CN110245793A - 一种基于光热机组聚合模型的电力系统优化调度方法 - Google Patents
一种基于光热机组聚合模型的电力系统优化调度方法 Download PDFInfo
- Publication number
- CN110245793A CN110245793A CN201910479761.2A CN201910479761A CN110245793A CN 110245793 A CN110245793 A CN 110245793A CN 201910479761 A CN201910479761 A CN 201910479761A CN 110245793 A CN110245793 A CN 110245793A
- Authority
- CN
- China
- Prior art keywords
- heat
- thermal
- photo
- class
- unit
- 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
- 238000006116 polymerization reaction Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000005338 heat storage Methods 0.000 claims description 40
- 238000010248 power generation Methods 0.000 claims description 28
- 238000009825 accumulation Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
- Wind Motors (AREA)
Abstract
一种基于光热机组聚合模型的电力系统优化调度方法,将参数相同或相近的光热机组聚合为一类,在类的层次进行计算,将问题复杂度从机组台数降为聚合的类别数量,通过缩小问题规模实现求解加速,采用整数变量,标识类中处于开机状态和发生开停机动作的机组台数,并基于两阶段启动的结论分别采用不同的变量来标识该类中的机组在启动过程第一阶段和第二阶段所积累的总启动热量,对同一类别内部的光热机组工作情况进行模拟,在提升计算效率的同时,保证了较高的求解精度;本发明可以在较高的精度下有效提高含大规模光热电力系统优化规划的求解效率,得到系统发电方案,为含大规模光热电力系统的运行优化分析提供有力支撑。
Description
技术领域
本发明涉及电力系统规划、运行调度技术领域,具体涉及一种基于光热机组聚合模型的电力系统优化调度方法。
背景技术
近年来,光热作为太阳能发电的新兴产业,其独特的优势吸引了人们的广泛关注。与光伏发电相比,它不仅避免了太阳能电池板生产过程中的高污染、高排放,而且配备有一定的储热罐以应对光照资源的随机性与间歇性,发展潜力巨大。我国太阳能资源丰富,尤其是西部及西北部地区的沙漠,都是建设光热电站的理想站址。根据中国可再生能源协会估计,光热发电技术有望成为我国主要的可再生能源发电技术之一。
目前的研究已对光热发电系统构建了基本的模型框架,但是由于光热机组模型的约束复杂,涉及变量众多,其单机容量小使得优化问题性质恶劣,且光热机组数量多,庞大的问题规模和过长的求解时间使含大规模光热电力系统的优化调度计算难以进行,因此,需要找到一种高效的光热模型,在加速求解的同时保持解的高精度,为含大规模光热电力系统的优化调度提供有力工具。
发明内容
为了解决以上问题,本发明的目的在于提出了一种基于光热机组聚合模型的电力系统优化调度方法,将参数相同或相近的光热机组聚合为一类,在类的层次进行计算,将问题复杂度从机组台数降为聚合的类别数量,通过缩小问题规模实现求解加速,通过记录类中处于开机状态和发生开停机动作的机组台数,以及基于光热的两阶段启动结论采用不同的变量分别标识聚合后的类在启动的不同阶段所积累的启动热量,对同一类别内部的光热机组工作情况进行模拟,在提升计算效率的同时保证了较高的求解精度。
为了实现上述目的,本发明采用的技术方案是:
一种基于光热机组聚合模型的电力系统优化调度方法,包括以下步骤;
步骤一:对光热机组进行聚合,将属于同一电站的光热机组聚合到一类。
步骤二:确定聚合后的类参数:对于汽轮机参数,若类中机组参数相同,取任意一台机组的参数作为聚合后类的等值参数;若类中机组参数相近但不是完全相同,则采用加权平均的方法获取聚合后类的等值参数;对于储热罐参数,将类中所有单机参数求和得到类的等值参数。
