CN110867907A - 一种基于多类型发电资源同质化的电力系统调度方法 - Google Patents
一种基于多类型发电资源同质化的电力系统调度方法 Download PDFInfo
- Publication number
- CN110867907A CN110867907A CN201911377315.7A CN201911377315A CN110867907A CN 110867907 A CN110867907 A CN 110867907A CN 201911377315 A CN201911377315 A CN 201911377315A CN 110867907 A CN110867907 A CN 110867907A
- Authority
- CN
- China
- Prior art keywords
- power
- scheduling
- active power
- power system
- generator set
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于多类型发电资源同质化的电力系统调度方法,属于电力系统运行优化技术领域。本发明方法采用同质化建模,对各类型发电机组的可控性进行描述,并采用聚合技术降低了计算复杂度,采用已有的线性规划计算方法求解本发明中的基于多类型发电资源同质化的电力系统调度模型。本发明一方面通过提高各类发电资源有功功率的可控性,实现了各种不同发电资源有功功率的可控性的最优调度。另外,本发明方法通过聚合技术,大大降低了包括多类型发电资源的电力系统的调度复杂度,同时保持了较高的调度精度。应用本方法能够充分挖掘包括可再生能源在内的各类发电资源的可控性,降低电力系统调度中多类型发电资源的不确定性、提升其灵活可控能力。
Description
技术领域
本发明涉及一种基于多类型发电资源同质化的电力系统调度方法,属于电力系统运行优化技术领域。
背景技术
电力系统的调度运行方式在过去几十年间发生了巨大的变化。传统意义上认为发电侧是完全可控的而负荷侧是完全不可控的,电力系统调度的任务是如何使可控的发电资源满足不可控的负荷。近年来,在可再生能源接入电力系统的背景下,由于可再生能源的调度不确定性,电力系统发电侧从完全可控变为部分可控。此外,电力系统的需求侧响应以及负荷侧储能的出现,使得负荷侧从完全不可控变为部分不可控。电力系统运行的任务转变为如何调度部分可控的发电资源从而满足部分不可控的负荷。因此针对这些可控性各异的半可控发电资源,需要建立适用于多种类型发电资源的同质化调度方法。
目前已有面向完全可控资源的调度方法,以及面向完全不可控资源的调度方法,但是尚未有面向半可控资源的调度方法。因此,需要适用于多类型发电资源的调度运行方法以适应未来电力系统的需求。
在目前的电力调度方法中,应用了相依序列运算技术,该技术应用Copula理论对传统的序列运算理论进行拓展,能够使序列运算理论应用于相关随机变量的计算中,解决非独立随机变量建模与运算的问题,分析非独立随机变量相互运算后概率分布。另外,已有技术中的线性规划问题计算机求解技术,能够利用计算机高效求解的线性规划问题,并给出规划问题的最优解,约束灵敏度系数等重要信息,
发明内容
本发明的目的是提出一种多类型发电资源的同质化调度运行方法,基于出力分解的技术以及相依序列运算等技术,从而降低多类型发电资源的不确定性、提升其灵活可控能力。
本发明提出的基于多类型发电资源同质化的电力系统调度方法,包括以下步骤:
其中,下标t为调度时段的序号,C t、分别表示多类型发电资源的发电机组在调度时段t内可控有功功率分量的下限和上限,SC t、分别表示多类型发电资源的发电机组可控有功功率分量的容量下限和上限,DC t、分别表示多类型发电资源的发电机组可控有功功率分量的爬坡速率下限和上限,表示不可控有功功率分量的概率密度函数,从电力系统控制中心获取;
a、当发电资源为风电场或光伏电站时,同质化表征模型如下式所示:
b、当发电资源为火电厂或燃气厂时,同质化表征模型如下式所示:
式中,P、表示火电机组或燃气轮机的最小有功功率和最大有功功率,和分别为火电机组或燃气轮机的最大下爬坡速率和最大上爬坡速率,qT为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心的历史数据中获取,表示不可控有功功率分量的概率密度函数;
c、当发电资源为储能电站时,同质化表征模型如下式所示:
式中,P、表示储能电站的最小有功功率和最大有功功率,E和分别表示储能电站的最小电量和最大电量,E0表示储能电站的在调度周期初始时刻的电量,Tend表示调度周期最后时段的序号,qE为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心获取;
d、当发电资源为水电站或光热电站时,同质化表征模型如下式所示:
其中,对于水电站,Pt fore为根据水库的来水量转换成的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P和表示水电站中水轮机的最小有功功率和最大有功功率,E和为根据水电站水库的最小库容和最大库容转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的库容转换得到的等效电量,Eend为根据调度周期最后时段的计划库容转换得到的等效电量,和分别为水电站中水轮机的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
