CN111541272B - 一种碳捕集电厂的多时间尺度调度方法及系统 - Google Patents

一种碳捕集电厂的多时间尺度调度方法及系统 Download PDF

Info

Publication number
CN111541272B
CN111541272B CN202010439528.4A CN202010439528A CN111541272B CN 111541272 B CN111541272 B CN 111541272B CN 202010439528 A CN202010439528 A CN 202010439528A CN 111541272 B CN111541272 B CN 111541272B
Authority
CN
China
Prior art keywords
period
objective function
cost
scheduling
carbon capture
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
CN202010439528.4A
Other languages
English (en)
Other versions
CN111541272A (zh
Inventor
薄利明
曾鹏
郑惠萍
程雪婷
何彩红
刘新元
卫鹏杰
高宏
杨尉薇
张颖
曲莹
王玮茹
张谦
郝捷
皮军
张一帆
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.)
Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Northeast Electric Power University
Original Assignee
Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Northeast Dianli University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd, Northeast Dianli University filed Critical Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Priority to CN202010439528.4A priority Critical patent/CN111541272B/zh
Publication of CN111541272A publication Critical patent/CN111541272A/zh
Application granted granted Critical
Publication of CN111541272B publication Critical patent/CN111541272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种碳捕集电厂的多时间尺度调度方法及系统，本发明考虑碳捕集电厂具有深的调节范围和快的调节速率，采用提前指定次日的调度计划的方式，利用深的调节范围进行弃风消纳，而采用更具更短的预测周期的数据预测，以对调度计划进行实时调整的方式，利用快的调节速率实现实时调度中消纳弃风，同时，为避免日前日内确定的烟气分流比对实时调度阶段弃风消纳造成影响，在调度计划指定阶段和一次调整阶段限制烟气分流比的策略。

Description

一种碳捕集电厂的多时间尺度调度方法及系统
技术领域
本发明涉及碳捕集电厂调度管理技术领域，特别是涉及一种碳捕集电厂的多时间尺度调度方法及系统。
背景技术
随着经济的不断发展，传统化石能源逐渐枯竭，风电等可再生能源的比例不断提高。碳捕集电厂是通过传统电厂改造而来，其工作原理是在吸收塔利用醇胺溶液对二氧化碳进行吸收，在再生塔解析二氧化碳的同时通过压缩机将二氧化碳压缩，完成二氧化碳捕集。当前国内已建有年捕碳量十万吨的碳捕集电厂，随着全球变暖的加剧，碳捕集电厂的数量将越来越多。
随着风电规模的扩大，弃风问题已不可忽视，风电预测精度和火电调节速率是造成弃风的重要原因，目前存在两类解决方案。一是通过合理的调度策略，即利用多时间尺度调度减小预测误差实现消纳弃风的目的；二是通过合理的调节设备，即利用快速调节装置(如储能电站、碳捕集电厂等)配合风电波动减少弃风等情况；通过二者协调配合，可达到消纳弃风的目的。
研究表明，在电力系统多时间尺度调度中引入调节设备能进一步减少短时间尺度弃风。如文献“黄杨，胡伟，闵勇，等.考虑日前计划的风储联合系统多目标协调调度，中国电机工程学报，2014，34(28)：4743-4751”为：将储电装置引入调度模型；文献“朱丹丹，刘文颖，蔡万通，等.风电消纳目标下基于电量与功率滚动优化的荷源控制方法，电力系统自动化，2018，42(05)：80-85+119”和文献“张亚超，刘开培，廖小兵，等.含大规模风电的电力系统多时间尺度源荷协调调度模型研究，高电压技术，2019，45(02)：600-608”提出将高载能设备纳入调节控制，文献“刘德顺，董海鹰，汪宁渤，等.基于多时空尺度协调的多源互补发电场群优化调度，电力系统保护与控制，2019，47(12)：73-83”将抽水蓄能电厂、高载能设备引入系统，结果证明以上调节设备皆能有效消纳弃风。
上述研究从储能设备、高载能设备的角度有效提升了弃风消纳水平，但由于储能设备存在较大能量损耗，高载能设备受矿产资源分布等因素的影响，存在和风电场不位于同一地域的情况，难以对风电进行调节。
如何实现在低能量损耗的条件下，有效消纳风电场的弃风，成为一个亟待解决的技术问题。
发明内容
本发明的目的是提供一种碳捕集电厂的多时间尺度调度方法及系统，以实现在低能量损耗的条件下，有效消纳风电场的弃风。
为实现上述目的，本发明提供了如下方案：
一种碳捕集电厂的多时间尺度调度方法，所述调度方法包括如下步骤：
以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划；
将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划；
将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；
根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整。
可选的，所述第一时段为1小时，所述第二周期为4小时，所述第二时段为15分钟，所述第三周期为15分钟，第三时段为5分钟。
