CN109742813B - 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 - Google Patents

基于mpc的风电-光伏-光热-火电联合发电优化调度方法 Download PDF

Info

Publication number
CN109742813B
CN109742813B CN201910222826.5A CN201910222826A CN109742813B CN 109742813 B CN109742813 B CN 109742813B CN 201910222826 A CN201910222826 A CN 201910222826A CN 109742813 B CN109742813 B CN 109742813B
Authority
CN
China
Prior art keywords
power
thermal
thermal power
photovoltaic
photothermal
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
CN201910222826.5A
Other languages
English (en)
Other versions
CN109742813A (zh
Inventor
张文松
朱子琪
祁秋民
李美玲
王瑜
王正辉
李鑫
李洛
李兴
张丽娟
刘义龙
张舒凯
岳超
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.)
PowerChina Qinghai Electric Power Engineering Co Ltd
Original Assignee
PowerChina Qinghai Electric Power Engineering Co Ltd
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 PowerChina Qinghai Electric Power Engineering Co Ltd filed Critical PowerChina Qinghai Electric Power Engineering Co Ltd
Priority to CN201910222826.5A priority Critical patent/CN109742813B/zh
Publication of CN109742813A publication Critical patent/CN109742813A/zh
Application granted granted Critical
Publication of CN109742813B publication Critical patent/CN109742813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

Abstract

本发明涉及电力系统运行与控制领域，尤其涉及基于MPC的风电‑光伏‑光热‑火电联合发电优化调度方法。基于MPC的风电‑光伏‑光热‑火电联合发电优化调度方法，所述联合发电优化调度方法包括以下步骤：S1：获取风电‑光伏‑光热‑火电联合发电系统预测信息；S2：建立光热电站热‑电转化模型；S3：建立光热电站储热罐状态预测模型；S4：建立风电‑光伏‑光热‑火电联合发电系统优化调度模型；S5：提出风电‑光伏‑光热‑火电联合发电系统滚动优化调度方法；本发明的目的是提供基于MPC的风电‑光伏‑光热‑火电联合发电优化调度方法，用于促进风电场、光伏电站、光热电站和火电机组协调优化运行，减少弃风、弃光电量，为电网运行提供参考。