对于光热电站,Pt fore为根据太阳辐照转换得到的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P、表示光热电站发电机组的最小有功功率和最大有功功率,E、是根据光热电站储热单元的最小容量、最大容量转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的储热量转换得到的等效电量,Eend为根据调度周期最后时段的计划储热量转换得到的等效电量,和分别为光热电站的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
(3)将电力系统中一个包含多类型发电资源的集合聚合为一个发电机组簇,得到聚合后的一个发电机组簇的发电资源同质化模型;根据步骤(2)的多个类型的发电资源同质化模型,计算聚合后该发电机组簇的同质化模型参数,具体步骤如下:
(3-1)将步骤(2)中同质化表征模型中所有多类型发电资源的发电机组的可控有功功率分量的下限C t和上限发电机组可控有功功率分量的容量下限SC t和上限以及发电机组可控有功功率分量的爬坡速率下限DC t和上限进行叠加,得到聚合后发电机组簇的可控有功功率分量的表达式如下:
其中,
式中,下标g为多类型发电资源中所有发电机组的序号,下标c为电力系统中多类型发电资源聚合后的发电机组簇的序号,Ωc为第c号发电机组簇中所包含的所有发电机组的集合,可从电力系统控制中心获得;C c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的下限和上限,SC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的容量下限和上限,DC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的爬坡速率下限和上限;
(3-2)利用步骤(2)的发电机组簇的发电资源同质化模型,采用相依序列运算方法,根据发电机组簇中所有NG台发电机组的不可控有功功率分量的概率密度函数利用下式,计算得到所有NG台发电机组的不可控有功功率分量之和的概率密度函数
其中:
(4)重复步骤(2)和(3),遍历电力系统中所有多类型发电资源的集合,聚合为NC个发电机组簇,并得到聚合后的所有NC个发电机组簇的同质化模型参数;
(5)建立一个基于多类型发电资源同质化的电力系统调度模型,调度模型的目标函数如下:
其中,下标s为电力系统实时运行场景的编号,常数为电力系统实时运行场景s的概率,NS表示电力系统实时运行场景总数,从电力系统控制中心获得,Csys为电力系统运行总成本,CDA,sys为日前发电计划成本,为实时调度运行成本,表达式如下:
目标函数与约束条件中,上标含有“~”符号的变量为实时调度变量,不含该符号的变量为日前变量,NC、NT和NN分别表示聚合后的电力系统中发电机组簇总数、电力系统调度周期内的调度时段总数和电力系统节点总数,CGe、CRu、CRd和θVoLL分别表示电力系统中的能量成本、正备用成本、负备用成本和切除负荷成本系数,上述参数均从电力系统控制中心获取;
表示聚合后第c号发电机组簇在调度时段t内的日前调度有功功率,表示聚合后第c号发电机组簇在调度时段t内的日前调度的负备用量,表示聚合后第c号发电机组簇在调度时段t内的日前调度的正备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的负备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的正备用量,表示电力系统节点n在场景s下调度时段t内的切除负荷量,上述变量均为电力系统调度模型的待求解量;
上述目标函数中的日前发电计划成本CDA,sys的约束条件包括:
a、发电机组可控有功功率分量中的功率类约束,从步骤(4-1)中得到:
b、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
c、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
d、电力系统中的有功功率平衡约束:
e、电力系统中所有线路的有功潮流约束:
其中,表示电力系统中线路l和节点n之间的潮流转移分布因子,Ωn表示所有连接到第n号电力系统母线上发电机组簇的集合,表示电力系统线路l的有功潮流上限,上述参数从电力系统控制中心获取,表示电力系统线路l在调度时段t内的日前有功潮流,为电力系统调度模型的待求解量;
f、电力系统中的正备用和负备用约束:
RRu,sys和RRd,sys分别表示电力系统正备用和负备用需求量,上述参数从电力系统控制中心获取;
g、发电机组可控有功功率分量中的功率类约束,从步骤(4)中得到:
其中,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度不可控有功功率分量,根据步骤(4-2)中得到的并利用场景生成技术计算得到;表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度总有功功率,为电力系统调度模型的待求解量;
h、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
i、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
j、电力系统中的有功功率平衡约束:
k、电力系统中所有线路的有功潮流约束:
电力系统的日前发电有功功率与实时调度有功功率之间的链接约束:
