CN110991927B - 提高区域电网不同地区间歇性电源互补效果的电源规划方法 - Google Patents

提高区域电网不同地区间歇性电源互补效果的电源规划方法 Download PDF

Info

Publication number
CN110991927B
CN110991927B CN201911303435.2A CN201911303435A CN110991927B CN 110991927 B CN110991927 B CN 110991927B CN 201911303435 A CN201911303435 A CN 201911303435A CN 110991927 B CN110991927 B CN 110991927B
Authority
CN
China
Prior art keywords
photovoltaic
power
regional
wind power
wind
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
CN201911303435.2A
Other languages
English (en)
Other versions
CN110991927A (zh
Inventor
王磊
张祥成
冯斌
田旭
傅旭
马雪
王昭
李富春
范丽霞
杨攀峰
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.)
Northwest Electric Power Design Institute of China Power Engineering Consulting Group
Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd
Original Assignee
Northwest Electric Power Design Institute of China Power Engineering Consulting Group
Economic and Technological Research Institute of State Grid Qianghai 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 Northwest Electric Power Design Institute of China Power Engineering Consulting Group, Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd filed Critical Northwest Electric Power Design Institute of China Power Engineering Consulting Group
Priority to CN201911303435.2A priority Critical patent/CN110991927B/zh
Publication of CN110991927A publication Critical patent/CN110991927A/zh
Application granted granted Critical
Publication of CN110991927B publication Critical patent/CN110991927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种提高区域电网不同地区间歇性电源互补效果的电源规划方法,包括:1)获取区域分地区风电、光伏全年出力特性曲线,得到分地区风电可开发装机上限和光伏可开发装机上限、风电和光伏互补后累计年发电量下限;2)基于步骤1)采用改进粒子群算法生成分地区风电、光伏装机方案;3)计算区域风光互补出力及间歇性电源互补效果指标;4)满足约束条件的前提下进行电源组合方案寻优,重复直到达到收敛条件为止。本发明从两个层面分别给出了风电、光伏之间的配比、以及分地区风电光伏配比,既保证了风电光伏两类典型的间歇性电源配比最优,又实现了其各自的分地区配比最优。

