CN110909954B - 一种最大化可再生能源利用的多阶段电源规划方法 - Google Patents

一种最大化可再生能源利用的多阶段电源规划方法 Download PDF

Info

Publication number
CN110909954B
CN110909954B CN201911221680.9A CN201911221680A CN110909954B CN 110909954 B CN110909954 B CN 110909954B CN 201911221680 A CN201911221680 A CN 201911221680A CN 110909954 B CN110909954 B CN 110909954B
Authority
CN
China
Prior art keywords
power plant
year
power
output
typical day
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
CN201911221680.9A
Other languages
English (en)
Other versions
CN110909954A (zh
Inventor
王建学
李清涛
古宸嘉
张耀
鲍国俊
刘树桦
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201911221680.9A priority Critical patent/CN110909954B/zh
Publication of CN110909954A publication Critical patent/CN110909954A/zh
Application granted granted Critical
Publication of CN110909954B publication Critical patent/CN110909954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种最大化可再生能源利用的多阶段电源规划方法，获取电源规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据；以最大化可再生能源利用量为目标函数，构建多阶段电源规划模型、电源规划预算和投建限制约束、系统运行基础约束、火电厂运行约束、水电厂运行约束、可再生能源电厂运行约束、外送通道运行约束和可再生能源电厂投资组合约束；将获得的数据输入到构建的电源规划模型中，求解得到电源规划投建方案和可再生能源消纳评估结果，进行多阶段电源规划实现对可再生能源的最大化利用。本发明弥补了传统电源规划方法中的缺陷，能够更好的满足系统运行的多方面需求，极大地提高可再生能源的利用水平，对于多类型电源的实际建设具有更强的指导意义。