Description

基于MPC的风电-光伏-光热-火电联合发电优化调度方法
技术领域
本发明属于电力系统运行与控制领域，尤其涉及基于MPC(Model PredictiveControl模型预测控制)的风电-光伏-光热-火电联合发电优化调度方法。
背景技术
目前，我国风电、光伏装机容量保持持续增长，但风电、光伏发电功率随机波动，配套常规电源调节能力严重不足，使得弃风弃光问题越发凸显。近年来，光热发电成为继光伏发电之后又一种重要的太阳能发电形式，其具备天然储能特性，也具备常规机组并网的响应调节特性，是一种可调度、可控制的新能源发电形式。因此，研究风电-光伏-光热-火电联合发电优化调度方法，对平抑风电、光伏发电功率波动，促进风电、光伏消纳，具有重要意义。
目前，含光热接入的新能源有功优化调度方法，国内外已经具有一定研究基础，主要分为以下两个方面：
1)利用光热发电与风电的功率互补特性，研究光热与风电等新能源的有功互补优化调度方法，但是，关于风电、光伏和光热等多种能源互补运行场景下联合发电系统优化调度方法有待进一步深入研究。
2)利用光热电站储热罐的蓄热作用，发挥光热电站的调节能力，从而应对风电、光伏等新能源的随机波动特性；但是光热电站的调节能力与电站储热罐蓄热状态、太阳法向辐射情况密切相关，现有含光热接入的新能源优化调度方法，难以适应于连续多云、阴天的气象场景。
综合以上，本发明在现有研究基础上，提出基于MPC的风电-光伏-光热-火电联合发电优化调度方法，能够更好适应连续阴天、多云的气象场景，充分发挥光热的调节作用，促进风电、光伏消纳利用。
发明内容
针对现有技术的不足，本发明的目的是提供基于MPC的风电-光伏-光热-火电联合发电优化调度方法，用于促进风电场、光伏电站和光热电站协调优化运行，减少弃风、弃光电量，为电网运行提供参考。
基于MPC的风电-光伏-光热-火电联合发电优化调度方法，所述联合发电优化调度方法包括以下步骤：
S1：获取风电-光伏-光热-火电联合发电系统预测信息；
S2：建立光热电站热-电转化模型；
S3：建立光热电站储热罐状态预测模型；
S4：建立风电-光伏-光热-火电联合发电系统优化调度模型；
S5：提出风电-光伏-光热-火电联合发电系统滚动优化调度方法；
进一步地，所述S1包括获取风电场、光伏电站可发电功率预测信息，光热电站法向辐射量预测信息和系统负荷预测信息；
进一步地，所述S2包括：
S201：光热电站通过集热装置将镜场反射的光能转化为热能，计算光热电站捕获的热功率Pt csp,r：
Pt csp,r＝η1SDt (1)
式中，η1表示光-热转化效率，S表示镜场的面积，Dt表示t时段该镜场的太阳能法向辐射强度；
S202：建立光热电站的热-电转化模型，该模型包含：风电、光伏发电功率较大阶段的充电模型，见式(2)；风电、光伏发电功率较小阶段的放电模型，见式(3)；
Pt csp,c＝(1-η2)Pt csp,r (2)
Pt csp,f＝η3Pt TS,f (3)
式中，Pt csp,c为光热电站的充电功率，η2表示光热电站储热系统的充热损失率，Pt csp,f为光热电站的放电功率，η3表示光热电站热-电转化效率，Pt TS,f表示光热电站储热装置的放热功率。
进一步地，所述S3包括：
以第k日光热电站初始蓄热量C(k|k)为初始值，以第k日时段t光热电站的充、放电功率Pt csp,c、Pt csp,f为待优化控制变量，推导得到k+1日光热电站初始蓄热量C(k+1|k)的预测方程，如下式所示：
Figure GDA0003938942890000031
式中，ΔC(k|k)表示第k日光热电站储热罐的蓄热量变化值，T表示每日的优化调度时段数，ΔT表示每个优化调度时段的时长；
Figure GDA0003938942890000032
表示第k日时段t系统负荷需求功率；
继续扩写式(4)，得到基于第k日光热电站初始蓄热量状态信息C(k|k)的未来N日光热电站初始蓄热量{C(k+1|k)，C(k+2|k)，…，C(k+N|k)}的预测模型，如下式所示：
Figure GDA0003938942890000033
式中，ΔC(k|k)、ΔC(k+1|k)、…、ΔC(k+N-1|k)表示未来N日光热电站储热罐的蓄热量变化值。
进一步地，所述S4包括：
为了实现风电-光伏-光热-火电联合发电系统的经济调度、减少弃风弃光电量，建立以联合发电系统综合调度成本f最小为目标的优化调度模型，其中，综合调度成本包含火电发电成本f1、风电弃风惩罚成本f2和光伏弃光惩罚成本f3，具体如下式所示：
Figure GDA0003938942890000041
式中：λW、λPV分别表示风电弃风和光伏弃光惩罚系数；k表示优化周期的天数，NG表示火电机组数量，NW表示风电场数量，NPV表示光伏电站数量；
Figure GDA0003938942890000042
表示第k+m日t时段火电机组i的调度计划值，/>
