CN111222711A - 一种基于指标联动分析的电力系统调峰调度多目标优化方法 - Google Patents
一种基于指标联动分析的电力系统调峰调度多目标优化方法 Download PDFInfo
- Publication number
- CN111222711A CN111222711A CN202010045539.4A CN202010045539A CN111222711A CN 111222711 A CN111222711 A CN 111222711A CN 202010045539 A CN202010045539 A CN 202010045539A CN 111222711 A CN111222711 A CN 111222711A
- Authority
- CN
- China
- Prior art keywords
- indexes
- load
- sequences
- peak
- index
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 230000001364 causal effect Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000000611 regression analysis Methods 0.000 claims abstract description 8
- 230000002068 genetic effect Effects 0.000 claims abstract description 4
- 238000010248 power generation Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 125000001449 isopropyl group Chemical group [H]C([H])([H])C([H])(*)C([H])([H])[H] 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013112 stability test Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 229910006119 NiIn Inorganic materials 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于水电调度运行技术领域,提供了一种基于指标联动分析的电力系统调峰调度多目标优化方法。本发明综合考虑五种调峰指标,并引入经济学中联动分析理论对指标的数据序列进行平稳性检验和因果关系检验,以有效明晰指标间的联动变化规律,采用回归分析方法量化相互影响关系,进而构建多指标耦合的调峰调度优化模型,最后采用遗传算法进行模型求解。本发明能更客观地描述电网的综合调峰要求,有利于调度人员减少决策中的主观臆断性,与常规的不同单一调峰指标模型相比,调峰效果得到明显改善,为电力系统短期运行中调峰调度决策提供新的技术途径。
Description
技术领域
本发明涉及水电调度运行领域,特别涉及一种基于指标联动分析的电力系统调峰调度多目标优化方法。
技术背景
调峰是电力系统短期调度运行的一项核心任务,也是国内外重点关注的课题之一。由于巨大的负荷峰谷差和不断增加的间歇性能源并网,使得我国大多数以火电为主的省级电网面临非常严峻的调峰压力,因而调峰已成为这些电网日常发电调度中的主要目标之一。从电网侧来讲,调峰的主要目的是合理优化可调节电站的发电运行计划以削减余留负荷峰谷差、平滑调节性能较差火电机组面临的净负荷曲线,为达到此目的,如何准确描述调峰需求就成为发电调度的关键环节。
目前应对电力系统调峰压力的措施和技术手段主要包含两个方面:一是聚焦储能系统建设及其调峰潜力,例如在能量成本函数中引入峰值费用、光伏发电场和电池储能混合系统的联合运行优化、风光间歇性电源与抽水蓄能电站的互补运行等。二是常规电源如水电站和火电站的调峰优化调度,这类调峰方法普遍以余留负荷为变量构建优化模型,即采用余留负荷的某种形式函数来描述电网的调峰需求,例如余留负荷最大峰谷差最小、余留负荷序列的均方差或者标准差最小、调峰电量最大等。总的来说,这些建模方法在适当的条件下能够有效地降低最大负荷峰值谷差或平滑余留负荷曲线的波动,但对于电网面临的调峰压力或需求,仅通过单一的调峰指标如峰谷差、余荷均方差等进行描述,缺少对负荷需求的综合分析,尤其当不同日期不同电网的负荷需求发生变化时,每种调峰目标的适用性如何,以及应该采用何种调峰目标优化发电计划才能保证获得较好的调峰结果,一直没有得到足够的重视,但确实是调峰调度研究中非常关键的问题。
