CN110970912B - 一种含储能的新能源电力系统运行模拟方法 - Google Patents

一种含储能的新能源电力系统运行模拟方法 Download PDF

Info

Publication number
CN110970912B
CN110970912B CN201911246922.XA CN201911246922A CN110970912B CN 110970912 B CN110970912 B CN 110970912B CN 201911246922 A CN201911246922 A CN 201911246922A CN 110970912 B CN110970912 B CN 110970912B
Authority
CN
China
Prior art keywords
power
energy storage
unit
cost
energy
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
CN201911246922.XA
Other languages
English (en)
Other versions
CN110970912A (zh
Inventor
张锋
郭建华
郭小龙
孙谊媊
袁铁江
王进君
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.)
Anhui Zgd Electric Power Technology Co ltd
Dalian University of Technology
State Grid Corp of China SGCC
State Grid Xinjiang Electric Power Co Ltd
Original Assignee
Anhui Zgd Electric Power Technology Co ltd
Dalian University of Technology
State Grid Corp of China SGCC
State Grid Xinjiang 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 Anhui Zgd Electric Power Technology Co ltd, Dalian University of Technology, State Grid Corp of China SGCC, State Grid Xinjiang Electric Power Co Ltd filed Critical Anhui Zgd Electric Power Technology Co ltd
Priority to CN201911246922.XA priority Critical patent/CN110970912B/zh
Publication of CN110970912A publication Critical patent/CN110970912A/zh
Application granted granted Critical
Publication of CN110970912B publication Critical patent/CN110970912B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/38—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
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

一种含储能的新能源电力系统运行模拟方法。首先构建火电电量成本模型、风电电量成本模型和全寿命周期内的储能成本模型，并计算接入储能后的可信容量，与电价模型相结合，构建全寿命周期内含储能新能源系统收益模型；再考虑储能平抑新能源功率波动特性，在此基础上搭建含储能新能源的电力系统运行模拟模型；该模型以含储能的新能源系统收益最大为目标函数一，以新能源电场相邻时段之间的新能源电场出力变化值的平方和最为目标函数二，以“系统功率平衡、机组最大和最小出力、火电机组爬坡、储能电站充放电功率、储能电站容量以及可靠性”为约束条件，最后，基于粒子群算法求解含储能的新能源的电力系统运行模拟模型，得到各类能源运行模拟结果。

