CN109980698B - 长周期细粒度机组组合计算方法及系统 - Google Patents
长周期细粒度机组组合计算方法及系统 Download PDFInfo
- Publication number
- CN109980698B CN109980698B CN201910158823.XA CN201910158823A CN109980698B CN 109980698 B CN109980698 B CN 109980698B CN 201910158823 A CN201910158823 A CN 201910158823A CN 109980698 B CN109980698 B CN 109980698B
- Authority
- CN
- China
- Prior art keywords
- period
- merging
- time
- generator set
- time period
- 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
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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- 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
本发明公开了一种长周期细粒度机组组合计算方法,包括根据长周期机组组合的计算周期和小时计算粒度,确定时段数;获取各时段的系统负荷;根据不同时段系统负荷的变化趋势,对相邻时段进行归并;建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态;建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力。同时也公开了相应的系统。本发明基于考虑系统负荷变化特性的相邻时段归并技术,简化了长周期机组组合问题的计算规模,提高算法求解效率;同时该方法建立考虑全部时段的长周期经济调度优化模型,能够在时段归并的策略下,获得完整的机组组合计算结果,保障计算精度满足工程实际要求。
Description
技术领域
本发明涉及一种长周期细粒度机组组合计算方法及系统,属于电力系统调度自动化技术领域。
背景技术
长周期机组组合是调度计划的重要内容,核心是安排未来月份的电力、电量平衡,获得发电机组的长周期开停机方案,为短期发电计划的制定提供参考依据。长周期机组组合可以在更长的时间跨度内统筹考虑电网运行效益,其优化效果明显高于短期机组组合。
机组组合问题是一个大规模混合整数非线性规划问题,对于短期机组组合问题,通过安全约束机组组合(SCUC)技术,目前已经有各种相对成熟且实用的优化方法进行求解。但将短期SCUC的优化模型扩展到长周期机组组合时,计算效率是最大的挑战。虽然长周期机组组合问题可以通过扩展计算时段,采用与短期机组组合相同的小时粒度的模型进行求解,但SCUC的计算时间随计算规模呈指数增长方式,长周期机组组合的高维度会使得计算性能得不到保障。另外,加入电厂电量计划的时间上耦合约束后,长周期机组组合模型的复杂性进一步增加,给建模求解带来了更大的难度。
目前国内长周期时间尺度的机组组合安排,通常将问题进行简化,采用日粒度的机组组合模型,把整月划分为30个时段进行优化建模,并在每日的负荷高峰时刻进行电力安全校核。日粒度的长周期机组组合模型无法精细考虑一天内不同时刻电网运行方式的变化,计算结果对实际电力生产的指导作用相对有限。而小时粒度的长周期机组组合问题,受计算模型规模的影响,存在计算效率低下的问题,限制了长周期细粒度机组组合技术在实际生产中的应用。
发明内容
本发明提供了一种长周期细粒度机组组合计算方法及系统,解决了小时粒度的长周期机组组合计算效率低下的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
长周期细粒度机组组合计算方法,包括,
根据长周期机组组合的计算周期和小时计算粒度,确定时段数;
获取各时段的系统负荷;
根据不同时段系统负荷的变化趋势,对相邻时段进行归并;
建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态;
建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力。
时段数为计算周期所含天数与24的乘积。
相邻时段归并的过程为,
31)计算所有相邻时段的系统负荷变化率;
32)判断最小系统负荷变化率是否大于设定阈值或者时段数达到预设数据,如果是,则归并结束,如果不是,则转至步骤33;
33)将系统负荷变化率最小的相邻两个时段归并为一个时段,时段数减1;转至步骤31。
相邻时段的系统负荷变化率计算公式为,
ΔLt~t+1=|Lt-Lt+1|Lt
其中,ΔLt~t+1为相邻时段t和t+1的系统负荷变化率,Lt为时段t的系统负荷,Lt+1为时段t+1的系统负荷。
相邻时段t和t+1归并为时段t′;
归并后时段t′对应的系统负荷为,
