CN111277005A - 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 - Google Patents
考虑源-荷协调优化的多源电力系统多时间尺度调度方法 Download PDFInfo
- Publication number
- CN111277005A CN111277005A CN202010100837.9A CN202010100837A CN111277005A CN 111277005 A CN111277005 A CN 111277005A CN 202010100837 A CN202010100837 A CN 202010100837A CN 111277005 A CN111277005 A CN 111277005A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- load
- day
- idr
- time
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims abstract description 60
- 230000005611 electricity Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 17
- 150000001875 compounds Chemical class 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009194 climbing Effects 0.000 claims description 6
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 238000004134 energy conservation Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical group C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000033228 biological regulation Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- 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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种考虑源‑荷协调优化的大规模风电接入多源电力系统多时间尺度调度方法，其特点是，根据响应速度的不同对DR资源进行分类；提出源‑荷多时间尺度协调调度框架；建立源‑荷多时间尺度调度模型。通过协调调度源侧常规火电机组、CSP电站与风电出力以及荷侧各类DR资源调用计划，在促进系统风电消纳的同时提高了系统运行经济性。具有科学合理，适用性强，效果佳等优点。
Description
技术领域
本发明是一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法。
背景技术
中国西北地区风电资源丰富，但弃风率仍相对较高，如何解决西北地区弃风问题仍然是目前的当务之急。
目前已有较多研究针对弃风限电问题进行展开，但仍存在以下问题：1)对光热(Concentrated Solar Power,CSP)电站参与调度的研究大多集中于日前长时间尺度的调度阶段，未充分探讨CSP电站的快速调节能力参与日内短时间尺度调度的作用；2)对于源侧CSP电站与荷侧需求响应(Demand Response,DR)资源的协调调度未从多时间尺度协调优化的角度展开研究；3)未充分分析源侧CSP电站与荷侧DR可调节资源之间的互补调节能力。
中国西北地区源-荷两侧拥有丰富的可调节资源，调度中心可通过合理的调度方法来促进该地区风电消纳。源侧，由于CSP电站配有储热系统(Thermal Energy Storage，TES)，其可在风电高发时刻将多余太阳能热存储，在风电低发时刻将存储的热能转换为电能释放，以此实现能量的时移利用，并促进系统风电消纳；荷侧，随着电力市场化改革的推进以及泛在电力物联网的提出与建设，DR已作为可调节资源参与到电力系统的调度运行当中。近年来，西北地区也在加快引入DR资源。
发明内容
本发明的目的是，克服现有技术的不足，提供一种科学合理，适用性强，效果佳的考虑源-荷协调优化的多源电力系统多时间尺度调度方法，该方法首先，根据响应速度的不同对DR资源进行分类，然后，综合考虑CSP电站的能量时移特性与快速调节能力以及DR资源的多时间尺度特性，以系统运行成本以及弃风惩罚成本最低为目标，构建了源-荷多时间尺度协调调度模型；通过协调调度源侧常规火电机组、CSP电站与风电出力以及荷侧各类DR资源调用计划，在促进系统风电消纳的同时提高系统运行经济性。
本发明的目的是由以下技术方案来实现的：一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法，其特征是，它包括以下步骤：
1)对荷侧DR资源根据响应时间特性进行分类
DR资源主要包括电价型(PDR)与激励型(IDR)两种；
其中PDR是指用户根据分时电价自发地调节用电计划；由于用户响应电价变化的速度较慢，因此分时电价一般在日前调度计划中制定，用户可在前一天根据各时刻电价不同制定相应的用电计划；
IDR又包括直接负荷控制(Directed Load Control,DLC)、可中断负荷(Interruptible Load,IL)、紧急需求侧响应项目(Emergency Demand Response Program,EDPR)；电网企业先与IDR资源的管理者签订合同，在调度过程中直接管理与调用部分IDR资源；根据响应电网调度指令的时长可将IDR资源划分为以下两种：
①A类IDR负荷：响应时长>1h，此类IDR负荷需要在日前长时间尺度调度中确定调用计划；
②B类IDR负荷：响应时长5～15min，此类IDR负荷可根据短时间尺度的调度指令改变自身的负荷需求；
2)提出源-荷多时间尺度协调调度框架
源-荷多时间尺度协调调度在执行时间上分为日前调度与日内调度；日前调度时间尺度为1h，提前24h执行，只执行1次；由于常规火电机组启停时间长，因此在日前调度中确定其启停计划；同时，日前调度中还将确定PDR负荷响应量，A类IDR负荷调用计划；系统最终调用旋转备用容量将在整个调度计划的最后阶段，即日内15min时间尺度中确定，这样既能够保证系统安全运行，又能够根据更加精确的预测信息制定旋转备用计划，以此降低系统旋转备用成本；需要指出，日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR负荷响应量在日内调度中将保持不变；
