CN110601260B - 一种限定联络线上功率波动的光-蓄系统容量优化方法 - Google Patents

一种限定联络线上功率波动的光-蓄系统容量优化方法 Download PDF

Info

Publication number
CN110601260B
CN110601260B CN201910858350.4A CN201910858350A CN110601260B CN 110601260 B CN110601260 B CN 110601260B CN 201910858350 A CN201910858350 A CN 201910858350A CN 110601260 B CN110601260 B CN 110601260B
Authority
CN
China
Prior art keywords
storage system
light
power
capacity
phs
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
CN201910858350.4A
Other languages
English (en)
Other versions
CN110601260A (zh
Inventor
胡维昊
李坚
黄琦
李涛
许潇
张真源
井实
易建波
曹迪
蒙怡帆
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910858350.4A priority Critical patent/CN110601260B/zh
Publication of CN110601260A publication Critical patent/CN110601260A/zh
Application granted granted Critical
Publication of CN110601260B publication Critical patent/CN110601260B/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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种限定联络线上功率波动的光‑蓄系统容量优化方法，通过构建双层优化模型实现光‑蓄系统最优容量配置和抽蓄最优运行调度；具体讲，以最小化系统投资成本以实现外层目标，再基于外层目标给出的系统装机容量，对光‑蓄系统进行优化运行来满足联络线功率波动指标以实现内层目标；这样通过双层模型使光‑蓄系统能相互关联、相互制约，既能保证经济性也能满足联络线功率波动指标，从而使光‑蓄系统具有较高的经济性和稳定性。

Description

一种限定联络线上功率波动的光-蓄系统容量优化方法
技术领域
本发明属于新能源互补发电技术领域，更为具体地讲，涉及一种限定联络线上功率波动的光-蓄系统容量优化方法。
背景技术
促进绿色能源的发展有助于推动绿色、环保发展战略。产生电能，从而满足人们对日常生活和社会发展的电能需求。对可再生清洁能源的开发和利用不仅可以有效减少污染物的排放量，而且在偏远山区就地利用自然资源产生电能，能有效地减少主网向其输送电能的经济成本。截至2019年初，国家能源局发布了我国2018年全年太阳能光伏发电新增装机容量44260MW，仅次于2017年新增装机，为历史第二高；其中，集中式和分布式光伏电站分别新增23300 MW 和20960 MW；但由于光伏的发电曲线与负荷需求曲线在时序上存在差异，其制约了光电规模化的消纳；采用新能源互补发电技术是新能源电力综合利用的有效途径；抽水蓄能电站具有发电成本低、调节能力强等优势，是实现新能源互补发电的重要中转枢纽。针对新能源互补发电技术，可定义一个或多个优化目标并采用单层或者双层优化算法对问题进行求解，使得互补系统处于最优容量和最佳运行方式下，即有效地缓解“弃光”问题，提升系统的经济效益和稳定性。
近年来，众多学者专家在光伏互补发电技术和平抑光伏波动领域取得了不少成果；例如，文献“Ramp-rate control approach based on dynamic smoothing parameterto mitigate solar PV output fluctuations,International Journal of ElectricalPower&Energy Systems,vol.96,pp.296-305,2018”提出了一种新的基于指数平滑(exponential smoothing,ES)方法的爬坡速率控制策略；其平滑参数σ随着光伏的不同爬坡速率而变化，进一步的平滑参数用于控制蓄电池系统的充/放电状态，该指数平滑方法能有效地减小蓄电池的容量和延长其使用寿命；文献“Pumped storage-based standalonephotovoltaic power generation system:Modeling and