Description

一种最大化可再生能源利用的多阶段电源规划方法
技术领域
本发明属于电源规划技术领域，具体涉及一种最大化可再生能源利用的多阶段电源规划方法。
背景技术
可再生能源发电的随机波动性给电力系统的运行调度带来了巨大的挑战，为了在确保系统安全运行的同时保障对高比例可再生能源的足额消纳，需要在进行电源规划时，充分考虑到可再生能源出力的波动性以及间歇性，从而使所得的电源规划方案具备足够的调节灵活性。因此，需要一种最大化可再生能源利用的多阶段电源规划方法，在规划层面上优化电源结构以实现系统可再生能源的充分利用、消纳。
近几十年来，电源规划的相关研究一直在进行，其在电力系统运行和可持续能源发展方面发挥着至关重要的作用。电源规划主要目的是通过确定不同类型的待选电源投建时间、装机位置、机组容量和机组类型来获得最优电源组合，以满足未来的日益增长负荷需求，确保电力系统保持可靠和安全运行。
传统上，电源规划模型通常由两个独立的模块组成，即投资决策模块和运行评估模块。第一个模块是确定电源组合，以便根据不同类型发电厂的预计利用小时数，满足峰值负荷以及年用电量增长的需求。第二个模块用于校核由第一模块提供的电源组合的可靠性及可行性，较为典型方法如确定性或概率性生产模拟方法。传统方法中，这两个模块被解耦并迭代求解，以减少电源规划方法的计算负担。然而，此类解耦结构的缺点是，电源规划仅提供可行的规划方案，而不是最佳方案。
除此之外，传统电源规划主要目标是将总成本(包括投资和运行成本)降至最低。实际上，在可再生能源渗透率高的电力系统中，此类以成本为导向的电源规划方法会导致可再生能源的消纳量大量减少。然而，近年来，人们更加关注的是提高可再生能源的利用率和减少可再生能源的削减。为此，亟需一种新的电源规划方法，以大力促进可再生能源的消纳，从而使得电力系统更加“绿色”。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种最大化可再生能源利用的多阶段电源规划方法，用于优化电源结构，改善电力系统新能源消纳能力。
本发明采用以下技术方案：
一种最大化可再生能源利用的多阶段电源规划方法，包括以下步骤：
S1、获取电源规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据；
S2、以最大化可再生能源利用量为目标函数，构建多阶段电源规划模型、电源规划预算和投建限制约束、系统运行基础约束、火电厂运行约束、水电厂运行约束、可再生能源电厂运行约束、外送通道运行约束和可再生能源电厂投资组合约束；
S3、将步骤S1获得的数据输入到步骤S2构建的电源规划模型中，求解第y年电厂i的装机数Xi,y；第y年第k个典型日第t个时刻，火电/水电/风电/光伏/联络线i的出力
Figure BDA0002301028320000021
得到电源规划投建方案和可再生能源消纳评估结果，进行多阶段电源规划实现对可再生能源的最大化利用。
具体的，步骤S1中，电源规划数据包括各类型电源投建成本；各类型电源的固定/可变运行维护成本；各类型电源投建成本的等年值折算系数和年最大装机数；系统基本技术数据包括负荷数据；电源数据；可再生能源厂站数据；系统运行约束条件数据：各发电机组出力上下限；各发电机组最大爬坡速率；电源投资成本上限；逐年碳排放量上限；年可利用水量和年最大可交易电量；系统运行预测数据包括运行场景总数；每种场景发生的概率；每种场景下单位容量新能源机组出力曲线和每种场景规划水平年负荷。
具体的，步骤S2中，目标函数具体为：
Figure BDA0002301028320000031
其中，Y是规划年的集合；K是典型日的集合；T是时段的集合；ΘW/ΘS分别是是风电/光伏电厂的集合；ωy,k是第y年第k个典型日的权重；
Figure BDA0002301028320000032
是第y年第k个典型日第t个时刻风电厂i的出力；
Figure BDA0002301028320000033
是第y年第k个典型日第t个时刻光伏电厂i的出力；Δt是时段间隔。
具体的，电源规划预算和投建限制约束包括电源规划预算上限约束和电源规划投建限制约束，电源规划预算上限约束具体为：
Figure BDA0002301028320000034
Figure BDA0002301028320000035
πy＝(1+r)1-y
其中，Y是规划年的集合；ΘC是待选电厂集合；πy为第y年现值折算系数；τi为电厂i的成本回收系数；
Figure BDA0002301028320000036
为电厂i的投资成本；
Figure BDA0002301028320000037
为电厂i的最大出力；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000038
为投资预算上限；r为折现率；
电源规划投建限制约束具体为：
Figure BDA0002301028320000041
Figure BDA0002301028320000042
Figure BDA0002301028320000043
其中，ΘC/ΘE分别是待选及已有电厂集合；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000044
为第y年电厂i的装机上限；
Figure BDA0002301028320000045
为已有电厂i的装机数。
具体的，系统运行基础约束包括系统装机容量约束、系统功率平衡约束和系统备用约束；
系统装机容量约束具体为：
Figure BDA0002301028320000046
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000047
分别为风电及光伏电厂i的置信容量系数；
Figure BDA0002301028320000048
为电厂i的最大出力；
Figure BDA0002301028320000049
为年最大负荷；
Figure BDA00023010283200000410
为备用率；
系统功率平衡约束具体为：
Figure BDA00023010283200000411
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；ΘL+/ΘL-是联络线集合；
Figure BDA00023010283200000412
分别是第y年第k个典型日第t个时刻火电/水电/风电/光伏/联络线i的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；
系统备用约束具体为：
Figure BDA00023010283200000413
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000051
为电厂i的最大出力；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000052
分别是第y年第k个典型日第t个时刻风电/光伏厂i的预测出力系数；
Figure BDA0002301028320000053
为联络线i的最大容量；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；εD/εW/εS是负荷、风电及光伏的旋转备用系数。
具体的，火电厂运行约束包括火电厂出力限制约束、火电厂爬坡约束、最小开关机时间约束和低碳排放政策约束；
火电厂出力限制约束具体为：
Figure BDA0002301028320000054
其中，ΘG是火电电厂集合；
Figure BDA0002301028320000055
