CN110599363A - 一种计及梯级水电站优化调度的电力系统可靠性评估方法 - Google Patents

一种计及梯级水电站优化调度的电力系统可靠性评估方法 Download PDF

Info

Publication number
CN110599363A
CN110599363A CN201910791182.1A CN201910791182A CN110599363A CN 110599363 A CN110599363 A CN 110599363A CN 201910791182 A CN201910791182 A CN 201910791182A CN 110599363 A CN110599363 A CN 110599363A
Authority
CN
China
Prior art keywords
wind
hydropower station
power
output
reliability
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
Application number
CN201910791182.1A
Other languages
English (en)
Inventor
胡博
谢开贵
李冶
牛涛
谌伟
张伟鑫
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN201910791182.1A priority Critical patent/CN110599363A/zh
Publication of CN110599363A publication Critical patent/CN110599363A/zh
Priority to US16/987,258 priority patent/US20210064798A1/en
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及梯级水电站优化调度的电力系统可靠性评估方法，用于提高电力系统的可靠性，其特征在于：包括以下步骤，建立电力系统优化模型；输入24h时序风速、径流和负荷数据；根据机组的可靠性参数以及序贯蒙特卡洛法，抽取三类机组的状态持续时间，并以24h为周期进行分段；根据风速数据和风电机组的状态，计算风电场24h的时序出力；根据水、火电机组的状态和优化模型，计算每小时的失负荷；按照步骤4的方法优化365天，计算可靠性指标；判断是否收敛，若未收敛，不断重复步骤S3到步骤S7，直至收敛。本发明的有益效果包括：计及梯级水电站的优化调度对风火水电力系统进行可靠性评估，可以提高系统的可靠性。