针对以上问题,本发明依托国家自然科学基金(51579029),提出基于指标联动分析的电力系统调峰调度多目标优化方法,并以溪洛渡水电站群送电至浙江省电网为工程背景对其进行应用测试,结果显示本发明成果可有效避免单一指标优化引起调峰结果偏差和主观因素带来的结果不确定性与不合理性,从而使优化得到的发电运行计划更加有效和实用。
发明内容
本发明要解决的技术问题是提供一种基于指标联动分析的电力系统调峰调度多目标优化方法,以减小多目标处理策略中权重系数选取带来的不确定性与不合理性,获得更为均衡的调峰优化结果。
本发明技术方案:
一种基于指标联动分析的电力系统调峰调度多目标优化方法,其特征包括如下步骤:
(1)初始化计算条件,包括水电站运行条件和约束条件,以及电力和水力调度需求条件;
(2)引入五种调峰指标,分别为负荷方差负荷峰谷差F2=Pr,max-Pr,min、负荷最大变化率F3=|Pr,i-Pr,i-1|max、负荷最大值F4=Pr,max、负荷最小值F5=Pr,min,式中Pr为余留负荷序列,Pr,i为i个时段的余留负荷,Pr,max为余留负荷最大值,Pr,min为余留负荷最小值,n为时段的总个数,由此得到多目标函数:
(3)根据历史日负荷数据,计算上述五种指标每日的指标值,得到五个时间序列l1、l2、l3、l4、l5;
(4)计算五个时间序列两两之间的相关系数,见下式
式中r为相关系数,lx,i和ly,i分别为序列lx和ly第i个时段的数值,和分别为序列lx和ly的平均值,据此判断五种指标之间的相关性强弱,当0.8<|r|<1时,两个指标高度相关,0.3<|r|<0.8时为中度相关,|r|<0.3时为低度相关;
(5)基于指标间的相关性,对中度相关以上的指标进行联动性分析,对低度相关的指标采用权系数法,将多目标调峰目标转化为单目标调峰模型,具体步骤如下:
Step1.检验时间序列的平稳性。采用ADF检验法,序列l的生成过程为如下三种形式之一:
式中αt为时间趋势项,μ为位移项,为滞后项,k为滞后项个数,Δlt为序列l中第t项的增量,即Δlt=lt-lt-1,原假设与备择假设分别为检验原则为对上述三种形式依次进行假设检验,只要其中一种的检验结果为拒绝原假设H0,则该序列平稳;
Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验。两个序列之间的回归模型如下:
式中αi、βi、γi、δi为回归系数,ε1t、ε2t为随机误差项,p为滞后阶数,对两个模型分别进行假设检验,原假设与备择假设为 根据检验结果即可得到序列之间的Granger因果关系,若lx对ly存在Granger因果关系,则相应的指标X对指标Y存在影响;
Step3.对非平稳序列进行协整。若一个非平稳序列ly,经过D次差分后得到的序列平稳,则ly为D阶单整序列,对于两个非平稳且单整阶数相同的序列lx和ly,利用对OLS协整回归方程lx,t=T+Uly,t+Xt,式中T、U为回归系数,Xt为残差,若Xt平稳时,则相应的指标X对指标Y存在影响;
Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析:选择五种指标中受最多指标影响的一项作为θ0,对其产生影响的指标分别记为θ1,θ2,…,θm,其中m为对指标θ0产生影响的指标个数,通过回归分析拟合得到关系式θ0=f(θ1,θ2,...,θm);
Step5.构建调峰目标函数:在式θ0=f(θ1,θ2,...,θm)的基础上,对剩余指标θn+1,θn+2,…,θ4采用权系数法即可将前述多目标函数转化为单一调峰目标函数,函数表达式如下
(5)采用遗传算法求解步骤(4)得到的目标函数,获得电站的发电出力过程。
本发明成果有如下有益效果:与常规单一指标调峰模型相比,多指标耦合调峰模型能够量化描述负荷波动程度、波动幅度、峰值、谷值以及最大变化率五项指标的合理关系,均衡电网调峰结果,有效避免单一指标优化引起调峰结果偏差;不同指标实质是反映电网不同的调峰需求,通过指标间的关联分析,能够明晰不同电网、不同日期的负荷调节需求,得到更合理的调峰模型,从而使优化得到的发电运行计划更加有效和实用;本发明是采用经济学的理论方法描述电力系统的复杂调峰需求,这种研究思路有助于拓展电力系统发电调度实际问题的描述方法,可以给出相对客观的优化结果,有效避免主观因素带来的结果不确定性和不合理性。
附图说明
图1是本发明方法总体求解框架图;
图2是指标因果关系图;
图3是拟合效果分析图。
具体实施方式
下面结合附图和技术方案,进一步说明本发明的具体实施方式。