其中,L′t′为归并后时段t′的系统负荷,Lt为归并前时段t的系统负荷,Lt+1为归并前时段t+1的系统负荷,ΔTt为归并前时段t的持续时间,ΔTt+1为归并前时段t+1的持续时间。
长周期机组组合优化模型为,
目标函数:
约束条件:
Pi,minui,t′≤Pi,t′≤Pi,maxui,t′
-Δi·Nt′≤Pi,t′-Pi,t′-1≤Δi·Nt′
其中,T′为归并后的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t′为发电机组i在归并后时段t′的有功出力,Si为发电机组i的开机成本,yi,t′为发电机组i在归并后时段t′的是否有停机到开机状态变化的标志,L′t′为归并后时段t′的系统负荷,Rt′为归并后时段t′的系统旋转备用需求,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,ui,t′为发电机组i在归并后时段t′的启停状态,UTi,DTi分别为发电机组i的最小开机时间和最小停机时间,zi,τ为发电机组i在归并后时段τ=t′-DTi+1的是否有开机到停机状态变化的标志,Δi为发电机组i每时段爬坡速率的最大值,Nt′为归并后时段t′所包含的归并前时段数目,分别为支路i′j′的潮流下限和上限,pi′j′,t′为支路i′j′在归并后时段t′的潮流。
经济调度优化模型为,
目标函数:
约束条件:
Pi,minui,t≤Pi,t≤Pi,maxui,t
-Δi≤Pi,t-Pi,t-1≤Δi
其中,T为归并前的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t为发电机组i在归并前时段t的有功出力,Pi,t-1为发电机组i在归并前时段t-1的有功出力,Lt为归并前时段t的系统负荷,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,ui,t为发电机组i在归并前时段t的启停状态,ui,t=ui,t′,ui,t′为发电机组i在归并后时段t′的启停状态,时段t′为时段t与其相邻时段归并后的时段,Δi为发电机组i每时段爬坡速率的最大值,分别为支路i′j′的潮流下限和上限,pi′j′,t为支路i′j′在归并前时段t的潮流。
长周期细粒度机组组合计算系统,包括,
时段数计算模块:根据长周期机组组合的计算周期和小时计算粒度,确定时段数;
负荷获取模块:获取各时段的系统负荷;
归并模块:根据不同时段系统负荷的变化趋势,对相邻时段进行归并;
开停机状态求解模块:建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态;
有功出力求解模块:建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行长周期细粒度机组组合计算方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行长周期细粒度机组组合计算方法的指令。
本发明所达到的有益效果:本发明基于考虑系统负荷变化特性的相邻时段归并技术,简化了长周期机组组合问题的计算规模,提高算法求解效率;同时本发明建立考虑全部时段的长周期经济调度优化模型,能够在时段归并的策略下,获得完整的机组组合与机组出力计算结果,保障计算精度满足工程实际要求。
附图说明
图1为本发明的流程图。
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。
如图1所示,长周期细粒度机组组合计算方法,包括以下步骤:
步骤1,根据长周期机组组合的计算周期和小时计算粒度,确定时段数。
计算周期为根据实际需求灵活配置的一个时间段,小时计算粒度是以一个小时为一个计算粒度,那么时段数为计算周期所含天数与24的乘积。比如:计算周期为30天,那么时段数为720个。
步骤2,获取各时段的系统负荷;此外还要根据计算需求,获取母线负荷需求、月度检修计划、联络线计划、电厂电量计划、稳定限额等长周期机组组合问题的边界数据。
步骤3,根据不同时段系统负荷的变化趋势,对相邻时段进行归并。
相邻时段归并的过程如下:
31)计算所有相邻时段的系统负荷变化率。
相邻时段的系统负荷变化率计算公式:
ΔLt~t+1=|Lt-Lt+1|/Lt
其中,ΔLt~t+1为相邻时段t和t+1的系统负荷变化率,Lt为时段t的系统负荷,Lt+1为时段t+1的系统负荷。
32)判断最小系统负荷变化率是否大于设定阈值或者时段数达到预设数据,如果是,则归并结束,如果不是,则转至步骤33。
33)将系统负荷变化率最小的相邻两个时段归并为一个时段,时段数减1;转至步骤31。
相邻时段t和t+1归并为时段t′,为保证时段归并后的电能量守恒,归并后时段t′对应的系统负荷为,
其中,L′t′为归并后时段t′的系统负荷,Lt为归并前时段t的系统负荷,Lt+1为归并前时段t+1的系统负荷,ΔTt为归并前时段t的持续时间,ΔTt+1为归并前时段t+1的持续时间,归并后时段的持续时间为相邻两个时段持续时间之和。
步骤4,建立时段归并后的长周期机组组合优化模型,采用混合整数规划算法,求解发电机组的开停机状态。
