CN109962499A - 一种电网多时间尺度调度方法 - Google Patents
一种电网多时间尺度调度方法 Download PDFInfo
- Publication number
- CN109962499A CN109962499A CN201910229178.6A CN201910229178A CN109962499A CN 109962499 A CN109962499 A CN 109962499A CN 201910229178 A CN201910229178 A CN 201910229178A CN 109962499 A CN109962499 A CN 109962499A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- power
- agc
- caes
- load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009987 spinning Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims description 50
- 238000007906 compression Methods 0.000 claims description 32
- 230000006835 compression Effects 0.000 claims description 31
- 230000009194 climbing Effects 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000033228 biological regulation Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 abstract description 6
- 230000029087 digestion Effects 0.000 abstract 1
- 238000004146 energy storage Methods 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电网多时间尺度调度方法，包括：依次执行均以常规机组、风电、CAES电站和柔性负荷为调度资源并以运行经济性为优化目标的日前调度模型、日内调度模型和实时调度模型，得到常规机组、风电和CAES电站的出力计划，柔性负荷调度计划，旋转备用容量，及AGC容量购置计划；其中，各调度模型的约束条件包括各调度资源的运行约束；实时调度模型的约束条件还包括CAES电站参与电网AGC调频的约束。本发明以含CAES电站、柔性负荷等的系统为研究对象，综合考虑CAES电站和多类型柔性负荷在不同时间尺度下的调度特性，CAES电站和柔性负荷降低了系统弃风量，另外考虑AGC机组旋转备用和CAES电站的辅助调频服务，有效提升了风电消纳水平，保证了系统高效安全的经济运行。
Description
技术领域
本发明涉及电网调度技术领域，特别是涉及一种电网多时间尺度调度方法。
背景技术
能源危机和环境污染问题的日益严峻，促使全球各国开始聚焦于发展以风电为代表的可再生能源。然而，由于风电具有间歇性、不确定性等固有的不友好特性，其大规模并网将对电力系统的安全经济运行带来严峻挑战，这一弊端严重制约了风电的进一步发展。
为了应对上述挑战，学者们已开展了广泛的研究，在诸多研究中，压缩空气储能(Compressed air energy storage,CAES)技术和柔性负荷主动响应技术是解决大规模风电并网的两项有效手段。然而，现有研究大多分别从CAES电站和柔性负荷参与电力系统优化运行的角度开展，但并没有综合考虑包含CAES电站和柔性负荷的电力系统的调度，且现有调度技术下的风电消纳水平较低，不能够有效保证电网的安全稳定经济运行。
发明内容
本发明提供一种电网多时间尺度调度方法，用以解决现有调度技术中因未充分考虑CAES电站和多类型柔性负荷的调节特性，以及电能与备用的协调调度，而导致的系统运行成本高且风电消纳水平低的问题。
本发明解决上述技术问题的技术方案如下：一种电网多时间尺度调度方法，包括：
依次执行均以常规机组、风电、CAES电站和柔性负荷为调度资源并以运行经济性为优化目标的日前调度模型、日内调度模型和实时调度模型，得到所述常规机组、所述风电和所述CAES电站的出力计划，所述柔性负荷调度计划，旋转备用容量，及AGC容量购置计划；
其中，所述日前调度模型的约束条件包括各所述调度资源在日前尺度下的运行约束；所述日内调度模型的约束条件包括各所述调度资源在日内尺度下的运行约束；所述实时调度模型的约束条件包括各所述调度资源在实时尺度下的运行约束及所述CAES电站参与电网 AGC调频的约束。
本发明的有益效果是：本发明以含CAES电站、可转移负荷、可中断负荷、DLC负荷、常规机组和风电的电力系统为研究对象，综合考虑CAES电站和多类型柔性负荷在不同时间尺度下的调度特性，以最小化电网运行商总支出成本为目标，建立能够同时制定发电计划、旋转备用购置与调用计划和AGC参与因子配置计划的电力系统多时间尺度优化调度模型。进而基于多时间尺度的调度模型，进行逐级优化调度，多种电源多尺度优化调度下，CAES电站和柔性负荷均能够针对系统净负荷进行削峰填谷，使得柔性负荷能够在短时间尺度内针对系统的不平衡功率进行平抑，降低系统弃风量，另外考虑AGC机组旋转备用和CAES电站的辅助调频服务，有效提升了风电消纳水平，保证了系统高效安全的经济运行。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述柔性负荷包括：可转移负荷，可中断负荷，以及 DLC负荷。
本发明的进一步有益效果是：可转移负荷可针对系统净负荷进行削峰填谷，可中断负荷和DLC负荷能够在短时间尺度内针对系统的不平衡功率进行平抑，降低系统弃风量，有效保证系统的经济运行。
进一步，所述常规机组的出力计划包括：每个所述常规机组的启停状态，所述常规机组中非AGC机组的出力，及所述常规机组中每个AGC机组的调度出力；
所述风电的出力计划包括风电的弃风功率；
所述CAES电站的出力计划包括：每个所述CAES电站的运行工况状态，及所述CAES电站的调度压缩功率和调度发电功率；
所述柔性负荷调度计划包括：每个所述可转移负荷的负荷转入量和负荷转出量，各所述可中断负荷的削减量，及所述DLC负荷的增加量和减少量；
所述旋转备用容量包括：各所述常规机组的正旋转备用容量和负旋转备用容量；
所述AGC容量购置计划包括：所述AGC机组和所述CAES电站的AGC参与因子。
进一步，所述日前调度模型的目标函数为最小化购买电能的成本、购买旋转备用的成本、可转移负荷的调度成本和弃风惩罚成本的加和；
则所述日前调度模型每隔第一预设时间执行结束后，得到第一调度计划，所述第一调度计划包括：每个所述常规机组的启停状态，每个所述可转移负荷的负荷转入量和负荷转出量，及各所述常规机组的正旋转备用容量和负旋转备用容量。