Figure GDA0003938942890000043
和/>
Figure GDA0003938942890000044
表示火电机组i的发电成本系数；/>
Figure GDA0003938942890000045
分别表示第k+m日t时段风电场i的调度计划值和预测值；/>
Figure GDA0003938942890000046
分别表示第k+m日t时段光伏电站i的调度计划值和预测值；
风电-光伏-光热-火电联合发电优化调度模型中约束条件主要包含系统功率平衡约束、火电机组运行特性约束、风电场和光伏电站发电能力约束和光热电站运行特性约束，具体如下式所示：
系统功率平衡约束：
Figure GDA0003938942890000047
式中，
Figure GDA0003938942890000051
表示第k+m日t时段光热电站i的充、放电功率；Ncsp表示光热电站的数量；
火电机组运行特性约束：
Figure GDA0003938942890000052
式中，PGi,min、PGi,max分别表示火电机组i的有功出力计划上、下限值；PGi,up、PGi,down分别表示火电机组i的技术出力爬坡速率上、下限制值；
Figure GDA0003938942890000053
表示火电机组i的上、下旋转备用限制；
风电场和光伏电站发电能力约束：
Figure GDA0003938942890000054
光热电站运行特性约束：
Figure GDA0003938942890000055
式中：
Figure GDA0003938942890000056
表示光热发电机组i的发电功率上、下限值；/>
Figure GDA0003938942890000057
分别表示光热发电机组i的发电功率的爬坡速率上、下限值；
光热电站储热系统运行约束：
Figure GDA0003938942890000058
式中，Ccsp,i(k+m|k)表示未来第k+m日光热电站i的初始蓄热量；
Figure GDA0003938942890000061
表示光热电站i蓄热容量的最小、最大值；/>
Figure GDA0003938942890000062
表示k+m日光热电站i在时段t的蓄热功率、
Figure GDA0003938942890000063
表示蓄热功率的最大、最小值；/>
Figure GDA0003938942890000064
表示k+m日光热电站i在时段t的放热功率、/>
Figure GDA0003938942890000065
表示放热功率的最大、最小值；
式(6)-(11)构成了基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，该模型为典型二次规划模型，可采用对偶单纯形法进行求解。
进一步地，所述S5包括：
S501：求解基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，见式(6)-(11)，得到未来M日、每日T个时段风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure GDA0003938942890000066
m＝0,…,M-1，t＝1,…,T；
S502：执行第k+0日的风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure GDA0003938942890000067
m＝0，t＝1,…,T；计算第k+1日光热电站初始储热量信息Ccsp,i(k+1|k+1)，如下式所示：
Figure GDA0003938942890000068
S503：令k＝k+1，并代入公式(6)-(11)，从而建立基于第k+1日光热电站初始储热量信息Ccsp,i(k+1|k+1)的风电-光伏-光热-火电联合发电系统优化调度模型；重复步骤S501—S503。
本发明的技术方案具有以下有益效果：
本发明提供的基于MPC的风电-光伏-光热-火电联合发电优化调度方法，通过：读取风电场、光伏电站可发电功率多日预测信息，光热电站法向辐射量预测信息，系统负荷预测信息；建立光热电站热-电转化模型；建立光热电站储热罐状态预测模型；建立风电-光伏-光热-火电联合发电系统优化调度模型；提出风电-光伏-光热-火电联合发电系统滚动优化调度方法。该策略能够减少弃风、弃光电量，对多种新能源联合并网消纳方面具有重要指导意义。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明提供的基于MPC的风电-光伏-光热-火电联合发电优化调度方法的流程图；
图2是本发明提供的一个风电-光伏-光热-火电联合发电区域电网示意图；
图3是连续7日区域电网内负荷、风电及光伏发电功率预测信息；
