CN109740808A - 一种风光水互补发电计划计算方法及系统 - Google Patents
一种风光水互补发电计划计算方法及系统 Download PDFInfo
- Publication number
- CN109740808A CN109740808A CN201811606771.XA CN201811606771A CN109740808A CN 109740808 A CN109740808 A CN 109740808A CN 201811606771 A CN201811606771 A CN 201811606771A CN 109740808 A CN109740808 A CN 109740808A
- Authority
- CN
- China
- Prior art keywords
- power
- power supply
- wind
- joint
- station
- 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
Classifications
-
- 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
本发明涉及电力调度系统规划设计技术领域,具体涉及一种在水电、风电、光伏发电相互补偿运行方式下,基于电网结构和梯级水电站水力联系耦合的风光水互补发电计划计算方法。包括如下步骤:根据流域内风电、光伏和梯级水电站的电力送出通道,建立涵盖流域水电站、风电和光伏物理电站和电源集合的分层结构;在建立的电站和电源分层结构基础上,建立综合考虑流域内电站送出通道、水电站间水力联系的风光水互补调度模型;对以上模型按照分层协调方法进行求解,满足面向电网运行的梯级水电站与流域风电、光伏电源互补发电运行和计划制定需求。
Description
技术领域
本发明涉及电力调度系统规划设计技术领域,具体涉及一种在水电、风电、光伏发电相互补偿运行方式下,基于电网结构和梯级水电站水力联系耦合的风光水互补发电计划计算方法,还涉及一种风光水互补发电计划计算系统。
背景技术
为促进可再生能源的开发利用,增加能源供应,改善能源结构,我国推行节能减排的能源发展战略,优先安排风能、太阳能、水能等清洁能源发电,以达到充分利用清洁能源的目的,并制定了大规模发展新兴能源规划。我国水能、风能及太阳能资源丰富,水电及新能源装机容量均居世界第一位,面对新能源具有的波动性、随机性特性,如何在保证电网安全运行情况下,充分利用清洁能源成为电网运行需要面对的重要问题。
对于采用大规模接入电网方式开发的风电、光伏电站而言,其大多处于偏僻地区,电力送出能力不足、电力通道资源少,另外我国已经建设了诸多的大型流域水电站,并基本配套建设了相应的电网送出通道,因此对于在梯级水电站流域内的风电、光伏电源,充分利用梯级水电站的电力送出通道,提高区域清洁能源利用水平,成为一个新能源开发利用的重要方式。
对于以上利用梯级水电站电力送出通道,开发利用流域内风、光电源的方式,其对梯级水电站和电网运行产生重要影响,需要根据已建和规划新能源场站、水电站分析不同水平年,综合考虑电站的电网接入方式和送出电力通道、梯级水电站水力联系及综合利用等因素,建立风、光、水互补发电计划的计算方法,为区域新能源规划、梯级水电站运行、电网规划与运行提供支撑。
在现有的新能源调度和风光水互补调度计划制定方法中,主要围绕已建风电、光伏电站和水电站,并通过单个的共用通道送出情况,对于大型流域内,大多风电场、光伏电站为规划电站,且需要梯级水电站的多条电力通道送出情况,无法直接用来制定发电计划。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种风光水互补发电计划计算方法及系统,以解决大型流域内大多风电、光伏电站为规划电站,且需要梯级水电站的多条电力通道送出情况下,风、光、水电站互补发电计划的计算问题。
为解决上述技术问题,本发明提供了一种风光水互补发电计划计算方法,包括以下步骤:
S1,获取流域内电力传输网架结构和流域内水电站拓扑关系;
S2,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域风电、光伏和水电站的分层结构,并基于分层结构构建各层对象模型;
S3,求解根据各层对象模型描述的以风光水电源总发电量最大为目标的目标函数;获得流域内风电、光伏、水电站发电计划。
进一步的,S1中,获取流域内电力传输网架结构和流域内水电站拓扑关系包括:
根据流域内电力传输方向,获取流域内电力传输网架结构;
根据流域内水流传播方向,获取流域内水电站拓扑关系。
进一步的,S2中,分层结构包括联合电源层、电源层和电站层。
进一步的,S2中,分层结构各层具体含义为:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层;
一条送出通道对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站;
2)各联合电源内,根据电源类型,构成电源层,
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层;
3)各已建、在建、规划的风、光、水电站作为物理对象,位于电站层,各风、光、水电站分别集合,组成了上层的风、光、水电源;
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui(i=1,…,I),I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站Li为Ui中水电站个数。
进一步的,S3中,目标函数为:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
进一步的,S3中,采用分层协调方法求解目标函数。