可选的，所述根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划，具体包括：
以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数为：
minC1＝min(CK+CT+CH+CQ)
Figure BDA0002503596740000031
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率，即电网调度指令允许的风电机组并网功率；T'为预测周期的时段数；
确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件；
根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
可选的，所述根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数为：
Figure BDA0002503596740000032
Figure BDA0002503596740000041
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
确定第二目标函数的约束条件；其中，第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件；
根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
可选的，所述根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数为：
Figure BDA0002503596740000042
其中，C3为第三目标函数；
确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束；
根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
一种碳捕集电厂的多时间尺度调度系统，所述调度系统包括：
调度计划制定模块，用于以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划；
第一调度计划调整模块，用于将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划；
第二调度计划调整模块，用于将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；
碳捕集电厂调度模块，用于根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整。
可选的，所述第一时段为1小时，所述第二周期为4小时，所述第二时段为15分钟，所述第三周期为15分钟，第三时段为5分钟。
可选的，所述调度计划制定模块，具体包括：
第一目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数为：
minC1＝min(CK+CT+CH+CQ)
Figure BDA0002503596740000051
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率，即电网调度指令允许的风电机组并网功率，T'为预测周期的时段数；
第一目标函数的约束条件确定子模块，用于确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件；
第一目标函数求解子模块，用于根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
可选的，所述第一调度计划调整模块，具体包括：
第二目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数为：
Figure BDA0002503596740000061
Figure BDA0002503596740000062
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
第二目标函数的约束条件确定子模块，用于确定第二目标函数的约束条件；第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件；
第二目标函数求解子模块，用于根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
可选的，所述第二调度计划调整模块，具体包括：
第三目标函数建立子模块，用于以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数为：
Figure BDA0002503596740000071
其中，C3为第三目标函数；
第三目标函数的约束条件确定子模块，用于确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束；
第三目标函数求解子模块，用于根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
与现有技术相比，本发明的有益效果是：
本发明提出了一种碳捕集电厂的多时间尺度调度方法，所述调度方法包括如下步骤：以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划；将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划；将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整。本发明考虑碳捕集电厂具有深的调节范围和快的调节速率，采用提前指定次日的调度计划的方式，利用深的调节范围进行弃风消纳，而采用更具更短的预测周期的数据预测，以对调度计划进行实时调整的方式，利用快的调节速率实现实时调度中消纳弃风，同时，为避免日前日内确定的烟气分流比对实时调度阶段弃风消纳造成影响，在调度计划指定阶段和一次调整阶段限制烟气分流比的策略。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种碳捕集电厂的多时间尺度调度方法的流程图；
图2为本发明具体实施例提供的日前调度阶段燃煤电厂中不存在碳捕集电厂、存在碳捕集电厂的弃风功率图；
