CN110729767A - 一种含水电的地区电网风光容量优化配置方法 - Google Patents

一种含水电的地区电网风光容量优化配置方法 Download PDF

Info

Publication number
CN110729767A
CN110729767A CN201910952851.9A CN201910952851A CN110729767A CN 110729767 A CN110729767 A CN 110729767A CN 201910952851 A CN201910952851 A CN 201910952851A CN 110729767 A CN110729767 A CN 110729767A
Authority
CN
China
Prior art keywords
typical
power
wind
power grid
scene
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
CN201910952851.9A
Other languages
English (en)
Inventor
刘结
任洲洋
宋子强
刘俊磊
蔡秋娜
姜云鹏
张韧
刘思捷
颜伟
彭孝强
吴明亮
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.)
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Yangjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Chongqing University
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Yangjiang Power Supply Bureau of Guangdong Power Grid 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 Chongqing University, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd, Yangjiang Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Chongqing University
Priority to CN201910952851.9A priority Critical patent/CN110729767A/zh
Publication of CN110729767A publication Critical patent/CN110729767A/zh
Pending legal-status Critical Current

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
    • 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

本发明公开了一种含水电的地区电网风光容量优化配置方法，主要步骤为：1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日。2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景。3)设置待优化地区电网内风电场和光伏电站的待选接入点。4)基于所述待选接入点，建立优化地区电网的目标函数和约束条件。5)基于待优化地区电网的约束条件，求解目标函数，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。准确计及了水电站的运行特性，实现地区电网内可再生能源的全额消纳，避免了弃风、弃光、弃水问题，完成了含水电的地区电网的风光容量优化配置。

