CN110535185A - 一种考虑需求响应的含光热电站多源优化运行方法 - Google Patents
一种考虑需求响应的含光热电站多源优化运行方法 Download PDFInfo
- Publication number
- CN110535185A CN110535185A CN201910732548.8A CN201910732548A CN110535185A CN 110535185 A CN110535185 A CN 110535185A CN 201910732548 A CN201910732548 A CN 201910732548A CN 110535185 A CN110535185 A CN 110535185A
- Authority
- CN
- China
- Prior art keywords
- unit
- demand response
- load
- cost
- moment
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
- F24S23/00—Arrangements for concentrating solar-rays for solar heat collectors
- F24S23/70—Arrangements for concentrating solar-rays for solar heat collectors with reflectors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
- F24S60/00—Arrangements for storing heat collected by solar heat collectors
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/40—Solar thermal energy, e.g. solar towers
-
- 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)
- Thermal Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明的一种考虑需求响应的含光热电站多源优化运行方法,针对在可再生能源高渗透率电力系统中如何考虑可再生能源发电不确定性并实现多源协调优化运行等问题,本发明构建了基于光热电站出力灵活运行的多源电力系统随机机组组合优化运行模型,并将需求响应机制引入该模型,以应对可再生能源高渗透率电力系统中光伏、风电的预测误差以及波动性导致的不确定性问题,本发明方法具有科学合理,适用性强,多种能源利用率高,成本低等优点,为调度人员在多源联合运行方面提供了参考依据,降低了多源电力系统运行的综合成本。
Description
技术领域
本发明涉及可再生多种能源利用技术领域,是一种考虑需求响应的含光热电站多源优化运行方法。
背景技术
随着风电、光伏在电网中的占比持续增加,其波动性给可再生能源高渗透率电力系统稳定性带来的冲击问题愈加突出;此外,由于当前预测水平的限制,调度前瞻性与风电、光伏预测精准性之间的矛盾也给电力系统运行带来了严峻挑战。因此,如何保证可再生能源高渗透率电力系统的安全、稳定、经济运行成为亟需解决的课题。
发明内容
本发明所要解决的技术问题是,提出一种科学合理,适用性强,多种能源利用率高,成本低的考虑需求响应的含光热电站多源优化运行方法,该方法构建了基于光热电站出力灵活运行的多源电力系统随机机组组合优化运行模型,并将需求响应机制引入该模型,以应对可再生能源高渗透率电力系统中光伏、风电的预测误差以及波动性导致的不确定性问题,以多个场景集下的综合成本最优为目标,在兼顾场景多样性的同时,综合考虑多种类型机组的运营成本、需求响应成本、可再生能源弃电惩罚成本以及系统切负荷惩罚成本。
解决技术问题采用的技术方案是,一种考虑需求响应的含光热电站多源优化运行方法,其特征是,包括以下步骤:
1)分析光热、风电和光伏的特性
(a)光热特性
含储热装置的光热电站主要包括:太阳能镜场和集热塔的集热系统、储热系统以及发电系统;储热系统的存在使得光热电站具有良好的能量时移的特性以及与火电机组相近的灵活调节特性;
光热发电过程可以概括为光→热→电转换的过程:首先,太阳能镜场将收集的热量传到集热塔;然后,集热塔通过储热系统传递到发电系统;最后,发电系统通过朗肯循环进行发电;
(b)风电特性
风电本质上属于不可控的波动性电源,且具有较强的反调峰特性;此外,风电的预测误差也会增加电力系统调节难度;故采用正态分布表示预测误差的不确定性:
其中:ωt为风电预测在t时刻的误差;为风电在t时刻的预测功率;NW为风电场的装机容量;N表示ωt服从正态分布;
(c)光伏特性
光伏本质上属于一种不可控的间歇性电源,其出力除了受天气影响外还具有明显的昼发夜停的特性,而且光伏大发与负荷高峰具有一定的匹配度;此外,与风电类似,光伏预测也存在一定的误差,假设预测误差服标准差为其预测出力20%的正态分布:
其中:ψt为光伏预测在t时刻的误差;为光伏在t时刻的预测功率;
2)需求响应模型
(a)价格型需求响应
价格型需求响应通过改变电价引导居民用户和工商业用户错峰用电;在价格型需求响应中,常采用弹性系数矩阵表示电价变化率与负荷响应率之间的关系:
其中:φΔq,t为时段t负荷的响应率,为时段t电价的变化率,t∈(1:T);E为弹性系数矩阵;
此外,价格型需求响应中遵循用户自愿参与的原则,因此除了受电价的影响,负荷响应率还会受其它因素的作用,导致响应量具有一定的不确定性;
(b)激励型需求响应
激励型需求响应是指调度部门与具有调节能力的大负荷用户签订合同,并按照合同给予补偿;由于激励型需求响应通过合同和价格的双重激励保证用户有效响应系统的负荷调整需求,所以其响应的不确定性较低;