techno-economicoptimization,Applied Energy,vol.137,pp.649-659,2015”定义以技术-经济指标为光伏/抽水蓄能混合系统的优化目标，使用遗传算法对优化目标进行求解，实现了光伏/抽水蓄能互补能源系统的最佳容量配置；文献“A new generation of small hydro andpumped-hydro power plants:Advances and future challenges,Renewable andSustainable Energy Reviews,vol.31,pp.746-761,2014”从可持续发展的角度，对小型水电站和抽水蓄能电站的发展前景做出了展望，提出了水轮机设计、厂房规划和管理方面的进展和未来的挑战。抽水蓄能电站充分发挥了其在电力系统中的双重角色——电源/负荷，有效地实现了光伏-抽水蓄能互补能源系统持续稳定、持续地输出电能。所述互补发电系统中接入了可再生能源发电单元和储能单元，因此需要提出一种限定联络线功率波动的最优容量配置的技术方案。
发明内容
本发明的目的在于克服现有技术的不足，提供一种限定联络线上功率波动的光-蓄系统容量优化方法，在考虑光伏出力具有随机性与波动性，以及抽水蓄能具有快速调节能力等特性下，通过双层优化实现光-蓄系统的最优容量配置。
为实现上述发明目的，本发明一种限定联络线上功率波动的光-蓄系统容量优化方法，其特征在于，包括以下步骤：
(1)、构建光-蓄系统的出力模型；
(1.1)、构建光伏模块的出力模型；
Figure BDA0002198908180000021
其中，ppv(t)表示t时刻光伏模块的单位输出功率，ηpv表示由污渍引起的光伏发电系统的降额系数，pstc表示光伏面板在标准测试条件下的单位输出功率， gc(t)表示t时刻实际的太阳照度，gstc表示标准测试条件下的太阳照度，αpv表示光伏面板的功率温度系数，tc(t)表示t时刻光伏面板上的实际温度，tstc表示标准测试条件下光伏面板上的温度，ta(t)表示t时刻的环境温度，μpv表示由太阳照射引起的温升且与风速相关的系数；
(1.2)、构建抽水蓄能系统的出力模型；
Figure BDA0002198908180000031
其中，qpump(t)为t时刻变速抽水泵的抽水流量，ηpump为变速抽水泵的效率，
Figure BDA0002198908180000032
为t时刻变速抽水泵的吸收功率，g为重力加速度，H为抽水蓄能电站水头高度，
Figure BDA0002198908180000033
为t时刻水轮机释放的发出功率，ηturbine为水轮机的效率，qturbine(t) 为t时刻水轮机发电用水流量，Q(t)为t时刻抽水蓄能电站上游水库剩余水量，λ为上游水库水量的蒸发和泄漏系数，r(t)为t时刻水库流入流量，SoC(t)为t时刻上游水库剩余水量百分比，Vphsv为上游水库最大可用容量；
(2)、构建光-蓄系统的双层优化目标函数；
(2.1)、构建光-蓄系统的内层优化目标函数——联络线上功率自平滑系数；
Figure BDA0002198908180000034
其中，δtie-line表示联络线上的功率自平滑系数，T表示优化运行的时间尺度，ptie-line(t)表示t时刻光-蓄系统联络线上的功率，
Figure BDA0002198908180000038
表示光-蓄系统联络线上功率的平均值，pphs(t)为正数时，表示t时刻抽水蓄能电站中变速抽水泵吸收功率，即
Figure BDA0002198908180000035
pphs(t)为负数时，表示t时刻抽水蓄能电站中水轮机发出功率，即
Figure BDA0002198908180000036
pload(t)表示t时刻的负荷功率，xpv表示光伏的装机容量；
(2.2)、构建光-蓄系统的外层优化目标函数——容量配置；
Figure BDA0002198908180000037
其中，TC表示光-蓄系统的总成本，IC表示光-蓄系统的建设成本，OC表示光-蓄系统的运行成本，cδ表示联络线上功率波动引起的惩罚系数，
Figure BDA0002198908180000041
表示联络线上最大允许功率自平滑系数，cpv表示光伏模块的单位容量成本系数，cphsv表示抽水蓄能系统的建设成本系数，Vphs表示水库的容量，cphs表示抽蓄机组的单位容量成本系数，xphs表示抽蓄机组的装机容量；
(3)、构建光-蓄系统的约束条件；
Figure BDA0002198908180000042
其中，
Figure BDA0002198908180000043
表示光伏模块的最小、最大装机容量，Δt表示相邻两时刻的时间间隔，
Figure BDA0002198908180000044
表示光-蓄系统中变速水泵的最小允许启动功率和最大允许运行功率，SoCmin、SoCmax表示光-蓄系统中上游水库最小、最大允许水量百分比，
Figure BDA0002198908180000045
表示光-蓄系统中水轮发电机最小、最大允许出力；