Description

提高区域电网不同地区间歇性电源互补效果的电源规划方法
技术领域
本发明涉及电力系统规划领域,特别涉及一种提高区域电网不同地区间歇性电源互补效果的电源规划方法。
背景技术
随着风电、光伏等新能源发电大规模并网,由于其间歇性、波动性、不可控的特点,将对电网造成较大的影响。理论上不同地理位置的新能源其特性也有较大不同,在空间、时间等方面具备一定互补性,在区域电网新能源电源规划时需考虑如下问题:(1)在新能源发展总规模确定的前提下,风电、光伏配比如果确定;(2)风电、光伏发展总规模确定的前提下,其各自分地区规模如何确定;(3)分配原则应适应当地电网的实际需求,如何通过合理的电源规划布局,提高不同地区间歇性电源互补能力,使间歇性电源出力对电网更加友好,减轻电网为间歇性电源调峰压力。
发明内容
本发明提出了一种提高区域电网不同地区间歇性电源互补效果的电源规划方法。互补效果分为两个层面,第一个层面是风电光伏之间的互补、第二个层面是不同地区风电(光伏)之间的互补。互补效果是指基于不同地区新能源的典型出力特性和新能源总规划装机(风电+光伏总装机),通过合理的方法确定风电、光伏的装机配比,以及风电、光伏的各自分地区配比,使最终互补后的出力特性效果最好,定义对于电网更加友好的等效出力特性互补效果好、反之互补效果差。本发明从两个层面分别给出了风电、光伏之间的配比、以及分地区风电光伏配比,既保证了风电光伏两类典型的间歇性电源配比最优,又实现了其各自的分地区配比最优。
为了实现上述目的,本发明采用如下技术方案:
一种提高区域电网不同地区间歇性电源互补效果的电源规划方法,包括以下步骤:
1)获取区域分地区风电、光伏全年出力特性曲线,以及分地区风电可开发装机上限和光伏可开发装机上限、风电和光伏互补后累计年发电量下限;
2)将分地区风电可开发地区划分为M个:M个风电可开发地区分别对应M个分地区风电出力特性CWi,以及每个地区可开发装机上限为PWimax,i=1、2、…、M;
将分地区光伏可开发地区划分为N个:N个光伏可开发地区分别对应N个分地区光伏出力特性CSj,以及每个地区可开发装机上限为PSjmax,j=1、2、…、N;
3)在分地区风电可开发装机上限PWimax以及分地区光伏可开发装机上限PSjmax空间内,生成M个分地区风电装机方案和N个分地区光伏装机方案;
4)计算区域分地区风光互补出力及间歇性电源互补效果指标,并对分地区风电、光伏装机方案进行更新;
5)重复步骤3)~4)在满足约束条件的前提下在风电最大装机和光伏最大装机范围内进行电源组合方案寻优,直到达到收敛条件为止,输出区域分地区风光装机最优配置方案。
优选地,步骤4)中,计算区域分地区风光互补出力具体步骤如下:
区域分地区风电互补后出力为PW=CW1×PW1+CW2×PW2+…+CWM×PWM
区域分地区光伏互补后出力为PS=CS1×PS1+CS2×PS2+…+CSN×PSN
相应的区域d天t时刻风电、光伏出力分别为PW(d,t)和PS(d,t),风电光伏互补后出力为PG(d,t)=PW(d,t)+PS(d,t);
计算风电光伏互补后出力PG(d,t),d=1、2、…、Day,t=1、2、…、Hour。
优选地,间歇性电源互补效果指标如下:
式中:α、β为权重系数,α+β=1;γ为权重系数,RCV(d)为第d天风光互补后出力的差异系数,其值越小表明风光互补后出力越平稳、且波动范围不远离集中量数(日出力平均值);PW(d,t)、PS(d,t)分别为风电、光伏在d天、t时刻的实际有功功率;为第d天风光互补后出力的日平均值;Day为日期步长,评价周期为年则Day=365;Hour为时刻步长,每日评价步长为1h则Hour=24。
优选地,考虑的约束条件为:
①分地区风电可开发装机上限、分地区光伏可开发装机上限结合各地区条件计算求得;
②区域分地区风光互补后年可发电量约束,互补后间歇性电源年可发电量应不低于某个数值。
优选地,收敛条件为连续X次最优方案无变化或达到改进粒子群算法最大迭代次数。
优选地,电源组合方案寻优是利用改进粒子群算法寻优功能在分地区风电可开发装机上限和光伏可开发装机上限空间内向更优目标函数方向进化。
与现有技术相比,本发明具有以下优点:
本发明一种提高区域电网不同地区间歇性电源互补效果的电源规划方法。通过采用改进粒子群算法生成分地区风电、光伏装机方案,计算区域风光互补出力及间歇性电源互补效果指标;互补效果是指基于不同地区新能源的典型出力特性和新能源总规划装机(风电+光伏总装机),通过合理的方法确定风电、光伏的装机配比,以及风电、光伏的各自分地区配比,使最终互补后的出力特性效果最好,定义对于电网更加友好的等效出力特性互补效果好、反之互补效果差。本发明从两个层面分别给出了风电、光伏之间的配比、以及分地区风电光伏配比,既保证了风电光伏两类典型的间歇性电源配比最优,又实现了其各自的分地区配比最优。