图4是连续7日区域电网内光热电站法向辐射强度数据预测信息；
图5是第1日光热电站法向光照辐射强度及储热罐蓄热功率；
图6是第1日区域电网内风电场、光伏电站、光热电站和火电机组有功出力计划；
图7是连续7日区域电网内风电场、光伏电站、光热电站和火电机组有功出力计划。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
具体地，图1是基于MPC的风电-光伏-光热-火电联合发电优化调度方法的流程图。图1中，控制方法流程图包括：
S1：获取风电-光伏-光热-火电联合发电系统预测信息；
S2：建立光热电站热-电转化模型；
S3：建立光热电站储热罐状态预测模型；
S4：建立风电-光伏-光热-火电联合发电系统优化调度模型；
S5：提出风电-光伏-光热-火电联合发电系统滚动优化调度方法；
所述S1包括获取风电场、光伏电站可发电功率预测信息，光热电站法向辐射量预测信息和系统负荷预测信息；
所述S2包括以下步骤：
S201：光热电站通过集热装置将镜场反射的光能转化为热能，计算光热电站捕获的热功率Pt csp,r：
Pt csp,r＝η1SDt (1)
式中，η1表示光-热转化效率，S表示镜场的面积，Dt表示t时段该镜场的太阳能法向辐射强度；
S202：建立光热电站的热-电转化模型，该模型包含：风电、光伏发电功率较大阶段的充电模型，见式(2)；风电、光伏发电功率较小阶段的放电模型，见式(3)；
Pt csp,c＝(1-η2)Pt csp,r (2)
Pt csp,f＝η3Pt TS,f (3)
式中，Pt csp,c为光热电站的充电功率，η2表示光热电站储热系统的充热损失率，Pt csp,f为光热电站的放电功率，η3表示光热电站热-电转化效率，Pt TS,f表示光热电站储热装置的放热功率。
所述S3包括以下步骤：
以第k日光热电站初始蓄热量C(k|k)为初始值，以第k日时段t光热电站的充、放电功率Pt csp,c、Pt csp,f为待优化控制变量，推导得到k+1日光热电站初始蓄热量C(k+1|k)的预测方程，如下式所示：
Figure GDA0003938942890000091
式中，ΔC(k|k)表示第k日光热电站储热罐的蓄热量变化值，T表示每日的优化调度时段数，ΔT表示每个优化调度时段的时长；
Figure GDA0003938942890000092
表示第k日时段t系统负荷需求功率；
继续扩写式(4)，得到基于第k日光热电站初始蓄热量状态信息C(k|k)的未来N日光热电站初始蓄热量{C(k+1|k)，C(k+2|k)，…，C(k+N|k)}的预测模型，如下式所示：
Figure GDA0003938942890000093
式中，ΔC(k|k)、ΔC(k+1|k)、…、ΔC(k+N-1|k)表示未来N日光热电站储热罐的蓄热量变化值。
所述S4包括以下步骤：
为了实现风电-光伏-光热-火电联合发电系统的经济调度、减少弃风弃光电量，建立以联合发电系统综合调度成本f最小为目标的优化调度模型，其中，综合调度成本包含火电发电成本f1、风电弃风惩罚成本f2和光伏弃光惩罚成本f3，具体如下式所示：
Figure GDA0003938942890000101
式中：λW、λPV分别表示风电弃风和光伏弃光惩罚系数；K表示优化周期的天数，NG表示火电机组数量，NW表示风电场数量，NPV表示光伏电站数量；
Figure GDA0003938942890000102
表示第k+m日t时段火电机组i的调度计划值，/>
Figure GDA0003938942890000103
和/>
Figure GDA0003938942890000104
表示火电机组i的发电成本系数；/>
Figure GDA0003938942890000105
分别表示第k+m日t时段风电场i的调度计划值和预测值；/>
Figure GDA0003938942890000106
分别表示第k+m日t时段光伏电站i的调度计划值和预测值；
风电-光伏-光热-火电联合发电优化模型中约束条件主要包含系统功率平衡约束、火电机组运行特性约束、风电场和光伏电站发电能力约束和光热电站运行特性约束，具体如下式所示：
系统功率平衡约束：
Figure GDA0003938942890000107
式中，
Figure GDA0003938942890000108
表示第k+m日t时段光热电站i的充、放电功率；Ncsp表示光热电站的数量；
火电机组运行特性约束：
Figure GDA0003938942890000111
式中，PGi,min、PGi,max分别表示火电机组i的有功出力计划上、下限值；PGi,up、PGi,down分别表示火电机组i的技术出力爬坡速率上、下限制值；
Figure GDA0003938942890000112
表示火电机组i的上、下旋转备用限制；
风电场和光伏电站发电能力约束：