(4)、基于光-蓄系统的出力模型及约束条件，采用牛顿-拉夫逊算法和自适应粒子群算法建立双层优化模型，分别在内外层对光-蓄系统的目标函数进行优化，得到光-蓄系统容量配置方案。
本发明的发明目的是这样实现的：
本发明一种限定联络线上功率波动的光-蓄系统容量优化方法，通过构建双层优化模型实现光-蓄系统最优容量配置和抽蓄最优运行调度；具体讲，以最小化系统投资成本以实现外层目标，再基于外层目标给出的系统装机容量，对光- 蓄系统进行优化运行来满足联络线功率波动指标以实现内层目标；这样通过双层模型使光-蓄系统能相互关联、相互制约，既能保证经济性也能满足联络线功率波动指标，从而使光-蓄系统具有较高的经济性和稳定性。
同时，本发明一种限定联络线上功率波动的光-蓄系统容量优化方法还具有以下有益效果：
(1)、通过建立投资成本与功率波动双层优化目标函数，并引入惩罚系数定量地耦合了系统建设成本与运行指标；
(2)、根据联络线上不同的波动性指标，可以恰到好处的实现光-蓄系统的最优容量配置；
(3)、综合地考虑了光-蓄系统的规划和抽水蓄能的运行之间的相互影响，使得双层优化模型下的规划与运行更加合理。
附图说明
图1是本发明一种限定联络线上功率波动的光-蓄系统容量优化方法流程图；
图2是本发明所述光-蓄系统的一种具体实施方式结构图；
图3是双层优化算法的执行流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
如图2所示，光-蓄系统由抽水蓄能电站、光伏电站和大电网构成；
其中，抽水蓄能电站的水轮机和变速抽水泵、光伏电站分分别通过变压器与交流母线连接；交流母线通过变压器与大电网连接。
光伏电站输出的电能由抽水蓄能电站平抑后，通过联络线送入大电网。
下面我们结合图2对本发明一种限定联络线上功率波动的光-蓄系统容量优化方法进行详细说明，如图1所示，具体为：
S1、构建光-蓄系统的出力模型；
S1.1、构建光伏模块的出力模型；
Figure BDA0002198908180000051
其中，ppv(t)表示t时刻光伏模块的单位输出功率，ηpv表示由污渍引起的光伏发电系统的降额系数(由工程经验参数)，pstc表示光伏面板在标准测试条件下的单位输出功率(由厂家给出)，gc(t)表示t时刻实际的太阳照度(当地勘测的数据)，gstc表示标准测试条件下的太阳照度(当地勘测的数据)，αpv表示光伏面板的功率温度系数(由厂家给出)，tc(t)表示t时刻光伏面板上的实际温度(当地勘测的数据)，tstc表示标准测试条件下光伏面板上的温度(当地勘测的数据)， ta(t)表示t时刻的环境温度(当地勘测的数据)，μpv表示由太阳照射引起的温升且与风速相关的系数(统计数据)；
S1.2、构建抽水蓄能系统的出力模型；
Figure BDA0002198908180000061
其中，qpump(t)为t时刻变速抽水泵的抽水流量，ηpump为变速抽水泵的效率(实际所选水泵的额定效率)，
Figure BDA0002198908180000062
为t时刻变速抽水泵的吸收功率，g为重力加速度，H为抽水蓄能电站水头高度(抽蓄电站的额定水头)，
Figure BDA0002198908180000063
为t时刻水轮机释放的发出功率，ηturbine为水轮机的效率(实际所选水轮机的额定效率)， qturbine(t)为t时刻水轮机发电用水流量，Q(t)为t时刻抽水蓄能电站上游水库剩余水量，λ为上游水库水量的蒸发和泄漏系数，r(t)为t时刻水库流入流量(历史水文数据)，SoC(t)为t时刻上游水库剩余水量百分比，Vphsv为上游水库最大可用容量；
S2、构建光-蓄系统的双层优化目标函数；
S2.1、构建光-蓄系统的内层优化目标函数——联络线上功率自平滑系数；
Figure BDA0002198908180000064
其中，δtie-line表示联络线上的功率自平滑系数，T表示优化运行的时间尺度 (通常选为1天24个小时)，ptie-line(t)表示t时刻光-蓄系统联络线上的功率，
Figure BDA0002198908180000065
表示光-蓄系统联络线上功率的平均值，pphs(t)为内层优化变量，当pphs(t)为正数时，表示t时刻抽水蓄能电站中变速抽水泵吸收功率，即
Figure BDA0002198908180000071
当pphs(t) 为负数时，表示t时刻抽水蓄能电站中水轮机发出功率，即
Figure BDA0002198908180000036
pload(t) 表示t时刻的负荷功率，xpv表示光伏的装机容量(外层优化变量)；
S2.2、构建光-蓄系统的外层优化目标函数——容量配置；
Figure BDA0002198908180000073
其中，TC表示光-蓄系统的总成本，IC表示光-蓄系统的建设成本，OC表示光-蓄系统的运行成本，cδ表示联络线上功率波动引起的惩罚系数，该系数一般可由当地厂、网两家公司协定，
Figure BDA0002198908180000074