为更加准确的描述调峰效果,本发明综合考虑余留负荷的方差、峰谷差、最大值、最小值和最大变化率。其中,方差σ2主要反映负荷升降方向变化的频次,是对机组灵活调节能力的要求:
Pr,i=Pi-Ni (10)
式中:Pr,i为i时刻的余留负荷,Pi为受电电网负荷,Ni为优化目标电站的出力。
峰谷差Δ即负荷的变化范围,范围越小,对机组的调峰容量需求越小:
Δ=Pr,max-Pr,min (11)
式中:Pr,max为余留负荷最大值,Pr,min为余留负荷最小值。
负荷最大值Nr,max反应负荷高峰时段的调峰压力,负荷高峰时段通常是机组负荷响应压力最大的时段,为保证电网的安全稳定运行,期望余留负荷在高峰时段的负荷值较低,以避免出现机组顶峰困难。
Nmax=Pr,max (12)
负荷最小值Nr,min反应负荷低谷时段的调峰压力,受不可调机组的强迫出力所限,在负荷低谷时段机组出力很难随负荷有效降低,迫使火电机组深度调峰,导致能耗大大增加。为此,期望余留负荷在低谷时段的负荷值较高。
Nmin=Pr,min (13)
负荷最大变化率ΔPr,max即相邻时段负荷变化的最大值,反映负荷对机组爬坡能力的需求。负荷最大变化率越小,对机组爬坡能力的要求越低。
ΔPr,max=|Pr,i-Pr,i-1|max (14)
由此构建目标函数,使余留负荷的方差最小、峰谷差最小、最大值最小、最小值最大和最大变化率最小,以保证满足不同负荷的调峰需求。
上述目标函数需要满足以下约束条件:
水量平衡方程:
Vt+1=Vt+3600(Qt-St)Δt (16)
其中:St=qt+dt
式中:Vt为电站在t时刻的库容,m3;Qt为电站t时段的入库流量,m3/s;St为电站t时段的出库流量,m3/s;qt为电站t时段的发电流量,m3/s;dt为m电站t时段的弃水流量,m3/s。
水位库容关系:
Zt=fZV(Vt) (17)
式中:Zt为电站在t时刻的水位,m;fZV(·)为电站水位库容关系曲线。
尾水位泄量关系:
水头关系:
式中:ht为电站在t时刻的水头,m。
电站出力关系:
Nt=fqh(qt,ht) (20)
式中:Nt为电站在t时刻的出力,MW;fqh(·)为电站NQH曲线。
发电量控制:
式中:Etotal为电站给定的总发电量,MWh。
库水位约束:
电站出力上下限约束:
发电流量约束:
出库流量约束:
以上述多目标优化模型为问题背景,对本发明成果进行一次的完整应用,按照下述步骤(1)-(5)予以实现:
(1)初始化计算条件,包括水电站运行条件和约束条件,以及电力和水力调度需求条件;
(2)引入五种调峰指标分别为负荷方差负荷峰谷差F2=Pr,max-Pr,min、负荷最大变化率F3=|Pr,i-Pr,i-1|max、负荷最大值F4=Pr,max、负荷最小值F5=Pr,min,令指标总数量n=5,式中Pr为余留负荷序列,Pr,i为i时段的余留负荷,Pr,max为余留负荷最大值,Pr,min为余留负荷最小值,由此得到目标函数如下:
(3)根据历史日负荷数据,计算上述五种指标每日的指标值,得到五个时间序列l1、l2、l3、l4、l5;
(4)计算五个时间序列两两之间的相关系数,计算公式如下
式中r为相关系数,lx,i和ly,i分别为序列lx和ly第i个时段的数值,和分别为序列lx和ly的平均值,据此判断五种指标之间的相关性强弱,当0.8<|r|<1时,两个指标高度相关,0.3<|r|<0.8时为中度相关,|r|<0.3时为低度相关;
(5)基于指标间的相关性,对中度相关以上的指标进行联动性分析,对低度相关的指标采用权系数法,将多目标调峰模型转化为单目标调峰模型,详细步骤如下:
Step1.检验时间序列的平稳性。采用ADF检验法,序列l的生成过程为如下三种形式之一:
式中αt为时间趋势项,μ为位移项,为滞后项,k为滞后项个数,Δlt为序列l中第t项的增量,即Δlt=lt-lt-1,原假设与备择假设分别为检验原则为对上述三种形式依次进行假设检验,只要其中一种的检验结果为拒绝原假设H0,则该序列平稳;
Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验。两个序列之间的回归模型如下:
式中αi、βi、γi、δi为回归系数,ε1t、ε2t为随机误差项,p为滞后阶数,对两个模型分别进行假设检验,原假设与备择假设为 根据检验结果即可得到序列之间的Granger因果关系,若lx对ly存在Granger因果关系,则相应的指标X对指标Y存在影响;
Step3.对非平稳序列进行协整。若一个非平稳序列ly,经过D次差分后得到的序列平稳,则ly为D阶单整序列,对于两个非平稳且单整阶数相同的序列lx和ly,利用对OLS协整回归方程lx,t=T+Uly,t+Xt,式中T、U为回归系数,Xt为残差,若Xt平稳时,则相应的指标X对指标Y存在影响;
Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析:选择五种指标中受最多指标影响的一项作为θ0,对其产生影响的指标分别记为θ1,θ2,…,θm,其中m为对指标θ0产生影响的指标个数,通过回归分析拟合得到关系式θ0=f(θ1,θ2,...,θm);
Step5.构建调峰目标函数:在θ0=f(θ1,θ2,...,θm)基础上,对剩余指标θn+1,θn+2,…,θ4采用权系数法即可将前述多目标函数转化为单一调峰目标函数,表达式如下
(5)采用遗传算法求解步骤(4)得到的目标函数,获得电站的发电出力过程。
现以溪洛渡水电站为实际工程背景,对本发明模型和方法进行检验。溪洛渡水电站是金沙江"西电东送"距离最近的骨干电源之一,也是金沙江上最大的一座水电站,左右岸各有9台机组,每台机组装机容量为770MW,其中左岸通过宾金直流送电至浙江省电网。浙江省内火电比重高达95%,系统调节能力均相对较弱,而且日内负荷峰谷差较大,面临较大的调峰压力,因此需要利用水电调节灵活的特性进行调峰。选取浙江省夏季和冬季典型日负荷曲线进行计算。表2为各指标之间的相关系数计算结果,其中最大变化率与其他指标之间为低度相关,故只需对方差、峰谷差、最大值、最小值四项指标进行联动性分析。表3为稳定性检验结果,可以得到四项指标均稳定,无需进行协整。表4为Granger因果关系检验结果,由此可画出指标间的因果引导关系图,见图2。根据该因果关系进行回归分析,拟合得到如下关系式,拟合效果见图3:
式中:θ0为方差,θ1为峰谷差,θ2为最小值,θ3为最大值。
对最大变化率指标采用权系数法处理,得到目标函数如下:
式中:θ4为最大变化率,β为权重系数。
采用该目标函数进行优化计算,得到各项指标值见表5,计算得到相应指标降幅见表6。其中方差、峰谷差、最大值、最大变化率四项指标降幅较大,最小值指标降幅较小,可见在夏季和冬季典型日都有显著的调峰效果,有效缓解了电网调峰压力。
表1电站基础资料
表2相关系数计算结果
表3稳定性检验
表4Granger因果检验结果
表5指标计算结果
表6指标降幅(%)
Claims (1)
1.一种基于指标联动分析的电力系统调峰调度多目标优化方法,其特征在于,步骤如下:
(1)初始化计算条件,包括水电站运行条件和约束条件,以及电力和水力调度需求条件;
(2)引入五种调峰指标,分别为负荷方差负荷峰谷差F2=Pr,max-Pr,min、负荷最大变化率F3=|Pr,i-Pr,i-1|max、负荷最大值F4=Pr,max、负荷最小值F5=Pr,min,式中Pr为余留负荷序列,Pr,i为i个时段的余留负荷,Pr,max为余留负荷最大值,Pr,min为余留负荷最小值,n为时段的总个数,由此得到多目标函数:
(3)根据历史日负荷数据,计算上述五种指标每日的指标值,得到五个时间序列l1、l2、l3、l4、l5;
(4)计算五个时间序列两两之间的相关系数,见下式
式中,r为相关系数,lx,i和ly,i分别为序列lx和ly第i个时段的数值,和分别为序列lx和ly的平均值,据此判断五种指标之间的相关性强弱,当0.8<|r|<1时,两个指标高度相关,0.3<|r|<0.8时为中度相关,|r|<0.3时为低度相关;
(5)基于指标间的相关性,对中度相关以上的指标进行联动性分析,对低度相关的指标采用权系数法,将多目标调峰目标转化为单目标调峰模型,具体步骤如下:
Step1.检验时间序列的平稳性:采用ADF检验法,序列l的生成过程为如下三种形式之一:
式中,αt为时间趋势项,μ为位移项,为滞后项,k为滞后项个数,Δlt为序列l中第t项的增量,即Δlt=lt-lt-1,原假设与备择假设分别为检验原则为对上述三种形式依次进行假设检验,只要其中一种的检验结果为拒绝原假设H0,则该序列平稳;
Step2.对中度相关以上且平稳的序列两两进行Granger因果关系检验,两个序列之间的回归模型如下:
式中,αi、βi、γi、δi为回归系数,ε1t、ε2t为随机误差项,p为滞后阶数,对两个模型分别进行假设检验,原假设与备择假设为根据检验结果即得到序列之间的Granger因果关系,若lx对ly存在Granger因果关系,则相应的指标X对指标Y存在影响;
Step3.对非平稳序列进行协整:若一个非平稳序列ly,经过D次差分后得到的序列平稳,则ly为D阶单整序列,对于两个非平稳且单整阶数相同的序列lx和ly,利用对OLS协整回归方程lx,t=T+Uly,t+Xt,式中T、U为回归系数,Xt为残差,若Xt平稳时,则相应的指标X对指标Y存在影响;
