CN110245794A - 考虑灵活性的多能源汇集中心火储容量双层优化方法 - Google Patents

考虑灵活性的多能源汇集中心火储容量双层优化方法 Download PDF

Info

Publication number
CN110245794A
CN110245794A CN201910489026.XA CN201910489026A CN110245794A CN 110245794 A CN110245794 A CN 110245794A CN 201910489026 A CN201910489026 A CN 201910489026A CN 110245794 A CN110245794 A CN 110245794A
Authority
CN
China
Prior art keywords
cost
flexibility
power
formula
energy storage
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
Application number
CN201910489026.XA
Other languages
English (en)
Other versions
CN110245794B (zh
Inventor
李玲芳
游广增
高孟平
朱欣春
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN201910489026.XA priority Critical patent/CN110245794B/zh
Publication of CN110245794A publication Critical patent/CN110245794A/zh
Application granted granted Critical
Publication of CN110245794B publication Critical patent/CN110245794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种考虑灵活性的多能源汇集中心火储容量双层优化方法，属于多能源汇集中心优化技术领域。本发明基于多场景最优调度模拟的方法，制定考虑多场景运行过程的灵活性指标评估与集成方案。并依据最优调度模拟的运行成本和灵活性指标，结合外层规划配置成本，以火电机组和电池储能两类灵活性资源的容量为配置变量，构建包含经济性和灵活性双重目标的多能源汇集中心二维优化模型，并采用NSGAII、线性规划和二次优化相结合的方法，在充分考虑调度场景的基础上，求解上述优化模型，从而实现优化配置。本发明能够减少清洁能源的弃用率、切负荷率，保障电力用户的灵活性需求，减少污染物的排放，提高电网提供的服务质量。

Description

考虑灵活性的多能源汇集中心火储容量双层优化方法
技术领域
本发明属于多能源汇集中心优化技术领域，具体涉及一种考虑灵活性的多能源汇集中心火储容量双层优化方法。
背景技术
近年来，多种能源综合供电已经成为当前电力发展的重要内容。风、光、水等清洁能源的大量接入，降低了原有以火电为主的电力系统污染排放，提高了电力系统的低碳性。但风、光、水等资源发电能力随着季节变化而波动，给电网的运行与管理带了了重要的挑战。现有研究围绕风、光、水等多能源接入场景，针对多能源接入系统的初始优化配置、运行优化以及电力系统的灵活性进行了研究，但在优化配置方面未考虑运行成本，在运行优化方面缺乏将运行优化目标反馈至优化配置阶段的研究，在安全分析中缺乏将调度优化灵活性作为配置目标的研究。所以，对于多能源汇集中心的优化配置而言，如何减少污染物排放，提高清洁能源利用率，提升调度优化的灵活性，是亟需解决的问题。
发明内容
本发明针对现有研究存在的上述不足，提出一种考虑灵活性的多能源汇集中心火储容量双层优化方法，该方法能够减少清洁能源的弃用率、切负荷率，保障电力用户的灵活性需求，减少污染物的排放，提高电网提供的服务质量。
为实现上述目的，本发明采用的技术方案如下：
考虑灵活性的多能源汇集中心火储容量双层优化方法，包括如下步骤：
步骤1，根据多能源汇集中心的运行经济成本、电机组的出力约束和电池储能的出力约束，分别计算调度时间点对应的功率需求PD(t)等于0、小于0、大于0的情况下的运行成本，构建经济性优化模型；具体为：将PD(t)小于0时，运行成本优化问题为转化成线性规划问题，并将PD(t)大于0时，运行成本优化问题为转化成二次规划问题，求解线性规划问题及二次规划问题，得到调度时刻t的最小运行成本，并根据一天内所有调度时刻的最小运行成本，计算日累计运行成本，然后根据不同的运行场景数据重复上述过程，得到不同场景的日累计运行成本，再依据不同场景的日累计运行成本计算日平均运行成本，而后根据多能源汇集中心的计划运行年限，计算寿命周期内的总运行成本；
步骤2，构建灵活性优化模型，定义灵活性不良指数表征多能源汇集中心的电网灵活性。灵活性不良指数包含上调灵活性不良指数和下调灵活性不良指数；上调灵活性不良指数是指上调灵活性需求与灵活性设备上调区间的比值；下调灵活性不良指数是指下调灵活性需求与灵活性设备下调区间的比值；根据各调度时间节点的上调灵活性不良指数和下调灵活性不良指数计算每个调度时间节点的最大灵活性不良指数；根据不同调度时间节点的最大灵活性不良指数以及典型运行场景的数据分布特征和典型日运行曲线，计算考虑多种运行场景的多能源汇集中心的最大灵活性不良指数；
步骤3，以最小化总运行成本和最小化最大灵活性不良指数为二维目标，以火电和储能的配置容量为变量，构建包含经济性和灵活性双重目标的多能源汇集中心二维优化模型，求解上述包含经济性和灵活性双重目标的多能源汇集中心二维优化模型，并以求解得到火电机组的配置容量、电池储能的配置容量、火电机组的发出功率和电池储能的充放电功率进行实际配置。
进一步，优选的是，所示步骤1的具体步骤包括：
第一、计算火电机组运行成本、储能运行溢价成本、环境代价成本和新能源弃用补偿成本。其中：
火电机组运行成本为火电机组运行所需要的经济成本，其计算过程如式(1)所示：
式(1)中，PG为火电机组的出力功率；a,b,c分别为火电机组的成本函数系数；
储能运行溢价成本表示储能运行过程中除正常折旧成本为的溢出成本，其计算过程如式(2)所示：CE(PE)＝max{d|PE|-e,0}，式(2)；