Figure GDA0003938942890000113
光热电站运行特性约束：
Figure GDA0003938942890000114
式中：
Figure GDA0003938942890000115
表示光热发电机组i的发电功率上、下限值；/>
Figure GDA0003938942890000116
分别表示光热发电机组i的发电功率的爬坡速率上、下限值；
光热电站储热系统运行约束：
Figure GDA0003938942890000117
/>
式中，Ccsp,i(k+m|k)表示未来第k+m日光热电站i的初始蓄热量；
Figure GDA0003938942890000118
表示光热电站i蓄热容量的最小、最大值；/>
Figure GDA0003938942890000119
表示k+m日光热电站i在时段t的蓄热功率、
Figure GDA0003938942890000121
表示蓄热功率的最大、最小值；/>
Figure GDA0003938942890000122
表示k+m日光热电站i在时段t的放热功率、/>
Figure GDA0003938942890000123
表示放热功率的最大、最小值；
式(6)-(11)构成了基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，该模型为典型二次规划模型，可采用对偶单纯形法进行求解。
所述S5包括以下步骤：
S501：求解基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，见式(6)-(11)，得到未来M日、每日T个时段风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure GDA0003938942890000124
m＝0,…,M-1，t＝1,…,T；
S502：执行第k+0日的风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure GDA0003938942890000125
m＝0，t＝1,…,T；计算第k+1日光热电站初始储热量信息Ccsp,i(k+1|k+1)，如下式所示：
Figure GDA0003938942890000126
S503：令k＝k+1，并代入公式(6)-(11)，从而建立基于第k+1日光热电站初始储热量信息Ccsp,i(k+1|k+1)的风电-光伏-光热-火电联合发电系统优化调度模型；重复步骤S501—S503。
图2是一个风电-光伏-光热-火电联合发电区域电网示意图，以此为例，本发明提供的基于MPC的风电-光伏-光热-火电联合发电优化调度方法包括：
(1)获取电网运行参数和功率预测信息；该区域电网内共有光热电站1座，光伏电站1座，风电场2座，火电厂1座，各风光电场站以及火电机组的运行参数信息见表1-表5；其中，光伏电站、风电场连续7日的有功预测出力信息见图3，该区域电网内连续7日系统负荷需求预测信息见图3，光热电站连续7日法向辐射强度数据预测信息见图4。
表1光热电站储热系统参数信息表
Figure GDA0003938942890000131
表2光热电站参数信息表
Figure GDA0003938942890000132
表3光伏电站参数信息表
Figure GDA0003938942890000133
表4风电场参数信息表
Figure GDA0003938942890000134
表5火电机组参数信息表
Figure GDA0003938942890000135
(2)根据光热电站热-电转化模型，获取光热电站储热罐充电功率；光热电站通过集热装置将镜场反射的光能转化为热能，并储存在储热罐中，基于图4中第1日的光热电站法向辐射强度预测数据，计算得到第1日光热电站储热罐蓄热功率26，如图5所示；
(3)基于第1日光热电站储热罐初始蓄热量，建立并求解风电-光伏-光热-火电联合发电系统优化调度模型；假设第1日光热光热电站储热罐初始蓄热量为330MWh,计算得到第1日区域电网内风电场有功出力计划22、光伏电站有功出力计划23、光热电站有功出力计划21和火电机组的有功出力计划24，如图6所示；
(4)根据第1日区域电网内风电场、光伏电站、光热电站和火电机组有功出力计划的优化结果，利用光热电站储热罐状态预测模型，求解得到第2日储热罐初始蓄热状态预测信息，然后利用风电-光伏-光热-火电联合发电系统优化调度模型，求解得到第2日区域电网内风电场、光伏电站、光热电站和火电机组有功出力计划；重复上述过程，得到连续7日储热罐初始蓄热状态预测信息，见表6，得到连续7日区域电网内风电场有功出力计划22、光伏电站有功出力计划23、光热电站有功出力计划21和火电机组的有功出力计划24的优化结果，见图7。
表6储热罐状态预测信息表
Figure GDA0003938942890000141
/>