日内调度每15min滚动计算1次，每次优化下4h的调度计划，调度周期为15min；由于CSP电站的启停时间最小可控制在1h以内，因此能够在日内调度中制定其启停计划；同时，根据日内滚动更新的预测数据，日内调度将制定各机组出力计划、B类IDR负荷的调用计划以及最终的旋转备用计划；
3)建立源-荷多时间尺度调度模型
源-荷多时间尺度调度模型是在源-荷多时间尺度协调调度框架的基础上构建的，其包括对PDR、IDR的建模，以及日前调度模型以及日内调度模型的建立；
①PDR建模
PDR根据消费者心理意愿，通过制定合理的日前实时电价来改变用户的用电方式，通常采用价格型需求弹性矩阵E来表示电价变化率对负荷变化率的影响；
式中，T为调度总时长，取值为24；λ△q,t为t时刻的负荷变化率；λ△p,t为t时刻的电价变化率；E为价格型需求弹性矩阵，其主对角线为自弹性系数，副对角线为互弹性系数，自弹性系数与互弹性系数取值分别为-0.2与0.03；
经过PDR后，负荷会相对于原负荷发生变化，其变化量称为负荷响应量，是根据式(1)的负荷变化率计算得来式(2)：
ΔPPDR,t＝λΔq,tPload,t (2)
式中，△PDRt为经过PDR后t时刻的负荷响应量，Pload,t为原t时刻负荷预测值；
②IDR建模
IDR调用量受响应速度与响应容量限制，A类IDR负荷约束如式(3)所示，B类IDR负荷约束如式(4)所示，
式中，△IDRAt为A类IDR负荷在t时刻的响应量，△IDRAt-1为A类IDR负荷在t-1时刻的响应量，IDRAmax为A类IDR负荷在每一时刻的最大调用量，RIDRA为A类IDR负荷的响应速率；△IDRBt为B类IDR负荷在t时刻的响应量，△IDRBt-1为B类IDR负荷在t-1时刻的响应量，IDRBmax为B类IDR负荷在每一时刻的最大调用量，RIDRB为B类IDR负荷的响应速率；
③日前优化调度模型
日前优化调度采用多场景随机优化的方法处理系统不确定性，多场景随机优化的核心思想是根据不确定量的分布规律，生成多个场景，使得决策量在多个场景下都能满足要求，选择那个使得所有场景的期望成本之和最小的调度策略，是一种二阶段的优化决策模型，适用于不确定量较大的场合，能够不依赖于系统可靠性指标获得经济性最优的调度结果，通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定性；
日前优化调度模型的目标函数为式(5)，
式中，f1为日前调度目标函数，min为取最小函数，∑为求和函数,CTh,t、CCSP,t、CW,t、C cW,t分别为火电机组运行成本、CSP电站运行成本、风电场运行成本以及弃风惩罚成本；Ns代表场景个数，NG代表常规火电机组台数，ps为第S个概率场景发生的概率；ai、bi、ci分别为第i台火电机组发电成本系数，PGi,t,s为第i台火电机组在场景s下t时刻的调度出力，Si为第i台火电机组启停成本系数，ui,t为第i台火电机组在t时刻的运行状态系数，为1代表处于运行状态；kCSP为CSP电站的发电成本系数，PCSP,t,s为CSP电站在场景s下t时刻的调度出力，SCSP为CSP电站的启停成本系数，uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数，为1代表处于运行状态；kW为风电场运行成本系数，PW,t,s为风电在场景s下t时刻的调度出力；kcW为弃风惩罚成本系数，
为风电日前在场景s下t时刻的预测出力；kIDRA、kIDRB分别为A类IDR负荷与B类IDR负荷的调用成本系数，△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt,s为B类IDR负荷在s场景下t时刻的调用量；
日前优化调度模型的约束条件为：
系统功率平衡约束为式(6)，
式中，
为负荷日前在场景s下t时刻的预测值；
火电机组出力约束如式(7)所示，
式中，
为第i台火电机组的最小技术出力，
为第i台火电机组的最大技术出力；
火电机组爬坡约束如式(8)所示，
式中，Ri u为火电机组i的爬坡速率；
风电运行约束为式(9)
CSP电站能量守恒约束为式(10)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (10)
式中，Pt th,S-H为CSP电站光场吸收的太阳能热量、Pt th,T-H为CSP电站由TES向导热工质释放的热量，该部分热量可被用于CSP电站发电、Pt th,H-T为CSP电站中由导热工质向TES存储的热量，该部分热量可存储于CSP电站的TES中、Pt th,H-P为CSP电站的导热工质中用于发电的热量；
通过日前优化调度，能够得到常规机组启停计划、PDR各时刻响应量、A类IDR负荷调用计划，根据式(5)、(6)、(7)、(8)、(9)、(10)，将变量△PDRt、ui,t、△IDRAt作为定值代入日内调度模型中；
④日内优化调度模型
日内调度目标与日前调度相同，为系统总成本最低，
式中，f2为日内调度目标函数，△T为日内调度一个调度周期时长，t0为当前调度时段的初始时刻，
为日内旋转备用预留成本，
分别为日内火电机组与CSP电站提供旋转备用成本系数，
分别为火电机组与CSP电站日内所提供的正/负旋转备用容量，同时，日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响应量△IDRAt为定值，不再进行相应优化；
由于日前调度已确定常规机组启停计划以及PDR负荷、A类IDR负荷响应量，因此日内调度中将不存在机组组合约束以及对于PDR、A类IDR负荷响应量约束；同时，由于日内调度中采用机会约束处理不确定性问题，因此日内调度在旋转备用约束上较日前调度有所不同，如式(12)所示，
式中，Pr{}为置信度表达式，α、β分别为满足正旋转备用与负旋转备用约束的置信度，取值都为0.95；
日内调度中系统功率平衡约束为式(13)，由于日内调度中不采用多场景随机优化，因此不存在多个场景的约束，
式中，
为负荷在t时刻的日内预测值；PGi,t为第i台火电机组在t时刻的调度出力，PCSP,t为CSP电站在t时刻的调度出力，PW,t为风电在t时刻的调度出力；△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt为B类IDR负荷在t时刻的调用量；
火电机组日内出力约束如式(14)所示，
火电机组爬坡约束如式(15)所示，
风电运行约束为式(16)
式中，
为风电日内t时刻预测出力；
CSP电站能量守恒约束为式(17)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (17)。
