CN110956344A - 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法 - Google Patents

一种计及绿证与碳交易制度的“源-荷”协调优化调度方法 Download PDF

Info

Publication number
CN110956344A
CN110956344A CN202010110328.4A CN202010110328A CN110956344A CN 110956344 A CN110956344 A CN 110956344A CN 202010110328 A CN202010110328 A CN 202010110328A CN 110956344 A CN110956344 A CN 110956344A
Authority
CN
China
Prior art keywords
load
cost
constraint
expression
coal
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.)
Withdrawn
Application number
CN202010110328.4A
Other languages
English (en)
Inventor
袁桂丽
刘培德
唐福斌
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202010110328.4A priority Critical patent/CN110956344A/zh
Publication of CN110956344A publication Critical patent/CN110956344A/zh
Withdrawn legal-status Critical Current

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
    • 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
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及绿证与碳交易制度的“源‑荷”协调优化调度方法，该方法基于低碳电力和智能电网的背景，引入目前的电力证书交易制度及碳排放权交易制度，同时将高载能负荷计入含风电电力系统优化调度模型当中。本发明以发电企业净收益最大为优化目标，建立了计及绿证交易与碳交易的“源‑荷”协调优化调度模型，并采用自适应免疫疫苗算法求解所建模型，对比分析了碳交易制度的引入与高载能负荷的调用给系统带来的影响，结果表明所提方法可有效提高绿证产量，降低弃风率，促进风电消纳，进而降低单位发电量平均碳排放量，且在一定程度上保证发电企业的净收益，提高新能源利用率和环保效益。

Description

一种计及绿证与碳交易制度的“源-荷”协调优化调度方法
技术领域
本发明涉及电力系统中的新能源入网优化调度领域，特别是涉及计及绿证与碳交易制度的“源-荷”协调优化调度方法。
背景技术
随着社会经济的发展，化石燃料需求量越来越大，化石燃料消耗所造成的环境污染、气候变化等环境问题日益突出。全球气候变暖是本世纪最为严重的环境问题之一，如何降低和控制CO2的排放成为各国政府关注的焦点。电力行业CO2排放量在全国总排放量中的占比居高不下，低碳电力的迫切要求使得政府通过大力发展可再生能源发电、制定各种减排机制等来降低电力行业的CO2排放量。绿色电力证书（以下简称“绿证”）交易制度与碳排放权交易制度的施行能够有效促进风电等可再生能源发电的可持续发展，推动电源侧的节能减排。现有研究成果中，大部分仅考虑绿证交易制度或碳交易制度单个方面的优化调度，只有少量研究计及两种制度对电力系统的协同作用。
近年来，随着风电的大规模并网，其随机性、间歇性与反调峰特性使得燃煤机组等常规机组的调峰压力不断加大。同时，大型风电基地普遍存在区域消纳水平有限、外送通道狭窄等困境，而现有能有效提高系统调峰能力的如抽水蓄能、储能电池等方案都存在不同程度上的应用限制。在智能电网快速发展的背景下，电力系统可以通过合理调用负荷侧资源来满足电源侧的调峰需求。高载能负荷具有可调节容量大，响应速度快等诸多优势，且有较多高载能企业分布于风电基地附近，适合用于风电电量的就地消纳。文献[1-2]利用高载能负荷促进风电消纳，综合考虑常规机组出力与高载能负荷，建立了源荷协调优化调度模型。文献[3]根据高载能产业实情对其负荷进行分类，设计了基于需求响应的风电与多类型高载能负荷协调运行的多阶段调度模型，有效地促进了风电消纳。文献[4]依据高载能负荷的调节周期与调节特性差异进行分类，建立了多形态高载能负荷协调降损的二级优化模型，有效降低了大规模风电接入后的网损。
在上述背景下，考虑国家对低碳电力的要求与风电现有的消纳困境，本发明基于绿证交易制度，引入碳排放权交易制度，同时将高载能负荷计入含风电电力系统优化调度模型，以发电企业净收益最大为优化目标，建立了计及绿证交易与碳交易的“源-荷”协调优化调度模型。采用自适应免疫疫苗算法求解所建模型，以某区域电网实例进行仿真，验证了所建模型的合理性。
发明内容
本发明的目的是提供一种计及绿证与碳交易制度的“源-荷”协调优化调度方法来克服现有技术中存在的问题。该调度方法基于绿色电力证书交易制度，引入碳排放权交易制度，充分调动负荷侧高载能负荷资源，综合考虑了碳排放交易制度和高载能负荷对于提高发电企业净收益的能力，并在降低了单位发电量碳排放量的同时提高了新能源消纳能力。
为达到以上目的，本发明采取的技术方案是：
一种计及绿证与碳交易制度的“源-荷”协调优化调度方法，包括以下步骤：
1）建立计及绿证与碳交易制度“源-荷”协调优化调度模型：
所述计及绿证与碳交易制度“源-荷”协调优化调度模型以企业参与发电净收益最大为优化目标，
净收益来自收益与成本之差。企业的发电收益包括：售电收益与绿证收益，企业的发电成本由风力发电成本、常规机组发电成本、碳交易成本与高载能负荷的投切成本构成，企业参与发电净收益F的表达式为：
Figure 177315DEST_PATH_IMAGE001
其中：
Figure 264088DEST_PATH_IMAGE002
为发电企业面向当地电网企业售电所得收益，即售电收益，为发 电企业面向电网企业或其他企业、个人出售绿证所得收益，即绿证收益，
Figure 164490DEST_PATH_IMAGE004
为风力发 电成本，为常规机组发电成本，
Figure 364713DEST_PATH_IMAGE006
为碳交易成本，
Figure 937777DEST_PATH_IMAGE007
为高载能 负荷的投切成本；
2）确定优化调度模型的约束条件
约束条件包括：系统约束条件、常规机组约束条件、风电出力约束条件、高载能负荷投切约束条件和可靠性约束条件；
3）对优化调度模型进行求解
综合分析电源侧与电网侧的各项收益与成本，采用综合了遗传算法与人工免疫系统算法优点的自适应免疫疫苗算法求解优化调度模型；
4）求解优化调度模型的评价指标，根据评价指标判断优化调度模型是否合理。
在上述方案的基础上，在绿证交易制度下，风电、火电上网电价都为当地燃煤机组上网标杆电价，由当地电网公司进行结算。
在上述方案的基础上，
Figure 297214DEST_PATH_IMAGE008
的表达式为：
Figure 582352DEST_PATH_IMAGE009
式中：t表示时段序号，本发明以一小时为一个时段，
Figure 394450DEST_PATH_IMAGE010