Description

一种计及梯级水电站优化调度的电力系统可靠性评估方法
技术领域
本发明涉及电力系统可靠性评估领域，具体涉及一种计及梯级水电站优化调度的风火水电力系统可靠性评估方法。
背景技术
目前国内外较少对含梯级水电站的电力系统进行可靠性研究，且现有关于梯级水电站的可靠性评估方法中，在确定梯级水电站出力时只考虑当前时段的水资源利用，未充分发挥水库的蓄水功能对水资源进行多时段优化利用，也未考虑梯级各电站之间的协调运行。
梯级水电站的优化调度在最大化利用水资源的同时，还能协调各电站间的出力，能够提高系统的发电能力、改善系统的可靠性。同时，梯级水电站的优化调度是一个多阶段决策问题，各时段的决策既彼此制约又相互关联，其求解面临系统维度高、约束条件耦合等问题。因此，对以梯级水电站为主的电力系统进行可靠性评估时，有必要计及梯级水电站的优化调度。
发明内容
针对上述现有技术中的不足之处，本发明提供一种计及梯级水电站优化调度的电力系统可靠性评估方法，本发明充分考虑梯级水电站的优化调度对系统可靠性的影响，通过梯级水电站的优化调度可以提高系统的可靠性。
为了达到上述目的，本发明采用了以下技术方案：
一种计及梯级水电站优化调度的电力系统可靠性评估方法，用于提高电力系统的可靠性，其特征在于：包括以下步骤，
S1、建立计及梯级水电站短期优化调度的风、火、水电力系统优化模型；
S1.1、建立梯级水电站出力模型
(a)水电站出力函数
Pi,t＝KiQi,tHi
其中，Ki为第i级水电站的出力系数；Qi,t为第i级水电站第t小时的发电流量；Hi为第i级水电站的水头。
(b)水电站出力约束
Pi,min≤Pi,t≤Pi,max
其中，Pi,max、Pi,min为第i级水电站的最大、最小出力；
(c)发电流量约束
Qi,min≤Qi,t≤Qi,max
其中，Qi,max、Qi,min为第i级的最大、最小发电流量；
(d)水量平衡约束
Vi,t＝Vi,t-1+(Ii,t+Qi-1,t+Si-1,t-Qi,t-Si,t)×Δt
其中，Vi,t为第i级水电站第t小时的库容；Ii,t为第t小时流入第i级水电站水库的径流；Si,t为第i级水电站第t小时的弃水流量；Δt＝3600秒；
(e)下泄流量约束
Di,min≤Si,t+Qi,t≤Di,max
其中，Di,max、Di,min为第i级水电站所允许的最大、最小下泄流量；
(f)库容约束
Vi,min≤Vi,t≤Vi,max
其中，Vi,max、Vi,min为第i级水电站的最大、最小库容；
(g)调度周期始末库容相等约束
Vi,0＝Vi,T
其中，Vi,0、Vi,T分别为第i级水电站调度周期开始和结束时的库容；
S1.2、风电场出力模型
根据空气动力学原理，风电机组的输出功率与风速的3次方成正比得到以下公式：
其中，P(v)为风电机组输出功率；PR为风电机组额定功率；vci为切入风速；vR为额定风速；vco为切出风速；v为风电机组轮毂高处的风速；
在不考虑风电场尾流效应和风速相关性的条件下，风电场出力为风电机组输出功率和：
其中，WP(v)为风电场出力；Nwg为风电机组台数；αi为风电机组的状态，αi＝1风电机组正常，αi＝0风电机组故障；
S1.3、火电机组出力模型
TPj,min≤TPj,t≤TPj,max
其中，TPj,max、TPj,min为火电机组j的最大、最小出力；
其中，为火电机组j的向上、向下最大爬坡速率；
S1.4、风、火、水电力系统的优化运行模型：
建立目标函数，以削负荷最小为目标：
其中，LoLt为第t小时的削负荷；T为调度周期，T＝24h；
(h)失负荷约束：
0≤LoLt≤Lt
其中，Lt为第t小时的负荷；
(i)电量平衡约束：