Description

一种含储能的新能源电力系统运行模拟方法
技术领域
本发明涉及一种新能源电力系统运行模拟方法。
背景技术
近年来，随着化石能源日渐枯竭，世界各国都不约而同的将目光转向新能源。然而，随着越来越多的可再生能源电场建成并投入电网，可再生能源并网运行所造成的多种不利影响也接踵而至。由于可再生能源出力的不稳定性、波动性和随机性，新能源发电给电力系统可靠运行带来巨大挑战。可再生能源具有的波动性和间歇性可以通过储能技术对其出力波动进行平抑。电池储能具有能量高、安装灵活、充放电速度快的特点，使其成为优先发展方向之一。在新能源发电侧规模化接入储能技术，一方面可提高新能源利用率，打破新能源的间歇性、随机性、低密度等特性给其带来的发展瓶颈，使其替代传统化石能源成为主导能源；另一方面，储能技术在发电侧的应用，能够提高新能源企业的经济效益，同时也给电网企业调度带来新的控制策略。
国内外学者虽然提出了多种火电、风电和其他能源电源电量成本模型，并且在此基础上也建立了多种新能源电力系统运行模拟模型，但是这些运行模拟模型大部分都没有考虑新能源出力的不稳定性、波动性和随机性对运行模拟的影响，鲜有人从运行模拟的层面考虑储能技术，并研究搭建含储能的高比例新能源的电力系统运行模拟模型。
发明内容
本发明的目的在于克服现有技术的上述缺点，提出一种包含储能的新能源电力系统运行模拟方法。本发明将储能技术应用于发电侧，合理地规划混合电力系统中储能、风电、火电和光伏电源的出力，不仅提高了新能源企业的经济效益，同时也给电网企业调度带来新的更好的控制方法。
本发明采用的技术方案如下：
首先构建火电电量成本模型、风电电量成本模型和全寿命周期内的储能成本模型，并计算接入储能后的可信容量，与电价模型相结合，构建全寿命周期内含储能新能源系统收益模型；再考虑储能的平抑新能源功率波动特性，在此基础上搭建含储能新能源的电力系统运行模拟模型；该模型以含储能的新能源系统收益最大为目标函数一，以新能源电场相邻时段之间的新能源电场出力变化值的平方和最小作为目标函数二，以“系统功率平衡、机组最大和最小出力、火电机组爬坡、储能电站充放电功率、储能电站容量以及可靠性”为约束条件，最后，基于粒子群算法来求解含储能的高比例新能源的电力系统运行模拟模型，进而得到各类能源运行模拟结果。
具体步骤如下：
1、根据火电价格影响因素构建火电运行价格模型；
影响火电价格的因素有火电名义环境补偿成本和火电营运成本，这两项成本及其对火电运行价格的影响分述如下：
(1)计算火电名义环境补偿成本：
某单位时段t内火电机组的名义环境补偿成本为：
式中：FNEPTt为在某单位时段t内火电机组总的名义环境补偿成本：m为系统的火电机组数目；PNEPTt为在单位时段t内火电名义环境补偿成本的价格，feit为在单位时段t内第i台火电机组排放物的NOx的重量。
(2)计算火电机组营运成本
综合考虑火电能量消耗、投资和运行维护等成本，火电机组的营运成本可表示为：
式中：FTOPt为在单位时段t内系统总的火电营运成本；PTOPi.t为在单位时段t内第i台火电机组不计入火电机组的名义环境补偿成本的火电价格。
(3)建立火电电价模型
在某单位时段t内火电的价格VTt为火电机组名义环境补偿成本和火电机组营运成本的和，表示为：
VTt＝FNEPTt+FTOPt
式中：FNEPTt为在某单位时段t内总的火电机组的名义环境补偿成本，单位为万元，FTOPt为在单位时段t内系统总的火电营运成本，单位为万元。
2、综合考虑风电场内外部成本，构建风电运行价格模型
所述的风电场内外部成本包括风电场营运成本、基于极限穿透功率的风电场负效率运行惩罚成本和基于风电场出力预测可信度的风电旋转备用容量补偿成本。
(1)计算风电场营运成本
考虑到风电运行过程中无能量消耗，在计及风电的投资和运行维护成本的基础上，风电全寿命周期内的平均购电成本可近似表示为与发电量成线性关系：
式中：FWOPt为在单位时段t内总的风电场营运成本；PWOP.jt为在单位时段t内第j个风电场出力的营运价格；PWS.jt为第j个风电场在某单位时段t内的计划调度出力；
(2)计算基于极限穿透功率的风电场负效率运行惩罚成本
采用风电场极限穿透功率来量度风电场负效率功率NEPWF的惩罚成本，即：
式中：FNEPWFt为在单位时段t内总的风电场负效率功率NEPWF惩罚成本；PWLPP.jt为第j个风电场在某单位时段t内的极限穿透功率；PWS.jt为第j个风电场在某单位时段t内的计划调度出力；PNt为在单位时段t内的NEPWF的价格；PWFjt为第j个风电场在某单位时段t内的预测出力，单位为MW；
(3)计算基于风电场出力预测可信度的风电旋转备用容量补偿成本
常规机组在某单位时段t内总的风电旋转备用容量补偿成本为：
式中：FWRCt为系统在单位时段t内总的风电旋转备用容量补偿成本，单位为万元；PCt为系统在单位时段t内的备用容量价格，单位为万元/MW；Ejt为第j个风电场预测出力在某单位时段t内的可信度；n为系统中的风电场数量，PWFjt为第j个风电场在某单位时段t内的预测出力，单位为MW，J为风电场的序号。
(4)计算调节因子
在构建储能成本模型中，除上述提到的储能的投资、补偿风电场弃风成本、储能惩罚成本外，还包括政府补贴收益的其他储能成本的调节因子；
政府补贴收益为：
Tm＝T1m+T2m+T3m
式中：Am表示第m年政府补贴的年收益；PWS.jt为第j个风电场在某单位时段t内的计划调度出力，单位为MW；Tm表示第m年的度电补贴；T1m表示国家度电补贴；T2m表示第m年省级度电补贴；T3m表示第m年市级度电补贴；
(5)建立风电运行价格模型
综合考虑风电的内外部成本，在某单位时段t内风电的价格可表示为：
VWt＝FWOPt+FWRCt+FNEPWFt-Am
式中：FWOPt为在单位时段t内总的风电场营运成本，单位为万元；FWRCt为系统在单位时段t内总的风电旋转备用容量补偿成本，单位为万元；FNEPWFt为在单位时段t内总的风电场负效率功率NEPWF惩罚成本，单位为万元；Am表示第m年政府补贴的年收益。
3、综合考虑光伏电场内外部成本，构建光电运行价格模型
所述的光伏电场内外部成本包括光伏电场运营成本和基于光伏出力预测可信度的光伏旋转备用容量补偿成本。
(1)计算光伏电场营运成本
考虑到光伏电场在运行过程中无能量消耗，在计及光伏的投资和运行维护成本的基础上，光伏全寿命周期内的平均购电成本可近似表示为与发电量成线性关系。光伏发电营运成本数学模型如下：
式中：FPVOP.t为在单位时段t内总的光伏电场营运成本，单位万元，Ppv.it为第k个光伏电场在单位时段t内的计划调度出力，MW，fp.cost为光伏在单位时间段t的发电成本电价，单位为万元，其值由发电厂商决定。