，取
Figure 36784DEST_PATH_IMAGE011
；i表示燃煤机组序号，i=1,2,…,N，N表示燃煤机组的数目，N=3；
Figure 781886DEST_PATH_IMAGE012
分别表 示水电机组、燃煤机组的上网电价；
Figure 890788DEST_PATH_IMAGE013
分别表示水电机组、燃 气轮机、第i台燃煤机组t时段的启停状态；
Figure 721340DEST_PATH_IMAGE014
分别表示水电机 组、燃气轮机、第i台燃煤机组t时段的计划出力；表示t时段风电计划出力。
在上述方案的基础上，
Figure 983618DEST_PATH_IMAGE003
的表达式为：
Figure 591317DEST_PATH_IMAGE016
式中：
Figure 643587DEST_PATH_IMAGE017
表示绿证价格；
Figure 611412DEST_PATH_IMAGE018
表示风力发电量转化为绿证数量的量化系 数，1本绿证对应1 MW·h风电结算电量；表示在可再生能源电力配额制下，系统需要 完成的可再生能源电力配额比例，这里假设分解到日，则表示可再生能源电力配额 日内比例。
在上述方案的基础上，
Figure 72108DEST_PATH_IMAGE004
由风电在1个调度周期内的运行成本与出力偏差成 本构成，这里以风电全寿命周期内单位成本
Figure 797619DEST_PATH_IMAGE020
作为风电运行成本系数，风电出力偏 差成本以拉丁超立方采样方法生成风电实际出力，风力发电成本
Figure 902978DEST_PATH_IMAGE004
的表达式为：
Figure 101747DEST_PATH_IMAGE021
式中：
Figure 863030DEST_PATH_IMAGE022
表示绿证价格的倍数；
Figure 188969DEST_PATH_IMAGE023
表示t时段风电实际出力。
在上述方案的基础上，
Figure 352097DEST_PATH_IMAGE024
由燃煤机组、燃气轮机、水电机组的发电成本与旋转备用成本构成，其表达式为：
Figure 417705DEST_PATH_IMAGE025
式中：
Figure 931863DEST_PATH_IMAGE026
分别表示正、负旋转备用成本系数；
Figure 795914DEST_PATH_IMAGE027
分别 表示t时段的正、负旋转备用量；
Figure 62816DEST_PATH_IMAGE028
分别表示1个调度周期内 燃煤机组、燃气轮机与水电机组的发电成本；表示标煤采购价格；
Figure 355574DEST_PATH_IMAGE030
均 表示第i台燃煤机组煤耗系数；
Figure 820054DEST_PATH_IMAGE031
分别表示燃气轮机运行维护系数、燃料成本 系数；
Figure 692195DEST_PATH_IMAGE032
表示水电机组运行维护系数。
在上述方案的基础上，国内对电力行业的碳排放配额分配一般按照无偿分配为 主，有偿分配为辅的原则。碳排放配额的计算方法有历史法与基准线法两种，本发明采用基 准线法确定燃煤机组与燃气轮机的无偿碳排放配额，则区域内电力系统碳交易成本
Figure 170712DEST_PATH_IMAGE033
的表达式为：
Figure 393883DEST_PATH_IMAGE034
式中：
Figure 599736DEST_PATH_IMAGE035
表示碳排放价格；
Figure 326384DEST_PATH_IMAGE036
表示1个调度周期内，区域内电力系统的碳排放量；
Figure 474337DEST_PATH_IMAGE037
表示1个调度周期内，区域内电力系统分配到的碳排放配额；
Figure 919225DEST_PATH_IMAGE038
均表示第i 台燃煤机组CO2排放系数；
Figure 928769DEST_PATH_IMAGE039
表示燃气轮机CO2排放系数；
Figure 41082DEST_PATH_IMAGE040
表示单位电量碳排放配额分 配系数，由电量边际排放因子（operating margin, OM）与容量边际排放因子（build margin, BM）加权而得。
在上述方案的基础上，
Figure 592892DEST_PATH_IMAGE041
的表达式为：
Figure 790655DEST_PATH_IMAGE042
式中：k表示高载能负荷组序号，
Figure 338311DEST_PATH_IMAGE043
，取
Figure 305130DEST_PATH_IMAGE044
；
Figure 529307DEST_PATH_IMAGE045
表示第k组高载 能负荷t时段的投切状态；
Figure 214366DEST_PATH_IMAGE046
表示高载能负荷的单位调节成本；
Figure 565713DEST_PATH_IMAGE047
表示第k组高 载能负荷的投切容量。
在上述方案的基础上，系统约束条件包括：系统功率平衡约束和系统旋转备用约束，
系统功率平衡约束的表达式为：
Figure 387039DEST_PATH_IMAGE048
式中：
Figure 549161DEST_PATH_IMAGE049
代表负荷实际值，
系统旋转备用约束的表达式为：
Figure 455937DEST_PATH_IMAGE050
式中：
Figure 345396DEST_PATH_IMAGE051
分别表示第i台燃煤机组最大、最小出力值；
Figure 286807DEST_PATH_IMAGE052
、
Figure 852786DEST_PATH_IMAGE053
分 别表示燃气轮机最大、最小出力值；
Figure 246859DEST_PATH_IMAGE054
分别表示水电机组最大、最小出力 值。
在上述方案的基础上，常规机组约束条件包括：常规机组出力约束、常规机组爬坡速率约束和常规机组启停时间约束；
常规机组出力约束的表达式为：
Figure 940008DEST_PATH_IMAGE055
式中：
Figure 735926DEST_PATH_IMAGE051
分别表示第i台燃煤机组最大、最小出力值；
Figure 508360DEST_PATH_IMAGE052
、
Figure 389728DEST_PATH_IMAGE053
分 别表示燃气轮机最大、最小出力值；
Figure 620989DEST_PATH_IMAGE054
分别表示水电机组最大、最小出力 值；
常规机组爬坡速率约束的表达式为：
Figure 271413DEST_PATH_IMAGE056
式中：
Figure 444775DEST_PATH_IMAGE057
分别表示第i台燃煤机组向上、向下爬坡速率；
Figure 813439DEST_PATH_IMAGE058
表示时间间 隔；
Figure 848391DEST_PATH_IMAGE059
分别表示燃气轮机向上、向下爬坡速率；
Figure 353322DEST_PATH_IMAGE060
、
Figure 199049DEST_PATH_IMAGE061
分别表示水电机组 向上、向下爬坡速率；
Figure 55010DEST_PATH_IMAGE062
表示第i台燃煤机组
Figure 628073DEST_PATH_IMAGE063
时段的计划出力，
Figure 253090DEST_PATH_IMAGE064
表示 燃气轮机