其中，NH、NT、NW分别为梯级水电站级数、火电机组台数、风电场个数；TPj,t为火电机组j第t小时的出力；WPk,t为风电场k第t小时的出力；
S2、输入24h时序风速、径流和负荷数据；
S3、根据风、火、水三类机组的可靠性参数以及序贯蒙特卡洛法，抽取三类机组的状态持续时间，并以24h为周期进行分段；
S4、根据风速数据和风电机组的状态，计算风电场24h的时序出力；
S5、根据水、火电机组的状态和计及梯级水电站短期优化调度的风火水电力系统优化模型，计算梯级水电站和火电机组的24h时序出力以及每小时的失负荷；
S6、按照步骤S4的方法优化365天，计算全年的可靠性指标：电力不足期望值LOLE、电量不足期望值LOEE、断电频率期望值LOLF；
S7、根据下式判断是否收敛，即判断方差系数δ是否小于等于设定值，若否返回步骤S3，并重复步骤S3-S7直至收敛；
其中，std(LOEE)、mean(LOEE)为LOEE的标准差和均值；Ns为模拟年数。
进一步地，步骤S1.2中当风速v介于vci和vR之间时，风电机组的输出功率与风速的关系可以近似为线性关系，即：
本发明的有益效果包括：本发明充分考虑了梯级水电站的优化调度对电力系统可靠性的影响，计及梯级水电站的优化调度对风火水电力系统进行可靠性评估，可以提高系统的可靠性。
附图说明
图1是异步风电机组功率特性曲线；
图2是本发明的流程图
图3是风电机组参数表；
图4是火电机组参数表；
图5是梯级水电站参数表；
图6是时序负荷数据；
图7是月最大负荷数据；
图8是水位库容关系；
图9是计及梯级水电站的优化调度对风火水电力系统进行可靠性评估的结果。
具体实施方式
下面结合具体实施例及附图来进一步详细说明本发明。
如图2所示的一种梯级水电站优化调度的电力系统可靠性评估方法，包括如下步骤：
S1、建立计及梯级水电站短期优化调度的风火水电力系统优化模型。
S1.1梯级水电站出力模型
(a)水电站出力函数
Pi,t＝KiQi,tHi
(\*MERGEFORMAT 2.1)
其中，Ki为第i级水电站的出力系数；Qi,t为第i级水电站第t小时的发电流量；Hi为第i级水电站的水头。
(b)水电站出力约束
Pi,min≤Pi,t≤Pi,max
(\*MERGEFORMAT 2.2)
其中，Pi,max、Pi,min为第i级水电站的最大、最小出力。
(c)发电流量约束
Qi,min≤Qi,t≤Qi,max
(\*MERGEFORMAT 2.3)
其中，Qi,max、Qi,min为第i级水电站的最大、最小发电流量。
(d)水量平衡约束
Vi,t＝Vi,t-1+(Ii,t+Qi-1,t+Si-1,t-Qi,t-Si,t)×Δt
(\*MERGEFORMAT 2.4)
其中，Vi,t为第i级水电站第t小时的库容；Ii,t为第t小时流入第i级水电站水库的径流；Si,t为第i级水电站第t小时的弃水流量；Δt＝3600秒。
(e)下泄流量约束
Di,min≤Si,t+Qi,t≤Di,max
(\*MERGEFORMAT 2.5)
其中，Di,max、Di,min为第i级水电站所允许的最大、最小下泄流量。
(f)库容约束
Vi,min≤Vi,t≤Vi,max
(\*MERGEFORMAT 2.6)
其中，Vi,max、Vi,min为第i级水电站的最大、最小库容。
(g)调度周期始末库容相等约束。
Vi,0＝Vi,T
(\*MERGEFORMAT 2.7)
其中，Vi,0、Vi,T分别为第i级水电站调度周期开始和结束时的库容。
由于本发明考虑“以水定电”的梯级水电站短期优化调度，故有约束式(2.7)。该约束不仅能够衔接相邻的调度周期，而且能够保证梯级水电站的可持续性运行，防止因发电而影响梯级水电站的其它功能。