(6)采用线性规划计算方法,求解由步骤(5)的目标函数和约束条件组成的基于多类型发电资源同质化的电力系统调度模型,得到发电机组有功功率、电力系统调度的正备用量、电力系统调度的负备用量、电力系统的切除负荷量和电力系统线路的有功潮流,实现基于多类型发电资源同质化的电力系统调度。
本发明提出的多类型发电资源同质化调度运行方法,其特点和优点是:
本发明的多类型发电资源同质化调度运行方法,解决了电力系统中各类型发电机组可控性资源未能充分发挥的问题,采用同质化建模,对各类型发电机组的可控性进行描述,并采用聚合技术降低了计算复杂度,采用已有的线性规划计算方法求解本发明中的基于多类型发电资源同质化的电力系统调度模型。本发明一方面通过提高各类发电资源有功功率的可控性,实现了各种不同发电资源有功功率的可控性的最优调度。另一方面,本发明方法通过聚合技术,大大降低了包括多类型发电资源的电力系统的调度复杂度,同时保持了较高的调度精度。应用本方法能够充分挖掘包括可再生能源在内的各类发电资源的可控性,降低电力系统调度中多类型发电资源的不确定性、提升其灵活可控能力。
具体实施方式
本发明提出的基于多类型发电资源同质化的电力系统调度方法,包括以下步骤:
其中,下标t为调度时段的序号,C t、分别表示多类型发电资源的发电机组在调度时段t内可控有功功率分量的下限和上限,SC t、分别表示多类型发电资源的发电机组可控有功功率分量的容量下限和上限,DC t、分别表示多类型发电资源的发电机组可控有功功率分量的爬坡速率下限和上限,表示不可控有功功率分量的概率密度函数,从电力系统控制中心获取;
a、当发电资源为风电场或光伏电站时,同质化表征模型如下式所示:
b、当发电资源为火电厂或燃气厂时,同质化表征模型如下式所示:
式中,P、表示火电机组或燃气轮机的最小有功功率和最大有功功率,和分别为火电机组或燃气轮机的最大下爬坡速率和最大上爬坡速率,qT为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心的历史数据中获取,表示不可控有功功率分量的概率密度函数;
c、当发电资源为储能电站时,同质化表征模型如下式所示:
式中,P、表示储能电站的最小有功功率和最大有功功率,E和分别表示储能电站的最小电量和最大电量,E0表示储能电站的在调度周期初始时刻的电量,Tend表示调度周期最后时段的序号,qE为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心获取;
d、当发电资源为水电站或光热电站时,同质化表征模型如下式所示:
其中,对于水电站,Pt fore为根据水库的来水量转换成的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P和表示水电站中水轮机的最小有功功率和最大有功功率,E和为根据水电站水库的最小库容和最大库容转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的库容转换得到的等效电量,Eend为根据调度周期最后时段的计划库容转换得到的等效电量,和分别为水电站中水轮机的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
对于光热电站,Pt fore为根据太阳辐照转换得到的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P、表示光热电站发电机组的最小有功功率和最大有功功率,E、是根据光热电站储热单元的最小容量、最大容量转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的储热量转换得到的等效电量,Eend为根据调度周期最后时段的计划储热量转换得到的等效电量,和分别为光热电站的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
(3)将电力系统中一个包含多类型发电资源的集合聚合为一个发电机组簇,得到聚合后的一个发电机组簇的发电资源同质化模型;根据步骤(2)的多个类型的发电资源同质化模型,计算聚合后该发电机组簇的同质化模型参数,具体步骤如下:
(3-1)将步骤(2)中同质化表征模型中所有多类型发电资源的发电机组的可控有功功率分量的下限C t和上限发电机组可控有功功率分量的容量下限SC t和上限以及发电机组可控有功功率分量的爬坡速率下限DC t和上限进行叠加,得到聚合后发电机组簇的可控有功功率分量的表达式如下:
其中,
式中,下标g为多类型发电资源中所有发电机组的序号,下标c为电力系统中多类型发电资源聚合后的发电机组簇的序号,Ωc为第c号发电机组簇中所包含的所有发电机组的集合,可从电力系统控制中心获得;C c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的下限和上限,SC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的容量下限和上限,DC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的爬坡速率下限和上限;
(3-2)利用步骤(2)的发电机组簇的发电资源同质化模型,采用相依序列运算方法,根据发电机组簇中所有NG台发电机组的不可控有功功率分量的概率密度函数利用下式,计算得到所有NG台发电机组的不可控有功功率分量之和的概率密度函数
其中:
(4)重复步骤(2)和(3),遍历电力系统中所有多类型发电资源的集合,聚合为NC个发电机组簇,并得到聚合后的所有NC个发电机组簇的同质化模型参数;