附图说明
图1为本发明计算流程图。
具体实施方式
一种提高区域电网不同地区间歇性电源互补效果的电源规划方法,包括以下步骤:
1)已知该区域电网根据资源、土地等条件制定的新能源发展规划中风电最大装机为PWmax、光伏最大装机为PSmax
2)根据该区域分地区资源、土地等条件,将风电可开发地区进一步划分为M个:M个风电可开发地区分别对应M个分地区风电出力特性CWi(CW1、CW2、……、CWM,i=1、2、…、M),以及每个地区可开发装机上限为PWimax(PW1max、PW2max、……、PWMmax,PW1max+PW2max+…+PWMmax≤PWmax),区域分地区风电互补后出力为PW=CW1×PW1+CW2×PW2+…+CWM×PWM
3)根据该区域分地区资源、土地等条件,将光伏可开发地区进一步划分为N个:N个光伏可开发地区分别对应N个分地区光伏出力特性CSj(CS1、CS2、……、CSM,j=1、2、…、N),以及每个地区可开发装机上限为PSjmax(PS1max、PS2max、……、PSNmax,PS1max+PS2max+…+PSNmax≤PSmax)、区域分地区光伏互补后出力为PS=CS1×PS1+CS2×PS2+…+CSN×PSN
4)由于风电、光伏均为不可控、随机间歇性电源,因此其发电功率的数学模型可以看作是随机分布的时间序列,相应的区域d天t时刻风电、光伏出力为PW(d,t)和PS(d,t),风电光伏互补后出力为PG(d,t)=PW(d,t)+pS(d,t);
5)利用改进粒子群算法进行装机方案生成,在分地区风电可开发装机上限PWimax(PW1max、PW2max、……、PWMmax,PW1max+PW2max+…+PWMmax≤PWmax)、以及分地区光伏可开发装机上限PSjmax(PS1max、PS2max、……、PSNmax,PS1max+PS2max+…+PSNmax≤PSmax)空间内,生成M个分地区风电装机方案和N个分地区光伏装机方案,利用步骤2)~4)计算风电光伏互补后出力PG(d,t),d=1、2、…、Day,t=1、2、…、Hour,结合公式(1)~(2)计算指标F;
6)重复步骤5),在满足约束条件(如风电光伏互补后年可发电量约束、区域和分地区装机上限约束)的前提下在PWmax和PSmax范围内进行电源组合方案寻优(利用改进粒子群算法寻优功能使PWi和PSj向更优目标函数方向进化),重复直到满足收敛条件为止(收敛条件为连续X次最优方案无变化或达到改进粒子群算法最大迭代次数)。
考虑的计算和约束条件为:
①分地区风电可开发装机上限PWi、分地区光伏可开发装机上限PSj结合各地区资源、土地等条件计算求得;
②区域分地区风光互补后年可发电量约束,互补后间歇性电源年可发电量应不低于某个数值。
本发明评价互补效果的指标采用日差异系数指标,用以评价风光互补后出力的平稳程度,认为互补出力越平稳则越有利于常规电源调峰,即风光互补效果越好。
互补效果评价指标计算方法如下:
式中:α、β为权重系数,α+β=1;γ为权重系数,RCV(d)为第d天风光互补后出力的差异系数,其值越小表明风光互补后出力越平稳、且波动范围不远离集中量数(日出力平均值);PW(d,t)、PS(d,t)分别为风电、光伏在d天、t时刻的实际有功功率;为第d天风光互补后出力的日平均值;Day为日期步长,评价周期为年则Day=365;Hour为时刻步长,每日评价步长为1h,则Hour=24。
改进粒子群算法描述如下:
粒子群算法(Particle Swarm Optimization,PSO)是一种人工智能算法,求解过程从随机解出发,各粒子(可能解)依靠种群之间的信息传递和粒子自身的历史经验不断调整位置和速度,朝种群最优的粒子和个体最优的粒子靠近,通过多次迭代来逼近最优解。该算法以原理简单、易于实现、精度高等特点表现出较强的优越性,已被广泛应用于各类优化问题的求解中。
粒子群算法中每个粒子在迭代过程中最终目的是寻找两个极值,即个体极值Pbest、代表该粒子在飞行过程中所能找到的最好位置,另一个是群体极值Gbest、代表所有粒子在飞行过程中所能找到的最好位置。假设一个有N个粒子组成的群体在D维的搜索空间内飞行寻优。
粒子i在t时刻的位置、速度、个体极值、群体极值分别为:
其中的速度和位置更新公式为:
式中:c1、c2为学习因子,它反映了每个粒子对两个极值的学习能力;r1、r2取值为[0,1]之间任意的随机数。
可见,粒子的搜优能力与速度有很大关系,当速度过快时,粒子的搜索范围将扩大,虽然增强了全局搜索能力但有可能使优良解被遗漏;当速度过慢时,粒子的搜索范围将缩小,虽然提高了局部搜索能力使优良解的获取概率大大增加,但将使算法的计算效率明显降低。
