CN110535183B - 一种虚拟电厂的调度方法及系统 - Google Patents

一种虚拟电厂的调度方法及系统 Download PDF

Info

Publication number
CN110535183B
CN110535183B CN201810511486.3A CN201810511486A CN110535183B CN 110535183 B CN110535183 B CN 110535183B CN 201810511486 A CN201810511486 A CN 201810511486A CN 110535183 B CN110535183 B CN 110535183B
Authority
CN
China
Prior art keywords
scene
power plant
output
power
photovoltaic
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
Application number
CN201810511486.3A
Other languages
English (en)
Other versions
CN110535183A (zh
Inventor
马建伟
孙芊
柴旭峥
赵健
宋宁希
陈博
屈富敏
丁强
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.)
China Electric Power Research Institute Co Ltd CEPRI
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power 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 China Electric Power Research Institute Co Ltd CEPRI, State Grid Henan Electric Power Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201810511486.3A priority Critical patent/CN110535183B/zh
Publication of CN110535183A publication Critical patent/CN110535183A/zh
Application granted granted Critical
Publication of CN110535183B publication Critical patent/CN110535183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种虚拟电厂的调度方法及系统，包括：根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。本发明解决了由于大规模分布式电源接入电网，分布式能源出力和网络负荷的波动性给电网调度带来的不确定性。