长周期机组组合优化模型为:
目标函数:
约束条件:
Pi,minui,t′≤Pi,t′≤Pi,maxui,t′
-Δi·Nt′≤Pi,t′-Pi,t′-1≤Δi·Nt′
其中,T′为归并后的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t′为发电机组i在归并后时段t′的有功出力,Si为发电机组i的开机成本,yi,t′为发电机组i在归并后时段t′的是否有停机到开机状态变化的标志,L′t′为归并后时段t′的系统负荷,Rt′为归并后时段t′的系统旋转备用需求,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,ui,t′为发电机组i在归并后时段t′的启停状态,UTi,DTi分别为发电机组i的最小开机时间和最小停机时间,zi,τ为发电机组i在归并后时段τ=t′-DTi+1的是否有开机到停机状态变化的标志,Δi为发电机组i每时段爬坡速率的最大值,Nt′为归并后时段t′所包含的归并前时段数目,分别为支路i′j′的潮流下限和上限,pi′j′,t′为支路i′j′在归并后时段t′的潮流。
步骤5,以发电机组开停机状态结果为基础,建立考虑全部时段的经济调度优化模型,采用线性规划算法,求解发电机组的有功出力。
经济调度优化模型为:
目标函数:
约束条件:
Pi,minui,t≤Pi,t≤Pi,maxui,t
-Δi≤Pi,t-Pi,t-1≤Δi
其中,T为归并前的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t为发电机组i在归并前时段t的有功出力,Pi,t-1为发电机组i在归并前时段t-1的有功出力,Lt为归并前时段t的系统负荷,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,Δi为发电机组i每时段爬坡速率的最大值,分别为支路i′j′的潮流下限和上限,pi′j′,t为支路i′j′在归并前时段t的潮流。
根据长周期机组组合计算结果,将归并后时段t′的启停状态ui,t′,赋值给各时段所包含的原时段t,在此基础上计算经济调度优化模型,赋值公式为:
ui,t=ui,t′,t∈δt′
其中,δt′为归并后时段t′所包含的原时段数的集合。
将上述方法在某省电网调度计划系统中应用,以时段数为720个为例,采用传统技术的平均计算时间超过2个小时,通过考虑负荷变化特性的相邻时段归并技术,归并后的优化模型时段数目为120个,求解时段归并后的长周期机组组合优化模型的计算耗时平均为24分钟,考虑全部720个时段的经济调度优化模型的计算耗时平均为3分钟,总的计算时间在30分钟以内,通过上述方法将计算时间由超过2个小时降低至30分钟以内,大大提高了效率。
上述方法基于考虑系统负荷变化特性的相邻时段归并技术,简化了长周期机组组合问题的计算规模,提高算法求解效率;同时该方法建立考虑全部时段的长周期经济调度优化模型,能够在时段归并的策略下,获得完整的机组组合计算结果,保障计算精度满足工程实际要求。
长周期细粒度机组组合计算系统,包括:
时段数计算模块:根据长周期机组组合的计算周期和小时计算粒度,确定时段数。
负荷获取模块:获取各时段的系统负荷。
归并模块:根据不同时段系统负荷的变化趋势,对相邻时段进行归并。
开停机状态求解模块:建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态。
有功出力求解模块:建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行长周期细粒度机组组合计算方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行长周期细粒度机组组合计算方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (7)
1.长周期细粒度机组组合计算方法,其特征在于:包括,
根据长周期机组组合的计算周期和小时计算粒度,确定时段数;
获取各时段的系统负荷;
根据不同时段系统负荷的变化趋势,对相邻时段进行归并,过程为:
31)计算所有相邻时段的系统负荷变化率;
32)判断最小系统负荷变化率是否大于设定阈值或者时段数达到预设数据,如果是,则归并结束,如果不是,则转至33;
33)将系统负荷变化率最小的相邻两个时段归并为一个时段,时段数减1;转至31;
建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态;其中,长周期机组组合优化模型为,
目标函数:
约束条件:
Pi,minui,t′≤Pi,t′≤Pi,maxui,t′
-Δi·Nt′≤Pi,t′-Pi,t′-1≤Δi·Nt′