图3为本发明具体实施例提供的实时调度阶段燃煤电厂中不存在碳捕集电厂、存在碳捕集电厂的弃风功率图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种碳捕集电厂的多时间尺度调度方法及系统，以实现在低能量损耗的条件下，有效消纳风电场的弃风。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
目前，多时间尺度弃风消纳主要通过不同时间尺度调度计划的协调配合提高电力系统对风电的消纳能力。文献“翟俊义，任建文，周明，等.含风电电力系统的多时间尺度模糊机会约束动态经济调度模型.电网技术，2016，40(04)：1094-1099”的方法为：建立不同时间尺度下考虑风电、负荷模糊不确定性的动态经济调度模型，证明通过逐级调节能消纳风电。文献“李春燕，陈骁，张鹏，等.计及风电功率预测误差的需求响应多时间尺度优化调度.电网技术，2018，42(02)：487-494”的方法为：考虑风电预测误差，构建多时间尺度优化调度模型，通过价格型和激励型需求响应的协调配合，可有效消纳风电。上述研究面对时间尺度较小的风电预测误差，源侧火电厂难以调度，荷侧需求响应所需成本较高且所能调度的电量少，故需考虑其他在短时间尺度弃风消纳的手段。
而碳捕集设备可在短时间尺度利用弃风进行捕碳，不存在能源浪费，同时，碳捕集电厂是由传统电厂改造，具有应用地域范围广的特点。目前碳捕集电厂的研究主要在于其低碳特性的分析，鲜有对其解决消纳弃风问题的可行性进行理论研究。
本发明的目的是由以下技术方案来实现的：一种考虑碳捕集电厂的弃风消纳多时间尺度调度方法，它通过考虑碳捕集电厂的运行特点及与风电场的协调配合，构建了电力系统多时间尺度协调调度模型，其具体包括以下步骤：
步骤一，碳捕集电厂弃风消纳原理分析：
与常规火电厂相比，碳捕集电厂由于存在碳捕集能耗，具有更低的净输出功率，故在相同容量火电厂的系统中，碳捕集电厂由于输出功率的下限更低，能够使更多的风电上网，从而达到消纳弃风的作用；同时，由于碳捕集设备通过抽取蒸汽或利用厂用电捕捉二氧化碳，相较于常规火电厂具有更快的净输出功率调节速度，面对短时间尺度风电的变化，常规火电厂由于调节速度无法响应导致弃风，但碳捕集电厂可以通过更快的调节速度予以响应使弃风得到消纳；
步骤二，计及碳捕集电厂多时间尺度调度策略研究：
多时间尺度调度分为日前-日内-实时三阶段，日前调度根据短期预测为次日24h机组开停机和出力计划的制定提供参考，一次制定24h，分辨率为1h；日内调度可根据15min-4h超短期预测更正机组出力，15min滚动一次，一次滚动4h，考虑到不能对调度计划进行反复调节，只对第一个15min时段的机组出力进行调整；实时调度可根据5min-15min超短期预测在日内调度的基础上调整碳捕集电厂净出力，并不重新制定火电厂总出力计划，每5min滚动一次，一次滚动15min，考虑到不能对调整计划进行反复调节，同样只对第一个5min时段的碳捕集电厂净出力进行调整；
相较于常规火电厂，碳捕集电厂具有更深的调节范围和更快的调节速率，其中更深的调节范围可在日前日内调度中参与弃风消纳，而更快的调节速率可在实时调度中消纳弃风，同时，为避免日前日内确定的烟气分流比对实时调度阶段弃风消纳造成影响，在日前日内调度阶段限制烟气分流比的策略。
步骤三，多时间尺度调度模型建立：
本发明所提多时间尺度调度策略分日前(调度计划)-日内(一次调整后的调度计划)-实时(二次调整后的调度计划)调度，日前调度为日内调度提供开停机情况和机组出力参考，日内调度为实时调度提供机组出力基准点，实时调度通过调节碳捕集设备能耗协调风电变化。
如图1所示，本发明提供一种碳捕集电厂的多时间尺度调度方法，所述调度方法包括如下步骤：
步骤101，以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划。
步骤101为本发明的日前调度，日前计划目的是为次日机组开停机情况提供基准，并给予出力参考；以1h为时段，以24h为周期，根据风电、负荷的短期预测情况制定次日24h调度计划。
步骤101所述根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划，具体包括：
以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数：
Figure BDA0002503596740000101
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组的预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率，即电网调度指令允许的风电机组并网功率；T'为预测周期的时段数；所述时段为第一时段、第二时段或第三时段；
确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件；
其中，1)功率平衡约束
Figure BDA0002503596740000111
式中，Pel,t为负荷量；PJi,t为t时段火电机组i净出力；
2)碳捕集电厂约束
Figure BDA0002503596740000112
式中，PGi,t为t时段火电机组i发出的总功率；PJi,t为t时段火电机组i的净出力；τt为t时段能耗功率转换系数，若t时段为第一时段，则τt为1，若t时段为第二时段，则τt为4，若t时段为第三时段，则τt为12；PYi,t为t时段火电机组i的碳捕集运行能耗；PDi为火电机组i的碳捕集固定能耗，相对于运行能耗可忽略不计；λB为捕集单位CO2所需能耗；EBCO2i,t为t时段火电机组i捕集的CO2质量；θB为碳捕集效率；δi,t为t时段火电机组i的烟气分流比，烟气分流比指进入碳捕集设备的烟气流率和发电侧产生的总烟气流率的比值；EPi,t为t时段火电机组i实际排碳量；EGi为火电机组i产生单位能耗所释放的CO2量；EJi,t为t时段火电机组i净排碳量；
3)火电机组出力上下限约束
Figure BDA0002503596740000121
式中，PGi min为火电机组i最小总出力；PGi max为火电机组i最大总出力；
4)风电出力上下限约束
0≤PS,t≤PW,t (5)
5)火电机组出力爬坡约束
RDi≤PGi,t-PGi,t-1≤RUi (6)
式中，RDi为火电机组i的下爬坡速率(小时级)；RUi为火电机组i的上爬坡速率(小时级)；
6)机组最小起停时间约束
Figure BDA0002503596740000122
式中，
Figure BDA0002503596740000123
为第i个火电机组t-1时段已连续开机的时间；
Figure BDA0002503596740000124