Figure 768254DEST_PATH_IMAGE063
时段的计划出力，
Figure 845931DEST_PATH_IMAGE065
表示水电机组
Figure 222686DEST_PATH_IMAGE063
时段的计划出力；
常规机组启停时间约束的表达式为：
Figure 702209DEST_PATH_IMAGE066
式中：
Figure 886809DEST_PATH_IMAGE067
分别表示
Figure 451783DEST_PATH_IMAGE063
时段第i台燃煤机组运行、停机时间；
Figure 366649DEST_PATH_IMAGE068
分别表示第i台燃煤机组最短运行时间与最短停机时间；
Figure 966258DEST_PATH_IMAGE069
分别表示
Figure 823224DEST_PATH_IMAGE063
时段燃气轮机运行、停机时间；
Figure 875494DEST_PATH_IMAGE070
分别表示燃气轮机最短运行 时间与最短停机时间；
Figure 390789DEST_PATH_IMAGE071
分别表示
Figure 48166DEST_PATH_IMAGE063
时段水电机组运行、停机时 间；
Figure 577499DEST_PATH_IMAGE072
分别表示水电机组最短运行时间与最短停机时间；
Figure 913802DEST_PATH_IMAGE073
表示 第i台燃煤机组
Figure 436050DEST_PATH_IMAGE063
时段的启停状态；表示燃气轮机
Figure 694173DEST_PATH_IMAGE063
时段的启停状态；
Figure 704723DEST_PATH_IMAGE075
表示水电机组
Figure 30663DEST_PATH_IMAGE063
时段的启停状态。
在上述方案的基础上，风电出力约束的表达式为：
Figure 193791DEST_PATH_IMAGE076
。
在上述方案的基础上，高载能负荷投切约束条件包括：高载能负荷投入容量约束、高载能负荷投切次数约束和高载能负荷投切时间约束；
高载能负荷投入容量约束的表达式为：
Figure 282837DEST_PATH_IMAGE077
式中：
Figure 796995DEST_PATH_IMAGE078
分别表示t时段高载能负荷投入容量上、下限；
高载能负荷投切次数约束的表达式为：
Figure 661045DEST_PATH_IMAGE079
式中：
Figure 678680DEST_PATH_IMAGE080
表示第k组高载能负荷的最大允许投切次数，
Figure 484831DEST_PATH_IMAGE081
表示k组高载能负 荷
Figure 17443DEST_PATH_IMAGE063
时段的投切状态；
高载能负荷投切时间约束的表达式为：
Figure 419606DEST_PATH_IMAGE082
式中：
Figure 760588DEST_PATH_IMAGE083
分别表示
Figure 285111DEST_PATH_IMAGE063
时段第k组高载能负荷的投入持续时间、中断 持续时间；
Figure 993435DEST_PATH_IMAGE084
分别表示第k组高载能负荷的最小连续投入时间和最小连续中 断时间。
在上述方案的基础上，所述可靠性约束为：
通过拉丁超立方采样及同步回代法随机生成负荷实际值、风电实际出力及其相应概率，采用机会约束规划以系统可靠性的置信水平R E来保证系统的安全性，其表达式为：
Figure 464867DEST_PATH_IMAGE085
式中：
Figure 457094DEST_PATH_IMAGE086
表示区域内电力系统满足负荷 需求的概率。
在上述方案的基础上，所述评价指标包括：弃风率和单位发电量碳排放量；
弃风率
Figure 90201DEST_PATH_IMAGE087
的表达式为
Figure 49935DEST_PATH_IMAGE088
单位发电量碳排放量
Figure 59480DEST_PATH_IMAGE089
的表达式为：
Figure 906213DEST_PATH_IMAGE090
。
所述自适应免疫疫苗算法综合了遗传算法与人工免疫系统算法两种算法的优点，既有效地克服了基本遗传算法的局部搜索能力差，抗体多样性无法保持等缺点，又能够有效保持种群多样性，提高收敛稳定性，缩短算法搜索时间。
附图说明
本发明有如下附图：
图1是可再生能源电力配额分配及绿证交易示意图；
图2是日前负荷预测值与风电预测出力图；
图3是自适应免疫疫苗算法流程图；
图4是高载能负荷投切情况图；
图5是本发明所述方法的流程图。
具体实施方式
以下结合附图1-5对本发明作进一步详细说明。
本发明所述计及绿证与碳交易制度的“源-荷”协调优化调度方法，包括以下步骤：
1）建立计及绿证与碳交易制度“源-荷”协调优化调度模型：
所述计及绿证与碳交易制度“源-荷”协调优化调度模型以企业参与发电净收益最大为优化目标，
净收益来自收益与成本之差。企业的发电收益包括：售电收益与绿证收益，企业的发电成本由风力发电成本、常规机组发电成本、碳交易成本与高载能负荷的投切成本构成，企业参与发电净收益F的表达式为：
Figure 975800DEST_PATH_IMAGE001
其中：
Figure 655787DEST_PATH_IMAGE008
为发电企业面向当地电网企业售电所得收益，即售电收益， 为发电企业面向电网企业或其他企业、个人出售绿证所得收益，即绿证收益，
Figure 435841DEST_PATH_IMAGE004
为风力 发电成本，为常规机组发电成本，
Figure 345077DEST_PATH_IMAGE006
为碳交易成本，
Figure 899686DEST_PATH_IMAGE007
为高 载能负荷的投切成本；
2）确定优化调度模型的约束条件
约束条件包括：系统约束条件、常规机组约束条件、风电出力约束条件、高载能负荷投切约束条件和可靠性约束条件；
3）对优化调度模型进行求解
综合分析电源侧与电网侧的各项收益与成本，采用综合了遗传算法与人工免疫疫苗算法优点的自适应免疫疫苗算法求解优化调度模型；
4）求解优化调度模型的评价指标，根据评价指标判断优化调度模型是否合理。
在上述方案的基础上，在绿证交易制度下，风电、火电上网电价都为当地燃煤机组上网标杆电价，由当地电网公司进行结算。
在上述方案的基础上，
Figure 721012DEST_PATH_IMAGE008
的表达式为：
Figure 617555DEST_PATH_IMAGE009
式中：t表示时段序号，本发明以一小时为一个时段，
Figure 524331DEST_PATH_IMAGE091
，取
Figure 944948DEST_PATH_IMAGE092
； i表示燃煤机组序号，i=1,2,…,N，N表示燃煤机组的数目，N=3；
Figure 620780DEST_PATH_IMAGE093
分别表示水 电机组、燃煤机组的上网电价；
Figure 452339DEST_PATH_IMAGE094
分别表示水电机组、燃气轮 机、第i台燃煤机组t时段的启停状态；
Figure 846411DEST_PATH_IMAGE095
分别表示水电机组、燃 气轮机、第i台燃煤机组t时段的计划出力；表示t时段风电计划出力。
在上述方案的基础上，
Figure 69899DEST_PATH_IMAGE096
的表达式为：
Figure 842332DEST_PATH_IMAGE016
式中：
Figure 458122DEST_PATH_IMAGE017