表示联络线上最大允许功率自平滑系数(并网最大允许波动值，本实施例中取10％)，cpv表示光伏模块的单位容量成本系数 (本实施例中取值0.85万元/kW)，cphsv表示抽水蓄能系统水库的建设成本系数 (本实施例中取值0.02万元/m3)，Vphs表示水库的容量(外层优化变量)，cphs表示抽蓄机组的单位容量成本系数(本实施例中取值0.6万元/kW)，xphs表示抽蓄机组的装机容量(外层优化变量)；
S3、构建光-蓄系统的约束条件；
Figure BDA0002198908180000075
其中，
Figure BDA0002198908180000076
表示光伏模块的最小、最大装机容量(本实施例中分别取值0和外层优化传入的光伏容量xpv)，Δt表示相邻两时刻的时间间隔，
Figure BDA0002198908180000077
Figure BDA0002198908180000078
表示光-蓄系统中变速水泵的最小允许启动功率和最大允许运行功率(本实施例中分别取值0MW和外层优化传入的抽蓄容量xphs)，SoCmin、SoCmax表示光- 蓄系统中上游水库最小、最大允许水量百分比(本实施例中分别取值30％和 100％)，
Figure BDA0002198908180000079
表示光-蓄系统中水轮发电机最小、最大允许出力(本实施例中分别取值0MW和外层优化传入的抽蓄容量xphs)；
S4、基于光-蓄系统的出力模型及约束条件，采用自适应粒子群和牛顿-拉夫逊算法对建立的双层优化模型进行优化求解，从而得到光-蓄系统容量配置方案。
其中，如图3所示，通过双层优化模型对光-蓄系统的容量优化的过程为：
S4.1、将光-蓄系统的总成本TC作为自适应粒子群算法的适应度函数；在光 -蓄系统的外层优化目标函数中，xpv、Vphs和xphs构成光-蓄系统的容量，并作为自适应粒子群算法中的优化变量；内层优化目标函数中，将
Figure BDA0002198908180000081
和
Figure BDA0002198908180000082
构成的控制变量pphs(t)，作为牛顿-拉夫逊算法中的控制变量；
S4.2、读入待建光伏地区的气象数据，包括光照、温度和风速，以及该地区的电力负荷数据，设置外层算法的最大迭代次数为300和内层算法的收敛精度为1×10-5，初始化外层算法的粒子种群数目为96、粒子在解空间的速度；
S4.3、根据读入数据和约束条件，初始化外层算法中所有粒子在解空间的初始位置为光-蓄系统的容量，初始化内层算法中控制变量为pphs(t)；
S4.4、根据外层自适应粒子群算法在解空间的位置，计算光-蓄系统的建设成本IC，然后将该粒子的位置(即光-蓄系统容量)代入到内层优化算法中作为约束条件的上限，其约束条件的下限设置为0，然后调用牛顿-拉夫逊算法求解光-蓄系统的运行成本OC；
其中，利用牛顿-拉夫逊算法求解光-蓄系统的运行成本OC的方法为：
S4.4.1、基于内层优化目标函数构造含有等式约束的拉格朗日函数L：
Figure BDA0002198908180000083
其中，λ为拉格朗日乘子，T表示优化运行的时间尺度，Δt为相邻两优化运行的时长；
S4.4.2、分别求解L关于pphs(t)和λ的偏导，并分别令其等于0；
S4.4.3、将偏导方程转化为关于λ的一元方程；
S4.4.4、采用牛顿-拉夫逊算法求解λ，并带回到L关于pphs(t)偏导的方程中，解出控制变量pphs(t)，然后校准当前时刻的控制变量pphs(t)，使其满足牛顿-拉夫逊算法的约束上下限；
S4.4..5、修正λ值后重复步骤S4.4..4，直到当λ的修正量Δλ小于等于给定收敛精度时，输出当前时刻的控制变量pphs(t)，再通过外层优化目标函数计算出光-蓄系统的运行成本OC；
S4.5、跳转至外层优化算法，根据IC和OC计算光-蓄系统的总成本TC，从而得到自适应粒子群算法的适应度函数值；
S4.6、判断当前迭代次数是否达到最大迭代次数，若未达到，进入步骤S4.7；若达到，进入步骤S4.9；
S4.7、更新自适应粒子群算法中权重系数、学习因子、速度和位置(光-蓄系统的容量)；
Figure BDA0002198908180000091
其中，ωep表示第ep次迭代过程中权重系数，fep表示第ep次迭代过程中进化因子，
Figure BDA0002198908180000092
表示第ep次迭代过程中粒子i与其他粒子之间的平均距离，
Figure BDA0002198908180000093
表示第ep 次迭代过程中全局最优粒子与其他粒子之间的平均距离，
Figure BDA0002198908180000094
分别表示第ep 次迭代过程中所有距离的最小值和最大值，N、D分别表示种群数目和优化变量个数，
Figure BDA0002198908180000095
表示第i个粒子在第ep次迭代过程中对应的第k个变量的位置，
Figure BDA0002198908180000096
Figure BDA0002198908180000097
分别表示第ep次迭代过程中的个体学习因子、群体学习因子，