为电厂i的最大/最小出力；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；
Figure BDA0002301028320000056
是第y年第k个典型日第t个时刻火电厂i的出力；
火电厂爬坡约束具体为：
Figure BDA0002301028320000057
其中，ΘG是火电电厂集合；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；
Figure BDA0002301028320000058
是第y年第k个典型日第t个时刻火电/i的出力；
Figure BDA0002301028320000059
是火电厂i的上/下爬坡能力；
最小开关机时间约束具体为：
Figure BDA00023010283200000510
Figure BDA00023010283200000511
Figure BDA00023010283200000512
其中，ΘG是火电电厂集合；αi,y,k,t/di,y,k,t/ui,y,k,t为第y年第k个典型日第t个时刻电厂i的在运/关停/开启机组数；Xi,y为第y年电厂i的装机数；
低碳排放政策约束具体为：
Figure BDA0002301028320000061
其中，ΘG是火电电厂集合；ωy,k是第y年第k个典型日的权重；
Figure BDA0002301028320000062
是第y年第k个典型日第t个时刻火电厂i的出力；Qi G是火电厂i的碳排放率；
Figure BDA0002301028320000063
是碳排放总量限值。
具体的，水电厂运行约束包括水电厂出力限制约束和水电厂发电量限制约束；
水电厂出力限制约束具体为：
Figure BDA0002301028320000064
其中，ΘH是水电电厂集合；
Figure BDA0002301028320000065
为电厂i的最大/最小出力；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000066
是第y年第k个典型日第t个时刻水电厂i的出力；
水电厂发电量限制约束具体为：
Figure BDA0002301028320000067
其中，ΘH是水电电厂集合；
Figure BDA0002301028320000068
是第y年第k个典型日第t个时刻水电厂i的出力；Δt是时段间隔；
Figure BDA0002301028320000069
是最大可利用水电电量。
具体的，可再生能源电厂运行约束包括可再生能源电厂出力限制约束，具体为：
Figure BDA00023010283200000610
Figure BDA00023010283200000611
其中，ΘW/ΘS分别是风电/光伏电厂的集合；
Figure BDA00023010283200000612
为电厂i的最大出力；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000071
分别是第y年第k个典型日第t个时刻风电/光伏厂i的预测出力系数；
Figure BDA0002301028320000072
分别是第y年第k个典型日第t个时刻风电/光伏i的出力。
具体的，外送通道运行约束包括外送电力上下限约束、外送通道爬坡限制约束和外送电量限制约束；
外送电力上下限约束具体为：
Figure BDA0002301028320000073
其中，ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000074
是第y年第k个典型日第t个时刻联络线i的出力；
Figure BDA0002301028320000075
是联络线i的传输容量上下限；
外送通道爬坡限制约束具体为：
Figure BDA0002301028320000076
其中，ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000077
是第y年第k个典型日第t个时刻联络线i的出力；
Figure BDA0002301028320000078
是联络线i的上/下爬坡能力；
外送电量限制约束具体为：
Figure BDA0002301028320000079
其中，ΘL+/ΘL-是联络线集合；
Figure BDA00023010283200000710
是第y年第k个典型日第t个时刻联络线l的出力；
Figure BDA00023010283200000711
是第y年联络线l的计划交易电量；
Figure BDA00023010283200000712
是联络线l的允许电量偏移系数；ωy,k是第y年第k个典型日的权重；Δt是时段间隔。
具体的，可再生能源电厂投资组合约束包括通过输电联络线输出的电量，具体为：
Figure BDA00023010283200000713
其中，ΘW/ΘS分别是风电/光伏电厂的集合；
Figure BDA00023010283200000714
分别是第y年第k个典型日第t个时刻风电/光伏i的出力；
Figure BDA0002301028320000081
是第y年第k个典型日第t个时刻联络线l的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；ρy是第y年新能源发电量占比；ωy,k是第y年第k个典型日的权重；Δt是时段间隔。
与现有技术相比，本发明至少具有以下有益效果：
本发明将投资决策模块和运行评估模块结合在一起，使得对电源规划问题的建模更为精细，可以提供更为经济及可靠的电源规划。除此之外，本发明充分考虑到负荷及可再生能源发电带来的短期运行不确定性，提出了新的目标函数，用以最大限度地满足规划期内可再生年能源的利用，相比于传统电源规划方法具有更优的经济性，其能够更好的满足系统运行的多方面需求，从而极大地提高了可再生能源的利用水平。
进一步的，获取电源规划数据能够完成本发明所提出的模型边界条件的设定。
进一步的，通过最大化目标函数，可以确保规划方案实现最大化的可再生能源消纳。
进一步的，电源规划预算和投建限制约束包括电源规划预算上限约束和电源规划投建限制约束，限制新增电厂的投资成本不能超过预算，从而使规划结果处于合理的水平。
进一步的，系统运行基础约束包括系统装机容量约束、系统功率平衡约束和系统备用约束，保证规划方案满足系统基础运行的需求。
进一步的，通过对火电厂进行细致的建模，可以精确反映火电厂在实际中的运行特性。
进一步的，通过对水电厂库容量等进行建模，可以模拟水电厂在实际中的运行特性。
进一步的，通过对可再生能源电厂间歇性及随机性进行建模，可以反映可再生能源电厂在实际中的运行的不确定性。
进一步的，设置外送通道运行约束，可以保证外送电力电量满足事先制定计划的要求。
进一步的，设立可再生能源电厂投资组合约束，可以确保可再生能源发电在总发电量中占据合理的比率。
综上所述，本发明弥补了传统电源规划方法中的缺陷，能够更好的满足系统运行的多方面需求，极大地提高可再生能源的利用水平，对于多类型电源的实际建设具有更强的指导意义。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明流程示意图；
图2为新能源消纳量对比图。
具体实施方式
本发明提供了一种最大化可再生能源利用的多阶段电源规划方法，针对传统电源规划方法投资决策/运行评估模块分离以及只以经济性为导向的问题，将投资决策模块和运行评估模块结合在一起，使得对电源规划问题的建模更为精细，可以提供更为经济及可靠的电源规划。除此之外，本发明充分考虑到负荷及可再生能源发电带来的短期运行不确定性，提出了新的目标函数，用以最大限度地满足规划期内可再生年能源的利用。