(2)计算基于光伏出力预测可信度的光伏旋转备用容量补偿成本
由于光伏随机性等特性导致光伏并网后，光伏电场预报出力与实际出力存在偏差，因此系统旋转备用容量增加。由于光伏电场出力预测可信度决定了由光伏引起的这部分光伏旋转备用容量补偿成本，本发明采用基于光伏出力预测可信度的光伏旋转备用容量补偿成本来表示，系统在单位时段t内总的光伏旋转备用容量补偿成本为：
式中：FPVt为常规机组在单位时段t内总的光伏旋转备用容量补偿成本，单位万元；CPVt为系统在单位时段t内的备用容量价格，单位万元/MW；EPV.kt为第k个光伏电场预测出力在单位时段t内的可信度；PPVF.kt为第k个光伏场在单位时段t内的预测出力，单位为MW；x为系统中的光伏电场数目，k为光伏电场序号。
(3)构建光伏运行价格模型
综合考虑光伏电场的内外部成本，在单位时段t内光伏电场的运行价格可表示为：
VPVt＝FPVOP.t+FPVt
式中：，VPVt为在单位时段t内总的光伏电场营运成本，单位万元，FPVOP.t在单位时段t内总的光伏电场营运成本，单位万元；FPVt为常规机组在单位时段t内总的光伏旋转备用容量补偿成本，单位万元。
4、综合考虑储能初始投资成本、运行成本，建立全寿命周期内的储能总成本模型
(1)计算储能投资成本
电池储能系统初始投资成本主要由功率成本和容量成本构成。功率成本与储能系统的电能转换设备等投资有关，容量成本与储能系统投资规划有关，全寿命周期初投成本数学模型为：
F1＝(FPPc+FEEc)
式中：FP为储能系统单位功率成本，单位为元/kW；FE为储能系统单位容量成本，元/(kW·h)；Pc为储能电池额定功率，单位为kW；Ec为储能电池额定容量，单位为kW·h。
(2)计算储能系统年运行维护成本
储能系统的年运行维护费用F2主要由储能系统的规模确定，可以表示为：
F2＝FmPmax
式中：Fm为单位容量的年运行维护成本，单位为万元，Pmax为储能装置长期最大充放电功率，单位为MW，即额定功率。
(3)计算储能总成本
根据储能系统的使用寿命年限和贴现率，将储能系统全寿命周期内的成本进行分摊，并与储能系统的年运行维护费用叠加，得到储能系统的全寿命周期内的成本VS为：
式中：F1为储能投资成本，F2储能系统的年运行维护费用，r为储能系统贴现率，此处取8％；T为储能寿命年限，此处取15年。
5、建立计及可信容量的含储能的新能源系统全寿命周期收益模型
根据所述步骤1构建的火电价格模型、步骤2构建的风电价格模型、步骤3的光电价格模型以及步骤4的储能总成本模型，建立计及可信容量的含储能的新能源系统全寿命周期收益模型
可信容量即为在保持原有可靠性水平的情况下，系统所能够多承担的负荷水平，从等效载荷能力的角度定义加入储能系统后的可信容量如下：
根据：
F(G，L)＝F(G+CW+CPV+E，L′)
得到接入新能源和储能系统后的负荷量为
得到加入风光储后发电系统的可信容量Ch为：
系统常规机组装机容量为G，风电机组装机容量为CW，光伏机组装机容量为储能容量为CPV，储能容量为E，负荷水平为L，用F(G，L)表示在未接入新能源和储能系统时，当常规机组装机容量为G，负荷水平为L时，系统的可靠性指标。L'表示接入新能源和储能系统后的负荷量，Ch为风光储发电系统的可信容量；
综上，根据上式计算得到的包含储能的新能源系统的可信容量Ch，结合建立的火电运行价格模型、风电运行价格模型以及光伏运行价格模型，得到计及可信容量的含储能的新能源系统全寿命周期收益模型为：
式中：T为储能装置寿命周期，VTt为单位时段t内火电的价格，VWt单位时段t内风电的价格，VPVt单位时段t内光伏的价格，VS储能装置全寿命周期内投资成本；
FT为计及可信容量的含储能的新能源系统的全寿命周期收益；此处将一天为24个时段，所以电价模型中的单位时间设为1h。
6、建立含储能的高比例新能源的电力系统运行模拟模型
根据所述步骤5所建立的计及可信容量的含储能的新能源系统全寿命周期收益模型，步骤6以收益最大为目标，得到在储能装置全寿命周期内新能源系统收益的目标函数一；在完成含储能的新能源系统经济调度的基础上，充分考虑储能装置的技术特性，将储能在平抑新能源功率波动中的作用与经济调度相结合，建立含储能的高比例新能源的电力系统运行模拟模型。
可信容量即为在保持原有可靠性水平的情况下，系统所能够多承担的负荷水平，从等效载荷能力的角度定义加入储能系统后的可信容量如下：
根据：
F(G，L)＝F(G+CW+CPV+E，L′)
得到接入新能源和储能系统后的负荷量为：
得到加入风光储后发电系统的可信容量Ch为：
系统常规机组装机容量为G，风电机组装机容量为CW，光伏机组装机容量为储能容量为CPV，储能容量为E，负荷水平为L，用F(G，L)表示在未接入新能源和储能系统时，当常规机组装机容量为G，负荷水平为L时，系统的可靠性指标。L′表示接入新能源和储能系统后的负荷量，Ch为风光储发电系统的可信容量；
综上，根据上式计算得到的包含储能的新能源系统的可信容量Ch，结合建立的火电运行价格模型、风电运行价格模型以及光伏运行价格模型，得到计及可信容量的含储能的新能源系统全寿命周期收益模型为：
式中：T为储能装置寿命周期，VTt为单位时段t内火电的价格，VWt单位时段t内风电的价格，VPVt单位时段t内光伏的价格，VS储能装置全寿命周期内投资成本；
FT为计及可信容量的含储能的新能源系统的全寿命周期收益；此处将一天为24个时段，所以电价模型中的单位时间设为1h。
所述含储能新能源的电力系统运行模型如下：
目标函数一为含储能的新能源系统收益最大，为：
式中：FT为计及可信容量的含储能的新能源系统的全寿命周期收益；T为储能装置寿命周期，VTt为单位时段t内火电的价格，VWt为单位时段t内风电的价格，VPVt单位时段t内光伏的价格，VS储能装置全寿命周期内投资成本；此处将一天为24个时段，所以电价模型中的单位时间设为1h。
储能系统对新能源功率波动进行平抑时，为了直观的看出储能的平抑效果，需构建相应的平抑效能评价指标。对新能源功率波动进行平抑主要是限制单台发电机组、发电场及发电场群的输出功率的变化值和变化率，本发明将新能源电场单位相邻时段之间的新能源电场出力变化值的平方和最小作为目标函数二。
目标函数二为新能源电场相邻时段之间的新能源电场出力变化值的平方和最小，为：
式中：单位时间间隔为取10min；M为风电场总数；K为光伏电场总数；PWj(t+1)为第t+1个时段第j个风电场的出力，PPVk(t+1)为第t+1个时段第k个光伏电场的出力，PSi(t+1)为第t+1个时段内储能装置的充电功率，PSo(t+1)为第t+1个时段内储能装置的放电功率，PWjt为第t个时段第j个风电场的出力，PPVkt为第t个时段第k个光伏电场的出力，PSit为第t个时段内储能装置的充电功率，PSot为第t个时段内储能装置的放电功率。