Figure BDA0002198908180000098
Figure BDA0002198908180000099
分别表示第ep次迭代过程中的个体和群体最小、最大学习因子，epmax表示最大迭代次数，
Figure BDA00021989081800000910
第i个粒子在第ep次迭代中的速度，r1、r2分别表示0到1的随机数，
Figure BDA00021989081800000911
第i个粒子在第ep次迭代中的局部最优位置，globalep表示第ep次迭代中的全局最优位置，
Figure BDA00021989081800000912
表示第i个粒子在第ep次迭代中的位置；
S4.8、将当前迭代次数ep自加1，再返回至步骤S4.4；
S4.9、根据自适应粒子群算法的适应度函数值，输出光-蓄系统的最优容量 xpv、Vphs和xphs，以及控制变量pphs，从而完成限定联络线上功率波动的光-蓄系统的最优容量配置及抽蓄的最优运行方式。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种限定联络线上功率波动的光-蓄系统容量优化方法，其特征在于，包括以下步骤：
(1)、构建光-蓄系统的出力模型；
(1.1)、构建光伏模块的出力模型；
Figure FDA0002948688250000011
其中，ppv(t)表示t时刻光伏模块的单位输出功率，ηpv表示由污渍引起的光伏发电系统的降额系数，pstc表示光伏面板在标准测试条件下的单位输出功率，gc(t)表示t时刻实际的太阳照度，gstc表示标准测试条件下的太阳照度，αpv表示光伏面板的功率温度系数，tc(t)表示t时刻光伏面板上的实际温度，tstc表示标准测试条件下光伏面板上的温度，ta(t)表示t时刻的环境温度，μpv表示由太阳照射引起的温升且与风速相关的系数；
(1.2)、构建抽水蓄能系统的出力模型；
Figure FDA0002948688250000012
其中，qpump(t)为t时刻变速抽水泵的抽水流量，ηpump为变速抽水泵的效率，
Figure FDA0002948688250000013
为t时刻变速抽水泵的吸收功率，g为重力加速度，H为抽水蓄能电站水头高度，
Figure FDA0002948688250000014
为t时刻水轮机释放的发出功率，ηturbine为水轮机的效率，qturbine(t)为t时刻水轮机发电用水流量，Q(t)为t时刻抽水蓄能电站上游水库剩余水量，λ为上游水库水量的蒸发和泄漏系数，r(t)为t时刻水库流入流量，SoC(t)为t时刻上游水库剩余水量百分比，Vphsv为上游水库最大可用容量；
(2)、构建光-蓄系统的双层优化目标函数；
(2.1)、构建光-蓄系统的内层优化目标函数——联络线上功率自平滑系数；
Figure FDA0002948688250000021
其中，δtie-line表示联络线上的功率自平滑系数，T表示优化运行的时间尺度，ptie-line(t)表示t时刻光-蓄系统联络线上的功率，
Figure FDA0002948688250000022
表示光-蓄系统联络线上功率的平均值，pphs(t)为正数时，表示t时刻抽水蓄能电站中变速抽水泵吸收功率，即
Figure FDA0002948688250000023
pphs(t)为负数时，表示t时刻抽水蓄能电站中水轮机发出功率，即
Figure FDA0002948688250000024
pload(t)表示t时刻的负荷功率，xpv表示光伏的装机容量；
(2.2)、构建光-蓄系统的外层优化目标函数——容量配置；
Figure FDA0002948688250000025
其中，TC表示光-蓄系统的总成本，IC表示光-蓄系统的建设成本，OC表示光-蓄系统的运行成本，cδ表示联络线上功率波动引起的惩罚系数，
Figure FDA0002948688250000026
表示联络线上最大允许功率自平滑系数，cpv表示光伏模块的单位容量成本系数，cphsv表示抽水蓄能系统的建设成本系数，Vphs表示水库的容量，cphs表示抽蓄机组的单位容量成本系数，xphs表示抽蓄机组的装机容量；
(3)、构建光-蓄系统的约束条件；
Figure FDA0002948688250000027
其中，
Figure FDA0002948688250000028
表示光伏模块的最小、最大装机容量，Δt表示相邻两时刻的时间间隔，
Figure FDA0002948688250000029
表示光-蓄系统中变速水泵的最小允许启动功率和最大允许运行功率，SoCmin、SoCmax表示光-蓄系统中上游水库最小、最大允许水量百分比，
Figure FDA0002948688250000031
表示光-蓄系统中水轮发电机最小、最大允许出力；
(4)、基于光-蓄系统的出力模型及约束条件，采用牛顿-拉夫逊算法和自适应粒子群算法建立双层优化模型，分别在内外层对光-蓄系统的目标函数进行优化，得到光-蓄系统容量配置方案。