式(2)中，PE为电池储能的充放电功率，d为储能的充放电成本系数，e为电池储能的自然折旧成本系数；
环境代价成本表示火电运行对排放的污染物对应的环境治理成本，其计算过程如式(3)所示：CW(PG)＝rWPG，式(3)；
式(3)中，rW为火电机组出力的环境代价系数；
新能源弃用补偿成本表示对应于不同新能源弃用量的经济补偿成本，其计算过程如式(4)所示：CD(PE)＝rJ(u)PJ(u)，式(4)；
式(4)中，rJ(u)为新能源单位弃用能量成本系数，PJ(u)为新能源弃用功率，即PJ(u)＝PE+PG-PD，u为新能源类型，PE为电池储能的充放电功率，PG为火电机组的发出功率，PD为调度时间点对应的功率需求，即：PD＝PLoad-PPV-PWind-PHydro，以负荷大于能源供应为正方向，此时PD<0；PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率；
失负荷损失成本是指失去原有可供应的负荷后应的经济损失成本，其计算过程如式(5)所示：CL(PG,PE)＝rL(PD+PE-PG)，式(5)；
式(5)中：rL为失负荷经济损失系数；
基于上述成本计算在每一个调度时间节点t计算其运行总成本，其计算过程如式(6)所示：
Cτ(t)＝CG(PG(t))+CE(PE(t))+CW(PG(t))+CD(PE(t))+CL(PG,PE)，式(6)
式(6)中：Cτ为总的日经济运行成本；
第二、以火电机组的出力功率和储能装置的功率为经济成本优化对应的变量，计算其功率约束条件；
火电机组的出力功率约束如式(7)所示；
PGmin(t)≤PG(t)≤PGmax(t)，式(7)；
式(7)中，PGmin(t)为火电机组的出力功率下限，PGmax(t)为火电机组的出力功率上限；
PGmin(t)＝max{QGmin(t),PG(t-1)-ΔPGmax}；
PGmax(t)＝max{QGmax(t),PG(t-1)+ΔPGmax}；
其中，QGmin(t)和QGmax(t)分别为由火电机组配置容量决定的火电机组最小和最大出力限值；Pg(t-1)为火电机组前一个调度时间点的火电机组出力功率值，ΔPgmax为火电机组在该时间点的出力变化最大值，t为具体某一时刻；
电池储能的功率约束如式(8)所示；
PEmin(t)≤PE(t)≤PEmax(t)，式(8)；
式(8)中：PEmin(t)和PEmax(t)分别为电池储能的充放电功率上限值和下限值；
其中，QE为配置电池储能的最大容量，S(t)为当前时间点的电池储能的荷电状态，ΔT为调度时间间隔，ηc为充电效率，ηd为放电效率，Smin为电池储能的设计最小荷电状态，Smax为电池储能的设计最大荷电状态，PEmino为电池储能的最小设计功率，PEmaxo为电池储能的最大设计功率；
第三、根据功率需求PD(t)，分类求解上述模拟运行时的优化调度问题；
调度时间点对应的功率需求计算过程如式(9)：
PD(t)＝PLoad(t)-PWind(t)-PPV(t)-PHydro(t)，式(9)；
①当PD(t)＝0，火电机组和电池储能单元在t时刻的出力为0，运行成本为0；
②当PD(t)<0，此时火电机组停机不出力，运行成本优化问题为一个线性规划问题，具体如下所示：
运行成本优化目标为：min{CE(PE)+CD(PE)}，即：
min{max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)}；
约束条件为：PJ(u,t)≤PJ(t),u＝wind,PV,Load，分别表示风电，光伏和负荷的弃用功率；PEmin(t)≤PE(t)≤PEmax(t)；
求解上述线性规划问题，得到最优的电池储能的充放电功率PE(t)和新能源实际弃用功率PJ(u,t)；
基于该优化结果的调度时刻t的最小运行成本Cτ(t)为：
max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)；
上述线性规划问题采用Matlab中的Gurobi优化求解器求解；
③当PD(t)>0时，此时火电机组出力与电池储能放电功率构成了功率调控的主要变量，该问题为一二次规划问题；
当时，火电机组和电池储能均以最大出力运行；运行成本如下所示：
当时，火电机组和电池储能单元的运行成本优化目标如下：
min{CG(PG)+CE(PE)+CW(PG)+CL(PG,PE)}，
即：
上述优化问题可以统一成：式中，b*＝b+rW
当优化目标为：
当时，优化目标为：
同时，火电机组和电池储能需满足以下约束条件：-PE(t)+PG(t)＝PD(t)；
求解上述二次规划问题，得到PG和PE；
基于该优化结果的调度时刻t的最小运行成本为：
上述二次规划问题求解也采用Matlab中的Gurobi优化求解器求解；
将多能源汇集中心的全运行周期的各个典型场景日进行运行模拟，求得的各个调度时刻的最小运行成本，并分别计算日累计运行成本、平均每天的日累计运行成本和总运行成本；
CA＝NYNHCavr；
式中，Cs(i)为日累计运行成本；Cτ(i,t)为第i个典型场景第t时刻的最小运行成本；Nm为典型场景数；Cavr为平均每天日累计运行成本；CA表示总运行成本；NY和NH分别为生命周期对应的运行总年数和一年中运行的总小时数；t为具体某一时刻，取1～24之间的整数；
进一步，优选的是，所示步骤2的具体步骤包括：
根据灵活性需求和灵活性资源供给能力，计算功率调节灵活性不良指数；具体为：对于任意已经执行的调度时刻t-1，其对应的下一时刻t的功率需求变化上下限如下式所示：
PD(t)max＝max{PLoad(t)}-min{PWind(t)+PPV(t)+PHydro(t)}；
PD(t)min＝min{PLoad(t)}-max{PWind(t)+PPV(t)+PHydro(t)}；
其中，PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率
基于上功率需求的变化范围，其功率调节灵活性不良指数计算过程如下：
当PD(t)min≥PD(t-1)时，只有上调需求：dup(t)＝PD(t)max-PD(t-1)；
当PD(t)min<PD(t-1)<PD(t)max时，既有上调需求也有下调需求：
dup(t)＝PD(t)max-PD(t-1)，
ddown(t)＝PD(t)min-PD(t-1)；
当PD(t-1)≥PD(t)max时，只有下调需求：ddown(t)＝PD(t)min-PD(t-1)；
上调灵活性资源供给：Sup(t)＝PGmax(t)-PG(t-1)+PEmax(t)；
下调灵活性资源供给：Sdown(t)＝PGmin(t)-PG(t-1)+PEmin(t)；
上调灵活性不良指数：
下调灵活性不良指数：
整个调度周期的灵活性为所有调度时刻点的灵活性不良指数最大值，如下式：
γfinal＝max{max{γdown(t)},max{γup(t)}}；
而后根据不同的场景，求出不同场景下的灵活性不良指数最大值，并取其中的最大值为总的灵活性不良指数。
进一步，优选的是，所示步骤3的具体步骤包括：
根据步骤1中的运行经济成本以及其约束条件，计算出需要配置的火电装置和储能装置的最小值QG和QE，从而计算出其配置成本，Cest＝rGestQG+rEestQE；
式中，QG和QE分别为火电机组和电池储能的最小配置容量，rGest和rEest分别为火电和储能的配置成本，Cest为总的配置成本。
将配置成本和步骤1中的总运行成本之和与步骤2中各运行场景的调度灵活性不良指数为目标，构建外层复合优化模型obj＝min{CA+Cest,γfinal}；
采用NSGAII求解上述多目标优化问题，得到Pareto最优端面后，分别按总成本与灵活性指标对最后一代种群进行从小到大排序，挑选出排序后序号和最小的个体，以该个体的变量值为当前的最优决策值，所述的变量值包括火电机组的配置容量、电池储能的配置容量、火电机组的发出功率和电池储能的充放电功率。
本发明以多场景实际运行数据为基础，以上述理论发明技术为依托，开发火储容量双层优化系统，实现火电机组和储能装置的容量优化配置。
本发明与现有技术相比，其有益效果为：
与传统经济性优化相比，本发明所提的考虑灵活性的双层优化方法中，储能系统容量的提高增加了总经济成本，但提高了系统的灵活性。同时本发明所提的考虑灵活性的双层优化方法不存在切负荷风险，且有效降低了下调灵活性不良系数，提升了清洁能源的利用效率，减少了污染物的排放。具体为污染物排放降低了3.99％，最大切负荷率降低了25.95％，最大清洁能源弃用率降低了15.34％。
附图说明
图1为本发明中最优调度策略算法流程图；
图2为实施例中多能源汇集中心架构；
图3为实施例中典型场景运行曲线；
图4为实施例中传统方法和本发明方法的Pareto非劣解前沿；
图5为实施例中不同典型场景下上调灵活性不良系数；
图6为实施例中不同典型场景下切负荷率；
图7为实施例中不同典型场景下下调灵活性不良系数；
图8为实施例中不同典型场景下清洁能源弃用率；
图9为实施例中不同典型场景下污染物排放量。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料、设备等未注明生产厂商者，均为可以通过购买获得的常规产品。
本发明基于多场景最优调度模拟的方法，制定考虑多场景运行过程的灵活性指标评估与集成方案。并依据最优调度模拟的运行成本和灵活性指标，结合外层规划配置成本，以火电机组和电池储能两类灵活性资源的容量为配置变量，构建包含经济性和灵活性双重目标的多能源汇集中心二维优化模型。并采用NSGAII、线性规划和二次优化相结合的方法，在充分考虑调度场景的基础上，求解上述复合优化问题，从而实现优化配置。
本发明提出了基于最小运行成本的多能源汇集中心实时调度模拟方案。
此方案是在给定资源配置和负荷需求的基础上进行的。其中，火电机组和电池储能为可调节变量。每一个调度时间点的调度方案以运行经济成本最小为目标。本发明定义的运行经济成本包含火电机组运行成本、储能运行溢价成本、环境代价成本、新能源弃用补偿成本和失负荷损失成本。各项成本的计算方法如下：
火电机组运行成本为火电机组运行所需要的经济成本，其计算过程如式(1)所示：
式(1)中，PG为火电机组的出力功率；a,b,c分别为火电机组的成本函数系数；
储能运行溢价成本表示储能运行过程中除正常折旧成本为的溢出成本，其计算过程如式(2)所示：CE(PE)＝max{d|PE|-e,0}，式(2)；
式(2)中，PE为电池储能的充放电功率，d为储能的充放电成本系数，e为电池储能的自然折旧成本系数；
环境代价成本表示火电运行对排放的污染物对应的环境治理成本，其计算过程如式(3)所示：CW(PG)＝rWPG，式(3)；
式(3)中，rW为火电机组出力的环境代价系数；
新能源弃用补偿成本表示对应于不同新能源弃用量的经济补偿成本，其计算过程如式(4)所示：CD(PE)＝rJ(u)PJ(u)，式(4)；
式(4)中，rJ(u)为新能源单位弃用能量成本系数，PJ(u)为新能源弃用功率，即PJ(u)＝PE+PG-PD,u为新能源类型，PE为电池储能的充放电功率，PG为火电机组的发出功率，PD为调度时间点对应的功率需求，即：PD＝PLoad-PPV-PWind-PHydro，以负荷大于能源供应为正方向，此时PD<0；PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率。
失负荷损失成本是指失去原有可供应的负荷后应的经济损失成本，其计算过程如式(5)所示：CL(PG,PE)＝rL(PD+PE-PG)，式(5)；
式(5)中：rL为失负荷经济损失系数。
基于上述成本计算在每一个调度时间节点t计算其运行总成本，其计算过程如式(6)所示：
Cτ(t)＝CG(PG(t))+CE(PE(t))+CW(PG(t))+CD(PE(t))+CL(PG,PE)，式(6)
式(6)中：Cτ为总的日经济运行成本，PE为电池储能的充放电功率，PG为火电机组的发出功率，CG为火电机组运行成本，CE为储能运行溢价成本，CW为环境代价成本，CD为新能源弃用成本，CL为失负荷补偿成本。
此方案中约束的定义与计算过程如下：
约束计算过程为计算火电机组和电池储能的出力约束。
火电机组的出力功率约束如式(7)所示；
PGmin(t)≤PG(t)≤PGmax(t)，式(7)；
式(7)中，PGmin(t)为火电机组的出力功率下限，PGmax(t)为火电机组的出力功率上限；
PGmin(t)＝max{QGmin(t),PG(t-1)-ΔPGmax}；
PGmax(t)＝max{QGmax(t),PG(t-1)+ΔPGmax}；
其中，QGmin(t)和QGmax(t)分别为由火电机组配置容量决定的火电机组最小和最大出力限值；
Pg(t-1)为火电机组前一个调度时间点的火电机组出力功率值，ΔPgmax为火电机组在该时间点的出力变化最大值，t为具体某一时刻；
电池储能的功率约束如式(8)所示；
PEmin(t)≤PE(t)≤PEmax(t)，式(8)；
式(8)中：PEmin(t)和PEmax(t)分别为电池储能的充放电功率上限值和下限值；
其中，QE为配置电池储能的最大容量，S(t)为当前时间点的电池储能的荷电状态，ΔT为调度时间间隔，ηc为充电效率，ηd为放电效率，Smin为电池储能的设计最小荷电状态，Smax为电池储能的设计最大荷电状态，PEmino为电池储能的最小设计功率，PEmaxo为电池储能的最大设计功率。
此方案中功率需求的最小运行成本优化方法如下：
调度时间点对应的功率需求计算过程如式(9)：
PD(t)＝PLoad(t)-PWind(t)-PPV(t)-PHydro(t)，式(9)；
①当PD(t)＝0，火电机组和电池储能单元在t时刻的出力为0，运行成本为0；
②当PD(t)<0，此时火电机组停机不出力，运行成本优化问题为一个线性规划问题，具体如下所示：
运行成本优化目标为：min{CE(PE)+CD(PE)}，即：
min{max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)}；
约束条件为：PJ(u,t)≤PJ(t),u＝wind,PV,Load，分别表示风电，光伏和负荷的弃用功率；PEmin(t)≤PE(t)≤PEmax(t)；
求解上述线性规划问题，得到最优的电池储能充放电功率PE(t)和新能源实际弃用功率PJ(u,t)；
基于该优化结果的调度时刻t的最小运行成本Cτ(t)为：
max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)；
上述线性规划问题采用Matlab中的Gurobi优化求解器求解；
③当PD(t)>0时，此时火电机组出力与电池储能放电功率构成了功率调控的主要变量，该问题为一二次规划问题
当时，火电机组和电池储能均以最大出力运行；运行成本如下所示：
当时，火电机组和电池储能单元的运行成本优化目标如下：
min{CG(PG)+CE(PE)+CW(PG)+CL(PG,PE)}，
即：
上述优化问题可以统一成：式中，b*＝b+rW
当优化目标为：
当时，优化目标为：
同时，火电机组和电池储能需满足以下约束条件：-PE(t)+PG(t)＝PD(t)；
求解上述二次规划问题，得到PG和PE。
基于该优化结果的调度时刻t的最小运行成本为：
上述二次规划问题求解也采用Matlab中的Gurobi优化求解器求解。
本发明提出了考虑多场景最优调度的灵活性资源优化配置方案。
将多能源汇集中心的全运行周期的各个典型场景日进行运行模拟，求得的各个调度时刻的最小运行成本，并分别计算日累计运行成本、平均每天的日累计运行成本和总运行成本；
CA＝NYNHCavr；
式中，Cs(i)为日累计运行成本；Cτ(i,t)为第i个典型场景第t时刻的最小运行成本；Nm为典型场景数；Cavr为平均每天日累计运行成本；CA表示总运行成本。NY和NH分别为生命周期对应的运行总年数和一年中运行的总小时数；t为具体某一时刻，取1～24之间的整数。对于基于最小运行成本的最优经济调度策略，其灵活性符合以下定义。
对于任意已经执行的调度时刻t-1，其对应的下一时刻t的功率需求变化上下限如下式所示：
PD(t)max＝max{PLoad(t)}-min{PWind(t)+PPV(t)+PHydro(t)}；
PD(t)min＝min{PLoad(t)}-max{PWind(t)+PPV(t)+PHydro(t)}；
其中，PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率
基于上功率需求的变化范围，其功率调节灵活性不良指数计算过程如下：
当PD(t)min≥PD(t-1)时，只有上调需求：dup(t)＝PD(t)max-PD(t-1)；
当PD(t)min<PD(t-1)<PD(t)max时，既有上调需求也有下调需求：
dup(t)＝PD(t)max-PD(t-1)，
ddown(t)＝PD(t)min-PD(t-1)；
当PD(t-1)≥PD(t)max时，只有下调需求：ddown(t)＝PD(t)min-PD(t-1)；
上调灵活性资源供给：Sup(t)＝PGmax(t)-PG(t-1)+PEmax(t)；
下调灵活性资源供给：Sdown(t)＝PGmin(t)-PG(t-1)+PEmin(t)；
上调灵活性不良指数：
下调灵活性不良指数：
整个调度周期的灵活性为所有调度时刻点的灵活性不良指数最大值，如下式：
γfinal＝max{max{γdown(t)},max{γup(t)}}；
而后根据不同的场景，求出不同场景下的灵活性不良指数最大值，并取其中的最大值为总的灵活性不良指数。
根据运行经济成本以及其约束条件，计算出需要配置的火电装置和储能装置的最小值QG和QE，从而计算出其配置成本，Cest＝rGestQG+rEest QE；
式中，QG和QE分别为火电机组和电池储能的最小配置容量，rGest和rEest分别为火电和储能的配置成本。Cest为总的配置成本。
将配置成本和总运行成本之和与各运行场景的调度灵活性不良指数为目标，构建外层复合优化模型obj＝min{CA+Cest,γfinal}。
采用NSGAII求解上述多目标优化问题，得到Pareto最优端面后，分别按总成本与灵活性指标对最后一代种群进行从小到大排序，挑选出排序后序号和最小的个体，以该个体的变量值为当前的最优决策值，所述的变量值包括火电机组的配置容量、电池储能的配置容量、火电机组的发出功率和电池储能的充放电功率。
结合云南电网的运行数据分布特征和典型日运行曲线，制定某多能源汇集中心的九大典型场景。各典型场景的资源分布系数及场景一的日运行曲线如表1和图3所示。
如图2所示，多能源汇集中心包含风力发电，光伏发电和水力发电等多种清洁能源供电形式，需配置一定的火力发电和储能提高能源汇集中心运行的可靠性。
火力发电和电池储能的配置成本和运行成本如表1所示(表1中数据为1元人民币折合0.146美元时计算得到)。
表1灵活性资源配置成本
灵活性资源 火电机组(美元/Mw) 电池储能(美元/Mwh)
配置成本 73万 292万
运行成本 根据出力成本函数计算(a＝0.062,b＝1.92,c＝80) 根据折旧溢出成本计算
新能源弃用补偿成本、环境代价成本和失负荷补偿代价如表2所示。
表2不同能源运行成本
基于云南电网实际运行数据，以场景1为标准场景，其他各场景的功率与场景1的功率关系如表3所示。
表3不同场景下功率相对系数
表3中，场景1、2和3分别代表清洁能源产能峰期情况下负荷用电峰、平和谷三个时期，对应于云南实际数据中6、7和8月份的运行场景；场景4、5和6分别代表清洁能源产能平期情况下负荷峰、平和谷三个时期，对应于云南实际数据中的3、4、5、9、10和11六个月份的运行场景；场景7、8和9分别代表清洁能源产能谷期情况下负荷用电峰、平和谷三个时期，对应于云南实际数据中12、1和2三个月份的运行场景。其中场景1的典型运行曲线如图3所示。其他场景的运行曲线可根据场景1的运行曲线和表1中的系数关系求得。
以考虑运行经济成本和配置经济成本为目标的传统经济性优化方法为对比对象，本发明分析了考虑灵活性的双层优化方法的测试结果。两者优化方法的Pareto非劣解前沿如图4所示。
根据本发明所提的决策策略，在Pareto前沿中找到近似最优解，其主要结果如表4所示。
表4挑选出的Pareto前沿近似最优解
分析近似最优解的信息可知，与传统经济性优化相比，考虑灵活性的双层优化方法增加了77.49％的总经济成本，降低了61.10％的灵活性不良指数。经济成本中，主要增加了111.52％的初始配置成本，而运行成本则降低了5.58％。火电机组配置容量和电池储能配置容量分别增加了6.07％和215.75％。因此，储能系统容量的增加是总经济成本增加的主要原因。但储能系统容量的增加提高了系统的灵活性。其中，各典型运行场景的上调灵活性不良系数如图5所示。
上调灵活性不良指数代表灵活性资源满足上调灵活性需求的能力。当不良指数小于1时，上调灵活性供给大于灵活性需求，灵活性资源还存在调控裕度，故不存在切负荷风险。分析图5可知，本发明所提的考虑灵活性的双层优化方法不存在切负荷风险。而当不良指数不小于1时，此时灵活性供给不大于灵活性需求，灵活性资源调控能力不一定能够满足电网的需求，因此存在切负荷风险。分析上图可知，传统经济性规划方法存在切负荷风险。各典型场景下，切负荷率如图6所示。
如图6所示，传统经济性优化方法，场景1，2，3和9没有出现切负荷的情况，场景4，5，6，7和8的最大切负荷率分别为15.11％、11.8％、0.44％、25.95％和2.48％。而本发明所提的考虑灵活性的双层优化方法不存在切负荷的情况。
各典型运行场景的下调灵活性不良系数如图7所示。
如图8所示，与传统经济性规划方法相比，本发明所提的考虑灵活性双层优化方法有效降低了下调灵活性不良系数。下调灵活性不良系数的大小显著影响新能源弃用率。传统经济性规划方法与本发明所提的考虑灵活性的双层优化方法的清洁能源弃用率如图8所示。
如图8所示，基于传统经济性优化方法，场景1、2、3均出现了新能源弃用的情况，最大弃用率分别为5.68％、8.61％和15.34％。而基于本发明提出的考虑灵活性的双层优化方法不存在新能源弃用的情况。因此，本发明所提的考虑灵活性的双层优化方法提升了新能源的利用效率。
污染排放量如图9所示，图中，不同场景中，考虑灵活性的双层优化方法的污染物排放量小于传统经济性优化方法的污染物排放量，但对于全寿命周期而言，传统经济性优化方法的污染物排放量为24341.62吨，本发明所提的考虑灵活性的双层优化方法污染物排放量为3370.82吨，减少了3.99％的排放量。因此，考虑灵活性的双层优化方法可以减少污染物的排放，保护环境。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.考虑灵活性的多能源汇集中心火储容量双层优化方法，其特征在于，包括如下步骤：
步骤1，根据多能源汇集中心的运行经济成本、电机组的出力约束和电池储能的出力约束，分别计算调度时间点对应的功率需求PD(t)等于0、小于0、大于0的情况下的运行成本，构建经济性优化模型；具体为：将PD(t)小于0时，运行成本优化问题为转化成线性规划问题，并将PD(t)大于0时，运行成本优化问题为转化成二次规划问题，求解线性规划问题及二次规划问题，得到调度时刻t的最小运行成本，并根据一天内所有调度时刻的最小运行成本，计算日累计运行成本，然后根据不同的运行场景数据重复上述过程，得到不同场景的日累计运行成本，再依据不同场景的日累计运行成本计算日平均运行成本，而后根据多能源汇集中心的计划运行年限，计算寿命周期内的总运行成本；
步骤2，构建灵活性优化模型，定义灵活性不良指数表征多能源汇集中心的电网灵活性。灵活性不良指数包含上调灵活性不良指数和下调灵活性不良指数；上调灵活性不良指数是指上调灵活性需求与灵活性设备上调区间的比值；下调灵活性不良指数是指下调灵活性需求与灵活性设备下调区间的比值；根据各调度时间节点的上调灵活性不良指数和下调灵活性不良指数计算每个调度时间节点的最大灵活性不良指数；根据不同调度时间节点的最大灵活性不良指数以及典型运行场景的数据分布特征和典型日运行曲线，计算考虑多种运行场景的多能源汇集中心的最大灵活性不良指数；
步骤3，以最小化总运行成本和最小化最大灵活性不良指数为二维目标，以火电和储能的配置容量为变量，构建包含经济性和灵活性双重目标的多能源汇集中心二维优化模型，求解上述包含经济性和灵活性双重目标的多能源汇集中心二维优化模型，并以求解得到火电机组的配置容量、电池储能的配置容量、火电机组的发出功率和电池储能的充放电功率进行实际配置。
2.根据权利要求1所述的考虑灵活性的多能源汇集中心火储容量双层优化方法，其特征在于，所示步骤1的具体步骤包括：
第一、计算火电机组运行成本、储能运行溢价成本、环境代价成本和新能源弃用补偿成本。其中：
火电机组运行成本为火电机组运行所需要的经济成本，其计算过程如式(1)所示：
式(1)中，PG为火电机组的出力功率；a,b,c分别为火电机组的成本函数系数；
储能运行溢价成本表示储能运行过程中除正常折旧成本为的溢出成本，其计算过程如式(2)所示：CE(PE)＝max{d|PE|-e,0}，式(2)；
式(2)中，PE为电池储能的充放电功率，d为储能的充放电成本系数，e为电池储能的自然折旧成本系数；
环境代价成本表示火电运行对排放的污染物对应的环境治理成本，其计算过程如式(3)所示：CW(PG)＝rWPG，式(3)；
式(3)中，rW为火电机组出力的环境代价系数；
新能源弃用补偿成本表示对应于不同新能源弃用量的经济补偿成本，其计算过程如式(4)所示：CD(PE)＝rJ(u)PJ(u)，式(4)；
式(4)中，rJ(u)为新能源单位弃用能量成本系数，PJ(u)为新能源弃用功率，即PJ(u)＝PE+PG-PD，u为新能源类型，PE为电池储能的充放电功率，PG为火电机组的发出功率，PD为调度时间点对应的功率需求，即：PD＝PLoad-PPV-PWind-PHydro，以负荷大于能源供应为正方向，此时PD<0；PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率；
失负荷损失成本是指失去原有可供应的负荷后应的经济损失成本，其计算过程如式(5)所示：CL(PG,PE)＝rL(PD+PE-PG)，式(5)；
式(5)中：rL为失负荷经济损失系数；
基于上述成本计算在每一个调度时间节点t计算其运行总成本，其计算过程如式(6)所示：
Cτ(t)＝CG(PG(t))+CE(PE(t))+CW(PG(t))+CD(PE(t))+CL(PG,PE)，式(6)
式(6)中：Cτ为总的日经济运行成本；
第二、以火电机组的出力功率和储能装置的功率为经济成本优化对应的变量，计算其功率约束条件；
火电机组的出力功率约束如式(7)所示；
PGmin(t)≤PG(t)≤PGmax(t)，式(7)；
式(7)中，PGmin(t)为火电机组的出力功率下限，PGmax(t)为火电机组的出力功率上限；
PGmin(t)＝max{QGmin(t),PG(t-1)-ΔPGmax}；
PGmax(t)＝max{QGmax(t),PG(t-1)+ΔPGmax}；
其中，QGmin(t)和QGmax(t)分别为由火电机组配置容量决定的火电机组最小和最大出力限值；Pg(t-1)为火电机组前一个调度时间点的火电机组出力功率值，ΔPgmax为火电机组在该时间点的出力变化最大值，t为具体某一时刻；
电池储能的功率约束如式(8)所示；
PEmin(t)≤PE(t)≤PEmax(t)，式(8)；
式(8)中：PEmin(t)和PEmax(t)分别为电池储能的充放电功率上限值和下限值；
其中，QE为配置电池储能的最大容量，S(t)为当前时间点的电池储能的荷电状态，ΔT为调度时间间隔，ηc为充电效率，ηd为放电效率，Smin为电池储能的设计最小荷电状态，Smax为电池储能的设计最大荷电状态，PEmino为电池储能的最小设计功率，PEmaxo为电池储能的最大设计功率；
第三、根据功率需求PD(t)，分类求解上述模拟运行时的优化调度问题；
调度时间点对应的功率需求计算过程如式(9)：
PD(t)＝PLoad(t)-PWind(t)-PPV(t)-PHydro(t)，式(9)；
①当PD(t)＝0，火电机组和电池储能单元在t时刻的出力为0，运行成本为0；
②当PD(t)<0，此时火电机组停机不出力，运行成本优化问题为一个线性规划问题，具体如下所示：
运行成本优化目标为：min{CE(PE)+CD(PE)}，即：
min{max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)}；
约束条件为：PJ(u,t)≤PJ(t),u＝wind,PV,Load，分别表示风电，光伏和负荷的弃用功率；PEmin(t)≤PE(t)≤PEmax(t)；
求解上述线性规划问题，得到最优的电池储能的充放电功率PE(t)和新能源实际弃用功率PJ(u,t)；
基于该优化结果的调度时刻t的最小运行成本Cτ(t)为：
max{-dPE(t)-e,0}+rJ(u,t)PJ(u,t)；
上述线性规划问题采用Matlab中的Gurobi优化求解器求解；
③当PD(t)>0时，此时火电机组出力与电池储能放电功率构成了功率调控的主要变量，该问题为一二次规划问题；
当时，火电机组和电池储能均以最大出力运行；运行成本如下所示：
当时，火电机组和电池储能单元的运行成本优化目标如下：
min{CG(PG)+CE(PE)+CW(PG)+CL(PG,PE)}，
即：
上述优化问题可以统一成：式中，b*＝b+rW当优化目标为：
当时，优化目标为：
同时，火电机组和电池储能需满足以下约束条件：-PE(t)+PG(t)＝PD(t)；
求解上述二次规划问题，得到PG和PE；
基于该优化结果的调度时刻t的最小运行成本为：
上述二次规划问题求解也采用Matlab中的Gurobi优化求解器求解；
将多能源汇集中心的全运行周期的各个典型场景日进行运行模拟，求得的各个调度时刻的最小运行成本，并分别计算日累计运行成本、平均每天的日累计运行成本和总运行成本；
CA＝NYNHCavr；
式中，Cs(i)为日累计运行成本；Cτ(i,t)为第i个典型场景第t时刻的最小运行成本；Nm为典型场景数；Cavr为平均每天日累计运行成本；CA表示总运行成本；NY和NH分别为生命周期对应的运行总年数和一年中运行的总小时数；t为具体某一时刻，取1～24之间的整数。
3.根据权利要求1所述的考虑灵活性的多能源汇集中心火储容量双层优化方法，其特征在于，所示步骤2的具体步骤包括：
根据灵活性需求和灵活性资源供给能力，计算功率调节灵活性不良指数；具体为：对于任意已经执行的调度时刻t-1，其对应的下一时刻t的功率需求变化上下限如下式所示：
PD(t)max＝max{PLoad(t)}-min{PWind(t)+PPV(t)+PHydro(t)}；
PD(t)min＝min{PLoad(t)}-max{PWind(t)+PPV(t)+PHydro(t)}；
其中，PLoad为负荷功率；PPV为光伏机组出力功率；PWind风电机组出力功率；PHydro为水电机组出力功率；
基于上功率需求的变化范围，其功率调节灵活性不良指数计算过程如下：
当PD(t)min≥PD(t-1)时，只有上调需求：dup(t)＝PD(t)max-PD(t-1)；
当PD(t)min<PD(t-1)<PD(t)max时，既有上调需求也有下调需求：
dup(t)＝PD(t)max-PD(t-1)，
ddown(t)＝PD(t)min-PD(t-1)；
当PD(t-1)≥PD(t)max时，只有下调需求：ddown(t)＝PD(t)min-PD(t-1)；
上调灵活性资源供给：Sup(t)＝PGmax(t)-PG(t-1)+PEmax(t)；
下调灵活性资源供给：Sdown(t)＝PGmin(t)-PG(t-1)+PEmin(t)；
上调灵活性不良指数：
下调灵活性不良指数：
整个调度周期的灵活性为所有调度时刻点的灵活性不良指数最大值，如下式：
γfinal＝max{max{γdown(t)},max{γup(t)}}；
而后根据不同的场景，求出不同场景下的灵活性不良指数最大值，并取其中的最大值为总的灵活性不良指数。
4.根据权利要求1所述的考虑灵活性的多能源汇集中心火储容量双层优化方法，其特征在于，所示步骤3的具体步骤包括：
根据步骤1中的运行经济成本以及其约束条件，计算出需要配置的火电装置和储能装置的最小值QG和QE，从而计算出其配置成本，Cest＝rGestQG+rEestQE；
式中，QG和QE分别为火电机组和电池储能的最小配置容量，rGest和rEest分别为火电和储能的配置成本，Cest为总的配置成本。
将配置成本和步骤1中的总运行成本之和与步骤2中各运行场景的调度灵活性不良指数为目标，构建外层复合优化模型obj＝min{CA+Cest,γfinal}；
采用NSGA II求解上述多目标优化问题，得到Pareto最优端面后，分别按总成本与灵活性指标对最后一代种群进行从小到大排序，挑选出排序后序号和最小的个体，以该个体的变量值为当前的最优决策值，所述的变量值包括火电机组的配置容量、电池储能的配置容量、火电机组的发出功率和电池储能的充放电功率。
CN201910489026.XA 2019-06-06 2019-06-06 考虑灵活性的多能源汇集中心火储容量双层优化方法 Active CN110245794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910489026.XA CN110245794B (zh) 2019-06-06 2019-06-06 考虑灵活性的多能源汇集中心火储容量双层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910489026.XA CN110245794B (zh) 2019-06-06 2019-06-06 考虑灵活性的多能源汇集中心火储容量双层优化方法

Publications (2)

Publication Number Publication Date
CN110245794A true CN110245794A (zh) 2019-09-17
CN110245794B CN110245794B (zh) 2022-07-15

Family

ID=67886317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910489026.XA Active CN110245794B (zh) 2019-06-06 2019-06-06 考虑灵活性的多能源汇集中心火储容量双层优化方法

Country Status (1)

Country Link
CN (1) CN110245794B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689189A (zh) * 2019-09-24 2020-01-14 国网天津市电力公司 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法
CN112053035A (zh) * 2020-08-11 2020-12-08 云南电网有限责任公司 考虑经济性与灵活性的输电通道与储能联合规划方法
CN112103941A (zh) * 2020-08-11 2020-12-18 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法
CN114188961A (zh) * 2021-12-13 2022-03-15 三峡大学 一种风光互补系统容量配置优化方法
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010758A1 (en) * 2010-07-09 2012-01-12 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
US20180052431A1 (en) * 2016-08-18 2018-02-22 Virtual Power Systems, Inc. Datacenter power management using variable power sources
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN109787259A (zh) * 2019-01-23 2019-05-21 西安交通大学 一种基于新能源随机波动的多类型储能联合规划方法
CN109842158A (zh) * 2019-03-28 2019-06-04 广东工业大学 一种微电网优化配置方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010758A1 (en) * 2010-07-09 2012-01-12 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
US20180052431A1 (en) * 2016-08-18 2018-02-22 Virtual Power Systems, Inc. Datacenter power management using variable power sources
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN109787259A (zh) * 2019-01-23 2019-05-21 西安交通大学 一种基于新能源随机波动的多类型储能联合规划方法
CN109842158A (zh) * 2019-03-28 2019-06-04 广东工业大学 一种微电网优化配置方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CARLOS E. MURILLO-SÁNCHEZ 等: "Secure Planning and Operations of Systems With Stochastic Sources, Energy Storage, and Active Demand", 《IEEE TRANSACTIONS ON SMART GRID》 *