进一步，所述日前调度模型的约束条件还包括：电网功率平衡约束，传输功率约束，AGC容量约束，及电网正、负旋转备用容量约束。
进一步，所述日内调度模型的目标函数为最小化日内调度阶段调用备用后更新的购买电能的成本、所述可中断负荷的调度成本和日内调度阶段更新的弃风惩罚成本的加和；
则基于所述第一调度计划，每隔第二预设时间执行所述日内调度模型，执行结束后得到第二调度计划，所述第二调度计划包括：所述非AGC机组的出力，所述CAES电站的运行工况状态，及各所述可中断负荷的削减量。
进一步，所述日内调度模型中，所述常规机组的运行约束包括：通过调用旋转备用容量更新常规机组出力时的常规机组出力上下限约束，及常规机组的爬坡约束；所述可中断负荷的运行约束包括可中断负荷削减量约束；其中，所述常规机组出力上下限约束为： 为常规机组i在日前调度t时段的出力，和分别为由常规机组i在t时段提供的正旋转备用容量和负旋转备用容量，为常规机组i在日内调度t时段的出力；
所述日内调度模型的约束条件还包括：AGC机组旋转备用容量约束，电网功率平衡约束、AGC容量约束和传输功率约束。
本发明的进一步有益效果是：在日内调度中，通过调用旋转备用容量来更新常规机组的出力，在提升风电消纳水平的同时，提高了系统运行的弹性需要，保证了系统高效安全的经济运行。
进一步，所述实时调度模型的目标函数为最小化实时调度阶段调用备用后更新的购买电能的成本、所述DLC负荷的调度成本、实时调度阶段更新的弃风惩罚成本和购买AGC调节量的成本的加和；
则基于所述第二调度计划，每隔第三预设时间执行所述日内调度模型，执行结束后得到第三调度计划，所述第三调度计划包括：每个所述AGC机组的调度出力，所述CAES电站的调度压缩功率和调度发电功率，所述DLC负荷的增加量和减少量，所述AGC机组和所述CAES电站的AGC参与因子，及所述风电的弃风功率。
进一步，所述实时调度模型中，所述常规机组的运行约束包括：通过调用旋转备容量来调整AGC机组出力时的AGC机组出力上下限约束，及AGC机组爬坡约束；所述DLC负荷的运行约束包括DLC 约束；所述CAES电站的运行约束包括：CAES电站的压缩功率和调度发电功率的上下限约束，CAES电站储气室气压上下限约束，及 CAES电站发电工况爬坡约束；所述CAES电站参与电网AGC调频的约束包括AGC参与因子约束；
其中，所述AGC机组出力上下限约束为：
表示AGC机组iA的最大出力；表示AGC机组iA的最小出力；β表示模糊机会约束的置信度；所述CAES电站发电工况爬坡约束： 为CAES电站在发电工况下的爬坡速率，uCAESG,t-1为指示CAES电站是否处于发电工况的二进制变量，PCAESG,max为CAES电站的最大发电功率；
式中，和分别为在实时调度阶段考虑功率调节不确定性后的AGC机组出力大小、CAES电站压缩功率和发电功率，和分别为在实时调度阶段的AGC机组出力大小、CAES电站压缩功率和发电功率；和αCAES,t分别为AGC机组iA和CAES电站的AGC参与因子；uCAESC,t和uCAESG,t分别为指示CAES 电站是否处于压缩工况和发电工况的二进制变量，为；和为风电和负荷在t时段的正向超短期预测误差；和为风电和负荷在t时段的负向超短期预测误差；
所述AGC参与因子约束为：αCAES,t≤uCAESC,t+uCAESG,t， αCAES,t、和αCAES,t分别为CAES电站、AGC 机组iA和CAES电站的AGC参与因子，NAGC为所述AGC机组数量。
本发明的进一步有益效果是：由于实时调度计划的有效性和准确性较为重要，因此，在实时调度中考虑AGC机组和CAES电站的功率调节不确定性，能够提高系统优化调度的效率，有效保证系统的经济运行。
本发明还提供一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1-9中任一项所述的一种电网多时间尺度调度方法。
附图说明
图1为各阶段调度目标及功能示意图；
图2为仿真系统拓扑图；
图3为各常规机组在日前调度中各时段的出力；
图4为CAES电站和可转移负荷的日前调度结果及各时段弃风量；
图5各常规机组提供旋转备用的结果；
图6为各常规机组在日内调度中各时段的出力；
图7为CAES电站和可转移负荷的日内调度结果及各时段弃风量；
图8为常规机组在实时调度中各时段的出力；
图9为CAES电站和DLC的实时调度结果以及各时段弃风量；
图10为CAES电站和AGC机组在各时段的AGC参与因子。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一
一种电网多时间尺度调度方法，如图1所示，包括：
依次执行均以常规机组、风电、CAES电站和柔性负荷为调度资源并以运行经济性为优化目标的日前调度模型、日内调度模型和实时调度模型，得到常规机组、风电和CAES电站的出力计划，柔性负荷调度计划，旋转备用容量，及AGC容量购置计划。其中，日前调度模型的约束条件包括各调度资源在日前尺度下的运行约束；日内调度模型的约束条件包括在各调度资源在日内尺度下的运行约束；实时调度模型的约束条件包括在各调度资源在实时尺度下的运行约束及 CAES电站参与电网AGC调频的约束。
随着辅助服务市场的不断完善，旋转备用和调频服务将不再由发电厂商无偿提供，因此，本实施例综合考虑CAES电站在调频方面的应用，将旋转备用成本、自动发电控制(Automatic generation control, AGC)资源的功率调节成本与发电成本统筹考虑。
在执行调度模型时，日前调度可每隔24h执行一次，基于风电和负荷的短期预测数据制定未来24h的调度计划，单位调度时长15min；日内调度可每隔1h执行一次，基于风电和负荷的扩展短期预测数据制定剩余时间的调度计划，单位调度时长为15min；实时调度可每隔 15min制定一次，基于风电和负荷的超短期预测数据制定未来4h的调度计划，单位调度时长为5min。
本实施例是基于“源荷储”协调的多时间尺度调度模型，源侧、荷侧和储侧的主要调度资源及其调度特性如下：
1)源侧的可调度资源主要为常规机组。常规机组包括含AGC机组和非AGC机组，常规机组均能够为电网提供发电和旋转备用服务，而AGC机组还能够提供AGC调频服务。
2)荷侧调度资源主要为多类型柔性负荷。柔性负荷主要分为以下3种：需要提前一日告知的可转移负荷，其能够在第二日的特定时间段内进行负荷转移，并参与系统发电量调度；可中断负荷：可中断负荷通常具有较快的响应速度，其能够参与系统日内发电调度；DLC 负荷：通过DLC对具有实时响应能力的柔性负荷(如：空调负荷等) 进行调控，使其能够参与系统发电量调度。
3)CAES电站。CAES电站具有大规模电能存储与再利用功能，且CAES电站具有远优于常规机组的快速动态响应能力，拥有参与系统调频的潜能，因此，本实施例采用CAES电站的AGC调频服务。
