CN110932261A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110932261A
CN110932261A CN201911184268.4A CN201911184268A CN110932261A CN 110932261 A CN110932261 A CN 110932261A CN 201911184268 A CN201911184268 A CN 201911184268A CN 110932261 A CN110932261 A CN 110932261A
Authority
CN
China
Prior art keywords
power
output
unit
cost
time period
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
Application number
CN201911184268.4A
Other languages
English (en)
Other versions
CN110932261B (zh
Inventor
张娜
张明理
潘霄
梁毅
高靖
刘兴龙
王义贺
朱赫炎
宋坤
赵琳
仲崇飞
侯依昕
刘禹彤
满林坤
李纯正
王鹤霏
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.)
Co Ltd Of Chinese Energy Construction Group Liaoning Prospecting & Designing Inst Of Electric Power
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
Co Ltd Of Chinese Energy Construction Group Liaoning Prospecting & Designing Inst Of Electric Power
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Liaoning Electric Power 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 Co Ltd Of Chinese Energy Construction Group Liaoning Prospecting & Designing Inst Of Electric Power, State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical Co Ltd Of Chinese Energy Construction Group Liaoning Prospecting & Designing Inst Of Electric Power
Priority to CN201911184268.4A priority Critical patent/CN110932261B/zh
Publication of CN110932261A publication Critical patent/CN110932261A/zh
Application granted granted Critical
Publication of CN110932261B publication Critical patent/CN110932261B/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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • 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

本发明涉及电力技术领域，尤其涉及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。本发明包括：构建抽水蓄能电站联合规划模型；使用两层优化方法对规划模型进行求解；使用Cplex优化软件得到系统规划结果。本发明能够提高北方地区风电消纳能力，在兼顾公司效益和社会效益的前提下提高系统抗扰动能力与风电消纳能力，改善风电并网后系统调峰能力。本发明还综合考虑系统负荷与风电的波动性、电源结构、电网调峰能力以及风电接入电网对调峰能力的影响等因素，能够定量评估电网调峰对风电接纳能力的限制程度。有助于满足我国节能环保、清洁能源接纳等政策性需求，可用于改善我国电网电源结构，降低发电成本，提高电网安全稳定运行能力。

Description

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
技术领域
本发明涉及电力技术领域，尤其涉及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。
背景技术
风电具有很大的随机性、间歇性和不可控性。风电出力特性具有反调峰特性，即负荷低谷时，常规火电机组出力降低，而此时风电机组出力却大幅增加。为了保证系统频率在正常范围之内，必须进一步压低火电机组出力，在无法准确进行风电功率预测的情况下，电网中要留有接近风电最大出力的调峰盈余来平衡负荷低谷时风电出力的增加部分。这种方式在电网中风电接入规模较小时尚可应对，随着风电的大规模开发，特别是千万千瓦级风电基地的投运，依靠运行火电机组低谷调峰时的调峰盈余克服风电波动的方式将难以适应，同时也给电网的安全稳定运行带来很大的影响。
我国北方地区受电源结构、供热需求影响，负荷低谷调峰问题突出，目前主要依靠抽水蓄能、限制新能源出力缓解电网调峰问题，尚且没有找到有效手段彻底解决调峰问题。
发明内容
针对上述现有技术中存在的问题，本发明提供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。本发明兼顾电网公司与社会效益，以等年值综合成本最低为优化目标，建立抽蓄-核电-风电的联合规划模型，以得到三种电源的最优规划装机容量。