步骤三:针对聚合后光热发电系统内部能量流动关系建立聚合后光热发电系统模型,即建立光热发电系统的内部节点功率平衡式,节点功率平衡式分别如式(1)、式(2)和式(3)所示,进一步简化可得到式(4)。
其中,式(1)、式(2)和式(3)分别表示聚光集热部分、储热部分和发电部分的节点功率平衡式;式(3)表示进入汽轮机的热量一部分用于启动,一部分用于发电,若汽轮机已处于开机状态,则直接用于发电;表示类c在时刻t吸收到的太阳光热量;表示由于热罐进热速率及汽轮机进热速率或热罐储热量达到上限而造成的弃热;表示由集热器输入储热罐的热量;表示从储热罐输出,进入汽轮发电系统的热量;ηin和ηout分别表示储热罐的进热效率和出热效率;ΔTSi,t表示储热罐在t时段的储热变化量;表示由集热器流入汽轮机的热量;表示汽轮机启动热量;表示汽轮机的发电热量。
步骤四:针对建立的聚合后光热发电系统模型,模拟其汽轮机开停机过程,采用整数变量和表示类中处于开机状态和发生开停机动作的机组台数,和的取值范围如下式所示:
其中Nc表示类c中的机组台数;
所述整数变量和需满足约束(6)-(11)以模拟类中汽轮机工作状态和启停切换过程,其中为类c中所有机组初始状态0-1参数之和;
为精确描述类c中发生开机动作的机组在时段t处于哪个阶段,引入和来分别表示其处于第一阶段和第二阶段所积累的启动热量,式(13)-(14)表示在启动过程中,汽轮机积累的启动热量小于进热上限,式(15)表示经过两个时段的热量积累,汽轮机达到启动所需热量,式(16)表示在启动过程的第二个时段,进入汽轮机的启动热量和发电热量总和小于进热上限:
此外,汽轮机发电功率及其所能提供的向上和向下备用需满足最大和最小限值约束,同时备用满足爬坡速率限值约束。
步骤五:针对聚合后的光热发电系统建立储热罐模型,由于是在类的层面建模,所有储热变量都表示该类整体储热及进热出热变化情况,对于储热罐参数,将类中所有单机参数求和得到类的等值参数,储热罐满足最大最小储热量约束、进热及出热速率限值约束、前后时段热量流动关系约束以及初态和末态储能约束。
由于在光热发电机组聚合模型中将不同光热机组的储热罐也同时聚合成了一个整体,这样会出现等效于不同机组间储热罐热量可以流通的情况,为避免这样不合理的情况,引入储热折算系数,折算系数与储热装置功率、容量以及光照资源因素相关,通常取0.9,将聚合模型中的热罐储热量参数乘以该系数,得到等效的热罐储热量参数进行调整。
步骤六:在步骤一进行的分类聚合、步骤二确定的聚合后的类别参数和步骤三、四、五建立的光热发电系统各部分聚合模型的基础上进行电力系统优化调度求解,将计算得到的类层面的光热机组运行方案平均分配到类中的每一台机组,得到含光热电力系统的优化调度方案。
本发明的有益效果为:
将含大规模光热电力系统优化调度问题中的大规模光热聚合,通过降低问题复杂度,缩小问题规模,求解时间可被缩短一至两个数量级,同时能够保持较高的求解精度,实现了求解的有效加速,该方法可为含大规模光热电力系统较高精度的长期优化规划高效计算提供工具,具有一定应用前景。
附图说明
图1为本发明的整体流程图。
图2为光热发电系统能量流动示意图。
图3为算例系统新能源及负荷曲线。
图4为不同算例规模下聚合前后求解时间及聚合加速效应系数示意图。
图5为不同算例规模下聚合方法的误差示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
以改进的IEEE-RTS79系统为研究对象,将一部分火电机组用风电场和光热机组替代,替代后火电装机2245MW,风电装机1000MW,光热装机500MW,单机容量50MW,系统最大负荷为2850MW,风电出力和光热资源来自于我国西北某省的实际统计数据,负荷、风电和光热资源曲线如图3所示。
如图1所示,一种基于光热机组聚合模型的电力系统优化调度方法,包括以下步骤;
步骤一:对光热机组进行聚合。在聚合分类规则方面,光热可以参考目前火电机组聚合模型中的分类规则,大致有以下几种:机组类型(燃煤蒸汽驱动、燃气轮机等)、机组容量、机组寿命、机组效率(热电转换效率)或所属电厂。特别地,一个光热电站内的机组参数一般是相同的,因此在这里采用依据所属电站分类的规则进行聚合,将属于同一电站的光热机组聚合到一类。
这里的500MW光热属于同一光热电站,单机容量50MW,参照以上规则,将这10台光热机组聚合为一类。