Description

一种含水电的地区电网风光容量优化配置方法
技术领域
本发明涉及新能源电力系统技术领域，具体是一种含水电的地区电网风光容量优化配置方法。
背景技术
近年来，以风电、光伏为代表的新能源电源在应对气候变化、改善能源结构、保护生态环境等方面显示出越来越重要的作用，风电场和光伏电站高渗透率接入地区电网将是电力系统未来发展的重要特征。然而，新能源的快速发展也给地区电网带来一系列的问题，如目前风电和光伏接入地区电网的无序性，导致严重的“弃风”、“弃光”问题。因此，有必要合理优化配置地区电网的风电场和光伏电站装机容量。
现有的风光容量优化配置方法主要存在三个问题：1)只针对风电场或光伏电站的接入容量进行规划，但实际的地区电网可能同时富集风光资源，单独规划便割裂了风光出力的耦合关系；2)规划方案确定的新能源电场接入容量，存在一定的“弃风”、“弃光”和“弃水”，无法保证新能源的全额消纳，造成了资源的浪费；3)已有的风光容量优化配置方法较少考虑含水电的地区电网，未准确计及水电站的运行特性，未能提出适用于含水电的地区电网风光容量优化配置方法。因此，目前缺乏一种含水电的地区电网风光容量优化配置方法。
发明内容
本发明的目的是解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的，一种含水电的地区电网风光容量优化配置方法，主要包括以下步骤：
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日，并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景，并分别计算每个典型场景发生的概率。
进一步，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下：
1.1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日，设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔，依次对典型日内的采样节点进行功率采样，获得典型日的采样点功率数据。基于采样点功率数据，将每个典型日划分为峰、平和谷三个时段。
1.2)根据采样点功率数据，分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下：
式中，P为典型日内建立的原始场景，
Figure BDA0002226318450000022
和
Figure BDA0002226318450000023
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率，n＝1,2,…,N，N为采样点总数。
1.3)利用K均值聚类技术对原始场景进行聚类，主要步骤如下：
1.3.1)根据典型日峰、平和谷三个时段内的典型场景，分别在峰、平和谷三个时段内选取K个初始聚类中心。
1.3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离，并采用均值法更新迭代聚类中心直至收敛，进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
1.4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析，分别计算每个原始场景和所有聚类中心的欧式距离，并选择与聚类中心欧式距离最小的原始场景替换聚类中心，更新后的聚类中心即为峰、平和谷时段内的典型场景。
1.5)各个典型场景发生的概率如下所示：
Figure BDA0002226318450000031
式中，k为典型场景的编号，Pk为第k个典型场景发生的概率，K为典型场景的总数，nk为典型场景k所代表的原始场景数量，N为原始场景总数，Tk为典型场景k所属的典型日在一年中所代表的天数。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点，建立优化地区电网的目标函数和约束条件。所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
进一步，待优化地区电网的目标函数如下所示：
Figure BDA0002226318450000032
式中，w和pv分别表示风电场和光伏电站的编号，Nw和Npv分别为待选接入的风电场和光伏电站的总数，Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
进一步，待优化地区电网的约束条件分别如公式(4)至公式(9)所示：
风光装机容量约束如下所示：
式中，αw为第w个风电场单位容量占地面积。αpv为第pv个光伏电站单位容量占地面积。和
Figure BDA0002226318450000043
分别为待选接入点用于风电开发的面积最大值和最小值，
Figure BDA0002226318450000044
和
Figure BDA0002226318450000045
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示：
Figure BDA0002226318450000046
式中，Nk为典型日内典型场景总数，k为典型场景的编号，Nh为电网内水电站总数，h为水电站的编号，kw和kpv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数，也即风电场和光伏电站的实际出力与其容量的比值，ΔTk为第k个典型场景所持续的时间，
Figure BDA0002226318450000047
和
Figure BDA0002226318450000048
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。
Figure BDA0002226318450000049
为第k个典型场景下的第h座水电站的平均发电净水头。
功率平衡约束如下所示：
式中，和
Figure BDA00022263184500000412
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力，
Figure BDA00022263184500000413
和
Figure BDA00022263184500000414
为节点i所连接的第w座风电场和第pv座光伏电站的容量，
Figure BDA00022263184500000415
为节点i所连接的负荷在第k个典型场景下的有功功率，
Figure BDA0002226318450000051
和
Figure BDA0002226318450000052
分别为节点i与节点j在第k个典型场景下的电压相角，为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示：
Figure BDA0002226318450000054
式中，
Figure BDA0002226318450000055