本发明提出的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法，首先，根据响应速度的不同对DR资源进行分类；然后，综合考虑CSP电站的能量时移特性与快速调节能力以及DR资源的多时间尺度特性，以系统运行成本以及弃风惩罚成本最低为目标，构建了源-荷多时间尺度协调调度模型。其特点是，通过协调调度源侧常规火电机组、CSP电站与风电出力以及荷侧各类DR资源调用计划，在促进系统风电消纳的同时提高了系统运行经济性。具有科学合理，适用性强，效果佳等优点。
附图说明
图1是风电呈现反调峰场景下调度计划图；
图2是风电呈现正调峰场景下调度计划图
图3是风电呈现反调峰场景下DR资源调用情况图；
图4是风电呈现正调峰场景下DR资源调用情况图；
图5是两种风电场景下CSP电站调度出力与自然出力对比图。
具体实施方式
下面利用附图和实施例对本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法作进一步说明。
本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法，它包括以下步骤：
1)对荷侧DR资源根据响应时间特性进行分类
DR资源主要包括电价型(PDR)与激励型(IDR)两种；
其中PDR是指用户根据分时电价自发地调节用电计划；由于用户响应电价变化的速度较慢，因此分时电价一般在日前调度计划中制定，用户可在前一天根据各时刻电价不同制定相应的用电计划；
IDR又包括直接负荷控制(Directed Load Control,DLC)、可中断负荷(Interruptible Load,IL)、紧急需求侧响应项目(Emergency Demand Response Program,EDPR)；电网企业先与IDR资源的管理者签订合同，在调度过程中直接管理与调用部分IDR资源；根据响应电网调度指令的时长可将IDR资源划分为以下两种：
①A类IDR负荷：响应时长>1h，此类IDR负荷需要在日前长时间尺度调度中确定调用计划；
②B类IDR负荷：响应时长5～15min，此类IDR负荷可根据短时间尺度的调度指令改变自身的负荷需求；
2)提出源-荷多时间尺度协调调度框架
源-荷多时间尺度协调调度在执行时间上分为日前调度与日内调度；日前调度时间尺度为1h，提前24h执行，只执行1次；由于常规火电机组启停时间长，因此在日前调度中确定其启停计划；同时，日前调度中还将确定PDR负荷响应量，A类IDR负荷调用计划；系统最终调用旋转备用容量将在整个调度计划的最后阶段，即日内15min时间尺度中确定，这样既能够保证系统安全运行，又能够根据更加精确的预测信息制定旋转备用计划，以此降低系统旋转备用成本；需要指出，日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR负荷响应量在日内调度中将保持不变；
日内调度每15min滚动计算1次，每次优化下4h的调度计划，调度周期为15min；由于CSP电站的启停时间最小可控制在1h以内，因此能够在日内调度中制定其启停计划；同时，根据日内滚动更新的预测数据，日内调度将制定各机组出力计划、B类IDR负荷的调用计划以及最终的旋转备用计划；
3)建立源-荷多时间尺度调度模型
源-荷多时间尺度调度模型是在源-荷多时间尺度协调调度框架的基础上构建的，其包括对PDR、IDR的建模，以及日前调度模型以及日内调度模型的建立；
①PDR建模
PDR根据消费者心理意愿，通过制定合理的日前实时电价来改变用户的用电方式，通常采用价格型需求弹性矩阵E来表示电价变化率对负荷变化率的影响；
式中，T为调度总时长，取值为24；λ△q,t为t时刻的负荷变化率；λ△p,t为t时刻的电价变化率；E为价格型需求弹性矩阵，其主对角线为自弹性系数，副对角线为互弹性系数，自弹性系数与互弹性系数取值分别为-0.2与0.03；
经过PDR后，负荷会相对于原负荷发生变化，其变化量称为负荷响应量，是根据式(1)的负荷变化率计算得来式(2)：
ΔPPDR,t＝λΔq,tPload,t (2)
式中，△PDRt为经过PDR后t时刻的负荷响应量，Pload,t为原t时刻负荷预测值；
②IDR建模
IDR调用量受响应速度与响应容量限制，A类IDR负荷约束如式(3)所示，B类IDR负荷约束如式(4)所示，
式中，△IDRAt为A类IDR负荷在t时刻的响应量，△IDRAt-1为A类IDR负荷在t-1时刻的响应量，IDRAmax为A类IDR负荷在每一时刻的最大调用量，RIDRA为A类IDR负荷的响应速率；△IDRBt为B类IDR负荷在t时刻的响应量，△IDRBt-1为B类IDR负荷在t-1时刻的响应量，IDRBmax为B类IDR负荷在每一时刻的最大调用量，RIDRB为B类IDR负荷的响应速率；
③日前优化调度模型
日前优化调度采用多场景随机优化的方法处理系统不确定性，多场景随机优化的核心思想是根据不确定量的分布规律，生成多个场景，使得决策量在多个场景下都能满足要求，选择那个使得所有场景的期望成本之和最小的调度策略，是一种二阶段的优化决策模型，适用于不确定量较大的场合，能够不依赖于系统可靠性指标获得经济性最优的调度结果，通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定性；
日前优化调度模型的目标函数为式(5)，
式中，f1为日前调度目标函数，min为取最小函数，∑为求和函数,CTh,t、CCSP,t、CW,t、CcW,t分别为火电机组运行成本、CSP电站运行成本、风电场运行成本以及弃风惩罚成本；Ns代表场景个数，NG代表常规火电机组台数，ps为第S个概率场景发生的概率；ai、bi、ci分别为第i台火电机组发电成本系数，PGi,t,s为第i台火电机组在场景s下t时刻的调度出力，Si为第i台火电机组启停成本系数，ui,t为第i台火电机组在t时刻的运行状态系数，为1代表处于运行状态；kCSP为CSP电站的发电成本系数，PCSP,t,s为CSP电站在场景s下t时刻的调度出力，SCSP为CSP电站的启停成本系数，uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数，为1代表处于运行状态；kW为风电场运行成本系数，PW,t,s为风电在场景s下t时刻的调度出力；kcW为弃风惩罚成本系数，
为风电日前在场景s下t时刻的预测出力；kIDRA、kIDRB分别为A类IDR负荷与B类IDR负荷的调用成本系数，△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt,s为B类IDR负荷在s场景下t时刻的调用量；
日前优化调度模型的约束条件为：
系统功率平衡约束为式(6)，
式中，
为负荷日前在场景s下t时刻的预测值；
火电机组出力约束如式(7)所示，
式中，
为第i台火电机组的最小技术出力，
为第i台火电机组的最大技术出力；