请参阅图1，本发明一种最大化可再生能源利用的多阶段电源规划方法，用于引导电源结构持续优化、促进可再生能源消纳的多阶段电源规划，具体步骤如下：
S1、从电力系统规划部门获取电源规划数据、系统基本技术数据、系统运行约束条件数据、系统运行预测数据；
电源规划数据：各类型电源投建成本；各类型电源的固定/可变运行维护成本；各类型电源投建成本的等年值折算系数；年最大装机数。
系统基本技术数据：负荷数据；电源数据；可再生能源厂站数据。
系统运行约束条件数据：各发电机组出力上下限；各发电机组最大爬坡速率；电源投资成本上限；逐年碳排放量上限；年可利用水量；年最大可交易电量。
系统运行预测数据：运行场景总数；每种场景发生的概率；每种场景下单位容量新能源机组出力曲线；每种场景规划水平年负荷。
S2、构建多阶段电源规划模型
S201、以最大化可再生能源利用量为目标函数，构建多阶段电源规划模型目标，实现可再生能源所生产电力的最大化；
目标函数具体为：
Figure BDA0002301028320000101
其中，Y是规划年的集合；K是典型日的集合；T是时段的集合；ΘW/ΘS分别是是风电/光伏电厂的集合；ωy,k是第y年第k个典型日的权重；
Figure BDA0002301028320000102
是第y年第k个典型日第t个时刻风电厂i的出力；
Figure BDA0002301028320000103
是第y年第k个典型日第t个时刻光伏电厂i的出力；Δt是时段间隔。
S202、构建电源规划预算和投建限制约束，包括：
电源规划预算上限约束，即各类型电源系统总投建成本上限限制，限制新增电厂的投资成本不能超过预算；
Figure BDA0002301028320000111
Figure BDA0002301028320000112
πy＝(1+r)1-y (4)
其中，Y是规划年的集合；ΘC是待选电厂集合；πy为第y年现值折算系数；τi为电厂i的成本回收系数；
Figure BDA0002301028320000113
为电厂i的投资成本；
Figure BDA0002301028320000114
为电厂i的最大出力；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000115
为投资预算上限；r为折现率。
电源规划投建限制约束，对投建决策变量的逻辑约束，具体为：
Figure BDA0002301028320000116
Figure BDA0002301028320000117
Figure BDA0002301028320000118
其中，ΘC/ΘE分别是待选及已有电厂集合；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000119
为第y年电厂i的装机上限；
Figure BDA00023010283200001110
为已有电厂i的装机数。
约束(5)用于确保逐年装机容量是非减的，约束(6)用于限制每年的装机上限，约束(7)用于保证了已有电厂的逐年装机保持不变。
S203、构建系统运行基础约束条件，包括：
系统装机容量约束，确保总装机容量应满足充足性要求(电力系统可靠性评估的一个方面)，其中可再生能源电厂的容量信用小于1，这意味着由于可再生能源发电的随机性，可再生能源电厂的可靠容量无法达到其额定装机容量，具体为：
Figure BDA00023010283200001111
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；Xi,y为第y年电厂i的装机数；
Figure BDA00023010283200001112
分别为风电及光伏电厂i的置信容量系数；
Figure BDA0002301028320000121
为电厂i的最大出力；
Figure BDA0002301028320000122
为年最大负荷；
Figure BDA0002301028320000123
为备用率。
系统功率平衡约束，表征所有电厂产生的功率加上所有联络线上的净交换功率之和应等于负荷，具体为：
Figure BDA0002301028320000124
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000125
分别是第y年第k个典型日第t个时刻火电/水电/风电/光伏/联络线i的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值。
系统备用约束，表征所有在运机组和所有联络线提供的可用运行备用应大于来自与负荷变化和可再生能源不确定性的总备用要求，具体为：
Figure BDA0002301028320000126
其中，ΘG/ΘH分别是火电及水电电厂集合；ΘW/ΘS分别是风电/光伏电厂的集合；ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000127
为电厂i的最大出力；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000128
分别是第y年第k个典型日第t个时刻风电/光伏厂i的预测出力系数；
Figure BDA0002301028320000129
为联络线i的最大容量；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；εD/εW/εS是负荷、风电及光伏的旋转备用系数。
S204、构建火电厂运行约束条件，包括：
火电厂出力限制约束，确定火电厂出力范围，具体为：
Figure BDA00023010283200001210
其中，ΘG是火电电厂集合；
Figure BDA0002301028320000131
为电厂i的最大/最小出力；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；
Figure BDA0002301028320000132
是第y年第k个典型日第t个时刻火电厂i的出力。
火电厂爬坡约束，约束限制火电厂爬坡能力，具体为：
Figure BDA0002301028320000133
其中，ΘG是火电电厂集合；αi,y,k,t为第y年第k个典型日第t个时刻电厂i的在运机组数；
Figure BDA0002301028320000134
是第y年第k个典型日第t个时刻火电/i的出力；
Figure BDA0002301028320000135
是火电厂i的上/下爬坡能力。
最小开关机时间约束；
Figure BDA0002301028320000136
Figure BDA0002301028320000137
Figure BDA0002301028320000138
其中，ΘG是火电电厂集合；αi,y,k,t/di,y,k,t/ui,y,k,t为第y年第k个典型日第t个时刻电厂i的在运/关停/开启机组数；Xi,y为第y年电厂i的装机数。
低碳排放政策约束，限制了所有火电发电厂产生的年碳排放量不得超过总的碳排放上限，具体为：
Figure BDA0002301028320000139
其中，ΘG是火电电厂集合；ωy,k是第y年第k个典型日的权重；
Figure BDA00023010283200001310
是第y年第k个典型日第t个时刻火电厂i的出力；
Figure BDA00023010283200001311
是火电厂i的碳排放率；
Figure BDA00023010283200001312