和分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限，
Figure BDA0002226318450000057
和
Figure BDA0002226318450000058
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示：
Figure BDA0002226318450000059
式中，为支路ij所允许的有功功率传输最大值。
水电站约束如下所示：
Figure BDA00022263184500000511
式中，ηh为第h座水电站的发电效率，
Figure BDA00022263184500000512
为第k个典型场景下的第h座水电站的发电流量，
Figure BDA00022263184500000513
为第k个典型场景下的第h座水电站的平均发电净水头，
Figure BDA00022263184500000514
为第k个典型场景下的第h座水电站的水库蓄水量，
Figure BDA00022263184500000515
为第k+1个典型场景下的第h座水电站的水库蓄水量，
Figure BDA0002226318450000061
为第k个典型场景下的第h座水电站的水库入库流量，
Figure BDA0002226318450000062
为第k个典型场景下的第h座水电站的水库出库流量，和
Figure BDA0002226318450000064
分别为第h座水电站的水库蓄水量的最小值和最大值，和
Figure BDA0002226318450000066
分别为第h座水电站发电流量的最小值和最大值。
5)基于待优化地区电网的约束条件，求解目标函数，优化水电站出力，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
本发明的技术效果是毋庸置疑的。针对含水电的地区电网，本发明提出了一种风光容量优化配置方法，该方法准确计及了水电站的运行特性，实现地区电网内可再生能源的全额消纳，避免了弃风、弃光、弃水问题，完成了含水电的地区电网的风光容量优化配置，可为地区电网内的新能源发展规划提供参考。
附图说明
图1为含水电的地区电网风光容量优化配置方法的流程示意图；
图2为地区电网的网架结构；
图3为地区电网在春季典型日聚类生成的典型场景；
图4为地区电网在夏季典型日聚类生成的典型场景；
图5为地区电网在秋季典型日聚类生成的典型场景；
图6为地区电网在冬季典型日聚类生成的典型场景。
具体实施方式
下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
实施例1：
一种含水电的地区电网风光容量优化配置方法，主要包括以下步骤：
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日，并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景，并分别计算每个典型场景发生的概率。
进一步，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下：
2.1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日，设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔，依次对典型日内的采样节点进行功率采样，获得典型日的采样点功率数据。基于采样点功率数据，将每个典型日划分为峰、平和谷三个时段。
2.2)根据采样点功率数据，分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下：
Figure BDA0002226318450000071
式中，P为典型日内建立的原始场景，
Figure BDA0002226318450000072
和
Figure BDA0002226318450000073
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率，n＝1,2,…,N，N为采样点总数。
2.3)利用K均值聚类技术对原始场景进行聚类，主要步骤如下：
2.3.1)根据典型日峰、平和谷三个时段内的典型场景，分别在峰、平和谷三个时段内选取K个初始聚类中心。
2.3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离，并采用均值法更新迭代聚类中心直至收敛，进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
2.4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析，分别计算每个原始场景和所有聚类中心的欧式距离，并选择与聚类中心欧式距离最小的原始场景替换聚类中心，更新后的聚类中心即为峰、平和谷时段内的典型场景。
2.5)各个典型场景发生的概率如下所示：
Figure BDA0002226318450000081
式中，k为典型场景的编号，Pk为第k个典型场景发生的概率，K为典型场景的总数，nk为典型场景k所代表的原始场景数量，N为原始场景总数，Tk为典型场景k所属的典型日在一年中所代表的天数。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点，建立优化地区电网的目标函数和约束条件。所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
进一步，待优化地区电网的目标函数如下所示：
Figure BDA0002226318450000082
式中，w和pv分别表示风电场和光伏电站的编号，Nw和Npv分别为待选接入的风电场和光伏电站的总数，Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
进一步，待优化地区电网的约束条件分别如公式(4)至公式(9)所示：
风光装机容量约束如下所示：
Figure BDA0002226318450000091
式中，αw为第w个风电场单位容量占地面积。αpv为第pv个光伏电站单位容量占地面积。
Figure BDA0002226318450000092
和
Figure BDA0002226318450000093
分别为待选接入点用于风电开发的面积最大值和最小值，
Figure BDA0002226318450000094
和
Figure BDA0002226318450000095
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示：
式中，Nk为典型日内典型场景总数，k为典型场景的编号，Nh为电网内水电站总数，h为水电站的编号，kw和kpv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数，也即风电场和光伏电站的实际出力与其容量的比值，ΔTk为第k个典型场景所持续的时间，