本实施例以含CAES电站、可转移负荷、可中断负荷、DLC负荷、常规机组和风电的电力系统为研究对象，综合考虑CAES电站和多类型柔性负荷在不同时间尺度下的调度特性，以最小化电网运行商总支出成本为目标，建立能够同时制定发电计划、旋转备用购置与调用计划和AGC参与因子配置计划的电力系统多时间尺度优化调度模型。最后，通过仿真算例验证了该方法的有效性。
优选的，柔性负荷包括可转移负荷、可中断负荷和DLC负荷。 DLC即为Direct LoadControl，表示直接负荷控制。
优选的，常规机组的出力计划包括：每个常规机组的启停状态，非AGC机组的出力，及每个AGC机组的调度出力；风电的出力计划包括风电的弃风功率；CAES电站的出力计划包括：每个CAES电站的运行工况状态，及CAES电站的调度压缩功率和调度发电功率；柔性负荷调度计划包括：每个可转移负荷的负荷转入量和负荷转出量，各可中断负荷的削减量，及DLC负荷的增加量和减少量；旋转备用容量包括：各个常规机组的正旋转备用容量和负旋转备用容量；AGC 容量购置计划包括：AGC机组和CAES电站的AGC参与因子。
优选的，日前调度模型的目标函数为最小化购买电能的成本、购买旋转备用的成本、可转移负荷的调度成本和弃风惩罚成本的加和；
则日前调度模型每隔第一预设时间执行结束后，得到第一调度计划，第一调度计划包括：每个常规机组的启停状态，每个可转移负荷的负荷转入量和负荷转出量，及各个常规机组的正旋转备用容量和负旋转备用容量。
日前调度资源包括常规机组、可转移负荷和CAES电站。在日前调度中，需要制定旋转备用容量购置计划，在日内调度和实时调度阶段通过调用常规机组旋转备用容量来更新常规机组出力，并制定日内和实时调度资源的出力计划，以实现日内和实时调度阶段的功率平衡。
优选的，日前调度模型的目标函数为：
式中，NG表示常规机组的数量，包括AGC机组和非AGC机组； NL表示总负荷(可转移负荷)节点数；Δt15表示单位调度时长15min；SGi为常规机组i的启动成本；bGi和cGi分别为常规机组i的单位电量的发电报价系数和开机报价系数；表示常规机组i在日前调度t时段的出力；uGi,t表示常规机组i的启停状态；cCAES为CAES电站的发电报价系数；表示日前调度t时段内CAES电站的发电功率；和分别为可转移负荷的单位负荷转入和转出成本；和分别为位于x节点上可转移负荷的负荷转入量和负荷转出量；ξW表示单位弃风成本；表示日前调度t时段的弃风量；和分别为常规机组i在t时段提供的正旋转备用容量和负旋转备用容量；和分别表示常规机组提供单位正、负旋转备用的报价；
日前调度的约束条件包括：电网功率平衡约束，传输功率约束， AGC容量约束，电网正、负旋转备用容量约束，常规机组的运行约束，CAES电站的运行约束，可转移负荷的非可转移时间段约束，可转移负荷的调度约束；其中，可转移负荷的调度约束包括：转移量上下限约束、转入转出量平衡约束、单日总转移量上限约束和可转移负荷状态量约束；日前调度结束得到的用于日内调度模型输入的变量包括：uGi,t，
模型以最小化电网运营商的总支出成本为优化目标。日前调度结束后，可成本结算旋转备用的容量费用和可转移负荷的调度费用。
需要说明的是，日前调度中系统功率平衡约束为：
式中，表示压缩空气储能在日前调度t时段的压缩功率；PfWda,t和PfLda,t分别表示风电和系统负荷的短期预测值。
系统旋转备用主要用于应对风电和负荷的短期预测误差。本实施例中采用模糊机会约束表示系统正、负旋转备用容量约束，表达式分别如下：
式中，Cr{}为模糊置信度表达式；β为置信度；和分别表示风电的正向和负向短期预测误差；和分别表示负荷的正向和负向短期预测误差，本文采用三角模糊数表示短期预测误差。和的三元组形式分别为：和 和的三元组形式分别为：和其中，和分别表示风电的正向和负向最大短期预测误差；和分别表示负荷的正向和负向最大短期预测误差。
AGC容量约束用于保证一定数量的AGC机组处于开机状态，以满足系统AGC阶段的功率调节需求。AGC容量约束表示如下：
式中，NAGC表示AGC机组数；为用于指示第iA台AGC机组启停状态的二进制变量；为AGC机组在日前调度t时段的出力；和分别为AGC机组的最大和最小出力；和分别为AGC机组在时段t提供的正/负旋转备用容量；ΔtA为 AGC阶段的调节响应时间(5min)；和为AGC机组的最大爬坡和滑坡速率；VAGC,t为系统在时段t预计所需要的AGC功率调节容量，其值可根据负荷和风电的高频变化分量确定。
常规机组出力上下限约束：
常规机组爬坡/滑坡约束：
常规机组最小持续开机/停运时间约束：
常规机组旋转备用限制约束
其中，PGi,max和PGi,min分布表示常规机组i的最大和最小出力；为常规机组i的持续开机时间；为常规机组i的最小持续运行时间；为常规机组i的持续停机时间；为常规机组i的最小持续停机时间；和分别表示常规机组i的爬坡和滑坡速率；ΔtR为旋转备用的响应时间(10min)。
压缩空气储能电站约束包括：压缩空气储能电站出力上下限约束、储气室气压上下限约束、储能电站运行状态约束、流量和功率的对应关系约束、气压和流量的对应关系约束、发电过程中的吸热量约束以及CAES电站最小持续发电、压缩和停运时间约束。
CAES电站出力上下限约束
储气室气压上下限约束：pmin≤pt≤pmax；
储能电站运行状态约束：uCAESC,t+uCAESG,t≤1；
流量和功率的对应关系约束：
气压和流量的对应关系约束：
发电过程中的吸热量约束：
CAES电站最小持续发电、压缩和停运时间约束：
其中，PCAESC,min为压缩空气储能电站的最小压缩功率；PCAESG,min为压缩空气储能电站的最小发电功率；uCAESC,t和uCAESG,t分别为指示CAES 电站是否处于压缩工况和发电工况的二进制变量；pt为第t时段储气洞穴内的气压；pmin为储气洞穴内的最小允许气压；pmax为储气洞穴内的最大允许气压；p0和pT分别表示储气洞穴内的初始时段气压和储气洞穴内的末时段气压；和分别表示流入储气洞穴的平均气体流量和流出储气洞穴的平均气体流量；nC和nG分别表示压缩机级数和膨胀机级数；ηC和ηG分别表示压缩过程效率和发电过程效率；κ表示空气的比热比；Rg为空气的气体常数；TCin和TGin分别表示进行压缩机和进入膨胀机的气体温度；πopt,C和πopt,G分别表示压缩机的理想压缩比和膨胀机的理想膨胀比；表示储气洞穴内的平均气压变化率； V为储气洞穴体积；Tcain为储气洞穴入口处气温；Tca0为储气洞穴内初始气温；cp为空气的等压比热容；Ure表示安装热能回收装置后降低的天然气耗能比例；TCAESc,t、TCAESid,t和TCAESg,t为CAES电站在t时段的持续发电、待机、压缩时间；TCAESc,min、TCAESid,min和TCAESg,min分别表示CAES 电站的最小持续发电、待机、压缩时间。
考虑到实际用户需求，可转移负荷通常只能在特定时间段内进行负荷转移，可转移负荷的非可转移时间段约束为：