表示绿证价格；
Figure 954962DEST_PATH_IMAGE018
表示风力发电量转化为绿证数量的量化系 数，1本绿证对应1 MW·h风电结算电量；表示在可再生能源电力配额制下，系统需要 完成的可再生能源电力配额比例，这里假设分解到日，则表示可再生能源电力配额 日内比例。
在上述方案的基础上，
Figure 881833DEST_PATH_IMAGE004
由风电在1个调度周期内的运行成本与出力偏差成 本构成，这里以风电全寿命周期内单位成本
Figure 916785DEST_PATH_IMAGE020
作为风电运行成本系数，风电出力偏 差成本以拉丁超立方采样方法生成风电实际出力，风力发电成本
Figure 421715DEST_PATH_IMAGE004
的表达式为：
Figure 267443DEST_PATH_IMAGE097
式中：
Figure 857824DEST_PATH_IMAGE022
表示绿证价格的倍数；
Figure 696467DEST_PATH_IMAGE023
表示t时段风电实际出力。
在上述方案的基础上，
Figure 321484DEST_PATH_IMAGE024
由燃煤机组、燃气轮机、水电机组的发电成本与旋转备用成本构成，其表达式为：
Figure 836647DEST_PATH_IMAGE025
式中：
Figure 914325DEST_PATH_IMAGE026
分别表示正、负旋转备用成本系数；
Figure 291080DEST_PATH_IMAGE098
分别表示t时 段的正、负旋转备用量；
Figure 770602DEST_PATH_IMAGE028
分别表示1个调度周期内燃煤机组、燃 气轮机与水电机组的发电成本；表示标煤采购价格；
Figure 520176DEST_PATH_IMAGE099
均表示第i台燃 煤机组煤耗系数；
Figure 700622DEST_PATH_IMAGE100
分别表示燃气轮机运行维护系数、燃料成本系数；
Figure 300230DEST_PATH_IMAGE032
表 示水电机组运行维护系数。
在上述方案的基础上，国内对电力行业的碳排放配额分配一般按照无偿分配为 主，有偿分配为辅的原则。碳排放配额的计算方法有历史法与基准线法两种，本发明采用基 准线法确定燃煤机组与燃气轮机的无偿碳排放配额，则区域内电力系统碳交易成本
Figure 704667DEST_PATH_IMAGE033
的表达式为：
Figure 740625DEST_PATH_IMAGE034
式中：
Figure 724761DEST_PATH_IMAGE035
表示碳排放价格；
Figure 178877DEST_PATH_IMAGE036
表示1个调度周期内，区域内电力系统的碳排放量；
Figure 957477DEST_PATH_IMAGE037
表示1个调度周期内，区域内电力系统分配到的碳排放配额；
Figure 716616DEST_PATH_IMAGE038
均表示 第i台燃煤机组CO2排放系数；
Figure 238865DEST_PATH_IMAGE039
表示燃气轮机CO2排放系数；
Figure 547486DEST_PATH_IMAGE040
表示单位电量碳排放配额 分配系数，由电量边际排放因子（operating margin, OM）与容量边际排放因子（build margin, BM）加权而得。
在上述方案的基础上，
Figure 293725DEST_PATH_IMAGE041
的表达式为：
Figure 320587DEST_PATH_IMAGE101
式中：k表示高载能负荷组序号，
Figure 630215DEST_PATH_IMAGE102
，取
Figure 793343DEST_PATH_IMAGE044
；
Figure 913746DEST_PATH_IMAGE045
表示第k组 高载能负荷t时段的投切状态；
Figure 162324DEST_PATH_IMAGE046
表示高载能负荷的单位调节成本；
Figure 823113DEST_PATH_IMAGE047
表示第k 组高载能负荷的投切容量。
在上述方案的基础上，系统约束条件包括：系统功率平衡约束和系统旋转备用约束，
系统功率平衡约束的表达式为：
Figure 848270DEST_PATH_IMAGE048
式中：
Figure 139574DEST_PATH_IMAGE049
代表负荷实际值，
系统旋转备用约束的表达式为：
Figure 875449DEST_PATH_IMAGE103
式中：
Figure 543190DEST_PATH_IMAGE051
分别表示第i台燃煤机组最大、最小出力值；
Figure 930178DEST_PATH_IMAGE052
、
Figure 126804DEST_PATH_IMAGE053
分别表 示燃气轮机最大、最小出力值；
Figure 349975DEST_PATH_IMAGE054
分别表示水电机组最大、最小出力值。
在上述方案的基础上，常规机组约束条件包括：常规机组出力约束、常规机组爬坡速率约束和常规机组启停时间约束；
常规机组出力约束的表达式为：
Figure 821408DEST_PATH_IMAGE055
式中：
Figure 564367DEST_PATH_IMAGE051
分别表示第i台燃煤机组最大、最小出力值；
Figure 197474DEST_PATH_IMAGE052
、
Figure 704679DEST_PATH_IMAGE053
分别表 示燃气轮机最大、最小出力值；
Figure 714223DEST_PATH_IMAGE054
分别表示水电机组最大、最小出力值；
常规机组爬坡速率约束的表达式为：
Figure 13486DEST_PATH_IMAGE104
式中：
Figure 879811DEST_PATH_IMAGE057
分别表示第i台燃煤机组向上、向下爬坡速率；
Figure 811995DEST_PATH_IMAGE058
表示时间 间隔；
Figure 625230DEST_PATH_IMAGE059
分别表示燃气轮机向上、向下爬坡速率；
Figure 326470DEST_PATH_IMAGE060
、
Figure 518023DEST_PATH_IMAGE061
分别表示水 电机组向上、向下爬坡速率；
Figure 937503DEST_PATH_IMAGE062
表示第i台燃煤机组
Figure 288850DEST_PATH_IMAGE063
时段的计划出力，
Figure 625023DEST_PATH_IMAGE064
表示燃气轮机
Figure 770833DEST_PATH_IMAGE063
时段的计划出力，
Figure 943188DEST_PATH_IMAGE065
表示水电机组
Figure 98226DEST_PATH_IMAGE063
时段 的计划出力；
常规机组启停时间约束的表达式为：
Figure 524791DEST_PATH_IMAGE066
式中：
Figure 841503DEST_PATH_IMAGE105
分别表示
Figure 235575DEST_PATH_IMAGE063
时段第i台燃煤机组运行、停机时间；
Figure 928724DEST_PATH_IMAGE106
分别表示第i台燃煤机组最短运行时间与最短停机时间；
Figure 973910DEST_PATH_IMAGE069
分别表示
Figure 258260DEST_PATH_IMAGE063