Description

一种虚拟电厂的调度方法及系统
技术领域
本发明涉及电力系统运行与控制领域，具体涉及一种虚拟电厂的调度方法及系统。
背景技术
随着社会经济的快速发展，各行业对能源的需求与日俱增，但化石能源日趋枯竭，核能发展受到限制，世界各国为实现能源的可持续利用和经济社会的和谐发展，普遍采取措施以提高能源利用效率、大力发展清洁可再生能源、改善能源结构。配电网中分布式电源发电规模较小、布局分散、数量巨大，配电网演变为具有众多可调可控资源的有源配电网，主网与配网之间相互渗透、互为支援，主网有功与配网有功存在更紧密的耦合关系，电网运行更加复杂。这就需要对配电网中的分布式电源在更大范围上进行有功调度管理，实现配电网在充分消纳分布式电源的同时，平抑可调资源对主网运行调度的影响，提升电网安全运行的水平。虚拟电厂通过将分布式发电机组、储能系统、可控负荷聚合在一起，通过先进的数据通信和协调控制技术，实现对各类型分布式能源和负荷的有机整体调控，其相对电网来说等效为单一可控单元，而对虚拟电厂中，分布式发电机组发电量的不确定性等因素导致虚拟电厂的内部调度需要进一步解决。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种虚拟电厂的调度方法及系统。
本发明提供的技术方案是：一种虚拟电厂的调度方法，包括：
根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；
基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。
优选的，所述根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景，包括：
查询调度周期的天气预报，获得调度周期内的天气状况；
在预先设定的场景库中筛选与所述天气状况相似的所有场景；
在所述天气状况相似的所有场景中选择同时期的预设数量的风电厂出力场景、光伏出力场景和电价场景。
优选的，所述根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，包括：
将所述虚拟电厂的最大利润作为目标函数；
基于传统电厂、抽水畜能电站的装机容量、泵唧功率和轮机功率、双边合同和能量平衡设置约束条件；
结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本对所述目标函数和约束条件进行求解，得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力。
优选的，所述目标函数，如下式所示：
Figure BDA0001672714440000021
式中：F：虚拟电厂的最大利润；T：时段数；πw：风电场出力第w个场景出现的概率；πs：光伏出力第s个场景的概率；πp：市场电价的第p个场景出现概率；λp(t)：电力市场在第p个场景的市场电价；Gwsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，售电或购电状态；
Figure BDA0001672714440000031
在第t时段，第w个风电厂出力场景，第s个光伏出力场景，第p个电价场景下，传统电厂电力发电成本；
Figure BDA0001672714440000032
二进制变量，在第t个时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂正在启动，则值为1，否则值为0；Sconv：传统电厂启动成本；bc(t)·p：双边合同收入。
优选的，所述传统电厂电力发电成本
Figure BDA0001672714440000033
按下式计算：
Figure BDA0001672714440000034
式中：a：传统电厂的固定生产成本；
Figure BDA0001672714440000035
第t时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0；kj：传统电厂发电成本曲线第j段的斜率；m：传统电厂启动时间。
优选的，所述基于传统电厂、抽水畜能电站的装机容量、泵唧功率和轮机功率、双边合同和能量平衡设置约束条件，包括：
传统电厂约束、抽水畜能电站约束、双边合同约束和能量平衡约束。
优选的，所述传统电厂约束包括：
如下式所示的传统电厂出力约束：
Figure BDA0001672714440000036
式中：
Figure BDA0001672714440000037
在第t时段时，传统电厂的出力；
Figure BDA0001672714440000038
在第t-1时段时，传统电厂的出力；-ramp：传统电厂每小时最大减少功率；ramp：传统电厂每小时最大增加功率
如下式所示的传统电厂启动二进制变量约束：
Figure BDA0001672714440000039
式中：
Figure BDA00016727144400000310
第t时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0；
Figure BDA0001672714440000041
第t-1时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0。
优选的，所述抽水蓄能电站约束，包括：
如下式所示的抽水蓄能电站的抽水续能发电容量约束：
Figure BDA0001672714440000042
式中：
Figure BDA0001672714440000043
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的出力；
Figure BDA0001672714440000044
抽水蓄能电站的最大出力；
如下式所示的上蓄水池约束：
0≤storagewsp(t)≤storagemax(t)
式中：storagewsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站储存的能量；storagemax(t)：上蓄水池最大储存容量。
优选的，所述抽水蓄能电站储存的能量storagewsp(t)，按下式计算：
Figure BDA0001672714440000045
式中：storagewsp(t-1)：在第t-1时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站储存的能量；
Figure BDA0001672714440000046
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的泵唧功率；
Figure BDA0001672714440000047
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的轮机功率。
优选的，所述双边合同约束如下式所示：
(1-hd)·bc(t)≤dwsp(t)≤(1+hd)·bc(t)
式中：dwsp(t)：在预设周期内实际发电量；hd：预设的差值；bc(t)：双边合同电量。
优选的，所述能量平衡约束，按下式所示：
Figure BDA0001672714440000051
式中：gw(t)：光伏电厂在第t时段，第s个光伏场景下，光伏电厂的出力；gs(t)：风电厂在第t时段，第w个风电厂出力场景下，风电厂的出力；
Figure BDA0001672714440000052
在第t时段时，传统电厂的出力；
Figure BDA0001672714440000053
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的轮机功率；dwsp(t)：在预设周期内实际发电量；Gwsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，售电或购电状态；
Figure BDA0001672714440000054
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的泵唧功率；μ：抽水蓄能电站的效率因子；rwsp(t)：电力盈余。
优选的，所述基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价，包括：
基于所述双边合同电量和同时期所述电价场景确定市场电价；
当所述风电厂出力场景和光伏出力场景的总出力大于所述双边合同电量，同时市场电价低于第一预设值且上蓄水池没有达到最大蓄水量时，确定抽水蓄能电站处于蓄水状态；
当所述风电厂出力场景和光伏出力场景的总出力小于所述双边合同电量，同时市场电价高于第二预设值且上蓄水池不为空时，确定抽水蓄能电站处于放水状态。
优选的，所述场景库的设定，包括：
根据获取的风电厂数据、光伏电厂数据和电价数据依次设置风电厂出力场景、光伏出力场景和电价场景。
基于同一发明构思，本发明还提供了一种虚拟电厂的调度系统，包括：
选择模块，用于根据调度周期在预先设定的场景库中，选择同时期预设数量的预设数量的风电厂出力场景、光伏出力场景和电价场景；
确定模块，用于基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
调度模块，用于根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。
优选的，所述调度模块，包括：
目标函数单元，用于将所述虚拟电厂的最大利润作为目标函数；
约束条件单元，用于基于传统电厂、抽水畜能电站的装机容量、泵唧功率和轮机功率、双边合同和能量平衡设置约束条件；
调度单元，用于结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本对所述目标函数和约束条件进行求解，得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的技术方案，根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度，根据一系列场景解决了可再生能源发电量不确定性和电价不确定性，提高了可再生能源的利用率，实现了虚拟电厂的日前调度。
本发明提供的技术方案，有助于提高分布式能源渗透率，应对间歇式能源的不确定波动，有效减轻波动带来调度的压力。
本发明提供的技术方案，将不确定问题有效描述为多个确定性场景，简化原问题。
本发明提供的技术方案，考虑了中长期双边合同和日前市场相互协调的统一优化模型，可以用于电力现货市场优化调度模型，使虚拟电厂利益最大化。
附图说明
图1为本发明一种虚拟电厂调度方法的总流程图；
图2为本发明实施例中调度方法的详细流程图。
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。
在新能源技术快速发展过程中，风电和光伏由于其成熟的技术、可选址地方广等特点，逐渐担负起了新能源发展的领头军。但是由于风电自身的间歇性，精确预测风电厂(Wind Power Plant，WPP)的发电量几乎是不可能的；光伏也受天空云量和分布影响，精确预测光伏发电也是非常困难的；为了减小售电和发电之间的差异，可以采用风电、光伏、储能和并网电厂联合运行方式，即选择与快速响应的传统电厂(Conventional Power Plant，CPP)联合运行，来减少风电出力和光伏出力的波动。其中，利用抽水蓄能电站，一方面可以提高灵活性，另一方面还能起到调峰作用，把低谷时段低电价的电力转移到高峰时段高电价。
通过虚拟电厂优化市场需要考虑，可再生能源的发电量不确定性和市场电价的不确定性，因为只有在电厂和消费者分别提供了他们的卖出和买入曲线后才能确定市场电价。为了适当处理这些不确定因素，将不确定的参数是由一组历史数据(可以为历史同期，或者相似日)，构建场景。虚拟电厂中包含三种类型电厂，间歇能源、抽水蓄能和传统电厂，并且考虑了中长期双边合同和日前(现货交易)。在日前市场，虚拟电厂(Virtual PowerPlant，VPP)既可以作为售电方进行售电也可以作为购电方进行购电，在实时交易市场，VPP矫正日前发电计划和实际发电的偏差。虚拟电厂中通过随机规划方法可以提供小时级的日前发电的计划曲线。
(1)模型假设
虚拟电厂(VPP)中包含一个风电厂(WPP)，一个传统电厂(CPP)，一个光伏电厂(Photovoltaic，PV)，一个抽水蓄能电站(Pumped Hydro Storage Plant，PHSP)。因为WPP和PV发电的随机性和不可精确预测性，在日前交易市场，使用历史场景作为模型，同样，电价也具有随机性，因此也使用同时期的历史数据作为市场价格，为了保持模型的线性，CPP燃料成本曲线使用近似分段线性模型。PHSP模型假设在抽水蓄能时没有损耗，并且下水池水量充足。因为市场电价差异，VPP所有者可以利用PHSP转储能量提高电厂整体利润。
VPP有双边合同需要履行，一般考虑结算周期为1周，168小时，在一周中允许每小时的实际发电量与合同电量有一些偏差，但是每周的实际发电量要等于合同电量。
(2)不确定性建模
上述问题有三个不确定资源，第一个是WPP的发电量，因为它依赖于自然界的随机风速；第二个是PV的发电量，因为它依赖于天气，尤其是天空云量；最后一个是电力市场中的电价，电价信息只有在所有购电方和售电方提交了申报量和价格之后才能获取。通常，售电方根据历史数据和附加信息(例如系统中水电厂的水量信息、火电厂的发电量等)预测电价。为了解决上述所有问题，本发明采用了随机规划法框架创建模型。
随机规划法分为连续变量和分散变量模型，利用随机规划法求解连续变量模型是非常困难的，一般情况下也是不可能的。因此一般用分散变量代表随机变量来求解大型模型，分散变量随机规划法可以很容易地嵌入数学模型中，并利用分治法在较短时间内求解。
图1为本发明一种虚拟电厂调度方法的总流程图，如图1所示，包括：
步骤S101、根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；
步骤S102、基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
步骤S103、根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。
步骤S101、根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；具体包括：
查询调度周期的天气预报，获得调度周期内的天气状况；
在预先设定的场景库中筛选与所述天气状况相似的所有场景；
在所述天气状况相似的所有场景中选择同时期的预设数量的风电厂出力场景、光伏出力场景和电价场景。
其中，根据获取的风电厂数据、光伏电厂数据和电价数据预先设置的周期场景。
本实施例中提供了下列两种具体的选择方式：
方法一、根据调度周期在预先设定的场景库中，随机选择预设数量的风电厂出力场景，根据选择的风电厂出力场景，在预先设定的场景库中选择同时期的预设数量的光伏出力场景和电价场景；
方法二、根据调度周期在预先设定的场景库中，随机选择预设数量的光伏出力场景，根据选择的光伏出力场景，在预先设定的场景库中选择同时期的预设数量的风电厂出力场景和电价场景；
在两种方法中，可以根据需要设定场景数量，风电厂出力场景、光伏出力场景和电价场景的数量可以相同，也可以不同，但是选择场景数量太大会导致计算速度变慢。
步骤S102、基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；具体包括：
基于所述双边合同电量和同时期所述电价场景确定市场电价；
当所述风电厂出力场景和光伏出力场景的总出力大于所述双边合同电量，同时市场电价低于第一预设值且上蓄水池没有达到最大蓄水量时，确定抽水蓄能电站处于蓄水状态；
当所述风电厂出力场景和光伏出力场景的总出力小于所述双边合同电量，同时市场电价高于第二预设值且上蓄水池不为空时，确定抽水蓄能电站处于放水状态。
其中,第一预设值和第二预设值可以根据实际情况、经验以及需求进行设定。
步骤S103、根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度，具体包括：
①将所述虚拟电厂的最大利润作为目标函数；
VPP利润最大化如公式(1)所示：
Figure BDA0001672714440000101
公式(1)是一个利润最大化函数，该函数考虑了在市场中售电和购电，CPP的发电成本和CPP的启动成本。其中：
T—时段数；πp—电力市场价格的第p个场景出现概率；πs—光伏出力曲线的第s个场景的概率；πw—WPP出力第w个场景出现的概率；λp(t)—电力市场在第p个场景的市场电价(元/MWh)；Gwsp(t)—在时段t，WPP出力场景w，PV出力场景s，电价场景p状态下，如果是正值，向市场售电量，如果为负值，从市场中购电量(MWh)；
Figure BDA0001672714440000102
—在时段t，WPP出力场景w，PV出力场景s，电价场景p状态下，CPP电力发电成本(元/MWh)；
Figure BDA0001672714440000103
—二进制变量，在时段t，WPP出力场景w，PV出力场景s，电价场景p状态下，如果传统电厂正在启动，则该值为1，否则为0；Sconv—CPP启动成本(元)；bc(t)·p—双边合同收入，该价格是协商好的固定价格。
其中，CPP的出力等于针对每个WPP出力、PV出力和市场价格场景的一段时间中所有产出级别之和，如下公式(2)所示：
Figure BDA0001672714440000104
Figure BDA0001672714440000105
—是CPP在t时段，针对WPP出力场景w，PV出力场景s和市场价格场景p的生产级别j情况下的出力(MW)。
进一步的，针对某一时段，某一WPP输出、PV输出和市场价格场景下的CPP发电成本，公式(3)所示：
Figure BDA0001672714440000111
其中
Figure BDA0001672714440000112
表示二进制变量，在WPP出力场景w，PV出力场景s和市场价格场景p情况下，如果CPP发电，则变量等于1，否则等于0；a—CPP固定生产成本(元)；kj—CPP成本曲线第j段的斜率(元/MW)；m—传统电厂启动时间。
②基于传统电厂、抽水畜能电站的装机容量、泵唧功率和轮机功率、双边合同和能量平衡设置约束条件包括：传统电厂约束、抽水畜能电站约束、双边合同约束和能量平衡约束。
a、CPP出力范围在最小发电和发电容量之间，爬坡率约束如公式(4)所示：
Figure BDA0001672714440000113
其中ramp—CPP爬坡率，每小时最大增加/减少功率(MW/h)。
b、CPP启动二进制变量设置范围如公式(5)下：
Figure BDA0001672714440000114
式中：
Figure BDA0001672714440000115
表示第t时段的二进制变量，在WPP出力场景w，PV出力场景s和市场价格场景p情况下，如果CPP发电，则变量等于1，否则等于0；
Figure BDA0001672714440000116
表示第t-1时段的二进制变量，在WPP出力场景w，PV出力场景s和市场价格场景p情况下，如果CPP发电，则变量等于1，否则等于0。
c、PHSP抽水续能发电容量约束如公式(6)：
Figure BDA0001672714440000117
其中：
Figure BDA0001672714440000118
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的出力；
Figure BDA0001672714440000119
抽水蓄能电站的最大出力；
上蓄水池约束如公式(7)所示：
Figure BDA00016727144400001110
式中，storagemax(t)—上蓄水池最大储存容量(MWh)；storagewsp(t)—在t时段，WPP出力场景w，PV出力场景s和市场价格场景p情况下，抽水蓄能站储存的能量(MWh)。
公式(7)中，抽水蓄能电站储存的能量storagewsp(t)，按下式计算：
Figure BDA0001672714440000121
公式(8)中，
Figure BDA0001672714440000122
—在t时段，WPP出力场景w，PV出力场景s和市场价格场景p情况下，抽水蓄能站的泵唧功率(MW)；
Figure BDA0001672714440000123
—在t时段，WPP出力场景w，PV出力场景s和市场价格场景p情况下，抽水蓄能站的轮机功率(MW)。
d、公式(9)是确保在每个小时双边发电量在合同电量允许的偏差内，参数hd代表单位小时内允许实际发电量和合同电量差值。
即双边合同约束如下式所示：
Figure BDA0001672714440000124
式中：bc(t)为t时段双边合同电力(MW)。
e、公式(10)表示在一周时间内，双边合同电量和实际发电量相等。
Figure BDA0001672714440000125
f、能量平衡约束如公式(11)所示：
Figure BDA0001672714440000126
Figure BDA0001672714440000127
公式(11)中，gw(t)—PV在t时段，第s个光伏场景下，PV出力；gs(t)—在t时段，第w个风电场景下，WPP的出力；dwsp(t)—在t时段，WPP出力场景w，PV出力场景s和市场价格场景p情况下，双边合同发电；rwsp(t)—在t时段，WPP出力场景w，PV出力场景s和市场价格场景p情况下，电力盈余；Gwsp(t)—在t时段，WPP出力场景w，PV出力场景s和电价场景p状态下，如果是正值，向市场售电量，如果为负值，从市场中购电量(MWh)；μ—PHSP效率因子。
公式(11)表明所有发电总和必须等于双边合同发电、市场售电、抽水蓄能用电之和，电力盈余变量rwsp(t)依赖与实际场景。
另外，还应当表明，CPP不可预测约束：我们不能预测哪种场景会出现，因此，CPP的运行是考虑了每一种场景概率的情况下所做的最优操作。也就是说，不管是哪种风电，光电和市场价格场景出现，事实上只会提交一个日前市场报价曲线。
Figure BDA0001672714440000131
轮机运行不可预测约束：
Figure BDA0001672714440000132
PHSP抽水蓄能不可预测约束：
Figure BDA0001672714440000133
因为在实际市场价格、WPP出力和PV出力公开之前提交报价，所以针对所有场景VPP的发电量/报价是相同的，约束条件如下：
Figure BDA0001672714440000134
③结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本以及调度周期内的双边合同电量利用CPLEX计算软件对目标函数和约束条件进行求解，得到虚拟电厂的日前调度方法。
(3)输入参数
WPP和PV的装机容量已知，PHS是独立系统，装机容量已知，泵唧功率和轮机功率已知。CPP装机容量、最小运行功率、爬坡率已知，CPP运行成本曲线已知。
输入虚拟电厂计算周期时间内的双边合同电量，n个具有同等可能性的市场电价场景、WPP出力场景、PV出力场景。WPP和PV选择的场景与市场电价选择的场景时间段相对应，一般情况下把几周的测量值划分成n个场景。
场景的选择可以根据天气预报情况，将分布式能源出力按照高、中、低三种情况考虑。
图2为调度方法的详细流程图，如图2所示，包括：
首先在设置场景数量；
接着选择WPP、PV出力曲线场景，选择电价场景，通过随机规划方法构建目标函数，利用优化工具求解目标函数；
最后判断求解结果是否满足约束条件，如果满足则保存优化结果，否则重新选择场景。
(4)输出结果
利用CPLEX计算软件，可以计算出选择的周期内VPP的利润和风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力曲线。
(5)达到的效果
本发明基于多场景将所有不确定的参数(PV和WPP的发电量，市场电价)，都根据历史数据，利用随机规划法创建出一系列场景模型，有效的解决了可再生能源发电量不确定性和电价不确定性，提高了可再生能源的利用率，使虚拟电厂利益最大化。
基于多场景随机规划模型是考虑了中长期双边合同和日前市场相互协调的统一优化模型，可以用于电力现货市场优化调度模型。
由于大规模分布式电源接入电网，分布式能源出力的波动性以及网络负荷的波动性给电网调度带来了更多的不确定性。而本发明提出的一种虚拟电厂的调度方法，能够将不确定问题有效描述为多个确定性场景，简化原问题；有助于提高分布式能源渗透率，应对间歇式能源的不确定波动，有效减轻波动带来调度的压力。
基友同一发明构思，本实施例还提供了一种虚拟电厂的调度系统，包括：
选择模块，用于根据调度周期在预先设定的场景库中，选择同时期预设数量的预设数量的风电厂出力场景、光伏出力场景和电价场景；
确定模块，用于基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
调度模块，用于根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。
实施例中，所述调度模块，包括：
目标函数单元，用于将所述虚拟电厂的最大利润作为目标函数；
约束条件单元，用于基于传统电厂、抽水畜能电站的装机容量、泵唧功率和轮机功率、双边合同和能量平衡设置约束条件；
调度单元，用于结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本对所述目标函数和约束条件进行求解，得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力。
实施例中，所述确定模块，包括：
电价确定单元，用于基于所述双边合同电量和同时期所述电价场景确定市场电价；
第一确定单元，用于当所述风电厂出力场景和光伏出力场景的总出力大于所述双边合同电量，同时市场电价低于第一预设值且上蓄水池没有达到最大蓄水量时，确定抽水蓄能电站处于蓄水状态；
第二确定单元，用于当所述风电厂出力场景和光伏出力场景的总出力小于所述双边合同电量，同时市场电价高于第二预设值且上蓄水池不为空时，确定抽水蓄能电站处于放水状态。
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 (12)

1.一种虚拟电厂的调度方法，其特征在于，包括：
根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景；
基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度；
所述根据调度周期在预先设定的场景库中，选择同时期预设数量的风电厂出力场景、光伏出力场景和电价场景，包括：
查询调度周期的天气预报，获得调度周期内的天气状况；
在预先设定的场景库中筛选与所述天气状况相似的所有场景；
在所述天气状况相似的所有场景中选择同时期的预设数量的风电厂出力场景、光伏出力场景和电价场景；
所述根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，包括：
将所述虚拟电厂的最大利润作为目标函数；
基于传统电厂、抽水蓄能电站的装机容量、泵机功率和轮机功率、双边合同和能量平衡设置约束条件；
结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本对所述目标函数和约束条件进行求解，得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力；
所述目标函数，如下式所示：
Figure FDA0003747595990000011
式中：F：虚拟电厂的最大利润；T：时段数；πw：风电场出力第w个场景出现的概率；πs：光伏出力第s个场景的概率；πp：市场电价的第p个场景出现概率；λp(t)：电力市场在第p个场景的市场电价；Gwsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，售电或购电状态；
Figure FDA0003747595990000021
在第t时段，第w个风电厂出力场景，第s个光伏出力场景，第p个电价场景下，传统电厂电力发电成本；
Figure FDA0003747595990000022
二进制变量，在第t个时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂正在启动，则值为1，否则值为0；Sconv：传统电厂启动成本；bc(t)·p：双边合同收入。
2.如权利要求1所述的调度方法，其特征在于，所述传统电厂电力发电成本
Figure FDA0003747595990000023
按下式计算：
Figure FDA0003747595990000024
式中：a：传统电厂的固定生产成本；
Figure FDA0003747595990000025
第t时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0；kj：传统电厂发电成本曲线第j段的斜率；m：为传统电厂启动时间内，发电成本曲线段总个数；
Figure FDA0003747595990000026
是CPP在t时段，针对WPP出力场景w，PV出力场景s和市场价格场景p的生产级别j情况下的出力。
3.如权利要求1所述的调度方法，其特征在于，所述基于传统电厂、抽水蓄能电站的装机容量、泵机功率和轮机功率、双边合同和能量平衡设置约束条件，包括：
传统电厂约束、抽水蓄能电站约束、双边合同约束和能量平衡约束。
4.如权利要求3所述的调度方法，其特征在于，所述传统电厂约束包括：
如下式所示的传统电厂出力约束：
Figure FDA0003747595990000027
式中：
Figure FDA0003747595990000031
在第t时段时，传统电厂的出力；
Figure FDA0003747595990000032
在第t-1时段时，传统电厂的出力；-ramp：传统电厂每小时最大减少功率；ramp：传统电厂每小时最大增加功率
如下式所示的传统电厂启动二进制变量约束：
Figure FDA0003747595990000033
式中：
Figure FDA0003747595990000034
第t时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0；
Figure FDA0003747595990000035
第t-1时段的二进制变量，在第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，若传统电厂发电，则值为1，否则值为0。
5.如权利要求3所述的调度方法，其特征在于，所述抽水蓄能电站约束，包括：
如下式所示的抽水蓄能电站的抽水续能发电容量约束：
Figure FDA0003747595990000036
式中：
Figure FDA0003747595990000037
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的出力；
Figure FDA0003747595990000038
抽水蓄能电站的最大出力；
如下式所示的上蓄水池约束：
0≤storagewsp(t)≤storagemax(t)
式中：storagewsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站储存的能量；storagemax(t)：上蓄水池最大储存容量。
6.如权利要求5所述的调度方法，其特征在于，所述抽水蓄能电站储存的能量storagewsp(t)，按下式计算：
Figure FDA0003747595990000039
式中：storagewsp(t-1)：在第t-1时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站储存的能量；
Figure FDA0003747595990000041
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的泵机功率；
Figure FDA0003747595990000042
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的轮机功率。
7.如权利要求3所述的调度方法，其特征在于，所述双边合同约束如下式所示：
(1-hd)·bc(t)≤dwsp(t)≤(1+hd)·bc(t)
式中：dwsp(t)：在预设周期内实际发电量；hd：预设的差值；bc(t)：双边合同电量。
8.如权利要求3所述的调度方法，其特征在于，所述能量平衡约束，按下式所示：
Figure FDA0003747595990000043
式中：gw(t)：光伏电厂在第t时段，第s个光伏场景下，光伏电厂的出力；gs(t)：风电厂在第t时段，第w个风电厂出力场景下，风电厂的出力；
Figure FDA0003747595990000044
在第t时段时，传统电厂的出力；
Figure FDA0003747595990000045
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的轮机功率；dwsp(t)：在预设周期内实际发电量；Gwsp(t)：在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，售电或购电状态；
Figure FDA0003747595990000046
在第t时段，第w个风电场出力场景，第s个光伏出力场景，第p个电价场景下，抽水蓄能电站的泵机功率；μ：抽水蓄能电站的效率因子；rwsp(t)：电力盈余。
9.如权利要求1所述的调度方法，其特征在于，所述基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价，包括：
基于所述双边合同电量和同时期所述电价场景确定市场电价；
当所述风电厂出力场景和光伏出力场景的总出力大于所述双边合同电量，同时市场电价低于第一预设值且上蓄水池没有达到最大蓄水量时，确定抽水蓄能电站处于蓄水状态；
当所述风电厂出力场景和光伏出力场景的总出力小于所述双边合同电量，同时市场电价高于第二预设值且上蓄水池不为空时，确定抽水蓄能电站处于放水状态。
10.如权利要求1所述的调度方法，其特征在于，所述场景库的设定，包括：
根据获取的风电厂数据、光伏电厂数据和电价数据依次设置风电厂出力场景、光伏出力场景和电价场景。
11.一种用于如权利要求1-10任一项所述虚拟电厂的调度方法的虚拟电厂的调度系统，其特征在于，包括：
选择模块，用于根据调度周期在预先设定的场景库中，选择同时期预设数量的预设数量的风电厂出力场景、光伏出力场景和电价场景；
确定模块，用于基于每一个风电厂出力场景、光伏出力场景、调度周期内的双边合同电量和电价场景确定对应的抽水蓄能电站的工作状态以及市场电价；
调度模块，用于根据所述抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本得到虚拟电厂最大利润时的的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力，并基于所述风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力进行日前调度。
12.如权利要求11所述的调度系统，其特征在于，所述调度模块，包括：目标函数单元，用于将所述虚拟电厂的最大利润作为目标函数；
约束条件单元，用于基于传统电厂、抽水蓄能电站的装机容量、泵机功率和轮机功率、双边合同和能量平衡设置约束条件；
调度单元，用于结合调度周期、选定场景的预设数量、抽水蓄能电站的工作状态、市场电价、传统电厂的发电成本和启动成本对所述目标函数和约束条件进行求解，得到虚拟电厂最大利润时的风电厂出力场景、光伏出力场景、抽水蓄能电站的出力和传统电厂的出力。
CN201810511486.3A 2018-05-25 2018-05-25 一种虚拟电厂的调度方法及系统 Active CN110535183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810511486.3A CN110535183B (zh) 2018-05-25 2018-05-25 一种虚拟电厂的调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810511486.3A CN110535183B (zh) 2018-05-25 2018-05-25 一种虚拟电厂的调度方法及系统