所述激励型需求响应类型特指可中断负荷,激励型需求响应补偿费用一般包括容量补偿和电量补偿,容量补偿为固定值,对电量补偿采用多阶段报价曲线;
3)考虑需求响应的含光热电站随机机组组合经济运行模型
(a)随机机组组合
由于风电、光伏可再生能源预测精度无法满足电力系统的实际运行需求,在制定计划时往往需要综合考虑不同预测出力场景对系统安全稳定运行的影响,从而确定最佳的运行计划;
随机机组组合(stochastic unit commitment,SUC)是处理含可再生能源电力系统优化运行问题的有效方法,可再生能源预测出力以不同概率的多个场景体现,多个场景概率相加为1,通过两阶段或者多阶段决策寻找尽可能满足所有场景的优化运行方案;
在随机机组组合模型中,价格型需求响应对应的负荷变化量以及机组启停状态为一阶段变量,多源机组出力、激励型需求响应调度容量、切负荷以及可再生能源弃电量为二阶段变量,通过两阶段相互配合尽可能保证系统在所有场景下的稳定运行;
(b)目标函数
综合考虑常规火电机组的运行成本、可再生能源发电的运行维护成本、需求响应资源的调用成本,非自愿切负荷惩罚成本以及可再生能源弃电惩罚成本,建立包含风电、光伏、光热与火电的基于成本最优的随机机组组合运行模型,目标函数为:
min F=F1+F2+F3+F4+F5 (4)
其中:F为风电、光伏、光热与火电以及需求响应参与优化运行时系统的综合成本;F1为火电机组的运行成本;F2为可再生能源发电机组的运行维护成本;F3为需求响应调用成本;F4为系统切负荷惩罚成本;F5为可再生能源弃电惩罚成本;
火电机组运行成本为:
fi,s(PGi,t,s)=aiPGi,t,s 2+biPGi,t,s+ci (6)
其中:Ns为场景数目;pt,s为不同场景的概率;T为总的调度时段数;NG为火电机组数目;fi为火电机组i的发电煤耗成本;PGi,t,s为火电机组i在t时刻场景s下的运行出力;ui,t火电机组i在t和t-1时刻的运行状态,ui,t-1为火电机组i在t-1时刻的运行状态,若ui,t=1表示机组处于运行状态,ui,t=0表示机组停机,ui,t在所有场景下的值保持一致;Si为机组i的启停成本;ai,bi,ci为火电机组i的发电煤耗成本参数;
可再生能源发电机组的运行维护成本为:
其中:KW风电场的单位运行维护成本系数、KV光伏电站的单位运行维护成本系数、KC为光热电站的单位运行维护成本系数;PW,t,s为风电场在t时刻场景s下的运行出力值;PV,t,s为光伏电站在t时刻场景s下的运行出力值;PC,t,s为光热电站在t时刻场景s下的运行出力值;
价格型需求响应成本通过价格满意度约束加以限制,故仅考虑激励型需求响应成本,计算公式为:
其中:Nd为参与激励型需求响应的负荷聚合商数目;Cd为激励型响应容量成本;Dd,s为激励型响应在场景s下的调用容量;Ne为报价曲线分段数目;Cd,e为聚合商d在分段e上的降负荷单位成本系数;qd,e,t,s为聚合商d在对应时刻场景下分段e上的降负荷电量;
模型中加入系统切负荷惩罚成本,尽量减小在所有场景下的系统切负荷量,计算公式为:
其中:为切负荷单位惩罚系数;为系统在t时刻场景s下的切负荷量;
为促进节能减排以及提高可再生能源的渗透率,模型加入弃电惩罚成本,由于含储热装置的光热电站具有能量时移特性,拥有良好的可调度性,故仅考虑风电、光伏的弃电惩罚,计算公式为:
其中:风电的弃电惩罚成本系数,为光伏的弃电惩罚成本系数;为对应时刻场景下的弃风电量,为对应时刻场景下的弃光电量;
(c)系统约束
功率平衡约束为:
其中:Lt为负荷在t时刻初始值,在模型中,t的时间尺度为小时级;为在t时刻的负荷响应量的期望值;
火电机组运行约束主要包括机组最大最小出力约束(12)式,机组在基准场景下的爬坡约束(13)式,式(13)与式(14)确保在所有场景下机组都能够通过灵活调节出力来确保系统稳定运行,此外还有机组最小运行/停运时间约束(15)式;
ui,tPGi,min≤PGi,t,s≤ui,tPGi,max (12)
其中:PGi,max\PGi,min为火电机组i的最大\最小出力;
其中:PGi,t,bs为火电机组i在基准场景下t时刻的机组出力,PGi,t-1,bs为火电机组i在基准场景下t-1时刻的机组出力;
Ru,i为机组i的最大爬坡速率,Rd,i为机组i的最小爬坡速率;
|PGi,t,s-PGi,t,bs|≤ψi (14)
其中:ψi为机组的灵活调节系数;
其中:TMinOn和TMinOff分别为机组的最小运行和停运时间;
光热电站热力约束主要包括充放热功率约束(16)式,充放热不能同时进行约束(17)式,储热容量约束(18)式;
其中:光热电站在t时刻场景s下的充热功率;为光热电站在t时刻场景s下的放热功率;
为储热系统的最大充/放热功率;
其中:为储热系统的最小储热容量;为储热系统在t时刻场景s下的储热量;ξTS为以FLH为单位表示的最大储热容量;价格型需求响应负荷响应量期望值之和为0,表达式为:
格型需求响应需要考虑用户用电的舒适度,因此将用户用电方式满意度和用电费用支出满意度作为衡量指标,并作为模型约束条件:
其中:为用电方式满意度的最小值;为电费支出满意度的最小值;pt为响应前的初始电价;
为t时刻价格型需求响应后的负荷值,为t时刻价格型需求响应后的电价,表达公式如下:
其中:为时段t电价的变化率;
价格型需求响应响应量约束为:
Lmin-Lt≤E(Δqt)≤Lmax-Lt (23)
其中:Lmax和Lmin分别为响应前负荷的最大值和最小值;
激励型需求响应分段容量约束为:
0≤qd,e,t,s≤Qd,e (24)
其中:Qd,e为聚合商d在分段报价曲线第e段的计划减负荷的最大值;
单个负荷聚合商的响应容量约束为:
其中:Qd,max为聚合商d的计划减负荷最大值。
