CN110535148A - 一种可用性备用的优化配置方法及系统 - Google Patents
一种可用性备用的优化配置方法及系统 Download PDFInfo
- Publication number
- CN110535148A CN110535148A CN201910746638.2A CN201910746638A CN110535148A CN 110535148 A CN110535148 A CN 110535148A CN 201910746638 A CN201910746638 A CN 201910746638A CN 110535148 A CN110535148 A CN 110535148A
- Authority
- CN
- China
- Prior art keywords
- spare
- limit value
- scene
- unit
- output
- 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.)
- Pending
Links
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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种可用性备用的优化配置方法及系统,包括:S1:初始化传输线路容量限值;S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置;避免了备用无法有效调用的情况,可以进行备用可行性校核,而且由于每次迭代只需要向主问题返回一次协调约束,并且约束形式高效简洁,不需要引入新的变量,因此基本不会影响主问题备用优化配置模型的求解效率。
Description
技术领域
本发明涉及电力工业领域,具体涉及一种可用性备用的优化配置方法及系统。
背景技术
由于电力系统运行时需要保持功率的实时平衡,因此系统为了跟踪负荷及不可控的风电光伏等新能源出力的变化,需要预留一定的旋转备用(亦称负荷备用)。就保证电力系统的供电可靠性和良好的电能质量而言,旋转备用越多越好。因为发电设备从未运转的状态至投入系统,短则几分钟(例如水电厂),长则十余小时(例如火电厂)。但是,预留旋转备用将降低电源的发电经济性,因此从保证系统运行经济性而言,旋转备用又不宜过多。因此,有必要对电力系统中旋转备用的预留进行优化配置,更好兼顾可靠性与经济性的平衡。传统的旋转备用通常按照常规峰值负荷的3%-5%进行备用预留,且按照调控平衡区进行整体预留,在预留的时候并不会去考虑备用调用时是否存在电网阻塞等实际情况,存在一定的缺陷。
发明内容
为了解决现有技术中所存在的上述不足,本发明提供一种可用性备用的优化配置方法及系统。
本发明提供的技术方案是:
一种可用性备用的优化配置方法,所述方法包括:
S1:初始化传输线路容量限值;
S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置。
优选的,所述备用优化配置模型的构建,包括:
以电网系统发电成本、开停机成本和备用容量成本中和为目标构建目标函数;
构建约束条件;
其中,所述约束条件包括:系统功率平衡约束、火电机组出力上下限约束、火电机组爬坡、火电机组最小开停机时间约束、备用约束、备用调用场景中的机组出力约束和线路安全约束。
优选的,所述目标函数的计算式如下:
式中,为机组i在时段t的发电成本;为机组i在时段t的开机成本;为机组i在时段t的停机成本;为机组i在时段t的备用容量成本;T为调度周期;NG为火电机组数量。
优选的,所述基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景,包括:
基于所述机组出力和备用配置方案确定机组出力调整范围;
基于所述机组出力调整范围以及风电出力和负荷功率变化区间计算各线路、各时段潮流的最大值和最小值;
若由所述最大值或最小值超出对应各线路传输容量的限值,则得到各节点的风电出力和负荷功率,并基于所述机组出力调整范围、各节点的风电出力和负荷功率生成极限场景;
优选的,所述采用所述极限场景对所述备用配置方案进行校核,包括:
基于预先构建的极限场景模型以备用调用时总松弛量最小为目标,对所述配置方案各线路传输容量限制进行松弛;
若所述松弛量均小于设定的阈值,则传输线路容量限值为备用进行配置;
否则,调整不小于设定阈值对应线路的松弛量,重新确定传输线路容量限值,继续求解所述优化配置模型约束,直到所述松弛量均小于设定的阈值。
优选的,所述极限场景模型的构建,包括:
基于所述备用配置方案和机组出力确定机组出力范围;
基于所述机组出力范围以及获取的风电出力和负荷功率的变化区间计算各线路各时段潮流的最大值和最小值;
基于所述最大值和最小值以及各线路传输容量限值确定火电机组出力范围、风电出力和负荷功率;
基于所述火电机组出力范围、风电出力和负荷功率以及约束条件构成极限场景模型;
其中,所述约束条件,包括:功率平衡约束、机组出力调整方位约束和网络安全约束。
优选的,所述调整所述传输线路容量限值,执行步骤S2,包括:
基于各线路在同时段的松弛量确定调整因子;
基于所述调整因子和松弛量不小于设定阈值中的最大值确定传输线路容量限值;
基于所述确定的传输线路容量限值,重新执行步骤S2。
优选的,所传输线路容量限值的计算式如下:
式中,为第n次迭代时主问题的线路传输容量限值;λ(n)为第n次迭代的调整因子;为在本次迭代所有子问题中的最大值;NK为场景数量;NT为迭代次数;NL为线路数量。
一种可用性备用的优化配置系统,所述系统包括:
初始化模块:用于初始化传输线路容量限值;
求解模块:用于基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
生成模块:用于基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
配置模块:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行求解模块,若校核通过,则基于所述传输线路容量限值为备用设置配置。
优选的,所述求解模块,还包括:构建模块;
所述构建模块,用于以电网系统发电成本、开停机成本和备用容量成本中和为目标构建目标函数;
构建约束条件;
其中,所述约束条件包括:系统功率平衡约束、火电机组出力上下限约束、火电机组爬坡、火电机组最小开停机时间约束、备用约束、备用调用场景中的机组出力约束和线路安全约束。
与现有技术相比,本发明的有益效果为:
1、本发明的技术方案,包括:S1:初始化传输线路容量限值;S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置;避免了备用无法有效调用的情况,可以进行备用可行性校核,而且由于每次迭代只需要向主问题返回一次协调约束,并且约束形式高效简洁,不需要引入新的变量,因此基本不会影响主问题备用优化配置模型的求解效率。
2、本发明的技术方案,通过对模型物理背景的分析,获得先验知识从而对模型约束进行删除和添加可以在内存需求、计算速度等方面显著改善模型求解性能。将传统的时段耦合的安全约束经济调度问题进行了解耦处理,在解耦的前提下就可以很好的使用并行计算技术,从而极大的加速求解速度。
附图说明
图1为本发明的可用性备用的优化配置方法步骤示意图;
图2为本发明的极限潮流计算流程图;
图3为本发明的算法流程图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1
传统调度模型中,备用容量配置的要求通常为系统总备用容量不小于总备用需求,同时满足预测场景下的机组出力约束(如爬坡约束、出力上下限约束等),而对备用调用过程中机组的出力调整过程及其对系统潮流的影响考虑较少。大规模风电并网后,系统不平衡功率的波动性显著上升,为了保证系统的可靠性,系统对备用容量的需求更大,备用的调用也更加地频繁。虽然总体备用预留可能充足,但是系统运行过程中可能会由于备用调用时却无法满足网络安全约束而导致备用不可用,从而导致实际备用不足。为解决上述问题,本发明首先建立考虑备用配置方案可行性的优化调度模型,然后根据备用调用过程中的机组出力范围与风电出力和负荷功率的变化区间,生成若干极限场景,进而将模型分解为预测场景下的备用经济性配置主问题和若干极限场景下的备用可行性校核子问题,通过主问题进行备用优化配置,通过子问题验证备用可用性,如果备用不可用,则修改主问题模型和参数,以主子问题的交替迭代方式获取可准确考虑旋转备用可用性的备用优化配置结果。
本发明提供技术方案,其改进之处在于,如图1所示,所述计算方法包括下述步骤:
S1:初始化传输线路容量限值;
S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置;
其中,S1:初始化传输线路容量限值,包括:
为各传输线路设置初始值。
S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力,包括:
主问题模型构建:建立备用配置优化模型
1)目标函数构建
模型以系统发电成本、开停机成本以及备用容量成本总和最小为优化目标:
式中:分别为机组i在时段t的发电成本、开机成本、停机成本,均采用分段线性模型;为机组i在时段t的备用容量成本,包括上备用容量成本和下备用容量成本,分别与上备用容量和下备用容量成正比;T为调度周期;NG为火电机组数量。
1)约束条件构建
a)系统功率平衡约束
式中:NN表示系统节点数目;k=0代表预测场景,k≠0代表各备用调用场景;分别为场景k中节点n在t时段的火电机组出力、风电出力和负荷功率。
b)火电机组出力上下限约束
式中:Pi,min、Pi,max分别为火电机组i的最小技术出力和最大技术出力;ui,t为预测场景中机组i在时段t的开停状态,取1表示开机,取0表示停机。
c)火电机组爬坡约束
式中:Δ i和分别为机组i的向下、向上爬坡速率限值。
d)火电机组最小开停机时间约束
式中:Ti on、Ti off分别为机组i的最小开机时间和最小停机时间。
e)备用约束
式中:分别为机组i在时段t提供的上备用和下备用;τ为备用响应时间;分别为系统在时段t的上备用需求和下备用需求。
由于系统备用容量需求的确定问题不是本专利的研究重点,为简化分析,按照各时段风电出力和负荷功率的最大预测误差来确定系统备用容量需求。假设在时段t节点n的风电功率预测误差的变化区间为负荷功率预测误差的变化区间为则系统备用容量需求为
f)备用调用场景中的机组出力约束
g)线路安全约束
式中:为场景k中线路l在时段t的输送功率;Al,n为节点n注入功率对线路l潮流的灵敏度,可通过直流潮流模型计算得到;Pl,max为线路l的传输容量限值;NL为线路数目。
S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景,包括:
本发明极限场景生成的思路如下:根据预测场景下的机组出力和备用配置方案确定备用调用场景中的机组出力调整范围,然后结合风电出力和负荷功率的变化区间来计算备用调用场景下各线路各时段潮流的最大值和最小值,若超出其传输容量限值,则此时的火电机组出力范围、风电出力和负荷功率构成一种极限场景。以计算线路正向潮流最大值为例,对本专利极限场景的生成原理进行说明(反向潮流同理)。
首先可以通过如下模型计算正向潮流最大值:
式中:用于描述节点n处的火电机组出力变化范围,可以根据各火电机组的计划出力、上下备用以及所在节点计算得到。
可见这是一个简单的线性规划问题,根据连续贪婪算法思想,可以不直接求解该线性规划问题,通过简单计算即可得到问题解。首先作如下变量替换,得到辅助变量及其变化范围:
则模型变为
进一步,构建辅助变量
则可以将该模型转化为标准形式
则可按如下流程计算线路l的潮流最大值。
如图2所示,如果线路l的潮流最大值超过传输容量限值,则通过变量替换关系式(12)和式(15)可得到此时各节点的风电出力和负荷功率结合火电机组出力范围即构成极限场景。
S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置,包括:
主问题的任务是进行备用的经济性配置,尽量调用成本低的机组来满足系统负荷需求和备用需求,而不需要考虑备用调用场景,因此其优化目标为系统运行成本最小,如式(1)所示;约束条件包括式(2)至式(8)以及式(10),其中各式的k均取0,即仅考虑预测场景。
1)备用可行性校核子问题
子问题对主问题的备用容量配置方案进行可行性校核,即在极限场景下考虑功率平衡约束、机组出力调整范围约束和网络安全约束,判断可行域是是否为空集。为了避免子问题可行域为空而使迭代无法进行,对各线路传输容量限值进行松弛,并以备用调用时总松弛量最小为优化目标,若子问题优化结果中各线路传输容量限值松弛量均小于给定阈值,说明备用配置方案可行;否则返回不可行约束到主问题,继续求解。
式中,表示极限场景k下线路l在t时段的传输容量松弛量。同时注意到各极限场景下的子问题之间不存在耦合关系,因此可以分别求解,进一步减小了模型的求解负担。
2)主子问题协调和收敛条件
当预测场景下的备用配置方案无法通过所有子问题的可行性校核时,则向主问题返回如下约束:
式中,表示第n次迭代时主问题的线路传输容量限值,迭代求解时将其替代到预测场景下的线路安全约束中;λ(n)表示第n次迭代的调整因子;表示在本次迭代所有子问题中的最大值。
上式表明,子问题不仅可以进行备用可行性校核,还可以在配置方案不可行时对各线路额外所需的传输容量进行评估。通过在主问题中适当减小线路传输容量限值,可以为备用调用过程预留线路输送容量空间。同时,由于每次迭代只需要向主问题返回一次协调约束,并且约束形式高效简洁,不需要引入新的变量,因此基本不会影响主问题的求解效率。
调整因子的取值范围为0到1,取值过小虽然求解结果精确性提高,但会导致迭代次数增加,而取值过大则容易出现调整过度而影响结果的经济性甚至可能出现主问题无解。注意到各随着迭代进行会有减小趋势,为了平衡求解效率和精度,本文的调整因子在初始迭代取值较小,随迭代进行逐渐增大:
式中,λmax和λmin分别为调整因子最大值和最小值。
收敛条件:当所有子问题的线路传输容量限值松弛量均小于给定阈值时,说明备用配置方案可适应风电出力和负荷功率的变化,迭代终止。即
式中:ε为给定收敛阈值,取较小的正数。
具体算法流程,如图3所示。
问题的整体解决思路:首先建立考虑备用配置方案可行性的优化调度模型,然后根据备用调用过程中的机组出力范围与风电出力和负荷功率的变化区间,生成若干极限场景,进而将模型分解为预测场景下的备用经济性配置主问题和若干极限场景下的备用可行性校核子问题,通过主问题进行备用优化配置,通过子问题验证备用可用性,如果备用不可用,则修改主问题模型和参数,以主子问题的交替迭代方式获取可准确考虑旋转备用可用性的备用优化配置结果。
极限场景的生成方式。根据预测场景下的机组出力和备用配置方案确定备用调用场景中的机组出力调整范围,然后结合风电出力和负荷功率的变化区间来计算备用调用场景下各线路各时段潮流的最大值和最小值,若超出其传输容量限值,则此时的火电机组出力范围、风电出力和负荷功率构成一种极限场景。
根据极限场景对备用配置模型调整和参数修改。如式(19)和式(20)所示。
实施例2
本申请以新英格兰10机39节点系统为例,进行算法测试和分析。系统负荷预测数据分布在19个不同的节点上;两个风电场分别接在第2号节点和第21号节点;风电和负功率的变化范围分别取其对应时段功率的15%和5%;系统共含46条线路,其中线路9、37和44的传输容量限值为500MW,其余线路的传输容量为180MW;单位上、下备用成本均取20$。
为了阐述电力系统优化调度中的备用可用性问题,本发明以第6个时段为例进行说明。该时段风电和负荷预测功率与极限场景功率如表2所示。
表2第6个时段风申出力和负荷功率
在表2所示极限场景下,系统共需要53.37MW上备用容量来应对风电和负荷预测偏差引起的功率不平衡量,由表2可知此时系统共预留了81.83MW上备用容量,传统方法认为此时系统能够通过调整各机组出力来满足功率平衡。但测试结果表明,该极限场景无法通过备用可行性校核,对应子问题求解得到线路3、4的传输容量限值松弛量分别为37.24MW和10.69MW,说明由于线路3和线路4的传输容量限制,备用容量无法被成功调用。该测试结果表明,系统中确实可能出现总备用容量充足但因线路传输容量限制而导致备用配置方案不可行的情况。而采用本发明所提的改进方法和系统则可以完全避免备用无法有效调用的情况。
实施例3
基于同一构思发明,本申请还提供一种可用性备用的优化配置系统,所述系统包括:
初始化模块:用于初始化传输线路容量限值;
求解模块:用于基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
生成模块:用于基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
配置模块:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行求解模块,若校核通过,则基于所述传输线路容量限值为备用设置配置。
所述求解模块,还包括:构建模块;
所述构建模块,用于以电网系统发电成本、开停机成本和备用容量成本中和为目标构建目标函数;
构建约束条件;
其中,所述约束条件包括:系统功率平衡约束、火电机组出力上下限约束、火电机组爬坡、火电机组最小开停机时间约束、备用约束、备用调用场景中的机组出力约束和线路安全约束。
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 (10)
1.一种可用性备用的优化配置方法,其特征在于,所述方法包括:
S1:初始化传输线路容量限值;
S2:基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
S3:基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
S4:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行步骤S2,若校核通过,则基于所述传输线路容量限值为备用设置配置。
2.如权利要求1所述方法,其特征在于,所述备用优化配置模型的构建,包括:
以电网系统发电成本、开停机成本和备用容量成本中和为目标构建目标函数;
构建约束条件;
其中,所述约束条件包括:系统功率平衡约束、火电机组出力上下限约束、火电机组爬坡、火电机组最小开停机时间约束、备用约束、备用调用场景中的机组出力约束和线路安全约束。
3.如权利要求2所述方法,其特征在于,所述目标函数的计算式如下:
式中,为机组i在时段t的发电成本;为机组i在时段t的开机成本;为机组i在时段t的停机成本;为机组i在时段t的备用容量成本;T为调度周期;NG为火电机组数量。
4.如权利要求1所述方法,其特征在于,所述基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景,包括:
基于所述机组出力和备用配置方案确定机组出力调整范围;
基于所述机组出力调整范围以及风电出力和负荷功率变化区间计算各线路、各时段潮流的最大值和最小值;
若由所述最大值或最小值超出对应各线路传输容量的限值,则得到各节点的风电出力和负荷功率,并基于所述机组出力调整范围、各节点的风电出力和负荷功率生成极限场景。
5.如权利要求1所述方法,其特征在于,所述采用所述极限场景对所述备用配置方案进行校核,包括:
基于预先构建的极限场景模型以备用调用时总松弛量最小为目标,对所述配置方案各线路传输容量限制进行松弛;
若所述松弛量均小于设定的阈值,则传输线路容量限值为备用进行配置;
否则,调整不小于设定阈值对应线路的松弛量,重新确定传输线路容量限值,继续求解所述优化配置模型约束,直到所述松弛量均小于设定的阈值。
6.如权利要求5所述方法,其特征在于,所述极限场景模型的构建,包括:
基于所述备用配置方案和机组出力确定机组出力范围;
基于所述机组出力范围以及获取的风电出力和负荷功率的变化区间计算各线路各时段潮流的最大值和最小值;
基于所述最大值和最小值以及各线路传输容量限值确定火电机组出力范围、风电出力和负荷功率;
基于所述火电机组出力范围、风电出力和负荷功率以及约束条件构成极限场景模型;
其中,所述约束条件,包括:功率平衡约束、机组出力调整方位约束和网络安全约束。
7.如权利要求1所述方法,其特征在于,所述调整所述传输线路容量限值,执行步骤S2,包括:
基于各线路在同时段的松弛量确定调整因子;
基于所述调整因子和松弛量不小于设定阈值中的最大值确定传输线路容量限值;
基于所述确定的传输线路容量限值,重新执行步骤S2。
8.如权利要求7所述方法,其特征在于,所传输线路容量限值的计算式如下:
式中,为第n次迭代时主问题的线路传输容量限值;λ(n)为第n次迭代的调整因子;为在本次迭代所有子问题中的最大值;NK为场景数量;NT为迭代次数;NL为线路数量。
9.一种可用性备用的优化配置系统,其特征在于,所述系统包括:
初始化模块:用于初始化传输线路容量限值;
求解模块:用于基于预先构建的备用优化配置模型进行求解,得到所述传输线路容量限值下的备用配置方案和机组出力;
生成模块:用于基于所述备用配置方案和机组出力以及风电出力变化区间和负荷功率变化区间生成极限场景;
配置模块:采用所述极限场景对所述备用配置方案进行校核,若校核不通过,则调整所述传输线路容量限值,执行求解模块,若校核通过,则基于所述传输线路容量限值为备用设置配置。
10.如权利要求9所述系统,其特征在于,所述求解模块,还包括:构建模块;
所述构建模块,用于以电网系统发电成本、开停机成本和备用容量成本中和为目标构建目标函数;
构建约束条件;
其中,所述约束条件包括:系统功率平衡约束、火电机组出力上下限约束、火电机组爬坡、火电机组最小开停机时间约束、备用约束、备用调用场景中的机组出力约束和线路安全约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746638.2A CN110535148A (zh) | 2019-08-13 | 2019-08-13 | 一种可用性备用的优化配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746638.2A CN110535148A (zh) | 2019-08-13 | 2019-08-13 | 一种可用性备用的优化配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110535148A true CN110535148A (zh) | 2019-12-03 |
Family
ID=68663058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746638.2A Pending CN110535148A (zh) | 2019-08-13 | 2019-08-13 | 一种可用性备用的优化配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110535148A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803463A (zh) * | 2021-03-08 | 2021-05-14 | 浙江浙能电力股份有限公司萧山发电厂 | 计及电网运行约束的电化学储能应用场景评估方法 |
-
2019
- 2019-08-13 CN CN201910746638.2A patent/CN110535148A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803463A (zh) * | 2021-03-08 | 2021-05-14 | 浙江浙能电力股份有限公司萧山发电厂 | 计及电网运行约束的电化学储能应用场景评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN105049536A (zh) | IaaS云环境中的负载均衡系统和负载均衡方法 | |
CN105207259A (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
US11293404B2 (en) | Model predictive control in local systems | |
CN112597633B (zh) | 考虑多故障场景的电力系统备用优化方法及系统 | |
CN110232583B (zh) | 一种考虑碳排放权的电力市场边际价格规划方法 | |
CN110165714B (zh) | 基于极限动态规划算法的微电网一体化调度与控制方法、计算机可读存储介质 | |
CN110165660B (zh) | 一种受端电网暂态电压预防控制优化方法及其系统 | |
CN110707758A (zh) | 一种用于提高新能源消纳的分布式储能系统调度方法 | |
JP2020521424A (ja) | 資源同化及び最適化による電力分配制御 | |
CN109286208A (zh) | 一种综合能源系统调度方法和系统 | |
CN108448651B (zh) | 一种分散式风电的风储联合系统及控制方法 | |
CN110752598B (zh) | 多点分布式储能系统灵活性评价方法和装置 | |
Nassourou et al. | Economic model predictive control for energy dispatch of a smart micro-grid system | |
CN105305501B (zh) | 实时负荷变化下水电站多模式时空嵌套出力动态调整方法 | |
CN110247392B (zh) | 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法 | |
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 | |
CN110535148A (zh) | 一种可用性备用的优化配置方法及系统 | |
CN112510690B (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
WO2024109106A1 (zh) | 一种可再生能源集群参与调峰及调频优化方法及系统 | |
CN111291939A (zh) | 一种联络线计划编制方法及系统 | |
CN116805181A (zh) | 一种电-热-气网络分布式协同调度策略确定方法及装置 | |
CN115528664A (zh) | 一种微电网有功功率机会约束优化方法及系统 | |
CN110350521A (zh) | 一种高比例可再生能源跨区互动消纳的受端电网阻塞预测方法及装置 | |
CN115549204A (zh) | 一种微电网群双层分布式集群调峰方法及装置 |
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 |