含储能新能源的电力系统运行模拟模型有以下约束条件：
(1)系统功率平衡约束
在电力系统联合优化调度过程中，所含发电机组需始终满足系统总出力、储能电站充放电功率、总网损与系统负荷的动态平衡，具体表示为：
式中：PTit为第i台火电机组单位时段t内的出力，PWS.jt为第i台风电机组单位时段t内的出力，PS为储能电站单位时段t内的平均充放电功率，PL为系统单位时段t内的网损，PD为系统单位时段t内的负荷，N为火电机组总数，M为风电机组总数，Q为储能电站总数；
(2)风电机组、火电机组和光伏机组的出力约束
受风电机组、火电机组自身参数限制，其有功出力应满足发电机上下限不等式约束条件，表示为：
火电机组出力约束为：
PTimin≤PTi≤PTimax
风电机组出力约束为：
0≤PWj≤PWjmax
光伏机组出力约束为：
0≤PPVk≤PPVkmax
式中：PTimax为火电机组最大出力限制，PTimin为火电机组最小出力限制，PWjmax为风电场最大出力，PPVkmax为光伏电场最大出力；
(3)火电机组爬坡约束
火电机组在动态优化调度过程中输出功率不可超出自身单位调度周期内所能提供的最大输出功率，其爬坡能力可公式化为：
为第i台火电机组在某单位时段t内出力的下降率，/>为第i台火电机组在某单位时段t内出力的上升率，单位为MW/单位时间；PTi.t为第i台火电机组在t时段的出力，PTi.t-1为第i台火电机组在t+1时段的出力。
(4)储能装置充放电约束
储能装置并网充放电过程中其最大充放电功率和最小充放电功率受自身参数、技术要求等因素限制，需满足关系式：
式中：PSimin，PSimax分别为储能装置最大充电功率、最小充电功率，PSomin，PSomax分别为该储能装置最大充电功率和最大放电功率，由于储能电站仅存在充电、放电状态，则满足储能充放电状态方程：
PSi×PSo＝0
式中：PSi和PSo分别为储能电装置充电功率、放电功率。
(5)储能电站容量约束
储能装置受自身存储容量的上下限约束，可表示为：
ASmin≤AS≤ASmax
式中：ASmin，ASmax分别为储能电站最大存储容量和最小存储容量，AS为储能装置在某一时刻的存储容量。
(6)可靠性约束
当某时刻的可用机组出力，如常规机组、风电机组和光伏发电机组的输出功率之和小于负荷功率，则储能装置转入放电状态，如果此时刻储能剩余可用容量也不能满足负荷需求，则负荷缺电，负荷缺电概率需要小于预设值：
RLPSP≤Rmax
式中：Rmax为电力系统最大允许缺电概率。
可靠性指标RLPSP的计算方法如下：
式中：t为每小时取一个点，一年365天取8760个点，ELPS，t为全年的失负荷小时总数，ELoad，t为全年累计负荷总数。
7、利用粒子群算法求解含储能的新能源的电力系统运行模拟模型，该函数的解即为系统收益最大和新能源电场出力变化值最小时的含储能的新能源的电力系统运行模拟方案。具体步骤如下：
本发明含储能的新能源的电力系统运行模拟模型中，既要使新能源系统收益尽可能大，又使考虑新能源功率波动尽可能小，但由于两个目标函数具有不同的量纲，不能采用加权的方法转为单目标优化问题，所以本发明采用隶属度函数的方法使目标模糊化。转化后的目标函数为：
min max{μ(fi)}
其中，fi为单目标指标值；μ(fi)为各目标的隶属度值。优化目的是将各目标中隶属度值最大的指标最小化。
粒子群算法公式：
V[]＝ω*V[]+c1*rand()*(pbest[]-present[])+c2*rand()*(gbest[]-present[])
present[]＝present[]+V[]
式中V[]表示粒子速度，ω是惯性权重，present[]是当前粒子的位置，pbest[]是当前个体最优解向量，gbest[]是当前全局最优解向量，rand()是[0，1]之间的随机数，c1和c2是学习因子，通常取2。
粒子群算法计算步骤：
步骤一：初始化一群粒子present[]，每个粒子为三维向量，分别代表常规机组和风电机组和储能出力大小；
步骤二：将粒子代入购电成本最小的目标函数中求得pbest[]和gbest[]；
步骤三：通过式粒子群算法公式求出新的present[]；
步骤四：判断结束条件当前全局最优解向量gbest[]小于允许精度要求，满足结束条件则计算结束，不满足则转到步骤二。
附图说明
图1是本发明含储能的高比例新能源的电力系统运行模拟方法的流程图。
具体实施方式
以下结合附图及具体实施方式进一步说明本发明。
如图1所示，本发明含储能的新能源的电力系统运行模拟方法的流程如下：
1、计算火电价格影响因素，搭建火电运行价格模型。
2、计算风电运营成本、负效率运行惩罚成本、风电旋转备用容量补偿成本以及其他调节因子等影响因素，搭建风电运行价格模型。
3、计算光伏电场运营成本和光伏旋转备用容量补偿成本，构建光电运行价格模型。
4、计算储能初始投资成本、运行成本，建立全寿命周期内的储能总成本模型。
5、根据步骤1构建的火电运行价格模型、步骤2构建的风电运行价格模型、步骤3的光电运行价格模型以及步骤4的储能总成本模型，建立计及可信容量的含储能的新能源系统全寿命周期收益模型。
6、根据步骤5所建立的计及可信容量的含储能的新能源系统全寿命周期收益模型，以收益最大为目标，得到在储能装置全寿命周期内新能源系统收益的目标函数一；在完成含储能的新能源系统经济调度的基础上，充分考虑储能装置的技术特性，将储能在平抑新能源功率波动中的作用与经济调度相结合，将新能源电场单位相邻时段之间的新能源电场出力变化值的平方和最小作为目标函数二，建立含储能的新能源的电力系统运行模拟模型。
7、利用粒子群算法来求解含储能的新能源的电力系统运行模拟模型，该函数的解即为系统收益最大和新能源电场出力变化值最小时的含储能的新能源的电力系统运行模拟方案。
综上所述，本发明根据构建的各方电量的成本模型，科学合理地搭建了全寿命周期内的储能总成本模型，在此基础上建立计及可信容量的含储能的新能源系统全寿命周期收益模型，在完成含储能的新能源系统经济调度的基础上，充分考虑储能装置的技术特性，将储能在平抑新能源功率波动中的作用与经济调度相结合，进而搭建含储能的高比例新能源的电力系统运行模拟模型，不仅可以降低电网运行调控难度，为电网企业调度带来新的控制策略，保证混合电力系统稳定运行并提高新能源利用率，更有助于提高新能源企业的经济效益，对电网可靠运行有着重大意义。