2.根据权利要求1所述的一种限定联络线上功率波动的光-蓄系统容量优化方法，其特征在于，所述步骤(4)中，通过双层优化模型在内外层对光-蓄系统的目标函数进行优化的过程为：
(4.1)、将外层优化目标函数中的建设成本目标函数IC作为自适应粒子群算法的适应度函数；在光-蓄系统的外层优化目标函数中，xpv、Vphs和xphs构成光-蓄系统的容量，并作为自适应粒子群算法中的优化变量；内层优化目标函数中，将
Figure FDA0002948688250000032
和
Figure FDA0002948688250000033
构成控制变量pphs(t)，作为牛顿-拉夫逊算法中的控制变量；
(4.2)、读入待建光伏地区的气象数据，包括光照、温度和风速，以及该地区的电力负荷数据，设置外层算法的最大迭代次数和内层算法的收敛精度，初始化外层算法的粒子种群数目、粒子在解空间的速度；
(4.3)、根据读入数据和约束条件，初始化外层算法中所有粒子在解空间的初始位置为光-蓄系统的容量，初始化内层算法中控制变量为pphs(t)；
(4.4)、根据外层自适应粒子群算法在解空间的位置，计算光-蓄系统的建设成本IC，然后将该粒子的位置代入到内层优化算法中，作为约束条件的上限，其约束条件的下限设置为0，然后调用牛顿-拉夫逊算法求解光-蓄系统的运行成本OC；
(4.5)、跳转至外层优化算法，根据IC和OC计算光-蓄系统的总成本TC，从而得到自适应粒子群算法的适应度函数值；
(4.6)、判断迭代次数是否达到最大迭代次数，若达到，进入步骤(4.7)；若未达到，进入步骤(4.9)；
(4.7)、更新自适应粒子群算法中权重系数、学习因子、速度和位置；
Figure FDA0002948688250000041
其中，ωep表示第ep次迭代过程中权重系数，fep表示第ep次迭代过程中进化因子，
Figure FDA0002948688250000042
表示第ep次迭代过程中粒子i与其他粒子之间的平均距离，
Figure FDA0002948688250000043
表示第ep次迭代过程中全局最优粒子与其他粒子之间的平均距离，
Figure FDA0002948688250000044
分别表示第ep次迭代过程中所有距离的最小值和最大值，N、D分别表示种群数目和优化变量个数，
Figure FDA0002948688250000045
表示第i个粒子在第ep次迭代过程中对应的第k个变量的位置，
Figure FDA0002948688250000046
表示第j个粒子在第ep次迭代过程中对应的第k个变量的位置，
Figure FDA0002948688250000047
分别表示第ep次迭代过程中的个体学习因子、群体学习因子，
Figure FDA0002948688250000048
分别表示第ep次迭代过程中的个体和群体最小、最大学习因子，epmax表示最大迭代次数，
Figure FDA0002948688250000049
第i个粒子在第ep次迭代中的速度，r1、r2分别表示0到1的随机数，
Figure FDA00029486882500000410
第i个粒子在第ep次迭代中的局部最优位置，globalep表示第ep次迭代中的全局最优位置，
Figure FDA00029486882500000411
表示第i个粒子在第ep次迭代中的位置；
(4.8)、将当前迭代次数ep自加1，再返回至步骤(4.4)；
(4.9)、根据自适应粒子群算法的适应度函数值，输出光-蓄系统的最优容量xpv、Vphs和xphs，以及控制变量pphs，从而完成限定联络线上功率波动的光-蓄容量优化配置。
3.根据权利要求2所述的一种限定联络线上功率波动的光-蓄系统容量优化方法，其特征在于，所述的利用牛顿-拉夫逊算法求解光-蓄系统的运行成本OC的方法为：
(3.1)、基于内层优化目标函数构造含有等式约束的拉格朗日函数L：
Figure FDA0002948688250000051
其中，λ为拉格朗日乘子，T表示优化运行的时间尺度，Δt为相邻两优化运行的时长；
(3.2)、分别求解L关于pphs(t)和λ的偏导，并分别令其等于0；
(3.3)、将偏导方程转化为关于λ的一元方程；
(3.4)、采用牛顿-拉夫逊算法求解λ，并带回到L关于pphs(t)偏导的方程中，解出控制变量pphs(t)，然后校准当前时刻的控制变量pphs(t)，使其满足牛顿-拉夫逊算法的约束上下限；
(3.5)、修正λ值后重复步骤(3.4)，直到当λ的修正量Δλ小于等于给定收敛精度时，输出当前时刻的控制变量pphs(t)，再通过外层优化目标函数计算出光-蓄系统的运行成本OC。
CN201910858350.4A 2019-09-11 2019-09-11 一种限定联络线上功率波动的光-蓄系统容量优化方法 Active CN110601260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910858350.4A CN110601260B (zh) 2019-09-11 2019-09-11 一种限定联络线上功率波动的光-蓄系统容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910858350.4A CN110601260B (zh) 2019-09-11 2019-09-11 一种限定联络线上功率波动的光-蓄系统容量优化方法