引入惯性权重ω,式(9)改为:
式中:ωmax为权重上限;ωmin为权重下限;tmax为最大的迭代次数;t为当前的迭代次数。ω可平衡了粒子的全局搜优能力和局部搜优能力,粒子起初寻找最优解时ω值较大,粒子的飞行速度较快,使粒子的搜索范围变得更广(全局搜索能力得到增强);随着粒子逐步逼近最优解,ω值减小,使粒子在靠近最优解的地方以较小步长展开密集搜优。
改进粒子群算法(Improved Particle Swarm Optimization,IPSO)的步骤如下:
①随机初始化种群中所有粒子的位置和速度;
②计算所有粒子的适应值,将各粒子的当前位置和适应值记录为Pbest、将所有Pbest中最优值记录为Gbest
③利用式(10)~式(12)更新所有粒子的速度和位置;
④对每个粒子的适应值与其经历过的最优适应值作比较,如果当前适应值优于最优适应值,则将当前适应值设为最优适应值;
⑤比较当前所有Pbest和Gbest、更新Gbest
⑥若满足终止条件(预设的运算精度或迭代次数)、则搜索停止输出结果,否则返回步骤③继续搜索。
下面以我国青海海西地区间歇性能源规划为例,作详细说明。应该强调的是,下述说明仅仅是实例性的,而不是为了限制本发明的范围及其应用。
实施算例:
海西地区风光资源丰富、地域辽阔、戈壁多,适用于大规模发展新能源,青海省政府与国网青海省电力公司规划建成青海省第二条直流外送通道,该输电通道配套电源以可再生能源为主,主力电源为风电、光伏、光热、水电,同时配有少量火电。
其中,光热、水电、储能、火电由于具有可调节性,除提供电量外,还需作为风电和光伏的调峰电源,此外与主网的功率交换则为主网为直流运行的调峰过程。因此,海西地区风电和光伏互补效果越好,互补出力越平稳,相应的光热、水电、储能、火电和主网为海西直流的调峰压力就越小。
本算例以青海海西直流拟配套电源中的风电和光伏进行装机优化计算,海西直流拟配套水电2600MW、光热3000MW、储能2000MW、火电1000MW,间歇性电源为光伏和风电、拟建总规模为11000MW;水电、光热、火电一方面为间歇性电源调峰、一方面提供电量补充;储能专门为间歇性电源调峰,此外主网也承担部分调峰任务;直流年外送电量406亿kWh,要求间歇性电源提供电量至少达到210亿kWh。因此,海西地区风电和光伏互补效果越好、互补出力越平稳,相应的光热、水电、储能、火电、主网为海西直流的调峰压力就越小。基于海西不同地区的风电、光伏出力特性,通过合理规划海西分地区风电和光伏建设规模,确定风电光伏互补效果最好的分地区建设方案,减轻水电、光热、火电、储能、主网的调峰压力,即该问题的实质是:按照海西直流拟配套的风光总规模11000MW,进行风光规模优化分配及其各自分地区优化分配问题。
具体步骤如下:
1)读入海西区域分地区风电、光伏全年8760h出力特性曲线,分地区风电可开发装机上限PWi和光伏可开发装机上限PSj、直流拟配套区域风电装机上限PWmax和光伏装机上限PSmax、风电和光伏承担电量下限EImin
2)采用改进粒子群算法生成分地区风电、光伏装机方案;
3)计算区域风光互补出力及间歇性电源互补效果指标;
4)在满足约束条件(如风电光伏互补后年可发电量约束、区域和分地区装机上限约束)的前提下在PWmax和PSmax范围内进行电源组合方案寻优(利用改进粒子群算法寻优功能使PWi和PSj向更优目标函数方向进化),重复直到达到收敛条件为止(收敛条件为连续X次最优方案无变化或达到改进粒子群算法最大迭代次数)。
具体输入条件如下:
1)海西风电可供开发地区分为7个,分别为德令哈、乌兰、大柴旦、格尔木、诺木洪、冷湖、乌图;
2)海西光伏可供开发地区分为4个,分别为德令哈、乌兰、大柴旦、乌图;
3)分地区风电可开发装机上限暂按德令哈500MW、乌兰500MW、大柴旦1000MW、格尔木500MW、诺木洪1000MW、冷湖2500MW、乌图100MW;
4)分地区光伏可开发装机上限为德令哈2500MW、乌兰2000MW、大柴旦2000MW、乌图3000MW;
5)优化方案风光互补后年可发电量应不低于规划方案风光互补后年可发电量217.86亿kWh;
6)考虑到开发的实际情况,如果优化结果中某地区拟开发风电或光伏装机小于50MW,则按照不开发考虑;优化结果中某地区拟开发风电或光伏装机原则上在50MW范围内进行取整。
计算结果如下:
海西直流配套风电、光伏电源分地区优化规划计算结果详见表3。
以上内容是对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定发明的保护范围。