进一步的,采用分层协调方法求解目标函数具体过程为:
将目标函数分解为两层:
1)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui(i=1,…,I)内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei;
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量;
2)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源Ui(i=1,…,I)之间的水力联系和整体协调优化;
整体目标变为:
进一步的,下级模型中,联合电源按照从上游往下游依次求解。
进一步的,下级模型中,风电电源和光伏电源时段出力采用风电电源和光伏电源功率预测数据。
进一步的,风电电源功率预测数据包括风电电源对象中已建、在建、规划风电总的预测功率;
光伏电源功率预测数据包括光伏电源对象中已建、在建、规划光伏总的预测功率。
相应的,本发明还提供了一种风光水互补发电计划计算系统,其特征是,包括结构获取模块、模型构建模块和发电计划计算模块;
结构获取模块,获取流域内电力传输网架结构和流域内水电站拓扑关系;
模型构建模块,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域内风电、光伏和水电站的分层结构,并基于分层结构建立各层对象模型;
发电计划计算模块,求解根据各层对象模型描述的以风光水电源总发电量最大为目标的目标函数,获得流域内风电、光伏、水电站发电计划。
进一步的,模型构建模块中,分层结构从上到下依次包括联合电源层、电源层和电站层,各层具体含义为:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层;
一条送出通道对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站;
2)各联合电源内,根据电源类型,构成电源层,
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层;
3)各已建、在建、规划的风、光、水电站作为物理对象,位于电站层,各风、光、水电站分别集合,组成了上层的风、光、水电源;
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui,i=1,…,I,I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场j=1,…,Ji,Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站k=1,…,Ki,Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站l=1,…,Li,Li为Ui中水电站个数。
进一步的,发电计划计算模块中,目标函数为:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
进一步的,发电计划计算模块中,采用分层协调方法求解目标函数,具体过程为:
将目标函数分解为两层:
1)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei;
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量;
2)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源Ui之间的水力联系和整体协调优化;
整体目标变为:
进一步的,下级模型中,风电电源和光伏电源时段出力采用风电电源和光伏电源功率预测数据;
风电电源功率预测数据包括风电电源对象中已建、在建、规划风电总的预测功率;
光伏电源功率预测数据包括光伏电源对象中已建、在建、规划光伏总的预测功率。
与现有技术相比,本发明所达到的有益效果是:本发明解决大型流域内大多风电、光伏电站站为规划电站,且需要梯级水电站的多条电力通道送出情况下,风、光、水电站互补发电计划的计算问题。可以基于分层结构建立计算模型,使模型概念和结构清晰,方便的考虑通道约束,在模型解算时,可以在各层内分解协调,降低解算难度。综合考虑了梯级水电站电网送出通道和电站间水力联系,解决了传统计算模型未考虑的大型流域内大多风电、光伏电站站为规划电站,且需要梯级水电站的多条电力通道送出情况下的风、光、水互补发电计划计算问题,更加符合电力运行的生产实际,提高了计算结果的可用性,在国内存在诸多大型流域梯级水电站背景下,具有广泛的生产实用性。
附图说明
图1是风光水电站群电力传输网架结构示例;
图2是流域水电站拓扑关系示例;
图3是电站和电源分层结构示意;
图4是电站、电源和联合电源的逻辑关系示意;
图5是本发明一实施例方法的处理过程示意图;
图6是分解协调方法的示意图;
图7是调节时段末水位对其他水电站进行优化计算的示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的一种风光水互补发电计划计算方法,包括以下过程:
S1,获取流域内电力传输网架结构和流域内水电站拓扑关系;
S2,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域风电、光伏和水电站的分层结构,并基于分层结构构建各层对象模型;
S3,根据各层对象模型,建立以风光水电源总发电量最大为目标的目标函数;
S4,求解上述目标函数,获得流域内风电、光伏、水电站发电计划。
本发明在建立的分层结构基础上,建立综合考虑流域内电站风光水互补的目标函数;对以上模型进行求解,满足面向电网运行的梯级水电站与流域风电、光伏电源互补发电运行和计划制定需求。
实施例1