为第i个火电机组t-1时段已连续关机的时间；
Figure BDA0002503596740000125
为第i个火电机组最小连续开机的时间；
Figure BDA0002503596740000126
为第i个火电机组最小连续关机的时间；
7)旋转备用约束
Figure BDA0002503596740000127
式中，Pmax GJi为第i个火电机组的最大净输出功；Pmin GJi为第i个火电机组的最小净输出功；μ1、μ2分别是考虑负荷和风电不确定性的备用容量系数；Pwcp为风电场装机容量；
8)碳捕集能耗限值约束
为同时考虑碳捕集电厂在实时调度过程中提供的快速上下旋转备用，需对碳捕集能耗进行限制，而限制方式可以对其烟气分流比进行约束，如下所示：
1-δxz≤δi,t≤δxz (9)
式中，δxz为烟气分流比限值；
根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
步骤102，将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划。
本发明的步骤102即为日内调度，日内计划目的是提供机组出力调度计划，以15min为时段，以4h为周期，根据风电、负荷的超短期预测情况仅对第一个时段进行机组出力调整，以此制定日内调度计划；日内调度目标，不考虑机组的开停机，仅考虑机组运行成本、弃风情况和失负荷情况，失负荷情况指通过机组调节不能满足负荷的情况，因此其目标函数为火电机组运行成本、碳交易成本、弃风惩罚成本、失负荷成本。
步骤102所述根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数为：
Figure BDA0002503596740000131
Figure BDA0002503596740000132
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
确定第二目标函数的约束条件；其中，第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件；
具体的，约束条件中碳捕集电厂约束、火电机组出力上下限约束、碳捕集能耗约束、风电出力约束如日前约束；日内不考虑机组开停机约束；机组爬坡约束和旋转备用约束由于时间尺度的改变需进行一定调整；由于可能出现负荷不平衡的情况，负荷平衡约束需进行修正；如下所示：
其中，1)火电机组出力爬坡约束
Figure BDA0002503596740000141
2)旋转备用约束
Figure BDA0002503596740000142
3)负荷平衡约束
Figure BDA0002503596740000143
PSFH,t≥0 (15)
根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
步骤103，将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划。
步骤103即为本发明的实时调度，实时调度目的是利用更精准的预测信息，对风电的调度出力进行调整，同时在不改变火电机组总出力的前提下，对碳捕集设备的能耗进行修正，从而改变碳捕集电厂净出力情况，达到消纳风电和减少失负荷情况的目的；以5min为时段，以15min为周期，根据风电、负荷的5min超短期预测情况，考虑到不能对调整计划进行反复调节，因此仅对第一个时段的碳捕集电厂净出力进行调整，以此制定实时调度计划。
实时调度目标，不考虑机组的开停机和机组的出力调整；考虑通过碳捕集电厂内部协调对系统CO2排放和弃风情况的影响；同时若风电变化过大，系统无法调节，出现负荷大于机组出力的情况，为失负荷情况；因此其目标函数为碳交易成本、弃风惩罚成本和失负荷惩罚成本。
所述根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数：
Figure BDA0002503596740000151
其中，C3为第三目标函数；
确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束。
具体的，约束条件中碳捕集电厂约束、风电出力约束如日前约束，负荷平衡约束如日内约束，实时调度不考虑机组开停机约束、机组爬坡约束，火电机组总出力按日内调度规定进行出力；由于实时调度的时间尺度过小，小于常规火电机组旋转备用调度时间，因此实时调度不考虑旋转备用；由于碳捕集调整在实时调度阶段进行，因此无需考虑碳捕集限值约束，而需考虑碳捕集电厂功率调节约束，如下所示：
1)碳捕集电厂功率调节约束
首先，系统综合净出力调节量需在所有碳捕集电厂调节范围总和之内，如下式所示：
Figure BDA0002503596740000161
其次，系统净出力调节量和风电场所需调整量、负荷所需调整量强相关，即当风场调整量与负荷调整量之和多于碳捕集电厂总净出力调节量，系统调整量取碳捕集电厂总净出力调节量；当风场调整量与负荷调整量之和少于碳捕集电厂总净出力调节量，系统调整量取风场调整量与负荷调整量之和，如下式所示：
Figure BDA0002503596740000162
Figure BDA0002503596740000163
最后，根据各碳捕集电厂的调整量限值平均分配调整量，如下式所示：
Figure BDA0002503596740000164
式中，nt为碳捕集电厂的数量；ΔPJXi,t为碳捕集电厂i在t时段净出力下调量最大值；ΔPJSi,t为碳捕集电厂i在t时段净出力上调量最大值；ΔPJi,t为碳捕集电厂i在t时段净出力调节量；ΔPJ,t为t时段净出力总调节量；PWT,t为风电场风电调度调整量；PFHT,t为负荷所需调整量；PDN,t为日内风电场风电调度指令；PYC,t为5min超短期风电场风电预测值，PRN,t为日内负荷预测值；PSS,t为实时负荷预测值。
2)火电厂总功率约束
上述提及实时调度不改变火电出力计划，因此火电厂总功率参考日内调度情况，考虑火电出力线性变化，确定实时火电总功率情况，如下所示：
Figure BDA0002503596740000171
式中，Prn Gi,t为日内调度确定的火电总出力情况。
根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
步骤104，根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整。
