ对于光电场w的敏感系数;
提供足够系统备用的约束条件为:
其中pi.max的最大出力值,η为系统总备用系数,θ为接纳光电准备的备用功率系数。
作为优选,所述实时模型的建立方法为:以各光电场质量评分Kw与各光电场本时段出力预测的乘积作为本时段的出力上限光电场出力pw超过出力上限则将超出部分弃置;实时跟踪各光电场出力pw、常规机组实时出力水平pi和系统负载pD,建立常规机组的PID 控制,使ε为允许运行偏差,其值取pD的千分之四;每隔一定时间对光电场出力水平取样,并至少取样30次作为样本集Mw.k;时段末时,根据采集的样本集 Mw.k以及总弃风量计算出新的光电场质量评分值Kw并反馈给日内滚动优化模型。
作为优选,所述光电场质量评分值Kw的更新方法为:计算样本集Mw.k的平均值μw,剔除样本集Mw.k中比样本平均值μw大的样品,剩余样本与平均值μw差值的绝对值△w.k,计算△w.k与平均值μw的比值,做为样本集Mtrans.w,计算出样本集Mtrans.w的标准差σw,将作为新的光电场质量评分Kw。标准差能够反应光电出力的离散情况,离散越严重表示光电出力波动越剧烈,而对系统运行成本影响最主要的光电出力波动的波谷数量和幅度,波峰虽然会带来常规机组变功率费用,但会降低常规机组的出力值,使其带来的效益大于费用,所以剔除波峰后计算波谷分布的标准差,用于反应光电场光电质量。
作为优选,系统总备用系数η取0.12,接纳光电准备的备用功率系数θ取0.8。
本发明的实质性效果是:通过跟踪光电场出力波动情况,主动选择波动情况较好的光电场进行消纳,能够降低抵消光电场波动成本,缓解常规机组压力,提高光电场经济效益。
附图说明
图1为电网优化调度方法流程框图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
如图1所示,为电网优化调度方法流程框图,包括以下步骤:
A)建立各光电场质量评分Kw并初始化,获取日前负荷预测、输电网络拓扑结构、常规机组基础数据和备用计划,以时间TB为单位时段构建日前优化模型,构建日前优化的数学模型:
其中,M为全部常规机组的数量,pi.T为常规机组i在T时段的运行功率,ai、bi和ci分别是常规机组i运行时费用的二次项系数、一次项系数和常数,pD.T为T时段系统负荷预测值,为T时段光电出力预测值,W为全部光电场的数量,pi 为常规机组i出力的下限值,为常规机组i出力的上限值,Δpi为常规机组i在时段内可以上调或下调的功率的最大值,Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ.i是断面τ对于常规常规机组i的敏感系数,pi.max是常规机组i的最大出力值,η为系统总备用系数,一般取0.12,θ为接纳光电准备的备用功率系数,一般取0.8,为日前计划中时段T时光电出力总值的预测值。求解该数学模型,得到常规机组的日前计划;
B)将一天按时间15分钟为单位划分时段,建立各光电场质量评分Kw并初始化,根据各光电场质量评分Kw对日前计划进行更新,形成日内计划,其数学模型为:
其中,M为全部常规机组的数量,pi是在t时段机组i的运行功率,ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数,Δpi是机组i在本时段初进行的功率调整量,Δpi=pi-pi-1,ei是机组i的功率调整费用系数,ψ为光电消纳风险惩罚费用系数,是本时段光电出力预测值,为本时段光电出力预测值,pD为本时段系统负荷预测值,其值由电力调度中心之间获得,常规机组功率上下限约束条件为:其中pi 为机组i出力的下限值,为机组i出力的上限值,Δpi为机组i在时段内可以上调或下调的功率的最大值,Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ.i是断面τ对于常规机组i的敏感系数,是断面τ对于光电机组j的敏感系数,pi.max的最大出力值,η为系统总备用系数,一般取0.12,θ为接纳光电准备的备用功率系数,一般取0.8,为日前计划中时段T时光电出力总值的预测值,求解计划得到最优解后,将常规机组的出力计划作为日内计划下发给实时计划,如果当前时段为t95则结束日内计划,否则在15分钟后进行下一时段的日内滚动优化; C)实时跟踪各光电场出力、常规机组实时出力水平和系统负载,实时调整常规机组出力,使发电与负载平衡,每隔一定时间对光电场出力水平取样,并至少取样30次作为样本集Mw.k;时段末时,根据采集的样本集Mw.k以及总弃风量计算出新的光电场质量评分值Kw,光电场质量评分值Kw的更新方法为:计算样本集Mw.k的平均值μw,剔除样本集Mw.k中比样本平均值μw大的样品,剩余样本与平均值μw差值的绝对值△w.k,计算△w.k与平均值μw的比值,做为样本集Mtrans.w,计算出样本集Mtrans.w的标准差σw,将作为新的光电场质量评分Kw。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (8)
1.一种含光电场的区域电网优化调度方法,其特征在于,
包括以下步骤:
A1)以时间TB为单位时段构建日前优化模型,生成日前计划,建立各光电场质量评分Kw并初始化;
A2)以时间T为单位时段建立日内滚动优化模型;各时段初,依据日前计划、各光电场质量评分Kw、系统负载预测值和光电场总出力预测值计算本时段光电消纳值,调整日内剩余时段常规机组的初始出力水平,生成日内计划并下发给实时模型;时间T后优化下一时段,直至全部时段优化完为止;
A3)建立实时模型,跟踪常规机组执行日内计划;实时跟踪各光电场出力、常规机组实时出力水平和系统负载,实时调整常规机组出力,使发电与负载平衡;在时段末,根据光电场出力波动幅度,更新各光电场的质量评分Kw并反馈给日内滚动优化模型。
2.根据权利要求1所述的一种含光电场的区域电网优化调度方法,其特征在于,