(4-2)利用步骤(3)的发电机组簇的发电资源同质化模型,采用相依序列运算方法,根据发电机组簇中所有NG台发电机组的不可控有功功率分量的概率密度函数利用下式,计算得到所有NG台发电机组的不可控有功功率分量之和的概率密度函数
其中:
(5)建立一个基于多类型发电资源同质化的电力系统调度模型,该调度模型的优化目标是最小化电力系统运行总成本。调度模型的目标函数如下:
其中,下标s为电力系统实时运行场景的编号,常数为电力系统实时运行场景s的概率,NS表示电力系统实时运行场景总数,从电力系统控制中心获得,Csys为电力系统运行总成本,CDA,sys为日前发电计划成本,为实时调度运行成本,表达式如下:
目标函数与约束条件中,上标含有“~”符号的变量为实时调度变量,不含该符号的变量为日前变量,NC、NT和NN分别表示聚合后的电力系统中发电机组簇总数、电力系统调度周期内的调度时段总数和电力系统节点总数,CGe、CRu、CRd和θVoLL分别表示电力系统中的能量成本、正备用成本、负备用成本和切除负荷成本系数,上述参数均从电力系统控制中心获取;
表示聚合后第c号发电机组簇在调度时段t内的日前调度有功功率,表示聚合后第c号发电机组簇在调度时段t内的日前调度的负备用量,表示聚合后第c号发电机组簇在调度时段t内的日前调度的正备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的负备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的正备用量,表示电力系统节点n在场景s下调度时段t内的切除负荷量,上述变量均为电力系统调度模型的待求解量;
上述目标函数中的日前发电计划成本CDA,sys的约束条件包括:
a、发电机组可控有功功率分量中的功率类约束,从步骤(4-1)中得到:
b、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
c、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
d、电力系统中的有功功率平衡约束:
e、电力系统中所有线路的有功潮流约束:
其中,表示电力系统中线路l和节点n之间的潮流转移分布因子,Ωn表示所有连接到第n号电力系统母线上发电机组簇的集合,表示电力系统线路l的有功潮流上限,上述参数从电力系统控制中心获取,表示电力系统线路l在调度时段t内的日前有功潮流,为电力系统调度模型的待求解量;
f、电力系统中的正备用和负备用约束:
RRu,sys和RRd,sys分别表示电力系统正备用和负备用需求量,上述参数从电力系统控制中心获取;
g、发电机组可控有功功率分量中的功率类约束,从步骤(4)中得到:
其中,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度不可控有功功率分量,根据步骤(4-2)中得到的并利用场景生成技术计算得到;表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度总有功功率,为电力系统调度模型的待求解量;
h、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
i、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
j、电力系统中的有功功率平衡约束:
k、电力系统中所有线路的有功潮流约束:
电力系统的日前发电有功功率与实时调度有功功率之间的链接约束:
(6)采用线性规划计算方法,求解由步骤(5)的目标函数和约束条件组成的基于多类型发电资源同质化的电力系统调度模型,得到发电机组有功功率、电力系统调度的正备用量、电力系统调度的负备用量、电力系统的切除负荷量和电力系统线路的有功潮流,实现基于多类型发电资源同质化的电力系统调度。
Claims (1)
1.一种基于多类型发电资源同质化的电力系统调度方法,其特征在于该方法包括以下步骤:
(1)利用下式,将多类型发电资源的总有功功率Pt分解为可控有功功率分量Pt c和不可控有功功率分量Pt u:
其中,下标t为调度时段的序号,C t、分别表示多类型发电资源的发电机组在调度时段t内可控有功功率分量的下限和上限,SC t、分别表示多类型发电资源的发电机组可控有功功率分量的容量下限和上限,DC t、分别表示多类型发电资源的发电机组可控有功功率分量的爬坡速率下限和上限,f(Pt u)表示不可控有功功率分量的概率密度函数,从电力系统控制中心获取;
(2)根据步骤(1)的可控有功功率分量Pt c和不可控有功功率分量Pt u,建立多种类型发电资源的同质化表征模型如下:
a、当发电资源为风电场或光伏电站时,同质化表征模型如下式所示:
b、当发电资源为火电厂或燃气厂时,同质化表征模型如下式所示:
式中,P、表示火电机组或燃气轮机的最小有功功率和最大有功功率,和分别为火电机组或燃气轮机的最大下爬坡速率和最大上爬坡速率,qT为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心的历史数据中获取,f(Pt u)表示不可控有功功率分量的概率密度函数;
c、当发电资源为储能电站时,同质化表征模型如下式所示:
式中,P、表示储能电站的最小有功功率和最大有功功率,E和分别表示储能电站的最小电量和最大电量,E0表示储能电站的在调度周期初始时刻的电量,Tend表示调度周期最后时段的序号,qE为火电机组或燃气轮机的正常运行状态的概率,上述参数从电力系统控制中心获取;
d、当发电资源为水电站或光热电站时,同质化表征模型如下式所示:
其中,对于水电站,Pt fore为根据水库的来水量转换成的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P和表示水电站中水轮机的最小有功功率和最大有功功率,E和为根据水电站水库的最小库容和最大库容转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的库容转换得到的等效电量,Eend为根据调度周期最后时段的计划库容转换得到的等效电量,和分别为水电站中水轮机的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
对于光热电站,Pt fore为根据太阳辐照转换得到的等效预测有功功率,f(Pt fore)为预测有功功率的概率分布函数,P、表示光热电站发电机组的最小有功功率和最大有功功率,E、是根据光热电站储热单元的最小容量、最大容量转换得到的最小等效电量和最大等效电量,E0表示根据调度周期初始时刻的储热量转换得到的等效电量,Eend为根据调度周期最后时段的计划储热量转换得到的等效电量,和分别为光热电站的最大下爬坡速率和最大上爬坡速率,上述参数均从电力系统控制中心获取;
(3)将电力系统中一个包含多类型发电资源的集合聚合为一个发电机组簇,得到聚合后的一个发电机组簇的发电资源同质化模型;根据步骤(2)的多个类型的发电资源同质化模型,计算聚合后该发电机组簇的同质化模型参数,具体步骤如下:
(3-1)将步骤(2)中同质化表征模型中所有多类型发电资源的发电机组的可控有功功率分量的下限C t和上限发电机组可控有功功率分量的容量下限SC t和上限以及发电机组可控有功功率分量的爬坡速率下限DC t和上限进行叠加,得到聚合后发电机组簇的可控有功功率分量的表达式如下:
其中,
式中,下标g为多类型发电资源中所有发电机组的序号,下标c为电力系统中多类型发电资源聚合后的发电机组簇的序号,Ωc为第c号发电机组簇中所包含的所有发电机组的集合,可从电力系统控制中心获得;C c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的下限和上限,SC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的容量下限和上限,DC c,t、分别表示第c个聚合后发电机组簇在调度时段t内可控有功功率分量的爬坡速率下限和上限;
(3-2)利用步骤(2)的发电机组簇的发电资源同质化模型,采用相依序列运算方法,根据发电机组簇中所有NG台发电机组的不可控有功功率分量的概率密度函数利用下式,计算得到所有NG台发电机组的不可控有功功率分量之和的概率密度函数
其中:
(4)重复步骤(2)和(3),遍历电力系统中所有多类型发电资源的集合,聚合为NC个发电机组簇,并得到聚合后的所有NC个发电机组簇的同质化模型参数;
(5)建立一个基于多类型发电资源同质化的电力系统调度模型,调度模型的目标函数如下:
其中,下标s为电力系统实时运行场景的编号,常数为电力系统实时运行场景s的概率,NS表示电力系统实时运行场景总数,从电力系统控制中心获得,Csys为电力系统运行总成本,CDA,sys为日前发电计划成本,为实时调度运行成本,表达式如下:
目标函数与约束条件中,上标含有“~”符号的变量为实时调度变量,不含该符号的变量为日前变量,NC、NT和NN分别表示聚合后的电力系统中发电机组簇总数、电力系统调度周期内的调度时段总数和电力系统节点总数,CGe、CRu、CRd和θVoLL分别表示电力系统中的能量成本、正备用成本、负备用成本和切除负荷成本系数,上述参数均从电力系统控制中心获取;
表示聚合后第c号发电机组簇在调度时段t内的日前调度有功功率,表示聚合后第c号发电机组簇在调度时段t内的日前调度的负备用量,表示聚合后第c号发电机组簇在调度时段t内的日前调度的正备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的负备用量,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度的正备用量,表示电力系统节点n在场景s下调度时段t内的切除负荷量,上述变量均为电力系统调度模型的待求解量;
上述目标函数中的日前发电计划成本CDA,sys的约束条件包括:
a、发电机组可控有功功率分量中的功率类约束,从步骤(4-1)中得到:
b、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
c、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
d、电力系统中的有功功率平衡约束:
e、电力系统中所有线路的有功潮流约束:
其中,表示电力系统中线路l和节点n之间的潮流转移分布因子,Ωn表示所有连接到第n号电力系统母线上发电机组簇的集合,表示电力系统线路l的有功潮流上限,上述参数从电力系统控制中心获取,表示电力系统线路l在调度时段t内的日前有功潮流,为电力系统调度模型的待求解量;
f、电力系统中的正备用和负备用约束:
RRu,sys和RRd,sys分别表示电力系统正备用和负备用需求量,上述参数从电力系统控制中心获取;
g、发电机组可控有功功率分量中的功率类约束,从步骤(4)中得到:
其中,表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度不可控有功功率分量,根据步骤(4-2)中得到的并利用场景生成技术计算得到;表示在场景s下聚合后第c号发电机组簇在调度时段t内的实时调度总有功功率,为电力系统调度模型的待求解量;