Publications (2)

Publication Number Publication Date
CN110601260A CN110601260A (zh) 2019-12-20
CN110601260B true CN110601260B (zh) 2021-05-14

Family

ID=68858767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910858350.4A Active CN110601260B (zh) 2019-09-11 2019-09-11 一种限定联络线上功率波动的光-蓄系统容量优化方法

Country Status (1)

Country Link
CN (1) CN110601260B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111917140B (zh) * 2020-07-17 2023-01-10 兰州理工大学 一种新能源互补发电系统二层优化调度模型
CN112072643A (zh) * 2020-08-20 2020-12-11 电子科技大学 一种基于深度确定性梯度策略的光-蓄系统在线调度方法
CN114024339B (zh) * 2021-11-26 2023-08-01 国网四川省电力公司电力科学研究院 一种利用梯级水电扩建全功率变速抽水蓄能机组的方法
CN114752950A (zh) * 2022-05-16 2022-07-15 中国标准化研究院 一种波动型功率输入的电解水制氢方法及装置
CN115566701B (zh) * 2022-08-26 2024-05-10 中国长江三峡集团有限公司 确定定速抽蓄容量和变速抽蓄容量的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2104216A1 (en) * 2008-03-20 2009-09-23 Ansaldo Sistemi Industriali S.p.A. Electric power generating system with a plurality of electric power sources parallely feeding a DC voltage line which supplies power to an AC grid
CN105896596A (zh) * 2016-04-15 2016-08-24 合肥工业大学 一种考虑需求侧响应的风电功率分层平滑系统及其方法
CN107069776A (zh) * 2017-04-12 2017-08-18 东南大学 一种平滑微网联络线功率的储能前瞻分布式控制方法
CN108879793A (zh) * 2018-07-12 2018-11-23 电子科技大学 一种风光蓄能水电站互补的离网式混合能源系统优化方法
CN109873419A (zh) * 2019-02-21 2019-06-11 电子科技大学 一种考虑相似度和经济收益的水光蓄系统运行优化方法
CN110165715A (zh) * 2019-05-31 2019-08-23 电子科技大学 一种将电动汽车储能式充电站接入虚拟电厂的方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244390B (zh) * 2011-07-11 2013-12-11 天津大学 平滑微网联络线功率波动的储能系统容量优化方法
CN102611127B (zh) * 2012-02-17 2014-12-03 中国电力科学研究院 一种微电网自平衡和自平滑统一的控制方法
CN102593873B (zh) * 2012-03-06 2014-03-12 天津大学 一种微网联络线功率波动平滑控制方法
CN102664401B (zh) * 2012-04-16 2014-11-19 中国电力科学研究院 一种基于电池寿命模型的微电网控制方法
CN103326391B (zh) * 2013-06-14 2015-07-29 深圳供电局有限公司 一种新能源并网联络线功率的平滑控制方法及装置
CN103701143A (zh) * 2013-11-04 2014-04-02 国家电网公司 平滑风光储系统功率波动的储能配置方法
CN106849132B (zh) * 2017-04-05 2019-06-18 上海交通大学 基于群控热泵的微电网联络线功率波动平抑方法及系统
CN109842147A (zh) * 2018-02-01 2019-06-04 大全集团有限公司 一种微电网并网联络线功率的控制系统及其方法