本发明实施例为一种风光水互补发电计划计算方法,参见图5所示,具体包括以下步骤:
步骤1,收集流域内风光水电站群的风、光、水电力信息,根据流域内电力传输方向,获取流域内电力传输网架结构。
具体过程为:
11)收集流域内风光水电站群的风、光、水电资源、电源开发利用和规划信息,电网架构和规划信息,包括:已建风电和光伏电场场站地理分布、技术参数、电网接入、历史运行信息;水电站技术参数、发电运行和综合利用要求、送出电网接入、历史运行信息;区域规划风电、光伏、水电站地理分布和技术参数、电网接入方案;流域水电送出通道容量和电网运行约束;流域水电送出通道规划信息;流域梯级水电站水力联系。
12)根据已建和规划风、光、水电站地理位置、电网接入点、电力传输方向,构建风光水电站群电力传输网架结构。
步骤2,根据流域内水流传播方向,获取流域内水电站拓扑关系。
根据已建和规划水电站地理位置、河流水流传播方向构建流域水电站拓扑关系。
以图1为例,该流域干流上从上游向下游分别有:
位于上游的水电站1-1、水电站1-2、风电场1-1、风电场1-2、光伏电站1-1、光伏电站1-2;上游的所有水电站、风电场、光伏电站通过一条电力通道送出,位于下游的水电站2-1、水电站2-2、风电场2-1、风电场2-2、光伏电站2-1、光伏电站2-2。下游的所有水电站、风电场、光伏电站通过另一条电力通道送出。
流域水电站拓扑关系为位于上游的水电站流向下游的水电站,参见图2所示。
步骤3,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域内风电、光伏和水电站的分层结构,分层结构从上到下依次包括联合电源层、电源层和电站层。
分层结构如图3和图4所示,分层结构的具体描述如下:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层。
一条送出通道(即水电站接入电网的通道,简称“通道”)对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站。各联合电源组成联合电源层,联合电源层中各联合电源因为其涵盖的水电站间拓扑关系(水流关系)产生水力联系。
2)各联合电源内,根据电源类型,建立电源层。
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层。
3)各电源类型包括对应的电站集合。各已建、在建、规划的风、光、水电站作为物理对象,位于电站层。各风、光、水电站分别集合,组成了上层的风、光、水电源。
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui(i=1,…,I),I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站Li为Ui中水电站个数。
以上分层结构可以带来的技术效果有:
1)可以基于分层结构建立计算模型,使模型概念和结构清晰,在模型解算时,可以在各层内分解协调,降低解算难度;
2)通过电源对象的建立,能够综合考虑已建、在建、规划电站,利用已建同类型电站的特性模拟对应的电源对象特性,将通道内同一类型的电站作为一个电源参与建模和计算,降低模型建立和解算的难度。
3)通过联合电源对象的建立,模型可以方便的考虑通道约束,在解算模型时,可根据联合电源对象间的水力联系,协调联合电源的出力。
步骤4,根据地区风、光资源监测信息和已建风电、光伏电站历史运行信息,分析时段出力~概率特性、变幅~概率特性,基于区域数值天气预报结果,通过风电、光伏功率预测模型计算出已建风电场、光伏电站的预测功率过程。
具体包括以下计算过程:
41)出力~概率特性分析:针对风电或光伏电站,从0至装机容量之间分成若干区间,计算历史时段数据(如:日、小时、15分钟等)在不同区间的个数占数据总个数的百分比,可得到电站时段出力在不同区间的概率,即出力区间~概率一一对应的关系,将各出力区间替换为其中间出力值,可得到各区间中间出力值对应概率,即时段出力值~概率对应关系曲线。
对于某个月份,可以针对该月份所有历史时段出力(如:日、小时、15分钟等)按照以上方法计算,得到该月份时段出力~概率对应关系曲线。
42)变幅~概率特性分析:与41)中类似,针对风电或光伏电站,从0至装机容量之间分成若干区间,计算历史时段数据(如:日、小时、15分钟等)中,相邻时段变化值的绝对值在不同区间的个数占数据总个数的百分比,可得到电站时段出力变幅在不同区间的概率,即出力变幅区间~概率一一对应的关系,将各出力变幅区间替换为其中间出力变幅值,可得到各区间中间出力变幅值对应概率,即时段出力变幅值~概率对应关系曲线。
43)基于数值天气预报结果,采用通用的时间序列、拟合回归、人工神经网络等方法计算风电、光伏预测功率过程。
步骤5,利用已建的风电和光伏电站预测功率过程通过乘以一个放大系数作为风电电源和光伏电源的预测功率。
对于联合电源对象Ui,由于风电电源和光伏电源都包含了在建和规划电站,因此利用已建的风电和光伏电站预测功率过程通过乘以一个放大系数作为风电电源和光伏电源的预测功率。具体计算过程如下:
51)风电放大系数:由于各风电场同一时刻风速和风向不会绝对的相同,当某风电场出力增加时,其他风电场出力不一定同步增加,甚至可能出力减少,因此在总容量与已建风电容量比例系数的基础上,再乘以人工给定的折减系数ε,以考虑多个风电场之间的不同步;
52)光伏放大系数:θ为考虑多个光伏电站之间同步性后的折减系数。由于各光伏电站统一时刻太阳辐射不会绝对的相同,当某光伏电站出力增加时,其他光伏电站出力不一定同步增加,甚至可能出力减少,因此在总容量与已建光伏容量比例系数的基础上,再乘以人工给定的折减系数θ,以考虑多个光伏电站之间的不同步。
53)在步骤42)中计算出的联合电源对象Ui内已建风电场的预测功率过程各时段值都乘以风电放大系数得到风电电源对象中已建、在建、规划风电总的预测功率过程。