其中,T′为归并后的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t′为发电机组i在归并后时段t′的有功出力,Si为发电机组i的开机成本,yi,t′为发电机组i在归并后时段t′的是否有停机到开机状态变化的标志,L′t′为归并后时段t′的系统负荷,Rt′为归并后时段t′的系统旋转备用需求,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,ui,t′为发电机组i在归并后时段t′的启停状态,UTi,DTi分别为发电机组i的最小开机时间和最小停机时间,zi,τ为发电机组i在归并后时段τ=t′-DTi+1的是否有开机到停机状态变化的标志,Δi为发电机组i每时段爬坡速率的最大值,Nt′为归并后时段t′所包含的归并前时段数目,pi′j ′,分别为支路i′j′的潮流下限和上限,pi′j′,t′为支路i′j′在归并后时段t′的潮流;
建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力;其中,
经济调度优化模型为,
目标函数:
约束条件:
Pi,minui,t≤Pi,t≤Pi,maxui,t
-Δi≤Pi,t-Pi,t-1≤Δi
其中,T为归并前的时段数,Pi,t为发电机组i在归并前时段t的有功出力,Pi,t-1为发电机组i在归并前时段t-1的有功出力,Lt为归并前时段t的系统负荷,ui,t为发电机组i在归并前时段t的启停状态,ui,t=ui,t′,时段t′为时段t与其相邻时段归并后的时段,pi′j′,t为支路i′j′在归并前时段t的潮流。
2.根据权利要求1所述的长周期细粒度机组组合计算方法,其特征在于:时段数为计算周期所含天数与24的乘积。
3.根据权利要求1所述的长周期细粒度机组组合计算方法,其特征在于:相邻时段的系统负荷变化率计算公式为,
ΔLt~t+1=|Lt-Lt+1|/Lt
其中,ΔLt~t+1为相邻时段t和t+1的系统负荷变化率,Lt为时段t的系统负荷,Lt+1为时段t+1的系统负荷。
5.长周期细粒度机组组合计算系统,其特征在于:包括,
时段数计算模块:根据长周期机组组合的计算周期和小时计算粒度,确定时段数;
负荷获取模块:获取各时段的系统负荷;
归并模块:根据不同时段系统负荷的变化趋势,对相邻时段进行归并,过程为:
31)计算所有相邻时段的系统负荷变化率;
32)判断最小系统负荷变化率是否大于设定阈值或者时段数达到预设数据,如果是,则归并结束,如果不是,则转至33;
33)将系统负荷变化率最小的相邻两个时段归并为一个时段,时段数减1;转至31;
开停机状态求解模块:建立时段归并后的长周期机组组合优化模型,求解发电机组的开停机状态;其中,长周期机组组合优化模型为,
目标函数:
约束条件:
Pi,minui,t′≤Pi,t′≤Pi,maxui,t′
-Δi·Nt′≤Pi,t′-Pi,t′-1≤Δi·Nt′
其中,T′为归并后的时段数,I为系统中发电机组总个数,Ci为发电机组i的运行成本,Pi,t′为发电机组i在归并后时段t′的有功出力,Si为发电机组i的开机成本,yi,t′为发电机组i在归并后时段t′的是否有停机到开机状态变化的标志,L′t′为归并后时段t′的系统负荷,Rt′为归并后时段t′的系统旋转备用需求,Pi,min,Pi,max分别为发电机组i的输出功率的下限和上限,ui,t′为发电机组i在归并后时段t′的启停状态,UTi,DTi分别为发电机组i的最小开机时间和最小停机时间,zi,τ为发电机组i在归并后时段τ=t′-DTi+1的是否有开机到停机状态变化的标志,Δi为发电机组i每时段爬坡速率的最大值,Nt′为归并后时段t′所包含的归并前时段数目,pi′j′ ,分别为支路i′j′的潮流下限和上限,pi′j′,t′为支路i′j′在归并后时段t′的潮流;
有功出力求解模块:建立考虑全部时段的经济调度优化模型,求解发电机组的有功出力;其中,
经济调度优化模型为,
目标函数:
约束条件:
Pi,minui,t≤Pi,t≤Pi,maxui,t
-Δi≤Pi,t-Pi,t-1≤Δi
其中,T为归并前的时段数,Pi,t为发电机组i在归并前时段t的有功出力,Pi,t-1为发电机组i在归并前时段t-1的有功出力,Lt为归并前时段t的系统负荷,ui,t为发电机组i在归并前时段t的启停状态,ui,t=ui,t′,时段t′为时段t与其相邻时段归并后的时段,pi′j′,t为支路i′j′在归并前时段t的潮流。
6.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
7.一种计算设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158823.XA CN109980698B (zh) | 2019-03-04 | 2019-03-04 | 长周期细粒度机组组合计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158823.XA CN109980698B (zh) | 2019-03-04 | 2019-03-04 | 长周期细粒度机组组合计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109980698A CN109980698A (zh) | 2019-07-05 |