Claims (6)

1.一种提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,包括以下步骤:
1)获取区域分地区风电、光伏全年出力特性曲线,以及分地区风电可开发装机上限和光伏可开发装机上限、风电和光伏互补后累计年发电量下限;
2)将分地区风电可开发地区划分为M个:M个风电可开发地区分别对应M个分地区风电出力特性CWi,以及每个地区可开发装机上限为PWimax,i=1、2、…、M;
将分地区光伏可开发地区划分为N个:N个光伏可开发地区分别对应N个分地区光伏出力特性CSj,以及每个地区可开发装机上限为PSjmax,j=1、2、…、N;
3)在分地区风电可开发装机上限PWimax以及分地区光伏可开发装机上限PSjmax空间内,生成M个分地区风电装机方案和N个分地区光伏装机方案;
4)计算区域分地区风光互补出力及间歇性电源互补效果指标,并对分地区风电、光伏装机方案进行更新;
5)重复步骤3)~4)在满足约束条件的前提下在风电最大装机和光伏最大装机范围内进行电源组合方案寻优,直到达到收敛条件为止,输出区域分地区风光装机最优配置方案。
2.根据权利要求1所述的一种提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,步骤4)中,计算区域分地区风光互补出力具体步骤如下:
区域分地区风电互补后出力为PW=CW1×PW1+CW2×PW2+…+CWM×PWM
区域分地区光伏互补后出力为PS=CS1×PS1+CS2×PS2+…+CSN×PSN
相应的区域d天t时刻风电、光伏出力分别为PW(d,t)和PS(d,t),风电光伏互补后出力为PG(d,t)=PW(d,t)+PS(d,t);
计算风电光伏互补后出力PG(d,t),d=1、2、…、Day,t=1、2、…、Hour。
3.根据权利要求2所述的提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,间歇性电源互补效果指标如下:
式中:γ为权重系数,RCV(d)为第d天风光互补后出力的差异系数,其值越小表明风光互补后出力越平稳、且波动范围不远离集中量数;PW(d,t)、PS(d,t)分别为风电、光伏在d天、t时刻的实际有功功率;/>为第d天风光互补后出力的日平均值;Day为日期步长,评价周期为年则Day=365;Hour为时刻步长,每日评价步长为1h则Hour=24,F为间歇性电源互补效果指标。
4.根据权利要求1所述的提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,考虑的约束条件为:
①分地区风电可开发装机上限、分地区光伏可开发装机上限结合各地区条件计算求得;
②区域分地区风光互补后年可发电量约束,互补后间歇性电源年可发电量应不低于某个数值。
5.根据权利要求1所述的提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,收敛条件为连续X次最优方案无变化或达到改进粒子群算法最大迭代次数。
6.根据权利要求1所述的提高区域电网不同地区间歇性电源互补效果的电源规划方法,其特征在于,电源组合方案寻优是利用改进粒子群算法寻优功能在分地区风电可开发装机上限和光伏可开发装机上限空间内向更优目标函数方向进化。
CN201911303435.2A 2019-12-17 2019-12-17 提高区域电网不同地区间歇性电源互补效果的电源规划方法 Active CN110991927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911303435.2A CN110991927B (zh) 2019-12-17 2019-12-17 提高区域电网不同地区间歇性电源互补效果的电源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911303435.2A CN110991927B (zh) 2019-12-17 2019-12-17 提高区域电网不同地区间歇性电源互补效果的电源规划方法

Publications (2)

Publication Number Publication Date
CN110991927A CN110991927A (zh) 2020-04-10
CN110991927B true CN110991927B (zh) 2023-09-01

Family

ID=70094947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911303435.2A Active CN110991927B (zh) 2019-12-17 2019-12-17 提高区域电网不同地区间歇性电源互补效果的电源规划方法

Country Status (1)

