CN109858173B - 一种风光水互补发电系统联合调度的多目标正切方法 - Google Patents
一种风光水互补发电系统联合调度的多目标正切方法 Download PDFInfo
- Publication number
- CN109858173B CN109858173B CN201910120306.3A CN201910120306A CN109858173B CN 109858173 B CN109858173 B CN 109858173B CN 201910120306 A CN201910120306 A CN 201910120306A CN 109858173 B CN109858173 B CN 109858173B
- Authority
- CN
- China
- Prior art keywords
- wind
- water
- power generation
- representing
- ecological
- 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
Images
Landscapes
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于风光水多能互补联合调度领域,公开了一种风光水互补发电系统联合调度的多目标正切方法,获取当地风速、太阳辐射强度、水电站来水数据;根据风、光、水互补的特性,以水库水位值作为决策编码;同时分析发电效益和生态效益,建立风光水互补发电系统中长期多目标调度模型;提出并采用一种新的多目标方法对建立的模型进行求解,得到兼顾发电、生态的风光水互补发电系统中长期优化调度最优解集;并对求解的多目标方案进行分析。本发明能够充分利用于风光水互补发电系统的中长期规划和调度方案编制,权衡风光水互补发电系统的发电目标和生态目标,最大限度地提高中长期调度的综合效益,具有一定的参考借鉴意义。
Description
技术领域
本发明属于风光水多能互补联合调度领域,尤其涉及一种风光水互补发电系统联合调度的多目标正切方法
背景技术
目前,业内常用的现有技术是这样的:近年来,随着能源短缺与环境问题日益加剧,风能、太阳能等新兴清洁可再生能源日益受到人们关注并得到大力开发。但风速、太阳辐射强度的随机性、波动性较大,风电、光伏发电大规模并入电网会带来负荷波动不稳定等一系列问题。而水电作为一种重要的可再生能源,发电调节能力较强,响应较快。利用水电调节风电、光伏发电并入电网的不稳定性问题是一种很好的解决方案。同时风电、光伏发电、水电发电量存在季节性差异,在时间上呈良好的互补关系。风、光、水多能互补联合调度已经成为电力系统优化调控的热点问题。
不同的是,以往的风光水多能互补联合调度多关注发电问题,忽略了发电效益对生态效益的影响。依靠水库水位的频繁调节控制风光水互补发电系统发电量,会导致下游河道内流量的剧烈变化,引发栖息地的破坏,严重的会到导致部分物种的灭绝。
综上所述,现有技术存在的问题是:
(1)目前,风光水多能互补发电系统处于建设初期,技术不够成熟,没有健全的运营标准,缺少长期的规划指导技术,可靠性难以保证;
(2)风能、光能等可再生能源消纳困难,新能源发电成本较高,缺乏合理的调度规划,给中国能源消费的转型带了极大的困难;
(3)风光水多能互补系统研究多考虑发电效益,经济效益,对生态效益的考虑相对较少;
(4)风速、太阳辐射强度的随机性、波动性较大,风电、光伏发电大规模并入电网会导致负荷波动不稳定;
(5)依靠水库水位的频繁调节控制风光水互补发电系统发电量,会导致下游河道内流量的剧烈变化,引发栖息地的破坏,严重的会到导致部分物种的灭绝;
(6)约束法、权重法难以有效求解多目标优化模型,目前流行的NSGAII、SPEAII、MOPSO等多目标进化方法在收敛性、分布性上仍存在一定局限性。
解决上述技术问题的难度:
风速、太阳辐射强度的随机性、波动性较大,风电、光伏发电大规模存储成本过高;且以往的约束法、权重法难以有效求解多目标优化模型,目前流行的NSGAII、SPEAII、MOPSO等多目标进化方法在收敛性、分布性上仍存在一定局限性;同时,风光水互补发电系统缺乏中长期调度规划指导。
解决上述技术问题的意义:
建立一种以发电和生态为目标的风光水互补发电中长期优化调度模型可综合解决发电效益和生态效益的冲突问题,同时兼顾发电效益和下游河道内的生态效益。
发明内容
针对现有技术存在的问题,本发明提供了一种风光水互补发电系统联合调度的多目标正切方法。
本发明是这样实现的,一种风光水互补发电系统联合调度的多目标正切方法包括:
步骤一:获取当地风速、太阳辐射强度、水电站来水数据:根据研究区风速、太阳辐射强度、水电站来水数据,分析风、光、水季节性分布特征,提取不同典型年的数据作为分析案例,为开展风光水互补能源系统的中长期优化调度提供基础依据;