Step4.根据平稳序列的Granger因果关系和非平稳序列的数量变动关系进行回归分析:选择五种指标中受最多指标影响的一项作为θ0,对其产生影响的指标分别记为θ1,θ2,…,θm,其中m为对指标θ0产生影响的指标个数,通过回归分析拟合得到关系式θ0=f(θ1,θ2,...,θm);
Step5.构建调峰目标函数:在式θ0=f(θ1,θ2,...,θm)的基础上,对剩余指标θm+1,θm+2,…,θ4采用权系数法即可将前述多目标函数转化为单一调峰目标函数,函数表达式如下:
(5)采用遗传算法求解步骤(4)得到的目标函数,获得电站的发电出力过程。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010045539.4A CN111222711B (zh) | 2020-01-16 | 2020-01-16 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
PCT/CN2020/078135 WO2021142900A1 (zh) | 2020-01-16 | 2020-03-06 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
US17/053,277 US11188933B1 (en) | 2020-01-16 | 2020-03-06 | Multi-objective optimization method for power system peak-shaving based on index linkage analysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010045539.4A CN111222711B (zh) | 2020-01-16 | 2020-01-16 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222711A true CN111222711A (zh) | 2020-06-02 |
CN111222711B CN111222711B (zh) | 2022-04-08 |
Family
ID=70826091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010045539.4A Active CN111222711B (zh) | 2020-01-16 | 2020-01-16 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11188933B1 (zh) |
CN (1) | CN111222711B (zh) |
WO (1) | WO2021142900A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598157A (zh) * | 2020-11-27 | 2021-04-02 | 广东电网有限责任公司东莞供电局 | 电力负荷的预测方法和装置 |
CN114037242A (zh) * | 2021-11-02 | 2022-02-11 | 国网辽宁省电力有限公司经济技术研究院 | 电力储能调峰需求关键影响因素确定方法及系统 |
CN115940166A (zh) * | 2023-03-10 | 2023-04-07 | 中国铁塔股份有限公司 | 基站调度方法、装置、电子设备及可读存储介质 |
CN117575258A (zh) * | 2023-11-27 | 2024-02-20 | 中国电力工程顾问集团有限公司 | 考虑废水处理的燃煤电厂深度调峰方法及装置 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113746142B (zh) * | 2021-08-09 | 2022-07-22 | 大连理工大学 | 一种风光电站汇聚调度方法 |
CN113765141A (zh) * | 2021-09-08 | 2021-12-07 | 内蒙古呼和浩特抽水蓄能发电有限责任公司 | 风电并网下调峰能力评估方法及系统 |
CN113837497A (zh) * | 2021-11-04 | 2021-12-24 | 云南电网有限责任公司电力科学研究院 | 一种基于时间序列的电力消费预测方法及系统 |
CN114723273B (zh) * | 2022-03-31 | 2024-06-18 | 华中科技大学 | 并网水电站系统不确定非线性模型构建、分析方法和系统 |
CN115146898B (zh) * | 2022-04-21 | 2024-06-07 | 国网浙江省电力有限公司嘉兴供电公司 | 一种新能源优先消纳的电网调峰难度分析方法 |