54)在步骤42)中计算出的联合电源对象Ui内已建光伏电站的预测功率过程各时段值都乘以光伏放大系数得到光伏电源对象中已建、在建、规划光伏总的预测功率过程。
步骤6,以联合电源Ui、风电电源光伏电源水电站为对象建立计算模型。
由于风电和光伏电站没有调节能力,因此将风电电源、光伏电源作为一个对象参与建模;水电站具有一定调节能力,因此直接将水电站作为对象参与模型建立。
以清洁能源充分利用为目的,采用风光水电源总发电量最大为目标,目标函数如下:
水电站出力
目标函数也即:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;为第i联合电源中第l水电站第t时段发电出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
约束条件如下:
a)联合电源Ui内各时段风、光、水电源出力总和,须满足通道出力约束:
式中:Nmint,i、Nmaxt,i为第i联合电源第t时段电力送出通道最小、最大出力约束;
b)联合电源之间,需满足水力联系约束:
式中:为第i+1联合电源中位于最上游的水电站第t时段来水流量;为第i联合电源中位于最下游的水电站第t时段放水流量;为第i+1联合电源中最上游水电站第t时段的上游区间来水流量(即第i联合电源中位于最下游的水电站与第i+1联合电源中最上游水电站之间区间在第t时段的区间来水);
c)水电站须满足自身的蓄水量、放水流量、出力以及水量平衡约束:
(蓄水量约束)
(放水流量约束)
(出力约束)
(水库水量平衡约束)
(上下游电站水力联系约束)
式中:为第i联合电源中第l水电站第t时段蓄水量;为第i联合电源中第l水电站第t时段最小、最大蓄水量;
为第i联合电源中第l水电站第t时段放水流量;为第i联合电源中第l水电站第t时段最小、最大放水流量;
为第i联合电源中第l水电站第t时段最小、最大发电出力;
为第i联合电源中第l水电站第t+1时段蓄水量;为第i联合电源中第l水电站第t时段蓄水量;第i联合电源中第l水电站第t时段来水流量;第i联合电源中第l水电站第t时段放水流量;
为第i联合电源中第l+1水电站第t时段来水流量;为第i联合电源中第l水电站第t时段放水流量;第i联合电源中第l+1水电站第t时段上游区间来水流量。
d)风电电源时段出力初始值直接采用步骤5中计算的预测功率数据,
光伏电源时段出力初始值直接采用步骤5中计算的功率预测数据,
且需要满足容量约束:
(风电出力约束)
(光伏出力约束)
式中:
为第i联合电源中风电电源第t时段最小、最大出力;为第i联合电源中光伏电源第t时段最小、最大出力。
步骤7,对步骤6中建立的模型进行分解。
考虑到求解的复杂性和计算效率,本方法不直接按照大系统分解协调原理进性求解,采用大系统分解协调方法思想,将以上模型分解为上级、下级模型两层,见图6示意。
71)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei。
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量。
约束条件:
(通道出力约束)
(蓄水量约束)
(放水流量约束)
(出力约束)
(水库水量平衡约束)
(上下游电站水力联系约束)
72)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源之间的水力联系和整体协调优化。
整体目标变为:
联合电源Ui和联合电源Ui+1之间水力联系满足如下:
步骤8,按照步骤7中分解后模型,联合电源按照1至I的顺序,从上游往下游依次对71)中各Ui模型求解,获得各联合电源的初始解及相应的优化目标电量Ei。初始解包括各水电站各时段的放水流量期末水位发电出力等过程数据。
风电电源和光伏电源时段出力直接采用步骤5中计算的风电电源和光伏电源功率预测数据,则联合电源发电量最大模型即为典型的梯级水电站以发电量最大为目标的优化模型,可以采用现有技术中动态规划或增量动态规划、逐步优化等方法进性求解(具体求解过程参见现有技术《水电站水库优化调度几种方法的探讨》、《水库优化调度中增量动态规划收敛性研究》、《库群长期优化调度的正交逐步优化算法》,此处不多赘述)。
根据联合电源中水电站关系,按照“先上游、后下游”的顺序对联合电源模型进性优化计算。各联合电源中最上一级水电站来水流量从入库流量预报结果获取(流域梯级最上游电站)或由上级水电站放水流量加上游区间来水预报流量获得。完成各联合电源优化计算后,获得模型的初始解。
步骤9,以初始解为基础,进行逐步优化调整,直至优化目标(流域风光水电总电量)或决策变量不再变化。
在逐步寻优时,如果采用放水流量作为调整变量,则改变后,会影响水电站t+1时段的期初水位,从而引起t+1时段平均水头变化,则如果不变,会相应发生变化,并一直影响后面所有时段的原有结果值。而如果以水电站期末水位值作为逐步寻优变量,如调整t时段期末水位由于其同时也是t+1时段期初水位,因此只会影响t,t+1两个时段的结果值。为此本发明实施例中选择时段期末水位值作为逐步寻优变量。
逐步寻优过程中,通过按照顺序对联合电源中最下游水电站的时段末水位在其取值范围内遍历,联合电源中最下游水电站其他时段末水位作为已知值,对所在联合电源中其他水电站进行优化计算,具体处理过程参见图7所示。由于下级联合电源最上游水电站来水变化,下级所有联合电源都重新优化计算。
步骤10,灵敏度分析与校核。
由于目前风电、光伏功率预测精度较低,其由于预报精度引起的误差在实际运行中需要通过水电调节能力提供互补支持,即风电、光伏电站某时段实际出力大于(小于)预测功率,则相应时段水电需要降低(增大)出力。
根据41)和42)中获取的出力特性曲线和出力变幅曲线,人工将各联合电源中风电、光伏电源各出力数值减少或增加设定数值,校核在此情况下的能否依靠水电站调节能力,保证流域整体电源总出力不变,如不能满足,则调整优化调度模型约束条件,重新计算。如调整后还是不能满足,则不再调整,流域风光电源预测功率带来的偏差依靠接入的电网内其它电源平衡。