结合水量平衡约束式(2.4)，可以知道：在一天的调度周期内，流入水库的水全部用于发电，只在两种情况下会弃水，即：1)来水全部用于发电超过了负荷的需求；2)各个水电站按照最大发电能力进行发电，所消耗的水资源小于调度周期内的来水，这种情况主要发生在丰水期。通过上述2个约束基本上实现了水资源的最大化利用。
S1.2风电场出力模型
风电机组的输出功率与风速的关系称为风电机组功率特性。不同类型的风电机组功率特性不同，主要由切入风速、切出风速和额定风速决定。如图1所示异步风电机组的功率特性曲线。
根据空气动力学原理，风电机组的输出功率与风速的3次方成正比：
(\*MERGEFORMAT 2.8)
其中，P(v)为风电机组输出功率；PR为风电机组额定功率；vci为切入风速；vR为额定风速；vco为切出风速；v为风电机组轮毂高处的风速。
一般情况下，当风速v介于vci和vR之间时，风电机组的输出功率与风速的关系可以近似为线性关系，即：
(\*MERGEFORMAT 2.9)
在不考虑风电场尾流效应和风速相关性情况下，那么风电场出力就是风电机组输出功率和：
(\*MERGEFORMAT 2.10)
其中，WP(v)为风电场出力；Nwg为风电机组台数；αi为风电机组的状态，αi＝1风电机组正常，αi＝0风电机组故障。
S1.3火电机组出力模型
TPj,min≤TPj,t≤TPj,max
(\*MERGEFORMAT 2.11)
其中，TPj,max、TPj,min为火电机组j的最大、最小出力。
(\*MERGEFORMAT 2.12)
其中，为火电机组j的向上、向下最大爬坡速率。
S1.4结合上述梯级水电站出力模型、风电场出力模型和火电机组出力模型。下面给出风火水电力系统的优化运行模型：
目标函数，以削负荷最小为目标：
(\*MERGEFORMAT 2.13)
其中，LoLt为第t小时的削负荷；T为调度周期，T＝24h。
失负荷约束：
0≤LoLt≤Lt
(\*MERGEFORMAT 2.14)
其中，Lt为第t小时的负荷。
电量平衡约束：
(\*MERGEFORMAT 2.15)
其中，NH、NT、NW分别为梯级水电站级数、火电机组台数、风电场个数；TPj,t为火电机组j第t小时的出力；WPk,t为风电场k第t小时的出力。
S2、输入24h时序风速、径流和负荷数据。
S3、根据风、火、水三类机组的可靠性参数以及序贯蒙特卡洛法，抽取三类机组的状态持续时间，并以24h为周期进行分段。
S4、根据风速数据和风电机组的状态，计算风电场24h的时序出力。
S5、根据水、火电机组的状态和计及梯级水电站短期优化调度的风火水电力系统优化模型，计算梯级水电站和火电机组的24h时序出力以及每小时的失负荷。
S6、按照步骤4的方法优化365天，计算全年的可靠性指标LOLE、LOEE、LOLF。
S7、判断是否收敛，即判断方差系数δ是否小于等于设定值。若未收敛，不断重复步骤S3到步骤S7，直至收敛。
结合本发明的一种实施例，以某风火水电力系统为例进行算例分析。其中，梯级水电站为长江某支流的三级梯级水电站，该流域5～9月份为丰水期，12～2月份为枯水期，其余月份为平水期。图3-图5分别给出了风、火电机组参数和梯级水电站参数。
从图3-图5可以看出，该系统是一个以梯级水电站为主的电力系统，系统总装机容量为3440MW，梯级水电站装机容量为2240MW，占比约为65％；火电装机容量为1000MW，占比约为29％；风电装机容量200MW，占比约为6％。
时序负荷数据如图6所示，月最大负荷如图7所示。需要说明的是：该系统除了承担本系统的负荷以外，在平水期和丰水期还有外送负荷，尤其在丰水期有比较大的外送负荷，本实施例将二者一起考虑，视为等效负荷。
水库的水位和库容具有一一对应关系，可以根据各个水电站的水位-库容关系曲线将水位转化为库容，如图8所示。调度周期的初始水位取各个水电站的防洪限制水位，最大水位取正常蓄水位，最小水位取死水位。