CN114880931B (zh) * | 2022-05-11 | 2024-06-07 | 福建和盛高科技产业有限公司 | 一种基于权重依赖度的配电网多目标优化方法 |
CN115759418A (zh) * | 2022-11-16 | 2023-03-07 | 重庆电力交易中心有限公司 | 一种电力零售用户的可调容量预测方法及系统 |
CN115882499A (zh) * | 2022-11-21 | 2023-03-31 | 广东电网有限责任公司 | 一种可再生能源集群参与调峰及调频优化方法及系统 |
CN116432821B (zh) * | 2023-03-08 | 2023-09-26 | 河北省气象服务中心(河北省气象影视中心) | 基于气象条件的次日用电负荷峰值预测方法 |
CN116073448B (zh) * | 2023-03-22 | 2024-03-08 | 国网山东省电力公司临沂供电公司 | 一种基于低碳效益的配电系统源网荷储协同调峰方法 |
CN116742639B (zh) * | 2023-04-28 | 2024-02-20 | 国家电投集团江西峡江发电有限公司 | 一种日调节水电站发电优化运行方法及系统 |
CN116720247B (zh) * | 2023-06-12 | 2024-01-16 | 浙江大学 | 基于随机运行的办公建筑围护结构多目标优化设计方法 |
CN117590748B (zh) * | 2023-11-20 | 2024-06-14 | 中国三峡建工(集团)有限公司 | 一种水电站机组一体化控制系统及方法 |
CN117829516A (zh) * | 2024-01-02 | 2024-04-05 | 中国电力工程顾问集团有限公司 | 燃煤电厂深度调峰评估方法及装置 |
CN117689178B (zh) * | 2024-01-04 | 2024-05-17 | 天津大学 | 复合式地源热泵系统长周期运行调度优化方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855592A (zh) * | 2012-09-27 | 2013-01-02 | 广东电网公司电力调度控制中心 | 多目标调峰优化方法和系统 |
CN107992980A (zh) * | 2017-12-22 | 2018-05-04 | 大连理工大学 | 一种耦合相对目标接近度和边际分析原理的梯级水电站多目标优化调度方法 |
CN108717585A (zh) * | 2018-05-14 | 2018-10-30 | 国网福建省电力有限公司 | 一种远期电力需求预测方法 |
US20190187637A1 (en) * | 2017-07-06 | 2019-06-20 | Dalian University Of Technology | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands |
CN110472824A (zh) * | 2019-07-09 | 2019-11-19 | 贵州黔源电力股份有限公司 | 一种考虑调峰需求的梯级水电站短期多目标优化调度方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4023043A (en) * | 1974-08-16 | 1977-05-10 | Megatherm Corporation | Computerized peak-shaving system for alleviating electric utility peak loads |
US3906242A (en) * | 1974-08-16 | 1975-09-16 | Megatherm Corp | Computerized peak-shaving system for alleviating electric utility peak loads |
US4315404A (en) * | 1979-05-25 | 1982-02-16 | Chicago Bridge & Iron Company | Cooling system, for power generating plant, using split or partitioned heat exchanger |
US8446037B2 (en) * | 2009-12-04 | 2013-05-21 | Kevin R. Williams | Energy storage system for peak-shaving of drilling rig power usage |