CN108695868B (zh) * 2018-06-26 2021-10-01 上海交通大学 基于电力电子变压器的配电网储能选址定容方法
CN109004686B (zh) * 2018-08-29 2021-04-30 三峡大学 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统
CN110086181B (zh) * 2019-05-31 2020-08-11 浙江大学 一种离网运行时电-热联供微电网中功率自适应协同控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2104216A1 (en) * 2008-03-20 2009-09-23 Ansaldo Sistemi Industriali S.p.A. Electric power generating system with a plurality of electric power sources parallely feeding a DC voltage line which supplies power to an AC grid
CN105896596A (zh) * 2016-04-15 2016-08-24 合肥工业大学 一种考虑需求侧响应的风电功率分层平滑系统及其方法
CN107069776A (zh) * 2017-04-12 2017-08-18 东南大学 一种平滑微网联络线功率的储能前瞻分布式控制方法
CN108879793A (zh) * 2018-07-12 2018-11-23 电子科技大学 一种风光蓄能水电站互补的离网式混合能源系统优化方法
CN109873419A (zh) * 2019-02-21 2019-06-11 电子科技大学 一种考虑相似度和经济收益的水光蓄系统运行优化方法
CN110165715A (zh) * 2019-05-31 2019-08-23 电子科技大学 一种将电动汽车储能式充电站接入虚拟电厂的方法

Also Published As

Publication number Publication date
CN110601260A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110601260B (zh) 一种限定联络线上功率波动的光-蓄系统容量优化方法
CN109327042B (zh) 一种微电网多能源联合优化调度方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN111144620B (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN108764519B (zh) 一种园区能源互联网能源设备容量优化配置方法
CN103762589A (zh) 一种电网中新能源容量配比分层优化方法
CN108599206A (zh) 高比例不确定电源场景下的配电网混合储能配置方法
CN110994606B (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
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN108233430A (zh) 一种计及系统能源波动性的交直流混合微网优化方法
CN111934360A (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN106600022B (zh) 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法
Xiao et al. A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN111969595B (zh) 一种在离网/并网下水光蓄混合能源系统的运行优化方法
CN109873419B (zh) 一种考虑相似度和经济收益的水光蓄系统运行优化方法
CN110571868B (zh) 微电网的优化配置方法
CN108110800A (zh) 风、光、储、热多能柔性互补的有源配电负荷重构方法
Lin et al. Optimal hybrid energy solution for island micro-grid
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN110334856A (zh) 一种基于碳交易机制的风光储容量规划方法
CN110414185B (zh) 一种用于多可再生能源发电系统的储能设备容量优化方法
CN114372609A (zh) 计及新能源消纳成本最优的多源荷互补规划方法

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