火电机组爬坡约束如式(8)所示，
式中，Ri u为火电机组i的爬坡速率；
风电运行约束为式(9)
CSP电站能量守恒约束为式(10)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (10)
式中，Pt th,S-H为CSP电站光场吸收的太阳能热量、Pt th,T-H为CSP电站由TES向导热工质释放的热量，该部分热量可被用于CSP电站发电、Pt th,H-T为CSP电站中由导热工质向TES存储的热量，该部分热量可存储于CSP电站的TES中、Pt th,H-P为CSP电站的导热工质中用于发电的热量；
通过日前优化调度，能够得到常规机组启停计划、PDR各时刻响应量、A类IDR负荷调用计划，根据式(5)、(6)、(7)、(8)、(9)、(10)，将变量△PDRt、ui,t、△IDRAt作为定值代入日内调度模型中；
④日内优化调度模型
日内调度目标与日前调度相同，为系统总成本最低，
式中，f2为日内调度目标函数，△T为日内调度一个调度周期时长，t0为当前调度时段的初始时刻，
为日内旋转备用预留成本，
分别为日内火电机组与CSP电站提供旋转备用成本系数，
分别为火电机组与CSP电站日内所提供的正/负旋转备用容量，同时，日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响应量△IDRAt为定值，不再进行相应优化；
由于日前调度已确定常规机组启停计划以及PDR负荷、A类IDR负荷响应量，因此日内调度中将不存在机组组合约束以及对于PDR、A类IDR负荷响应量约束；同时，由于日内调度中采用机会约束处理不确定性问题，因此日内调度在旋转备用约束上较日前调度有所不同，如式(12)所示，
式中，Pr{}为置信度表达式，α、β分别为满足正旋转备用与负旋转备用约束的置信度，取值都为0.95；
日内调度中系统功率平衡约束为式(13)，由于日内调度中不采用多场景随机优化，因此不存在多个场景的约束，
式中，
为负荷在t时刻的日内预测值；PGi,t为第i台火电机组在t时刻的调度出力，PCSP,t为CSP电站在t时刻的调度出力，PW,t为风电在t时刻的调度出力；△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt为B类IDR负荷在t时刻的调用量；
火电机组日内出力约束如式(14)所示，
火电机组爬坡约束如式(15)所示，
风电运行约束为式(16)
式中，
为风电日内t时刻预测出力；
CSP电站能量守恒约束为式(17)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (17)。
本实施例是以某电网实际负荷、风电出力、光伏出力以及太阳辐射指数为依据，在IEEE-30节点系统中进行算例仿真，通过在风电呈现正反两种调峰场景下，并设定三种不同的调度方式进行对比，以此验证本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法所构建模型的有效性。
实施例计算条件说明如下：
1)IEEE-30节点系统中包括6台火电机组，容量分别为200MW、80MW、50MW、40MW、35MW、30MW，一个300MW风电场，一个100MW的CSP电站以及一个A类负荷聚合商与一个B类负荷聚合商。
2)所设定的三种调度方式分别是：
方式1：CSP电站自然出力，不参与协调调度，同时不考虑多时间尺度调度，所有需求侧资源的调用计划在日前安排；
方式2：在方式1的基础上协调调度CSP电站与需求侧资源，旋转备用由火电机组与CSP电站共同提供，但不进行多时间尺度调度，CSP电站的启停计划以及需求侧资源的调用计划于日前制定；
方式3：采用本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法。
在上述计算条件下，应用本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法对联合发电系统的优化调度结果如下：
1.源-荷多时间尺度模型在协调优化源荷侧可调节资源，促进系统风电消纳上的作用与效果。
图1为风电在呈现反调峰场景下调度计划，图2为风电在呈现正调峰场景下调度计划，图3为风电呈现反调峰场景下需求侧资源的调用情况，图4风电呈现正调峰场景下需求侧资源的调用情况，图5为两种风电场景下CSP电站的调度出力与自然出力的对比情况。
结合图1-图4能够看出，在风电出力呈现反调峰的场景下，1-6时与22-24时需求响应前负荷较低，此时正对应风电的多发时段，通过本文调度策略中对PDR以及IDR负荷的调用，这一时段的负荷需求有所提高，该时段的弃风量有所降低。而在风电出力呈现正调峰的场景下，由于风电的高发时段位于9-14时以及16-19时，且此时段需求响应前负荷较高，因此正调峰场景下IDR负荷的正调用量相比反调峰场景减少了94.64％。
同时，通过图3和图4各类需求侧资源的调用情况能够看出，B类IDR负荷由于响应速度快，在日内调度中需要频繁调用B类IDR负荷来平衡风电出力的波动性，因此其响应量变化较为剧烈。
结合图3-图5能够看出，在风电呈现反调峰的场景下，18-20时风电出力呈现增加趋势，此时相比于自然出力状态，CSP电站经过调度后降低自身出力，为电网提供更多的风电消纳空间，并将多余能量存储于TES中；而20-22时风电出力下降较为剧烈，此时CSP电站通过自身的能量时移特性与灵活调节能力，将之前存储的热量转换为电能释放，在弥补风电出力缺额的同时降低了火电机组的出力，有利于系统运行经济性。
而对比风电出力为反调峰场景与正调峰场景时CSP电站的调度出力能够看出，由于正调峰场景下风电出力高发时段大多处于白天，为了保证风电的消纳能力，CSP电站经调度后在9-19时出力相比反调峰场景较低，为风电提供了更多上网空间，同时，在19-23时风电出力开始出现下降趋势时CSP电站的调度出力相比反调峰场景较高，以此达到平衡负荷需求的目的。
结合图3-图5需求侧资源与CSP电站参与调节的时间阶段能够看出，由于CSP电站需要通过存储与利用太阳能热来实现发电与能量时移利用，因此其主要调节时段位于8时之后，而需求侧资源参与调节的时段则多位于0-8时，较好的实现了资源的互补利用。
2、验证本发明的一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法所构建源-荷多时间尺度调度模型对降低系统成本的有效性
表1为三种调度方式下系统在两种风电场景下的弃风惩罚成本、旋备成本、IDR调用成本以及系统总成本上的具体数值。
表1