Case2.1：计及梯级水电站优化调度，考虑始末库容相等约束。
Case2.2：不计及梯级水电站优化调度，考虑始末库容相等约束。
Case2.1的计算方法和过程如前所述采用步骤S1-S7；对于Case2.2的计算方法和过程如下：
S2.1、预测24h的风速、径流数据。
S2.2、Case2.2的运行策略与Case2.1相同。首先消纳风电，其次消纳水电，最后由火电承担剩余负荷。
S2.3、采用序贯蒙特卡洛法抽取风、火、水三类机组的状态持续时间，并以24h为周期进行分段。
S2.4、根据风电机组的状态和风速数据计算出风电场的出力和系统净负荷。
S2.5、根据径流和负荷数据，基于始末库容相等约束将调度周期内的水资源按照负荷占比进行分配。调度周期内梯级水电站的出力按照下述公式进行计算：
Pi,t＝KiQi,tHi i＝1，2，3
(\*MERGEFORMAT 2.16)
(\*MERGEFORMAT 2.17)
(\*MERGEFORMAT 2.18)
(\*MERGEFORMAT 2.19)
(\*MERGEFORMAT 2.20)
其中，为第i级水电站第n台机组的额定容量；αi,t,n为第i级水电站第n台机组第t小时的状态；GNi为第i级水电站的机组数；为第i级水电站第t小时的实际出力。
S2.6、将步骤S2.5计算出的梯级水电站实际出力与净负荷进行比较，若实际出力大于净负荷，水电站就按照装机容量占比减小出力；若实际出力小于净负荷，就由火电机组承担剩余负荷。最后计算出每小时的失负荷。
S2.7、不断重复步骤S2.3-步骤S2.6，直至收敛。
得到计及梯级水电站的优化调度对风火水电力系统进行可靠性评估的结果如图9所示。
图9中Case2.1和Case2.2都考虑了调度周期始末库容相等约束，该约束使梯级水电站在调度周期内能够利用的水资源为一天的径流，这限制了梯级水电站的发电能力，但该约束有利于梯级水电站长期的可持续运行，同时也能为梯级水电站其它功能的实施保证足够的水资源。
从图9可以看出：Case2.1相较于Case2.2，可靠性指标LOLE减小了1.92h/a，可靠性指标LOEE减小了77MWh/a，可靠性指标LOLF减小了0.88次/年。这表明：在调度周期始末库容相等情况下，通过梯级水电站的优化调度可提高梯级水电站的发电能力，从而提高整个系统的发电能力，改善系统的可靠性。因此，在对含梯级水电站的电力系统进行可靠性评估时，有必要计及梯级水电站的优化调度。
以上对本发明实施例所提供的技术方案进行了详细介绍，应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.一种计及梯级水电站优化调度的电力系统可靠性评估方法，用于提高提高电力系统的可靠性，其特征在于：包括以下步骤，
S1、建立计及梯级水电站短期优化调度的风、火、水电力系统优化模型；
S1.1、建立梯级水电站出力模型
(a)水电站出力函数
Pi,t＝KiQi,tHi
其中，Ki为第i级水电站的出力系数；Qi,t为第i级水电站第t小时的发电流量；Hi为第i级水电站的水头；
(b)水电站出力约束
Pi,min≤Pi,t≤Pi,max
其中，Pi,max、Pi,min为第i级水电站的最大、最小出力；
(c)发电流量约束
Qi,min≤Qi,t≤Qi,max
其中，Qi,max、Qi,min为第i级水电站的最大、最小发电流量；
(d)水量平衡约束
Vi,t＝Vi,t-1+(Ii,t+Qi-1,t+Si-1,t-Qi,t-Si,t)×Δt
其中，Vi,t为第i级水电站第t小时的库容；Ii,t为第t小时流入第i级水电站水库的径流；Si,t为第i级水电站第t小时的弃水流量；Δt＝3600秒；