是碳排放总量限值。
S205、构建水电厂运行约束条件，包括：
水电厂出力限制约束，确定了水电厂出力范围，具体为：
Figure BDA0002301028320000141
其中，ΘH是水电电厂集合；
Figure BDA0002301028320000142
为电厂i的最大/最小出力；Xi,y为第y年电厂i的装机数；
Figure BDA0002301028320000143
是第y年第k个典型日第t个时刻水电厂i的出力。
水电厂发电量限制约束，确保具有大型水库的水电站，其调度期内的最大可用能量不超过其库容水量，具体为：
Figure BDA0002301028320000144
其中，ΘH是水电电厂集合；
Figure BDA0002301028320000145
是第y年第k个典型日第t个时刻水电厂i的出力；Δt是时段间隔；
Figure BDA0002301028320000146
是最大可利用水电电量。
S206、构建可再生能源电厂运行约束条件，包括：
可再生能源电厂出力限制约束，确定了风/光电厂的出力范围，具体为：
Figure BDA0002301028320000147
Figure BDA0002301028320000148
其中，ΘW/ΘS分别是风电/光伏电厂的集合；
Figure BDA0002301028320000149
为电厂i的最大出力；Xi,y为第y年电厂i的装机数；
Figure BDA00023010283200001410
分别是第y年第k个典型日第t个时刻风电/光伏厂i的预测出力系数；
Figure BDA00023010283200001411
分别是第y年第k个典型日第t个时刻风电/光伏i的出力。
S207、构建外送通道运行约束条件，包括：
外送电力上下限约束，确定了外送电力通道的功率上下限，具体为：
Figure BDA00023010283200001412
其中，ΘL+/ΘL-是联络线集合；
Figure BDA00023010283200001413
是第y年第k个典型日第t个时刻联络线i的出力；
Figure BDA00023010283200001414
是联络线i的传输容量上下限。
外送通道爬坡限制约束，限定外送电力通道的爬坡能力，具体为：
Figure BDA0002301028320000151
其中，ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000152
是第y年第k个典型日第t个时刻联络线i的出力；
Figure BDA0002301028320000153
是联络线i的上/下爬坡能力。
外送电量限制约束，限制了通过输电联络线的年输出能量应该非常接近其预期设定值，具体为：
Figure BDA0002301028320000154
其中，ΘL+/ΘL-是联络线集合；
Figure BDA0002301028320000155
是第y年第k个典型日第t个时刻联络线l的出力；
Figure BDA0002301028320000156
是第y年联络线l的计划交易电量；
Figure BDA0002301028320000157
是联络线l的允许电量偏移系数；ωy,k是第y年第k个典型日的权重；Δt是时段间隔。
S208、构建可再生能源电厂投资组合约束，要求每年由可再生能源电厂所发电量必须满足电量需求的一定比例，包括通过输电联络线输出的电量，具体为：
Figure BDA0002301028320000158
其中，ΘW/ΘS分别是风电/光伏电厂的集合；
Figure BDA0002301028320000159
分别是第y年第k个典型日第t个时刻风电/光伏i的出力；
Figure BDA00023010283200001510
是第y年第k个典型日第t个时刻联络线l的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；ρy是第y年新能源发电量占比；ωy,k是第y年第k个典型日的权重；Δt是时段间隔。
S3、将步骤S1得到的数据输入到步骤S2中构建的电源规划模型中，求解得到电源规划投建方案，系统投建及运行成本和可再生能源消纳评估结果，根据结果实现对可再生能源的最大化利用。
第y年电厂i的装机数Xi,y；
第y年第k个典型日第t个时刻，火电/水电/风电/光伏/联络线i的出力
Figure BDA00023010283200001511
系统投资及运行成本。
本发明通过模型求解得到不同年各种类型电厂的装机台数，也即是最终的多阶段电源规划结果，可以直接用于电源规划方案的选配；同时，本发明还可以得到作为方案评价指标的系统投资及运行成本，用以衡量投建方案的经济性；更进一步地，本发明还提供了各类型机组在投建后的实际运行工况，用于决策者追溯系统运行状态。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明将西北某省的实际电网改造为案例研究中使用的测试系统，该省水能和太阳能资源非常丰富。在这个系统中，它的发电主要来自水力、热力、风力和太阳能发电厂。表1总结了2018年各类发电的装机容量。如表1所示，2018年风力和太阳能发电厂的装机容量已经达到总容量的44％。另一方面，水力发电能力的比例接近42％。因此，该测试系统中几乎所有的电力需求都由清洁能源提供。
表1测试系统中不同类型发电的安装容量和潜在容量
Figure BDA0002301028320000171
为了验证本发明方法的有效性，对两个电源规划模型的结果进行比较。具体设定如下：
1)GEP-TO：这是指传统的GEP方法。其目标是找到成本最低的发电组合。GEP-TO模型中考虑的总成本包括投资成本、固定运行和维护(O&M)成本、燃料成本和热电厂启动成本。
2)GEP-NO：这指的是我们提出的GEP模型，其目标是最大限度地消纳可再生能源规划结果如表2所示：
表2 GEP-TO与GEP-NO模型规划结果的比较
Figure BDA0002301028320000172
Figure BDA0002301028320000181
请参阅图2，GEP-NO模式的可再生能源五年发电量为154.93TWh，比GEP-TO模式的131.03TWh大得多。这表明，与传统的GEP-TO模型相比，我们提出的GEP-NO模型能够显著改善可再生能源的适应性。同时，另一方面，GEP-NO模型在前三年(从2021年到2023年)比GEP-TO模型消纳了更多的可再生能源。特别地，在2022年和2023年，与GEP-TO模型相比，我们提出的GEP-NO模型分别将可再生能源调节提高了7.98TWh和7.49TWh。这是因为在前三年安装了更多的风力和太阳能发电，如表2所示。然而，在过去的两年中，GEP-TO和GEP-NO模式之间的可再生能源调节差异相对较小，2024年仅为2.78TWh，2025年仅为1.41TWh。这是因为几乎所有的风能和太阳能资源都已开发出来，而且在过去两年里，电源优化没有足够的潜在可再生能源。
本发明提出的模型在中国一个可再生能源渗透率较高的省份的实际系统上得到了验证数值结果表明，与传统的GEP模型相比，本发明提出的电源规划模型更倾向于安装更多的可再生能源电厂，其目标是使总投资成本最小化。尽管它的总投资成本比传统模型高一点，但我们提出的GEP模型可以容纳更多的可再生能源发电。因此，本发明提出的方法提供了更好的规划结果，以提高可再生能源的利用率和减少可再生能源的削减。
本发明对电源的选型组合进行优化，对于电源机组的实际建设具有更强的指导意义。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (3)