由表1能够看出，由于方式3考虑了B类IDR负荷与CSP电站的快速响应能力，使系统能够在更短的时间尺度内根据风电的波动调整调度计划来促进系统风电消纳，因此其在反调峰场景下相比方式1与方式2弃风惩罚成本分别降低了24.22％与19.4％。此外，正调峰场景下方式2相比方式1的弃风惩罚成本降低了53.98％，而采用调度方式3时无弃风惩罚成本，这是由于正调峰场景下风电出力的高发时段集中于白天，而此时CSP电站可调节能力较高，可为风电提供更多的上网空间。
对比IDR调用成本能够看出，风电呈现反调峰场景与正调峰场景下方式3的IDR调用成本都为最低。这是由于方式3相比方式1考虑了CSP电站参与调节的源荷协调调度，减少了IDR负荷为平抑风电波动而需要的调节量；而方式3相比方式2又进一步考虑了多时间尺度调度，这使系统能够更加精确地调用IDR负荷，减少了部分不必要的IDR负荷调用量。
同时，由表1中旋转备用成本的对比能够看出，在风电反调峰场景下方式2相比方式1旋转备用成本降低了10.58％，方式3相比方式2旋转备用成本降低了8.9％。这是由于方式2的调度方式中考虑了CSP电站与火电机组共同提供系统旋转备用，这使得火电机组提供旋转备用的成本有所降低；而方式3的系统旋转备用成本在日内调度中确定，由于日内预测相比日前预测更加精确，系统为应对预测误差而所需的旋转备用容量相比只进行日前调度的方式2有所减少，因此旋转备用成本相比方式2有所降低。
本发明实施例中的计算条件、图例仅用于对本发明作进一步的说明，并非穷举，并不构成对权利要求保护范围的限定，本领域技术人员根据本发明实施例获得的启示，不经过创造性劳动就能够想到其它实质上同的替代，均在本发明保护范围内。
Claims (1)
1.一种考虑源-荷协调优化的多源电力系统多时间尺度调度方法，其特征是，它包括以下步骤：
1)对荷侧DR资源根据响应时间特性进行分类
DR资源主要包括电价型(PDR)与激励型(IDR)两种；
其中PDR是指用户根据分时电价自发地调节用电计划；由于用户响应电价变化的速度较慢，因此分时电价一般在日前调度计划中制定，用户可在前一天根据各时刻电价不同制定相应的用电计划；
IDR又包括直接负荷控制(Directed Load Control,DLC)、可中断负荷(InterruptibleLoad,IL)、紧急需求侧响应项目(Emergency Demand Response Program,EDPR)；电网企业先与IDR资源的管理者签订合同，在调度过程中直接管理与调用部分IDR资源；根据响应电网调度指令的时长可将IDR资源划分为以下两种：
①A类IDR负荷：响应时长>1h，此类IDR负荷需要在日前长时间尺度调度中确定调用计划；
②B类IDR负荷：响应时长5～15min，此类IDR负荷可根据短时间尺度的调度指令改变自身的负荷需求；
2)提出源-荷多时间尺度协调调度框架
源-荷多时间尺度协调调度在执行时间上分为日前调度与日内调度；日前调度时间尺度为1h，提前24h执行，只执行1次；由于常规火电机组启停时间长，因此在日前调度中确定其启停计划；同时，日前调度中还将确定PDR负荷响应量，A类IDR负荷调用计划；系统最终调用旋转备用容量将在整个调度计划的最后阶段，即日内15min时间尺度中确定，这样既能够保证系统安全运行，又能够根据更加精确的预测信息制定旋转备用计划，以此降低系统旋转备用成本；需要指出，日前调度中确定的常规机组启停计划以及PDR响应量、A类IDR负荷响应量在日内调度中将保持不变；
日内调度每15min滚动计算1次，每次优化下4h的调度计划，调度周期为15min；由于CSP电站的启停时间最小可控制在1h以内，因此能够在日内调度中制定其启停计划；同时，根据日内滚动更新的预测数据，日内调度将制定各机组出力计划、B类IDR负荷的调用计划以及最终的旋转备用计划；
3)建立源-荷多时间尺度调度模型
源-荷多时间尺度调度模型是在源-荷多时间尺度协调调度框架的基础上构建的，其包括对PDR、IDR的建模，以及日前调度模型以及日内调度模型的建立；
①PDR建模
PDR根据消费者心理意愿，通过制定合理的日前实时电价来改变用户的用电方式，通常采用价格型需求弹性矩阵E来表示电价变化率对负荷变化率的影响；
式中，T为调度总时长，取值为24；λ△q,t为t时刻的负荷变化率；λ△p,t为t时刻的电价变化率；E为价格型需求弹性矩阵，其主对角线为自弹性系数，副对角线为互弹性系数，自弹性系数与互弹性系数取值分别为-0.2与0.03；
经过PDR后，负荷会相对于原负荷发生变化，其变化量称为负荷响应量，是根据式(1)的负荷变化率计算得来式(2)：
ΔPPDR,t＝λΔq,tPload,t (2)
式中，△PDRt为经过PDR后t时刻的负荷响应量，Pload,t为原t时刻负荷预测值；
②IDR建模
IDR调用量受响应速度与响应容量限制，A类IDR负荷约束如式(3)所示，B类IDR负荷约束如式(4)所示，
式中，△IDRAt为A类IDR负荷在t时刻的响应量，△IDRAt-1为A类IDR负荷在t-1时刻的响应量，IDRAmax为A类IDR负荷在每一时刻的最大调用量，RIDRA为A类IDR负荷的响应速率；△IDRBt为B类IDR负荷在t时刻的响应量，△IDRBt-1为B类IDR负荷在t-1时刻的响应量，IDRBmax为B类IDR负荷在每一时刻的最大调用量，RIDRB为B类IDR负荷的响应速率；
③日前优化调度模型
日前优化调度采用多场景随机优化的方法处理系统不确定性，多场景随机优化的核心思想是根据不确定量的分布规律，生成多个场景，使得决策量在多个场景下都能满足要求，选择那个使得所有场景的期望成本之和最小的调度策略，是一种二阶段的优化决策模型，适用于不确定量较大的场合，能够不依赖于系统可靠性指标获得经济性最优的调度结果，通过在日前调度中生成S个风电以及负荷预测场景来刻画风电及负荷预测的不确定性；
日前优化调度模型的目标函数为式(5)，
式中，f1为日前调度目标函数，min为取最小函数，∑为求和函数,CTh,t、CCSP,t、CW,t、CcW,t分别为火电机组运行成本、CSP电站运行成本、风电场运行成本以及弃风惩罚成本；Ns代表场景个数，NG代表常规火电机组台数，ps为第S个概率场景发生的概率；ai、bi、ci分别为第i台火电机组发电成本系数，PGi,t,s为第i台火电机组在场景s下t时刻的调度出力，Si为第i台火电机组启停成本系数，ui,t为第i台火电机组在t时刻的运行状态系数，为1代表处于运行状态；kCSP为CSP电站的发电成本系数，PCSP,t,s为CSP电站在场景s下t时刻的调度出力，SCSP为CSP电站的启停成本系数，uCSP,t,s为CSP电站在场景s下t时刻的运行状态系数，为1代表处于运行状态；kW为风电场运行成本系数，PW,t,s为风电在场景s下t时刻的调度出力；kcW为弃风惩罚成本系数，
为风电日前在场景s下t时刻的预测出力；kIDRA、kIDRB分别为A类IDR负荷与B类IDR负荷的调用成本系数，△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt,s为B类IDR负荷在s场景下t时刻的调用量；