基于上述发明目的，本发明是通过以下技术方案来实现的：
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，包括以下步骤：
步骤1：构建抽水蓄能电站联合规划模型；
步骤2：使用两层优化方法对规划模型进行求解；
步骤3：使用Cplex优化软件得到系统规划结果。
所述抽水蓄能电站联合规划模型以等年值综合成本最低为目标函数，其值为抽水蓄能电站成本、火电机组燃耗成本及系统排放成本之和。
所述规划结果包括：系统最优风电装机参量、抽水蓄能装机容量、核电装机容量。
所述构建抽水蓄能电站联合规划模型，包括：
满足如下表达式：
min Csum＝CPu+CCo+CEs (1)
其中：Csum为等年值综合成本，Cpu为抽水蓄能电站成本，CCo为火电机组燃耗成本，CEs为系统排放成本。
所述抽水蓄能电站成本Cpu由新增装机等年值投资成本CIna、总装机年运行成本Cop组成；
CPu＝CIna+COp (2)
其中：Cpu为抽水蓄能电站成本，CIna为新增装机等年值投资成本，CEOp为总装机年运行成本；
新增装机等年值投资成本CIna：
Figure BDA0002292027080000021
其中，CIna为新增装机等年值投资成本，Cin单位容量初始投资成本，PC_Pu新增抽蓄装机容量，γ是折现率，k是年份；
总装机年运行成本Cop：
COp＝(QPu-QPg)·ce (4)
其中，QPu抽蓄电站总水电量，QPg抽蓄电站总发电量，ce电价。
所述火电机组燃耗成本Cco：
Figure BDA0002292027080000022
其中，
Figure BDA0002292027080000023
为年发电量，
Figure BDA0002292027080000024
为单位煤耗，Pco为煤价，NG为火电机组数目。
所述系统排放成本即污染气体排放成本：
Figure BDA0002292027080000031
其中，cES为污染气体排放成本，
Figure BDA0002292027080000032
为年发电量，
Figure BDA0002292027080000033
为单位煤耗，Pco为煤价，NG为火电机组数目；
负荷平衡约束：
Figure BDA0002292027080000034
上式中：i代表第i台机组，m代表运行方式，t代表时段，N为机组数，
Figure BDA0002292027080000035
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，D(m,t)为第m中运行方式下第t时段的负荷；
分非供暖期、供暖初末期、供暖中期三种典型运行方式(m＝1,2,3)，每天分峰、谷、平三个时段考虑(t＝1,2,3)，运行时允许弃风、弃核；
机组出力约束：
Figure BDA0002292027080000036
上式中：
Figure BDA0002292027080000037
为第i台火电机组的最小出力，Ii(m,t)为第i台机组的启停方式，
Figure BDA0002292027080000038
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，μw(m,t)为抽水蓄能电站的效率，
Figure BDA0002292027080000039
为第m中运行方式下第t时段的核电机组出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，
Figure BDA0002292027080000041
为核电机组最小出力，
Figure BDA0002292027080000042
为核电机组最大出力；
火电、核电机组爬坡约束：
Figure BDA0002292027080000043
其中，
Figure BDA0002292027080000044
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA0002292027080000045
为第m中运行方式下第t时段的核电机组出力，
Figure BDA0002292027080000046
是在第m种运行方式下第t-1时段火电机组的输出功率，
Figure BDA0002292027080000047
为第m中运行方式下第t-1时段的核电机组出力，
Figure BDA0002292027080000048
为第i台火电机组的爬坡率，
Figure BDA0002292027080000049
为第i台核电机组的爬坡率；
最小运行方式约束：
Figure BDA00022920270800000410
其中，
Figure BDA00022920270800000411
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA00022920270800000412
为第m中运行方式下第t时段的核电机组出力，
Figure BDA00022920270800000413
第i台火电机组的最小技术出力，
Figure BDA00022920270800000414
为第i台核电机组的最小技术出力；
年发电量折算模型：
Figure BDA00022920270800000415
其中，
Figure BDA00022920270800000416
为第i台火电机组的发电量，
Figure BDA00022920270800000417
为第i台水电机组的发电量，
Figure BDA00022920270800000418
为第i台抽水蓄能机组的发电量，
Figure BDA0002292027080000051
为第i台核电机组的发电量；
Figure BDA0002292027080000052
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA0002292027080000053
为第m中运行方式下第t时段的水电出力，
Figure BDA0002292027080000054