1.一种最大化可再生能源利用的多阶段电源规划方法，其特征在于，包括以下步骤：
S1、获取电源规划数据、系统基本技术数据、系统运行约束条件数据和系统运行预测数据；
S2、以最大化可再生能源利用量为目标函数，构建多阶段电源规划模型、电源规划预算和投建限制约束、系统运行基础约束、火电厂运行约束、水电厂运行约束、可再生能源电厂运行约束、外送通道运行约束和可再生能源电厂投资组合约束，目标函数具体为：
Figure FDA0003759699390000011
其中，Y是规划年的集合；K是典型日的集合；T是时段的集合；ΘW、ΘS分别是风电场、光伏电站的集合；ωy,k是第y年第k个典型日的权重；
Figure FDA0003759699390000012
是第y年第k个典型日第t个时刻风电场w的出力；
Figure FDA0003759699390000013
是第y年第k个典型日第t个时刻光伏电站s的出力；Δt是时段间隔；
电源规划预算和投建限制约束包括电源规划预算上限约束和电源规划投建限制约束，电源规划预算上限约束具体为：
Figure FDA0003759699390000014
Figure FDA0003759699390000015
πy＝(1+r)1-y
其中，Y是规划年的集合；ΘC是待选电厂集合；πy为第y年现值折算系数；τi为电厂i的成本回收系数；
Figure FDA0003759699390000016
为电厂i的投资成本；
Figure FDA0003759699390000017
为电厂i的最大出力；Xi,y为第y年电厂i的装机数；
Figure FDA0003759699390000018
为投资预算上限；r为折现率；
电源规划投建限制约束具体为：
Figure FDA0003759699390000019
Figure FDA00037596993900000110
Figure FDA00037596993900000111
其中，ΘC、ΘE分别是待选及已有电厂集合；Xi,y为第y年电厂i的装机数；
Figure FDA00037596993900000112
为第y年电厂i的装机上限；
Figure FDA0003759699390000021
为已有电厂i的装机数；
系统运行基础约束包括系统装机容量约束、系统功率平衡约束和系统备用约束；
系统装机容量约束具体为：
Figure FDA0003759699390000022
其中，ΘG、ΘH分别是火电厂及水电厂集合；ΘW、ΘS分别是风电场、光伏电站的集合；Xi,y、Xw,y、Xs,y分别为第y年火电厂及水电厂i、风电场w和光伏电站s的装机数；
Figure FDA0003759699390000023
分别为风电场w和光伏电站s的置信容量系数；
Figure FDA0003759699390000024
分别为火电厂及水电厂i、风电场w和光伏电站s的最大出力；
Figure FDA0003759699390000025
为第y年最大负荷；
Figure FDA0003759699390000026
为第y年备用率；
系统功率平衡约束具体为：
Figure FDA0003759699390000027
其中，ΘG、ΘH分别是火电厂及水电厂集合；ΘW、ΘS分别是风电场、光伏电站的集合；ΘL+、ΘL-分别是受电、送电联络线集合；
Figure FDA0003759699390000028
分别是第y年第k个典型日第t个时刻火电厂g、水电厂h、风电场w、光伏电站s、联络线l的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；
系统备用约束具体为：
Figure FDA0003759699390000029
其中，ΘG、ΘH分别是火电厂及水电厂集合；ΘW、ΘS分别是风电场、光伏电站的集合；ΘL+、ΘL-分别是受电、送电联络线集合；
Figure FDA00037596993900000210
分别为火电厂g、水电厂h、风电场w、光伏电站s的最大出力；αg,y,k,t为第y年第k个典型日第t个时刻火电厂g的在运机组数；Xh,y、Xw,y、Xs,y分别为第y年水电厂h、风电场w、光伏电站s的装机数；
Figure FDA00037596993900000211
分别是第y年第k个典型日第t个时刻风电场w、光伏电站s的预测出力系数；
Figure FDA0003759699390000031
为联络线l的最大容量；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；εD、εW、εS分别是负荷、风电及光伏的旋转备用系数；
火电厂运行约束包括火电厂出力限制约束、火电厂爬坡约束、最小开关机时间约束和低碳排放政策约束；
火电厂出力限制约束具体为：
Figure FDA0003759699390000032
其中，ΘG是火电厂集合；
Figure FDA0003759699390000033
分别为火电厂g的最大、最小出力；αg,y,k,t为第y年第k个典型日第t个时刻火电厂g的在运机组数；
Figure FDA0003759699390000034
是第y年第k个典型日第t个时刻火电厂g的出力；
火电厂爬坡约束具体为：
Figure FDA0003759699390000035
其中，ΘG是火电厂集合；αg,y,k,t为第y年第k个典型日第t个时刻火电厂g的在运机组数；
Figure FDA0003759699390000036
是第y年第k个典型日第t个时刻火电厂g的出力；
Figure FDA0003759699390000037
分别是火电厂g的上、下爬坡能力；
最小开关机时间约束具体为：
Figure FDA0003759699390000038
Figure FDA0003759699390000039
Figure FDA00037596993900000310
其中，ΘG是火电厂集合；αg,y,k,t为第y年第k个典型日第t个时刻火电厂g的在运机组数，dg,y,k,τ、ug,y,k,τ分别为第y年第k个典型日第τ个时刻火电厂g的关停、开启机组数；Xg,y为第y年火电厂g的装机数；
低碳排放政策约束具体为：
Figure FDA0003759699390000041