Claims (3)

1.基于MPC的风电-光伏-光热-火电联合发电优化调度方法，其特征在于,所述风电-光伏-光热-火电联合发电优化调度方法包括以下步骤：
S1：获取风电场、光伏电站可发电功率预测信息，光热电站法向辐射量预测信息和系统负荷预测信息；
S2：建立光热电站热-电转化模型；
所述S2包括以下步骤：S201：光热电站通过集热装置将镜场反射的光能转化为热能，计算光热电站捕获的热功率Pt csp,r：
Pt csp,r＝η1SDt (1)
式中，η1表示光-热转化效率，S表示镜场的面积，Dt表示t时段该镜场的太阳能法向辐射强度；
S202：建立光热电站的热-电转化模型，该模型包含：风电、光伏发电功率较大阶段的充电模型，见式(2)；风电、光伏发电功率较小阶段的放电模型见式(3)；
Pt csp,c＝(1-η2)Pt csp,r (2)
Pt csp,f＝η3Pt TS,f (3)
式中，Pt csp,c为光热电站的充电功率，η2表示光热电站储热系统的充热损失率，Pt csp,f为光热电站的放电功率，η3表示光热电站热-电转化效率，Pt TS,f表示光热电站储热罐的放热功率；
S3：建立光热电站储热罐状态预测模型；
所述S3包括以下步骤：以第k日光热电站初始蓄热量C(k|k)为初始值，以第k日时段t光热电站的充、放电功率Pt csp,c、Pt csp,f为待优化控制变量，推导得到k+1日光热电站初始蓄热量C(k+1|k)的预测方程，如下式所示：
Figure FDA0003950519700000021
式中，△C(k|k)表示第k日光热电站储热罐的蓄热量变化值，T表示每日的优化调度时段数，△T表示每个优化调度时段的时长；
继续扩写式(4)，得到基于第k日光热电站初始蓄热量状态信息C(k|k)的未来N日光热电站初始蓄热量{C(k+1|k)，C(k+2|k)，L，C(k+N|k)}的预测模型，如下式所示：
Figure FDA0003950519700000022
式中，△C(k|k)、△C(k+1|k)、…、△C(k+N-1|k)表示未来N日光热电站储热罐的蓄热量变化值；
S4：建立风电-光伏-光热-火电联合发电系统优化调度模型；
S5：提出风电-光伏-光热-火电联合发电系统滚动优化调度方法。
2.根据权利要求1所述的基于MPC的风电-光伏-光热-火电联合发电优化调度方法，其特征在于,所述S4包括以下步骤：
为了实现风电-光伏-光热-火电联合发电系统的经济调度、减少弃风弃光电量，建立以联合发电系统综合调度成本f最小为目标的优化调度模型，其中，综合调度成本包含火电发电成本f1、风电弃风惩罚成本f2和光伏弃光惩罚成本f3，具体如下式所示：
Figure FDA0003950519700000031
式中：λW、λPV分别表示风电弃风和光伏弃光惩罚系数；M表示优化周期的天数，NG表示火电机组数量，NW表示风电场数量，NPV表示光伏电站数量；
Figure FDA0003950519700000032
表示第k+m日t时段火电机组i的调度计划值，
Figure FDA0003950519700000033
和
Figure FDA0003950519700000034
表示火电机组i的发电成本系数；
Figure FDA0003950519700000035
分别表示第k+m日t时段风电场i的调度计划值和预测值；
Figure FDA0003950519700000036
分别表示第k+m日t时段光伏电站i的调度计划值和预测值；
风电-光伏-光热-火电联合发电优化模型中约束条件主要包含系统功率平衡约束、火电机组运行特性约束、风电场和光伏电站发电能力约束和光热电站运行特性约束，具体如下式所示：
系统功率平衡约束：
Figure FDA0003950519700000037
式中，
Figure FDA0003950519700000038
表示第k+m日t时段光热电站i的充、放电功率；Ncsp表示光热电站的数量；
火电机组运行特性约束：
Figure FDA0003950519700000039
式中，PGi,min、PGi,max分别表示火电机组i的有功出力计划上、下限值；PGi,up、PGi,down分别表示火电机组i的技术出力爬坡速率上、下限制值；
Figure FDA00039505197000000310
表示火电机组i的上、下旋转备用限制；
风电场和光伏电站发电能力约束：
Figure FDA0003950519700000041
光热电站运行特性约束：
Figure FDA0003950519700000042
式中：
Figure FDA0003950519700000043
表示光热发电机组i的发电功率上、下限值；
Figure FDA0003950519700000044
分别表示光热发电机组i的发电功率的爬坡速率上、下限值；
光热电站储热系统运行约束：
Figure FDA0003950519700000045
式中，Ccsp,i(k+m|k)表示未来第k+m日光热电站i的初始蓄热量；
Figure FDA0003950519700000046
表示光热电站i蓄热容量的最小、最大值；
Figure FDA0003950519700000047
表示k+m日光热电站i在时段t的蓄热功率、
Figure FDA0003950519700000048
表示蓄热功率的最大、最小值；
Figure FDA0003950519700000049
表示k+m日光热电站i在时段t的放热功率、
Figure FDA00039505197000000410
表示放热功率的最大、最小值；
式(6)-(11)构成了基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，该模型为典型二次规划模型，采用对偶单纯形法进行求解。
3.根据权利要求2所述的基于MPC的风电-光伏-光热-火电联合发电优化调度方法，其特征在于,所述S5包括以下步骤：
S501：求解基于第k日光热电站初始蓄热量状态信息C(k|k)的风电-光伏-光热-火电联合发电系统优化调度模型，见式(6)-(11)，得到未来M日、每日T个时段风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure FDA0003950519700000051
S502：执行第k+0日的风电场、光伏电站、光热电站和火电厂的发电功率计划
Figure FDA0003950519700000052
计算第k+1日光热电站初始储热量信息Ccsp ,i(k+1|k+1)，如下式所示：
Figure FDA0003950519700000053
S503：令k＝k+1，并代入公式(6)-(11)，从而建立基于第k+1日光热电站初始储热量信息Ccsp,i(k+1|k+1)的风电-光伏-光热-火电联合发电系统优化调度模型；重复步骤S501—S503。
CN201910222826.5A 2019-03-22 2019-03-22 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 Active CN109742813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910222826.5A CN109742813B (zh) 2019-03-22 2019-03-22 基于mpc的风电-光伏-光热-火电联合发电优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910222826.5A CN109742813B (zh) 2019-03-22 2019-03-22 基于mpc的风电-光伏-光热-火电联合发电优化调度方法