所述时间TB为1小时;所述日前优化模型的建立方法为:从电力调度中心获取当天24时段系统负载预测值和常规机组基础数据,以系统负荷平衡、常规机组输出上下限、常规机组爬坡率、输电网络断面潮流安全和提供足够系统备用作为约束,以常规机组发电总成本最小为目标函数,求解出常规机组启停和出力的日前计划;所述日前优化模型的目标函数为:
其中,M为常规机组数量,pi,T为机组i在T时段的运行功率,ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数;
其系统负荷平衡约束条件为:其中pD,T为T时段系统负荷预测值,为T时段光电场w出力预测值,W为全部光电场的集合;
常规机组功率上下限约束条件为:其中pi 为机组i出力的下限值,为机组i出力的上限值;
常规机组的爬坡率约束条件为:-Δpi≤pi,T-pi,T-1≤Δpi,其中Δpi为机组i在时段内可以上调或下调的功率的最大值;
输电网络断面潮流安全的约束条件为:其中Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ,i是断面τ对于常规机组i的敏感系数;
提供足够系统备用的约束条件为:
其中pi,max是机组i的最大出力值,η为系统总备用系数,θ为接纳光电准备的备用功率系数。
3.根据权利要求1或2所述的一种含光电场的区域电网优化调度方法,其特征在于,
所述日内滚动优化模型的建立方法为:以15分钟为单位时段,全日共96个时段t0~t95;t0时段各光电场质量评分Kw均置1,其他时段Ki由实时模型反馈;时段初,从电力调度中心获取最新系统负载预测值和超短期光电场总出力预测值,将各个光电场的超短期出力预测值乘光电场质量评分Kw后作为对应光电场本时段光电消纳上限,依据日前计划,以常规机组出力费用最小为目的,调整日内剩余时段常规机组的日内计划,将日内计划和光电场总出力上限下发给实时模型;其数学模型的目标函数为:
其中,M为全部常规机组,pi是在t时段机组i的运行功率,ai、bi和ci分别是机组i运行时费用的二次项系数、一次项系数和常数,Δpi是机组i在本时段初进行的功率调整量,Δpi=pi,t-pi,t-1,ei是机组i的功率调整费用系数,ψ为光电消纳风险惩罚费用系数,其值由人工设定,是本时段光电场w的光电出力预测值,W是全部光电场的集合;
其系统负荷平衡约束条件为:其中为本时段光电场w出力预测值,pD为本时段系统负荷预测值,其值由电力调度中心之间获得;
常规机组功率上下限约束条件为:其中pi 为机组i出力的下限值,为机组i出力的上限值;
常规机组的爬坡率约束条件为:-Δpi≤pi,t-pi,t-1≤Δpi,其中Δpi为机组i在时段内可以上调或下调的功率的最大值;
输电网络断面潮流安全的约束条件为:其中Iτ 和分别是输电网络断面τ的潮流下限和上限,δτ,i是断面τ对于常规机组i的敏感系数,δτ,w是断面τ对于光电场w的敏感系数;
提供足够系统备用的约束条件为:
其中pi,max的最大出力值,η为系统总备用系数,θ为接纳光电准备的备用功率系数。
4.根据权利要求1或2所述的一种含光电场的区域电网优化调度方法,其特征在于,
所述实时模型的建立方法为:以各光电场质量评分Kw与各光电场本时段出力预测的乘积作为本时段的出力上限光电场出力pw超过出力上限则将超出部分弃置;实时跟踪各光电场出力pw、常规机组实时出力水平pi和系统负载pD,建立常规机组的PID控制,使ε为允许运行偏差,其值取pD的千分之四;每隔一定时间对光电场出力水平取样,并至少取样30次作为样本集Mw.k;时段末时,根据采集的样本集Mw.k以及总弃风量计算出新的光电场质量评分值Kw并反馈给日内滚动优化模型。
5.根据权利要求1或2所述的一种含光电场的区域电网优化调度方法,其特征在于,
所述光电场质量评分值Kw的更新方法为:计算样本集Mw.k的平均值μw,剔除样本集Mw.k中比样本平均值μw大的样品,剩余样本与平均值μw差值的绝对值△w.k,计算△w.k与平均值μw的比值,做为样本集Mtrans.w,计算出样本集Mtrans.w的标准差σw,将作为新的光电场质量评分Kw。
6.根据权利要求3所述的一种含光电场的区域电网优化调度方法,其特征在于,
所述光电场质量评分值Kw的更新方法为:计算样本集Mw.k的平均值μw,剔除样本集Mw.k中比样本平均值μw大的样品,剩余样本与平均值μw差值的绝对值△w.k,计算△w.k与平均值μw的比值,做为样本集Mtrans.w,计算出样本集Mtrans.w的标准差σw,将作为新的光电场质量评分Kw。
7.根据权利要求2所述的一种含光电场的区域电网优化调度方法,其特征在于,
系统总备用系数η取0.12,接纳光电准备的备用功率系数θ取0.8。
8.根据权利要求3所述的一种含光电场的区域电网优化调度方法,其特征在于,
系统总备用系数η取0.12,接纳光电准备的备用功率系数θ取0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811063719.4A CN109474024B (zh) | 2018-09-12 | 2018-09-12 | 一种含光电场的区域电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811063719.4A CN109474024B (zh) | 2018-09-12 | 2018-09-12 | 一种含光电场的区域电网优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109474024A true CN109474024A (zh) | 2019-03-15 |
CN109474024B CN109474024B (zh) | 2022-03-15 |
Family