其中，ΘG是火电厂集合；ωy,k是第y年第k个典型日的权重；
Figure FDA0003759699390000042
是第y年第k个典型日第t个时刻火电厂g的出力；
Figure FDA0003759699390000043
是火电厂g的碳排放率；
Figure FDA0003759699390000044
是碳排放总量限值；
水电厂运行约束包括水电厂出力限制约束和水电厂发电量限制约束；
水电厂出力限制约束具体为：
Figure FDA0003759699390000045
其中，ΘH是水电厂集合；
Figure FDA0003759699390000046
分别为水电厂h的最小、最大出力；Xh,y为第y年水电厂h的装机数；
Figure FDA0003759699390000047
是第y年第k个典型日第t个时刻水电厂h的出力；
水电厂发电量限制约束具体为：
Figure FDA0003759699390000048
其中，ΘH是水电厂集合；
Figure FDA0003759699390000049
是第y年第k个典型日第t个时刻水电厂h的出力；Δt是时段间隔；
Figure FDA00037596993900000410
是最大可利用水电电量；
可再生能源电厂运行约束包括可再生能源电厂出力限制约束，具体为：
Figure FDA00037596993900000411
Figure FDA00037596993900000412
其中，ΘW、ΘS分别是风电场、光伏电站的集合；
Figure FDA00037596993900000413
分别为风电场w、光伏电站s的最大出力；Xw,y、Xs,y分别为第y年风电场w、光伏电站s的装机数；
Figure FDA00037596993900000414
分别是第y年第k个典型日第t个时刻风电场w、光伏电站s的预测出力系数；
Figure FDA00037596993900000415
分别是第y年第k个典型日第t个时刻风电场w、光伏电站s的出力；
外送通道运行约束包括外送电力上下限约束、外送通道爬坡限制约束和外送电量限制约束；
外送电力上下限约束具体为：
Figure FDA0003759699390000051
其中，ΘL+、ΘL-分别是受电、送电联络线集合；
Figure FDA0003759699390000052
是第y年第k个典型日第t个时刻联络线l的出力；
Figure FDA0003759699390000053
Pl Tie分别是联络线l的传输容量上下限；
外送通道爬坡限制约束具体为：
Figure FDA0003759699390000054
其中，ΘL+、ΘL-分别是受电、送电联络线集合；
Figure FDA0003759699390000055
是第y年第k个典型日第t个时刻联络线l的出力，
Figure FDA0003759699390000056
为第y年第k个典型日第t个时刻前一时刻联络线l的出力；
Figure FDA0003759699390000057
分别是联络线l的上、下爬坡能力；
外送电量限制约束具体为：
Figure FDA0003759699390000058
其中，ΘL+、ΘL-分别是受电、送电联络线集合；
Figure FDA0003759699390000059
是第y年第k个典型日第t个时刻联络线l的出力；
Figure FDA00037596993900000510
是第y年联络线l的计划交易电量；
Figure FDA00037596993900000511
是联络线l的允许电量偏移系数；ωy,k是第y年第k个典型日的权重；Δt是时段间隔；
S3、将步骤S1获得的数据输入到步骤S2构建的电源规划模型中，求解第y年电厂i的装机数Xi,y；第y年第k个典型日第t个时刻，火电厂g、水电厂h、风电场w、光伏电站s、联络线l的出力分别为
Figure FDA00037596993900000512
基于最大化利用可再生能源的目标进行多阶段电源规划，得到电源规划投建方案和可再生能源消纳评估结果。
2.根据权利要求1所述的最大化可再生能源利用的多阶段电源规划方法，其特征在于，步骤S1中，电源规划数据包括各类型电源投建成本；各类型电源的固定、可变运行维护成本；各类型电源投建成本的等年值折算系数和年最大装机数；系统基本技术数据包括负荷数据；电源数据；可再生能源厂站数据；系统运行约束条件数据包括：各发电机组出力上下限；各发电机组最大爬坡速率；电源投资成本上限；逐年碳排放量上限；年可利用水量和年最大可交易电量；系统运行预测数据包括运行场景总数；每种场景发生的概率；每种场景下单位容量新能源机组出力曲线和每种场景规划水平年负荷。
3.根据权利要求1所述的最大化可再生能源利用的多阶段电源规划方法，其特征在于，可再生能源电厂投资组合约束包括通过输电联络线输出的电量，具体为：
Figure FDA0003759699390000061
其中，ΘW、ΘS分别是风电场、光伏电站的集合；
Figure FDA0003759699390000062
分别是第y年第k个典型日第t个时刻风电场w、光伏电站s的出力；
Figure FDA0003759699390000063
是第y年第k个典型日第t个时刻联络线l的出力；Dy,k,t是第y年第k个典型日第t个时刻负荷预测值；ρy是第y年新能源发电量占比；ωy,k是第y年第k个典型日的权重；Δt是时段间隔。
CN201911221680.9A 2019-12-03 2019-12-03 一种最大化可再生能源利用的多阶段电源规划方法 Active CN110909954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911221680.9A CN110909954B (zh) 2019-12-03 2019-12-03 一种最大化可再生能源利用的多阶段电源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911221680.9A CN110909954B (zh) 2019-12-03 2019-12-03 一种最大化可再生能源利用的多阶段电源规划方法