Publications (2)

Publication Number Publication Date
CN109742813A CN109742813A (zh) 2019-05-10
CN109742813B true CN109742813B (zh) 2023-03-24

Family

ID=66371215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910222826.5A Active CN109742813B (zh) 2019-03-22 2019-03-22 基于mpc的风电-光伏-光热-火电联合发电优化调度方法

Country Status (1)

Country Link
CN (1) CN109742813B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110137954A (zh) * 2019-05-17 2019-08-16 长沙理工大学 一种含光热电站的虚拟电厂优化调度方法
CN110119850B (zh) * 2019-05-22 2023-04-07 长沙理工大学 基于光热发电调节的储热量双阶段优化调度方法
CN110198039B (zh) * 2019-06-10 2022-05-10 东南大学溧阳研究院 应对高比例光伏并网的光热电站优化建模及运行方法
CN110410289B (zh) * 2019-07-24 2020-12-29 中国科学院电工研究所 利用太阳能供热和高温热化学储热的sofc-gt联合发电系统
CN110535185B (zh) * 2019-08-09 2022-03-18 东北电力大学 一种考虑需求响应的含光热电站多源优化运行方法
CN110489915B (zh) * 2019-08-27 2023-04-07 南方电网科学研究院有限责任公司 计及综合需求响应的电热联合调度方法及系统
CN110766198A (zh) * 2019-09-18 2020-02-07 中国电建集团青海省电力设计院有限公司 一种基于光伏电站占地面积定量计算的光伏电站布置方法
CN110729764B (zh) * 2019-12-06 2022-06-24 国网江苏省电力有限公司南通供电分公司 一种含光伏发电系统的优化调度方法
CN110994698B (zh) * 2019-12-18 2022-05-24 东北电力大学 一种太阳能光伏-光热联合发电系统优化运行方法
CN112260308B (zh) * 2020-09-29 2022-08-02 青海大学 一种地热-光伏-储热联合运行方法及系统
CN112260309B (zh) * 2020-09-29 2022-08-26 青海大学 一种光伏电站可信容量的计算方法及装置
CN112580856A (zh) * 2020-11-30 2021-03-30 中节能国机联合电力(宁夏)有限公司 一种光热电站参与调节的多时间尺度源源优化调度方法
CN113410850B (zh) * 2021-04-02 2022-08-19 河海大学 基于mpc的光热风电联合调频模型和调频策略
CN114884101B (zh) * 2022-07-04 2022-09-30 华中科技大学 一种基于自适应模型控制预测的抽水蓄能调度方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105375479A (zh) * 2015-12-14 2016-03-02 东南大学 一种基于模型预测控制的分布式能源能量管理方法
CN108256670A (zh) * 2017-12-22 2018-07-06 甘肃省电力公司风电技术中心 基于热电联产的光热发电及热电机组联合调峰优化模型
CN108322139A (zh) * 2018-03-01 2018-07-24 东北电力大学 一种计及综合成本的风电-光伏-光热发电的联合调度方法
CN108321837A (zh) * 2017-11-27 2018-07-24 河海大学 一种风电-光热联合发电系统及其运行方法
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
US20180356105A1 (en) * 2017-04-28 2018-12-13 Southeast University Modeling Method of Combined Heat and Power Optimal Dispatching Model

