CN110829503B - 风光水火储的多能互补微电网联合优化调度方法及系统 - Google Patents

风光水火储的多能互补微电网联合优化调度方法及系统 Download PDF

Info

Publication number
CN110829503B
CN110829503B CN201911023879.0A CN201911023879A CN110829503B CN 110829503 B CN110829503 B CN 110829503B CN 201911023879 A CN201911023879 A CN 201911023879A CN 110829503 B CN110829503 B CN 110829503B
Authority
CN
China
Prior art keywords
power generation
wind
storage
solar
model
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.)
Expired - Fee Related
Application number
CN201911023879.0A
Other languages
English (en)
Other versions
CN110829503A (zh
Inventor
周博曦
倪慧君
许敏敏
王竟飞
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.)
State Grid Corp of China SGCC
State Grid of China Technology College
Shandong Electric Power College
Original Assignee
State Grid Corp of China SGCC
State Grid of China Technology College
Shandong Electric Power College
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 State Grid Corp of China SGCC, State Grid of China Technology College, Shandong Electric Power College filed Critical State Grid Corp of China SGCC
Priority to CN201911023879.0A priority Critical patent/CN110829503B/zh
Publication of CN110829503A publication Critical patent/CN110829503A/zh
Application granted granted Critical
Publication of CN110829503B publication Critical patent/CN110829503B/zh
Expired - Fee Related 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
    • 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
    • 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
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种风光水火储的多能互补微电网联合优化调度方法，分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略，实现了多能互补微电网的联合优化调度。