Claims (8)

1.一种含储能的新能源电力系统运行模拟方法，其特征在于：首先构建各方电量的成本模型：火电、风电、光伏电量成本模型和全寿命周期内的储能成本模型，构建计及可信容量的含储能的新能源系统全寿命周期收益模型；再考虑储能的平抑新能源功率波动特性，在此基础上搭建含储能新能源的电力系统运行模拟模型；该模型以含储能的新能源系统收益最大为目标函数一，以新能源电场相邻时段之间的新能源电场出力变化值的平方和最小作为目标函数二，以“系统功率平衡、机组最大和最小出力、火电机组爬坡、储能电站充放电功率、储能电站容量以及可靠性”为约束条件，最后，基于粒子群算法来求解含储能的新能源的电力系统运行模拟模型，进而得到各类能源运行模拟结果；
建立计及可信容量的含储能的新能源系统全寿命周期收益模型如下：
可信容量即为在保持原有可靠性水平的情况下，系统所能够多承担的负荷水平，从等效载荷能力的角度定义加入储能系统后的可信容量如下：
根据：
得到接入新能源和储能系统后的负荷量为：
得到加入风光储后发电系统的可信容量Ch为：
系统常规机组装机容量为G，风电机组装机容量为CW,光伏机组装机容量为储能容量为CPV，储能容量为E，负荷水平为L,用F(G,L)表示在未接入新能源和储能系统时，当常规机组装机容量为G,负荷水平为L时，系统的可靠性指标；L′表示接入新能源和储能系统后的负荷量，Ch为风光储发电系统的可信容量；t为每小时取一个点，一年365天取8760个点，
EWLPS,t为全年未接入新能源和储能系统失负荷小时总数，EWLoad,t为全年未接入新能源和储能系统累计负荷总数；ENLPS,t为全年接入新能源和储能系统失负荷小时总数，ENLoad,t为全年接入新能源和储能系统累计负荷总数；Ewl为接入新能源和储能系统的期望负荷量。
综上，根据上式计算得到的包含储能的新能源系统的可信容量Ch，结合建立的火电运行价格模型、风电运行价格模型以及光伏运行价格模型，得到计及可信容量的含储能的新能源系统全寿命周期收益模型为：
式中：T为储能装置寿命周期,VTt为单位时段t内火电的价格,VWt单位时段t内风电的价格,VPVt单位时段t内光伏的价格,VS储能装置全寿命周期内投资成本；FT为计及可信容量的含储能的新能源系统的全寿命周期收益；此处将一天为24个时段，所以电价模型中的单位时间设为1h。
2.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于，所述建立火电运行价格模型的方法如下：
(1)计算火电名义环境补偿成本：
某单位时段t内火电机组的名义环境补偿成本为：
式中：FNEPTt为在某单位时段t内火电机组总的名义环境补偿成本：m为系统的火电机组数目；PNEPTt为在单位时段t内火电名义环境补偿成本的价格，feit为在单位时段t内第i台火电机组排放物的NOx的重量；
(2)计算火电机组营运成本
综合考虑火电能量消耗、投资和运行维护成本，火电机组的营运成本表示为：
式中：FTOPt为在单位时段t内系统总的火电营运成本；PTOPi.t为在单位时段t内第i台火电机组不计入火电机组的名义环境补偿成本的火电价格，PTit为第i台火电机组单位时段t内的出力；
(3)建立火电电价模型
在某单位时段t内火电的价格VTt为火电机组名义环境补偿成本FNEPTt和火电机组营运成本FTOPt的和，表示为：
VTt＝FNEPTt+FTOPt。
3.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于，所述建立的风电运行价格模型的方法如下：
(1)计算风电场营运成本
考虑到风电运行过程中无能量消耗，在计及风电的投资和运行维护成本的基础上，风电全寿命周期内的平均购电成本近似表示为与发电量成线性关系：
式中：FWOPt为在单位时段t内总的风电场营运成本；PWOP.jt为在单位时段t内第j个风电场出力的营运价格；PWS.jt为第j个风电场在某单位时段t内的计划调度出力；
(2)计算基于极限穿透功率的风电场负效率运行惩罚成本
采用风电场极限穿透功率来量度风电场负效率功率NEPWF的惩罚成本，即：
式中：FNEPWFt为在单位时段t内总的风电场负效率功率NEPWF惩罚成本；PWLPP.jt为第j个风电场在某单位时段t内的极限穿透功率；PWS.jt为第j个风电场在某单位时段t内的计划调度出力；PNt为在单位时段t内的NEPWF的价格；PWF jt为第j个风电场在某单位时段t内的预测出力，单位为MW；
(3)计算基于风电场出力预测可信度的风电旋转备用容量补偿成本
常规机组在某单位时段t内总的风电旋转备用容量补偿成本为：
式中：FWRCt为系统在单位时段t内总的风电旋转备用容量补偿成本，单位为万元；PCt为系统在单位时段t内的备用容量价格，单位为万元/MW；Ejt为第j个风电场预测出力在某单位时段t内的可信度；n为系统中的风电场数量，PWF jt为第j个风电场在某单位时段t内的预测出力，单位为MW，J为风电场的序号；
(4)计算调节因子
在构建储能成本模型中，除储能的投资、补偿风电场弃风成本、储能惩罚成本外，还包括政府补贴收益的其他储能成本的调节因子；
政府补贴收益为：
Tm＝T1m+T2m+T3m
式中：Am表示第m年政府补贴的年收益；PWS.jt为第j个风电场在某单位时段t内的计划调度出力，单位为MW；Tm表示第m年的度电补贴；T1m表示国家度电补贴；T2m表示第m年省级度电补贴；T3m表示第m年市级度电补贴；