US20140119868A1 (en) * | 2012-10-31 | 2014-05-01 | Caterpillar Inc. | Energy recovery system having peak-shaving accumulator |
EP3001111B1 (en) * | 2014-02-28 | 2018-08-08 | Tsinghua University | Electric power peak-shaving and combined heat and power waste heat recovery device and operation method thereof |
CN106228462B (zh) | 2016-07-11 | 2020-08-14 | 浙江大学 | 一种基于遗传算法的多储能系统优化调度方法 |
CN107292489A (zh) | 2017-05-18 | 2017-10-24 | 国网浙江省电力公司 | 一种电网调度运行精益化评价系统 |
WO2019174039A1 (zh) * | 2018-03-16 | 2019-09-19 | 大连理工大学 | 一种超大规模水电站群短期实用化调度方法 |
WO2020051109A1 (en) * | 2018-09-04 | 2020-03-12 | Green Machine Power Llc | Swift charge mobile storage |
CN110158708A (zh) * | 2019-06-10 | 2019-08-23 | 山东科源供排水设备工程有限公司 | 一种防死水、陈水、平层差压导流调峰水箱及供水泵站 |
CN110365057B (zh) | 2019-08-14 | 2022-12-06 | 南方电网科学研究院有限责任公司 | 基于强化学习的分布式能源参与配电网调峰调度优化方法 |
-
2020
- 2020-01-16 CN CN202010045539.4A patent/CN111222711B/zh active Active
- 2020-03-06 US US17/053,277 patent/US11188933B1/en active Active
- 2020-03-06 WO PCT/CN2020/078135 patent/WO2021142900A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855592A (zh) * | 2012-09-27 | 2013-01-02 | 广东电网公司电力调度控制中心 | 多目标调峰优化方法和系统 |
US20190187637A1 (en) * | 2017-07-06 | 2019-06-20 | Dalian University Of Technology | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands |
CN107992980A (zh) * | 2017-12-22 | 2018-05-04 | 大连理工大学 | 一种耦合相对目标接近度和边际分析原理的梯级水电站多目标优化调度方法 |
CN108717585A (zh) * | 2018-05-14 | 2018-10-30 | 国网福建省电力有限公司 | 一种远期电力需求预测方法 |
CN110472824A (zh) * | 2019-07-09 | 2019-11-19 | 贵州黔源电力股份有限公司 | 一种考虑调峰需求的梯级水电站短期多目标优化调度方法 |
Non-Patent Citations (1)
Title |
---|
马瑞 等: "考虑气温因素的负荷特性统计指标关联特征数据挖掘", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598157A (zh) * | 2020-11-27 | 2021-04-02 | 广东电网有限责任公司东莞供电局 | 电力负荷的预测方法和装置 |
CN112598157B (zh) * | 2020-11-27 | 2023-03-24 | 广东电网有限责任公司东莞供电局 | 电力负荷的预测方法和装置 |
CN114037242A (zh) * | 2021-11-02 | 2022-02-11 | 国网辽宁省电力有限公司经济技术研究院 | 电力储能调峰需求关键影响因素确定方法及系统 |