为第m中运行方式下第t时段的核电机组出力，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，αm、βt为折算效率，Hourt代表第t个小时，Daym代表第m天。
所述使用两层优化方法对规划模型进行求解，包括：外层模型和内层模型两层优化方法。
所述外层模型优化风电装机容量，通过以一定步长改变风电装机粗选出最优风电装机，然后采用夹板二分法求取精确最优风电装机，求解时，将已有装机作为最小值保证非供暖期白天不弃风的风电装机容量作为最大值。
所述内层模型在固定风电装机规模下，通过优化抽水蓄能、核电装机容量完成。
本发明具有以下优点及有益效果：
本发明能够提高北方地区风电消纳能力，有效利用调峰电源、可控负荷并实现两者之间的协调控制，是一种基于全局效益最大化的抽水蓄能-核电-风电装机联合规划方法。
本发明能够通过构建抽蓄-风电-核电联合装机规划模型求解出各类机组最优装机容量，在兼顾公司效益和社会效益的前提下提高系统抗扰动能力与风电消纳能力，改善风电并网后系统调峰能力。
本发明可综合考虑系统负荷与风电的波动性、电源结构、电网调峰能力以及风电接入电网对调峰能力的影响等因素，能够定量评估电网调峰对风电接纳能力的限制程度。
本发明有助于满足我国节能环保、清洁能源接纳等政策性需求，可用于改善我国电网电源结构，降低发电成本，提高电网安全稳定运行能力。
附图说明
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
图1是本发明某省电网年负荷特性曲线；
图2是本发明抽蓄装机为230万千瓦时弃风率随风电装机容量变化灵敏度分析；
图3是本发明风电装机为1003万千瓦时弃风率随抽水蓄能装机变化灵敏度分析；
图4是本发明风电装机为1003万千瓦时火电燃耗成本随抽水蓄能装机变化灵敏度分析；
图5是本发明风电装机为1003万千瓦时火电排放成本随抽水蓄能装机变化灵敏度分析；
图6是本发明风电装机为1003万时新增抽水蓄能装机等年值投资成本随抽水蓄能装机变化灵敏度分析；
图7是本发明风电装机为1003万时抽水蓄能机组运行成本随抽水蓄能装机变化灵敏度分析；
图8是本发明总成本随抽水蓄能装机变化灵敏度分析；
图9是本发明基于全局效益最大化的多能源系统联合装机规划流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
如图9所示，图9是本发明基于全局效益最大化的多能源系统联合装机规划流程图。本发明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，包括以下步骤：
步骤1：构建抽水蓄能电站联合规划模型。抽水蓄能电站联合规划模型以等年值综合成本最低为目标函数，其值为抽水蓄能电站成本、火电机组燃耗成本、系统排放成本之和。
步骤2：使用两层优化方法对规划模型进行求解；
步骤3：使用Cplex优化软件可得系统规划结果，其规划结果包括：系统最优风电装机、抽水蓄能装机容量、核电装机容量等参量。
所述步骤1：构建抽水蓄能电站联合规划模型，包括：
抽水蓄能电站联合规划模型以等年值综合成本最低为目标函数，由抽水蓄能电站成本、火电机组燃耗成本、系统排放成本三部分构成，满足如下表达式:
min Csum＝CPu+CCo+CEs (1)
其中：Csum为等年值综合成本，Cpu为抽水蓄能电站成本，CCo为火电机组燃耗成本，CEs为系统排放成本
抽水蓄能电站成本Cpu由新增装机等年值投资成本CIna、总装机年运行成本Cop组成。
CPu＝CIna+COp (2)
其中：Cpu为抽水蓄能电站成本，CIna为新增装机等年值投资成本，CEOp为总装机年运行成本。
新增装机等年值投资成本CIna：
Figure BDA0002292027080000071
其中，CIna为新增装机等年值投资成本，Cin单位容量初始投资成本，PC_Pu新增抽蓄装机容量，γ是折现率，k是年份。
总装机年运行成本Cop：
COp＝(QPu-QPg)·ce (4)
其中，QPu抽蓄电站总水电量，QPg抽蓄电站总发电量，ce电价。
火电机组燃耗成本Cco：
Figure BDA0002292027080000072
其中，
Figure BDA0002292027080000073
为年发电量，
Figure BDA0002292027080000074
为单位煤耗，Pco为煤价，NG为火电机组数目。
所述系统排放成本，即污染气体排放成本：
Figure BDA0002292027080000081
其中，cES为污染气体排放成本，
Figure BDA0002292027080000082
为年发电量，
Figure BDA0002292027080000083
为单位煤耗，Pco为煤价，NG为火电机组数目。
负荷平衡约束：
Figure BDA0002292027080000084
上式中：i代表第i台机组，m代表运行方式，t代表时段，N为机组数，
Figure BDA0002292027080000089
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，D(m,t)为第m中运行方式下第t时段的负荷。
分非供暖期、供暖初末期、供暖中期三种典型运行方式(m＝1,2,3)，每天分峰、谷、平三个时段考虑(t＝1,2,3)，运行时允许弃风、弃核。
机组出力约束：
Figure BDA0002292027080000085
上式中：
Figure BDA0002292027080000086
为第i台火电机组的最小出力，Ii(m,t)为第i台机组的启停方式，
Figure BDA0002292027080000087
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，μw(m,t)为抽水蓄能电站的效率，
Figure BDA0002292027080000088
为第m中运行方式下第t时段的核电机组出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，