步骤二:确定聚合后的类参数。对于汽轮机参数,若类中机组参数相同,如汽轮机单次进热上限汽轮机单次启动所需热量汽轮机最小发电功率汽轮机最大发电功率汽轮机向上爬坡速率汽轮机向下爬坡速率最小开机时间和最小停机时间可以取任意一台机组的参数作为聚合后类的等值参数;若类中机组参数相近但不是完全相同,则可采用加权平均(例如根据机组容量取加权平均)的方法获取聚合后类的等值参数。对于储热罐参数,如TSc,min,TSc,max,TSc,init和TSc,end,将类中所有单机参数求和得到类的等值参数。
这里的光热单机参数如表1所示,根据以上规则,聚合后的光热等值参数如表2所示。
表1光热机组单机参数
表2光热机组聚合等值参数
步骤三:如图2所示,针对聚合后光热发电系统内部能量流动关系建立聚合后光热发电系统模型,由于聚合后的建模在类层次进行,发电系统的能量流动关系由机组聚合得到的类整体的各个部分建立,即聚光集热部分、储热部分和发电部分,将其分别视为节点,可得以下功率平衡式(1)-(3),进一步简化可得到(4):
其中,式(1)、式(2)和式(3)分别表示聚光集热部分、储热部分和发电部分的节点功率平衡式;式(3)表示进入汽轮机的热量一部分用于启动,一部分用于发电,若汽轮机已处于开机状态,则直接用于发电;表示类c在时刻t吸收到的太阳光热量;表示由于热罐进热速率及汽轮机进热速率或热罐储热量达到上限而造成的弃热;表示由集热器输入储热罐的热量;表示从储热罐输出,进入汽轮发电系统的热量;ηin和ηout分别表示储热罐的进热效率和出热效率;ΔTSi,t表示储热罐在t时段的储热变化量;表示由集热器流入汽轮机的热量;表示汽轮机启动热量;表示汽轮机的发电热量。
步骤四:针对建立的聚合后光热发电系统模型,模拟其汽轮机开停机过程,模拟其开停机过程。在光热发电机组聚合模型中认为同一类中机组相同,对其不做区分,因此仅采用整数变量和表示类中处于开机状态和发生开停机动作的机组台数,和的取值范围如下式所示:
其中Nc表示类c中的机组台数。
由于光热机组汽轮机与传统汽轮机的启动过程不同,综合考虑到:1)其启动热量受光照情况影响,有一定的随机性和间歇性;2)为防止导热介质吸热后进入汽轮机太快导致设备损坏,汽轮机单时段进热有上限限制;3)光热发电需满足最小出力约束,因此在典型参数配置下,光热机组汽轮机的冷态启动一般需要前后连续的两个时段(1时段为1小时),通过一定的热量积累过程达到启动要求后,在第二个时段开机状态切换为1,开始发电。故整数变量 和需满足约束(6)-(11)以模拟类中汽轮机工作状态和启停切换过程,其中为类c中所有机组初始状态0-1参数之和。
为精确描述类c中发生开机动作的机组在时段t处于哪个阶段,引入和来分别表示其处于第一阶段和第二阶段所积累的启动热量。式(13)-式(14)表示在启动过程中,汽轮机积累的启动热量小于进热上限,式(15)表示经过两个时段的热量积累,汽轮机达到启动所需热量,式(16)表示在启动过程的第二个时段,进入汽轮机的启动热量和发电热量总和小于进热上限。
此外,汽轮机发电功率及其所能提供的向上和向下备用需满足最大和最小限值约束,同时备用满足爬坡速率限值约束。
步骤五:针对聚合后的光热发电系统建立储热罐模型,由于是在类的层面建模,所有储热变量都表示该类整体储热及进热出热变化情况,对于储热罐参数,将类中所有单机参数求和得到类的等值参数,储热罐满足最大最小储热量约束、进热及出热速率限值约束、前后时段热量流动关系约束以及初态和末态储能约束。
由于在光热发电机组聚合模型中将不同光热机组的储热罐也同时聚合成了一个整体,这样会出现等效于不同机组间储热罐热量可以流通的情况,为避免这样不合理的情况,可以引入储热折算系数,折算系数与储热装置功率、容量以及光照资源因素相关,通常取0.9,将聚合模型中的热罐储热量参数乘以该系数,得到等效的热罐储热量参数进行调整。
步骤六:在步骤一进行的分类聚合、步骤二确定的聚合后的类别参数和步骤三、四五建立的光热发电系统各部分聚合模型的基础上进行电力系统优化调度求解,由于对类中的机组不作区分,将计算得到的类层面的光热机组运行方案平均分配到类中的每一台机组,得到含光热电力系统的优化调度方案。
采用以下标准评判聚合方法的加速效果,将通过聚合方法得到的结果用上标“*”表示,反之则是没有采用聚合方法求解得到的结果。
1)系统发电成本偏差
2)光热发电功率偏差
3)光热开机状态数偏差
4)加速效应系数
将聚合前的求解时间与聚合后的求解时间的比值作为聚合方法的加速效应系数以评判加速效果的好坏。
计算结果如表3所示。
表3基础算例计算结果对比
1(p.u.) | 光热机组模型 | 光热聚合模型 |
f<sub>totalcost</sub>($) | 639362 | 639282 |
Δ<sup>cost</sup> | / | 0.013% |