YONGJI CAO 等: "Probabilistic Optimal PV Capacity Planning for Wind Farm Expansion Based on NASA Data", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 *
公昊: "基于条件风险价值的含风电电力系统优化调度研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李海波等: "源荷储一体化的广义灵活电源双层统筹规划", 《电力系统自动化》 *
王毅 等: "能源互联网中能量枢纽的优化规划与运行研究综述及展望", 《中国电机工程学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689189A (zh) * 2019-09-24 2020-01-14 国网天津市电力公司 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法
CN110689189B (zh) * 2019-09-24 2023-05-09 国网天津市电力公司 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法
CN112053035A (zh) * 2020-08-11 2020-12-08 云南电网有限责任公司 考虑经济性与灵活性的输电通道与储能联合规划方法
CN112103941A (zh) * 2020-08-11 2020-12-18 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法
CN112053035B (zh) * 2020-08-11 2022-08-26 云南电网有限责任公司 考虑经济性与灵活性的输电通道与储能联合规划方法
CN112103941B (zh) * 2020-08-11 2023-09-01 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法
CN114188961A (zh) * 2021-12-13 2022-03-15 三峡大学 一种风光互补系统容量配置优化方法
CN114188961B (zh) * 2021-12-13 2023-08-01 三峡大学 一种风光互补系统容量配置优化方法
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN115496378B (zh) * 2022-09-27 2023-12-01 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法

Also Published As

Publication number Publication date
CN110245794B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN104362677B (zh) 一种主动配电网优化配置结构及其配置方法
CN110245794A (zh) 考虑灵活性的多能源汇集中心火储容量双层优化方法
CN105591406B (zh) 一种基于非合作博弈的微电网能量管理系统的优化算法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN102289566B (zh) 独立运行模式下的微电网多时间尺度能量优化调度方法
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN107508328A (zh) 考虑风电消纳的联合系统能量优化方法
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN108053057A (zh) 一种基于CVaR的虚拟电厂优化调度建模方法
CN109103914A (zh) 考虑源荷储协同运行的微电网储能优化配置方法
CN110417045A (zh) 一种针对交直流混合微电网容量配置的优化方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN103577891A (zh) 一种含分布式电源的多孤岛微网优化合作运行方法
CN112365021A (zh) 一种基于混合储能的区域综合能源系统规划优化方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN116961114A (zh) 基于分区自治的多虚拟电厂协调调度优化方法
CN114676878A (zh) 面向多能互补和低碳化的多区域虚拟电厂优化调度方法
Huang et al. Optimal design of an island microgrid with considering scheduling optimization
CN116914732A (zh) 基于深度强化学习的热电联产系统低碳调度方法及系统
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
CN107591794A (zh) 基于负荷分类的主动配电网源‑储容量优化配置方法
CN109840621A (zh) 考虑储能系统影响的并网型微电网日前多目标优化方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
Dorahaki et al. Smart grids and building energy flexibility
CN113488990A (zh) 基于改进的蝙蝠算法的微电网优化调度方法

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
GR01 Patent grant
GR01 Patent grant