(e)下泄流量约束
Di,min≤Si,t+Qi,t≤Di,max
其中，Di,max、Di,min为第i级水电站所允许的最大、最小下泄流量；
(f)库容约束
Vi,min≤Vi,t≤Vi,max
其中，Vi,max、Vi,min为第i级水电站的最大、最小库容；
(g)调度周期始末库容相等约束
Vi,0＝Vi,T
其中，Vi,0、Vi,T分别为第i级水电站调度周期开始和结束时的库容；
S1.2、风电场出力模型
根据空气动力学原理，风电机组的输出功率与风速的3次方成正比得到以下公式：
其中，P(v)为风电机组输出功率；PR为风电机组额定功率；vci为切入风速；vR为额定风速；vco为切出风速；v为风电机组轮毂高处的风速；
在不考虑风电场尾流效应和风速相关性的条件下，风电场出力为风电机组输出功率和：
其中，WP(v)为风电场出力；Nwg为风电机组台数；αi为风电机组的状态，αi＝1风电机组正常，αi＝0风电机组故障；
S1.3、火电机组出力模型
TPj,min≤TPj,t≤TPj,max
其中，TPj,max、TPj,min为火电机组j的最大、最小出力；
其中，为火电机组j的向上、向下最大爬坡速率；
S1.4、风、火、水电力系统的优化运行模型：
建立目标函数，以削负荷最小为目标：
其中，LoLt为第t小时的削负荷；T为调度周期，T＝24h；
(h)失负荷约束：
0≤LoLt≤Lt
其中，Lt为第t小时的负荷；
(i)电量平衡约束：
其中，NH、NT、NW分别为梯级水电站级数、火电机组台数、风电场个数；TPj,t为火电机组j第t小时的出力；WPk,t为风电场k第t小时的出力；
S2、输入24h时序风速、径流和负荷数据；
S3、根据风、火、水三类机组的可靠性参数以及序贯蒙特卡洛法，抽取三类机组的状态持续时间，并以24h为周期进行分段；
S4、根据风速数据和风电机组的状态，计算风电场24h的时序出力；
S5、根据水、火电机组的状态和计及梯级水电站短期优化调度的风火水电力系统优化模型，计算梯级水电站和火电机组的24h时序出力以及每小时的失负荷；
S6、按照步骤S4的方法优化365天，计算全年的可靠性指标：电力不足期望值LOLE、电量不足期望值LOEE、断电频率期望值LOLF；
S7、根据3中公式判断是否收敛，若否返回步骤S3，并重复步骤S3-S7直至收敛。
2.根据权利要求1所述的一种计及梯级水电站优化调度的电力系统可靠性评估方法,其特征在于：步骤S1.2中当风速v介于Vci和VR之间时，风电机组的输出功率与风速的关系可以近似为线性关系，即：
3.根据权利要求1所述的一种计及梯级水电站优化调度的电力系统可靠性评估方法,其特征在于：步骤S7中，判断收敛方式为判断方差系数δ是否小于等于设定值，方差系数δ可表示为：
其中，std(LOEE)、mean(LOEE)为LOEE的标准差和均值；Ns为模拟年数。
CN201910791182.1A 2019-08-26 2019-08-26 一种计及梯级水电站优化调度的电力系统可靠性评估方法 Pending CN110599363A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910791182.1A CN110599363A (zh) 2019-08-26 2019-08-26 一种计及梯级水电站优化调度的电力系统可靠性评估方法
US16/987,258 US20210064798A1 (en) 2019-08-26 2020-08-06 Power system reliability assessment method considering optimized scheduling of cascade hydropower stations