日前优化调度模型的约束条件为：
系统功率平衡约束为式(6)，
式中，
为负荷日前在场景s下t时刻的预测值；
火电机组出力约束如式(7)所示，
式中，
为第i台火电机组的最小技术出力，
为第i台火电机组的最大技术出力；
火电机组爬坡约束如式(8)所示，
式中，Ri u为火电机组i的爬坡速率；
风电运行约束为式(9)
CSP电站能量守恒约束为式(10)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (10)
式中，Pt th,S-H为CSP电站光场吸收的太阳能热量、Pt th,T-H为CSP电站由TES向导热工质释放的热量，该部分热量可被用于CSP电站发电、Pt th,H-T为CSP电站中由导热工质向TES存储的热量，该部分热量可存储于CSP电站的TES中、Pt th,H-P为CSP电站的导热工质中用于发电的热量；
通过日前优化调度，能够得到常规机组启停计划、PDR各时刻响应量、A类IDR负荷调用计划，根据式(5)、(6)、(7)、(8)、(9)、(10)，将变量△PDRt、ui,t、△IDRAt作为定值代入日内调度模型中；
④日内优化调度模型
日内调度目标与日前调度相同，为系统总成本最低，
式中，f2为日内调度目标函数，△T为日内调度一个调度周期时长，t0为当前调度时段的初始时刻，
为日内旋转备用预留成本，
分别为日内火电机组与CSP电站提供旋转备用成本系数，
分别为火电机组与CSP电站日内所提供的正/负旋转备用容量，同时，日前调度确定的常规机组启停计划ui,t以及A类IDR负荷响应量△IDRAt为定值，不再进行相应优化；
由于日前调度已确定常规机组启停计划以及PDR负荷、A类IDR负荷响应量，因此日内调度中将不存在机组组合约束以及对于PDR、A类IDR负荷响应量约束；同时，由于日内调度中采用机会约束处理不确定性问题，因此日内调度在旋转备用约束上较日前调度有所不同，如式(12)所示，
式中，Pr{}为置信度表达式，α、β分别为满足正旋转备用与负旋转备用约束的置信度，取值都为0.95；
日内调度中系统功率平衡约束为式(13)，由于日内调度中不采用多场景随机优化，因此不存在多个场景的约束，
式中，
为负荷在t时刻的日内预测值；PGi,t为第i台火电机组在t时刻的调度出力，PCSP,t为CSP电站在t时刻的调度出力，PW,t为风电在t时刻的调度出力；△IDRAt为A类IDR负荷在t时刻的调用量，△IDRBt为B类IDR负荷在t时刻的调用量；
火电机组日内出力约束如式(14)所示，
火电机组爬坡约束如式(15)所示，
风电运行约束为式(16)
式中，
为风电日内t时刻预测出力；
CSP电站能量守恒约束为式(17)
Pt th,S-H+Pt th,T-H＝Pt th,H-T+ut CPSU th+Pt th,H-P (17)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010100837.9A CN111277005B (zh) | 2020-02-19 | 2020-02-19 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010100837.9A CN111277005B (zh) | 2020-02-19 | 2020-02-19 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111277005A true CN111277005A (zh) | 2020-06-12 |
| CN111277005B CN111277005B (zh) | 2022-03-18 |
Family
ID=71000329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010100837.9A Active CN111277005B (zh) | 2020-02-19 | 2020-02-19 | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111277005B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111628503A (zh) * | 2020-06-20 | 2020-09-04 | 东北电力大学 | 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法 |
| CN111738621A (zh) * | 2020-07-17 | 2020-10-02 | 深圳华工能源技术有限公司 | 需求侧可调节资源分时间尺度聚合参与需求响应的方法 |
| CN111769600A (zh) * | 2020-06-23 | 2020-10-13 | 内蒙古电力(集团)有限责任公司 | 一种基于灵活性裕度的电力系统源荷储协调滚动调度方法 |
| CN111969655A (zh) * | 2020-08-17 | 2020-11-20 | 东北大学 | 考虑负荷响应不确定性的多源多荷协调调度方法及系统 |
| CN112165084A (zh) * | 2020-07-24 | 2021-01-01 | 国网内蒙古东部电力有限公司通辽供电公司 | 计及光伏-负荷双侧预测不确定性的多时间尺度优化方法 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112927095A (zh) * | 2021-01-11 | 2021-06-08 | 东北电力大学 | 一种电热联合系统多时间尺度协调调度方法 |
| CN113381399A (zh) * | 2021-05-27 | 2021-09-10 | 浙江大学 | 一种兼顾电网安全和新能源消纳的负荷调度方法及装置 |
| CN114004393A (zh) * | 2021-10-19 | 2022-02-01 | 国网湖南省电力有限公司 | 配电网-天然气联合系统双层多时间尺度运行优化方法 |
| CN114336702A (zh) * | 2021-12-01 | 2022-04-12 | 中国长江三峡集团有限公司 | 基于双层随机规划的风光储场站群功率分配协同优化方法 |
| CN114764652A (zh) * | 2022-02-28 | 2022-07-19 | 国网浙江省电力有限公司 | 一种考虑中长期调度的多周期协调电力平衡系统及方法 |
| CN114819341A (zh) * | 2022-04-25 | 2022-07-29 | 东南大学 | 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 |