步骤二:以梯级水电站各水库的水位Wup,i,t(Wup表示水库上游水位值,i表示水库的个数,t表示时段)作为决策变量,计算采用实数编码;
步骤三:根据风光水互补能源系统优化调度目标,同时分析风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束等限制条件建立风光水互补能源系统的中长期优化调度模型;
步骤四:采用多目标正切方法(RNSTA)求解风光水互补能源系统的中长期优化调度模型得到关于各目标的Pareto前沿;
步骤五:在求解得到的前沿上选取具有代表性的方案对发电目标和生态目标之间的相关关系;不同典型年下风光水互补系统联合出力值间的差异;不同方案下各目标间的差异进行分析。
进一步,步骤三中,所述风光水互补能源系统优化调度目标包括:
风光水互补能源系统优化调度目标包括两个发电目标和一个生态目标;
两个发电目标为:风光水互补能源系统整个周期的发电总量最大;根据系统发电保证率要求,周期内系统各时段联合出力的最小值最大;
生态目标:为维护下游河道的生态需水量要求,以生态溢缺水量最小作为生态调度目标。
进一步,所述生态目标的计算包括:
采用水文学法中的适宜生态流量上下界法计算;取10%逐月频率对应流量作为适宜生态径流上界,取90%逐月频率对应流量作为适宜生态径流下界,具体步骤为:
(1)取出该月的历史径流数据,对径流值进行排序并计算频率;
(2)使用最优适线法适配出频率曲线;
(3)分别计算10%和90%频率对应的流量值,并将此计算值分别作为适宜生态径流上下限。
进一步,步骤三中,所述风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束具体计算方法包括:
(1)进行出力计算:
1)风电出力计算采用以下公式:
式中:Nw表示风电出力值,单位(W);ρ表示空气密度(kg/m3);Aw表示风机叶片面积(m2);Cp表示风电出力系数;v表示进入风机中的风速(m/s);
2)光伏出力计算采用以下公式:
Ns=nr[1-β(Tc-Tcref)]AsG (2)
式中:Ns表示光伏出力值,单位(W);nr表示光伏出力效率;β表示温度效率;Tc表示当前的温度,单位(℃);Tcref表示标准温度,单位(℃);As表示太阳能电池板的面积,单位(m2);G表示太阳辐射强度,单位(W/m2);
3)水电出力计算采用以下公式:
Nh=KQH (3)
H=Wup-Wdown-Hlose (4)
式中:Nh表示水电出力值,单位(W);Q表示引用发电流量,单位(m3/s);K表示水电出力系数;H表示水头,单位(m);Wup表示上游水位,单位(m);Wdown表示下游水位,单位(m);Hlose表示水头差,单位(m);
(2)构建目标函数:
1)构建发电目标函数:风光水互补能源系统主要有两个发电目标,一是风光水互补能源系统整个周期的发电总量最大,二是各时段系统出力最小值最大;
式中:P表示风光水互补能源系统中整个周期的总发电量;Nh,i,t表示第i个水库第t个时段的水电出力值;Nw,j,t表示第j个水库第t个时段的风电出力值;Ns,k,t表示第k个水库第t个时段的光伏出力值;l表示水电站的个数;m表示风电场的个数;n表示光伏电场的个数;Δt表示时段数;T表示整个调度周期;
2)构建生态目标函数:维护下游河道的生态需水量要求,以生态溢缺水量最小为生态目标:
(3)约束条件计算:
1)风速约束:
2)风电出力约束:
3)光伏出力约束:
4)水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t)·Δt (11)
Ii+1,t=Qi,t+qi+1,t (12)
式中:Vi,t表示第i个水库第t个时段的库容值;Ii,t表示第i个水库第t个时段的入库流量;Qi,t表示第i个水库第t个时段的下泄流量;qi+1,t表示第i个水库到第i+1个水库在第t个时段的区间来水;
5)水位约束:
6)下泄流量约束:
7)水电出力约束:
进一步,步骤三中,所述多目标正切方法包括:
(1)初始化种群规模、初始化参考点数量、随机初始化全局最优解集;
(2)对于每一代种群,都将执行以下操作:
1)对父代种群Pop1采用正切方法更新公式、多项式变异计算产生相同规模的子代种群Pop2;
2)合并种群Pop1和种群Pop2产生新种群newPop,并评价当前种群newPop的适应度;
3)对种群newPop进行快速非支配排序;
4)采用基于参考点多目标机制(NSGAIII方法框架)筛选出种群newPop中适应度较好的前一半个体,更新父代种群Pop1;
5)计算种群Pop1中的全局最优解集;
6)终止条件判断:若iter≥Maxiter,其中Maxiter为方法的最大迭代次数,结束方法;否则,iter=iter+1,转步骤2)。
进一步,步骤1)中,所述中正切方法的更新公式为:
式中:表示第t代种群第i个粒子当前的位置(i=1,2,…,n);表示第t代种群第i个粒子历史最优的位置;r2表示随机数,取值范围为[-π/3,π/3];r4表示随机数,取值范围为[0,1];t表示当前的进化代数;Ti表示最大的进化代数;a表示常数,一般取值范围为0.01-0.05,经多次试验,建议取0.025。
本发明的另一目的在于提供一种实施所述风光水互补发电系统联合调度的多目标正切方法的风光水互补发电系统联合调度的多目标正切控制系统。
本发明的另一目的在于提供一种实施所述风光水互补发电系统联合调度的多目标正切方法的风光水互补发电设备。
综上所述,本发明的优点及积极效果为:
本发明针对风光水多能互补发电系统目前研究技术不成熟,缺乏合理的调度规划,提出了一种中长期优化调度策略。本发明针对以往多目标优化算法在收敛性、分布性上的局限性,提出了一种新的多目标算法——多目标正切算法用于本发明中模型的求解,同时本发明中提出的多目标正切算法与其他多目标算法进行了算法测试指标对比,对比结果如表1、2所示。本发明针对以往风光水互补系统缺乏对生态效益的考虑,提出了一种兼顾发电和生态的风光水互补系统,并对两个目标的效益进行了对比,表3说明了降低少量的发电效益可以提高一定的生态效益。
表1 RNSTA算法与其他算法在逆世代距离IGD指标上20次运行结果最优值、中值、最差值对比表(粗体表示算法对比最优)
表2 RNSTA算法与其他算法在超体积HV指标上20次运行结果最优值、中值、最差值对比表(粗体表示算法对比最优)
表3发电效益与生态效益对比关系表
本发明能够充分利用于风光水互补发电系统的中长期规划和调度方案编制,权衡风光水互补发电系统的发电目标和生态目标,最大限度地提高中长期调度的综合效益,具有一定的参考借鉴意义。本发明选用水电调节进行风光水互补能源系统的中长期优化调度,水库具有一定的库容可进行发电调节且响应速度较快。本发明提供的分析结果为决策者进行风光水多能互补中长期规划和调度提供技术支撑。
附图说明
图1是本发明实施例提供的风光水互补发电系统联合调度方法流程图。
图2是本发明实施例提供的风光水互补发电系统联合调度方法原理图。
图3是本发明实施例提供的多目标正切方法(RNSTA)流程图。
图4是本发明实施例提供的RNSTA算法和NSGAIII算法在DTLZ1-4测试问题上的对比结果图。
图5是本发明实施例提供的总发电量最大与时段联合出力最小值最大两个目标关系示意图。
图6是本发明实施例提供的总发电量最大与生态溢缺水量最小两个目标关系示意图。
图7是本发明实施例提供的时段联合最小出力与生态溢缺水量最小两个目标关系示意图。
图8是本发明实施例提供的三个目标方案和一个相对折中方案的示意图。
图9是本发明实施例提供的不同方案下的风光水互补能源系统总体对比图。
图10是本发明实施例提供的不同方案下的联合出力对比图。
图11是本发明实施例提供的不同方案下水库1的流量、生态溢缺水量关系图。
图12是本发明实施例提供的不同方案下水库2的流量、生态溢缺水量关系图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现有技术中,风速、太阳辐射强度的随机性、波动性较大,风电、光伏发电大规模并入电网会导致负荷波动不稳定;依靠水库水位的频繁调节控制风光水互补发电系统发电量,会导致下游河道内流量的剧烈变化,引发栖息地的破坏,严重的会到导致部分物种的灭绝;约束法、权重法难以有效求解多目标优化模型,目前流行的NSGAII、SPEAII、MOPSO等多目标进化方法在收敛性、分布性上仍存在一定局限性。
为解决上述问题,下面结合具体方案对本发明作详细描述。
如图1-图2所示,本发明实施例提供的风光水互补发电系统联合调度方法包括:
S101:获取当地风速、太阳辐射强度、水电站来水数据:根据研究区风速、太阳辐射强度、水电站来水数据,分析风、光、水季节性分布特征,提取不同典型年的数据作为分析案例,为开展风光水互补能源系统的中长期优化调度提供基础依据。
S102:以梯级水电站各水库的水位Wup,i,t(Wup表示水库上游水位值,i表示水库的个数,t表示时段)作为决策变量,计算采用实数编码。
S103:根据风光水互补能源系统优化调度目标,同时分析风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束等限制条件建立风光水互补能源系统的中长期优化调度模型。
S104:采用多目标正切方法(RNSTA)求解风光水互补能源系统的中长期优化调度模型得到关于各目标的Pareto前沿。
S105:在求解得到的前沿上选取具有代表性的方案对发电目标和生态目标之间的相关关系;不同典型年下风光水互补系统联合出力值间的差异;不同方案下各目标间的差异进行分析。
步骤S103中,本发明实施例提供的风光水互补能源系统优化调度目标包括:
风光水互补能源系统优化调度目标包括两个发电目标和一个生态目标。