Figure BDA0002226318450000097
和
Figure BDA0002226318450000098
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。为第k个典型场景下的第h座水电站的平均发电净水头。净水头为毛水头减去水头损失的值，毛水头为上游水位和下游水位的差值。
功率平衡约束如下所示：
Figure BDA0002226318450000101
式中，
Figure BDA0002226318450000102
和
Figure BDA0002226318450000103
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力，
Figure BDA0002226318450000104
和为节点i所连接的第w座风电场和第pv座光伏电站的容量，
Figure BDA0002226318450000106
为节点i所连接的负荷在第k个典型场景下的有功功率，
Figure BDA0002226318450000107
和
Figure BDA0002226318450000108
分别为节点i与节点j在第k个典型场景下的电压相角，为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示：
Figure BDA00022263184500001010
式中，
Figure BDA00022263184500001011
和分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限，
Figure BDA00022263184500001013
和
Figure BDA00022263184500001014
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示：
Figure BDA00022263184500001015
式中，
Figure BDA00022263184500001016
为支路ij所允许的有功功率传输最大值。
水电站约束如下所示：
Figure BDA0002226318450000111
式中，ηh为第h座水电站的发电效率，
Figure BDA0002226318450000112
为第k个典型场景下的第h座水电站的发电流量，
Figure BDA0002226318450000113
为第k个典型场景下的第h座水电站的平均发电净水头，
Figure BDA0002226318450000114
为第k个典型场景下的第h座水电站的水库蓄水量，
Figure BDA0002226318450000115
为第k+1个典型场景下的第h座水电站的水库蓄水量，
Figure BDA0002226318450000116
为第k个典型场景下的第h座水电站的水库入库流量，为第k个典型场景下的第h座水电站的水库出库流量，
Figure BDA0002226318450000118
和
Figure BDA0002226318450000119
分别为第h座水电站的水库蓄水量的最小值和最大值，
Figure BDA00022263184500001110
和
Figure BDA00022263184500001111
分别为第h座水电站发电流量的最小值和最大值。
5)基于待优化地区电网的约束条件，求解目标函数，优化水电站出力，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
实施例2：
一种含水电的地区电网风光容量优化配置方法，主要包括以下步骤：
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日，并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景，并分别计算每个典型场景发生的概率。
3)设置待优化地区电网内风电场和光伏电站的待选接入点。
4)基于所述待选接入点，以电网内新能源装机容量最大为目标，建立优化地区电网的目标函数和约束条件；所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束。
5)基于待优化地区电网的约束条件，求解目标函数，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
实施例3：
一种含水电的地区电网风光容量优化配置方法，主要步骤见实施例2，其中，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下：
1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日，设置每个典型日内的功率采样点和功率采样时间间隔。
基于所述功率采样时间间隔，依次对典型日内的采样节点进行功率采样，获得典型日的采样点功率数据。基于采样点功率数据，将每个典型日划分为峰、平和谷三个时段。
2)根据采样点功率数据，分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景。
各典型日的原始场景表示如下：
Figure BDA0002226318450000121
式中，P为典型日内建立的原始场景，
Figure BDA0002226318450000122
和分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率，n＝1,2,…,N，N为采样点总数。
3)利用K均值聚类技术对原始场景进行聚类，主要步骤如下：
3.1)根据典型日峰、平和谷三个时段内的典型场景，分别在峰、平和谷三个时段内选取K个初始聚类中心。
3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离，并采用均值法更新迭代聚类中心直至收敛，进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心。
4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析，分别计算每个原始场景和所有聚类中心的欧式距离，并选择与聚类中心欧式距离最小的原始场景替换聚类中心，更新后的聚类中心即为峰、平和谷时段内的典型场景。
5)各个典型场景发生的概率如下所示：
Figure BDA0002226318450000131
式中，k为典型场景的编号，Pk为第k个典型场景发生的概率，K为典型场景的总数，nk为典型场景k所代表的原始场景数量，N为原始场景总数，Tk为典型场景k所属的典型日在一年中所代表的天数。
实施例4：
一种含水电的地区电网风光容量优化配置方法，主要步骤见实施例2，其中，目标函数如下所示：
Figure BDA0002226318450000132
式中，w和pv分别表示风电场和光伏电站的编号，Nw和Npv分别为待选接入的风电场和光伏电站的总数，Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