本发明的一种考虑需求响应的含光热电站多源优化运行方法,针对在可再生能源高渗透率电力系统中如何考虑可再生能源发电不确定性并实现多源协调优化运行等问题,本发明构建了基于光热电站出力灵活运行的多源电力系统随机机组组合优化运行模型,并将需求响应机制引入该模型,以应对可再生能源高渗透率电力系统中光伏、风电的预测误差以及波动性导致的不确定性问题,本发明方法具有科学合理,适用性强,多种能源利用率高,成本低等优点,为调度人员在多源联合运行方面提供了参考依据,降低了多源电力系统运行的综合成本。
附图说明
图1是改进的IEEE的30节点接线图;
图2是风电、光伏、负荷预测基准功率以及DNI指数示意图;
图3是光热电站组成部分及能量流动图;
图4是激励型需求响应分段报价曲线示意图;
图5是价格型需求响应负荷变化量以及实时电价情况示意图;
图6是基于场景三的各机组出力、激励型需求响应、可再生能源弃电量以及切负荷情况示意图。
具体实施方式
下面利用附图和实施例对本发明的一种考虑需求响应的含光热电站多源优化运行方法作进一步说明。
本发明的一种考虑需求响应的含光热电站多源优化运行方法,包括分析光热、风电和光伏的特性,引入需求响应机制,在此基础上建立考虑需求响应的含光热电站随机机组组合经济运行模型,具体包括以下步骤:
1)分析光热、风电和光伏的特性
(a)光热特性
含储热装置的光热电站主要包括:太阳能镜场和集热塔的集热系统、储热系统以及发电系统;储热系统的存在使得光热电站具有良好的能量时移的特性以及与火电机组相近的灵活调节特性;
光热发电过程可以概括为光→热→电转换的过程:首先,太阳能镜场将收集的热量传到集热塔;然后,集热塔通过储热系统传递到发电系统;最后,发电系统通过朗肯循环进行发电;
(b)风电特性
风电本质上属于不可控的波动性电源,且具有较强的反调峰特性;此外,风电的预测误差也会增加电力系统调节难度;故采用正态分布表示预测误差的不确定性:
其中:ωt为风电预测在t时刻的误差;为风电在t时刻的预测功率;NW为风电场的装机容量;N表示ωt服从正态分布;
(c)光伏特性
光伏本质上属于一种不可控的间歇性电源,其出力除了受天气影响外还具有明显的昼发夜停的特性,而且光伏大发与负荷高峰具有一定的匹配度;此外,与风电类似,光伏预测也存在一定的误差,假设预测误差服标准差为其预测出力20%的正态分布:
其中:ψt为光伏预测在t时刻的误差;为光伏在t时刻的预测功率;
2)需求响应模型
(a)价格型需求响应
价格型需求响应通过改变电价引导居民用户和工商业用户错峰用电;在价格型需求响应中,常采用弹性系数矩阵表示电价变化率与负荷响应率之间的关系:
其中:φΔq,t为时段t负荷的响应率,为时段t电价的变化率,t∈(1:T);E为弹性系数矩阵;此外,价格型需求响应中遵循用户自愿参与的原则,因此除了受电价的影响,负荷响应率还会受其它因素的作用,导致响应量具有一定的不确定性;
(b)激励型需求响应
激励型需求响应是指调度部门与具有调节能力的大负荷用户签订合同,并按照合同给予补偿;由于激励型需求响应通过合同和价格的双重激励保证用户有效响应系统的负荷调整需求,所以其响应的不确定性较低;
所述激励型需求响应类型特指可中断负荷,激励型需求响应补偿费用一般包括容量补偿和电量补偿,容量补偿为固定值,对电量补偿采用多阶段报价曲线;
3)考虑需求响应的含光热电站随机机组组合经济运行模型
(a)随机机组组合
由于风电、光伏可再生能源预测精度无法满足电力系统的实际运行需求,在制定计划时往往需要综合考虑不同预测出力场景对系统安全稳定运行的影响,从而确定最佳的运行计划;
随机机组组合(stochastic unit commitment,SUC)是处理含可再生能源电力系统优化运行问题的有效方法,可再生能源预测出力以不同概率的多个场景体现,多个场景概率相加为1,通过两阶段或者多阶段决策寻找尽可能满足所有场景的优化运行方案;
在随机机组组合模型中,价格型需求响应对应的负荷变化量以及机组启停状态为一阶段变量,多源机组出力、激励型需求响应调度容量、切负荷以及可再生能源弃电量为二阶段变量,通过两阶段相互配合尽可能保证系统在所有场景下的稳定运行;
(b)目标函数
综合考虑常规火电机组的运行成本、可再生能源发电的运行维护成本、需求响应资源的调用成本,非自愿切负荷惩罚成本以及可再生能源弃电惩罚成本,建立包含风电、光伏、光热与火电的基于成本最优的随机机组组合运行模型,目标函数为:
min F=F1+F2+F3+F4+F5 (4)
其中:F为风电、光伏、光热与火电以及需求响应参与优化运行时系统的综合成本;F1为火电机组的运行成本;F2为可再生能源发电机组的运行维护成本;F3为需求响应调用成本;F4为系统切负荷惩罚成本;F5为可再生能源弃电惩罚成本;
火电机组运行成本为:
fi,s(PGi,t,s)=aiPGi,t,s 2+biPGi,t,s+ci (6)
其中:Ns为场景数目;pt,s为不同场景的概率;T为总的调度时段数;NG为火电机组数目;fi为火电机组i的发电煤耗成本;PGi,t,s为火电机组i在t时刻场景s下的运行出力;ui,t火电机组i在t和t-1时刻的运行状态,ui,t-1为火电机组i在t-1时刻的运行状态,若ui,t=1表示机组处于运行状态,ui,t=0表示机组停机,ui,t在所有场景下的值保持一致;Si为机组i的启停成本;ai,bi,ci为火电机组i的发电煤耗成本参数;
可再生能源发电机组的运行维护成本为:
其中:KW风电场的单位运行维护成本系数、KV光伏电站的单位运行维护成本系数、KC为光热电站的单位运行维护成本系数;PW,t,s为风电场在t时刻场景s下的运行出力值;PV,t,s为光伏电站在t时刻场景s下的运行出力值;PC,t,s为光热电站在t时刻场景s下的运行出力值;
价格型需求响应成本通过价格满意度约束加以限制,故仅考虑激励型需求响应成本,计算公式为:
其中:Nd为参与激励型需求响应的负荷聚合商数目;Cd为激励型响应容量成本;Dd,s为激励型响应在场景s下的调用容量;Ne为报价曲线分段数目;Cd,e为聚合商d在分段e上的降负荷单位成本系数;qd,e,t,s为聚合商d在对应时刻场景下分段e上的降负荷电量;
模型中加入系统切负荷惩罚成本,尽量减小在所有场景下的系统切负荷量,计算公式为:
其中:为切负荷单位惩罚系数;为系统在t时刻场景s下的切负荷量;