式中，tnd为可转移负荷的非转移量时段；和分别表示用于指示节点x上可转移负荷是否处于负荷转入或负荷转出状态的二进制变量。
转移量上下限约束：
转入转出量平衡约束：
单日总转移量上限约束：
可转移负荷状态量约束：
式中，和分别为节点x上可转移负荷的负荷转入量下限和上限；和分别为节点x上可转移负荷的负荷转出量下限和上限；Td表示可转移负荷的可转移时段；表示可转移负荷的单日转移量上限。传输功率约束：-Pline,m,max≤Pline,m,t≤Pline,m,max，式中，Pline,m,t为第m条传输线的在t时段的传输功率；Pline,m,max为第m条传输线的最大传输功率。
优选的，日内调度模型的目标函数为最小化日内调度阶段调用备用后更新的购买电能的成本、可中断负荷的调度成本和日内调度阶段更新的弃风惩罚成本的加和；则基于第一调度计划，每隔第二预设时间执行日内调度模型，执行结束后得到第二调度计划，第二调度计划包括：非AGC机组的出力，CAES电站的运行工况状态，及各可中断负荷的削减量。
日内调度资源包括常规机组、CAES电站和参与发电调度的可中断负荷。由于CAES电站的发电启动时间通常为12min左右，且考虑到CAES电站不宜频繁调整其运行工况，因此，日内调度需要确定 CAES电站的运行工况状态，即各CAES电站是否处于压缩工况和发电工况。
优选的，日内调度模型的目标函数表示为：
式中，为常规机组i在日内调度t时段的出力；为CAES电站在日内调度t时段的出力；Tid为日内调度总时段数；为日内调度弃风量；cIL为可中断负荷的调度成本；为节点x上可中断负荷削减量；日内调度的约束条件为：通过调用旋转备用容量来更新常规机组的出力时的常规机组出力上下限约束，常规机组的爬坡约束，可中断负荷削减量约束，AGC机组旋转备用容量约束，电网功率平衡约束、AGC容量约束、CAES电站调度约束和传输功率约束；
其中，常规机组出力上下限约束
可中断负荷日内调度约束：可中断负荷的单位时段负荷削减量上下限约束和单日总负荷削减量约束分别为：
式中，和分别为节点x上可中断负荷在日内调度中t时段负荷削减量下限和上限；为用于指示可中断负荷是否处于负荷削减状态的二进制变量；为可中断负荷单日负荷削减量上限。
AGC机组旋转备用容量约束： 式中，和分别在日内调度阶段为已使用的第iA台AGC机组正、负旋转备用容量；和分别表示风电的正向和负向扩展短期预测误差；和分别表示负荷的正向和负向扩展短期预测误差，扩展短期预测误差采用三角模糊数表示；日内调度得到的用于实时调度模型输入的变量包括： uCAESC,t，uCAESG,t，
模型以最小化电网运营商的总支出成本为优化目标。日内调度结束后，可成本结算从非AGC机组购电的费用和可中断负荷调度费用。
需要说明的是，常规机组日内调度运行约束：在日内调度中，通过调用旋转备用容量来更新常规机组的出力，日内调度阶段的常规机组出力上下限约束如下：此外，日内调度中还需要考虑常规机组的爬坡约束，其表达式与日前调度类似。可中断负荷日内调度约束：在日内调度中，可中断负荷的单位时段负荷削减量上下限约束和单日总负荷削减量约束分别为：式中，和分别表示节点x上可中断负荷在日内调度中t时段的负荷削减量下限和上限；表示用于指示可中断负荷是否处于负荷削减状态的二进制变量。表示可中断负荷的单日负荷削减量上限。
为了应对风电和负荷的扩展短裙预测误差，日内调度需要由 AGC机组留有一定旋转备用容量，以供其在实时调度阶段进行功率调节，平抑不平衡功率。
式中，和分别在日内调度阶段为已使用的第iA台 AGC机组正、负旋转备用容量；和分别表示风电的正向和负向扩展短期预测误差；和分别表示负荷的正向和负向扩展短期预测误差，扩展短期预测误差采用三角模糊数表示。
在日内调度阶段，系统功率平衡约束、AGC容量约束、CAES 电站调度约束和传输功率约束均与日前调度中的对应约束类似。
优选的，实时调度模型的目标函数为最小化实时调度阶段调用备用后更新的购买电能的成本、DLC负荷的调度成本、实时调度阶段更新的弃风惩罚成本和购买AGC调节量的成本的加和；则基于第二调度计划，每隔第三预设时间执行日内调度模型，执行结束后得到第三调度计划，所述第三调度计划包括：每个AGC机组的调度出力， CAES电站的调度压缩功率和调度发电功率，DLC负荷的增加量和减少量，AGC机组和CAES电站的AGC参与因子，及风电的弃风功率。
实时调度的调度资源包括常规机组中的AGC机组、CAES电站和DLC负荷。实时调度是衔接日内调度与AGC的重要环节。因此，需要在实时调度阶段制定AGC机组和CAES电站的AGC参与因子配置计划。
优选的，实时调度模型的目标函数为：
式中，Δt5为实时调度阶段的单位调度时长；为在实时调度阶段的弃风功率；和为AGC机组iA的发电报价系数；和为 DLC负荷的单位增负荷调度成本和减负荷调度成本；和分别为节点x上通过DLC手段得到的负荷增加量和负荷减少量；和分别为CAES电站的单位正向和负向AGC调节量报价；和分别为AGC机组iA的单位正向和负向AGC调节量报价；
实时调度阶段的约束条件为：AGC参与因子约束，通过调用旋转备容量来调整AGC机组的出力时的AGC机组出力上下限约束，AGC机组爬坡约束，CAES电站的压缩功率和调度发电功率的上下限约束，CAES电站储气室气压上下限约束，CAES电站发电工况爬坡约束，及DLC约束；
模型以最小化电网运营商的总支出成本为优化目标。实时调度结束后，可成本结算从AGC机组和CAES电站购电的费用、DLC负荷调度费用、从AGC资源购置功率调节量的费用和弃风惩罚费用。
实时调度计划的有效性和准确性尤为重要，因此，有必要在实时调度中考虑AGC机组和CAES电站的功率调节不确定性。考虑AGC 阶段功率调节不确定性后，AGC机组的出力，CAES电站的压缩功率和发电功率分别如下：
式中，和分别表示在实时调度阶段考虑功率调节不确定性后的AGC机组出力大小、CAES电站压缩功率和发电功率；和αCAES,t分别为AGC机组iA和CAES电站的AGC参与因子。和为风电和负荷在t时段的正向超短期预测误差；和为风电和负荷在t时段的负向超短期预测误差，超短期预测误差同样采用三角模糊数表示。
AGC参与因子约束：受启停时间的影响，CAES电站只能在压缩工况和发电工况下提供AGC调频服务，CAES电站和AGC机组的 AGC参与因子约束分别表示如下：
αCAES,t≤uCAESC,t+uCAESG,t
为用于表示AGC机组iA启停状态的二进制变量，表示机组处于开机状态，表示机组处于关机状态。
为了保证由预测误差引起的不平衡功率能够在AGC阶段被完全平抑，各调度资源的AGC参与因子约束：
实时调度阶段，通过调用旋转备用，调整AGC机组的出力，AGC 机组的出力上下限约束表达式与日内调度阶段的相应约束表达式类似。此外，考虑AGC功率调节不确定性后，AGC机组的出力不能越过机组的出力限制，该约束表达式如下：
表示AGC机组iA的最大出力；表示AGC机组iA的最小出力；β表示模糊机会约束的置信度。 AGC机组爬坡约束、CAES电站压缩/发电功率上下限约束、CAES 电站储气室气压上下限约束的表达式均与日内调度阶段的对应约束类似。