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910791182.1A CN110599363A (zh) 2019-08-26 2019-08-26 一种计及梯级水电站优化调度的电力系统可靠性评估方法

Publications (1)

Publication Number Publication Date
CN110599363A true CN110599363A (zh) 2019-12-20

Family

ID=68855612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910791182.1A Pending CN110599363A (zh) 2019-08-26 2019-08-26 一种计及梯级水电站优化调度的电力系统可靠性评估方法

Country Status (2)

Country Link
US (1) US20210064798A1 (zh)
CN (1) CN110599363A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202992A (zh) * 2022-09-15 2022-10-18 中国空气动力研究与发展中心计算空气动力研究所 面向slurm调度系统的CFD作业收敛性监控方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080157B (zh) * 2019-12-26 2023-04-07 大连理工大学 一种梯级水电站排磷量的调度方法和系统
CN113052469B (zh) * 2021-03-30 2022-04-22 贵州电网有限责任公司 一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法
CN113937819A (zh) * 2021-06-30 2022-01-14 国网甘肃省电力公司电力科学研究院 一种多能源短期优化调度方法
CN113704962B (zh) * 2021-07-19 2024-06-18 中国核电工程有限公司 压水堆核电厂应急柴油发电机组加载负荷优化的设计方法
CN113887154B (zh) * 2021-10-21 2023-05-26 中国电建集团成都勘测设计研究院有限公司 一种梯级水电站群中长期发电能力评估方法
CN113904382B (zh) * 2021-10-26 2023-09-26 国网青海省电力公司 一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质
CN114188942A (zh) * 2021-12-09 2022-03-15 国网甘肃省电力公司电力科学研究院 一种包含大规模新能源基地的电网调度方法
CN114844070A (zh) * 2022-04-28 2022-08-02 东南大学 一种基于储能容量配置策略提升新能源容量价值的方法
CN115099468B (zh) * 2022-06-06 2024-02-13 中国长江电力股份有限公司 一种串联水库群防洪库容优化分配的计算方法
CN115659595B (zh) * 2022-09-26 2024-02-06 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN115439027B (zh) * 2022-11-08 2023-03-24 大唐乡城唐电水电开发有限公司 一种梯级水电站负荷优化调度方法、装置、设备和介质
CN116702979B (zh) * 2023-06-07 2023-11-21 北京金河水务建设集团有限公司 一种梯级泵站的多目标优化调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184472A (zh) * 2011-05-03 2011-09-14 西安交通大学 一种基于电网调度侧需求的风水火联合调度方法
CN106026092A (zh) * 2016-07-22 2016-10-12 南京工程学院 一种用于含分布式电源的配电网孤岛划分方法
CN106373030A (zh) * 2016-08-31 2017-02-01 华北电力大学 一种流域梯级水电站优化调度的方法及装置
CN106410824A (zh) * 2016-10-08 2017-02-15 重庆大学 计及温控设备的社区微电网储能容量优化配置方法
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184472A (zh) * 2011-05-03 2011-09-14 西安交通大学 一种基于电网调度侧需求的风水火联合调度方法
CN106026092A (zh) * 2016-07-22 2016-10-12 南京工程学院 一种用于含分布式电源的配电网孤岛划分方法
CN106373030A (zh) * 2016-08-31 2017-02-01 华北电力大学 一种流域梯级水电站优化调度的方法及装置
CN106410824A (zh) * 2016-10-08 2017-02-15 重庆大学 计及温控设备的社区微电网储能容量优化配置方法
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YAN CHEN: "Probabilistic Load Flow Method Based on Nataf", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 *
代倩等: "多风电场与梯级水电站协调运行对电力系统可靠性的影响", 《电网技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202992A (zh) * 2022-09-15 2022-10-18 中国空气动力研究与发展中心计算空气动力研究所 面向slurm调度系统的CFD作业收敛性监控方法

Also Published As

Publication number Publication date
US20210064798A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
CN110599363A (zh) 一种计及梯级水电站优化调度的电力系统可靠性评估方法
CN107240932B (zh) 一种水光互补系统中光伏电站容量优化方法
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
Ding et al. A forecast-driven decision-making model for long-term operation of a hydro-wind-photovoltaic hybrid system
CN110518583B (zh) 一种考虑动态特性的综合能源系统可靠性评估方法
CN105976055B (zh) 计及功率损耗的分布式光伏-储能系统出力优化及容量配置方法
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN107276122B (zh) 适应大规模可再生能源并网的调峰资源调用决策方法
WO2015154318A1 (zh) 梯级水电站群日发电计划编制方法
CN110739726B (zh) 一种考虑海上风电接入的多类型电源容量长期规划方法
CN108879657B (zh) 基于风电容量可信度的电力电量平衡优化方法
CN108596388A (zh) 一种考虑梯级水电站最优弃水的水火联合调度方法
CN105678394B (zh) 一种多源多周期发电计划制定方法
CN113659620A (zh) 基于动态频率约束的水风互补发电系统日前调度方法
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
CN110932261A (zh) 一种基于全局效益最大化的多能源系统联合装机规划方法
CN114123313B (zh) 一种时序生产模拟新能源电力系统消纳方法
CN110783927B (zh) 多时间尺度交直流配电网调度方法及装置
CN115360706A (zh) 考虑dr和灵活性供需平衡的源荷储联合调度方法及系统
CN106228273B (zh) 一种水电外送交易优化模型的构建方法
CN107862408A (zh) 一种水电厂弃水最小预警协调滚动优化方法
CN117856261A (zh) 基于时序模拟仿真计算电网调节能力缺口的方法和装置
CN116780649A (zh) 一种多能互补利用的分布式鲁棒优化运行方法
CN113659566B (zh) 一种基于CVaR的多能互补发电系统的容量配置优化方法
CN114204599A (zh) 一种抑制配电网电压波动的分布式储能布点运行控制方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191220

RJ01 Rejection of invention patent application after publication