时段燃气轮机运行、停机时间；
Figure 342891DEST_PATH_IMAGE107
分 别表示燃气轮机最短运行时间与最短停机时间；
Figure 636469DEST_PATH_IMAGE108
分别表示
Figure 286893DEST_PATH_IMAGE063
时段水电机组运行、停机时间；
Figure 964649DEST_PATH_IMAGE109
分别表示水电机组最短运行时间与最短停机时间；
Figure 67734DEST_PATH_IMAGE073
表示 第i台燃煤机组
Figure 102686DEST_PATH_IMAGE063
时段的启停状态；表示燃气轮机
Figure 951880DEST_PATH_IMAGE063
时段的启停状态；
Figure 542261DEST_PATH_IMAGE075
表示水电机组
Figure 380904DEST_PATH_IMAGE063
时段的启停状态。
在上述方案的基础上，风电出力约束的表达式为：
Figure 5920DEST_PATH_IMAGE076
。
在上述方案的基础上，高载能负荷投切约束条件包括：高载能负荷投入容量约束、高载能负荷投切次数约束和高载能负荷投切时间约束；
高载能负荷投入容量约束的表达式为：
Figure 22549DEST_PATH_IMAGE111
式中：
Figure 100226DEST_PATH_IMAGE078
分别表示t时段高载能负荷投入容量上、下限；
高载能负荷投切次数约束的表达式为：
Figure 476981DEST_PATH_IMAGE112
式中：
Figure 956504DEST_PATH_IMAGE080
表示第k组高载能负荷的最大允许投切次数，
Figure 642569DEST_PATH_IMAGE081
表示k组高载能负 荷
Figure 207543DEST_PATH_IMAGE063
时段的投切状态；
高载能负荷投切时间约束的表达式为：
Figure 387988DEST_PATH_IMAGE082
式中：
Figure 518755DEST_PATH_IMAGE113
分别表示
Figure 126454DEST_PATH_IMAGE063
时段第k组高载能负荷的投入持续时间、中 断持续时间；
Figure 926527DEST_PATH_IMAGE114
分别表示第k组高载能负荷的最小连续投入时间和最小连续 中断时间。
在上述方案的基础上，所述可靠性约束为：
通过拉丁超立方采样及同步回代法随机生成负荷实际值、风电实际出力及其相应概率，采用机会约束规划以系统可靠性的置信水平R E来保证系统的安全性，其表达式为：
Figure 910663DEST_PATH_IMAGE115
式中：
Figure 99199DEST_PATH_IMAGE116
表示区域内电力系统满足负荷需 求的概率。
在上述方案的基础上，所述评价指标包括：弃风率和单位发电量碳排放量；
弃风率
Figure 877799DEST_PATH_IMAGE087
的表达式为：
Figure 666632DEST_PATH_IMAGE117
单位发电量碳排放量
Figure 188881DEST_PATH_IMAGE089
的表达式为：
Figure 497502DEST_PATH_IMAGE118
。
在本发明的实施例中，以某区域电网为实例进行仿真，假设该区域电网由3台燃煤机组，1台燃气轮机，1台可调节水电机组和1个500 MW风电场构成。燃煤机组详细参数信息见表1。参考甘肃省上网标杆电价，燃煤机组上网标杆电价取297.8 ¥·(MW·h)-1,水电机组上网标杆电价取257 ¥·(MW·h)-1，折合标准煤价格为520 ¥·t-1。可再生能源电力配额日内目标为18%，绿证价格为150 ¥·本-1。风电单位成本为370¥·(MW·h)-1，正、负旋转备用成本系数为112 ¥·(MW·h)-1，取wuncertain=1.5。日前负荷预测值与风电预测出力如图2所示。
表1燃煤机组参数
Figure 447004DEST_PATH_IMAGE119
自适应免疫疫苗算法的参数设置为：种群规模
Figure 224598DEST_PATH_IMAGE120
；遗传代数
Figure 19379DEST_PATH_IMAGE121
；自 适应交叉、变异概率为
Figure 182507DEST_PATH_IMAGE122
；
疫苗接种规模为
Figure 568489DEST_PATH_IMAGE123
。同时对燃煤机组、燃气轮机、水电机组和风电场出力共计6 个变量分别采用10位2进制编码进行编码。
将上述数据代入到MATLAB语言编制的计及绿证与碳交易制度“源-荷”协调优化调度模型程序中，可以得到如下优化结果。
绿证交易制度下，为定量分析引入碳交易制度和投切高载能负荷对系统的影响，取碳排放权价格为200 ¥·t-1，按是否引入碳交易制度和投入高载能负荷分为情景1、情景2和情景3。所得仿真结果如表2所示。
表2引入碳交易制度及投切高载能负荷对系统的影响
Figure 66335DEST_PATH_IMAGE124
综上所述，本发明基于绿证交易制度，引入碳交易制度，同时通过调用负荷侧的高载能负荷促进风电消纳，提高发电企业绿证产量。以发电企业净收益最大为优化目标，建立了计及绿证交易与碳交易的“源-荷”协调优化调度模型，并采用自适应免疫疫苗算法求解，对比分析了碳交易制度的引入与高载能负荷的调用对系统的影响。仿真结果表明：
1）投入高载能负荷能够有效地促进风电消纳，提高绿证产量，降低弃风率，同时还一定程度上提高了发电企业净收益。但由于燃煤机组与燃气轮机出力增加，导致系统碳排放量大量增加；
2）引入碳交易制度一定程度上可以促进风电消纳，减少系统碳排放量，降低单位发电量平均碳排放量，但由于系统中燃煤机组碳排放水平较高，使得系统用于购买碳排放权的碳交易成本较高，因此，碳交易制度的引入导致发电企业净收益较大幅度下降；
3）在本发明所建模型中，投入高载能负荷的同时，引入碳交易制度，既有效提高了绿证产量，降低弃风率，促进风电消纳，还降低了单位发电量平均碳排放量。此外，还在一定程度上保证了发电企业的净收益。
参考文献：
[1] 刘文颖, 文晶, 谢昶, 等. 考虑风电消纳的电力系统源荷协调多目标优化方法[J]. 中国电机工程学报, 2015, 35(5):1079-1088.Liu Wenying,Wen Jing, Xie Chang,et al. Multi-objective optimal method considering wind power accommodationbased on source-load coordination [J]. Proceedings of the CSEE, 2015, 35(5):1079-1088.
[2] 文晶, 刘文颖, 谢昶,等. 计及风电消纳效益的电力系统源荷协调二层优化模型[J]. 电工技术学报, 2015, 30(8):247-256.Wen Jing, Liu Wenying, Xie Chang, etal. Source-load coordination optimal model considering wind power consumptivebenefits based on bi-level programming [J]. Transactions of ChinaElectrotechnical Society, 2015, 30(8):247-256.