CAES电站通常难以在实时调度单位时长内(5min)完成最小发电出力至最大发电出力的爬升。因此，在实时调度阶段还需要增加考虑CAES电站发电工况爬坡约束：
式中，为CAES电站在发电工况下的爬坡速率。
DLC约束：在实时调度中，通过DLC手段得到的单位时段负荷增加量上下限约束和减少量上下限约束分别为：
式中，和分别为负荷增加量和负荷减少量的上限。
将电力系统调度模型中的模糊机会约束转换为其对应的清晰等价形式，并采用优化软件对转换后的调度模型进行求解，获得电力系统优化调度方案。
在实施例提出多时间尺度优化调度模型中，日前和日内调度阶段的功率调节范围约束，实时调度阶段的AGC机组出力上下限约束、 AGC机组爬坡约束、CAES电站压缩/发电功率上下限约束、CAES 电站储气室气压上下限约束和CAES电站发电工况爬坡约束均为模糊机会约束；此外，实时调度目标函数中的AGC调节成本采用模糊期望值表示。上述模糊机会约束均可以转换为其清晰等价形式，模糊期望值也可转换为其等效确定性表达式。进行确定性等价转换后，本文提出日前、日内和实时调度模型均为混合整数线性规划(MixedInteger Linear Programming,MILP)问题。
本实施例首先需要获取如图2所示的系统拓扑、传输线路参数和传输功率限制、次日负荷和风电的短期、拓展短期和超短期预测信息、常规机组调度参数、各类型柔性负荷调度参数、压缩空气储能电站调度参数。
由图3和图5可以看出，常规机组G6和G7具有较低的发电成本，其为系统负荷的主要承担者，在负荷高峰时期，G6和G7可以持续满发运行。此外，由于G6和G7具有相对较低的旋转备用成本且长时间处于高负荷率运行状态，其能够为系统提供大量负旋转备用。常规机组G2和G3具有相对较低的旋转备用成本，且运行经济性也相对较好，全天约37.2％的正旋转备用容量和18.7％的负旋转备用由常规机组G2和G3提供。常规机组G1的运行经济性较差但单位旋转备用成本较低，其主要用于提供正旋转备用，全天约47.4％的正旋转备用容量由G1提供。G4和G5在运行经济性和提供旋转备用方面均不具有明显的优势，均处于停机状态。
由图6可以看出，可转移负荷和CAES电站主要在系统净负荷较低的时期(如2:00～8:00和23:00～24:00)进行负荷转入或压缩，而在系统净负荷较高(如8:00～23:00)的时期进行负荷转出或发电。此外，由于可转移负荷在10:00～20:00时间段内处于非可转移时段，在该时段内主要由CAES电站承担“削峰”工作，而在可转移负荷的可转移时段内，可由可转移负荷单独承担针对系统净负荷的“削峰填谷”工作(如8:00～11:00和20:30～24:00)。在弃风方面，日前调度中在风电大发而负荷低谷时期，有一定量的弃风。
对比图3和图6可以看出，机组G3具有较差的运行经济性，在日内调度中，该机组的负旋转备用被大量调用(如：19:00～23:00)，机组出力降低；而机组G2具有较好的运行经济性，其正旋转备用被大量调用(如：15:00～18:00)，机组出力提高。
对比图4和图7可以看出，系统通过可中断负荷进行了少量负荷削减。此外CAES电站的调度计划明显改变，且系统弃风量降低。
对比图6和图8可知，为了满足一定的AGC调节容量，会在少量时间段内上调AGC机组G1的出力，以留有一定的AGC下调容量。同理，为了提供一定的AGC上调容量，需要下调AGC机组G7的出力以留有功率上调容量。
由图9可以看出，DLC在实时调度中被灵活的调用，其可平抑较短时间尺度下的功率波动。实时调度阶段，系统弃风量明显降低。
由图10可以看出，在CAES电站处于压缩或发电工况的时间段，CAES电站能够承担大部分的AGC参与因子，这主要是由于CAES 电站具有相对更为迅速的动态响应特性和相对更低的功率调节成本。
此外，为了对比分析CAES电站参与AGC调频对实时调度阶段总支出成本的影响，表1给出了CAES电站参与AGC调频前后的各项成本。
表1各项实时调度阶段成本
由表1可以看出，相对于CAES电站不参与AGC调频时得到的电网运营商在实时调度阶段的总支出成本，CAES电站参与AGC调频后的总支出成本下降了约1.5％。此外，当CAES电站参与AGC调频后，AGC调节量购置总成本(常规机组AGC调节量购置成本和 CAES电站的AGC调节量购置成本之和)下降了约6.7％，从常规机组购电的成本也下降了约1.2％。这主要是由于：CAES电站在进行 AGC调节时所付出的代价更小，因此，其参与AGC调频后能够较为明显的降低AGC调节量总购置成本；当CAES电站参与AGC调频后，AGC机组可以在一定程度上减少承担AGC调频任务，从而可以使得运行经济性较好的AGC机组承担更多负荷，因此，从常规机组购电的成本能够在CAES电站参与调频后得到一定程度上的削减。
为了分析多类型柔性响应时间特性对调度结果的影响，本实施例额外设置了如下场景：假设可中断负荷和DLC负荷均只能在日前调度中进行资源配置。本实施例场景和额外场景中的全天各项成本如表 2所示。
表2不同场景下全天各项成本
由表2可以看出，当可转移负荷、可中断负荷和DLC负荷均只能在日前调度中进行优化配置时，电网运营商全天总支出成本增加了近4.4％，其中，系统弃风量明显增加。
由算例结果可以看出，采用本发明实施例提出的优化调度方法后，能够使得CAES电站和可转移负荷均针对系统净负荷进行削峰填谷；使得可中断负荷和DLC负荷能够在短时间尺度内针对系统的不平衡功率进行平抑，降低系统弃风量；并使得CAES电站能够作为系统 AGC调频服务的重要提供者参与系统AGC调频。采用该方法后，可以有效提升系统运行经济性，同时减小系统弃风量，对电力系统的优化运行具有积极意义。
实施例二
一种存储介质，存储介质中存储有指令，当计算机读取指令时，使所述计算机执行如上所述的任一种电网多时间尺度调度方法。
在存储介质存储的指令同实施例一所述，在此不再赘述。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种电网多时间尺度调度方法，其特征在于，包括：
依次执行均以常规机组、风电、CAES电站和柔性负荷为调度资源并以运行经济性为优化目标的日前调度模型、日内调度模型和实时调度模型，得到所述常规机组、所述风电和所述CAES电站的出力计划，所述柔性负荷调度计划，旋转备用容量，及AGC容量购置计划；
其中，所述日前调度模型的约束条件包括各所述调度资源在日前尺度下的运行约束；所述日内调度模型的约束条件包括各所述调度资源在日内尺度下的运行约束；所述实时调度模型的约束条件包括各所述调度资源在实时尺度下的运行约束及所述CAES电站参与电网AGC调频的约束。
2.根据权利要求1所述的一种电网多时间尺度调度方法，其特征在于，所述柔性负荷包括：可转移负荷，可中断负荷，以及DLC负荷。
3.根据权利要求2所述的一种电网多时间尺度调度方法，其特征在于，所述常规机组的出力计划包括：每个所述常规机组的启停状态，所述常规机组中非AGC机组的出力，及所述常规机组中每个AGC机组的调度出力；