Publications (2)

Publication Number Publication Date
CN110909954A CN110909954A (zh) 2020-03-24
CN110909954B true CN110909954B (zh) 2022-10-25

Family

ID=69821756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911221680.9A Active CN110909954B (zh) 2019-12-03 2019-12-03 一种最大化可再生能源利用的多阶段电源规划方法

Country Status (1)

Country Link
CN (1) CN110909954B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639819B (zh) * 2020-06-08 2022-09-30 天津大学 一种综合能源园区多阶段优化控制方法
CN112186734B (zh) * 2020-08-20 2022-06-07 西安交通大学 一种电力系统中长期运行模拟方法、储存介质及计算设备
CN111969659A (zh) * 2020-08-28 2020-11-20 国网四川省电力公司电力科学研究院 一种高海拔地区输电线路状态监测装置的电源选型方法
CN112381325B (zh) * 2020-11-27 2023-11-21 云南电网有限责任公司电力科学研究院 一种加氢站规划方法
CN112598175A (zh) * 2020-12-22 2021-04-02 上海电力大学 一种流域型虚拟电厂调度方法
CN113780632B (zh) * 2021-08-19 2023-05-30 广东能源集团科学技术研究院有限公司 一种发电企业碳达峰预测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868841A (zh) * 2016-03-21 2016-08-17 广西电网有限责任公司电力科学研究院 一种基于风电优先上网的风水火联合调度方法
CN110112726A (zh) * 2019-04-30 2019-08-09 国家电网公司华中分部 基于差分-梯度进化的多能源短期经济调度方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942728B (zh) * 2014-04-11 2017-02-08 武汉大学 梯级水电站群日发电计划编制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868841A (zh) * 2016-03-21 2016-08-17 广西电网有限责任公司电力科学研究院 一种基于风电优先上网的风水火联合调度方法
CN110112726A (zh) * 2019-04-30 2019-08-09 国家电网公司华中分部 基于差分-梯度进化的多能源短期经济调度方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
含可再生能源清洁供热的电—热联合系统协调优化研究;赵习猛;《中国优秀博硕士学位论文全文数据库（硕士）》;20180715(第7期);第11-60页 *
考虑常规机组调峰特性的新能源生产模拟系统;高峰 等;《宁夏电力》;20140228;第1-7页 *
面向能源互联网的未来配电网优化规划;张雪松 等;《电力建设》;20170228;第38卷(第2期);第45-51页 *

Also Published As

Publication number Publication date
CN110909954A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110909954B (zh) 一种最大化可再生能源利用的多阶段电源规划方法
CN108123492B (zh) 一种考虑火电电蓄热联合调峰的日前发电计划优化方法
CN110224393B (zh) 一种基于最小切负荷模型的新能源消纳评估方法
CN109767078B (zh) 一种基于混合整数规划的多类型电源检修安排方法
CN106786799B (zh) 一种直流联络线功率阶梯化发电计划优化方法
Wang et al. Coordinated operation of conventional hydropower plants as hybrid pumped storage hydropower with wind and photovoltaic plants
CN105305427B (zh) 一种考虑外部受电的电网调峰方法
CN103259262A (zh) 含大规模风电的电力系统的检修计划优化方法
Jahanbani et al. Optimum design of a hybrid renewable energy system
CN109412158A (zh) 一种考虑弃能成本约束的送端电网机组组合运行控制方法
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
CN109742796A (zh) 一种风光水火储联合系统的多时间尺度协调调度方法
CN110601260A (zh) 一种限定联络线上功率波动的光-蓄系统容量优化方法
CN116667395A (zh) 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN110460090A (zh) 一种水风光微电网电源容量配置方法
CN116247745A (zh) 考虑非计划离网风险的氢能微网滚动优化调度方法
CN116014797A (zh) 一种配网新能源接纳能力提升的评估方法
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
Du et al. A bi-level multi-objective planning method for microgrid with offshore wind power
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
CN112149339A (zh) 风电-光伏-光热-电加热器互补发电系统容量优化模型
Ma et al. Multi-objective optimal scheduling of power system considering the coordinated operation of photovoltaic-wind-pumped storage hybrid power
Li et al. Optimization strategy for CHP with heat storage participating in deep peak regulation market

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