步骤11,电站发电计划确定。
按照前述步骤建模和求解后,可获得各水电站水位、出库流量、出力等过程数据,其出力过程即为水电站出力计划。以上步骤完成后,可获得各联合电源风电、光伏电源对象发电出力过程,其电源对象中的各风电场、光伏电站各时段发电计划出力数值等于时段风电或光伏电源出力乘以电站装机占电源总装机的占比获得。
实施例2
以图1、图2为例,该流域干流上从上游向下游分别有:
位于上游的水电站1-1、水电站1-2、风电场1-1、风电场1-2、光伏电站1-1、光伏电站1-2;上游水电站、风电场、光伏电站通过一条电力通道送出,
位于下游的水电站2-1、水电站2-2、风电场2-1、风电场2-2、光伏电站2-1、光伏电站2-2。下游水电站、风电场、光伏通过另一条电力通道送出。
其概化后的逻辑关系见图4。
按本发明方法,风光水互补发电计划计算步骤如下:
(1)收集以上12个风、光、水电站所在流域信息、所在电网网架信息和电站自身设计和技术参数;
(2)依据收集的电网网架信息,构建涵盖12个风、光水电站群的电力送出网架结构;
(3)根据水电站所在流域信息和水电站位置,构建流域水电站拓扑关系;
(4)根据(2)和(3)中构建的电站电力送出网架结构、流域水电站拓扑关系构建电站和电源集合的分层结构,结构中包括联合电源、风电电源、光伏电源、水电电源和水电站;参见图3所示,
(5)如果风电站、光伏电站为已建电站,则直接将其累加值作为风电电源、光伏电源的预测功率。如果有为规划电站,则用已建电站预测功率乘以其占总容量的比例和人工设定的折减系数后得到风电电源、光伏电源的预测功率。
(6)以(4)中构建的分层结构中联合电源、风电电源、水电站作为对象,以风光水发电量最大为目标,建立模型;
(7)对(6)中建立的模型进行分解,包括下级联合电源内风、光电源和水电站发电量最大模型,上级负责协调联合电源层协调优化;
(8)按照(7)中分解后模型,联合电源按照其包括水电站关系,从上游向下游,独立优化计算,获得初始解;
(9)以初始解为基础,进行逐步优化调整,直至优化目标(流域风光水电总电量)或决策变量不再变化。
(10)校核解算的水电出力过程是否满足风电电源、光伏电源的出力特性曲线和出力变幅曲线,如不能满足,则调整水电优化调度模型约束条件,重新计算。
(11)按照前述步骤建模和求解后,获得各水电站出力过程即为水电站出力计划。电源对象中的各风电场、光伏电站各时段发电计划出力数值等于时段风电或光伏电源出力乘以电站装机占电源总装机的占比获得。
实施例3
基于上述方法同样的发明构思,本发明还提供了一种风光水互补发电计划计算系统,包括结构获取模块、模型构建模块和发电计划计算模块;
结构获取模块,获取流域内电力传输网架结构和流域内水电站拓扑关系;
模型构建模块,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域内风电、光伏和水电站的分层结构,并基于分层结构建立各层对象模型;
发电计划计算模块,求解根据各层对象模型描述的以风光水电源总发电量最大为目标的目标函数,获得流域内风电、光伏、水电站发电计划。
进一步的,模型构建模块中,分层结构从上到下依次包括联合电源层、电源层和电站层,各层具体含义为:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层;
一条送出通道对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站;
2)各联合电源内,根据电源类型,构成电源层,
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层;
3)各已建、在建、规划的风、光、水电站作为物理对象,位于电站层,各风、光、水电站分别集合,组成了上层的风、光、水电源;
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui,i=1,…,I,I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场j=1,…,Ji,Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站k=1,…,Ki,Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站l=1,…,Li,Li为Ui中水电站个数。
进一步的,发电计划计算模块中,目标函数为:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
进一步的,发电计划计算模块中,采用分层协调方法求解目标函数,具体过程为:
将目标函数分解为两层:
1)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei;
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量;
2)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源Ui之间的水力联系和整体协调优化;
整体目标变为:
进一步的,下级模型中,风电电源和光伏电源时段出力采用风电电源和光伏电源功率预测数据;
风电电源功率预测数据包括风电电源对象中已建、在建、规划风电总的预测功率;
光伏电源功率预测数据包括光伏电源对象中已建、在建、规划光伏总的预测功率。