所述风电的出力计划包括风电的弃风功率；
所述CAES电站的出力计划包括：每个所述CAES电站的运行工况状态，及所述CAES电站的调度压缩功率和调度发电功率；
所述柔性负荷调度计划包括：每个所述可转移负荷的负荷转入量和负荷转出量，各所述可中断负荷的削减量，及所述DLC负荷的增加量和减少量；
所述旋转备用容量包括：各所述常规机组的正旋转备用容量和负旋转备用容量；
所述AGC容量购置计划包括：所述AGC机组和所述CAES电站的AGC参与因子。
4.根据权利要求3所述的一种电网多时间尺度调度方法，其特征在于，所述日前调度模型的目标函数为最小化购买电能的成本、购买旋转备用的成本、可转移负荷的调度成本和弃风惩罚成本的加和；
则所述日前调度模型每隔第一预设时间执行结束后，得到第一调度计划，所述第一调度计划包括：每个所述常规机组的启停状态，每个所述可转移负荷的负荷转入量和负荷转出量，及各所述常规机组的正旋转备用容量和负旋转备用容量。
5.根据权利要求4所述的一种电网多时间尺度调度方法，其特征在于，所述日前调度模型的约束条件还包括：电网功率平衡约束，传输功率约束，AGC容量约束，及电网正、负旋转备用容量约束。
6.根据权利要求3所述的一种电网多时间尺度调度方法，其特征在于，所述日内调度模型的目标函数为最小化日内调度阶段调用备用后更新的购买电能的成本、所述可中断负荷的调度成本和日内调度阶段更新的弃风惩罚成本的加和；
则基于所述第一调度计划，每隔第二预设时间执行所述日内调度模型，执行结束后得到第二调度计划，所述第二调度计划包括：所述非AGC机组的出力，所述CAES电站的运行工况状态，及各所述可中断负荷的削减量。
7.根据权利要求6所述的一种电网多时间尺度调度方法，其特征在于，所述日内调度模型中，所述常规机组的运行约束包括：通过调用旋转备用容量更新常规机组出力时的常规机组出力上下限约束，及常规机组的爬坡约束；所述可中断负荷的运行约束包括可中断负荷削减量约束；其中，所述常规机组出力上下限约束为： 为常规机组i在日前调度t时段的出力，和分别为由常规机组i在t时段提供的正旋转备用容量和负旋转备用容量，为常规机组i在日内调度t时段的出力；
所述日内调度模型的约束条件还包括：AGC机组旋转备用容量约束，电网功率平衡约束、AGC容量约束和传输功率约束。
8.根据权利要求3所述的一种电网多时间尺度调度方法，其特征在于，所述实时调度模型的目标函数为最小化实时调度阶段调用备用后更新的购买电能的成本、所述DLC负荷的调度成本、实时调度阶段更新的弃风惩罚成本和购买AGC调节量的成本的加和；
则基于所述第二调度计划，每隔第三预设时间执行所述日内调度模型，执行结束后得到第三调度计划，所述第三调度计划包括：每个所述AGC机组的调度出力，所述CAES电站的调度压缩功率和调度发电功率，所述DLC负荷的增加量和减少量，所述AGC机组和所述CAES电站的AGC参与因子，及所述风电的弃风功率。
9.根据权利要求8所述的一种电网多时间尺度调度方法，其特征在于，所述实时调度模型中，所述常规机组的运行约束包括：通过调用旋转备容量来调整AGC机组出力时的AGC机组出力上下限约束，及AGC机组爬坡约束；所述DLC负荷的运行约束包括DLC约束；所述CAES电站的运行约束包括：CAES电站的压缩功率和调度发电功率的上下限约束，CAES电站储气室气压上下限约束，及CAES电站发电工况爬坡约束；所述CAES电站参与电网AGC调频的约束包括AGC参与因子约束；
其中，所述AGC机组出力上下限约束为：
表示AGC机组iA的最大出力；表示AGC机组iA的最小出力；β表示模糊机会约束的置信度；
所述CAES电站发电工况爬坡约束： 为CAES电站在发电工况下的爬坡速率，uCAESG,t-1为指示CAES电站是否处于发电工况的二进制变量，PCAESG,max为CAES电站的最大发电功率；
式中，和分别为在实时调度阶段考虑功率调节不确定性后的AGC机组出力大小、CAES电站压缩功率和发电功率，和分别为在实时调度阶段的AGC机组出力大小、CAES电站压缩功率和发电功率；和αCAES,t分别为AGC机组iA和CAES电站的AGC参与因子；uCAESC,t和uCAESG,t分别为指示CAES电站是否处于压缩工况和发电工况的二进制变量，为用于表示AGC机组iA启停状态的二进制变量，表示机组处于开机状态，表示机组处于关机状态；和为风电和负荷在t时段的正向超短期预测误差；和为风电和负荷在t时段的负向超短期预测误差；
所述AGC参与因子约束为：αCAES,t≤uCAESC,t+uCAESG,t， αCAES,t、和αCAES,t分别为CAES电站、AGC机组iA和CAES电站的AGC参与因子，NAGC为所述AGC机组数量。
10.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1-9中任一项所述的一种电网多时间尺度调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910229178.6A CN109962499B (zh) | 2019-03-25 | 2019-03-25 | 一种电网多时间尺度调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910229178.6A CN109962499B (zh) | 2019-03-25 | 2019-03-25 | 一种电网多时间尺度调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109962499A true CN109962499A (zh) | 2019-07-02 |
| CN109962499B CN109962499B (zh) | 2020-11-24 |
Family
ID=67024880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910229178.6A Active CN109962499B (zh) | 2019-03-25 | 2019-03-25 | 一种电网多时间尺度调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109962499B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363362A (zh) * | 2019-07-30 | 2019-10-22 | 合肥工业大学 | 一种计及柔性负荷的多目标日前经济调度模型与方法 |
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110707745A (zh) * | 2019-10-16 | 2020-01-17 | 中国矿业大学 | 基于改进vmd的电热综合系统多时间尺度经济调度方法 |