实施例5：
一种含水电的地区电网风光容量优化配置方法，主要步骤见实施例2，其中，待优化地区电网的约束条件分别如下所示：
风光装机容量约束如下所示：
Figure BDA0002226318450000141
式中，αw为第w个风电场单位容量占地面积。αpv为第pv个光伏电站单位容量占地面积。和分别为待选接入点用于风电开发的面积最大值和最小值，
Figure BDA0002226318450000144
和
Figure BDA0002226318450000145
分别为待选接入点用于光伏开发的面积最大值和最小值。
风光水消纳约束如下所示：
Figure BDA0002226318450000146
式中，Nk为典型日内典型场景总数，k为典型场景的编号，Nh为电网内水电站总数，h为水电站的编号，kw和kpv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数，也即风电场和光伏电站的实际出力与其容量的比值，ΔTk为第k个典型场景所持续的时间，
Figure BDA0002226318450000147
和
Figure BDA0002226318450000148
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量。
Figure BDA0002226318450000149
为第k个典型场景下的第h座水电站的平均发电净水头。
功率平衡约束如下所示：
式中，
Figure BDA0002226318450000152
和
Figure BDA0002226318450000153
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力，
Figure BDA0002226318450000154
和
Figure BDA0002226318450000155
为节点i所连接的第w座风电场和第pv座光伏电站的容量，
Figure BDA0002226318450000156
为节点i所连接的负荷在第k个典型场景下的有功功率，
Figure BDA0002226318450000157
和
Figure BDA0002226318450000158
分别为节点i与节点j在第k个典型场景下的电压相角，
Figure BDA0002226318450000159
为节点i与节点j的支路导纳。i、j表示待优化地区电网节点。
机组出力约束如下所示：
Figure BDA00022263184500001510
式中，
Figure BDA00022263184500001511
和
Figure BDA00022263184500001512
分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限，
Figure BDA00022263184500001513
和
Figure BDA00022263184500001514
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限。
线路传输容量约束如下所示：
式中，
Figure BDA00022263184500001516
为支路ij所允许的有功功率传输最大值。
水电站约束如下所示：
Figure BDA0002226318450000161
式中，ηh为第h座水电站的发电效率，
Figure BDA0002226318450000162
为第k个典型场景下的第h座水电站的发电流量，为第k个典型场景下的第h座水电站的平均发电净水头，
Figure BDA0002226318450000164
为第k个典型场景下的第h座水电站的水库蓄水量，
Figure BDA0002226318450000165
为第k+1个典型场景下的第h座水电站的水库蓄水量，
Figure BDA0002226318450000166
为第k个典型场景下的第h座水电站的水库入库流量，为第k个典型场景下的第h座水电站的水库出库流量，
Figure BDA0002226318450000168
和
Figure BDA0002226318450000169
分别为第h座水电站的水库蓄水量的最小值和最大值，
Figure BDA00022263184500001610
和
Figure BDA00022263184500001611
分别为第h座水电站发电流量的最小值和最大值。
实施例6：
一种验证含水电的地区电网风光容量优化配置方法的实验，主要步骤如下：
1)获取地区电网在春季、夏季、秋季、冬季的典型日，以及收资地区电网在各个典型日内的数据。以我国南方某市的110kV地区电网作为实施例，该地区电网的网架结构如图2所示。该地区电网共有19个节点，节点1是该地区电网的平衡节点，地区电网通过节点1同外部电网进行电能的交换；节点3连接该地区电网已投运的风电场；节点7连接该地区电网已投运的光伏电站；节点14、15和16连接该地区电网已投运的水电站；节点17和节点19将作为该地区电网风电场的待选接入点，节点18将作为该地区电网光伏电站的待选接入点。分别在春季、夏季、秋季、冬季各选取一典型日，其中，春季选择了3月21日，夏季选择了8月5日，秋季选取10月21日，冬季选择了12月15日。
2)利用K均值聚类技术聚类生成地区电网在春季、夏季、秋季、冬季各个典型日内的典型场景，并获得各个典型场景的概率。
选择地区电网的节点1-16作为功率采样点，每隔15min对各采样点进行一次功率采样获得各个节点的原始数据，并将各个典型日划分为峰、平、谷三个时段，典型日内的峰、平和谷时段划分情况如表1所示。
表1典型日内的峰、平和谷时段划分情况
Figure BDA0002226318450000171
根据采样获得的原始数据，建立峰、平、谷三个时段内的原始场景，并采用K均值聚类技术分别在各个典型日的峰、平和谷时段内生成典型场景，并计算典型场景发生的概率。
图3至图6为春季、夏季、秋季、冬季典型日内的典型场景生成结果，表2为春季、夏季、秋季、冬季典型日内的典型场景发生的概率。
表2各个典型日内的典型场景发生的概率
Figure BDA0002226318450000181
3)该地区电网计划将在节点17和节点19接入风电场、节点18接入光伏电站，该地区电网内的风电场和光伏电站在各个典型场景下的出力系数如表3所示。
表3各个典型日内的典型场景下的出力系数
Figure BDA0002226318450000182
4)基于风电场和光伏电站的待选接入点，建立地区电网的目标函数和约束条件，利用优化求解算法优化求解得到地区电网待选接入点的风/光装机容量。
基于测试网络和典型场景数据，利用水电站的灵活调节作用，实现地区电网内的可再生能源全额消纳，计算出待选接入点风电场和光伏电站的装机容量，计算结果如表4所示，经计算，该地区电网的风光装机容量最大为87.10MW。
表4地区电网内的风光装机容量
待选接入点 新能源电站类型 装机容量(MW)
节点17 风电场 16.72
节点18 光伏电站 32.69
节点19 风电场 37.69