Figure BDA0002292027080000091
为核电机组最小出力，
Figure BDA0002292027080000092
为核电机组最大出力。
火电、核电机组爬坡约束：
Figure BDA0002292027080000093
其中，
Figure BDA0002292027080000094
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA0002292027080000095
为第m中运行方式下第t时段的核电机组出力，
Figure BDA0002292027080000096
是在第m种运行方式下第t-1时段火电机组的输出功率，
Figure BDA0002292027080000097
为第m中运行方式下第t-1时段的核电机组出力，
Figure BDA0002292027080000098
为第i台火电机组的爬坡率，
Figure BDA0002292027080000099
为第i台核电机组的爬坡率。
最小运行方式约束：
Figure BDA00022920270800000910
其中，
Figure BDA00022920270800000911
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA00022920270800000912
为第m中运行方式下第t时段的核电机组出力，
Figure BDA00022920270800000913
第i台火电机组的最小技术出力，
Figure BDA00022920270800000914
为第i台核电机组的最小技术出力。
年发电量折算模型：
Figure BDA00022920270800000915
其中，
Figure BDA0002292027080000101
为第i台火电机组的发电量，
Figure BDA0002292027080000102
为第i台水电机组的发电量，
Figure BDA0002292027080000103
为第i台抽水蓄能机组的发电量，
Figure BDA0002292027080000104
为第i台核电机组的发电量。
Figure BDA0002292027080000107
是在第m种运行方式下第t时段火电机组的输出功率，
Figure BDA0002292027080000105
为第m中运行方式下第t时段的水电出力，
Figure BDA0002292027080000106
为第m中运行方式下第t时段的核电机组出力，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，αm、βt为折算效率，Hourt代表第t个小时，Daym代表第m天。
所述步骤2：使用两层优化方法对规划模型进行求解，包括：外层模型和内层模型两层优化方法。
其中，外层模型优化风电装机容量，通过以一定步长改变风电装机粗选出最优风电装机，然后采用夹板二分法求取精确最优风电装机，求解时，需将已有装机作为最小值，以保证非供暖期白天不弃风的风电装机容量作为最大值。
内层模型则在固定风电装机规模下，通过优化抽水蓄能、核电装机容量完成。
所述步骤3：使用Cplex优化软件可得系统规划结果，规划结果包括：系统最优风电装机、抽水蓄能装机容量、核电装机容量等参量。
下面举例说明：
假设2020年某省全社会用电量为2032亿千瓦时，净受入电量400亿千瓦时，水电按平发考虑，标煤价格为525元/吨，每当量污染排放价格为0.6元，单位抽水蓄能建设成本为350万元/MW，抽水蓄能电站寿命为30年，折现率为6.3％，当前电网风电装机为638.84万千瓦，核电装机装机容量为400万千瓦，抽蓄装机装机容量为120万千瓦，某省电网典型负荷曲线如图1所示。
采用所提双层求解算法对联合规划模型求解可得，风电最优装机容量为1003万千瓦，抽蓄最优装机容量为231万千瓦，核电最优装机容量为400万千瓦。
抽蓄装机为230万千瓦不变情况下，弃风率随风电装机容量的增加逐渐增大，当风电装机容量超过1300万千瓦时，弃风率增大速度加快，说明已超过当前抽蓄容量可调峰能力。其中，抽蓄装机为230万千瓦不变情况下弃风率随风电装机容量变化灵敏度分析具体如图2所示。
当风电装机为1003万千瓦固定不变的情况下，随着抽水蓄能装机容量的增加，系统接纳风电电力逐渐增加，弃风率随之减小。当前120万千瓦抽蓄全部用于本省调峰时，弃风率约为12％，当抽蓄装机增加到300万千瓦时，弃风率降到4％以下。根据优化结果，最优抽蓄装机容量为231万千瓦，对应的弃风率为5.99％。其中，风电装机为1003万千瓦不变情况下弃风率随抽水蓄能装机变化灵敏度分析具体如图3所示。
当风电装机为1003万千瓦固定不变的情况下，随着抽水蓄能装机容量的增加，风电出力和风电量逐渐增加，火电发电量相应减少，且考虑节能优化调度，高能耗机组发电比例下降，全网火电单位煤耗和单位排放也相应降低，故火电总燃耗成本和排放成本随着抽水蓄能装机的增加显著下降。其中，风电装机为1003万千瓦不变情况下火电燃耗成本、火电排放成本随抽水蓄能装机变化灵敏度分析如图4和图5所示。
随着抽水蓄能装机容量的增加，当假设单位抽蓄电站投资成本一定的情况下，新增抽水蓄能装机的等年值投资成本呈线性增长；抽水蓄能机组运行成本也逐渐增加，但由于不同电源结构下，系统运行方式不尽相同，运行成本并不是完全线性增长。其中，风电装机为1003万千瓦不变情况下新增抽水蓄能装机等年值投资成本、抽水蓄能机组运行成本与总投资成本随抽水蓄能装机变化灵敏度分析如图6、图7和图8所示。
从图8可看出，风电装机为1003万千瓦不变情况下，总成本随抽水蓄能装机容量变化曲线整体呈“V”型，当抽蓄装机为230万千瓦时，总成本最低，为324.099亿元，验证了本文所提方法结果的正确性与有效性。
从仿真结果可看出，在系统参数保持不变的情况下，使用本发明所提方法能够有效确定各类机组最优装机容量，降低弃风率，在大规模风电并网时具有重要意义。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围，包括权利要求，被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于全局效益最大化的多能源系统联合装机规划方法，其特征是：包括以下步骤：