为促进节能减排以及提高可再生能源的渗透率,模型加入弃电惩罚成本,由于含储热装置的光热电站具有能量时移特性,拥有良好的可调度性,故仅考虑风电、光伏的弃电惩罚,计算公式为:
其中:风电的弃电惩罚成本系数,为光伏的弃电惩罚成本系数;为对应时刻场景下的弃风电量,为对应时刻场景下的弃光电量;
(c)系统约束
功率平衡约束为:
其中:Lt为负荷在t时刻初始值,在模型中,t的时间尺度为小时级;为在t时刻的负荷响应量的期望值;
火电机组运行约束主要包括机组最大最小出力约束(12)式,机组在基准场景下的爬坡约束(13)式,式(13)与式(14)确保在所有场景下机组都能够通过灵活调节出力来确保系统稳定运行,此外还有机组最小运行/停运时间约束(15)式;
ui,tPGi,min≤PGi,t,s≤ui,tPGi,max (12)
其中:PGi,max\PGi,min为火电机组i的最大\最小出力;
其中:PGi,t,bs为火电机组i在基准场景下t时刻的机组出力,PGi,t-1,bs为火电机组i在基准场景下t-1时刻的机组出力;
Ru,i为机组i的最大爬坡速率,Rd,i为机组i的最小爬坡速率;
|PGi,t,s-PGi,t,bs|≤ψi (14)
其中:ψi为机组的灵活调节系数;
其中:TMinOn和TMinOff分别为机组的最小运行和停运时间;
光热电站热力约束主要包括充放热功率约束(16)式,充放热不能同时进行约束(17)式,储热容量约束(18)式;
其中:光热电站在t时刻场景s下的充热功率;为光热电站在t时刻场景s下的放热功率;
为储热系统的最大充/放热功率;
其中:为储热系统的最小储热容量;为储热系统在t时刻场景s下的储热量;ξTS为以FLH为单位表示的最大储热容量;价格型需求响应负荷响应量期望值之和为0,表达式为:
格型需求响应需要考虑用户用电的舒适度,因此将用户用电方式满意度和用电费用支出满意度作为衡量指标,并作为模型约束条件:
其中:为用电方式满意度的最小值;为电费支出满意度的最小值;pt为响应前的初始电价;
为t时刻价格型需求响应后的负荷值,为t时刻价格型需求响应后的电价,表达公式如下:
其中:为时段t电价的变化率;
价格型需求响应响应量约束为:
Lmin-Lt≤E(Δqt)≤Lmax-Lt (23)
其中:Lmax和Lmin分别为响应前负荷的最大值和最小值;
激励型需求响应分段容量约束为:
0≤qd,e,t,s≤Qd,e (24)
其中:Qd,e为聚合商d在分段报价曲线第e段的计划减负荷的最大值;
单个负荷聚合商的响应容量约束为:
其中:Qd,max为聚合商d的计划减负荷最大值。
下面采用改进的IEEE-30节点系统作为本发明的实施例,如图1所示,系统中包括三台常规火电机组,风电场、光伏电站、光热电站各一个,以及三个激励型需求响应负荷聚合商,数据来自风电场、光伏电站和光热电站实测数据,数据的获得可采用本领域技术人员所熟悉的市售产品数据采集装置来实现。光热电站主要参数如表1所示,风电、光伏、负荷预测基准值以及DNI指数如图2所示。激励型需求响应参数如表2所示。
实施例计算条件说明如下:
1)假设价格型需求响应前电价为500元/MWh;
2)电价变化率不超过40%;
3)用电方式满意度最小值为0.9,电费支出满意度的最小值为1;
4)光热电站发电运行维护的成本系数KC=80元/MWh,风电、光伏的运行维护成本系数KW=KV=120元/MWh,;
5)可再生能源弃电惩罚成本为500元/MWh;
6)切负荷惩罚成本Ccurt L=800元/MWh。
表1光热电站参数
表2激励型需求响应参数
在上述计算条件下,应用本发明方法对实施例考虑需求响应的含光热电站可再生能源高渗透率电力系统多源优化运行的结果如下:
1.光热、风电和光伏的特性分析
如图3所示,含储热装置的光热电站主要由集热系统(太阳能镜场和集热塔)、储热系统以及发电系统三部分构成。储热系统的存在使得光热电站具有良好的能量时移的特性以及与火电机组相近的灵活调节特性;风电本质上属于不可控的波动性电源,且具有较强的反调峰特性。此外,风电的预测误差也往往会增加调度人员工作难度;光伏本质上属于一种不可控的间歇性电源,其出力除了受天气影响外还具有明显的昼发夜停的特性,而且光伏大发与负荷高峰具有一定的匹配度。此外,与风电类似,目前光伏预测也存在一定的误差。
2.需求响应机制的引入
根据消费者心理学原理,价格型需求响应通过改变电价引导居民用户和工商业用户错峰用电,在价格型需求响应值中遵循用户自愿参与的原则,因此除了受电价的影响,负荷响应率还会受其它因素的作用,导致响应量具有一定的不确定性;激励型需求响应是指调度部门与具有调节能力的大负荷用户签订合同,并按照合同给予补偿。由于激励型需求响应通过合同和价格的双重激励保证用户有效响应系统的负荷调整需求,所以其响应的不确定性较低。激励型需求响应补偿费用一般包括容量补偿和电量补偿,容量补偿为固定值,电量补偿本发明采用多阶段报价曲线,如图4所示。
3.考虑需求响应的含光热电站随机机组组合经济运行模型的建立
在本方法的随机机组组合模型中,价格型需求响应对应的负荷变化量以及机组启停状态为一阶段变量,多源机组出力、激励型需求响应调度容量、切负荷以及可再生能源弃电量等为二阶段变量,通过两阶段相互配合尽可能保证系统在所有场景下的稳定运行。
本方法综合考虑常规火电机组的运行成本、可再生能源发电的运行维护成本、需求响应资源的调用成本,非自愿切负荷惩罚成本以及可再生能源弃电惩罚成本,建立了包含风电、光伏、光热与火电的基于成本最优的随机机组组合运行模型。
本方法通过电量电价响应行为约束引导用户对负荷进行错峰时移用电,优化后24个时段的负荷变化量以及实时电价情况如图5所示。