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105375479A (zh) * 2015-12-14 2016-03-02 东南大学 一种基于模型预测控制的分布式能源能量管理方法
US20180356105A1 (en) * 2017-04-28 2018-12-13 Southeast University Modeling Method of Combined Heat and Power Optimal Dispatching Model
CN108321837A (zh) * 2017-11-27 2018-07-24 河海大学 一种风电-光热联合发电系统及其运行方法
CN108256670A (zh) * 2017-12-22 2018-07-06 甘肃省电力公司风电技术中心 基于热电联产的光热发电及热电机组联合调峰优化模型
CN108322139A (zh) * 2018-03-01 2018-07-24 东北电力大学 一种计及综合成本的风电-光伏-光热发电的联合调度方法
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The effect of model and objective function mismatch in model predictive control (MPC) for a solar heating system with a heat pump;Muhammad Waseem Ahmad,et al;《2014 UKACC International Conference on Control (CONTROL)》;20141002;第685-690页 *
基于模型预测控制的主动配电网多时间尺度动态优化调度;董雷等;《中国电机工程学报》;20160905;第36卷(第17期);第4609-4616页 *

Also Published As

Publication number Publication date
CN109742813A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN109742813B (zh) 基于mpc的风电-光伏-光热-火电联合发电优化调度方法
CN108321837B (zh) 一种风电-光热联合发电系统及其运行方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN111400641A (zh) 一种含蓄热式电采暖的综合能源系统日前优化调度方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN110198039B (zh) 应对高比例光伏并网的光热电站优化建模及运行方法
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
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN112541609A (zh) 风光热和水蓄能联合可再生能源发电系统容量优化模型
CN111325395A (zh) 一种光热电站参与调节的多时间尺度源源优化调度方法
CN112953364A (zh) 一种计及光热电站寿命的光热-风电-光伏的联合系统的运行优化模型
CN107749645A (zh) 一种控制高压大容量储热供暖装置的方法
CN110198052B (zh) 一种光热-风电联合并网发电协调控制方法
CN114069688A (zh) 一种基于时序生产模拟的多电源容量布局规划方法
CN110707756A (zh) 一种高比例风电接入电网的光热电站日前调峰优化控制方法
CN113097996B (zh) 一种电制热储热装置负荷省地联动调度方法
CN114037337A (zh) 一种基于模型预测控制的微能源网优化调度方法及系统
CN110994698B (zh) 一种太阳能光伏-光热联合发电系统优化运行方法
CN109617052A (zh) 一种大规模电储热单元智能化分层控制方法
CN113722903A (zh) 一种全可再生能源送端系统光热发电容量配置方法
Bousselamti et al. Study of hybrid PV_CSP plants considering two dispatching strategies in Ouarzazate
CN115765034A (zh) 一种光热-光伏-火电联合协同控制方法及系统
CN107528352A (zh) 一种基于可再生能源高渗透率的配电网有功优化方法
CN114021361A (zh) 一种含蓄热电锅炉负荷的多时间尺度优化调度方法及系统
CN114039384A (zh) 基于新能源消纳的源-储协调优化调度方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Wensong

Inventor after: Zhang Lijuan

Inventor after: Liu Yilong

Inventor after: Zhang Shukai

Inventor after: Yue Chao

Inventor after: Zhu Ziqi

Inventor after: Qi Qiumin

Inventor after: Li Meiling

Inventor after: Wang Yu

Inventor after: Wang Zhenghui

Inventor after: Li Xin

Inventor after: Li Luo

Inventor after: Li Xing

Inventor before: Zhu Ziqi

Inventor before: Zhang Lijuan

Inventor before: Liu Yilong

Inventor before: Zhang Shukai

Inventor before: Yue Chao

Inventor before: Qi Qiumin

Inventor before: Zhang Wensong

Inventor before: Li Meiling

Inventor before: Wang Yu

Inventor before: Wang Zhenghui

Inventor before: Li Xin

Inventor before: Li Luo

Inventor before: Li Xing

GR01 Patent grant
GR01 Patent grant