Description

风光水火储的多能互补微电网联合优化调度方法及系统
技术领域
本公开涉及多能互补微电网联合优化调度技术领域，特别涉及一种风光水火储的多能互补微电网联合优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
多能互补微网系统耦合电能、风能、光能等多种能源，通过配电网联络线、风机、光伏、储能电池系统实现多种能源之间的互补阶梯利用，是一种能够提高能源利用率、减少环境污染的多能流系统，可以广泛用于医院、学校、工业园区等区域综合能源系统，对促进能源互联网发展的应用具有重要意义。多能互补微网系统结构复杂、运行方式繁多，系统内设备耦合关系复杂，源侧及需求侧在技术发展与政策引导等双重驱动下存在强不确定性，因此如何根据区域用能需求确定多能系统优化配置和能量调度方案是实现多能互补系统最大能源利用效率以及系统收益的难题。
本公开发明人发现，目前对多能互补系统优化配置的研究存在两个主要问题：(1)所配置的多能系统结构不够完善，大多仅对系统的燃气轮机进行配置，不利于系统的环保性和经济性；(2)多能互补系统的风光接入容量较高，波动性的风光出力给系统带来功率平衡问题和风光消纳问题，同时区域内风光出力具有相关性，因此还需要在规划阶段充分考虑风光出力的不确定性和相关性。
发明内容
为了解决现有技术的不足，本公开提供了风光水火储的多能互补微电网联合优化调度方法及系统，结合静态博弈理论，充分考虑风能和太阳能出力不确定性和相关性，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型，从而实现了多能互补微电网的联合优化调度。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种风光水火储的多能互补微电网联合优化调度方法。
一种风光水火储的多能互补微电网联合优化调度方法，步骤如下：
分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
作为可能的一些实现方式，所述风力发电出力模型，具体为：
Figure GDA0002887278090000021
上式中，v为风机轮高度处的风速；vin为切入风速；vout为切出风速；vR为额定风速；PW为风机的输出功率；PWR为额定输入功率。
作为可能的一些实现方式，太阳能发电出力模型具体为：太阳能电池输出的功率与单位面积能接受的太阳能为线性关系：
Ppv＝AcηIβ
其中，Ac为太阳板面积；η为光电转化效率；
进一步的，温度对太阳能电池出力的影响主要反映在对光电转化效率的影响上：
η＝ηref[1-βref(T-Tref)]
其中，Tref为参考温度，ηref为参考温度下光电转化效率，βref为温度系数，T为电池板温度。
作为可能的一些实现方式，汽轮机发电出力模型具体为：
Figure GDA0002887278090000031
其中：NE为汽轮机实发功率；PI为汽轮机的蒸汽流量；CH为汽轮机高压缸功率占整机总功率的比例，CIL为汽轮机中低压缸功率占整机总功率的比例，TRH为中间再热器容积时间；
进一步的，进入汽轮机的蒸汽流量，与机前蒸汽压力和调门开度成正比：
PI＝PT×μT
其中，PT为新汽压力；μT为汽轮机调门开度。
作为可能的一些实现方式，所述抽水蓄能水轮机发电出力模型，具体为：
Figure GDA0002887278090000032
其中，ηp，ηm，ηt分别为水轮机的效率、驱动电机的效率和变压器的效率。
作为可能的一些实现方式，能量存储单元模型的充放电功率为：
Figure GDA0002887278090000041
其中，PPV(t)为光伏输出功率；Δt为采样间隔；τ为一阶低通滤波时间常数；PHESS(t)＞0表示储能系统放电，PHESS(t)＜0表示储能系统充电。
作为可能的一些实现方式，所述合作竞争优化调度模型，具体为：
Figure GDA0002887278090000042
F1为日前调度计划优化辅助分析的广义优化目标；F为常规安全约束机组组合的优化目标；
Figure GDA0002887278090000043
为机组i在t时段深调峰单位成本；
Figure GDA0002887278090000044
为机组i在t时段偏离固定处理的额外单位成本；
Figure GDA0002887278090000045
为调整联络线tie在t时段计划的单位成本；Ctr为降低单位系统备用的风险成本。
本公开第二方面提供了一种风光水火储的多能互补微电网联合优化调度系统。
一种风光水火储的多能互补微电网联合优化调度系统，包括：
分立模型构建模块，被配置为：分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
联合优化调度模型构建模块，被配置为：根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
最优化调度模块，被配置为：计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开所述的内容结合静态博弈理论，充分考虑风能和太阳能出力不确定性和相关性，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型，从而实现了多能互补微电网的联合优化调度。
2、本公开所述的内容设计了一种博弈模型的纳什均衡点求解算法，能够快速的进行纳什均衡点求解算法，从而得到最优化的风光水火储的多能互补控制策略。
附图说明
图1为本公开实施例1所述的新型能源系统结构示意图。
图2为本公开实施例1所述的分层协调控制框架示意图。
图3为本公开实施例1所述的风光水火储的多能互补微电网联合优化调度方法的流程示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1-3所示，本公开实施例1提供了一种风光水火储的多能互补微电网联合优化调度方法，步骤如下：
分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
(1)新型能源系统结构
相比传统电力系统，新型能源系统结构体系将涵盖更为多样化的能源要素，更为多元化的负荷群体，以及更强双向互动的能量流和信息流，如图1和2所示。
1)能源生产要素：将一次能源转化为用户所需的冷、热、电负荷的设备，包括风机，光伏、燃气轮机等。
2)能源传输要素：分为电网和热网，实现能源生产与负荷点的连通，以及两者之间信息的交互互联。
3)能量存储单元：具有源荷双重特性的柔性负荷，分为储电、储热、储冷，包括蓄电池和蓄水罐等。
4)能源消费单元：刚性负荷，以及具有柔性需求的负荷群体。
具备上述要素的新一代能源系统，具有广泛互动、智能互动、灵活柔性、安全可控的特点，风力和太阳能等可再生能源具有典型的随机性、间歇性和波动性，可利用储能系统进行存储，在电网需要时候稳定地为电网供电；储能元件和水力发电的运行时间可以按计划进行变动，以可平移的形式增强用户负荷侧的可控性，实现移峰填谷。在一定区域范围内，可多种能源系统的网络互济和多能互补。
(2)多能互补微网系统内生产单元出力模型
1)风力发电出力模型
短期风电出力多呈正态分布特性，若忽略风电场尾流和电气损耗，根据风速概率分布和风电功率输出特征，可得到风电场功率输出模型为：
Figure GDA0002887278090000071
式(1)中，v为风机轮高度处的风速；vin为切入风速；vout为切出风速；vR为额定风速；PW为风机的输出功率；PWR为额定输入功率。