CN109980698B true CN109980698B (zh) | 2022-08-26 |
Family
ID=67077759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910158823.XA Active CN109980698B (zh) | 2019-03-04 | 2019-03-04 | 长周期细粒度机组组合计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109980698B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112821390B (zh) * | 2021-01-22 | 2022-12-27 | 国网山西省电力公司经济技术研究院 | 一种基于中期机组组合的电力系统长期生产模拟方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097866A (zh) * | 2011-03-28 | 2011-06-15 | 国电南瑞科技股份有限公司 | 中长期机组组合优化方法 |
CN104616069A (zh) * | 2015-01-13 | 2015-05-13 | 国电南瑞科技股份有限公司 | 一种考虑计划完成率和负荷率均衡的年度发电计划滚动分解优化方法 |
-
2019
- 2019-03-04 CN CN201910158823.XA patent/CN109980698B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097866A (zh) * | 2011-03-28 | 2011-06-15 | 国电南瑞科技股份有限公司 | 中长期机组组合优化方法 |
CN104616069A (zh) * | 2015-01-13 | 2015-05-13 | 国电南瑞科技股份有限公司 | 一种考虑计划完成率和负荷率均衡的年度发电计划滚动分解优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109980698A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102097866B (zh) | 中长期机组组合优化方法 | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN107153885B (zh) | 考虑火电机组深度调峰的实时发电计划优化方法 | |
CN102684224B (zh) | 一种求解考虑风电波动性的机组组合方法 | |
CN109447510B (zh) | 基于scuc的中长期电量安全校核方法、装置及系统 | |
CN110490363B (zh) | 一种多日机组组合优化方法及系统 | |
CN103595076B (zh) | 一种提高风力发电机组疲劳均匀性的有功功率分配方法 | |
AU2020103555A4 (en) | Method and system for power supply prediction by variety | |
CN109447379B (zh) | 一种中长期电量安全校正的分步优化方法及系统 | |
CN103414206A (zh) | 一种考虑安全约束的水光火联合优化发电计划优化方法 | |
CN103699938A (zh) | 一种含抽水蓄能电站的电力系统发电计划制定方法 | |
CN110957717A (zh) | 一种多电源电力系统多目标日前优化调度方法 | |
CN108964113B (zh) | 一种新能源发电调度方法及系统 | |
CN112186734B (zh) | 一种电力系统中长期运行模拟方法、储存介质及计算设备 | |
CN111784100B (zh) | 一种月度计划方式生成方法 | |
CN110751383A (zh) | 一种基于多策略融合降维的电力现货市场出清计算方法 | |
CN109980698B (zh) | 长周期细粒度机组组合计算方法及系统 | |
CN115528674A (zh) | 基于减载运行的海上风电场虚拟惯量最优分配方法及系统 | |
CN103400217A (zh) | 风电与常规能源协调调度风电相容性网络安全分析方法 | |
CN110556823B (zh) | 基于模型降维的安全约束机组组合快速计算方法及系统 | |
CN111799793B (zh) | 一种源网荷协同的输电网规划方法与系统 | |
CN112491080A (zh) | 一种新能源装机布局规划方法和系统 | |
CN111859585B (zh) | 一种输配协同的设备承载能力计算方法及系统 | |
CN114548603A (zh) | 一种年度电量校核计算方法 | |
CN113452081A (zh) | 一种新能源消纳提升量后评估方法及装置 |
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 |