(5)建立风电运行价格模型
综合考虑风电的内外部成本，在某单位时段t内风电的价格表示为：
VWt＝FWOPt+FWRCt+FNEPWFt-Am
式中：FWOPt为在单位时段t内总的风电场营运成本,单位为万元；FWRCt为系统在单位时段t内总的风电旋转备用容量补偿成本，单位为万元；FNEPWFt为在单位时段t内总的风电场负效率功率NEPWF惩罚成本,单位为万元；Am表示第m年政府补贴的年收益。
4.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于，建立所述的光伏运行价格模型的方法如下：
(1)计算光伏电场营运成本
考虑到光伏电场在运行过程中无能量消耗，在计及光伏的投资和运行维护成本的基础上，光伏全寿命周期内的平均购电成本近似表示为与发电量成线性关系；光伏发电营运成本数学模型如下：
式中：FPVOP.t为在单位时段t内总的光伏电场营运成本，单位万元，Ppv.it为第k个光伏电场在单位时段t内的计划调度出力，MW，fp.cost为光伏在单位时间段t的发电成本电价，单位为万元，其值由发电厂商决定；
(2)计算基于光伏出力预测可信度的光伏旋转备用容量补偿成本
由于光伏随机性特性导致光伏并网后，光伏电场预报出力与实际出力存在偏差，因此系统旋转备用容量增加；由于光伏电场出力预测可信度决定了由光伏引起的这部分光伏旋转备用容量补偿成本，采用基于光伏出力预测可信度的光伏旋转备用容量补偿成本来表示这部分光伏旋转备用容量补偿成本；系统在单位时段t内总的光伏旋转备用容量补偿成本为：
式中：FPVt为常规机组在单位时段t内总的光伏旋转备用容量补偿成本，单位万元；CPVt为系统在单位时段t内的备用容量价格，单位万元/MW；EPV.kt为第k个光伏电场预测出力在单位时段t内的可信度；PPVF.kt为第k个光伏场在单位时段t内的预测出力，单位为MW；x为系统中的光伏电场数目，k为光伏电场序号；
(3)构建光伏运行价格模型
综合考虑光伏电场的内外部成本，在单位时段t内光伏电场的运行价格表示为：
VPVt＝FPVOP.t+FPVt
式中：VPVt为在单位时段t内总的光伏电场营运成本，单位万元，FPVOP.t在单位时段t内总的光伏电场营运成本，单位万元；FPVt为常规机组在单位时段t内总的光伏旋转备用容量补偿成本，单位万元。
5.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于，建立所述计及初始投资成本、运行成本在内的全寿命周期内的储能总成本模型的方法如下：
(1)计算储能投资成本
电池储能系统初始投资成本主要由功率成本和容量成本构成；功率成本与储能系统的电能转换设备投资有关，容量成本与储能系统投资规划有关，全寿命周期初投成本数学模型为：
F1＝(FPPc+FEEc)
式中：FP为储能系统单位功率成本，单位为元/kW；FE为储能系统单位容量成本，元/(kW·h)；Pc为储能电池额定功率，单位为kW；Ec为储能电池额定容量，单位为kW·h；
(2)计算储能系统年运行维护成本
储能系统的年运行维护费用F2主要由储能系统的规模确定，表示为：
F2＝FmPmax
式中：Fm为单位容量的年运行维护成本,单位为万元，Pmax为储能装置长期最大充放电功率，单位为MW，即额定功率；
(3)计算储能总成本
根据储能系统的使用寿命年限和贴现率，将储能系统全寿命周期内的成本进行分摊，并与储能系统的年运行维护费用叠加，得到储能系统的全寿命周期内的成本VS为：
式中：F1为储能投资成本，F2储能系统的年运行维护费用,r为储能系统贴现率，此处取8％；T为储能寿命年限，此处取15年。
6.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于：所述含储能新能源的电力系统运行模型如下：
目标函数一为含储能的新能源系统收益最大，为：
式中：FT为计及可信容量的含储能的新能源系统的全寿命周期收益；T为储能装置寿命周期,VTt为单位时段t内火电的价格,VWt为单位时段t内风电的价格,VPVt单位时段t内光伏的价格,VS储能装置全寿命周期内投资成本；此处将一天为24个时段，所以电价模型中的单位时间设为1h；
储能系统对新能源功率波动进行平抑时，为了直观的看出储能的平抑效果，需构建相应的平抑效能评价指标；对新能源功率波动进行平抑主要是限制单台发电机组、发电场及发电场群的输出功率的变化值和变化率，将新能源电场单位相邻时段之间的新能源电场出力变化值的平方和最小作为目标函数二；
目标函数二为新能源电场相邻时段之间的新能源电场出力变化值的平方和最小，为：
式中：单位时间间隔为取10min；J为风电场总数；K为光伏电场总数；PWj(t+1)为第t+1个时段第j个风电场的出力，PPVk(t+1)为第t+1个时段第k个光伏电场的出力，PSi(t+1)为第t+1个时段内储能装置的充电功率，PSo(t+1)为第t+1个时段内储能装置的放电功率，PWjt为第t个时段第j个风电场的出力，PPVkt为第t个时段第k个光伏电场的出力，PSit为第t个时段内储能装置的充电功率,PSot为第t个时段内储能装置的放电功率；n为单位时间间隔取10min下，新能源电场出力总时间段。
7.根据权利要求1或6所述的含储能的新能源电力系统运行模拟方法，其特征在于：所述的含储能新能源的电力系统运行模型有以下约束条件：
(1)系统功率平衡约束
在电力系统联合优化调度过程中，所含发电机组需始终满足系统总出力、储能电站充放电功率、总网损与系统负荷的动态平衡，具体表示为：
式中:PTit为第i台火电机组单位时段t内的出力，PWS.jt为第i台风电机组单位时段t内的出力，PS为储能电站单位时段t内的平均充放电功率，PL为系统单位时段t内的网损，PD为系统单位时段t内的负荷，N为火电机组总数，M为风电机组总数，Q为储能电站总数；s表示第s台储能电站编号；
(2)风电机组、火电机组和光伏机组的出力约束
受风电机组、火电机组自身参数限制，其有功出力应满足发电机上下限不等式约束条件，表示为：
火电机组出力约束为：
PTimin≤PTi≤PTimax
风电机组出力约束为：
0≤PWj≤PWjmax
光伏机组出力约束为：
0≤PPVk≤PPVkmax
式中：PTimax为火电机组最大出力限制，PTimin为火电机组最小出力限制，PWjmax为风电场最大出力，PPVkmax为光伏电场最大出力；PTi表示第i台火电机组出力；PWj表示第j台风电机组出力；PPVK表示第k台光伏机组出力；
(3)火电机组爬坡约束
火电机组在动态优化调度过程中输出功率不可超出自身单位调度周期内所能提供的最大输出功率，其爬坡能力公式化为：
-ζTdowni.t≤PTi.t-PTi.t-1≤ζTupi.t
ζTdowni.t为第i台火电机组在某单位时段t内出力的下降率，ζTupi.t为第i台火电机组在某单位时段t内出力的上升率，单位为MW/单位时间；PTi.t为第i台火电机组在t时段的出力，PTi.t-1为第i台火电机组在t+1时段的出力；
(4)储能装置充放电约束
储能装置并网充放电过程中其最大充放电功率和最小充放电功率受自身参数、技术要求因素限制，需满足关系式：
式中：PSimin，PSimax分别为储能装置最大充电功率、最小充电功率，PSomin，PSomax分别为该储能装置最大充电功率和最大放电功率，由于储能电站仅存在充电、放电状态，则满足储能充放电状态方程：
PSi×PSo＝0
式中：PSi和PSo分别为储能电装置充电功率、放电功率；
(5)储能电站容量约束
储能装置受自身存储容量的上下限约束，表示为：
ASmin≤AS≤ASmax
式中：ASmin，ASmax分别为储能电站最大存储容量和最小存储容量，AS为储能装置在某一时刻的存储容量；
(6)可靠性约束
当某时刻的可用机组出力，如常规机组、风电机组和光伏发电机组的输出功率之和小于负荷功率，则储能装置转入放电状态，如果此时刻储能剩余可用容量也不能满足负荷需求，则负荷缺电，负荷缺电概率需要小于预设值：
RLPSP≤Rmax
式中：Rmax为电力系统最大允许缺电概率；
可靠性指标RLPSP的计算方法如下：
式中：t为每小时取一个点，一年365天取8760个点，ELPS,t为全年的失负荷小时总数，ELoad,t为全年累计负荷总数。
8.根据权利要求1所述的含储能的新能源电力系统运行模拟方法，其特征在于：利用粒子群算法来求解含储能的新能源的电力系统运行模拟模型的步骤如下：
所述含储能的新能源的电力系统运行模拟模型中，既要使新能源系统收益尽可能大，又使考虑新能源功率波动尽可能小，但由于两个目标函数具有不同的量纲，不能采用加权的方法转为单目标优化问题，所以采用隶属度函数的方法使目标模糊化；转化后的目标函数为：
min max{μ(fi)}
其中，fi为单目标指标值；μ(fi)为各目标的隶属度值；优化目的是将各目标中隶属度值最大的指标最小化；
粒子群算法公式：
V[]＝ω*V[]+c1*rand()*(pbest[]-present[])+c2*rand()*(gbest[]-present[])
present[]＝present[]+V[]
式中V[]表示粒子速度，ω是惯性权重，present[]是当前粒子的位置，pbest[]是当前个体最优解向量，gbest[]是当前全局最优解向量，rand()是[0,1]之间的随机数，c1和c2是学习因子，取2；
粒子群算法计算步骤：
步骤一：初始化一群粒子present[]，每个粒子为三维向量，分别代表常规机组和风电机组和储能出力大小；
步骤二：将粒子代入购电成本最小的目标函数中求得pbest[]和gbest[]；
步骤三：通过式粒子群算法公式求出新的present[]；
步骤四：判断结束条件当前全局最优解向量gbest[]小于允许精度要求，满足结束条件则计算结束，不满足则转到步骤二。
CN201911246922.XA 2019-12-09 2019-12-09 一种含储能的新能源电力系统运行模拟方法 Active CN110970912B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911246922.XA CN110970912B (zh) 2019-12-09 2019-12-09 一种含储能的新能源电力系统运行模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911246922.XA CN110970912B (zh) 2019-12-09 2019-12-09 一种含储能的新能源电力系统运行模拟方法

Publications (2)

Publication Number Publication Date
CN110970912A CN110970912A (zh) 2020-04-07
CN110970912B true CN110970912B (zh) 2023-08-04

Family

ID=70033377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911246922.XA Active CN110970912B (zh) 2019-12-09 2019-12-09 一种含储能的新能源电力系统运行模拟方法

Country Status (1)

Country Link
CN (1) CN110970912B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111541244B (zh) * 2020-04-30 2022-08-19 国网江苏省电力有限公司经济技术研究院 考虑储能装置度电成本的电网侧储能装置容量计算方法
CN112260309B (zh) * 2020-09-29 2022-08-26 青海大学 一种光伏电站可信容量的计算方法及装置
CN112269964B (zh) * 2020-10-30 2023-07-25 国网甘肃省电力公司电力科学研究院 一种基于双梯级函数的氢能系统功率容量计算方法
CN112821464B (zh) * 2021-01-07 2023-07-18 国网辽宁省电力有限公司 经同一并网点的可再生能源与火力发电耦合系统调度模型
CN112886645B (zh) * 2021-01-26 2023-07-14 国网辽宁省电力有限公司 一种基于氢能超高比例的新能源电力系统运行模拟方法
CN113507134B (zh) * 2021-06-24 2022-04-05 东北电力大学 一种规划目标年新能源电源装机容量的优化规划方法
CN113315148A (zh) * 2021-07-08 2021-08-27 傲普(上海)新能源有限公司 机组系统调频中储能系统的容量配置方法和系统
CN113988897A (zh) * 2021-09-14 2022-01-28 广西电网有限责任公司 风储系统出力偏差惩罚费用计算方法及装置
CN113949081A (zh) * 2021-11-22 2022-01-18 国网甘肃省电力公司陇南供电公司 光伏和风电消纳的储热容量优化配置方法、设备及介质
CN114118579B (zh) * 2021-11-26 2023-06-09 南方电网调峰调频发电有限公司 一种新能源场站储能配置规划方法、装置及计算机设备
CN114331028B (zh) * 2021-12-07 2024-02-09 国能大渡河流域水电开发有限公司 一种基于氢能的可再生能源网络运行确定方法及相关装置
CN114336605B (zh) * 2021-12-29 2023-07-21 西安交通大学 一种柔性电氢制储注一体站容量配置方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014170493A (ja) * 2013-03-05 2014-09-18 Toshiba Corp エネルギー管理システム、エネルギー管理方法、プログラムおよびサーバ装置
CN104701871A (zh) * 2015-02-13 2015-06-10 国家电网公司 一种含风光水多源互补微网混合储能容量最佳配比方法
CN105262103A (zh) * 2015-09-24 2016-01-20 国网冀北电力有限公司 电力并联电容器组的无功功率确定方法及装置
CN106777487A (zh) * 2016-11-18 2017-05-31 清华大学 一种含有储能系统的光伏电站可信容量计算方法及系统
CN107732949A (zh) * 2017-10-17 2018-02-23 华中科技大学 一种综合风电全年多季节特性的储能布点定容方法
CN109523060A (zh) * 2018-10-22 2019-03-26 上海交通大学 高比例可再生能源在输配电网协同接入下的配比优化方法
CN109713721A (zh) * 2019-01-25 2019-05-03 国网新疆电力有限公司经济技术研究院 一种新能源并网运行模拟方法
CN109921464A (zh) * 2019-03-25 2019-06-21 国网河北省电力有限公司经济技术研究院 配电网广义电源变电可信容量评估方法、装置和计算设备
CN110175421A (zh) * 2019-05-31 2019-08-27 杭州电子科技大学 一种新型水光互补多目标优化运行方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014170493A (ja) * 2013-03-05 2014-09-18 Toshiba Corp エネルギー管理システム、エネルギー管理方法、プログラムおよびサーバ装置
CN104701871A (zh) * 2015-02-13 2015-06-10 国家电网公司 一种含风光水多源互补微网混合储能容量最佳配比方法
CN105262103A (zh) * 2015-09-24 2016-01-20 国网冀北电力有限公司 电力并联电容器组的无功功率确定方法及装置
CN106777487A (zh) * 2016-11-18 2017-05-31 清华大学 一种含有储能系统的光伏电站可信容量计算方法及系统
CN107732949A (zh) * 2017-10-17 2018-02-23 华中科技大学 一种综合风电全年多季节特性的储能布点定容方法
CN109523060A (zh) * 2018-10-22 2019-03-26 上海交通大学 高比例可再生能源在输配电网协同接入下的配比优化方法
CN109713721A (zh) * 2019-01-25 2019-05-03 国网新疆电力有限公司经济技术研究院 一种新能源并网运行模拟方法
CN109921464A (zh) * 2019-03-25 2019-06-21 国网河北省电力有限公司经济技术研究院 配电网广义电源变电可信容量评估方法、装置和计算设备
CN110175421A (zh) * 2019-05-31 2019-08-27 杭州电子科技大学 一种新型水光互补多目标优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁铁江 等.基于风电极限穿透功率的经济调度优化模型研究.《电力系统保护与控制》.第第39 卷卷(第第39 卷期),第15-22页. *

Also Published As

Publication number Publication date
CN110970912A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN110970912B (zh) 一种含储能的新能源电力系统运行模拟方法
Wang et al. Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
Senjyu et al. Optimum configuration for renewable generating systems in residence using genetic algorithm
Cau et al. Energy management strategy based on short-term generation scheduling for a renewable microgrid using a hydrogen storage system
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
Eseye et al. Grid-price dependent optimal energy storage management strategy for grid-connected industrial microgrids
CN111555366B (zh) 一种基于多时间尺度的微网三层能量优化管理方法
CN111355270B (zh) 一种海岛微电网群容量优化配置方法
CN116231765B (zh) 一种虚拟电厂出力控制方法
CN114169211A (zh) 一种基于改进的粒子群算法的多站融合储能优化配置模型
CN107565880B (zh) 优化型风光互补混合发电系统
Syed et al. Machine learning based controlled filtering for solar PV variability reduction with BESS
Belkhier et al. Novel design and adaptive coordinated energy management of hybrid fuel‐cells/tidal/wind/PV array energy systems with battery storage for microgrids
CN117254491A (zh) 一种风光氢储微网系统时域滚动优化方法及系统
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
Hamdi et al. Optimum configuration of a dispatchable hybrid renewable energy plant using artificial neural networks: Case study of Ras Ghareb, Egypt.
AU2021340055B2 (en) Power regulation method and power regulation device
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN114336703A (zh) 一种大规模风光储电站自动协同控制方法
Bansal et al. An off-grid hybrid system scheduling for a remote area
CN108258734B (zh) 基于风功率区间预测的鲁棒最优调度方法

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
GR01 Patent grant
GR01 Patent grant