以场景三为例,对本方法做进一步的说明,基于场景三的各机组出力、激励型需求响应、可再生能源弃电量以及切负荷情况如图6所示,图6中,A,B,C对应的时刻出现可再生能源弃电情况,这主要是因为在场景三中可再生能源在这三个时刻的出力均大于其在基准场景下的预测值,然而火电机组和光热电站等灵活调节机组受基准场景爬坡约束以及机组最大出力的限制,调节能力有限,因而产生部分弃电。D点对应的时刻,可再生能源实际出力值低于预测值,但是由于机组启停状态已经确定,尽管此时处于运行状态的火电机组和光热电站均处于机组最大出力状态,但是仍会出现部分电量缺额。此外,在可再生能源高渗透率电力系统中,激励型需求响应的调用大多集中在凌晨或者夜晚这一时段,这主要是因为此时没有光伏出力,光热电站虽然存在一定的能量时移特性,但是其主要出力还是在太阳辐射较为充足的时刻。
本发明实施例中的计算条件、图表等仅用于对本发明作进一步的说明,并非穷举,并不构成对权利要求保护范围的限定,本领域技术人员根据本发明实施例获得的启示,不经过创造性劳动就能够想到其它实质上等同的替代,均在本发明保护范围内。
Claims (1)
1.一种考虑需求响应的含光热电站多源优化运行方法,其特征是,包括以下步骤:
1)分析光热、风电和光伏的特性
(a)光热特性
含储热装置的光热电站主要包括:太阳能镜场和集热塔的集热系统、储热系统以及发电系统;储热系统的存在使得光热电站具有良好的能量时移的特性以及与火电机组相近的灵活调节特性;
光热发电过程可以概括为光→热→电转换的过程:首先,太阳能镜场将收集的热量传到集热塔;然后,集热塔通过储热系统传递到发电系统;最后,发电系统通过朗肯循环进行发电;
(b)风电特性
风电本质上属于不可控的波动性电源,且具有较强的反调峰特性;此外,风电的预测误差也会增加电力系统调节难度;故采用正态分布表示预测误差的不确定性:
其中:ωt为风电预测在t时刻的误差;为风电在t时刻的预测功率;NW为风电场的装机容量;N表示ωt服从正态分布;
(c)光伏特性
光伏本质上属于一种不可控的间歇性电源,其出力除了受天气影响外还具有明显的昼发夜停的特性,而且光伏大发与负荷高峰具有一定的匹配度;此外,与风电类似,光伏预测也存在一定的误差,假设预测误差服标准差为其预测出力20%的正态分布:
其中:ψt为光伏预测在t时刻的误差;为光伏在t时刻的预测功率;
2)需求响应模型
(a)价格型需求响应
价格型需求响应通过改变电价引导居民用户和工商业用户错峰用电;在价格型需求响应中,常采用弹性系数矩阵表示电价变化率与负荷响应率之间的关系:
其中:φΔq,t为时段t负荷的响应率,为时段t电价的变化率,t∈(1:T);E为弹性系数矩阵;
此外,价格型需求响应中遵循用户自愿参与的原则,因此除了受电价的影响,负荷响应率还会受其它因素的作用,导致响应量具有一定的不确定性;
(b)激励型需求响应
激励型需求响应是指调度部门与具有调节能力的大负荷用户签订合同,并按照合同给予补偿;由于激励型需求响应通过合同和价格的双重激励保证用户有效响应系统的负荷调整需求,所以其响应的不确定性较低;
所述激励型需求响应类型特指可中断负荷,激励型需求响应补偿费用一般包括容量补偿和电量补偿,容量补偿为固定值,对电量补偿采用多阶段报价曲线;
3)考虑需求响应的含光热电站随机机组组合经济运行模型
(a)随机机组组合
由于风电、光伏可再生能源预测精度无法满足电力系统的实际运行需求,在制定计划时往往需要综合考虑不同预测出力场景对系统安全稳定运行的影响,从而确定最佳的运行计划;
随机机组组合(stochastic unit commitment,SUC)是处理含可再生能源电力系统优化运行问题的有效方法,可再生能源预测出力以不同概率的多个场景体现,多个场景概率相加为1,通过两阶段或者多阶段决策寻找尽可能满足所有场景的优化运行方案;
在随机机组组合模型中,价格型需求响应对应的负荷变化量以及机组启停状态为一阶段变量,多源机组出力、激励型需求响应调度容量、切负荷以及可再生能源弃电量为二阶段变量,通过两阶段相互配合尽可能保证系统在所有场景下的稳定运行;
(b)目标函数
综合考虑常规火电机组的运行成本、可再生能源发电的运行维护成本、需求响应资源的调用成本,非自愿切负荷惩罚成本以及可再生能源弃电惩罚成本,建立包含风电、光伏、光热与火电的基于成本最优的随机机组组合运行模型,目标函数为:
min F=F1+F2+F3+F4+F5 (4)
其中:F为风电、光伏、光热与火电以及需求响应参与优化运行时系统的综合成本;F1为火电机组的运行成本;F2为可再生能源发电机组的运行维护成本;F3为需求响应调用成本;F4为系统切负荷惩罚成本;F5为可再生能源弃电惩罚成本;
火电机组运行成本为:
fi,s(PGi,t,s)=aiPGi,t,s 2+biPGi,t,s+ci (6)
其中:Ns为场景数目;pt,s为不同场景的概率;T为总的调度时段数;NG为火电机组数目;fi为火电机组i的发电煤耗成本;PGi,t,s为火电机组i在t时刻场景s下的运行出力;ui,t火电机组i在t和t-1时刻的运行状态,ui,t-1为火电机组i在t-1时刻的运行状态,若ui,t=1表示机组处于运行状态,ui,t=0表示机组停机,ui,t在所有场景下的值保持一致;Si为机组i的启停成本;ai,bi,ci为火电机组i的发电煤耗成本参数;
可再生能源发电机组的运行维护成本为:
其中:KW风电场的单位运行维护成本系数、KV光伏电站的单位运行维护成本系数、KC为光热电站的单位运行维护成本系数;PW,t,s为风电场在t时刻场景s下的运行出力值;PV,t,s为光伏电站在t时刻场景s下的运行出力值;PC,t,s为光热电站在t时刻场景s下的运行出力值;
价格型需求响应成本通过价格满意度约束加以限制,故仅考虑激励型需求响应成本,计算公式为:
其中:Nd为参与激励型需求响应的负荷聚合商数目;Cd为激励型响应容量成本;Dd,s为激励型响应在场景s下的调用容量;Ne为报价曲线分段数目;Cd,e为聚合商d在分段e上的降负荷单位成本系数;qd,e,t,s为聚合商d在对应时刻场景下分段e上的降负荷电量;
模型中加入系统切负荷惩罚成本,尽量减小在所有场景下的系统切负荷量,计算公式为:
其中:为切负荷单位惩罚系数;为系统在t时刻场景s下的切负荷量;