两个发电目标为:风光水互补能源系统整个周期的发电总量最大;根据系统发电保证率要求,周期内系统各时段联合出力的最小值最大。
生态目标:为维护下游河道的生态需水量要求,以生态溢缺水量最小作为生态调度目标。
本发明实施例提供的生态目标的计算包括:
采用水文学法中的适宜生态流量上下界法计算;取10%逐月频率对应流量作为适宜生态径流上界,取90%逐月频率对应流量作为适宜生态径流下界,具体步骤为:
(1)取出该月的历史径流数据,对径流值进行排序并计算频率。
(2)使用最优适线法适配出频率曲线;
(3)分别计算10%和90%频率对应的流量值,并将此计算值分别作为适宜生态径流上下限。
步骤S103中,本发明实施例提供的风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束具体计算方法包括:
(1)进行出力计算:
1)风电出力计算采用以下公式:
式中:Nw表示风电出力值,单位(W);ρ表示空气密度(kg/m3);Aw表示风机叶片面积(m2);Cp表示风电出力系数;v表示进入风机中的风速(m/s)。
2)光伏出力计算采用以下公式:
Ns=nr[1-β(Tc-Tcref)]AsG (2)
式中:Ns表示光伏出力值,单位(W);nr表示光伏出力效率;β表示温度效率;Tc表示当前的温度,单位(℃);Tcref表示标准温度,单位(℃);As表示太阳能电池板的面积,单位(m2);G表示太阳辐射强度,单位(W/m2)。
3)水电出力计算采用以下公式:
Nh=KQH (3)
H=Wup-Wdown-Hlose (4)
式中:Nh表示水电出力值,单位(W);Q表示引用发电流量,单位(m3/s);K表示水电出力系数;H表示水头,单位(m);Wup表示上游水位,单位(m);Wdown表示下游水位,单位(m);Hlose表示水头差,单位(m)。
(2)构建目标函数:
1)构建发电目标函数:风光水互补能源系统主要有两个发电目标,一是风光水互补能源系统整个周期的发电总量最大,二是各时段系统出力最小值最大。
式中:P表示风光水互补能源系统中整个周期的总发电量;Nh,i,t表示第i个水库第t个时段的水电出力值;Nw,j,t表示第j个水库第t个时段的风电出力值;Ns,k,t表示第k个水库第t个时段的光伏出力值;l表示水电站的个数;m表示风电场的个数;n表示光伏电场的个数;Δt表示时段数;T表示整个调度周期;
2)构建生态目标函数:维护下游河道的生态需水量要求,以生态溢缺水量最小为生态目标:
(3)约束条件计算:
1)风速约束:
2)风电出力约束:
3)光伏出力约束:
4)水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t)·Δt (11)
Ii+1,t=Qi,t+qi+1,t (12)
式中:Vi,t表示第i个水库第t个时段的库容值;Ii,t表示第i个水库第t个时段的入库流量;Qi,t表示第i个水库第t个时段的下泄流量;qi+1,t表示第i个水库到第i+1个水库在第t个时段的区间来水。
5)水位约束:
6)下泄流量约束:
7)水电出力约束:
如图3所示,步骤S103中,本发明实施例提供的多目标正切方法包括:
(1)初始化种群规模、初始化参考点数量、随机初始化全局最优解集。
(2)对于每一代种群,都将执行以下操作:
1)对父代种群Pop1采用正切方法更新公式、多项式变异计算产生相同规模的子代种群Pop2。
2)合并种群Pop1和种群Pop2产生新种群newPop,并评价当前种群newPop的适应度。
3)对种群newPop进行快速非支配排序。
4)采用基于参考点多目标机制(NSGAIII方法框架)筛选出种群newPop中适应度较好的前一半个体,更新父代种群Pop1。
5)计算种群Pop1中的全局最优解集;
6)终止条件判断:若iter≥Maxiter,其中Maxiter为方法的最大迭代次数,结束方法;否则,iter=iter+1,转步骤2)。
步骤1)中,本发明实施例提供的中正切方法的更新公式为:
式中:表示第t代种群第i个粒子当前的位置(i=1,2,…,n);表示第t代种群第i个粒子历史最优的位置;r2表示随机数,取值范围为[-π/3,π/3];r4表示随机数,取值范围为[0,1];t表示当前的进化代数;Ti表示最大的进化代数;a表示常数,一般取值范围为0.01-0.05,经多次试验,建议取0.025。
下面结合具体实施例对本发明作进一步描述。
实施例:
如图1-图2所示,本发明具体实施例提供的风光水互补发电系统联合调度方法包括:
第一步,获取当地风速、太阳辐射强度、水电站来水数据:根据研究区风速、太阳辐射强度、水电站来水数据,分析风、光、水季节性分布特征,提取不同典型年的数据作为分析案例,为开展风光水互补能源系统的中长期优化调度提供基础依据。
第二步,以梯级水电站各水库的水位Wup,i,t(Wup表示水库上游水位值,i表示水库的个数,t表示时段)作为决策变量,计算采用实数编码。