| CN116613821A (zh) * | 2023-07-13 | 2023-08-18 | 国网浙江省电力有限公司宁波供电公司 | 一种多能协同运行方法、运行平台、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194514A (zh) * | 2017-05-27 | 2017-09-22 | 重庆大学 | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 |
| CN107563676A (zh) * | 2017-10-11 | 2018-01-09 | 华中科技大学 | 考虑多时间尺度多类型需求响应的源荷协调运行调度方法 |
| CN107994571A (zh) * | 2017-12-04 | 2018-05-04 | 国网山东省电力公司德州供电公司 | 一种含多模糊参数的区域能源网多时间尺度管理方法 |
| CN108416536A (zh) * | 2018-04-10 | 2018-08-17 | 国网江苏省电力有限公司电力科学研究院 | 一种消纳新能源的需求响应资源多时间尺度滚动调度方法 |
| KR20190048246A (ko) * | 2017-10-31 | 2019-05-09 | 전자부품연구원 | 중소건물용 마이크로그리드에서 유연 타임 스케일링과 멀티 레벨링에 의한 부하 추종 스케줄링 방법 및 시스템 |
| CN109858711A (zh) * | 2019-03-07 | 2019-06-07 | 东北电力大学 | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 |
| CN109962499A (zh) * | 2019-03-25 | 2019-07-02 | 国家电网公司华中分部 | 一种电网多时间尺度调度方法 |
| CN110535185A (zh) * | 2019-08-09 | 2019-12-03 | 东北电力大学 | 一种考虑需求响应的含光热电站多源优化运行方法 |
-
2020
- 2020-02-19 CN CN202010100837.9A patent/CN111277005B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194514A (zh) * | 2017-05-27 | 2017-09-22 | 重庆大学 | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 |
| CN107563676A (zh) * | 2017-10-11 | 2018-01-09 | 华中科技大学 | 考虑多时间尺度多类型需求响应的源荷协调运行调度方法 |
| KR20190048246A (ko) * | 2017-10-31 | 2019-05-09 | 전자부품연구원 | 중소건물용 마이크로그리드에서 유연 타임 스케일링과 멀티 레벨링에 의한 부하 추종 스케줄링 방법 및 시스템 |
| CN107994571A (zh) * | 2017-12-04 | 2018-05-04 | 国网山东省电力公司德州供电公司 | 一种含多模糊参数的区域能源网多时间尺度管理方法 |
| CN108416536A (zh) * | 2018-04-10 | 2018-08-17 | 国网江苏省电力有限公司电力科学研究院 | 一种消纳新能源的需求响应资源多时间尺度滚动调度方法 |
| CN109858711A (zh) * | 2019-03-07 | 2019-06-07 | 东北电力大学 | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 |
| CN109962499A (zh) * | 2019-03-25 | 2019-07-02 | 国家电网公司华中分部 | 一种电网多时间尺度调度方法 |
| CN110535185A (zh) * | 2019-08-09 | 2019-12-03 | 东北电力大学 | 一种考虑需求响应的含光热电站多源优化运行方法 |
Non-Patent Citations (3)
| Title |
|---|
| MENG SONG ET AL.: "Multi-Time-Scale Modeling and Parameter Estimation of TCLs for Smoothing Out Wind Power Generation Variability", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
| 包宇庆 等: "考虑大规模风电接入并计及多时间尺度需求响应资源协调优化的滚动调度模型", 《中国电机工程学报》 * |
| 崔杨 等: "计及价格型需求响应及 CSP 电站参与的风电消纳日前调度", 《电网技术》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111628503B (zh) * | 2020-06-20 | 2021-11-30 | 东北电力大学 | 考虑广义储能与火电联合调峰的优化调度方法 |
| CN111628503A (zh) * | 2020-06-20 | 2020-09-04 | 东北电力大学 | 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法 |
| CN111769600A (zh) * | 2020-06-23 | 2020-10-13 | 内蒙古电力(集团)有限责任公司 | 一种基于灵活性裕度的电力系统源荷储协调滚动调度方法 |
| CN111769600B (zh) * | 2020-06-23 | 2024-03-15 | 内蒙古电力(集团)有限责任公司 | 一种基于灵活性裕度的电力系统源荷储协调滚动调度方法 |
| CN111738621A (zh) * | 2020-07-17 | 2020-10-02 | 深圳华工能源技术有限公司 | 需求侧可调节资源分时间尺度聚合参与需求响应的方法 |
| CN111738621B (zh) * | 2020-07-17 | 2020-11-24 | 深圳华工能源技术有限公司 | 需求侧可调节资源分时间尺度聚合参与需求响应的方法 |
| CN112165084A (zh) * | 2020-07-24 | 2021-01-01 | 国网内蒙古东部电力有限公司通辽供电公司 | 计及光伏-负荷双侧预测不确定性的多时间尺度优化方法 |