本发明所达到的有效效果:解决大型流域内大多风电、光伏电站站为规划电站,且需要梯级水电站的多条电力通道送出情况下,风、光、水电站互补发电计划的计算问题。可以基于分层结构建立计算模型,使模型概念和结构清晰,方便的考虑通道约束,在模型解算时,可以在各层内分解协调,降低解算难度。综合考虑了梯级水电站电网送出通道和电站间水力联系,解决了传统计算模型未考虑的大型流域内大多风电、光伏电站站为规划电站,且需要梯级水电站的多条电力通道送出情况下的风、光、水互补发电计划计算问题,更加符合电力运行的生产实际,提高了计算结果的可用性,在国内存在诸多大型流域梯级水电站背景下,具有广泛的生产实用性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种风光水互补发电计划计算方法,其特征是,包括以下步骤:
S1,获取流域内电力传输网架结构和流域内水电站拓扑关系;
S2,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域内风电、光伏和水电站的分层结构,并基于分层结构建立各层对象模型;
S3,求解根据各层对象模型描述的以风光水电源总发电量最大为目标的目标函数,获得流域内风电、光伏、水电站发电计划。
2.根据权利要求1所述的一种风光水互补发电计划计算方法,其特征是,S2中,分层结构从上到下依次包括联合电源层、电源层和电站层,各层具体含义为:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层;
一条送出通道对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站;
2)各联合电源内,根据电源类型,构成电源层,
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层;
3)各已建、在建、规划的风、光、水电站作为物理对象,位于电站层,各风、光、水电站分别集合,组成了上层的风、光、水电源;
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui,i=1,...,I,I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场j=1,...,Ji,Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站k=1,...,Ki,Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站l=1,...,Li,Li为Ui中水电站个数。
3.根据权利要求1所述的一种风光水互补发电计划计算方法,其特征是,S3中,目标函数为:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
4.根据权利要求3所述的一种风光水互补发电计划计算方法,其特征是,S3中,采用分层协调方法求解目标函数,具体过程为:
将目标函数分解为两层:
1)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei;
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量;
2)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源Ui之间的水力联系和整体协调优化;
整体目标变为:。
5.根据权利要求4所述的一种风光水互补发电计划计算方法,其特征是,下级模型中,风电电源和光伏电源时段出力采用风电电源和光伏电源功率预测数据;
风电电源功率预测数据包括风电电源对象中已建、在建、规划风电总的预测功率;
光伏电源功率预测数据包括光伏电源对象中已建、在建、规划光伏总的预测功率。
6.一种风光水互补发电计划计算系统,其特征是,包括结构获取模块、模型构建模块和发电计划计算模块;
结构获取模块,获取流域内电力传输网架结构和流域内水电站拓扑关系;
模型构建模块,根据电力传输网架结构和水电站拓扑关系,建立涵盖流域内风电、光伏和水电站的分层结构,并基于分层结构建立各层对象模型;
发电计划计算模块,求解根据各层对象模型描述的以风光水电源总发电量最大为目标的目标函数,获得流域内风电、光伏、水电站发电计划。
7.根据权利要求6所述的一种风光水互补发电计划计算系统,其特征是,模型构建模块中,分层结构从上到下依次包括联合电源层、电源层和电站层,各层具体含义为:
1)根据流域内水电站的送出通道建立对应的联合电源,构成联合电源层;
一条送出通道对应一个联合电源,联合电源包括了通过其对应送出通道送出电力的所有风电、光伏、水电站;
2)各联合电源内,根据电源类型,构成电源层,
联合电源内,一种电源类型对应一个虚拟电源,根据联合电源内包括的风、光、水电源类型分别建立虚拟的风电电源、光伏电源、水电电源,构成电源层;
3)各已建、在建、规划的风、光、水电站作为物理对象,位于电站层,各风、光、水电站分别集合,组成了上层的风、光、水电源;
根据以上分层结构建立的对象表示如下:
1)联合电源层内,第i个联合电源对象记为Ui,i=1,...,I,I为流域水电送出通道个数,也是联合电源层包含的联合电源数量;
2)联合电源Ui由电源层内风电电源对象光伏电源对象和水电电源对象组成;
3)风电电源对象包含电站层内各风电场j=1,...,Ji,Ji为Ui中风电场个数;
光伏电源对象包含电站层内各光伏电站k=1,...,Ki,Ki为Ui中光伏电站个数;
水电电源对象包含电站层内各水电站l=1,...,Li,Li为Ui中水电站个数。
8.根据权利要求6所述的一种风光水互补发电计划计算系统,其特征是,发电计划计算模块中,目标函数为:
式中:E为流域中所有风光水电站在计算时期内的总发电量;为第i联合电源中风电电源第t时段出力;为第i联合电源中光伏电源第t时段出力;Δt为计算时段小时数;ηi,l为第i联合电源中第l水电站综合出力系数;为第i联合电源中第l水电站第t时段放水流量;ht,i,l为第i联合电源中第l水电站第t时段发电水头。