第三步,根据风光水互补能源系统优化调度目标,同时分析风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束等限制条件建立风光水互补能源系统的中长期优化调度模型。
第四步,采用多目标正切方法(RNSTA)求解风光水互补能源系统的中长期优化调度模型得到关于各目标的Pareto前沿。
图4是本发明实施例提供的RNSTA算法和NSGAIII算法在DTLZ1-4测试问题上的对比结果图(点表示解,网格表示帕累托前沿)。(a)DTLZ1(200代结果);(b)DTLZ2(150代结果);(c)DTLZ3(500代结果)。(d)DTLZ4(400代结果)。
根据模型的求解结果,如图5所示,总发电量最大与时段联合出力最小值最大两个目标之间呈现反比关系,总发电量目标越大,时段联合最小出力越小;产生这一关系的主要原因是在风电、光电出力已知的条件下,主要通过水库控制下泄流量进而控制水电出力。若水电总出力最大,水库枯水期更多的选择蓄水来抬高水位,丰水期水电出力尽量达到满发。枯水期减少下泄抬高水位会使得枯水期出力减少,进而导致时段联合出力的最小值减少。
如图6所示,总发电量最大与生态溢缺水量最小两个目标之间呈现反比关系,总发电量目标越大,生态溢缺水量越大;产生这一关系的主要原因是水电总出力越大,水库枯水期前期尽量控制下泄流量,以抬高水位,提高整个周期的发电量,但导致了下泄流量与天然下泄流量相比变化较大,偏离生态流量边界较多,生态溢缺水量增大。
如图7所示,时段联合最小出力与生态溢缺水量最小两个目标之间呈现反比关系,时段联合最小出力越大,生态溢缺水量越大。产生这一关系的主要原因是在风电出力,光电出力各月份已知,主要通过水电调节的条件下,水电各月份的最小出力值越大,会使得水库在枯水期下泄的流量大大增加,但导致了下泄流量与天然下泄流量相比变化较大,偏离生态流量边界较多,生态溢缺水量增大。由于风电出力在春季、冬季较大,光电出力在春季、夏季较大,一定程度上与水电在夏季、秋季较多形成互补,提高了时段联合出力最小值最大化这一目标。
第五步,在求解得到的前沿上选取具有代表性的方案对发电目标和生态目标之间的相关关系;不同典型年下风光水互补系统联合出力值间的差异;不同方案下各目标间的差异进行分析。
下面结合四种方案的选取对本发明作进一步描述。
本发明具体实施例选取四种方案,分别是总发电量最大值的前沿极端点(方案1),时段联合最小出力最大值的前沿极端点(方案2),生态溢缺水量最小值的前沿极端点(方案3),关于三个目标方案的相对折中点(方案4)如图8所示;
如图9-图10所示,四种方案的总体对比:方案1(总发电量最大前沿极端点)相比于其他方案在枯水期出力值相对较低(1月、2月、3月);这是因为在枯水期减少下泄流量用以抬高水位,在汛期来临时水位相对较高,产生的联合出力值增大,使得整个周期内总发电量最大。方案2(时段联合最小出力最大前沿极端点)在整个周期内出力值相对比较平稳,水库枯水期联合出力值高于其他几个方案。方案3(生态溢缺水量最小前沿极端点)相比于其他方案,产生的总发电量最小。
如图11-图12所示,四种方案的下泄流量和生态溢缺水量关系如下:方案1往往在枯水期过渡到丰水期的5月下泄的流量相对较大,产生的生态溢缺水量最多。这是由于枯水期下泄的流量较少,水库水位较高,5月汛期来临时,需要加大下泄,腾出水库库容而产生的。方案2在枯水期的水电出力要高于其他几个方案,水库在枯水期水位相对更低,但产生生态溢缺水量的月份最多。方案3水库流量下泄过程最接近天然流量过程,使得下游河道的生态溢缺水量总体最小。但产生的水位波动较大。方案4是相对折中的一种方案,水位过程,下泄流量过程介于其他方案之间,水位流量过程相对比较缓和。各月份的最小出力值要低于方案2,高于其他方案,总的发电量要低于方案1、方案2,优于方案3。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种风光水互补发电系统联合调度的多目标正切方法,其特征在于,所述风光水互补发电系统联合调度方法包括:
步骤一,获取当地风速、太阳辐射强度、水电站来水数据:根据研究区风速、太阳辐射强度、水电站来水数据,分析风、光、水季节性分布特征,提取不同时间的数据;
步骤二,以梯级水电站各水库的水位Wup,i,t作为决策变量,计算采用实数编码;其中,Wup表示水库上游水位值,i表示水库的个数,t表示时段;
步骤三,根据风光水互补能源系统优化调度目标,同时分析风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束限制条件建立风光水互补能源系统的中长期优化调度模型;
所述风光水互补能源系统优化调度目标包括两个发电目标和一个生态目标;
两个发电目标为:风光水互补能源系统整个周期的发电总量最大;根据系统发电保证率要求,周期内系统各时段联合出力的最小值最大;