| CN110707757A (zh) * | 2019-10-24 | 2020-01-17 | 国网新疆电力有限公司 | 一种基于新能源消纳的多类型能源分层协调控制方法 |
| CN111277005A (zh) * | 2020-02-19 | 2020-06-12 | 东北电力大学 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
| CN112381424A (zh) * | 2020-11-17 | 2021-02-19 | 国网山东省电力公司电力科学研究院 | 新能源及负荷不确定性的多时间尺度有功优化决策方法 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN113241757A (zh) * | 2021-04-21 | 2021-08-10 | 浙江工业大学 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
| CN114079285A (zh) * | 2020-08-13 | 2022-02-22 | 国网江苏省电力有限公司 | 基于多时间尺度的电网调度优化系统及方法 |
| CN115765004A (zh) * | 2022-11-21 | 2023-03-07 | 华北电力大学 | 一种飞轮-火电系统的agc实时调度方法、系统及设备 |
| CN115800404A (zh) * | 2023-01-31 | 2023-03-14 | 南京邮电大学 | 基于有限时间一致性的多微网分布式优化协调控制方法 |
| CN115811098A (zh) * | 2023-02-09 | 2023-03-17 | 南方电网数字电网研究院有限公司 | 考虑功率裕度的风储电站agc指令优化方法和系统 |
| CN116365606A (zh) * | 2023-06-01 | 2023-06-30 | 湖南工商大学 | 一种高比例可再生能源消纳优化方法 |
| CN116613750A (zh) * | 2023-07-18 | 2023-08-18 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
| CN117996862A (zh) * | 2024-04-03 | 2024-05-07 | 国网四川省电力公司 | 基于应急备用的机组出力确定方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105006843A (zh) * | 2014-04-17 | 2015-10-28 | 国家电网公司 | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 |
| CN105790309A (zh) * | 2016-04-26 | 2016-07-20 | 贵州电网有限责任公司 | 利用分布式能源和临时附加电价协同优化控制的方法 |
| US20180233922A1 (en) * | 2017-02-14 | 2018-08-16 | Mitsubishi Electric Research Laboratories, Inc. | Energy Production and Frequency Regulation Co-Optimization for Power Generation Systems |
-
2019
- 2019-03-25 CN CN201910229178.6A patent/CN109962499B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105006843A (zh) * | 2014-04-17 | 2015-10-28 | 国家电网公司 | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 |
| CN105790309A (zh) * | 2016-04-26 | 2016-07-20 | 贵州电网有限责任公司 | 利用分布式能源和临时附加电价协同优化控制的方法 |
| US20180233922A1 (en) * | 2017-02-14 | 2018-08-16 | Mitsubishi Electric Research Laboratories, Inc. | Energy Production and Frequency Regulation Co-Optimization for Power Generation Systems |
Non-Patent Citations (1)
| Title |
|---|
| 李姚旺等: "含压缩空气储能电力系统日前日内协调调度策略", 《中国电机工程学报》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363362A (zh) * | 2019-07-30 | 2019-10-22 | 合肥工业大学 | 一种计及柔性负荷的多目标日前经济调度模型与方法 |
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110601190B (zh) * | 2019-09-23 | 2023-06-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110707745A (zh) * | 2019-10-16 | 2020-01-17 | 中国矿业大学 | 基于改进vmd的电热综合系统多时间尺度经济调度方法 |
| CN110707745B (zh) * | 2019-10-16 | 2023-05-16 | 中国矿业大学 | 基于改进vmd的电热综合系统多时间尺度经济调度方法 |
| CN110707757A (zh) * | 2019-10-24 | 2020-01-17 | 国网新疆电力有限公司 | 一种基于新能源消纳的多类型能源分层协调控制方法 |
| CN110707757B (zh) * | 2019-10-24 | 2023-02-17 | 国网新疆电力有限公司 | 一种基于新能源消纳的多类型能源分层协调控制方法 |
| CN111277005A (zh) * | 2020-02-19 | 2020-06-12 | 东北电力大学 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
| CN114079285B (zh) * | 2020-08-13 | 2024-02-06 | 国网江苏省电力有限公司 | 基于多时间尺度的电网调度优化系统及方法 |
| CN114079285A (zh) * | 2020-08-13 | 2022-02-22 | 国网江苏省电力有限公司 | 基于多时间尺度的电网调度优化系统及方法 |