9.根据权利要求8所述的一种风光水互补发电计划计算系统,其特征是,发电计划计算模块中,采用分层协调方法求解目标函数,具体过程为:
将目标函数分解为两层:
1)下级模型
下级模型对应各联合电源,下级模型负责联合电源Ui内风电电源、光伏电源、水电站运行过程的优化和求解,计算相应的优化电量Ei;
对于联合电源Ui,其优化模型如下:
目标函数:
式中Ei为第i联合电源的发电量;
2)上级模型
上级模型对应整体流域,由于联合电源之间经由其水电站存在水力联系,上级模型负责协调联合电源Ui之间的水力联系和整体协调优化;
整体目标变为:。
10.根据权利要求9所述的一种风光水互补发电计划计算系统,其特征是,下级模型中,风电电源和光伏电源时段出力采用风电电源和光伏电源功率预测数据;
风电电源功率预测数据包括风电电源对象中已建、在建、规划风电总的预测功率;
光伏电源功率预测数据包括光伏电源对象中已建、在建、规划光伏总的预测功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811606771.XA CN109740808B (zh) | 2018-12-27 | 2018-12-27 | 一种风光水互补发电计划计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811606771.XA CN109740808B (zh) | 2018-12-27 | 2018-12-27 | 一种风光水互补发电计划计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740808A true CN109740808A (zh) | 2019-05-10 |
CN109740808B CN109740808B (zh) | 2022-07-01 |
Family
ID=66361372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811606771.XA Active CN109740808B (zh) | 2018-12-27 | 2018-12-27 | 一种风光水互补发电计划计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740808B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443470A (zh) * | 2019-07-18 | 2019-11-12 | 清华大学 | 基于生成式对抗网络的风光水联合调度方法及装置 |
CN111342486A (zh) * | 2020-02-24 | 2020-06-26 | 河海大学 | 一种含梯级水电的风光水互补发电系统的优化调度方法 |
CN111697563A (zh) * | 2020-04-30 | 2020-09-22 | 中国电力科学研究院有限公司 | 一种用于预测新能源并网电力流中电源容量的方法及系统 |
CN113346489A (zh) * | 2021-06-09 | 2021-09-03 | 国网山西省电力公司经济技术研究院 | 一种新能源空间耦合性建模评估方法及系统 |
CN113964866A (zh) * | 2021-10-27 | 2022-01-21 | 黄河勘测规划设计研究院有限公司 | 一种单元式多能互补清洁能源基地构建方法 |
CN115271253A (zh) * | 2022-09-05 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种水风光发电功率预测模型构建方法、装置及存储介质 |
CN115438972A (zh) * | 2022-09-13 | 2022-12-06 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
CN115473282A (zh) * | 2022-04-13 | 2022-12-13 | 阿坝水电开发有限公司 | 一种梯级水电与光伏互补发电系统及控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补系统中光伏电站容量优化方法 |
CN107256450A (zh) * | 2017-05-22 | 2017-10-17 | 武汉大学 | 考虑长‑短嵌套决策的水光电互补调度容量配置方法 |
-
2018
- 2018-12-27 CN CN201811606771.XA patent/CN109740808B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256450A (zh) * | 2017-05-22 | 2017-10-17 | 武汉大学 | 考虑长‑短嵌套决策的水光电互补调度容量配置方法 |
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补系统中光伏电站容量优化方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443470A (zh) * | 2019-07-18 | 2019-11-12 | 清华大学 | 基于生成式对抗网络的风光水联合调度方法及装置 |
CN111342486A (zh) * | 2020-02-24 | 2020-06-26 | 河海大学 | 一种含梯级水电的风光水互补发电系统的优化调度方法 |
CN111342486B (zh) * | 2020-02-24 | 2022-10-14 | 河海大学 | 一种含梯级水电的风光水互补发电系统的优化调度方法 |
CN111697563B (zh) * | 2020-04-30 | 2022-09-02 | 中国电力科学研究院有限公司 | 一种用于预测新能源并网电力流中电源容量的方法及系统 |