Claims (4)

1.一种含水电的地区电网风光容量优化配置方法，其特征在于，主要包括以下步骤：
1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日，并获取待优化地区电网在各个典型日内的功率数据。
2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景，并分别计算每个典型场景发生的概率；
3)设置待优化地区电网内风电场和光伏电站的待选接入点；
4)基于所述待选接入点，建立优化地区电网的目标函数和约束条件；所述约束条件包括风光装机容量约束、风光水消纳约束、功率平衡约束、机组出力约束、线路传输容量约束和水电站约束；
5)基于待优化地区电网的约束条件，求解目标函数，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。
2.根据权利要求1所述的一种含水电的地区电网风光容量优化配置方法，其特征在于，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景的主要步骤如下：
1)基于待优化地区电网在春季、夏季、秋季、冬季的典型日，设置每个典型日内的功率采样点和功率采样时间间隔；
基于所述功率采样时间间隔，依次对典型日内的采样节点进行功率采样，获得典型日的采样点功率数据；基于采样点功率数据，将每个典型日划分为峰、平和谷三个时段；
2)根据采样点功率数据，分别建立典型日内峰、平和谷三个时段内的源荷功率原始场景；
各典型日的原始场景表示如下：
Figure FDA0002226318440000021
式中，P为典型日内建立的原始场景，
Figure FDA0002226318440000022
和
Figure FDA0002226318440000023
分别为第n个采样点在峰、平、谷时段内的第t个采样时刻的采样功率，n＝1,2,…,N，N为采样点总数；
3)利用K均值聚类技术对原始场景进行聚类，主要步骤如下：
3.1)根据典型日峰、平和谷三个时段内的典型场景，分别在峰、平和谷三个时段内选取K个初始聚类中心；
3.2)计算峰、平和谷时段内的原始场景和对应时段内所有聚类中心的距离，并采用均值法更新迭代聚类中心直至收敛，进而分别在峰、平和谷时段内聚类生成K个类和K个聚类中心；
4)将峰、平和谷时段内生成的K个聚类中心和对应时段内的原始场景进行比较分析，分别计算每个原始场景和所有聚类中心的欧式距离，并选择与聚类中心欧式距离最小的原始场景替换聚类中心，更新后的聚类中心即为峰、平和谷时段内的典型场景；
5)各个典型场景发生的概率如下所示：
Figure FDA0002226318440000024
式中，k为典型场景的编号，Pk为第k个典型场景发生的概率，K为典型场景的总数，nk为典型场景k所代表的原始场景数量，N为原始场景总数，Tk为典型场景k所属的典型日在一年中所代表的天数。
3.根据权利要求1或2所述的一种含水电的地区电网风光容量优化配置方法，其特征在于，待优化地区电网的目标函数如下所示：
Figure FDA0002226318440000031
式中，w和pv分别表示风电场和光伏电站的编号，Nw和Npv分别为待选接入的风电场和光伏电站的总数，Yw和Ypv分别为第w个风电场和第pv个光伏电站的装机容量。
4.根据权利要求1或2所述的一种含水电的地区电网风光容量优化配置方法，其特征在于，待优化地区电网的约束条件分别如公式(4)至公式(9)所示：
风光装机容量约束如下所示：
Figure FDA0002226318440000032
式中，αw为第w个风电场单位容量占地面积；αpv为第pv个光伏电站单位容量占地面积；
Figure FDA0002226318440000033
和
Figure FDA0002226318440000034
分别为待选接入点用于风电开发的面积最大值和最小值，
Figure FDA0002226318440000035
和
Figure FDA0002226318440000036
分别为待选接入点用于光伏开发的面积最大值和最小值；
风光水消纳约束如下所示：
Figure FDA0002226318440000037