2)太阳能发电出力模型
为了充分利用太阳能，太阳能电场一般都有最大功率跟踪装置使得太阳能电池始终工作在最大功率点处，考虑到最大功率跟踪，太阳能电池输出的功率与单位面积能接受的太阳能可近似线性关系。
Ppv＝AcηIβ (2)
式(2)中，Ac为太阳板面积；η为光电转化效率。
温度对太阳能电池出力的影响主要反映在对光电转化效率的影响上：
η＝ηref[1-βref(T-Tref)] (3)
式(3)中，Tref为参考温度，ηref为参考温度下光电转化效率，βref为温度系数，T为电池板温度。
3)燃气轮机发电出力模型
现代燃气轮机发电机组基本为并网运行，频率变化较小，根据同步发电机并列运行特性，可以认为汽轮机实发功率等于发电机等于发电机输出电功率。
由此可知汽轮机的功率特性如下：
Figure GDA0002887278090000081
式(4)中：NE为汽轮机实发功率；PI为汽轮机的蒸汽流量；CH为汽轮机高压缸功率占整机总功率的比例，约为0.3；CIL为汽轮机中低压缸功率占整机总功率的比例，约为0.7；TRH为中间再热器容积时间，约为10秒。
进入汽轮机的蒸汽流量，与机前蒸汽压力和调门开度成正比：
PI＝PT×μT (5)
其中PT为新汽压力；μT为汽轮机调门开度。
4)抽水蓄能水轮机发电出力模型
常规抽水蓄能电站配备在电力系统中往往作为电力系统调峰设备使用。当水泵用于平滑风电和太阳能输出功率时，抽水蓄能机组在设计上就要考虑快速启动和快速负荷跟踪能力。要保证抽水蓄能电站与常规水电站一样工作，就必须确保水位始终处于最大-最小水位之间。上水库的水由自然降雨和泵组从下水库抽上来的水组成，泵组由风机输出的电能驱动。所需功率与流量之间的关系如下：
Figure GDA0002887278090000091
式(6)中，ηp，ηm，ηt分别为水轮机的效率，驱动电机(包括变频器)的效率和变压器(包括输电线路)的效率。
5)能量存储单元模型
本实施例的能量存储单元模型采用蓄电池和超级电容输出功率，其中蓄电池和超级电容器铜管储能逆变器接入交流母线，用于存储电网低谷时段风电和光伏产生的过多的电能。
根据电池盒超级电容器的不同特性，混合储能充放电功率可描述为：
Figure GDA0002887278090000092
式(7)中，PPV(t)为光伏输出功率；Δt为采样间隔；τ为一阶低通滤波时间常数；PHESS(t)＞0表示储能系统放电，PHESS(t)＜0表示储能系统充电。
(3)静态博弈策略
在博弈论中，博弈模型大致可以分为4大类：完全信息的静态博弈、完全信息的动态博弈、不完全信息的静态博弈、不完全信息的动态博弈。本实施例采用的是基于不完全信息的静态博弈理论，参与博弈竞争者为风力、光伏、水力、火电和储能元件五个类型的能量生产单元，对于含多种能源生产单元的微电网系统，首先构造一个分别包含M个风机、N个光伏电池板、R个汽轮机、P个水轮机和Q个储能元件的微电网模型。
考虑风电接入系统后，可能会导致系统运行安全问题，在某些情况下，需要对风电进行弃风。为使得能灵活变化风电补偿，本实施例引入风电弃风分段惩罚因子，对风电机组进行优化，通过对风电机组在各段惩罚因子的控制，可以达到有序弃风的效果。对于微电网来说，节能发电调度模式下，常规安全约束机组组合的优化目标是系统发电成本最小。
本实施例所述的静态博弈的合作竞争优化调度模型的目标函数可表达为：
Figure GDA0002887278090000101
式(8)中F1为日前调度计划优化辅助分析的广义优化目标；F为常规安全约束机组组合的优化目标；
Figure GDA0002887278090000102
为机组i在t时段深调峰单位成本，万元；
Figure GDA0002887278090000103
为机组i在t时段偏离固定处理的额外单位成本，万元；
Figure GDA0002887278090000104
为调整联络线tie在t时段计划的单位成本，万元，MW；
Figure GDA0002887278090000105
为降低单位系统备用的风险成本，万元。
风电机组和太阳能机组停电成本均为零，分段发电成本远小于常规机组发电成本，为零或为负成本，因此，除非安全或备用等约束发生作用，风电机组都是优先安排出力的。
其博弈策略应该综合考虑系统平衡约束，系统平衡约束包括机组安全约束和机组运行约束。
其中，发用电平衡约束：
Figure GDA0002887278090000106
Figure GDA0002887278090000107
式(9)、(10)中，PDt为t时段系统发电口径总负荷，MW；Pi,t为机组i在t时刻出力，MW；Pt min为机组i最低技术出力，MW；Ntie为系统与外部电网的联络线数；Ptie,t为联络线tie在t时段的送/受电计划，MW；li,t,s≥0。
机组运行约束
1)调节范围约束：
Figure GDA0002887278090000111
2)机组爬坡/滑坡率约束：
Pi,t-Pi.t-1≤RUi·ui,t-1+Pi max(1-ui,t-1) (12)
Pi,t-1-Pi,t≤RDi·ui,t+Pi max(1-ui,t) (13)
3)机组最小运行时间约束：
Figure GDA0002887278090000112
Figure GDA0002887278090000113
Figure GDA0002887278090000114
Figure GDA0002887278090000115
式(14)、(15)、(16)、(17)中TUi为机组i最小持续运行时间，计算前需要根据初始运行时间进行扣减；
Figure GDA0002887278090000116
是机组i的最小开机/停机时间；ui,0为机组i的初始状态；
Figure GDA0002887278090000117
为机组i在初始时刻已经开机和停机的时间；TUi为机组i在调度初期为满足最小运行时间或停运时间而必须继续运行或停运的时间，min。
(4)静态博弈的纳什均衡点
静态博弈备设计用来对某种博弈的稳定状态建模，在此种博弈中参与人的选择并不确定而是受概率规则调节。
式(8)定义了含风光水火储多种能源的多能互补联合优化模型，下一个目标是求解这个不完全信息的静态博弈纳什均衡点。
为求解该方程，本人设计一个求解方程：
Figure GDA0002887278090000121
式(15)中，0＜λ＜1为一个加权系数，以减缓收敛速度进而保证收敛，k为迭代次数。当用户迭代直至收敛过程中，迭代相应的数学表达式为：
Figure GDA0002887278090000122
式(19)中，u1为微网选择第m个策略的逾期效用。这是一种简化的平滑虚拟博弈算法，已经被证明可收敛到一个近似纳什平衡点。
实施例2：
本公开实施例2提供了一种风光水火储的多能互补微电网联合优化调度系统，包括：
分立模型构建模块，被配置为：分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
联合优化调度模型构建模块，被配置为：根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
最优化调度模块，被配置为：计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
实施例3：
本公开实施例3提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (9)