生态目标:为维护下游河道的生态需水量要求,以生态溢缺水量最小作为生态调度目标;
所述风速约束、风电出力约束、光伏出力约束、水量平衡约束、水位约束、下泄流量约束、水电出力约束具体计算方法包括:
(1)进行出力计算:
1)风电出力计算采用以下公式:
式中:Nw表示风电出力值,单位(W);ρ表示空气密度(kg/m3);Aw表示风机叶片面积(m2);Cp表示风电出力系数;v表示进入风机中的风速(m/s);
2)光伏出力计算采用以下公式:
Ns=nr[1-β(Tc-Tcref)]AsG
式中:Ns表示光伏出力值,单位(W);nr表示光伏出力效率;β表示温度效率;Tc表示当前的温度,单位(℃);Tcref表示标准温度,单位(℃);As表示太阳能电池板的面积,单位(m2);G表示太阳辐射强度,单位(W/m2);
3)水电出力计算采用以下公式:
Nh=KQH
H=Wup-Wdown-Hlose
式中:Nh表示水电出力值,单位(W);Q表示引用发电流量,单位(m3/s);K表示水电出力系数;H表示水头,单位(m);Wup表示上游水位,单位(m);Wdown表示下游水位,单位(m);Hlose表示水头差,单位(m);
(2)构建目标函数:
1)构建发电目标函数:风光水互补能源系统主要有两个发电目标,一是风光水互补能源系统整个周期的发电总量最大,二是各时段系统出力最小值最大;
式中:P表示风光水互补能源系统中整个周期的总发电量;Nh,i,t表示第i个水库第t个时段的水电出力值;Nw,j,t表示第j个水库第t个时段的风电出力值;Ns,k,t表示第k个水库第t个时段的光伏出力值;l表示水电站的个数;m表示风电场的个数;n表示光伏电场的个数;Δt表示时段数;T表示整个调度周期;
2)构建生态目标函数:维护下游河道的生态需水量要求,以生态溢缺水量最小为生态目标:
(3)约束条件计算:
1)风速约束:
2)风电出力约束:
3)光伏出力约束:
4)水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t)·Δt
Ii+1,t=Qi,t+qi+1,t
式中:Vi,t表示第i个水库第t个时段的库容值;Ii,t表示第i个水库第t个时段的入库流量;Qi,t表示第i个水库第t个时段的下泄流量;qi+1,t表示第i个水库到第i+1个水库在第t个时段的区间来水;
5)水位约束:
6)下泄流量约束:
7)水电出力约束:
步骤四,采用多目标正切方法求解风光水互补能源系统的中长期优化调度模型得到关于各目标的Pareto前沿;所述多目标正切方法包括:
(1)初始化种群规模、初始化参考点数量、随机初始化全局最优解集;
(2)对于每一代种群,都将执行以下操作:
1)对父代种群Pop1采用正切方法更新公式、多项式变异计算产生相同规模的子代种群Pop2;
2)合并种群Pop1和种群Pop2产生新种群newPop,并评价当前种群newPop的适应度;
3)对种群newPop进行快速非支配排序;
4)采用基于参考点多目标机制筛选出种群newPop中适应度较好的前一半个体,更新父代种群Pop1,所述基于参考点多目标机制为NSGAIII方法框架;
5)计算种群Pop1中的全局最优解集;
6)终止条件判断:若iter≥Maxiter,其中Maxiter为方法的最大迭代次数,结束方法;否则,iter=iter+1,转步骤2);
步骤五,在求解得到的Pareto前沿上选取具有代表性的方案对结果进行分析,对比不同典型年下风光水互补系统整体的波动趋势,对比不同方案下各目标发电效益和生态效益之间的相互影响关系。
4.一种实施权利要求1所述风光水互补发电系统联合调度的多目标正切方法的风光水互补发电系统联合调度的多目标正切控制系统。
5.一种实施权利要求1所述风光水互补发电系统联合调度的多目标正切方法的风光水互补发电设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910120306.3A CN109858173B (zh) | 2019-02-18 | 2019-02-18 | 一种风光水互补发电系统联合调度的多目标正切方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910120306.3A CN109858173B (zh) | 2019-02-18 | 2019-02-18 | 一种风光水互补发电系统联合调度的多目标正切方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858173A CN109858173A (zh) | 2019-06-07 |
CN109858173B true CN109858173B (zh) | 2020-11-13 |
Family