[3] 王健, 鲁宗相, 乔颖, 等. 高载能负荷提高风电就地消纳的需求响应模式研究[J]. 电网技术, 2017(07):66-75.Wang Jian, Lu Zongxiang, Qiao Ying, et al.Research on demand response mechanism of wind power local accommodationutilizing energy-intensive loads [J]. Power System Technology, 2017(07):66-75.
[4] 郭鹏, 刘文颖, 蔡万通, 等. 基于模拟退火-逐步优化算法的多形态高载能负荷协调降损二层优化模型[J]. 电网技术, 2017(03):84-93.
Guo Peng, Liu Wenying, Cai Wantong, et al. A bi-level Coordinativeoptimization model of polymorphic high energy load for grid loss reductionbased on simulated annealing-progressive optimality algorithm [J]. PowerSystem Technology, 2017(03):84-93.
显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，包括以下步骤：
1）建立计及绿证与碳交易制度“源-荷”协调优化调度模型：
所述计及绿证与碳交易制度“源-荷”协调优化调度模型以企业参与发电净收益最大为优化目标，企业的发电收益包括：售电收益与绿证收益，企业的发电成本由风力发电成本、常规机组发电成本、碳交易成本与高载能负荷的投切成本构成，企业参与发电净收益F的表达式为：
Figure DEST_PATH_IMAGE001
其中：
Figure 774090DEST_PATH_IMAGE002
为发电企业面向当地电网企业售电所得收益，为发电企业面向 电网企业或其他企业、个人出售绿证所得收益，
Figure DEST_PATH_IMAGE004
为风力发电成本，为常规 机组发电成本，
Figure 318705DEST_PATH_IMAGE006
为碳交易成本，
Figure DEST_PATH_IMAGE007
为高载能负荷的投切成本；
2）确定优化调度模型的约束条件
约束条件包括：系统约束条件、常规机组约束条件、风电出力约束条件、高载能负荷投切约束条件和可靠性约束条件；
3）对优化调度模型进行求解
综合分析电源侧与电网侧的各项收益与成本，采用综合了遗传算法与人工免疫系统算法优点的自适应免疫疫苗算法求解优化调度模型；
4）求解优化调度模型的评价指标，根据评价指标判断优化调度模型是否合理。
2.如权利要求1所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，在绿证交易制度下，风电、火电上网电价都为当地燃煤机组上网标杆电价，由当地电网公司进行结算；
Figure 455288DEST_PATH_IMAGE002
的表达式为：
Figure 842276DEST_PATH_IMAGE008
式中：t表示时段序号，以一小时为一个时段，
Figure 304482DEST_PATH_IMAGE009
，取
Figure 527653DEST_PATH_IMAGE010
；i表 示燃煤机组序号，i=1,2,…,N，N表示燃煤机组的数目，N=3；
Figure 733506DEST_PATH_IMAGE011
分别表示水电 机组、燃煤机组的上网电价；
Figure DEST_PATH_IMAGE012
分别表示水电机组、燃气轮机、 第i台燃煤机组t时段的启停状态；
Figure 679727DEST_PATH_IMAGE013
分别表示水电机组、燃气轮 机、第i台燃煤机组t时段的计划出力；表示t时段风电计划出力。
3.如权利要求2所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，
Figure 288880DEST_PATH_IMAGE003
的表达式为：
Figure DEST_PATH_IMAGE015
式中：
Figure 750955DEST_PATH_IMAGE016
表示绿证价格；
Figure DEST_PATH_IMAGE017
表示风力发电量转化为绿证数量的量化系 数，1本绿证对应1 MW·h风电结算电量；表示可再生能源电力配额日内比例；
Figure 618340DEST_PATH_IMAGE004
由风电在1个调度周期内的运行成本与出力偏差成本构成，以风电全寿命周期内 单位成本
Figure DEST_PATH_IMAGE019
作为风电运行成本系数，风电出力偏差成本以拉丁超立方采样方法生成 风电实际出力，风力发电成本
Figure 284945DEST_PATH_IMAGE004
的表达式为：
Figure 81868DEST_PATH_IMAGE020
式中：
Figure DEST_PATH_IMAGE021
表示绿证价格的倍数；
Figure 720791DEST_PATH_IMAGE022
表示t时段风电实际出力；
Figure DEST_PATH_IMAGE023
由燃煤机组、燃气轮机、水电机组的发电成本与旋转备用成本构成，其表达式为：
Figure 977591DEST_PATH_IMAGE024
式中：
Figure 397071DEST_PATH_IMAGE025
分别表示正、负旋转备用成本系数；
Figure 951681DEST_PATH_IMAGE026
分别表t时 段的正、负旋转备用量；
Figure DEST_PATH_IMAGE027
分别表示1个调度周期内燃煤机组、 燃气轮机与水电机组的发电成本；表示标煤采购价格；
Figure 699243DEST_PATH_IMAGE029
均表示第i台 燃煤机组煤耗系数；
Figure DEST_PATH_IMAGE030
分别表示燃气轮机运行维护系数、燃料成本系数；
Figure 74860DEST_PATH_IMAGE031
表示水电机组运行维护系数。
4.如权利要求3所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在 于，采用基准线法确定燃煤机组与燃气轮机的无偿碳排放配额，区域内电力系统碳交易成 本
Figure 717981DEST_PATH_IMAGE032
的表达式为：
Figure 862655DEST_PATH_IMAGE033
式中：
Figure DEST_PATH_IMAGE034
表示碳排放价格；
Figure 710525DEST_PATH_IMAGE035
表示1个调度周期内，区域内电力系统的碳排放量；
Figure DEST_PATH_IMAGE036
表示1个调度周期内，区域内电力系统分配到的碳排放配额；
Figure 822706DEST_PATH_IMAGE037
均表示第i 台燃煤机组CO2排放系数；
Figure 719118DEST_PATH_IMAGE038
表示燃气轮机CO2排放系数；
Figure 46194DEST_PATH_IMAGE039
表示单位电量碳排放配额分 配系数，由电量边际排放因子与容量边际排放因子加权而得；
Figure DEST_PATH_IMAGE040
的表达式为：
Figure 18961DEST_PATH_IMAGE041
式中：k表示高载能负荷组序号，
Figure DEST_PATH_IMAGE042
，取