步骤1：构建抽水蓄能电站联合规划模型；
步骤2：使用两层优化方法对规划模型进行求解；
步骤3：使用Cplex优化软件得到系统规划结果。
2.根据权利要求1所述的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，其特征是：所述抽水蓄能电站联合规划模型以等年值综合成本最低为目标函数，其值为抽水蓄能电站成本、火电机组燃耗成本及系统排放成本之和。
3.根据权利要求1所述的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，其特征是：所述规划结果包括：系统最优风电装机参量、抽水蓄能装机容量、核电装机容量。
4.根据权利要求1所述的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，其特征是：所述构建抽水蓄能电站联合规划模型，包括：
满足如下表达式：
min Csum＝CPu+CCo+CEs (1)
其中：Csum为等年值综合成本，Cpu为抽水蓄能电站成本，CCo为火电机组燃耗成本，CEs为系统排放成本。
5.根据权利要求2或4中的任意一项所述的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，其特征是：所述抽水蓄能电站成本Cpu由新增装机等年值投资成本CIna、总装机年运行成本Cop组成；
CPu＝CIna+COp (2)
其中：Cpu为抽水蓄能电站成本，CIna为新增装机等年值投资成本，CEOp为总装机年运行成本；
新增装机等年值投资成本CIna：
Figure FDA0002292027070000011
其中，CIna为新增装机等年值投资成本，Cin单位容量初始投资成本，PC_Pu新增抽蓄装机容量，γ是折现率，k是年份；
总装机年运行成本Cop：
COp＝(QPu-QPg)·ce (4)
其中，QPu抽蓄电站总水电量，QPg抽蓄电站总发电量，ce电价。
6.根据权利要求2或4中的任意一项所述的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，其特征是：所述火电机组燃耗成本Cco：
Figure FDA0002292027070000021
其中，
Figure FDA0002292027070000022
为年发电量，
Figure FDA0002292027070000023
为单位煤耗，Pco为煤价，NG为火电机组数目。
7.根据权利要求2或4中的任意一项所述的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，其特征是：所述系统排放成本即污染气体排放成本：
Figure FDA0002292027070000024
其中，cES为污染气体排放成本，
Figure FDA0002292027070000025
为年发电量，
Figure FDA0002292027070000026
为单位煤耗，Pco为煤价，NG为火电机组数目；
负荷平衡约束：
Figure FDA0002292027070000027
上式中：i代表第i台机组，m代表运行方式，t代表时段，N为机组数，
Figure FDA0002292027070000028
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，D(m,t)为第m中运行方式下第t时段的负荷；
分非供暖期、供暖初末期、供暖中期三种典型运行方式(m＝1,2,3)，每天分峰、谷、平三个时段考虑(t＝1,2,3)，运行时允许弃风、弃核；
机组出力约束：
Figure FDA0002292027070000031
上式中：
Figure FDA0002292027070000032
为第i台火电机组的最小出力，Ii(m,t)为第i台机组的启停方式，
Figure FDA0002292027070000033
是在第m种运行方式下第t时段火电机组的输出功率，PC_w为抽水蓄能电站的额定输出功率，μw(m,t)为抽水蓄能电站的效率，
Figure FDA0002292027070000034
为第m中运行方式下第t时段的核电机组出力，Pnu(m,t)为第m中运行方式下第t时段的核电机组出力，
Figure FDA0002292027070000035
为核电机组最小出力，
Figure FDA0002292027070000036
为核电机组最大出力；
火电、核电机组爬坡约束：
Figure FDA0002292027070000037
其中，
Figure FDA0002292027070000038
是在第m种运行方式下第t时段火电机组的输出功率，
Figure FDA0002292027070000039
为第m中运行方式下第t时段的核电机组出力，
Figure FDA00022920270700000310
是在第m种运行方式下第t-1时段火电机组的输出功率，
Figure FDA00022920270700000311
为第m中运行方式下第t-1时段的核电机组出力，
Figure FDA00022920270700000312
为第i台火电机组的爬坡率，
Figure FDA00022920270700000313
为第i台核电机组的爬坡率；
最小运行方式约束：
Figure FDA00022920270700000314
其中，
Figure FDA00022920270700000315
是在第m种运行方式下第t时段火电机组的输出功率，
Figure FDA00022920270700000316
为第m中运行方式下第t时段的核电机组出力，
Figure FDA0002292027070000041
第i台火电机组的最小技术出力，
Figure FDA0002292027070000042
为第i台核电机组的最小技术出力；