式中，Nk为典型日内典型场景总数，k为典型场景的编号，Nh为电网内水电站总数，h为水电站的编号，kw和kpv分别为第k个典型场景下的第w座风电场和第pv座光伏电站的出力系数，也即风电场和光伏电站的实际出力与其容量的比值，ΔTk为第k个典型场景所持续的时间，
Figure FDA0002226318440000041
和
Figure FDA0002226318440000042
分别为该地区电网内的风电场、光伏电站和水电站在某典型日的最大发电量；
Figure FDA0002226318440000043
为第k个典型场景下的第h座水电站的平均发电净水头；
功率平衡约束如下所示：
Figure FDA0002226318440000044
式中，和
Figure FDA0002226318440000046
分别为节点i所连接的的火电站和水电站在第k个典型场景下的出力，
Figure FDA0002226318440000047
和
Figure FDA0002226318440000048
为节点i所连接的第w座风电场和第pv座光伏电站的容量，
Figure FDA0002226318440000049
为节点i所连接的负荷在第k个典型场景下的有功功率，
Figure FDA00022263184400000410
和
Figure FDA00022263184400000411
分别为节点i与节点j在第k个典型场景下的电压相角，为节点i与节点j的支路导纳；i、j表示待优化地区电网节点；
机组出力约束如下所示：
Figure FDA00022263184400000413
式中，
Figure FDA00022263184400000414
和
Figure FDA00022263184400000415
分别为节点i所连接的火电站在第k个典型场景下的有功出力上下限，
Figure FDA00022263184400000416
和
Figure FDA00022263184400000417
分别为节点i所连接的风电场、光伏电站和水电站在第k个典型场景下的有功出力上限；
线路传输容量约束如下所示：
Figure FDA0002226318440000051
式中，
Figure FDA0002226318440000052
为支路ij所允许的有功功率传输最大值；
水电站约束如下所示：
式中，ηh为第h座水电站的发电效率，
Figure FDA0002226318440000054
为第k个典型场景下的第h座水电站的发电流量，
Figure FDA0002226318440000055
为第k个典型场景下的第h座水电站的平均发电净水头，
Figure FDA0002226318440000056
为第k个典型场景下的第h座水电站的水库蓄水量，为第k+1个典型场景下的第h座水电站的水库蓄水量，
Figure FDA0002226318440000058
为第k个典型场景下的第h座水电站的水库入库流量，
Figure FDA0002226318440000059
为第k个典型场景下的第h座水电站的水库出库流量，
Figure FDA00022263184400000510
和
Figure FDA00022263184400000511
分别为第h座水电站的水库蓄水量的最小值和最大值，
Figure FDA00022263184400000512
和
Figure FDA00022263184400000513
分别为第h座水电站发电流量的最小值和最大值。
CN201910952851.9A 2019-10-09 2019-10-09 一种含水电的地区电网风光容量优化配置方法 Pending CN110729767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910952851.9A CN110729767A (zh) 2019-10-09 2019-10-09 一种含水电的地区电网风光容量优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910952851.9A CN110729767A (zh) 2019-10-09 2019-10-09 一种含水电的地区电网风光容量优化配置方法