Figure 369170DEST_PATH_IMAGE043
；
Figure DEST_PATH_IMAGE044
表示第k组高 载能负荷t时段的投切状态；
Figure 584120DEST_PATH_IMAGE045
表示高载能负荷的单位调节成本；
Figure 234544DEST_PATH_IMAGE046
表示第k组 高载能负荷的投切容量。
5.如权利要求4所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，系统约束条件包括：系统功率平衡约束和系统旋转备用约束，
系统功率平衡约束的表达式为：
Figure 844124DEST_PATH_IMAGE047
式中：
Figure 212788DEST_PATH_IMAGE048
代表负荷实际值，
系统旋转备用约束的表达式为：
Figure DEST_PATH_IMAGE049
式中：
Figure 982161DEST_PATH_IMAGE050
分别表示第i台燃煤机组最大、最小出力值；
Figure 1939DEST_PATH_IMAGE051
、
Figure 831354DEST_PATH_IMAGE052
分别表示 燃气轮机最大、最小出力值；
Figure 687315DEST_PATH_IMAGE053
分别表示水电机组最大、最小出力值。
6.如权利要求5所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，常规机组约束条件包括：常规机组出力约束、常规机组爬坡速率约束和常规机组启停时间约束；
常规机组出力约束的表达式为：
Figure 260379DEST_PATH_IMAGE054
常规机组爬坡速率约束的表达式为：
Figure 636127DEST_PATH_IMAGE055
式中：
Figure 902024DEST_PATH_IMAGE056
分别表示第i台燃煤机组向上、向下爬坡速率；
Figure 714122DEST_PATH_IMAGE057
表示时间间隔；
Figure DEST_PATH_IMAGE058
分别表示燃气轮机向上、向下爬坡速率；
Figure 340144DEST_PATH_IMAGE059
、
Figure DEST_PATH_IMAGE060
分别表示水电机组向 上、向下爬坡速率；
Figure 288509DEST_PATH_IMAGE061
表示第i台燃煤机组
Figure 459727DEST_PATH_IMAGE062
时段的计划出力，
Figure 766644DEST_PATH_IMAGE063
表示燃气轮 机
Figure 947089DEST_PATH_IMAGE062
时段的计划出力，
Figure 77856DEST_PATH_IMAGE064
表示水电机组
Figure 685555DEST_PATH_IMAGE062
时段的计划出力；
常规机组启停时间约束的表达式为：
Figure 737825DEST_PATH_IMAGE065
式中：
Figure 705650DEST_PATH_IMAGE066
分别表示
Figure 159765DEST_PATH_IMAGE062
时段第i台燃煤机组运行、停机时间；
Figure DEST_PATH_IMAGE067
分别表示第i台燃煤机组最短运行时间与最短停机时间；
Figure 141627DEST_PATH_IMAGE068
分别表示
Figure 431926DEST_PATH_IMAGE062
时段燃气轮机运行、停机时间；
Figure 954174DEST_PATH_IMAGE069
分别 表示燃气轮机最短运行时间与最短停机时间；
Figure 59533DEST_PATH_IMAGE070
分别表示
Figure 212297DEST_PATH_IMAGE062
时段 水电机组运行、停机时间；
Figure 770317DEST_PATH_IMAGE071
分别表示水电机组最短运行时间与最短停 机时间；
Figure 548786DEST_PATH_IMAGE072
表示第i台燃煤机组
Figure 711914DEST_PATH_IMAGE062
时段的启停状态；表示燃气轮机
Figure 94278DEST_PATH_IMAGE062
时段的启停状态；
Figure 958328DEST_PATH_IMAGE074
表示水电机组
Figure 975963DEST_PATH_IMAGE062
时段的启停状态。
7.如权利要求2所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，风电出力约束的表达式为：
Figure DEST_PATH_IMAGE075
。
8.如权利要求4所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，高载能负荷投切约束条件包括：高载能负荷投入容量约束、高载能负荷投切次数约束和高载能负荷投切时间约束；
高载能负荷投入容量约束的表达式为：
Figure 798426DEST_PATH_IMAGE076
式中：
Figure 783568DEST_PATH_IMAGE077
分别表示t时段高载能负荷投入容量上、下限；
高载能负荷投切次数约束的表达式为：
Figure 451310DEST_PATH_IMAGE078
式中：
Figure 57872DEST_PATH_IMAGE079
表示第k组高载能负荷的最大允许投切次数，
Figure 785656DEST_PATH_IMAGE080
表示k组高载能负荷
Figure 759559DEST_PATH_IMAGE062
时段的投切状态；
高载能负荷投切时间约束的表达式为：
Figure 965413DEST_PATH_IMAGE081
式中：
Figure 957640DEST_PATH_IMAGE082
分别表示
Figure 856326DEST_PATH_IMAGE062
时段第k组高载能负荷的投入持续时间、中断 持续时间；
Figure 97951DEST_PATH_IMAGE083
分别表示第k组高载能负荷的最小连续投入时间和最小连续中 断时间。
9.如权利要求6所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，所述可靠性约束为：通过拉丁超立方采样及同步回代法随机生成负荷实际值、风电实际出力及其相应概率，采用机会约束规划以系统可靠性的置信水平R E来保证系统的安全性，其表达式为：
Figure 560025DEST_PATH_IMAGE084
式中：
Figure 469075DEST_PATH_IMAGE085
表示区域内电力系统满足 负荷需求的概率。
10.如权利要求6所述的计及绿证与碳交易制度的“源-荷”协调优化调度方法，其特征在于，所述评价指标包括：弃风率和单位发电量碳排放量；
弃风率
Figure 273083DEST_PATH_IMAGE086
的表达式为
Figure DEST_PATH_IMAGE087
单位发电量碳排放量
Figure 693350DEST_PATH_IMAGE088
的表达式为：
Figure 975427DEST_PATH_IMAGE089
。