年发电量折算模型：
Figure FDA0002292027070000043
其中，
Figure FDA0002292027070000044
为第i台火电机组的发电量，
Figure FDA0002292027070000045
为第i台水电机组的发电量，
Figure FDA0002292027070000046
为第i台抽水蓄能机组的发电量，
Figure FDA0002292027070000047
为第i台核电机组的发电量；
Figure FDA0002292027070000048
是在第m种运行方式下第t时段火电机组的输出功率，
Figure FDA0002292027070000049
为第m中运行方式下第t时段的水电出力，
Figure FDA00022920270700000410
为第m中运行方式下第t时段的核电机组出力，Ppu(m,t)是第m中运行方式下第t时段的抽水蓄能电站出力，αm、βt为折算效率，Hourt代表第t个小时，Daym代表第m天。
8.根据权利要求1所述的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，其特征是：所述使用两层优化方法对规划模型进行求解，包括：外层模型和内层模型两层优化方法。
9.根据权利要求8所述的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，其特征是：所述外层模型优化风电装机容量，通过以一定步长改变风电装机粗选出最优风电装机，然后采用夹板二分法求取精确最优风电装机，求解时，将已有装机作为最小值保证非供暖期白天不弃风的风电装机容量作为最大值。
10.根据权利要求8所述的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，其特征是：所述内层模型在固定风电装机规模下，通过优化抽水蓄能、核电装机容量完成。
CN201911184268.4A 2019-11-27 2019-11-27 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 Active CN110932261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911184268.4A CN110932261B (zh) 2019-11-27 2019-11-27 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911184268.4A CN110932261B (zh) 2019-11-27 2019-11-27 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

Publications (2)

Publication Number Publication Date
CN110932261A true CN110932261A (zh) 2020-03-27
CN110932261B CN110932261B (zh) 2023-09-19

Family

ID=69846708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911184268.4A Active CN110932261B (zh) 2019-11-27 2019-11-27 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

Country Status (1)

Country Link
CN (1) CN110932261B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598295A (zh) * 2020-04-13 2020-08-28 中国电建集团贵阳勘测设计研究院有限公司 促进风电消纳的电力系统抽水蓄能电站装机优化方法
CN115513999A (zh) * 2022-09-29 2022-12-23 湖北工业大学 一种鲸鱼算法优化新型电力系统抽水蓄能的装机容量最优规划策略及系统
CN115566701A (zh) * 2022-08-26 2023-01-03 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
CN115879330A (zh) * 2023-02-28 2023-03-31 南方电网数字电网研究院有限公司 基于时序生产仿真的多能源电源多点布局确定方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104485690A (zh) * 2014-12-18 2015-04-01 国家电网公司 一种基于多阶段动态规划的电网多源调峰方法
CN109599861A (zh) * 2018-11-30 2019-04-09 国家电网公司西南分部 考虑本地负荷调峰能力的送端电网电源结构规划方法
CN109919480A (zh) * 2019-03-01 2019-06-21 广东电网有限责任公司 一种三层目标的能源互联网规划方法及设备
CN110048456A (zh) * 2019-04-25 2019-07-23 国网福建省电力有限公司 一种基于大规模风电接入输电网的源网联合规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104485690A (zh) * 2014-12-18 2015-04-01 国家电网公司 一种基于多阶段动态规划的电网多源调峰方法
CN109599861A (zh) * 2018-11-30 2019-04-09 国家电网公司西南分部 考虑本地负荷调峰能力的送端电网电源结构规划方法
CN109919480A (zh) * 2019-03-01 2019-06-21 广东电网有限责任公司 一种三层目标的能源互联网规划方法及设备