Publications (1)

Publication Number Publication Date
CN110729767A true CN110729767A (zh) 2020-01-24

Family

ID=69220876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910952851.9A Pending CN110729767A (zh) 2019-10-09 2019-10-09 一种含水电的地区电网风光容量优化配置方法

Country Status (1)

Country Link
CN (1) CN110729767A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085362A (zh) * 2020-08-31 2020-12-15 国网河南省电力公司经济技术研究院 一种计及灵活资源调节潜力的新能源配电网规划系统
CN112165123A (zh) * 2020-08-10 2021-01-01 郑州大学 一种中小型水光互补系统光伏容量计算方法
CN113285483A (zh) * 2021-06-25 2021-08-20 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023035A (zh) * 2012-11-26 2013-04-03 华北水利水电学院 一种多能互补发电系统的优化配置方法
EP2871744A1 (de) * 2013-11-12 2015-05-13 Schipfer, Gottfried Energiespeichersystem
CN106874630A (zh) * 2017-03-28 2017-06-20 上海理工大学 基于电量消纳的区域电网新能源开发潜力评估方法
CN110224393A (zh) * 2019-05-24 2019-09-10 广东电网有限责任公司阳江供电局 一种基于最小切负荷模型的新能源消纳评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103023035A (zh) * 2012-11-26 2013-04-03 华北水利水电学院 一种多能互补发电系统的优化配置方法
EP2871744A1 (de) * 2013-11-12 2015-05-13 Schipfer, Gottfried Energiespeichersystem
CN106874630A (zh) * 2017-03-28 2017-06-20 上海理工大学 基于电量消纳的区域电网新能源开发潜力评估方法
CN110224393A (zh) * 2019-05-24 2019-09-10 广东电网有限责任公司阳江供电局 一种基于最小切负荷模型的新能源消纳评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任智君等: "基于风光荷时序特性和主动管理的配电网分布式电源准入容量模型及应用", 《水电能源科学》 *
王亮等: "含水电的区域风光容量优化配置", 《现代电力》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165123A (zh) * 2020-08-10 2021-01-01 郑州大学 一种中小型水光互补系统光伏容量计算方法
CN112085362A (zh) * 2020-08-31 2020-12-15 国网河南省电力公司经济技术研究院 一种计及灵活资源调节潜力的新能源配电网规划系统
CN113285483A (zh) * 2021-06-25 2021-08-20 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法
CN113285483B (zh) * 2021-06-25 2022-05-13 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法

Similar Documents

Publication Publication Date Title
CN109103926B (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
CN110224393B (zh) 一种基于最小切负荷模型的新能源消纳评估方法
CN109858173B (zh) 一种风光水互补发电系统联合调度的多目标正切方法
CN110729767A (zh) 一种含水电的地区电网风光容量优化配置方法
CN102013701A (zh) 一种高海拔地区电网光伏发电接纳能力计算方法
CN108711878B (zh) 考虑出力特性的光伏电站多类型组件容量配置方法
CN112952818B (zh) 一种基于出力互补性的风光水多能互补容量优化配置方法
Okinda et al. Modeling, simulation and optimal sizing of a hybrid wind, solar PV power system in Northern Kenya
CN114511132A (zh) 一种光伏出力短期预测方法及预测系统
Athukorala et al. A techno-economic analysis for an integrated solar PV/T system with thermal and electrical storage—Case study
CN104376373A (zh) 基于时序特性和环境效益的分布式电源规划方法
Blechinger Barriers and solutions to implementing renewable energies on Caribbean islands in respect of technical, economic, political, and social conditions
CN112882403A (zh) 一种基于物联网的综合智慧能源管控系统
CN111144655A (zh) 一种分布式电源选址定容与配电网网架联合优化方法
Acuzar et al. Effects of weather and climate on renewable energy resources in a distributed generation system simulated in Visayas, Philippines
CN112561189A (zh) 一种适用于光伏电站发电量预测方法
CN113489003A (zh) 一种考虑风光水一体化互补运行的源网协调规划方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN114069687A (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN113078677B (zh) 一种考虑可再生能源不确定性的能源消耗量风险排除方法
Sahoo et al. Energy forecasting for grid connected MW range solar PV system
CN111835003A (zh) 多电源供电下中压配电网理论线损实时计算方法及系统
CN111082446A (zh) 一种考虑电池自消耗的储能优化配置方法
CN113361805B (zh) 一种配电网规划方法及系统
CN115600838A (zh) 一种水电站调节能力评价方法、设备和介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210621

Address after: No. 110, Mojiang Road, Yangjiang City, Guangdong Province, 529500

Applicant after: YANGJIANG POWER SUPPLY BUREAU OF GUANGDONG POWER GRID Corp.

Applicant after: ELECTRIC POWER DISPATCHING CONTROL CENTER OF GUANGDONG POWER GRID Co.,Ltd.

Address before: No. 110, Mojiang Road, Jiangcheng District, Yangjiang City, Guangdong Province, 529500

Applicant before: YANGJIANG POWER SUPPLY BUREAU OF GUANGDONG POWER GRID Corp.

Applicant before: Chongqing University

Applicant before: ELECTRIC POWER DISPATCHING CONTROL CENTER OF GUANGDONG POWER GRID Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200124