t<sub>solution</sub>(s) | 34.28 | 2.45 |
α<sub>ac</sub> | / | 13.99 |
Δ<sup>pg</sup> | / | 0.030% |
Δ<sup>UC</sup> | / | 0.000% |
由上表可见,光热聚合模型能以较高精度实现求解的加速,不仅将求解时间缩小了一个量级,而且求解误差小于0.05%,可对大规模光热运行进行较精确的近似。
为了进行进一步的对比,将算例规模逐渐扩大至四倍。不同算例规模下聚合前后求解时间及聚合加速效应系数示意图如图4所示,聚合方法的误差示意图如图5所示。从图4中可以看出,聚合方法可以有效加速问题的求解,求解时间减少了一至两个量级,系统规模越大,加速效果越明显。由图5可见,在不同的算例规模下,光热发电机组聚合模型的发电成本误差普遍在0.05%以下;发电功率偏差在0.03%~3.55%间波动,开机状态偏差在0.00%~4.44%间波动,误差非常小。
可见,在采用了基于光热机组聚合模型的电力系统优化调度方法后,可以在较高的精度下有效提高含大规模光热电力系统优化规划的求解效率,得到系统发电方案,可为含大规模光热电力系统的运行优化分析提供有力支撑。
Claims (5)
1.一种基于光热机组聚合模型的电力系统优化调度方法,其特征在于,包括以下步骤;
步骤一:对光热机组进行聚合,将属于同一电站的光热机组聚合到一类;
步骤二:确定聚合后的类参数:对于汽轮机参数,若类中机组参数相同,取任意一台机组的参数作为聚合后类的等值参数;若类中机组参数相近但不是完全相同,则采用加权平均的方法获取聚合后类的等值参数;对于储热罐参数,将类中所有单机参数求和得到类的等值参数;
步骤三:针对聚合后光热发电系统内部能量流动关系建立聚合后光热发电系统模型;
步骤四:针对建立的聚合后光热发电系统模型,模拟其汽轮机开停机过程;
步骤五:针对聚合后的光热发电系统建立储热罐模型;
步骤六:在步骤一进行的分类聚合、步骤二确定的聚合后的类别参数和步骤三、四、五建立的光热发电系统各部分聚合模型的基础上进行电力系统优化调度求解,将计算得到的类层面的光热机组运行方案平均分配到类中的每一台机组,得到含光热电力系统的优化调度方案。
2.根据权利要求1所述的一种基于光热机组聚合模型的电力系统优化调度方法,其特征在于,在步骤一中,当一个光热电站内的机组参数是相同时,采用依据所属电站分类的规则进行聚合,将属于同一电站的光热机组聚合到一类。
3.根据权利要求1所述的一种基于光热机组聚合模型的电力系统优化调度方法,其特征在于,步骤三具体为:
建立光热发电系统的内部节点功率平衡式,节点功率平衡式分别如式(1)、式(2)和式(3)所示,进一步简化可得到式(4):
其中,式(1)、式(2)和式(3)分别表示聚光集热部分、储热部分和发电部分的节点功率平衡式;式(3)表示进入汽轮机的热量一部分用于启动,一部分用于发电,若汽轮机已处于开机状态,则直接用于发电;表示类c在时刻t吸收到的太阳光热量;表示由于热罐进热速率及汽轮机进热速率或热罐储热量达到上限而造成的弃热;表示由集热器输入储热罐的热量;表示从储热罐输出,进入汽轮发电系统的热量;ηin和ηout分别表示储热罐的进热效率和出热效率;ΔTSi,t表示储热罐在t时段的储热变化量;表示由集热器流入汽轮机的热量;表示汽轮机启动热量;表示汽轮机的发电热量。
4.根据权利要求1所述的一种基于光热机组聚合模型的电力系统优化调度方法,其特征在于,步骤四具体为:
采用整数变量和表示类中处于开机状态和发生开停机动作的机组台数,和的取值范围如下式所示:
其中Nc表示类c中的机组台数;
所述整数变量和需满足约束(6)-(11)以模拟类中汽轮机工作状态和启停切换过程,其中为类c中所有机组初始状态0-1参数之和;
为精确描述类c中发生开机动作的机组在时段t处于哪个阶段,引入和来分别表示其处于第一阶段和第二阶段所积累的启动热量,式(13)-(14)表示在启动过程中,汽轮机积累的启动热量小于进热上限,式(15)表示经过两个时段的热量积累,汽轮机达到启动所需热量,式(16)表示在启动过程的第二个时段,进入汽轮机的启动热量和发电热量总和小于进热上限;
此外,汽轮机发电功率及其所能提供的向上和向下备用需满足最大和最小限值约束,同时备用满足爬坡速率限值约束。
5.根据权利要求1所述的一种基于光热机组聚合模型的电力系统优化调度方法,其特征在于,步骤五具体为:
由于是在类的层面建模,所有储热变量都表示该类整体储热及进热出热变化情况,对于储热罐参数,将类中所有单机参数求和得到类的等值参数,储热罐满足最大最小储热量约束、进热及出热速率限值约束、前后时段热量流动关系约束以及初态和末态储能约束;