CN110048456A (zh) * 2019-04-25 2019-07-23 国网福建省电力有限公司 一种基于大规模风电接入输电网的源网联合规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
戴嘉彤: "基于抽水蓄能的风光互补发电系统优化运行研究", 《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技II辑》 *
王艳艳: "基于风功率预测的风电场混合储能容量多目标优化配置", 《中国优秀硕士学位论文全文数据库（电子期刊） 工程科技II辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598295A (zh) * 2020-04-13 2020-08-28 中国电建集团贵阳勘测设计研究院有限公司 促进风电消纳的电力系统抽水蓄能电站装机优化方法
CN111598295B (zh) * 2020-04-13 2022-10-28 中国电建集团贵阳勘测设计研究院有限公司 促进风电消纳的电力系统抽水蓄能电站装机优化方法
CN115566701A (zh) * 2022-08-26 2023-01-03 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
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
CN115513999A (zh) * 2022-09-29 2022-12-23 湖北工业大学 一种鲸鱼算法优化新型电力系统抽水蓄能的装机容量最优规划策略及系统
CN115513999B (zh) * 2022-09-29 2023-07-18 湖北工业大学 一种鲸鱼算法优化电力系统抽水蓄能的装机容量最优规划策略及系统
CN115879330A (zh) * 2023-02-28 2023-03-31 南方电网数字电网研究院有限公司 基于时序生产仿真的多能源电源多点布局确定方法和装置
CN115879330B (zh) * 2023-02-28 2023-12-12 南方电网数字电网研究院有限公司 基于时序生产仿真的多能源电源多点布局确定方法和装置

Also Published As

Publication number Publication date
CN110932261B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
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
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN110909954B (zh) 一种最大化可再生能源利用的多阶段电源规划方法
CN108123492A (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
CN109586284B (zh) 考虑弃能约束的送端电力系统随机生产模拟方法及应用
CN110929428B (zh) 一种电力系统发电容量充裕度确定方法及系统
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
Xiao et al. A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage
CN113541195B (zh) 一种未来电力系统中高比例可再生能源的消纳方法
CN108683188A (zh) 考虑环境价值及调峰充裕度的多目标风电接纳水平优化
CN111126675A (zh) 多能互补微网系统优化方法
Ye Research on reducing energy consumption cost of 5G Base Station based on photovoltaic energy storage system
CN110571868B (zh) 微电网的优化配置方法
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
El-Hamalawy et al. Optimal design of grid-connected green hydrogen plants considering electrolysis internal parameters and battery energy storage systems
CN116187509A (zh) 一种电力系统生产成本测算的方法及装置
Yang et al. Coordinated optimal scheduling of multi-energy microgrid considering uncertainties
CN107453377A (zh) 基于系统成本效益最优的太阳能热发电储热配比分析方法
CN113364042A (zh) 一种数据中心光储协同优化配置方法和系统
Xiao et al. Complementary coordinated dispatch of multi-energy systems considering power flexibility margin
Li et al. Optimization strategy for CHP with heat storage participating in deep peak regulation market
CN109961224A (zh) 一种计及多种能源的月度电能交易计划制定的时序仿真法
Kai et al. Coordinated Planning of Multi-type Power Sources and Energy Storage for Improving Peak Regulation Capacity of 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