h、发电机组可控有功功率分量中的能量类约束,从步骤(4-1)中得到:
i、发电机组可控有功功率分量中的爬坡类约束,从步骤(4-1)中得到:
j、电力系统中的有功功率平衡约束:
k、电力系统中所有线路的有功潮流约束:
电力系统的日前发电有功功率与实时调度有功功率之间的链接约束:
(6)采用线性规划计算方法,求解由步骤(5)的目标函数和约束条件组成的基于多类型发电资源同质化的电力系统调度模型,得到发电机组有功功率、电力系统调度的正备用量、电力系统调度的负备用量、电力系统的切除负荷量和电力系统线路的有功潮流,实现基于多类型发电资源同质化的电力系统调度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019111795683 | 2019-11-27 | ||
CN201911179568 | 2019-11-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110867907A true CN110867907A (zh) | 2020-03-06 |
CN110867907B CN110867907B (zh) | 2020-12-01 |
Family
ID=69660041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911377315.7A Active CN110867907B (zh) | 2019-11-27 | 2019-12-27 | 一种基于多类型发电资源同质化的电力系统调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110867907B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112234657A (zh) * | 2020-09-24 | 2021-01-15 | 国网山东省电力公司电力科学研究院 | 基于新能源联合出力和需求响应的电力系统优化调度方法 |
CN112581311A (zh) * | 2020-12-11 | 2021-03-30 | 东北电力大学 | 一种多风电场聚合后出力长期波动特性预测方法及系统 |
CN116131259A (zh) * | 2023-02-09 | 2023-05-16 | 中国南方电网有限责任公司 | 基于时间聚合的电力资源调度方法、装置和计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289566A (zh) * | 2011-07-08 | 2011-12-21 | 浙江大学 | 独立运行模式下的微电网多时间尺度能量优化调度方法 |
US20160248255A1 (en) * | 2015-02-24 | 2016-08-25 | Solarcity Corporation | Scalable hierarchical energy distribution grid utilizing homogeneous control logic |
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 |
CN107276069A (zh) * | 2017-06-08 | 2017-10-20 | 中国电力科学研究院 | 一种地区电网居民温控负荷的近似聚合建模方法及系统 |
CN109284878A (zh) * | 2018-11-26 | 2019-01-29 | 武汉大学 | 一种考虑风电、核电、抽水蓄能协调的多源优化调度方法 |
CN109936162A (zh) * | 2019-03-18 | 2019-06-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于可控负荷提升新能源接纳能力的电网日前发电计划优化方法及系统 |
CN110601233A (zh) * | 2019-09-30 | 2019-12-20 | 国家电网公司西北分部 | 一种电力系统中储能电站的调峰调度方法 |
-
2019
- 2019-12-27 CN CN201911377315.7A patent/CN110867907B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289566A (zh) * | 2011-07-08 | 2011-12-21 | 浙江大学 | 独立运行模式下的微电网多时间尺度能量优化调度方法 |
US20160248255A1 (en) * | 2015-02-24 | 2016-08-25 | Solarcity Corporation | Scalable hierarchical energy distribution grid utilizing homogeneous control logic |
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 |
CN107276069A (zh) * | 2017-06-08 | 2017-10-20 | 中国电力科学研究院 | 一种地区电网居民温控负荷的近似聚合建模方法及系统 |
CN109284878A (zh) * | 2018-11-26 | 2019-01-29 | 武汉大学 | 一种考虑风电、核电、抽水蓄能协调的多源优化调度方法 |