ID=66898203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910120306.3A Active CN109858173B (zh) | 2019-02-18 | 2019-02-18 | 一种风光水互补发电系统联合调度的多目标正切方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858173B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322123A (zh) * | 2019-06-13 | 2019-10-11 | 华中科技大学 | 一种梯级水库群联合调度的多目标优化方法和系统 |
CN111079066B (zh) * | 2019-11-21 | 2023-05-23 | 河海大学 | 一种水库群发电生态两目标竞争关系分析方法 |
CN111181198B (zh) * | 2020-01-13 | 2023-08-18 | 四川大学 | 一种基于网源互馈的异质能源互补发电调度方法 |
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 |
CN111245028B (zh) * | 2020-03-31 | 2022-09-23 | 河海大学 | 一种风光水互补发电系统增发电量分配方法 |
CN113205250B (zh) * | 2021-04-28 | 2022-08-19 | 河海大学 | 一种考虑水库调度风险的风光水互补发电计划编制方法 |
CN113644649B (zh) * | 2021-07-07 | 2023-04-18 | 四川大学 | 一种解决风光水互补发电系统调度计划偏差的方法 |
CN115765044B (zh) * | 2022-11-26 | 2023-05-09 | 水利部水利水电规划设计总院 | 风光水电系统联合运行及风险分析方法和系统 |
CN116415742B (zh) * | 2023-06-12 | 2023-08-22 | 水利部水利水电规划设计总院 | 风光水电系统两阶段随机多属性决策方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013016175A1 (en) * | 2011-07-22 | 2013-01-31 | Thomson Reuters (Markets) Llc. | System and method for consructing outperforming portfolios relative to target benchmarks |
CN103488236A (zh) * | 2013-06-20 | 2014-01-01 | 华北水利水电大学 | 一种风光水互补发电系统的优化调度方法 |
CN104573869A (zh) * | 2015-01-16 | 2015-04-29 | 河海大学常州校区 | 基于bp神经网络与nsga-ⅱ实现疏浚作业的优化方法及系统 |
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105048516B (zh) * | 2015-08-18 | 2017-03-29 | 四川大学 | 一种风光水火多源互补优化调度方法 |
-
2019
- 2019-02-18 CN CN201910120306.3A patent/CN109858173B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013016175A1 (en) * | 2011-07-22 | 2013-01-31 | Thomson Reuters (Markets) Llc. | System and method for consructing outperforming portfolios relative to target benchmarks |
CN103488236A (zh) * | 2013-06-20 | 2014-01-01 | 华北水利水电大学 | 一种风光水互补发电系统的优化调度方法 |
CN104573869A (zh) * | 2015-01-16 | 2015-04-29 | 河海大学常州校区 | 基于bp神经网络与nsga-ⅱ实现疏浚作业的优化方法及系统 |
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 |
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 |
Non-Patent Citations (4)
Title |
---|