Country Link
CN (1) CN110991927B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592125A (zh) * 2020-04-30 2021-11-02 国网新疆电力有限公司 一种特高压直流配套电源配比优化比选方法和系统
CN116885771B (zh) * 2023-06-19 2024-01-30 广东永光新能源科技有限公司 可再生能源并网发电分析方法、系统、终端及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955862A (zh) * 2014-04-09 2014-07-30 国家电网公司 一种区域电网风电发展的规划方法
CN105048516A (zh) * 2015-08-18 2015-11-11 四川大学 一种风光水火多源互补优化调度方法
CN105205552A (zh) * 2015-09-11 2015-12-30 东南大学 一种独立新能源混合发电系统优化规划方法
CN105610199A (zh) * 2016-01-22 2016-05-25 华北电力科学研究院有限责任公司 考虑网架约束的风光配比确定方法及其装置
CN106169770A (zh) * 2016-07-19 2016-11-30 国网四川省电力公司经济技术研究院 一种针对水电富集地区的电力能源优化配置方法
CN108280536A (zh) * 2017-12-27 2018-07-13 中国电建集团河北省电力勘测设计研究院有限公司 一种多能互补综合能源配置优化与运行方法
WO2018177529A1 (en) * 2017-03-30 2018-10-04 Universita' Della Svizzera Italiana Method to accelerate the processing of multiperiod optimal power flow problems
CN109888835A (zh) * 2019-04-16 2019-06-14 武汉理工大学 一种基于改进粒子群的分布式光伏配电网规划方法
CN110490464A (zh) * 2019-08-21 2019-11-22 国网浙江省电力有限公司杭州供电公司 一种基于线路负荷重组的城市配电网供电能力挖潜方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955862A (zh) * 2014-04-09 2014-07-30 国家电网公司 一种区域电网风电发展的规划方法
CN105048516A (zh) * 2015-08-18 2015-11-11 四川大学 一种风光水火多源互补优化调度方法
CN105205552A (zh) * 2015-09-11 2015-12-30 东南大学 一种独立新能源混合发电系统优化规划方法
CN105610199A (zh) * 2016-01-22 2016-05-25 华北电力科学研究院有限责任公司 考虑网架约束的风光配比确定方法及其装置
CN106169770A (zh) * 2016-07-19 2016-11-30 国网四川省电力公司经济技术研究院 一种针对水电富集地区的电力能源优化配置方法
WO2018177529A1 (en) * 2017-03-30 2018-10-04 Universita' Della Svizzera Italiana Method to accelerate the processing of multiperiod optimal power flow problems
CN108280536A (zh) * 2017-12-27 2018-07-13 中国电建集团河北省电力勘测设计研究院有限公司 一种多能互补综合能源配置优化与运行方法
CN109888835A (zh) * 2019-04-16 2019-06-14 武汉理工大学 一种基于改进粒子群的分布式光伏配电网规划方法
CN110490464A (zh) * 2019-08-21 2019-11-22 国网浙江省电力有限公司杭州供电公司 一种基于线路负荷重组的城市配电网供电能力挖潜方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张世钦 ; .基于改进粒子群算法的风光水互补发电系统短期调峰优化调度.水电能源科学.2018,(第04期),第214-218页. *

Also Published As

Publication number Publication date
CN110991927A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN103049798B (zh) 一种应用于光伏发电系统的短期发电功率预测方法
CN102013701B (zh) 一种高海拔地区电网光伏发电接纳能力计算方法
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
Zhao et al. Optimal sizing of isolated microgrid containing photovoltaic/photothermal/wind/diesel/battery
CN107256450B (zh) 考虑长-短嵌套决策的水光电互补调度容量配置方法
CN110909911B (zh) 考虑时空相关性的多维时序数据的聚合方法
CN104299173A (zh) 一种适用于多种能源接入的鲁棒优化日前调度方法
CN106527568A (zh) 基于广义动态模糊神经网络的最大功率跟踪器控制方法
CN110991927B (zh) 提高区域电网不同地区间歇性电源互补效果的电源规划方法
Liu et al. Research on short-term optimization for integrated hydro-PV power system based on genetic algorithm
CN109670694A (zh) 一种多能源供给系统负荷预测方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN114884134A (zh) 基于区间优化的火电机组灵活性调节调度方法
CN113991640B (zh) 基于火电的多能互补能源基地能源配置规划方法
CN109586279B (zh) 一种互联电网规划方法
CN109873419B (zh) 一种考虑相似度和经济收益的水光蓄系统运行优化方法
Srivastava et al. Hybrid renewable energy systems & their suitability in rural regions
CN115459349B (zh) 一种风光水火储多源经济-低碳协同调度方法
CN114530848B (zh) 一种光储虚拟电厂多时间尺度动态划分方法
Bhuvanesh et al. Least Cost Electricity Generation Planning for China with Low GHG Emission Using LEAP and EnergyPLAN
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统
CN113807566A (zh) 基于可再生能源和内部负荷不确定的社区能源的调度方法
Liu et al. Optimal sizing of distributed generation based on chaotic free-search algorithm in an island microgrid
Shin et al. Estimation of Power Generation and Consumption based on eXplainable Artificial Intelligence
Si et al. Review on Optimal Operation Models and Intelligent Solving Algorithms of Cascade Hydropower Stations

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