| CN112165084B (zh) * | 2020-07-24 | 2022-02-15 | 国网内蒙古东部电力有限公司通辽供电公司 | 计及光伏-负荷双侧预测不确定性的多时间尺度优化方法 |
| CN111969655A (zh) * | 2020-08-17 | 2020-11-20 | 东北大学 | 考虑负荷响应不确定性的多源多荷协调调度方法及系统 |
| CN111969655B (zh) * | 2020-08-17 | 2022-03-29 | 东北大学 | 考虑负荷响应不确定性的多源多荷协调调度方法及系统 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112531785B (zh) * | 2020-12-02 | 2023-04-18 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112927095A (zh) * | 2021-01-11 | 2021-06-08 | 东北电力大学 | 一种电热联合系统多时间尺度协调调度方法 |
| CN113381399A (zh) * | 2021-05-27 | 2021-09-10 | 浙江大学 | 一种兼顾电网安全和新能源消纳的负荷调度方法及装置 |
| CN114004393A (zh) * | 2021-10-19 | 2022-02-01 | 国网湖南省电力有限公司 | 配电网-天然气联合系统双层多时间尺度运行优化方法 |
| CN114336702B (zh) * | 2021-12-01 | 2023-12-15 | 中国长江三峡集团有限公司 | 基于双层随机规划的风光储场站群功率分配协同优化方法 |
| CN114336702A (zh) * | 2021-12-01 | 2022-04-12 | 中国长江三峡集团有限公司 | 基于双层随机规划的风光储场站群功率分配协同优化方法 |
| CN114764652A (zh) * | 2022-02-28 | 2022-07-19 | 国网浙江省电力有限公司 | 一种考虑中长期调度的多周期协调电力平衡系统及方法 |
| CN114819341A (zh) * | 2022-04-25 | 2022-07-29 | 东南大学 | 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 |
| CN114819341B (zh) * | 2022-04-25 | 2024-07-09 | 东南大学 | 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 |
| CN116613821A (zh) * | 2023-07-13 | 2023-08-18 | 国网浙江省电力有限公司宁波供电公司 | 一种多能协同运行方法、运行平台、设备及存储介质 |
| CN116613821B (zh) * | 2023-07-13 | 2023-10-24 | 国网浙江省电力有限公司宁波供电公司 | 一种多能协同运行方法、运行平台、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111277005B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111277005B (zh) | 考虑源-荷协调优化的多源电力系统多时间尺度调度方法 | |
| WO2022100091A1 (zh) | 一种广义源储系统调度的集中控制方法 | |
| CN103296682B (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
| CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
| CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
| CN113708394B (zh) | 一种百兆瓦级储能参与调峰及频率响应辅助服务的联合调度方法 | |
| CN115275978B (zh) | 一种基于改进粒子群算法的微能源网优化运行方法 | |
| CN111784055A (zh) | 一种考虑电力需求侧响应特性的虚拟电厂优化调度模型 | |
| CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN116050637A (zh) | 基于分时电价的综合能源虚拟电厂优化调度方法及系统 | |
| CN115759610A (zh) | 一种电力系统源网荷储协同的多目标规划方法及其应用 | |
| CN112564088A (zh) | 考虑火电灵活性改造成本的可再生能源消纳能力提升方法 | |
| CN111861195A (zh) | 一种提高风电二次消纳能力的热电联合调度方法 | |
| CN116934035A (zh) | 基于模型预测的互联数据中心多时间尺度优化调度方法 | |
| CN116415793A (zh) | 计及热电储能园区综合能源系统及其低碳优化调度方法 | |
| CN116805192A (zh) | 考虑最优弃能率的综合能源系统双层规划优化方法及应用 | |
| CN110570010A (zh) | 一种含储热装置的分布式系统的能量管理方法 | |
| CN113240279B (zh) | 基于综合需求侧响应的综合能源系统运行控制方法及系统 | |
| CN114400652A (zh) | 一种计及核电主动参与调峰的多能源发电优化调度方法 | |
| Liu et al. | Design of Trading Mode and Decision-Making for Independent Energy Storage Participating in in-depth Peak Regulation | |
| Zhang et al. | Research on minimum schedulable power optimization of CCHP system | |
| CN112927095B (zh) | 一种电热联合系统多时间尺度协调调度方法 | |
| CN115579918B (zh) | 一种用户侧储能调峰方法、系统、设备及介质 | |
| Song et al. | Design of Trading Adjustment Mechanism for Energy Storage in Electricity Market Based on Equivalent Net Load Fluctuation |
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 |