本发明提出一种考虑碳捕集电厂的弃风消纳多时间尺度调度方法，通过协调调度不同时间尺度的碳捕集电厂和风电场出力，有利于提高电力系统弃风消纳水平。首先，通过挖掘碳捕集电厂运行机理，研究其内部能流特性，并对其消纳弃风的合理性进行分析；其次，综合考虑碳捕集电厂更深的调节范围和更快的调节速率，建立以运行成本、弃风惩罚成本、碳交易成本最低为目标函数的多时间尺度调度模型。具有科学合理，适用性强，效果佳等优点。
本发明还提供一种碳捕集电厂的多时间尺度调度系统，所述调度系统包括：
调度计划制定模块，用于以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以限制烟气分流比的策略制定次日的调度计划。
所述调度计划制定模块，具体包括：
第一目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数为：
Figure BDA0002503596740000181
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组的预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率，即电网调度指令允许的风电机组并网功率；T'为预测周期的时段数；
第一目标函数的约束条件确定子模块，用于确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件。
第一目标函数求解子模块，用于根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
第一调度计划调整模块，用于将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划。
所述第一调度计划调整模块，具体包括：
第二目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数为：
Figure BDA0002503596740000191
Figure BDA0002503596740000192
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
第二目标函数的约束条件确定子模块，用于确定第二目标函数的约束条件；第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件。
第二目标函数求解子模块，用于根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
第二调度计划调整模块，用于将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；
所述第二调度计划调整模块，具体包括：
第三目标函数建立子模块，用于以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数为：
Figure BDA0002503596740000193
其中，C3为第三目标函数。
第三目标函数的约束条件确定子模块，用于确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束。
第三目标函数求解子模块，用于根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
碳捕集电厂调度模块，用于根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整。
其中，所述第一时段为1小时，所述第二周期为4小时，所述第二时段为15分钟，所述第三周期为15分钟，第三时段为5分钟。
本发明还提供一个具体的实施例以对本发明的方法及系统进行进一步的说明，具体如下：
本实施例是以某电网实际负荷、风电出力为依据，在IEEE-39节点电网系统进行算例分析，并设定两种不同的场景进行对比，以此验证本方法所构建模型的有效性。
实施例计算条件说明如下：
1)IEEE-39节点电网系统中包括10个火电厂，容量分别为450MW、450MW、162MW、130MW、130MW、85MW、80MW、55MW、55MW、55MW，以及3个200MW风电场。
2)所设定的两种场景分别是：
场景一：10个火电厂为常规火电厂的系统多时间尺度调度运行情况；
场景二：容量为450MW、450MW、162MW的火电厂为碳捕集电厂，其余火电厂为常规火电厂的系统多时间尺度调度运行情况。
在上述场景下，应用本发明方法的优化调度结果如下：
1、碳捕集电厂在弃风消纳方面的作用与效果。
图2是日前调度阶段燃煤电厂中不存在碳捕集电厂、存在碳捕集电厂的弃风功率图。图3是实时调度阶段燃煤电厂中不存在碳捕集电厂、存在碳捕集电厂的弃风功率图。
从图2可知，场景一和场景二都存在弃风的情况，同时场景二弃风量小于场景一，原因如下：场景二的火电出力下限更低，在提供相同下旋转备用时，碳捕集电厂具有更低的净出力，而缺少的部分由风电上网功率供给，从而能消纳更多的弃风，证明碳捕集电厂所具有的更深调节范围能引导弃风消纳。
从图3可知，场景一和场景二都存在一定的弃风，但场景二远小于场景一，原因如下：场景一因全部为常规火电机组，并不参与5min调节，由于风电存在一定预测误差，因此，会出现一定弃风情况。而场景二由于存在碳捕集电厂，参与5min时间尺度调节，因此弃风情况改善明显，证明碳捕集电厂快速调节特性的有效性。
2、验证本方法对低碳经济调度及消纳弃风的有效性
表1为两种场景日前调度运行成本、开停机成本、碳交易成本、弃风成本、总成本、碳排量、弃风量的具体数值。表2为两种场景日内调度运行成本、碳交易成本、弃风成本、失负荷成本、总成本、碳排量、弃风量的具体数值。表3为两种场景实时调度失负荷成本、碳交易成本、弃风成本、总成本、碳排量、弃风量的具体数值的具体数值。
表1两种场景日前调度运行成本、开停机成本、碳交易成本、弃风成本、总成本、碳排量、弃风量的数值表
场景一 场景二
运行成本/$ 483429.5 521289.43
开停机成本/$ 7650 6280
碳交易成本/$ 59895.71 -43798.57
弃风成本/$ 7778.5 6536
总成本/$ 558753.71 490306.86
碳排量/t 17540 11741
弃风量/MWh 155.57 130.72
表2两种场景日内调度运行成本、碳交易成本、弃风成本、失负荷成本、总成本、碳排量、弃风量的数值表
Figure BDA0002503596740000211
Figure BDA0002503596740000221
表3两种场景实时调度失负荷成本、碳交易成本、弃风成本、总成本、碳排量、弃风量的具体数值的数值表
场景一 场景二
失负荷成本/$ 35707.14 524.21
碳交易成本/$ 53374.29 -39884.26
弃风成本/$ 14616 2672.45
总成本/$ 103697.43 -36687.6
碳排量/t 16616 11470
弃风量/MWh 292.32 53.449
从表1可知，在日前调度时，场景二的弃风量相对于场景一少了24.85MWh，即15.97％；碳排量减少了5799t，即33.06％；预计总成本减少68446.86$，即12.25％；可看出在日前调度中，含碳捕集电厂的系统在总成本、弃风量和碳排量方面具有优势。
从表2可知，在日内调度中，总成本减少了63234.86$，即11.81％；碳排量减少了5258t，即31.64％；弃风量减少了32.42MWh，即21.45％；可看出在日内调度中，含碳捕集电厂的系统在弃风量、总成本、碳排量方面同样具有优势。
从表3可知，在实时调度中，场景二相对于场景一总成本减少了140384.57$；碳排量减少了5146t，即30.97％；失负荷成本减少了35182.93$，即98.53％；弃风量减少了238.871MWh，即81.72％。可看出在实时调度中，含碳捕集电厂的系统在消纳弃风和应对失负荷情况更具优势，同时可通过碳交易获取收益使系统总成本降低。
结合上述3个表格，可以发现日前日内实时的调度过程中，场景二在系统总成本、碳排量、弃风量和失负荷量上皆小于场景一，证明含碳捕集电厂的系统在低碳经济调度和弃风消纳方面具有优势。
本发明实施例中的计算条件、图例等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等同的替代，均在本发明保护范围内。
本说明书中等效实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，等效实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种碳捕集电厂的多时间尺度调度方法，其特征在于，所述调度方法包括如下步骤：
以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略制定次日的调度计划；
将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划；
将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；
根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整；
所述根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略制定次日的调度计划，具体包括：
以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数为：
min C1＝min(CK+CT+CH+CQ)
Figure FDA0003118392830000011
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率；T'为预测周期的时段数；
确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件；
根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
2.根据权利要求1所述的碳捕集电厂的多时间尺度调度方法，其特征在于，所述第一时段为1小时，所述第二周期为4小时，所述第二时段为15分钟，所述第三周期为15分钟，第三时段为5分钟。
3.根据权利要求1所述的碳捕集电厂的多时间尺度调度方法，其特征在于，所述根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数为：
Figure FDA0003118392830000021
Figure FDA0003118392830000022
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
确定第二目标函数的约束条件；其中，第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件；
根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
4.根据权利要求3所述的碳捕集电厂的多时间尺度调度方法，其特征在于，所述根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，具体包括：
以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数：
Figure FDA0003118392830000031
其中，C3为第三目标函数；
确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束；
根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
5.一种碳捕集电厂的多时间尺度调度系统，其特征在于，所述调度系统包括：
调度计划制定模块，用于以24小时为第一周期，将第一周期划分为多个第一时段；根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略制定次日的调度计划；
第一调度计划调整模块，用于将所述第一周期划分为多个第二周期，将所述第二周期划分为多个第二时段，根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据，以限制烟气分流比的策略，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整，获得一次调整后的调度计划；
第二调度计划调整模块，用于将所述第二周期划分为多个第三周期，将所述第三周期划分为多个第三时段，根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据对一次调整后的调度计划的每个第三周期的第一个第三时段的调度计划进行调整，得到二次调整后的调度计划；
碳捕集电厂调度模块，用于根据二次调整后的调度计划，以所述第三周期为调整周期，在每个所述第三周期的第一时段对碳捕集电厂的火电机组进行实时调度调整；
所述调度计划制定模块，具体包括：