为促进节能减排以及提高可再生能源的渗透率,模型加入弃电惩罚成本,由于含储热装置的光热电站具有能量时移特性,拥有良好的可调度性,故仅考虑风电、光伏的弃电惩罚,计算公式为:
其中:风电的弃电惩罚成本系数,为光伏的弃电惩罚成本系数;为对应时刻场景下的弃风电量,为对应时刻场景下的弃光电量;
(c)系统约束
功率平衡约束为:
其中:Lt为负荷在t时刻初始值,在模型中,t的时间尺度为小时级;为在t时刻的负荷响应量的期望值;
火电机组运行约束主要包括机组最大最小出力约束(12)式,机组在基准场景下的爬坡约束(13)式,式(13)与式(14)确保在所有场景下机组都能够通过灵活调节出力来确保系统稳定运行,此外还有机组最小运行/停运时间约束(15)式;
ui,tPGi,min≤PGi,t,s≤ui,tPGi,max (12)
其中:PGi,max\PGi,min为火电机组i的最大\最小出力;
其中:PGi,t,bs为火电机组i在基准场景下t时刻的机组出力,PGi,t-1,bs为火电机组i在基准场景下t-1时刻的机组出力;
Ru,i为机组i的最大爬坡速率,Rd,i为机组i的最小爬坡速率;
|PGi,t,s-PGi,t,bs|≤ψi (14)
其中:ψi为机组的灵活调节系数;
其中:TMinOn和TMinOff分别为机组的最小运行和停运时间;
光热电站热力约束主要包括充放热功率约束(16)式,充放热不能同时进行约束(17)式,储热容量约束(18)式;
其中:光热电站在t时刻场景s下的充热功率;为光热电站在t时刻场景s下的放热功率;
为储热系统的最大充/放热功率;
其中:为储热系统的最小储热容量;为储热系统在t时刻场景s下的储热量;ξTS为以FLH为单位表示的最大储热容量;价格型需求响应负荷响应量期望值之和为0,表达式为:
格型需求响应需要考虑用户用电的舒适度,因此将用户用电方式满意度和用电费用支出满意度作为衡量指标,并作为模型约束条件:
其中:为用电方式满意度的最小值;为电费支出满意度的最小值;pt为响应前的初始电价;
为t时刻价格型需求响应后的负荷值,为t时刻价格型需求响应后的电价,表达公式如下:
其中:为时段t电价的变化率;
价格型需求响应响应量约束为:
Lmin-Lt≤E(Δqt)≤Lmax-Lt (23)
其中:Lmax和Lmin分别为响应前负荷的最大值和最小值;
激励型需求响应分段容量约束为:
0≤qd,e,t,s≤Qd,e (24)
其中:Qd,e为聚合商d在分段报价曲线第e段的计划减负荷的最大值;
单个负荷聚合商的响应容量约束为:
其中:Qd,max为聚合商d的计划减负荷最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732548.8A CN110535185B (zh) | 2019-08-09 | 2019-08-09 | 一种考虑需求响应的含光热电站多源优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732548.8A CN110535185B (zh) | 2019-08-09 | 2019-08-09 | 一种考虑需求响应的含光热电站多源优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110535185A true CN110535185A (zh) | 2019-12-03 |
CN110535185B CN110535185B (zh) | 2022-03-18 |
Family
ID=68661570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910732548.8A Active CN110535185B (zh) | 2019-08-09 | 2019-08-09 | 一种考虑需求响应的含光热电站多源优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110535185B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111277005A (zh) * | 2020-02-19 | 2020-06-12 | 东北电力大学 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
CN111832898A (zh) * | 2020-06-11 | 2020-10-27 | 华中科技大学 | 一种基于空调多功能的电力系统需求响应调度方法 |
CN112039056A (zh) * | 2020-08-10 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源两阶段优化调度方法 |
CN112510690A (zh) * | 2020-11-25 | 2021-03-16 | 燕山大学 | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 |
CN112668791A (zh) * | 2020-12-30 | 2021-04-16 | 华北电力大学(保定) | 热电联供系统的优化方法 |
CN112819204A (zh) * | 2021-01-14 | 2021-05-18 | 华北电力大学 | 一种源荷互动模型构建方法和系统 |
CN112886572A (zh) * | 2021-01-21 | 2021-06-01 | 三峡大学 | 一种电网可再生能源消纳能力评估方法 |
CN113036820A (zh) * | 2021-03-16 | 2021-06-25 | 国网甘肃省电力公司电力科学研究院 | 一种光热电站参与的双边调峰辅助服务市场模拟运行方法 |
CN113381403A (zh) * | 2021-06-09 | 2021-09-10 | 河海大学 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