ID=65664563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811063719.4A Active CN109474024B (zh) | 2018-09-12 | 2018-09-12 | 一种含光电场的区域电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109474024B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110970924A (zh) * | 2019-12-09 | 2020-04-07 | 国网辽宁省电力有限公司 | 电网发电机组的清洁能源消纳方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090062969A1 (en) * | 2007-08-28 | 2009-03-05 | General Electric Company | Hybrid robust predictive optimization method of power system dispatch |
CN102170170A (zh) * | 2011-04-02 | 2011-08-31 | 清华大学 | 消纳风电接入的大电网调度滚动计划方法 |
CN103606967A (zh) * | 2013-11-26 | 2014-02-26 | 华中科技大学 | 一种实现电力系统鲁棒运行的调度方法 |
CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
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 |
-
2018
- 2018-09-12 CN CN201811063719.4A patent/CN109474024B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090062969A1 (en) * | 2007-08-28 | 2009-03-05 | General Electric Company | Hybrid robust predictive optimization method of power system dispatch |
CN102170170A (zh) * | 2011-04-02 | 2011-08-31 | 清华大学 | 消纳风电接入的大电网调度滚动计划方法 |
CN103606967A (zh) * | 2013-11-26 | 2014-02-26 | 华中科技大学 | 一种实现电力系统鲁棒运行的调度方法 |
CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110970924A (zh) * | 2019-12-09 | 2020-04-07 | 国网辽宁省电力有限公司 | 电网发电机组的清洁能源消纳方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109474024B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248751B (zh) | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 | |
CN103296682B (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
CN106160091B (zh) | 促进可再生能源消纳的电动汽车换电站充放电调度方法 | |
CN103311942B (zh) | 一种用于配电网削峰填谷的电池储能系统的控制方法 | |
CN103606967B (zh) | 一种实现电力系统鲁棒运行的调度方法 | |
CN110768273B (zh) | 一种储能联合火电参与电网二次调频的控制方法 | |
CN110401186A (zh) | 地区电网源网荷储多元协调泛在调度控制系统 | |
CN105162149A (zh) | 基于模糊自适应调节的光储系统跟踪发电计划出力方法 | |
CN109245175A (zh) | 一种计及辅助服务补偿的大规模风电场储能容量优化方法 | |
CN104268653A (zh) | 基于集束径流预报的梯级水库优化调度方法 | |
CN112803495A (zh) | 基于能量共享的5g基站微网光储系统容量优化配置方法 | |
CN108808744A (zh) | 有储能参与的新能源发电系统的有功协调控制方法及系统 | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN113078643A (zh) | 一种考虑电网经济运行风电计划优化及偏差补偿用储能容量配置方法 | |
CN109474024A (zh) | 一种含光电场的区域电网优化调度方法 | |
CN116760008A (zh) | 一种考虑负荷特性的多时间尺度有功无功协调调度方法 | |
CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
CN114219186A (zh) | 基于数字孪生的虚拟电厂参与多市场交易的优化调控方法 | |
CN107947246B (zh) | 一种考虑调频增发的风电发电指标分配及增发评估方法 | |
CN110649638B (zh) | 一种弥补风电功率预测误差的储能系统的优化方法 | |
CN109460887A (zh) | 一种考虑光电接入的电力系统优化调度方法 | |
CN110086186A (zh) | 一种计及路灯充电桩的城市配电网电压控制方法 | |
CN116050865A (zh) | 一种季节性时间尺度下的氢储能电站规划方法 | |
CN106786615B (zh) | 一种变压器动作次数智能分配方法及装置 | |
CN109474003A (zh) | 一种接入风电场的区域电网优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |