CN109523128B - 一种促进消纳的可再生能源容量配置方法 - Google Patents
一种促进消纳的可再生能源容量配置方法 Download PDFInfo
- Publication number
- CN109523128B CN109523128B CN201811229935.1A CN201811229935A CN109523128B CN 109523128 B CN109523128 B CN 109523128B CN 201811229935 A CN201811229935 A CN 201811229935A CN 109523128 B CN109523128 B CN 109523128B
- Authority
- CN
- China
- Prior art keywords
- renewable energy
- power
- constraint
- unit
- nth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000001737 promoting effect Effects 0.000 title claims abstract description 21
- 230000029087 digestion Effects 0.000 title claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 claims description 69
- 230000009467 reduction Effects 0.000 claims description 64
- 238000009434 installation Methods 0.000 claims description 40
- 238000010248 power generation Methods 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 23
- 230000009194 climbing Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 13
- 230000002040 relaxant effect Effects 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 239000002028 Biomass Substances 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明公开了一种促进消纳的可再生能源容量配置方法，包括以下步骤：(1)获取电网拓扑并根据电网结构进行建模以形成能够表征电网特征的数据矩阵，(2)检验电网数据的合理性及应用于电网规划的适应性，(3)分析电网中各类灵活性资源的边界条件，(4)调度中心上传可再生能源与负荷功率曲线，(5)建立包括规划层模型和运行层模型的促进消纳的可再生能源规划模型，(6)基于Matlab仿真平台编程对可再生能源规划模型进行求解；本发明综合考虑“源‑网‑荷‑储”的约束，基于规划层与运行层的目标函数与约束条件建立以可再生能源消纳为目标的模型，以获得以可再生能源利用率最高、消纳能力最大的可再生能源多点布局与规划。
Description
技术领域
本发明是涉及一种促进可再生能源消纳的容量配置方法，以最小的经济投入实现可再生能源利用效率的最大化，属于能源管理技术领域。
背景技术
近年来，化石能源危机、环境变化恶劣，促使世界各国进行能源结构转型。以风电和光伏为代表的可再生能源(renewable energy source,RES)具有运行成本低、环境污染小、储量丰富等优点，得到了全世界范围的广泛认可。欧盟提出在2020年实现二氧化碳排放量比1990年降低20％，可再生能源利用达到总能耗的20％，能源消纳总量减少20％的发展目标。我国能源局于2016年发布中国版的配额制文件《关于建立可再生能源开发利用目标引导制度的知道意见》中提出在2020年非化石能源占一次能源消费比为15％，并且在2030年将该比重提高到20％的能源规划。可再生能源配额制的提出以国家发展战略为出发点，该措施有益于解决传统能源与新能源的矛盾，可再生能源包括水能、风能、太阳能、潮汐能等。
目前，我国可再生能源装机总量居世界首位，主要以风电、光伏为主，截止到2015年底的数据统计，我国风电装机容量达到128GW，太阳能发电容量达到41.58GW。“十二五”期间，我国风电装机年均增速34％，光伏装机年均增速178％。但随着可再生能源装机规模的增加，电力系统中可再生能源实际利用率并理想，例如，国家能源局公布的2015年弃风电量就达到339亿千瓦时。
可再生能源行业光鲜亮丽的背后存在严重的弃风、弃光现象，其本质原因在于可再生能源开发与实际运行不协调，亟需一套科学有效的可再生能源规划理论。可再生能源合理的布局有利于缓解大规模弃风、弃光现象，提高电网运行的经济性。目前，可再生能源消纳指标配额制背景下的风光等新能源规划主要面临以下问题：
1.新形势下可再生能源规划方案评价指标，传统可再生能源规划考虑的是系统的稳定性，以系统可靠性指标进行可再生能源的规划，该种方式不能缓解大规模弃风、弃光现象。而从国家能源发展战略的角度出发，以可再生能源消纳为导向的规划方法是一个较为新颖且具有研究价值的课题。
2.可再生能源输出功率特性，大量研究表明可再生能源输出功率具有较强的时空差异性且具有互补特性。可再生能源输出功率在时间上具有明显的季节特性、日特性；在空间上，资源禀赋的分布特征是导致可再生能源功率具有空间差异性的主要原因。并且现有的可再生能源规划方法存在不足，如随机规划理论未能充分考虑到可再生能源发电功率的时空特性。
3.计算粒子度的选择，可再生能源消纳配额指标中实质为可再生能源发电量计算，是一个考虑时间耦合的动态调度问题。
4.可再生能源削减率约束，在规划可再生能源时功率削减率为电网内在容忍度约束，即电网允许可再生能源弃风、弃光率约束。盲目规划可再生能源而不考虑功率削减率约束的规划是无法解决可再生能源消纳配额指标问题的。
5.电网规划与运行的割裂。传统可再生能源规划时未考虑到可再生能源机组的实际运行情况，仅进行某一断面的潮流计算。电网中可再生能源高比例化成为趋势，电力系统的不确定性增强，仅考虑极端情况下静态潮流已无法满足电网的经济要求。
现有文献(李亮,唐巍,白牧可,等.考虑时序特性的多目标分布式电源选址定容规划[J].电力系统自动化,2013,37(3):58-63)中，考虑可再生能源以及负荷的时序特性，研究了以降低网络损耗、停电损失为目标的分布式电源选址定容问题；现有文献(曾鸣,杜楠,张鲲,等.基于多目标静态模糊模型的分布式电源规划[J].电网技术,2013,37(4):954-959)中，基于模糊理论建立了综合考虑经济属性、技术属性、环境属性等因素的多目标模型，研究分布式电源在输配电系统中选址定容的差异性；现有文献(张节潭,程浩忠,姚良忠,等.分布式风电源选址定容规划研究[J].中国电机工程学报,2009,29(16):1-7)应用机会约束规划建立了分布式电源接入配网的选址定容模型，其中以独立发电商收益最大为目标，采用随机潮流判断规划方案的合理性；现有文献(张沈习,李珂,程浩忠,等.主动管理模式下分布式风电源选址定容规划[J].电力系统自动化,2015,39(9):208-214)中研究了节能减排背景下，考虑风速与负荷相关性建立多计算场景，并建立多种主动管理模式下的分布式电源选址定容双层模型。通过上述文献可知，已有研究中，关于可再生能源容量配置方面的研究已取得许多成果，但从促进可再生能源消纳角度研究可再生能源容量配置方法的理论较少。
高渗透率可再生能源发展模式中，以促进可再生能源消纳为目标的分布式电源容量配置研究尤为重要。面对可再生能源发展的新形势，可再生能源容量配置应当考虑到以下两点。第一，区域电网可再生能源消纳能力评估指标的定义与计算方法。判断电网是否能够达到国家能源局制定的消纳指标，即区域电网可再生能源最大消纳能力计算，计算结果应当包括可再生能源装机最大值以及此时的可再生能源消纳率、可再生能源削减率。第二，在通过新增可再生能源装机容量提升该区域电网可再生能源消纳量时，应充分考虑到可再生能源以及负荷的时空特性、互补特性，应充分考虑到区域电网中的各种促进可再生能源消纳的灵活性资源，应充分考虑到可再生能源接入的经济性。显然，可再生能源机消纳能力指标不完善、风电光伏机组出力受限较高导致电网资产利用率较低的问题，以及可再生能源规划与电网实际消纳能力不协调导致可再生能源投资回报率低的问题是本领域亟待解决的。
发明内容
针对现有技术存在的上述问题和需求，本发明的目的是提供一种促进消纳的可再生能源容量配置方法，以满足人们对以可再生能源利用效率最高、电网消纳能力最大为导向的可再生能源多点布局与规划的技术需求。
为实现上述目的，本发明采用的技术方案如下：
一种促进消纳的可再生能源容量配置方法，其特征在于：具体包括以下步骤：
(1)获取电网拓扑并根据电网结构进行建模以形成能够表征电网特征的数据矩阵
所述数据矩阵包括节点信息矩阵、网架结构矩阵和线路参数矩阵，所述节点信息矩阵应该包含区域电网的节点数量、每个节点上的典型时刻负荷数据以及电源装机数据，所述网架结构矩阵包括表征节点是否相连的关联矩阵，线路参数矩阵包括线路最大传输容量信息、线路的电阻、线路的电抗以及线路的电纳；
(2)检验电网数据的合理性以及应用于电网规划的适应性
针对步骤(1)所述数据矩阵收集的电网数据进行一次最优潮流计算，并根据潮流计算结果的收敛性判断网架结构以及电网数据的合理性，若潮流结果有解即代表收敛，则进行步骤(3)；若潮流结果无解即代表不收敛，则通过节点负荷数据校验、网架连通性校验、电源装机数据校验三方面核对数据后，再一次进行最优潮流计算，直至潮流结果有解；
(3)分析电网中各类灵活性资源的边界条件
根据获得的可再生能源消纳率、区域电网中资源状况量化估算各类灵活性资源边界，所述各类灵活性资源包括待规划电网中的电源种类、各类电源爬坡性能、各类电源发电成本、各类电源装机情况、各类电源规划情况和电网中储能资源情况；
(4)调度中心上传可再生能源与负荷功率曲线
从调度中心上传的可再生能源与负荷功率曲线获取区域电网中各节点负荷在各时刻的负荷功率；同时，根据待规划电网地区可再生能源资源状况、利用小时数、历史数据进行可再生能源功率预测，以形成可再生能源序列矩阵以及负荷功率序列矩阵；
(5)基于步骤(1)至(4)中的电网结构与数据信息，建立包括规划层模型和运行层模型的促进消纳的可再生能源规划模型
所述规划层模型以可再生能源装机量为控制变量，以可再生能源投资费用、可再生能源占地面积为状态变量，以可再生能源装机量投资最小为目标；所述运行层模型以可再生能源机组输出功率、传统能源机组发电功率、储能充放电功率为控制变量，以可再生能源消纳率、可再生能源消减率、母线相角、线路传输功率、储能装置荷电状态为状态变量，以可再生能源收益最大为目标；将可再生能源消纳率、削减率以及消纳量削减量作为规划方案优劣的参考指标，并以约束条件的形式加入到所述可再生能源规划模型中；
(6)基于Matlab仿真平台编程对步骤(5)中所述可再生能源规划模型进行求解
通过分支界定法对所述规划层模型和所述运行层模型相互迭代求得最优解；所述可再生能源规划模型无解时，分析并转换为保证可再生能源消纳率或消减率的规划模型，即通过松弛可再生能源消纳率或削减率约束继续优化求解；得到各节点上可再生能源装机容量、调度方案，最后计算各种调度方案的可再生能源消纳率、可再生能源削减率、各机组在各时刻的输出功率以及储能装置的输出功率，输出可再生能源接入点、可再生能源接入量、可再生能源消纳率、可再生能源削减率，以完成促进消纳的可再生能源容量配置。
作为优选方案，所述步骤(1)中获取的电网拓扑包括节点信息矩阵、网架结构矩阵、线路参数矩阵、已有机组装机容量、机组爬坡参数、机组调峰深度、机组发电成本、负荷功率时序曲线、可再生能源功率时序曲线、各类可再生能源消纳指标、可再生能源投资的最大值与最小值、可再生能源占地面积的最大值与最小值、单台风电及光伏装机容量。
作为优选方案，步骤(4)中所述可再生能源与负荷功率曲可选取的时间粒子为5min、10min、15min或30min。
作为优选方案，步骤(4)中，所述可再生能源序列矩阵通过下列公式计算得到：
其中，
为可再生能源预测功率矩阵，/>
为T时刻第N个节点上的第m种可再生能源的预测功率，同时作为该节点上第m种可再生能源机组出力的上限，N为节点数，T为时间序列个数；
所述负荷功率序列矩阵通过下列公式计算得到：
其中，PL负荷功率序列矩阵，
为T时刻第N个节点上的负荷功率，N为节点数，T为时间序列个数。
作为优选方案，步骤(5)中，所述规划层模型包括规划层目标函数和规划层约束条件，所述规划层约束条件包括可再生能源装机占地面积约束、系统备用容量约束和可再生能源投资费用约束；运行层模型包括运行层目标函数和运行层约束条件，所述运行层约束条件包括节点平衡功率约束、传统机组向上爬坡约束、传统机组向下爬坡约束、储能装置的电力电量平衡约束、传统机组输出功率约束、可再生能源机组输出功率约束、可再生能源最大发电功率与装机容量的关系约束、储能装置输出功率约束、储能装置荷电状态约束、母线相角约束、线路传输功率约束、可再生能源消减率约束和可再生能源消纳率约束；
所述规划层目标函数为：
其中，f1为可再生能源装机投资最小，M为可再生能源种类，N为母线数量，Cm,n为第n个节点上第m种可再生能源机组单位投资费用，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量；
所述可再生能源装机占地面积约束为：
其中，
为所有可再生能源装机占地面积，αm为第m种可再生能源单位占地面积，SRG,m为第m种可再生能源装机容量，Dmin、Dmax分别为该区域用于可再生能源开发面积最大值与最小值；
所述系统备用容量约束为：
CTG+CRG≥PLoad+CH
其中，CTG、CRG、PLoad、CH分别为传统能源总装机、可再生能源装机总有效容量、系统总负荷功率、备用总容量；
所述可再生能源投资费用约束为：
其中，βm为第m种可再生能源单位建设费用，Sm为m种可再生能源装机容量，Bmin、Bmax分别为该区域用于可再生能源建设费用的最大值与最小值；
所述运行层目标函数为：
f2＝max(BRG,I-BRG,O-BTG,O)
其中，f2为可再生能源消纳收益最大，BRG,I为可再生能源发电收益，BRG,O为可再生能源消减率惩罚费用，BTG,O为传统机组发电成本，λm为第m种可再生能源单位发电收益，μm为可再生能源消减率单位惩罚费用，γn为传统机组单位发电成本，Δt为计算时间粒子度，
分别为t时刻第n个节点上的第m种可再生能源机组输出功率与可再生能源机组预测出力，/>
为t时刻第n个节点上第k种传统机组出力，k为传统机组种类，Δt为时间粒子间隔，所述时间粒子间隔取15min，30min或1h；
所述节点平衡功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，k为传统机组的种类；
为t时刻第n个节点上的第m种可再生能源机组输出功率，m为可再生能源机组的种类；/>
为t时刻第n个节点上第u种储能装置的功率，u为储能装置的种类；∑Bθ为与节点n相连线路的传输功率之和，B、θ分别为线路的导纳与母线相角，/>
为为t时刻第n个节点上的负荷功率；
所述传统机组向上爬坡约束为：
其中，
为t+1时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向上爬坡容量，Δt为时间粒子间隔；
所述传统机组向下爬坡约束为：
其中，
为t时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向下爬坡容量；
所述储能装置的电力电量平衡约束为：
其中，
为t+1时刻第n个节点上第u种储能的荷电状态，/>
为t时刻第n个节点上第u种储能的输出功率，/>
为t时刻第n个节点上第u种储能的充放电效率；
所述传统机组输出功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，/>
分别为t时刻第n个节点上第k种机传统组输出功率的最小值与最大值；
所述可再生能源机组输出功率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
分别为t时刻第n个节点上第m种可再生能源机组输出功率的最小值与最大值；
所述可再生能源最大发电功率与装机容量的关系约束：
其中，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量，ηRG,m,n为第n个节点上第m种可再生能源发电效率，Nm,n＝0,1,2...为大于等于0的整数；
所述储能装置输出功率约束为：
其中，
为t时刻第n个节点上第u种储能的输出功率，/>
分别为t时刻第n个节点上第u种储能装置输出功率的最小值与最大值；
所述储能装置荷电状态约束为：
其中，
为t时刻第n个节点上第u种储能的荷电状态，/>
分别为t时刻第n个节点上第u种储能装置荷电状态的最小值与最大值；
所述母线相角约束为：
其中，
分别为第n个母线上相角的最大值与最小值，/>
为第n个母线上相角；
所述线路传输功率约束为：
其中，
分别为线路i-j上传输功率最大值与最小值，/>
为t时刻线路i-j上传输功率；
所述可再生能源消减率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
分别为t时刻第n个节点上第m种机组预测功率，δm为允许的可再生能源消减率；
所述可再生能源消纳率约束，即可再生能源发电量占总负荷用电量的比值为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
为t时刻第n个节点上的负荷功率，ε为可再生能源消纳率，如可再生能源发电量要求占负荷用电量的7％；
当所述运行层模型求解得到满足消纳指标的可再生能源规划方案存在多解时，根据规划层模型中可再生能源投资最小为目标寻优进而得到最优的规划方案。
作为优选方案，步骤(6)中所述可再生能源规划模型通过下述公式进行求解：
其中，
为第t个时段的变量，/>
为t时段第n个母线上第k种传统机组输出功率；/>
为t时段第n个母线上第m种可再生能源机组输出功率；/>
为t时段第n个母线上第u种储能装置输出的功率；/>
为t时段第n个母线上第u种储能的荷电状态；/>
为t时段第n个母线的相角；
X＝[X1 (1) XN (T)]
其中，X为所有时刻的变量；
Y＝[Nm,1 Nm,N]
其中，Y为可再生能源装机变量，作为规划层模型中的控制变量；
Z＝[X Y]＝[X1 (1) XN (T) Nm,1 Nm,N]
其中，Z为最终的变量形式；
根据该变量特点以及约束条件的线性特征，可将上述模型转为如下格式：
max F＝C*Z′
s.t.AEQ*Z′＝BEQ
A*Z′≤B
L≤Z′≤U
其中，C为目标函数的系数，AEQ为等式约束的系数，BEQ为等式约束中的常数，A为不等式约束的系数，B为不等式约束的常数，L、U为变量的上下限。
作为进一步优选方案，当所述可再生能源规划模型无解时，松弛所述可再生能源削减率约束，计算得到保证可再生能源消纳率的规划方案；或者，松弛可再生能源消纳率约束，计算得到保证可再生能源削减率的规划方案。
作为优选方案，所述可再生能源包括风电、光伏、水电、生物质能中的一种或多种。
与现有技术相比，本发明具有如下有益效果：
本发明首先根据电网实际结构，采用时序生产模拟法表征可再生能源以及负荷功率的时序特征，从而将电网的规划与运行结合起来，能够保障可再生能源规划方案的合理性有效性，考虑可再生能源出力特性、负荷特性、可再生能源消纳指标信息，将电网中各节点上的可再生能源装机作为变量，综合考虑“源-网-荷-储”多方面的约束，同时考虑了规划层模型与运行层模型的目标函数与约束条件建立以可再生能源消纳为目标的数学规划模型，将实际工程问题转化为混合整数线性规划问题(MILP)，其中，模型中以可再生能源消纳电量、削减电量等有量纲评价指标及可再生能源消纳率、削减率等无量纲单位作为评价可再生能源规划方案的指标，能够直观有效的反应系统中可再生能源的运行工况；还将可再生能源消纳率与可再生能源削减率加入到约束条件中，并针对模型无最优解时，松弛可再生能源消纳率约束或者松弛可再生能源削减率约束，保证所建立规划模型存在最优解。基于matlab仿真平台编程求解，给出最优的可再生能源规划方案，该方案中含有可再生能源接入点、接入量以及各机组的调度计划，从而以最小的可再生能源投资实现期望的可再生能源消纳率。该方法可服务于各区域电网中可再生能源的开发与规划，提高区域电网可再生能源消纳能力。
附图说明
图1为本发明实施例提供的一种促进消纳的可再生能源容量配置方法的流程图；
图2为本发明实施例提供的可再生能源消纳量与可再生能源功率削减量示意图；
图3为本发明实施例提供的可再生能源与负荷功率时序特性示意图；
图4为本发明实施例提供的规划方案对应的机组调度计划示意图。
具体实施方案
以下结合附图和实施例对本发明的技术方案做进一步详细描述。
实施例
结合图1至4所示，本实施例提供的一种促进消纳的可再生能源容量配置方法，具体包括以下步骤：
(1)获取电网拓扑并根据电网结构进行建模以形成能够表征电网特征的数据矩阵
所述数据矩阵包括节点信息矩阵、网架结构矩阵和线路参数矩阵，所述节点信息矩阵应该包含区域电网的节点数量、每个节点上的典型时刻负荷数据以及电源装机数据，所述网架结构矩阵包括表征节点是否相连的关联矩阵，线路参数矩阵包括线路最大传输容量信息、线路的电阻、线路的电抗以及线路的电纳；通过应用数据矩阵的形式表征电网结构，实现电网结构数字化表达，用数据矩阵表示电网中元件和线路的关系，为下阶段计算准备；
(2)检验电网数据的合理性以及应用于电网规划的适应性
针对步骤(1)所述数据矩阵收集的电网数据进行一次最优潮流计算，并根据潮流计算结果的收敛性判断网架结构以及电网数据的合理性，若潮流结果有解即代表收敛，则进行步骤(3)；若潮流结果无解即代表不收敛，则通过节点负荷数据校验、网架连通性校验、电源装机数据校验三方面核对数据后，再一次进行最优潮流计算，直至潮流结果有解；
(3)分析电网中各类灵活性资源的边界条件
根据获得的国家能源局或者电网规划者的可再生能源消纳率、区域电网中资源状况量化估算各类灵活性资源边界，所述各类灵活性资源包括待规划电网中的电源种类、各类电源爬坡性能、各类电源发电成本、各类电源装机情况、各类电源规划情况和电网中储能资源情况；电网中已有可调节电源是影响可再生能源接入、可再生能源消纳率、可再生能源削减率的重要因素，其中，可再生能源消纳量与可再生能源功率削减量如图2所示；
(4)调度中心上传可再生能源与负荷功率曲线
从调度中心上传的可再生能源与负荷功率曲线获取区域电网中各节点负荷在各时刻的负荷功率，可选取所述可再生能源与负荷功率曲的时间粒子为5min、10min、15min或30min，时间粒子度越小计算难度越大，计算结果也相对准确，如图3所示；同时，根据待规划电网地区可再生能源资源状况、利用小时数、历史数据进行可再生能源功率预测，采用蒙特卡洛-马尔科夫链采样法以形成可再生能源序列矩阵以及负荷功率序列矩阵；
(5)基于步骤(1)至(4)中的电网结构与数据信息，从电网的规划层与运行层建立促进消纳的可再生能源规划模型，其中，所述规划层模型以可再生能源装机量为控制变量，以可再生能源投资费用、可再生能源占地面积为状态变量，以可再生能源装机量投资最小为目标；所述运行层模型以可再生能源机组输出功率、传统能源机组发电功率、储能充放电功率为控制变量，以可再生能源消纳率、可再生能源消减率、母线相角、线路传输功率、储能装置荷电状态为状态变量，以可再生能源收益最大为目标；将可再生能源消纳率、削减率以及消纳量削减量作为规划方案优劣的参考指标，并以约束条件的形式加入到所述可再生能源规划模型中；
(6)基于Matlab仿真平台编程对步骤(5)中所述可再生能源规划模型进行求解
通过分支界定法对所述规划层模型和所述运行层模型相互迭代求得最优解；所述可再生能源规划模型无解时，分析并转换为保证可再生能源消纳率或消减率的规划模型，即通过松弛可再生能源消纳率或削减率约束继续优化求解；得到各节点上可再生能源装机容量、调度方案，最后计算各种调度方案的可再生能源消纳率、可再生能源削减率、各机组在各时刻的输出功率以及储能装置的输出功率，输出可再生能源接入点、可再生能源接入量、可再生能源消纳率、可再生能源削减率，如图4所示，以完成促进消纳的可再生能源容量配置；在本实施例中，给出了基于Matlab仿真平台的可再生能源规划模型编程方法，主要包括模型中变量设计、约束编写两部分，采用优化工具箱中的单纯形法进行求解，并针对所建立模型无解时，松弛可再生能源削减率约束，计算保证可再生能源消纳率的规划方案，或者松弛可再生能源消纳率约束，计算保证可再生能源削减率的规划方案，通过上述方法保证了模型的可求解性；本实施例以完成可再生能源消配额指标为导向，在建模时以最小的可再生能源投入实现期望的可再生能源消纳率，其中消纳目标不局限于包括消纳率与削减率在内的无量纲指标，同样适用于包括期望消纳电量在内的有量纲指标。
在本实施例中，所述步骤(1)中获取的电网拓扑包括节点信息矩阵、网架结构矩阵、线路参数矩阵、已有机组装机容量、机组爬坡参数、机组调峰深度、机组发电成本、负荷功率时序曲线、可再生能源功率时序曲线、各类可再生能源消纳指标、可再生能源投资的最大值与最小值、可再生能源占地面积的最大值与最小值、单台风电及光伏装机容量。
在实施例中，步骤(4)中所述可再生能源序列矩阵通过下列公式计算得到：
其中，
为可再生能源预测功率矩阵，/>
为T时刻第N个节点上的第m种可再生能源的预测功率，同时作为该节点上第m种可再生能源机组出力的上限，N为节点数，T为时间序列个数；
所述负荷功率序列矩阵通过下列公式计算得到：
其中，PL负荷功率序列矩阵，
为T时刻第N个节点上的负荷功率，N为节点数，T为时间序列个数。
在实施例中，步骤(5)中，所述规划层模型包括规划层目标函数和规划层约束条件，所述规划层约束条件包括可再生能源装机占地面积约束、系统备用容量约束和可再生能源投资费用约束；运行层模型包括运行层目标函数和运行层约束条件，所述运行层约束条件包括节点平衡功率约束、传统机组向上爬坡约束、传统机组向下爬坡约束、储能装置的电力电量平衡约束、传统机组输出功率约束、可再生能源机组输出功率约束、可再生能源最大发电功率与装机容量的关系约束、储能装置输出功率约束、储能装置荷电状态约束、母线相角约束、线路传输功率约束、可再生能源消减率约束和可再生能源消纳率约束；
所述规划层目标函数为：
其中，f1为可再生能源装机投资最小，M为可再生能源种类，N为母线数量，Cm,n为第n个节点上第m种可再生能源机组单位投资费用，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量，如风机的单机容量为2MW，光伏的单机容量为1MW；
所述可再生能源装机占地面积约束为：
其中，
为所有可再生能源装机占地面积，αm为第m种可再生能源单位占地面积，SRG,m为第m种可再生能源装机容量，Dmin、Dmax分别为该区域用于可再生能源开发面积最大值与最小值；
所述系统备用容量约束为：
CTG+CRG≥PLoad+CH
其中，CTG、CRG、PLoad、CH分别为传统能源总装机、可再生能源装机总有效容量、系统总负荷功率、备用总容量；
所述可再生能源投资费用约束为：
其中，βm为第m种可再生能源单位建设费用，Sm为m种可再生能源装机容量，Bmin、Bmax分别为该区域用于可再生能源建设费用的最大值与最小值；
所述运行层目标函数为：
f2＝max(BRG,I-BRG,O-BTG,O)
其中，f2为可再生能源消纳收益最大，BRG,I为可再生能源发电收益，BRG,O为可再生能源消减率惩罚费用，BTG,O为传统机组发电成本，λm为第m种可再生能源单位发电收益，μm为可再生能源消减率单位惩罚费用，γn为传统机组单位发电成本，Δt为计算时间粒子度，
分别为t时刻第n个节点上的第m种可再生能源机组输出功率与可再生能源机组预测出力，/>
为t时刻第n个节点上第k种传统机组出力，k为传统机组种类，Δt为时间粒子间隔，所述时间粒子间隔取15min，30min或1h；
所述节点平衡功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，k为传统机组的种类；
为t时刻第n个节点上的第m种可再生能源机组输出功率，m为可再生能源机组的种类；/>
为t时刻第n个节点上第u种储能装置的功率，u为储能装置的种类；∑Bθ为与节点n相连线路的传输功率之和，B、θ分别为线路的导纳与母线相角，/>
为为t时刻第n个节点上的负荷功率；
所述传统机组向上爬坡约束为：
其中，
为t+1时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向上爬坡容量，Δt为时间粒子间隔；
所述传统机组向下爬坡约束为：
其中，
为t时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向下爬坡容量；
所述储能装置的电力电量平衡约束为：
其中，
为t+1时刻第n个节点上第u种储能的荷电状态，/>
为t时刻第n个节点上第u种储能的输出功率，/>
为t时刻第n个节点上第u种储能的充放电效率；
所述传统机组输出功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，/>
分别为t时刻第n个节点上第k种机传统组输出功率的最小值与最大值；
所述可再生能源机组输出功率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源的实际出力，/>
分别为t时刻第n个节点上第m种机组输出功率的最小值与最大值；
机组台数越多可再生能源出力越大，但由于发电效率限制可再生能源发电功率恒小于装机容量，所述可再生能源最大发电功率与装机容量的关系约束：
其中，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量，ηRG,m,n为第n个节点上第m种可再生能源发电效率，Nm,n＝0,1,2...为大于等于0的整数；
所述储能装置输出功率约束为：
其中，
为t时刻第n个节点上第u种储能的输出功率，/>
分别为t时刻第n个节点上第u种储能装置输出功率的最小值与最大值，若/>
则表示储能装置为充电状态，反之/>
则表示储能装置为放电状态；
所述储能装置荷电状态约束为：
其中，
为t时刻第n个节点上第u种储能的荷电状态，/>
分别为t时刻第n个节点上第u种储能装置荷电状态的最小值与最大值；
所述母线相角约束为：
其中，
分别为第n个母线上相角的最大值与最小值，/>
为第n个母线上相角；
所述线路传输功率约束为：
其中，
分别为线路i-j上传输功率最大值与最小值，/>
为t时刻线路i-j上传输功率；
所述可再生能源消减率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
分别为t时刻第n个节点上第m种机组预测功率，δm为允许的可再生能源消减率；
所述可再生能源消纳率约束，即可再生能源发电量占总负荷用电量的比值为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
为t时刻第n个节点上的负荷功率，ε为可再生能源消纳率，如可再生能源发电量要求占负荷用电量的7％；运行层模型求解得到满足消纳指标的可再生能源规划方案可存在多解，根据规划层模型中可再生能源投资最小为目标寻优进而得到最优的规划方案。
在本实施例中，在步骤(6)中所述可再生能源规划模型通过下述公式进行求解：
其中，
为第t个时段的变量，/>
为t时段第n个母线上第k种传统机组输出功率；/>
为t时段第n个母线上第m种可再生能源机组输出功率；/>
为t时段第n个母线上第u种储能装置输出的功率；/>
为t时段第n个母线上第u种储能的荷电状态；/>
为t时段第n个母线的相角；
X＝[X1 (1) XN (T)]
其中，X为所有时刻的变量；
Y＝[Nm,1 Nm,N]
其中，Y为可再生能源装机变量，作为规划层模型中的控制变量；
Z＝[X Y]＝[X1 (1) XN (T) Nm,1 Nm,N]
其中，Z为最终的变量形式；
根据该变量特点以及约束条件的线性特征，可将上述模型转为如下格式：
max F＝C*Z′
s.t.AEQ*Z′＝BEQ
A*Z′≤B
L≤Z′≤U
其中，C为目标函数的系数，AEQ为等式约束的系数，BEQ为等式约束中的常数，A为不等式约束的系数，B为不等式约束的常数，L、U为变量的上下限；
本发明首先假设节点上可再生能源装机容量为控制变量，通过模型求解确定最优规划方案，当所述可再生能源规划模型无解时，松弛所述可再生能源削减率约束，计算得到保证可再生能源消纳率的规划方案；或者，松弛可再生能源消纳率约束，计算得到保证可再生能源削减率的规划方案。
所述可再生能源规划模型求解计算过程中可能会出现可再生能源削减率约束越限的问题，主要是因为该区域电网接纳能力不足，过多的可再生能源装机接入电网后出现“空载”情况，导致可再生能源削减率约束越限；运行层模型求解得到满足消纳指标的可再生能源规划方案可能存在多解，根据规划层模型中可再生能源投资最小为目标寻优进而得到最优的规划方案。
上述可再生能源包括风电、光伏、水电、生物质能中的一种或多种，在本实施例中，可根据不同种类可再生能源消纳率确定相应规划方案。
可再生能源行业面临的主要问题是并网消纳难的问题，其根本原因无外乎电源、电网规划的不合理，导致可再生能源利用小时数较低，系统经济性下降。本发明考虑了可再生能源与负荷的时序特性，以可再生能源以及负荷的时序功率曲线以及其他电网数据为基础，基于时序生产模拟电网调度运行工况进行可再生能源的规划，充分考虑到了电网在规划与运行不同阶段的约束条件与目标函数，协调了电网的规划与运行。
本发明所建立的促进消纳的可再生能源规划模型为多目标、多因素、多时段耦合的优化模型，并能够在求解出规划方案的同时给出相应的调度计划。多目标是指规划层模型以可再生能源的投资为目标，运行层模型以系统运行经济为目标。多因素是指模型中考虑了包括火电与水电机组出力约束、储能电力电量约束、机组爬坡约束、节点平衡约束、线路传输功率约束、母线相角约束在内的多种约束。多时段耦合是指本模型为动态经济调度模型，考虑各时段间各约束条件的耦合。
其中，可再生能源消纳评估指标是以包括可再生能源发电量、削减电量在内的有量纲单位为核心，扩展计算可再生能源发电量占总负荷用电量的比值即消纳率，以包括可再生能源理论发电量与实际发电量的差值占理论发电量的比值即削减率在内的无量纲指标为依托，综合评估电网中新能源的消纳能力。
综上所述可见：本发明首先根据电网实际结构，采用时序生产模拟法表征可再生能源以及负荷功率的时序特征，具有互补特性，从而将电网的规划与运行结合起来，能够保障可再生能源规划方案的合理性有效性，考虑可再生能源出力特性、负荷特性、可再生能源消纳指标信息，将电网中各节点上的可再生能源装机作为变量，综合考虑“源-网-荷-储”多方面的约束，同时考虑了规划层模型与运行层模型的目标函数与约束条件建立以可再生能源消纳为目标的数学规划模型，将实际工程问题转化为混合整数线性规划问题(MILP)，其中，模型中以可再生能源消纳电量、削减电量等有量纲评价指标及可再生能源消纳率、削减率等无量纲单位作为评价可再生能源规划方案的指标，能够直观有效的反应系统中可再生能源的运行工况；还将可再生能源消纳率与可再生能源削减率加入到约束条件中，并针对模型无最优解时，松弛可再生能源消纳率约束或者松弛可再生能源削减率约束，保证所建立规划模型存在最优解。基于matlab仿真平台编程求解，给出最优的可再生能源规划方案，该方案中含有可再生能源接入点、接入量以及各机组的调度计划，从而以最小的可再生能源投资实现期望的可再生能源消纳率。该方法可服务于各区域电网中可再生能源的开发与规划，提高区域电网可再生能源消纳能力。
本发明所给出的规划方案是以电网安全可靠运行为前提的，即避免出现切负荷现象的发生。通过本发明技术方案的实施有助于促进国家能源战略指标的完成，该模型以国家制定的可再生能源消纳指标为着眼点，针对含高比例、大规模可再生能源接入的电力系统消纳能力不足进行深入分析，以促进可再生能源消纳为导向同时兼顾系统经济性，在保证电网不会切负荷的情况下给出满足可再生能源消纳指标的规划方案。所得到的规划方案能够在完成可再生能源消纳指标的同时，实现可再生能源利用小时数最大，保证电网的经济运行。
最后有必要在此指出的是：以上所述仅为本发明较佳的具体实施方案，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种促进消纳的可再生能源容量配置方法，其特征在于：具体包括以下步骤：
(1)获取电网拓扑并根据电网结构进行建模以形成能够表征电网特征的数据矩阵
所述数据矩阵包括节点信息矩阵、网架结构矩阵和线路参数矩阵，所述节点信息矩阵包含区域电网的节点数量、每个节点上的典型时刻负荷数据以及电源装机数据，所述网架结构矩阵包括表征节点是否相连的关联矩阵，线路参数矩阵包括线路最大传输容量信息、线路的电阻、线路的电抗以及线路的电纳；
(2)检验电网数据的合理性以及应用于电网规划的适应性
针对步骤(1)所述数据矩阵收集的电网数据进行一次最优潮流计算，并根据潮流计算结果的收敛性判断网架结构以及电网数据的合理性，若潮流结果有解即代表收敛，则进行步骤(3)；若潮流结果无解即代表不收敛，则通过节点负荷数据校验、网架连通性校验、电源装机数据校验三方面核对数据后，再一次进行最优潮流计算，直至潮流结果有解；
(3)分析电网中各类灵活性资源的边界条件
根据获得的可再生能源消纳率、区域电网中资源状况量化估算各类灵活性资源边界，所述各类灵活性资源包括待规划电网中的电源种类、各类电源爬坡性能、各类电源发电成本、各类电源装机情况、各类电源规划情况和电网中储能资源情况；
(4)调度中心上传可再生能源与负荷功率曲线
从调度中心上传的可再生能源与负荷功率曲线获取区域电网中各节点负荷在各时刻的负荷功率；同时，根据待规划电网地区可再生能源资源状况、利用小时数、历史数据进行可再生能源功率预测，以形成可再生能源序列矩阵以及负荷功率序列矩阵；
(5)基于步骤(1)至(4)中的电网结构与数据信息，建立包括规划层模型和运行层模型的促进消纳的可再生能源规划模型
所述规划层模型以可再生能源装机量为控制变量，以可再生能源投资费用、可再生能源占地面积为状态变量，以可再生能源装机量投资最小为目标；所述运行层模型以可再生能源机组输出功率、传统能源机组发电功率、储能充放电功率为控制变量，以可再生能源消纳率、可再生能源消减率、母线相角、线路传输功率、储能装置荷电状态为状态变量，以可再生能源收益最大为目标；将可再生能源消纳率、削减率以及消纳量削减量作为规划方案优劣的参考指标，并以约束条件的形式加入到所述可再生能源规划模型中；
(6)基于Matlab仿真平台编程对步骤(5)中所述可再生能源规划模型进行求解
通过分支界定法对所述规划层模型和所述运行层模型相互迭代求得最优解；所述可再生能源规划模型无解时，分析并转换为保证可再生能源消纳率或消减率的规划模型，即通过松弛可再生能源消纳率或削减率约束继续优化求解；得到各节点上可再生能源装机容量、调度方案，最后计算各种调度方案的可再生能源消纳率、可再生能源削减率、各机组在各时刻的输出功率以及储能装置的输出功率，输出可再生能源接入点、可再生能源接入量、可再生能源消纳率、可再生能源削减率，以完成促进消纳的可再生能源容量配置；
其中，步骤(5)中，所述规划层模型包括规划层目标函数和规划层约束条件，所述规划层约束条件包括可再生能源装机占地面积约束、系统备用容量约束和可再生能源投资费用约束；运行层模型包括运行层目标函数和运行层约束条件，所述运行层约束条件包括节点平衡功率约束、传统机组向上爬坡约束、传统机组向下爬坡约束、储能装置的电力电量平衡约束、传统机组输出功率约束、可再生能源机组输出功率约束、可再生能源最大发电功率与装机容量的关系约束、储能装置输出功率约束、储能装置荷电状态约束、母线相角约束、线路传输功率约束、可再生能源消减率约束和可再生能源消纳率约束；
所述规划层目标函数为：
其中，f1为可再生能源装机投资最小，M为可再生能源种类，N为母线数量，Cm,n为第n个节点上第m种可再生能源机组单位投资费用，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量；
所述可再生能源装机占地面积约束为：
其中，
为所有可再生能源装机占地面积，αm为第m种可再生能源单位占地面积，SRG,m为第m种可再生能源装机容量，Dmin、Dmax分别为该区域用于可再生能源开发面积最大值与最小值；
所述系统备用容量约束为：
CTG+CRG≥PLoad+CH
其中，CTG、CRG、PLoad、CH分别为传统能源总装机、可再生能源装机总有效容量、系统总负荷功率、备用总容量；
所述可再生能源投资费用约束为：
其中，βm为第m种可再生能源单位建设费用，Sm为m种可再生能源装机容量，Bmin、Bmax分别为该区域用于可再生能源建设费用的最大值与最小值；
所述运行层目标函数为：
f2＝max(BRG,I-BRG,O-BTG,O)
其中，f2为可再生能源消纳收益最大，BRG,I为可再生能源发电收益，BRG,O为可再生能源消减率惩罚费用，BTG,O为传统机组发电成本，λm为第m种可再生能源单位发电收益，μm为可再生能源消减率单位惩罚费用，γk为传统机组单位发电成本，Δt为计算时间粒子度，
分别为t时刻第n个节点上的第m种可再生能源机组输出功率与可再生能源机组预测出力，/>
为t时刻第n个节点上第k种传统机组出力，k为传统机组种类，Δt为时间粒子间隔，所述时间粒子间隔取15min，30min或1h；
所述节点平衡功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，k为传统机组的种类；/>
为t时刻第n个节点上的第m种可再生能源机组输出功率，m为可再生能源机组的种类；
所述传统机组向上爬坡约束为：
其中，
为t+1时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向上爬坡容量，Δt为时间粒子间隔；
所述传统机组向下爬坡约束为：
其中，
为t时刻第n个节点上第k种机组的发电功率，/>
为第k种机组的向下爬坡容量；
所述储能装置的电力电量平衡约束为：
其中，
为t+1时刻第n个节点上第u种储能的荷电状态，/>
为t时刻第n个节点上第u种储能的输出功率，/>
为t时刻第n个节点上第u种储能的充放电效率；
所述传统机组输出功率约束为：
其中，
为t时刻第n个节点上第k种传统机组出力，/>
分别为t时刻第n个节点上第k种机传统组输出功率的最小值与最大值；
所述可再生能源机组输出功率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
分别为t时刻第n个节点上第m种可再生能源机组输出功率的最小值与最大值；/>
所述可再生能源最大发电功率与装机容量的关系约束：
其中，Nm,n为第n个节点上第m种可再生能源机组台数，
为第n个节点上第m种可再生能源机组单机容量，ηRG,m,n为第n个节点上第m种可再生能源发电效率，Nm,n＝0,1,2...为大于等于0的整数；
所述储能装置输出功率约束为：
其中，
为t时刻第n个节点上第u种储能的输出功率，/>
分别为t时刻第n个节点上第u种储能装置输出功率的最小值与最大值；
所述储能装置荷电状态约束为：
其中，
为t时刻第n个节点上第u种储能的荷电状态，/>
分别为t时刻第n个节点上第u种储能装置荷电状态的最小值与最大值；
所述母线相角约束为：
其中，
分别为第n个母线上相角的最大值与最小值，/>
为第n个母线上相角；
所述线路传输功率约束为：
其中，
分别为线路i-j上传输功率最大值与最小值，/>
为t时刻线路i-j上传输功率；
所述可再生能源消减率约束为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
分别为t时刻第n个节点上第m种机组预测功率，δm为允许的可再生能源消减率；
所述可再生能源消纳率约束，即可再生能源发电量占总负荷用电量的比值为：
其中，
为t时刻第n个节点上的第m种可再生能源机组输出功率，/>
为t时刻第n个节点上的负荷功率，ε为可再生能源消纳率，ε的取值为可再生能源发电量要求占负荷用电量的7％。
2.根据权利要求1所述的可再生能源容量配置方法，其特征在于：所述步骤(1)中获取的电网拓扑包括节点信息矩阵、网架结构矩阵、线路参数矩阵、已有机组装机容量、机组爬坡参数、机组调峰深度、机组发电成本、负荷功率时序曲线、可再生能源功率时序曲线、各类可再生能源消纳指标、可再生能源投资的最大值与最小值、可再生能源占地面积的最大值与最小值、单台风电及光伏装机容量。
3.根据权利要求1所述的可再生能源容量配置方法，其特征在于：步骤(4)中所述可再生能源与负荷功率曲可选取的时间粒子为5min、10min、15min或30min。
4.根据权利要求1所述的可再生能源容量配置方法，其特征在于，步骤(4)中，所述可再生能源序列矩阵通过下列公式计算得到：
其中，
为可再生能源预测功率矩阵，/>
为T时刻第N个节点上的第m种可再生能源的预测功率，同时作为该节点上第m种可再生能源机组出力的上限，N为节点数，T为时间序列个数；
所述负荷功率序列矩阵通过下列公式计算得到：
其中，PL负荷功率序列矩阵，
为T时刻第N个节点上的负荷功率，N为节点数，T为时间序列个数。
5.根据权利要求4所述的可再生能源容量配置方法，其特征在于：当所述运行层模型求解得到满足消纳指标的可再生能源规划方案存在多解时，根据规划层模型中可再生能源投资最小为目标寻优进而得到最优的规划方案。
6.根据权利要求1所述的可再生能源容量配置方法，其特征在于，步骤(6)中所述可再生能源规划模型通过下述公式进行求解：
其中，
为第t个时段的变量，/>
为t时段第n个母线上第k种传统机组输出功率；
为t时段第n个母线上第m种可再生能源机组输出功率；/>
为t时段第n个母线上第u种储能装置输出的功率；/>
为t时段第n个母线上第u种储能的荷电状态；θn (t)为t时段第n个母线的相角；
X＝[X1 (1)XN (T)]
其中，X为所有时刻的变量；
Y＝[Nm,1Nm,N]
其中，Y为可再生能源装机变量，作为规划层模型中的控制变量；
Z＝[X Y]＝[X1 (1)XN (T)Nm,1Nm,N]
其中，Z为最终的变量形式；
根据该变量特点以及约束条件的线性特征，将促进可再生能源消纳的规划模型，即步骤(6)中的目标函数和约束条件转为如下格式：
max F＝C*Z′
s.t.AEQ*Z′＝BEQ
A*Z′≤B
L≤Z′≤U
其中，C为目标函数的系数，AEQ为等式约束的系数，BEQ为等式约束中的常数，A为不等式约束的系数，B为不等式约束的常数，L、U为变量的上下限。
7.根据权利要求6所述的可再生能源容量配置方法，其特征在于：当所述可再生能源规划模型无解时，松弛所述可再生能源削减率约束，计算得到保证可再生能源消纳率的规划方案；或者，松弛可再生能源消纳率约束，计算得到保证可再生能源削减率的规划方案。
8.根据权利要求1-7任一权利要求所述的可再生能源容量配置方法，其特征在于：所述可再生能源包括风电、光伏、水电、生物质能中的一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811229935.1A CN109523128B (zh) | 2018-10-22 | 2018-10-22 | 一种促进消纳的可再生能源容量配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811229935.1A CN109523128B (zh) | 2018-10-22 | 2018-10-22 | 一种促进消纳的可再生能源容量配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109523128A CN109523128A (zh) | 2019-03-26 |
| CN109523128B true CN109523128B (zh) | 2023-06-09 |
Family
ID=65772215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811229935.1A Active CN109523128B (zh) | 2018-10-22 | 2018-10-22 | 一种促进消纳的可再生能源容量配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109523128B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110350521B (zh) * | 2019-07-09 | 2020-09-29 | 国网江苏省电力有限公司经济技术研究院 | 一种高比例可再生能源跨区互动消纳的受端电网阻塞预测方法及装置 |
| CN112310984A (zh) * | 2019-07-24 | 2021-02-02 | 国网能源研究院有限公司 | 考虑多种消纳措施的新能源就地消纳能力评估方法 |
| CN110445180A (zh) * | 2019-09-03 | 2019-11-12 | 国网河南省电力公司信阳供电公司 | 一种新能源并网方法 |
| CN111030091B (zh) * | 2019-11-28 | 2021-11-30 | 新奥数能科技有限公司 | 一种确定分布式可再生能源电力装机容量的方法及系统 |
| CN111401696B (zh) * | 2020-02-28 | 2023-09-22 | 国网浙江省电力有限公司台州供电公司 | 一种计及可再生资源不确定性的配电系统协调规划方法 |
| CN111695235B (zh) * | 2020-04-24 | 2023-05-26 | 广东电网有限责任公司 | 可再生能源消纳责任权重的区域分解方法、装置及系统 |
| CN113592125A (zh) * | 2020-04-30 | 2021-11-02 | 国网新疆电力有限公司 | 一种特高压直流配套电源配比优化比选方法和系统 |
| CN111541244B (zh) * | 2020-04-30 | 2022-08-19 | 国网江苏省电力有限公司经济技术研究院 | 考虑储能装置度电成本的电网侧储能装置容量计算方法 |
| CN112132453A (zh) * | 2020-09-22 | 2020-12-25 | 国网能源研究院有限公司 | 区域电网可再生能源最优接纳规模评估方法、系统及装置 |
| CN112491043B (zh) * | 2020-11-23 | 2022-11-01 | 国网经济技术研究院有限公司 | 一种新能源富集电网电源规划方法及系统 |
| CN112734098B (zh) * | 2020-12-31 | 2023-01-31 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
| CN113205273B (zh) * | 2021-05-20 | 2024-03-29 | 国网山西省电力公司经济技术研究院 | 一种计及区外电能交易的低碳化电源规划方法及系统 |
| CN113642792A (zh) * | 2021-08-12 | 2021-11-12 | 中国南方电网有限责任公司 | 全面考虑复杂大电网运行约束条件的中长期机组组合精确建模技术方法 |
| CN114142461B (zh) * | 2021-11-24 | 2023-11-10 | 国网湖北省电力有限公司电力科学研究院 | 考虑电网形态演变和结构发展的新能源差异化配置方法 |
| CN114362263B (zh) * | 2021-12-06 | 2023-07-07 | 深圳供电局有限公司 | 配电网光伏功率的控制方法、装置、计算机设备 |
| CN115081902B (zh) * | 2022-06-30 | 2024-04-09 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
| CN107025520A (zh) * | 2017-04-05 | 2017-08-08 | 广东电网有限责任公司东莞供电局 | 配电网新能源消纳能力确定的双层二阶锥规划方法与系统 |
| CN107220488A (zh) * | 2017-05-17 | 2017-09-29 | 上海理工大学 | 基于可再生能源电能替代效应的能源结构优化方法 |
| CN107274087A (zh) * | 2017-06-09 | 2017-10-20 | 燕山大学 | 一种计及需求侧响应不确定性的主动配电网双层规划方法 |
| CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
-
2018
- 2018-10-22 CN CN201811229935.1A patent/CN109523128B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
| CN107025520A (zh) * | 2017-04-05 | 2017-08-08 | 广东电网有限责任公司东莞供电局 | 配电网新能源消纳能力确定的双层二阶锥规划方法与系统 |
| CN107220488A (zh) * | 2017-05-17 | 2017-09-29 | 上海理工大学 | 基于可再生能源电能替代效应的能源结构优化方法 |
| CN107274087A (zh) * | 2017-06-09 | 2017-10-20 | 燕山大学 | 一种计及需求侧响应不确定性的主动配电网双层规划方法 |
| CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于机会约束规划的主动配电网分布式风光双层优化配置;马瑞 等;《电工技术学报》;20160229;全文 * |
| 考虑无功资源协同优化的配电网分布式可再生能源双层规划模型;郭焱林 等;《电力建设》;20180630;全文 * |
| 考虑灵活性需求时空特性的电网调度计划与评价;孙伟卿 等;《电力自动化设备》;20180731;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109523128A (zh) | 2019-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109523128B (zh) | 一种促进消纳的可再生能源容量配置方法 | |
| CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
| CN110661246B (zh) | 一种城市轨道交通光伏储能系统的容量优化配置方法 | |
| CN109767105B (zh) | 一种基于风光水火储联合系统的多能互补协调发电调度方法 | |
| CN109659927B (zh) | 一种考虑储能参与度的综合能源微网储能容量配置方法 | |
| CN102496968A (zh) | 间歇式能源与常规能源协调调度模式下发电计划优化方法 | |
| CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN109149651A (zh) | 一种计及调压辅助服务收益的光储系统优化运行方法 | |
| CN109993345B (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
| CN114243795A (zh) | 一种典型充电站综合能源协同交互优化配置方法及系统 | |
| CN115936244A (zh) | 考虑可再生能源发电不确定性的虚拟电厂优化调度方法 | |
| CN107834543A (zh) | 一种基于两阶段混合整数规划的电力系统运行模拟方法 | |
| CN116505512A (zh) | 考虑负荷需求响应的微网优化运行方法 | |
| CN116805192A (zh) | 考虑最优弃能率的综合能源系统双层规划优化方法及应用 | |
| CN112886624B (zh) | 一种三站合一变电站储能装置规划设计系统及方法 | |
| Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| Cao et al. | Optimal Capacity Configuration of Battery Storage System for Zero Energy Office Building on Campus | |
| Jinglin et al. | Multi-objective Collaborative Planning Method for Micro-energy Systems Considering Thermoelectric Coupling Clusters | |
| Liang et al. | Allowable Capacity Analysis of Distributed Renewable Energy Resources in Active Distribution Network | |
| Hui et al. | Research on charge and discharge control strategy of electric vehicles in building micro-grid based on V2G mode | |
| Zhang et al. | Key Techniques of the Digital Energy Internet Park: An Example of State Grid Energy Internet Rongchuang Park in Lanzhou | |
| Lv et al. | Particle Swarm Algorithm Based Hybrid Energy Generation Capacity Allocation Research for Urban Buildings | |
| CN115983555A (zh) | 一种电力电量平衡测算系统及方法 |
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 |