CN113507114A (zh) * | 2021-06-28 | 2021-10-15 | 东北电力大学 | 含高比例可再生能源电力系统调节能力需求评估方法 |
CN114006399A (zh) * | 2021-09-30 | 2022-02-01 | 华北电力大学 | 一种规模化5g基站参与配电网需求响应的优化调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100271222A1 (en) * | 2007-02-12 | 2010-10-28 | Shawn Kerrigan | Automatic system information determination of distributed renewable energy systems |
US20140048121A1 (en) * | 2008-03-13 | 2014-02-20 | Sahar G.N. International Ltd. | Modular solar systems facilitating rapid assembly |
CN108805328A (zh) * | 2018-04-30 | 2018-11-13 | 国网浙江省电力有限公司经济技术研究院 | 光热电站热电联供微网系统的优化运行方法 |
CN109347151A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 一种新能源参与调峰的送端电网电源结构优化方法 |
CN109742813A (zh) * | 2019-03-22 | 2019-05-10 | 中国电建集团青海省电力设计院有限公司 | 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 |
CN109858711A (zh) * | 2019-03-07 | 2019-06-07 | 东北电力大学 | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 |
-
2019
- 2019-08-09 CN CN201910732548.8A patent/CN110535185B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100271222A1 (en) * | 2007-02-12 | 2010-10-28 | Shawn Kerrigan | Automatic system information determination of distributed renewable energy systems |
US20140048121A1 (en) * | 2008-03-13 | 2014-02-20 | Sahar G.N. International Ltd. | Modular solar systems facilitating rapid assembly |
CN108805328A (zh) * | 2018-04-30 | 2018-11-13 | 国网浙江省电力有限公司经济技术研究院 | 光热电站热电联供微网系统的优化运行方法 |
CN109347151A (zh) * | 2018-11-30 | 2019-02-15 | 国家电网公司西南分部 | 一种新能源参与调峰的送端电网电源结构优化方法 |
CN109858711A (zh) * | 2019-03-07 | 2019-06-07 | 东北电力大学 | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 |
CN109742813A (zh) * | 2019-03-22 | 2019-05-10 | 中国电建集团青海省电力设计院有限公司 | 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 |
Non-Patent Citations (4)
Title |
---|
HARUN ET AL.: "Optimal Thermal Unit Commitment for Solving Duck Curve Problem by Introducing CSP,PSH and Demand Response", 《IEEE ACCESS》 * |
HONGYU WU ET AL.: "Demand Response Exchange in the Stochastic Day-Ahead Scheduling With Variable Renewable Generation", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
崔杨等: "基于成本最优的含储热光热电站与火电机组联合出力日前调度", 《电力自动化设备》 * |
王佳颖等: "计及需求响应的光热电站热电联供型微网的优化运行", 《电力系统自动化》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111277005A (zh) * | 2020-02-19 | 2020-06-12 | 东北电力大学 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
CN111832898A (zh) * | 2020-06-11 | 2020-10-27 | 华中科技大学 | 一种基于空调多功能的电力系统需求响应调度方法 |
CN112039056A (zh) * | 2020-08-10 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源两阶段优化调度方法 |