CN109936162A (zh) * | 2019-03-18 | 2019-06-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于可控负荷提升新能源接纳能力的电网日前发电计划优化方法及系统 |
CN110601233A (zh) * | 2019-09-30 | 2019-12-20 | 国家电网公司西北分部 | 一种电力系统中储能电站的调峰调度方法 |
Non-Patent Citations (2)
Title |
---|
YANFEI HAN ET AL.: "THE 3D MODELING AND RADAR SIMULATION OF LOW-ALTITUDE WIND SHEAR VIA COMPUTATIONAL FLUID DYNAMICS METHOD", 《IEEE》 * |
么艳香 等: "风-光-水多能互补发电系统㶲分析模型", 《电力自动化设备》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112234657A (zh) * | 2020-09-24 | 2021-01-15 | 国网山东省电力公司电力科学研究院 | 基于新能源联合出力和需求响应的电力系统优化调度方法 |
CN112581311A (zh) * | 2020-12-11 | 2021-03-30 | 东北电力大学 | 一种多风电场聚合后出力长期波动特性预测方法及系统 |
CN112581311B (zh) * | 2020-12-11 | 2022-05-17 | 东北电力大学 | 一种多风电场聚合后出力长期波动特性预测方法及系统 |
CN116131259A (zh) * | 2023-02-09 | 2023-05-16 | 中国南方电网有限责任公司 | 基于时间聚合的电力资源调度方法、装置和计算机设备 |
CN116131259B (zh) * | 2023-02-09 | 2024-02-06 | 中国南方电网有限责任公司 | 基于时间聚合的电力资源调度方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110867907B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qi et al. | Distributed supervisory predictive control of distributed wind and solar energy systems | |
CN106786799B (zh) | 一种直流联络线功率阶梯化发电计划优化方法 | |
CN110867907B (zh) | 一种基于多类型发电资源同质化的电力系统调度方法 | |
CN109767078B (zh) | 一种基于混合整数规划的多类型电源检修安排方法 | |
CN108039737B (zh) | 一种源网荷协调运行模拟系统 | |
CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
CN110400056B (zh) | 基于风光时空特性的梯级水电日前优化调度方法及装置 | |
CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
CN112234604A (zh) | 一种多能互补电源基地优化配置方法、存储介质及设备 | |
CN117154778A (zh) | 一种配电网分布式储能优化配置方法及系统 | |
CN112134307A (zh) | 多能互补系统的电储能/热储能容量联合优化方法及系统 | |
CN117833273A (zh) | 一种基于神经网络辅助的考虑频率约束的电力系统前瞻调度模型求解方法 | |
CN110336308B (zh) | 一种基于机会约束的主动配电网经济调度方法 | |
CN116540545A (zh) | 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法 | |
CN116933493A (zh) | 基于时序生产模拟的碳排放量计算方法、装置及存储介质 | |
CN116742812A (zh) | 一种多能互补发电系统储能容量协调优化配置方法和系统 | |
CN115800276A (zh) | 一种考虑机组爬坡的电力系统应急调度方法 | |
CN116128193A (zh) | 一种基于区块链技术的园区微网调度方法及调度系统 | |
CN109615193A (zh) | 一种考虑光伏与混合储能的综合能源系统规划方法 | |
CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
Du et al. | A bi-level multi-objective planning method for microgrid with offshore wind power | |
CN108258734B (zh) | 基于风功率区间预测的鲁棒最优调度方法 | |
CN113610658A (zh) | 一种基于信息间隙决策模型的配网运行调度方法及系统 | |
Song et al. | No-Fluctuation Wind Power Grid-Connection Aided by Pumped Storage | |
CN113255141B (zh) | 储能电站投资容量和安装位置计算方法 |
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 |