1.一种风光水火储的多能互补微电网联合优化调度方法，其特征在于，步骤如下：
分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
所述合作竞争优化调度模型，具体为：
Figure FDA0002887278080000011
F1为日前调度计划优化辅助分析的广义优化目标；F为常规安全约束机组组合的优化目标；
Figure FDA0002887278080000012
为机组i在t时段深调峰单位成本；
Figure FDA0002887278080000013
为机组i在t时段偏离固定处理的额外单位成本；
Figure FDA0002887278080000014
为调整联络线tie在t时段计划的单位成本；
Figure FDA0002887278080000015
为降低单位系统备用的风险成本；
计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
2.如权利要求1所述的风光水火储的多能互补微电网联合优化调度方法，其特征在于，所述风力发电出力模型，具体为：
Figure FDA0002887278080000016
上式中，v为风机轮高度处的风速；vin为切入风速；vout为切出风速；vR为额定风速；PW为风机的输出功率；PWR为额定输入功率。
3.如权利要求1所述的风光水火储的多能互补微电网联合优化调度方法，其特征在于，太阳能电池输出的功率与单位面积能接受的太阳能为线性关系：
Ppv＝AcηIβ
其中，Ac为太阳板面积；η为光电转化效率；
进一步的，温度对太阳能电池出力的影响主要反映在对光电转化效率的影响上：
η＝ηref[1-βref(T-Tref)]
其中，Tref为参考温度，ηref为参考温度下光电转化效率，βref为温度系数，T为电池板温度。
4.如权利要求1所述的风光水火储的多能互补微电网联合优化调度方法，其特征在于，汽轮机发电出力模型具体为：
Figure FDA0002887278080000021
其中：NE为汽轮机实发功率；PI为汽轮机的蒸汽流量；CH为汽轮机高压缸功率占整机总功率的比例，CIL为汽轮机中低压缸功率占整机总功率的比例，TRH为中间再热器容积时间；
进一步的，进入汽轮机的蒸汽流量，与机前蒸汽压力和调门开度成正比：
PI＝PT×μT
其中，PT为新汽压力；μT为汽轮机调门开度。
5.如权利要求1所述的风光水火储的多能互补微电网联合优化调度方法，其特征在于，所述抽水蓄能水轮机发电出力模型，具体为：
Figure FDA0002887278080000022
其中，ηp，ηm，ηt分别为水轮机的效率、驱动电机的效率和变压器的效率。
6.如权利要求1所述的风光水火储的多能互补微电网联合优化调度方法，其特征在于，能量存储单元模型的充放电功率为：
Figure FDA0002887278080000031
其中，PPV(t)为光伏输出功率；Δt为采样间隔；τ为一阶低通滤波时间常数；PHESS(t)＞0表示储能系统放电，PHESS(t)＜0表示储能系统充电。
7.一种风光水火储的多能互补微电网联合优化调度系统，其特征在于，包括：
分立模型构建模块，被配置为：分别建立风力发电出力模型、太阳能发电出力模型、汽轮机发电出力模型、抽水蓄能水轮机发电出力模型和能量存储单元模型；
联合优化调度模型构建模块，被配置为：根据获取的风力发电、太阳能发电、汽轮机发电、抽水蓄能水轮机发电和能量存储数据，以风电、光伏发电出力以及储能量最大化为目标，引入发用电平衡约束和机组运行约束，构建静态博弈的合作竞争优化调度模型；
所述合作竞争优化调度模型，具体为：
Figure FDA0002887278080000032
F1为日前调度计划优化辅助分析的广义优化目标；F为常规安全约束机组组合的优化目标；
Figure FDA0002887278080000033
为机组i在t时段深调峰单位成本；
Figure FDA0002887278080000034
为机组i在t时段偏离固定处理的额外单位成本；
Figure FDA0002887278080000035
为调整联络线tie在t时段计划的单位成本；
Figure FDA0002887278080000036
为降低单位系统备用的风险成本；
最优化调度模块，被配置为：计算合作竞争优化调度模型的静态博弈纳什均衡点，得到最优化的风光水火储的多能互补控制策略。
8.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的风光水火储的多能互补微电网联合优化调度方法中的步骤。
CN201911023879.0A 2019-10-25 2019-10-25 风光水火储的多能互补微电网联合优化调度方法及系统 Expired - Fee Related CN110829503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911023879.0A CN110829503B (zh) 2019-10-25 2019-10-25 风光水火储的多能互补微电网联合优化调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911023879.0A CN110829503B (zh) 2019-10-25 2019-10-25 风光水火储的多能互补微电网联合优化调度方法及系统