CN112510690A (zh) * | 2020-11-25 | 2021-03-16 | 燕山大学 | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 |
CN112668791A (zh) * | 2020-12-30 | 2021-04-16 | 华北电力大学(保定) | 热电联供系统的优化方法 |
CN112819204A (zh) * | 2021-01-14 | 2021-05-18 | 华北电力大学 | 一种源荷互动模型构建方法和系统 |
CN112886572A (zh) * | 2021-01-21 | 2021-06-01 | 三峡大学 | 一种电网可再生能源消纳能力评估方法 |
CN113036820A (zh) * | 2021-03-16 | 2021-06-25 | 国网甘肃省电力公司电力科学研究院 | 一种光热电站参与的双边调峰辅助服务市场模拟运行方法 |
CN113036820B (zh) * | 2021-03-16 | 2023-04-28 | 国网甘肃省电力公司电力科学研究院 | 一种光热电站参与的双边调峰辅助服务市场模拟运行方法 |
CN113381403A (zh) * | 2021-06-09 | 2021-09-10 | 河海大学 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
CN113507114A (zh) * | 2021-06-28 | 2021-10-15 | 东北电力大学 | 含高比例可再生能源电力系统调节能力需求评估方法 |
CN113507114B (zh) * | 2021-06-28 | 2022-06-28 | 东北电力大学 | 含高比例可再生能源电力系统调节能力需求评估方法 |
CN114006399A (zh) * | 2021-09-30 | 2022-02-01 | 华北电力大学 | 一种规模化5g基站参与配电网需求响应的优化调度方法 |
CN114006399B (zh) * | 2021-09-30 | 2024-04-09 | 华北电力大学 | 一种规模化5g基站参与配电网需求响应的优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110535185B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110535185A (zh) | 一种考虑需求响应的含光热电站多源优化运行方法 | |
CN109858711B (zh) | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 | |
CN103296682A (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
CN107103431B (zh) | 一种供热期调峰约束下电网弃风情况分析方法 | |
CN111682531B (zh) | 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 | |
CN110880761A (zh) | 一种基于p2p平台的风光抽蓄混合系统的联合调度方法 | |
Fang et al. | Risk-constrained optimal scheduling with combining heat and power for concentrating solar power plants | |
CN109245179B (zh) | 一种基于分时能量互补的风电-光热联合外送容量优化方法 | |
CN110661283B (zh) | 一种基于冰蓄冷系统的弃水消纳调度方法和装置 | |
CN116760025B (zh) | 电力系统的风险调度优化方法和系统 | |
CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源系统调度优化方法 | |
CN112531785A (zh) | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 | |
CN114389262B (zh) | 一种弹性环境下基于鲁棒优化的区域电网调度方法 | |
Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
CN105896535A (zh) | 用于最小化弃风电量的风电场发电权置换电量评估的方法 | |
CN106026191A (zh) | 用于最小化弃光电量光伏电站发电权置换电量评估的方法 | |
CN110135094A (zh) | 一种基于收缩空间和声算法的虚拟电厂优化调度方法 | |
CN115600838A (zh) | 一种水电站调节能力评价方法、设备和介质 | |
CN115936336A (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
CN112257951B (zh) | 一种基于合作博弈的综合能源系统与配电公司的优化运行方法 | |
CN115659666A (zh) | 一种考虑综合需求响应的虚拟电厂风光联合优化调度方法 | |
CN115081707A (zh) | 一种基于源荷灵活性的微电网多时间尺度优化调度方法 | |
CN114021361A (zh) | 一种含蓄热电锅炉负荷的多时间尺度优化调度方法及系统 | |
CN114400652A (zh) | 一种计及核电主动参与调峰的多能源发电优化调度方法 | |
CN112990541A (zh) | 一种基于家庭综合能源需求响应的电力削峰决策方法 |
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 |