CN115940166A (zh) * | 2023-03-10 | 2023-04-07 | 中国铁塔股份有限公司 | 基站调度方法、装置、电子设备及可读存储介质 |
CN117575258A (zh) * | 2023-11-27 | 2024-02-20 | 中国电力工程顾问集团有限公司 | 考虑废水处理的燃煤电厂深度调峰方法及装置 |
CN117575258B (zh) * | 2023-11-27 | 2024-05-10 | 中国电力工程顾问集团有限公司 | 考虑废水处理的燃煤电厂深度调峰方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US11188933B1 (en) | 2021-11-30 |
CN111222711B (zh) | 2022-04-08 |
US20210365966A1 (en) | 2021-11-25 |
WO2021142900A1 (zh) | 2021-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222711B (zh) | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 | |
JP6736112B2 (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
CN112072655B (zh) | 一种并网风储发电系统混合储能优化配置方法 | |
CN105260797B (zh) | 一种微网储能电站规划控制方法 | |
CN112163700B (zh) | 一种考虑储能电池循环寿命的电化学储能电站规划方法 | |
WO2019119413A1 (zh) | 一种耦合相对目标接近度和边际分析原理的梯级水电站多目标优化调度方法 | |
CN112084652B (zh) | 一种风光储互补发电系统容量配置计算方法及系统 | |
CN111754037B (zh) | 区域终端集成供能系统长期负荷混合预测方法 | |
CN113688567A (zh) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 | |
Lu et al. | Ultra-Short-Term Prediction of EV Aggregator’s Demond Response Flexibility Using ARIMA, Gaussian-ARIMA, LSTM and Gaussian-LSTM | |
CN115954882A (zh) | 一种电碳融合配电系统调度优化方法及设备 | |
CN111509750B (zh) | 电网侧储能系统容量配置优化方法 | |
CN116780649B (zh) | 一种多能互补利用的分布式鲁棒优化运行方法 | |
CN116937637A (zh) | 一种多能互补提供频率支撑的储能容量分布鲁棒规划方法 | |
CN116544951A (zh) | 一种水电调峰灵活性量化与调度方法 | |
CN116502747A (zh) | 一种基于概率预测的计及新能源多时间尺度不确定性的电力系统备用量化方法 | |
CN112668764B (zh) | 一种基于云模型和fcm算法的海上风电场储能系统优化配置方法 | |
CN111353649B (zh) | 一种基于kl展开的大规模水电站群优化调度降维方法 | |
Wang et al. | Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage | |
CN114498690A (zh) | 支持大规模可再生能源消纳的多元复合储能优化配置方法 | |
CN113450186A (zh) | 一种适用于耦合系统参与的月度集中市场的竞价策略 | |
Hao et al. | A Novel Stochastic Economic Dispatch Method Considering Renewable Energy Correlation and Demand Response | |
CN116054133B (zh) | 一种光伏电解铝直流微电网动态仿真建模方法及系统 | |
CN117411066A (zh) | 一种基于矩阵编码的新能源并网中长期规划方法及系统 | |
CN117559391A (zh) | 考虑电力系统灵活性供需平衡的混合储能联合规划方法 |
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 |