Publications (2)

Publication Number Publication Date
CN110829503A CN110829503A (zh) 2020-02-21
CN110829503B true CN110829503B (zh) 2021-04-13

Family

ID=69551066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911023879.0A Expired - Fee Related CN110829503B (zh) 2019-10-25 2019-10-25 风光水火储的多能互补微电网联合优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN110829503B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112054508A (zh) * 2020-08-10 2020-12-08 国网甘肃省电力公司电力科学研究院 一种基于非合作博弈的风光抽蓄联合系统优化调度方法
CN112596384A (zh) * 2020-12-07 2021-04-02 无锡华光电力工程有限公司 一种火电机组协调控制调峰调频系统和方法
CN113098011B (zh) * 2021-05-20 2023-07-07 福州大学 一种基于改进NashQ算法的风电调度方法及系统
CN114169679B (zh) * 2021-11-05 2024-08-27 西安理工大学 一种考虑出力平稳性的风光水多能互补日前风险调度方法
CN114447923A (zh) * 2021-12-29 2022-05-06 上海电力大学 高风电占比电力系统的电能和调频辅助服务博弈优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317355A (zh) * 2017-07-04 2017-11-03 中国矿业大学 一种抽蓄电站联合风光互补系统及其优化方法
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317355A (zh) * 2017-07-04 2017-11-03 中国矿业大学 一种抽蓄电站联合风光互补系统及其优化方法
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
配电网中分布式电源配置多目标优化问题研究;商玲玲等;《电工技术》;20171010;全文 *

Also Published As

Publication number Publication date
CN110829503A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110829503B (zh) 风光水火储的多能互补微电网联合优化调度方法及系统
CN107732949B (zh) 一种综合风电全年多季节特性的储能布点定容方法
CN108711892B (zh) 一种多能互补发电系统的优化调度方法
CN105140936B (zh) 一种最小化发电成本的微电网调频控制方法
CN103023035B (zh) 一种多能互补发电系统的优化配置方法
CN113343478B (zh) 考虑不确定性和需求响应的独立微网容量优化配置方法
An et al. Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations
CN110807588A (zh) 一种多能源耦合综合能源系统的优化调度方法
CN109149651A (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
CN103944175A (zh) 风光储联合发电系统出力特性优化方法
CN116667395B (zh) 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN116780646A (zh) 一种计及灵活性的电力系统资源优化调度方法及终端
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
WO2024152816A1 (zh) 一种风光储电能输送方法
CN116826729A (zh) 计及风、光不确定性的多源联合系统鲁棒优化配置方法
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
CN114389262A (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
CN114595619A (zh) 基于氢储能的综合能源系统优化方法
CN116526468A (zh) 考虑多类型备用辅助服务的高比例可再生能源电力系统优化调度方法
CN112994051A (zh) 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN109995030B (zh) 一种考虑脱网风险的储能装置soc下限值最优设置方法
CN110247392A (zh) 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法
CN112884191A (zh) 一种基于网源协调的热电日前调度模型及计算方法
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210413