CN202010110328.4A 2020-02-24 2020-02-24 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法 Withdrawn CN110956344A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010110328.4A CN110956344A (zh) 2020-02-24 2020-02-24 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010110328.4A CN110956344A (zh) 2020-02-24 2020-02-24 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法

Publications (1)

Publication Number Publication Date
CN110956344A true CN110956344A (zh) 2020-04-03

Family

ID=69985762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010110328.4A Withdrawn CN110956344A (zh) 2020-02-24 2020-02-24 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法

Country Status (1)

Country Link
CN (1) CN110956344A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270550A (zh) * 2020-10-21 2021-01-26 北京电链科技有限公司 一种基于区块链的新能源电力溯源方法及系统
CN113449987A (zh) * 2021-06-28 2021-09-28 上海电机学院 可再生能源配额制下的园区能源系统优化调度方法
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN115600795A (zh) * 2022-09-19 2023-01-13 南方电网能源发展研究院有限责任公司（Cn） 数据分析方法、装置、计算机设备和存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270550A (zh) * 2020-10-21 2021-01-26 北京电链科技有限公司 一种基于区块链的新能源电力溯源方法及系统
CN112270550B (zh) * 2020-10-21 2024-04-16 北京电链科技有限公司 一种基于区块链的新能源电力溯源方法及系统
CN113449987A (zh) * 2021-06-28 2021-09-28 上海电机学院 可再生能源配额制下的园区能源系统优化调度方法
CN115600795A (zh) * 2022-09-19 2023-01-13 南方电网能源发展研究院有限责任公司（Cn） 数据分析方法、装置、计算机设备和存储介质
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN115496378B (zh) * 2022-09-27 2023-12-01 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法

Similar Documents

Publication Publication Date Title
Li et al. Model and application of renewable energy accommodation capacity calculation considering utilization level of inter-provincial tie-line
CN110956344A (zh) 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法
Yang et al. Bidding strategy of a virtual power plant considering carbon-electricity trading
Yao et al. An overview of the photovoltaic industry status and perspective in China
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN110826773B (zh) 一种考虑新能源接入的火电机组月度发电计划优化方法
CN112990523B (zh) 区域综合能源系统分层优化运行方法
CN112994115B (zh) 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN116050585A (zh) 基于纳什谈判的含掺氢燃气综合能源多微网优化调度方法
Wei et al. Energy-efficient distribution in smart grid
CN115115087A (zh) 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法
CN113746105A (zh) 电力需求响应的优化控制方法、装置、设备和存储介质
CN116128553B (zh) 基于绿证和碳交易交互的综合能源调度方法、系统
CN116780649A (zh) 一种多能互补利用的分布式鲁棒优化运行方法
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
CN116050865A (zh) 一种季节性时间尺度下的氢储能电站规划方法
CN113690925B (zh) 一种基于微电网的能量交互优化方法及系统
CN112541778B (zh) 一种基于微电网参与两阶段市场出清系统优化运行方法
Chen et al. A low-carbon planning model for regional power systems with generation-load-storage coordination considering new energy resources’ consumption
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
Wang et al. Coordinated Economic Dispatch of Wind-Photovoltaic-Thermal-Storage System Considering the Environmental Cost
Yang et al. Two-stage coordinated optimal dispatching model and benefit allocation strategy for rural new energy microgrid
Yi et al. Collaborative planning and optimization for electric-thermal-hydrogen-coupled energy systems with portfolio selection of the complete hydrogen energy chain
CN115640894B (zh) 一种基于双时间尺度的综合能源系统优化调度方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200403