CN111697563A (zh) * | 2020-04-30 | 2020-09-22 | 中国电力科学研究院有限公司 | 一种用于预测新能源并网电力流中电源容量的方法及系统 |
CN113346489A (zh) * | 2021-06-09 | 2021-09-03 | 国网山西省电力公司经济技术研究院 | 一种新能源空间耦合性建模评估方法及系统 |
CN113964866A (zh) * | 2021-10-27 | 2022-01-21 | 黄河勘测规划设计研究院有限公司 | 一种单元式多能互补清洁能源基地构建方法 |
CN113964866B (zh) * | 2021-10-27 | 2024-02-20 | 黄河勘测规划设计研究院有限公司 | 一种单元式多能互补清洁能源基地构建方法 |
CN115473282A (zh) * | 2022-04-13 | 2022-12-13 | 阿坝水电开发有限公司 | 一种梯级水电与光伏互补发电系统及控制方法 |
CN115271253A (zh) * | 2022-09-05 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种水风光发电功率预测模型构建方法、装置及存储介质 |
CN115271253B (zh) * | 2022-09-05 | 2023-07-14 | 中国长江三峡集团有限公司 | 一种水风光发电功率预测模型构建方法、装置及存储介质 |
CN115438972A (zh) * | 2022-09-13 | 2022-12-06 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
CN115438972B (zh) * | 2022-09-13 | 2023-10-31 | 中国长江电力股份有限公司 | 一种考虑电力互济特性的梯级水电站联合优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109740808B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740808A (zh) | 一种风光水互补发电计划计算方法及系统 | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
CN109103926A (zh) | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 | |
CN109347151A (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
CN109936170A (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 | |
CN105375507A (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度系统 | |
CN103580061A (zh) | 微电网运行方法 | |
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 | |
Liu et al. | Research on short-term optimization for integrated hydro-PV power system based on genetic algorithm | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN112968441B (zh) | 一种应用于大规模风电基地的电网规划方法 | |
CN109726907A (zh) | 一种水电站群中长期出力计算方法及系统 | |
CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
Pruckner et al. | A study on the impact of packet loss and latency on real-time demand response in smart grid | |
CN109038655A (zh) | 限电要求下大型光伏电站的配套储能容量计算方法 | |
CN106340901B (zh) | 一种基于惯性矩的最优分位点配电网可控资源配置方法 | |
Zhang et al. | Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads | |
Wang et al. | Analysis of Coordinated Operation of the Clean Energy System Based on the Multiobjective Optimization Model | |
CN116014797A (zh) | 一种配网新能源接纳能力提升的评估方法 | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
Jing et al. | Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base | |
Zhang et al. | Data-Driven Distributionally Robust Optimization-Based Coordinated Dispatching for Cascaded Hydro-PV-PSH Combined System |
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 |