Publications (2)

Publication Number Publication Date
CN110535183A CN110535183A (zh) 2019-12-03
CN110535183B true CN110535183B (zh) 2022-10-25

Family

ID=68656759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810511486.3A Active CN110535183B (zh) 2018-05-25 2018-05-25 一种虚拟电厂的调度方法及系统

Country Status (1)

Country Link
CN (1) CN110535183B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111463834B (zh) * 2020-04-08 2021-12-14 合肥阳光新能源科技有限公司 虚拟电厂的运行控制方法及虚拟电厂
CN111832217A (zh) * 2020-06-04 2020-10-27 华北电力大学 一种考虑风电消纳的虚拟电厂优化运行方法
CN112258302A (zh) * 2020-10-23 2021-01-22 国网能源研究院有限公司 一种抽水蓄能参与电能量现货市场竞价的优化方法
CN112952839B (zh) * 2021-01-29 2022-09-20 国网内蒙古东部电力有限公司 一种基于可控负荷的配电网经济调度评估方法
CN113922368B (zh) * 2021-10-09 2023-06-13 浙江浙达能源科技有限公司 一种面向虚拟电厂集群的动态优化重组方法
CN114139878B (zh) * 2021-11-08 2023-06-06 北京邮电大学 一种虚拟电厂协调调度方法、系统及区块链应用方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104466999A (zh) * 2014-12-06 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种含电动汽车和风电机组的虚拟发电厂竞价策略的确定方法
CN105930919A (zh) * 2016-04-11 2016-09-07 南瑞（武汉）电气设备与工程能效测评中心 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
CN106169102A (zh) * 2016-06-24 2016-11-30 河海大学 一种虚拟电厂日前调度优化模型
CN106485600A (zh) * 2016-10-12 2017-03-08 国网宁夏电力公司 一种虚拟电厂经济安全调度优化方法
CN107887932A (zh) * 2017-11-13 2018-04-06 天津大学 虚拟发电厂在日前市场的生产竞价组织方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9960637B2 (en) * 2015-07-04 2018-05-01 Sunverge Energy, Inc. Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104466999A (zh) * 2014-12-06 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种含电动汽车和风电机组的虚拟发电厂竞价策略的确定方法
CN105930919A (zh) * 2016-04-11 2016-09-07 南瑞（武汉）电气设备与工程能效测评中心 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
CN106169102A (zh) * 2016-06-24 2016-11-30 河海大学 一种虚拟电厂日前调度优化模型
CN106485600A (zh) * 2016-10-12 2017-03-08 国网宁夏电力公司 一种虚拟电厂经济安全调度优化方法
CN107887932A (zh) * 2017-11-13 2018-04-06 天津大学 虚拟发电厂在日前市场的生产竞价组织方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Demand Side Storage to Increase Hydroelectric Generation Efficiency;Milad Fekri Moghadam et al.;《IEEE Transactions on Sustainable Energy 》;20141218;第6卷(第2期);第313-324页 *
基于分时电价的虚拟电厂经济性优化调度;袁桂丽等;《电网技术》;20160331;第40卷(第3期);第826-832页 *
基于风光荷储联合优化的虚拟电厂竞价策略;刘佳楠等;《电力工程技术》;20171130;第36卷(第6期);第32-37页 *

Also Published As

Publication number Publication date
CN110535183A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110535183B (zh) 一种虚拟电厂的调度方法及系统
Naval et al. A virtual power plant optimal dispatch model with large and small-scale distributed renewable generation
Pandžić et al. Virtual power plant mid-term dispatch optimization
Kroniger et al. Hydrogen storage for wind parks: A real options evaluation for an optimal investment in more flexibility
Stluka et al. Energy management for buildings and microgrids
Pousinho et al. Risk-constrained scheduling and offering strategies of a price-maker hydro producer under uncertainty
Oskouei et al. Scenario-based stochastic optimal operation of wind, photovoltaic, pump-storage hybrid system in frequency-based pricing
Farahmand et al. Balancing market integration in the Northern European continent: A 2030 case study
Cheng et al. Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition
CN106127342B (zh) 一种基于scuc的跨区联络线交易优化方法
Braun Hydropower storage optimization considering spot and intraday auction market
KR20210100699A (ko) 하이브리드 발전소
CN110232583B (zh) 一种考虑碳排放权的电力市场边际价格规划方法
Kusakana Optimal electricity cost minimization of a grid-interactive Pumped Hydro Storage using ground water in a dynamic electricity pricing environment
Zhang et al. A multiobjective robust scheduling optimization mode for multienergy hybrid system integrated by wind power, solar photovoltaic power, and pumped storage power
Petrichenko et al. Modelling the Future of the Baltic Energy Systems: A Green Scenario
Fernández‐Muñoz et al. Contribution of non‐conventional pumped‐storage hydropower plant configurations in an isolated power system with an increasing share of renewable energy
Rizvi et al. Optimal scheduling of virtual power plants utilizing wind power and electric vehicles
Abgottspon et al. Medium-term optimization of pumped hydro storage with stochastic intrastage subproblems
CN110661255B (zh) 一种多能源系统的热电优化运行方法、装置及设备
Superchi et al. Optimization of the power output scheduling of a renewables-based hybrid power station using MILP approach: The case of Tilos island
Wolfgang et al. Scheduling when reservoirs are batteries for wind-and solar-power
US20230129279A1 (en) Systems and methods for renewable powerplant serving multiple loads
Hidalgo González et al. Dispa-SET 2.0: unit commitment and power dispatch model
Haugen et al. On the importance of detailed thermal modeling for price forecasting in hydro-thermal power systems

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