由于在光热发电机组聚合模型中将不同光热机组的储热罐也同时聚合成了一个整体,这样会出现等效于不同机组间储热罐热量可以流通的情况,为避免这样不合理的情况,引入储热折算系数,折算系数与储热装置功率、容量以及光照资源因素相关,通常取0.9,将聚合模型中的热罐储热量参数乘以该系数,得到等效的热罐储热量参数进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479761.2A CN110245793B (zh) | 2019-06-04 | 2019-06-04 | 一种基于光热机组聚合模型的电力系统优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479761.2A CN110245793B (zh) | 2019-06-04 | 2019-06-04 | 一种基于光热机组聚合模型的电力系统优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245793A true CN110245793A (zh) | 2019-09-17 |
CN110245793B CN110245793B (zh) | 2021-05-28 |
Family
ID=67886033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910479761.2A Active CN110245793B (zh) | 2019-06-04 | 2019-06-04 | 一种基于光热机组聚合模型的电力系统优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245793B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111030164A (zh) * | 2019-11-22 | 2020-04-17 | 国网青海省电力公司经济技术研究院 | 一种基于光热确定电网开机方式的方法及系统 |
CN113922418A (zh) * | 2021-09-30 | 2022-01-11 | 东北大学 | 一种光热-储热-低温余热供电系统及优化控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9740803B2 (en) * | 2011-07-25 | 2017-08-22 | Clean Power Research, L.L.C. | System and method for inferring operational specifications of a fleet of photovoltaic power generation systems with the aid of a digital computer |
CN107702079A (zh) * | 2017-09-18 | 2018-02-16 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种含有电加热装置的光热电站及其建模和优化运行方法 |
CN109742774A (zh) * | 2019-03-05 | 2019-05-10 | 国网甘肃省电力公司电力科学研究院 | 一种多资源联合调频的电网频率态势在线预测方法 |
-
2019
- 2019-06-04 CN CN201910479761.2A patent/CN110245793B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9740803B2 (en) * | 2011-07-25 | 2017-08-22 | Clean Power Research, L.L.C. | System and method for inferring operational specifications of a fleet of photovoltaic power generation systems with the aid of a digital computer |
CN107702079A (zh) * | 2017-09-18 | 2018-02-16 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种含有电加热装置的光热电站及其建模和优化运行方法 |