| CN112381424A (zh) * | 2020-11-17 | 2021-02-19 | 国网山东省电力公司电力科学研究院 | 新能源及负荷不确定性的多时间尺度有功优化决策方法 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112531785B (zh) * | 2020-12-02 | 2023-04-18 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN113241757B (zh) * | 2021-04-21 | 2022-06-17 | 浙江工业大学 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
| CN113241757A (zh) * | 2021-04-21 | 2021-08-10 | 浙江工业大学 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
| CN115765004B (zh) * | 2022-11-21 | 2023-08-15 | 华北电力大学 | 一种飞轮-火电系统的agc实时调度方法、系统及设备 |
| CN115765004A (zh) * | 2022-11-21 | 2023-03-07 | 华北电力大学 | 一种飞轮-火电系统的agc实时调度方法、系统及设备 |
| CN115800404A (zh) * | 2023-01-31 | 2023-03-14 | 南京邮电大学 | 基于有限时间一致性的多微网分布式优化协调控制方法 |
| CN115811098A (zh) * | 2023-02-09 | 2023-03-17 | 南方电网数字电网研究院有限公司 | 考虑功率裕度的风储电站agc指令优化方法和系统 |
| CN115811098B (zh) * | 2023-02-09 | 2023-10-20 | 南方电网数字电网研究院有限公司 | 考虑功率裕度的风储电站agc指令优化方法和系统 |
| CN116365606A (zh) * | 2023-06-01 | 2023-06-30 | 湖南工商大学 | 一种高比例可再生能源消纳优化方法 |
| CN116365606B (zh) * | 2023-06-01 | 2023-08-18 | 湖南工商大学 | 一种高比例可再生能源消纳优化方法 |
| CN116613750A (zh) * | 2023-07-18 | 2023-08-18 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
| CN116613750B (zh) * | 2023-07-18 | 2023-10-13 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
| CN117996862A (zh) * | 2024-04-03 | 2024-05-07 | 国网四川省电力公司 | 基于应急备用的机组出力确定方法、装置、设备及介质 |
| CN117996862B (zh) * | 2024-04-03 | 2024-06-04 | 国网四川省电力公司 | 基于应急备用的机组出力确定方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109962499B (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109962499B (zh) | 一种电网多时间尺度调度方法 | |
| CN112104007B (zh) | 一种广义源储系统调度的集中控制方法 | |
| CN112990523B (zh) | 区域综合能源系统分层优化运行方法 | |
| CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
| CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
| CN113346555B (zh) | 一种考虑电量协调的日内滚动调度方法 | |
| CN112381424A (zh) | 新能源及负荷不确定性的多时间尺度有功优化决策方法 | |
| CN108090666A (zh) | 一种含aa-caes的电网电能与备用容量的协同调度方法 | |
| CN111210079A (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
| CN112909933B (zh) | 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法 | |
| CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
| CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
| CN109286208A (zh) | 一种综合能源系统调度方法和系统 | |
| CN116050637A (zh) | 基于分时电价的综合能源虚拟电厂优化调度方法及系统 | |
| CN114912943B (zh) | 一种考虑碳排放交易的虚拟电厂中长期联合调度方法 | |
| CN115441437A (zh) | 基于深度强化学习的区域电网日前-日内联合调度方法 | |
| CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
| CN111682531A (zh) | 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 | |
| CN108446967A (zh) | 虚拟电厂竞价方法 | |
| CN117526282A (zh) | 一种用于电力系统的源荷协调优化方法及相关系统 | |
| CN107947246A (zh) | 一种考虑调频增发的风电发电指标分配及增发评估方法 | |
| CN115936336B (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
| CN114936672B (zh) | 一种基于纳什谈判法的多虚拟电厂联合调度方法 | |
| CN112736950B (zh) | 一种面向微电网群的公共储能电站配置方法及系统 | |
| CN114841454A (zh) | 一种多时间尺度智慧能源站协同运行控制方法及装置 |
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 |