第一目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组开停机成本、碳交易成本、火电机组运行成本和弃风惩罚成本的第一目标函数为：
min C1＝min(CK+CT+CH+CQ)
Figure FDA0003118392830000041
其中，C1为第一目标函数，CK为火电机组开停机成本；CT为碳交易成本；CH为火电机组运行成本；CQ为弃风惩罚成本；n表示碳捕集电厂的火电机组的个数，Si为第i个火电机组开停机一次所需成本；ui,t为第i个火电机组在第t个时段的开停机状态，ui,t-1为第i个火电机组在第t-1个时段的开停机状态；σT为碳交易价格；Ec为碳捕集电厂的所有火电机组预测周期内净碳排量；λh为火电机组碳排量配额系数；PGLi,t为第i个火电机组在第t个时段的总输出电量；PGi,t为第i个火电机组在第t个时段的出力；ai、bi、ci分别为第i个火电机组的第一运行成本系数、第二运行成本系数和第三运行成本系数；σQ为单位弃风惩罚成本；PW,t为第t个时段的风电预测出力；PS,t为第t个时段的风电上网功率；T'为预测周期的时段数；
第一目标函数的约束条件确定子模块，用于确定第一目标函数的约束条件；其中，第一目标函数的约束条件包括功率平衡约束条件、碳捕集电厂约束条件、火电机组出力约束条件、风电出力约束条件、机组启停时间约束条件、旋转备用约束条件和碳捕集能耗约束条件；
第一目标函数求解子模块，用于根据碳捕集电厂的以第一周期为预测周期的风电预测数据和负荷预测数据以及所述第一目标函数的约束条件，求解所述第一目标函数，获得次日的调度计划。
6.根据权利要求5所述的碳捕集电厂的多时间尺度调度系统，其特征在于，所述第一时段为1小时，所述第二周期为4小时，所述第二时段为15分钟，所述第三周期为15分钟，第三时段为5分钟。
7.根据权利要求5所述的碳捕集电厂的多时间尺度调度系统，其特征在于，所述第一调度计划调整模块，具体包括：
第二目标函数建立子模块，用于以成本最小化为调度目标，建立包括火电机组运行成本、碳交易成本、弃风惩罚成本和失负荷成本的第二目标函数：
Figure FDA0003118392830000051
Figure FDA0003118392830000052
其中，C2为第二目标函数，CSFH为失负荷成本，σS为单位失负荷惩罚成本；PSFH,t是在第t个时段失负荷功率；T'为预测周期的时段数；
第二目标函数的约束条件确定子模块，用于确定第二目标函数的约束条件；第二目标函数的约束条件包括火电机组出力爬坡约束条件、旋转备用约束条件、负荷平衡约束条件、碳捕集电厂约束条件、火电机组出力上下限约束条件、风电出力约束条件和碳捕集能耗约束条件；
第二目标函数求解子模块，用于根据碳捕集电厂的以第二周期为预测周期的风电预测数据和负荷预测数据以及所述第二目标函数的约束条件，求解所述第二目标函数，对所述调度计划的每个第二周期的第一个第二时段的调度计划进行调整。
8.根据权利要求7所述的碳捕集电厂的多时间尺度调度系统，其特征在于，所述第二调度计划调整模块，具体包括：
第三目标函数建立子模块，用于以成本最小化为调度目标，建立包括碳交易成本、弃风惩罚成本和失负荷成本的第三目标函数：
Figure FDA0003118392830000061
其中，C3为第三目标函数；
第三目标函数的约束条件确定子模块，用于确定第三目标函数的约束条件；其中，第三目标函数的约束条件包括碳捕集电厂功率调节约束条件、火电厂总功率约束条件、碳捕集电厂约束、风电出力约束和负荷平衡约束；
第三目标函数求解子模块，用于根据碳捕集电厂的以第三周期为预测周期的风电预测数据和负荷预测数据以及所述第三目标函数的约束条件，求解所述第三目标函数，对所述调度计划的每个第三周期的第一个第三时段的调度计划进行调整。
CN202010439528.4A 2020-05-22 2020-05-22 一种碳捕集电厂的多时间尺度调度方法及系统 Active CN111541272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010439528.4A CN111541272B (zh) 2020-05-22 2020-05-22 一种碳捕集电厂的多时间尺度调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010439528.4A CN111541272B (zh) 2020-05-22 2020-05-22 一种碳捕集电厂的多时间尺度调度方法及系统

Publications (2)

Publication Number Publication Date
CN111541272A CN111541272A (zh) 2020-08-14
CN111541272B true CN111541272B (zh) 2021-07-30

Family

ID=71976241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010439528.4A Active CN111541272B (zh) 2020-05-22 2020-05-22 一种碳捕集电厂的多时间尺度调度方法及系统

Country Status (1)

Country Link
CN (1) CN111541272B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112366749B (zh) * 2020-10-29 2023-01-13 国网江西省电力有限公司经济技术研究院 一种风储系统联合碳捕电厂可调鲁棒优化调度方法及装置
CN113690929A (zh) * 2021-07-26 2021-11-23 南瑞集团有限公司 一种协调防控弃新能源和停电风险的旋转备用容量中期规划方法及装置
CN114254799B (zh) * 2021-11-05 2024-07-16 国网浙江省电力有限公司嘉兴供电公司 一种碳电协同的消纳方法
US20240275179A1 (en) * 2022-03-02 2024-08-15 Envision Digital International Pte. Ltd. Electrical power system and a multi-timescale coordinated optimization scheduling method therefor
CN115062869B (zh) * 2022-08-04 2022-12-09 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN116993090B (zh) * 2023-08-01 2024-05-10 华北电力大学 计及零售交易的矿山综合能源系统多时间尺度运行方法
CN117411083A (zh) * 2023-10-31 2024-01-16 东北电力大学 一种考虑电弧炉调控与风电模态分解的两阶段调度方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856590A (zh) * 2010-06-11 2010-10-13 清华大学 燃烧后碳捕集电厂的碳捕集系统及电碳协调的控制方法
CN102502631A (zh) * 2011-09-30 2012-06-20 清华大学 基于不同灵活运行模式的燃烧后碳捕集电厂控制方法
CN104933516A (zh) * 2015-05-27 2015-09-23 华南理工大学 一种多时间尺度的电力系统鲁棒调度系统设计方法
CN107482688A (zh) * 2017-07-26 2017-12-15 长沙理工大学 一种碳捕集虚拟电厂调度优化方法
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
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8972070B2 (en) * 2010-07-02 2015-03-03 Alstom Grid Inc. Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes
CN106992556B (zh) * 2017-05-24 2020-01-03 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856590A (zh) * 2010-06-11 2010-10-13 清华大学 燃烧后碳捕集电厂的碳捕集系统及电碳协调的控制方法
CN102502631A (zh) * 2011-09-30 2012-06-20 清华大学 基于不同灵活运行模式的燃烧后碳捕集电厂控制方法
CN104933516A (zh) * 2015-05-27 2015-09-23 华南理工大学 一种多时间尺度的电力系统鲁棒调度系统设计方法
CN107482688A (zh) * 2017-07-26 2017-12-15 长沙理工大学 一种碳捕集虚拟电厂调度优化方法
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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
双碳量约束下风电–碳捕集虚拟电厂低碳经济调度;周任军 等;《中国电机工程学报》;20180320;第38卷(第6期);第1675-1683页 *

Also Published As

Publication number Publication date
CN111541272A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN111541272B (zh) 一种碳捕集电厂的多时间尺度调度方法及系统
CN105006844B (zh) 一种间歇式发电并网条件下的电力系统日前鲁棒调度系统
CN113193547B (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
CN107944733B (zh) 一种含风电、需求响应和压缩空气储能的电网调度方法
CN105337294A (zh) 协调风电场参与电力系统一次调频的储能配置方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN113408962A (zh) 一种电网多时间尺度多目标能量优化调度方法
CN114676991B (zh) 基于源荷双侧不确定的多能互补系统优化调度方法
CN114142536B (zh) 一种考虑容量备用的多类型机组协调方法
CN110676846A (zh) 电力调峰方法、调度中心及电力调峰系统
CN109038668B (zh) 一种基于弃风利用的塔筒电梯供电方法及储能系统
CN113919676A (zh) 计及需求响应与电制氢系统的虚拟电厂运行效果评估方法
CN117526282A (zh) 一种用于电力系统的源荷协调优化方法及相关系统
CN117613957A (zh) 一种电-氢-氨的最优动态调节控制方法及装置
CN110932321A (zh) 一种含储能新能源场站有功控制方法
Jun et al. Comprehensive Evaluation of Microgrid Planning Scheme based on AHP-Entropy method
CN110661252A (zh) 一种考虑风光储提供柔性爬坡容量的实时经济调度方法
Weichun et al. Research on economic operation of multi-source peak-shaving involving nuclear power
Zhang et al. Optimal dispatching of regional integrated energy system based on SMPC
Shahmoradi et al. Resource Scheduling in a Smart Grid with Renewable Energy Resources and Plug-In Vehicles by MINLP Method
Ou et al. Optimal Allocation of Battery Energy Storage System in the UK Power System for the Frequency Regulation with High Wind Penetration
CN115642614B (zh) 一种高比例风电电力系统日前-日内联合调度方法及系统
CN110571861A (zh) 一种发电机组的输出电量的确定方法及装置
Liu et al. Optimization Model of Unit Commitment Considering Nonconvex Cost Characteristics of Coal-Fired Unit Deep Peak Shaving

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