CN109742774A (zh) * | 2019-03-05 | 2019-05-10 | 国网甘肃省电力公司电力科学研究院 | 一种多资源联合调频的电网频率态势在线预测方法 |
Non-Patent Citations (2)
Title |
---|
董开松 等: "基于含储热的热电联产与抽水蓄能的风电消纳协调控制策略", 《电源学报》 * |
邵成成 等: "光热发电机组聚合模型及其在电力系统运行模拟中的应用", 《中国电机工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111030164A (zh) * | 2019-11-22 | 2020-04-17 | 国网青海省电力公司经济技术研究院 | 一种基于光热确定电网开机方式的方法及系统 |
CN111030164B (zh) * | 2019-11-22 | 2023-03-24 | 国网青海省电力公司经济技术研究院 | 一种基于光热确定电网开机方式的方法及系统 |
CN113922418A (zh) * | 2021-09-30 | 2022-01-11 | 东北大学 | 一种光热-储热-低温余热供电系统及优化控制方法 |
CN113922418B (zh) * | 2021-09-30 | 2024-02-06 | 东北大学 | 一种光热-储热-低温余热供电系统及优化控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110245793B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
CN109919399B (zh) | 一种综合能源系统日前经济调度方法及系统 | |
CN103138256A (zh) | 一种新能源电力消纳全景分析系统及方法 | |
CN109449993A (zh) | 一种面向多能互补电力系统的多时间尺度生产模拟方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN104993523A (zh) | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 | |
CN107256450A (zh) | 考虑长‑短嵌套决策的水光电互补调度容量配置方法 | |
CN104182804A (zh) | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 | |
CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
CN110245793A (zh) | 一种基于光热机组聚合模型的电力系统优化调度方法 | |
CN111130145B (zh) | 一种基于弃风弃光的风光机组装机容量优化规划方法 | |
CN114330827A (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN112085276A (zh) | 一种含高渗透率风光发电的电源系统容量配比优化方法 | |
CN116231767A (zh) | 一种梯级水电站的多能互补调度方法和系统 | |
CN116050572A (zh) | 新能源消纳场景下自备电厂参与源网互动的条件判断方法 | |
CN107886197A (zh) | 一种负荷响应对系统消耗可再生电力能力的优化方法 | |
CN116316865A (zh) | 一种高比例新能源区域电力系统全环节协调规划优化方法 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
CN113572168A (zh) | 一种考虑风光水能源多重不确定性风险的优化调度方法 | |
CN113036817A (zh) | 一种基于槽式光热电站的电力系统优化调度方法及系统 | |
Zhang et al. | Optimal dispatching of regional integrated energy system based on SMPC | |
CN111106627A (zh) | 考虑压缩空气储能的风力发电系统鲁棒优化调度方法 | |
CN117791739B (zh) | 基于新型源储设备的综合能源微网可靠性控制方法及装置 |
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 |