"Ecology and Water Supply Based Multi-objective Optimal Dispatch Model and Its Case Study in Yangtze basin";Xuemin Wang et al.;《International Journal of Modeling and Optimization》;20160318;第5卷(第3期);第241-245页 * |
"Wind-Solar-Hydro power optimal scheduling model based on multi-objective dragonfly algorithm ";Jie Li et al.;《10th International Conference on Applied Energy (ICAE2018)》;20180825;第6217-6223页 * |
"基于改进粒子群算法的风光水互补发电系统短期调峰优化调度";张世钦;《水电能源科学》;20180425;第36卷(第4期);第208-211页 * |
"风光水互补发电系统送出能力分析";朱燕梅 等;《水力发电》;20181212;第44卷(第12期);第100-103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109858173A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858173B (zh) | 一种风光水互补发电系统联合调度的多目标正切方法 | |
CN108879793B (zh) | 一种风光蓄能水电站互补的离网式混合能源系统优化方法 | |
CN104242335A (zh) | 一种基于额定容量的风光储发电单元容量优化配置方法 | |
CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN110175421B (zh) | 一种新型水光互补多目标优化运行方法 | |
CN110909911B (zh) | 考虑时空相关性的多维时序数据的聚合方法 | |
CN110334870B (zh) | 基于门控循环单元网络的光伏电站短期功率预测方法 | |
CN111092451B (zh) | 一种基于配电网网格的光伏消纳预警方法 | |
CN112952818B (zh) | 一种基于出力互补性的风光水多能互补容量优化配置方法 | |
CN114069687B (zh) | 一种计及逆变器无功调节作用的分布式光伏规划方法 | |
CN105427017A (zh) | 一种水电富集电网特大规模电站群短期计划编制方法 | |
CN112381262B (zh) | 考虑负荷电压特性及新能源强不确定性的微电网规划方法 | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN111428970A (zh) | 一种大规模水电站群跨省外送能力分析模型及求解方法 | |
CN111144655A (zh) | 一种分布式电源选址定容与配电网网架联合优化方法 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN110163420B (zh) | 一种基于分解文化进化算法的多目标生态调度方法和系统 | |
CN115021331A (zh) | 基于贡献系数法的清洁能源基地水风光一体化补偿方法 | |
CN110729767A (zh) | 一种含水电的地区电网风光容量优化配置方法 | |
Quaiyum et al. | Application of artificial neural network in forecasting solar irradiance and sizing of photovoltaic cell for standalone systems in Bangladesh | |
Yang et al. | Optimization for short-term operation of hybrid hydro-PV power system based on NSGA-II | |
CN111061331A (zh) | 光伏最大功率控制系统和方法 | |
Xiyun et al. | A combination method in photovoltaic power forecasting based on the correlation coefficient | |
CN113361805B (zh) | 一种配电网规划方法及系统 | |
CN112736905B (zh) | 区域新能源容量优化配置方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |