CN111553572A - 考虑电量计划执行风险的月度机组组合优化方法 - Google Patents
考虑电量计划执行风险的月度机组组合优化方法 Download PDFInfo
- Publication number
- CN111553572A CN111553572A CN202010297958.7A CN202010297958A CN111553572A CN 111553572 A CN111553572 A CN 111553572A CN 202010297958 A CN202010297958 A CN 202010297958A CN 111553572 A CN111553572 A CN 111553572A
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- power
- unit
- day
- constraint
- 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
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
- G06Q10/06—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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种考虑电量计划执行风险的月度机组组合优化方法,属于电力系统调度运行领域。该方法提出了一项发电厂电量分解计划执行风险评价指标,通过将该指标纳入月度机组组合优化模型中,能够控制月度机组组合电量执行风险,提升机组组合对新能源功率预测等偏差适应性。
Description
技术领域
本发明属于电力系统调度运行领域,特别涉及一种考虑电量计划执行风险的月度机组组合优化方法。
背景技术
月度机组组合是指根据逐日负荷预测、新能源预测等边界数据,确定逐日发电机组开停计划,并将月度电量计划逐日分解的过程。作为运行方式安排的重要环节,月度机组组合是逐日调度计划编制的依据,对保证电力电量平衡,保障发电厂电量计划完成具有重要作用。
月度机组组合中发电机组开停计划及电厂电量计划分解的原则及目标是其研究的重点。传统模式下,月度机组组合重点考虑电力电量平衡,确保逐日具有充足的备用容量。而随着电力市场的建设,市场成员对电量计划执行情况关注度不断增加。在保证电力电量平衡的基础上,月度机组组合对月内各发电厂月度电量计划完成率均衡的考虑越来越多,确保电量计划完成成为当前月度机组组合领域研究的重点。
当前,考虑月度电量计划完成的月度机组组合研究中往往将月度计划完成作为约束条件,即保证所编制的月度机组组合能够保证电量分解方案满足月度电量计划的要求。但是对不同电量计划分解方案的执行风险做评估。实际上,由于实际执行过程中负荷需求、新能源发电功率等与月度机组组合中所依据的预测值存在差异,因此尽管月度机组组合能够满足月度电量计划完成的要求,但所面临的执行风险并不相同。
为此,本发明将提出一种考虑电量计划执行风险的月度机组组合优化方法,其主要创新点在于提出了一项发电厂电量分解计划执行风险评价指标,通过将该指标纳入月度机组组合优化模型中,能够控制月度机组组合电量执行风险,提升机组组合对新能源功率预测等偏差适应性。
发明内容
有鉴于此,第一方面,本发明的目的是提供一种考虑电量计划执行风险的月度机组组合优化方法。能够控制月度机组组合电量执行风险,提升机组组合对新能源功率预测等偏差适应性。
本发明的第一方面的目的是通过以下技术方案实现的:
该种考虑电量计划执行风险的月度机组组合优化方法,包括以下步骤:
步骤S1:定义电量计划执行风险指标:发电厂电量计划执行风险是指该发电厂当天电量调整空间与当天风险系数的乘积,所述电量调整空间是指在不改变机组开停状态的前提下,发电厂电量计划调整的范围;
步骤S2:进行电力电量平衡约束:电力电量平衡约束要求任一时刻全网应满足电力电量平衡和运行备用要求,可表示为:
式(6)-(7)中,NB为全网中负荷节点数,NNE为全网新能源电站数量,NG为全网机组数量,Pne,d,t为新能源电站ne第d天时段t的发电功率预测,Pb,d,t为负荷节点b在第d天时段t的负荷预测,Rd为第d天的备用容量;式(6)为电力电量平衡约束项,要求任一时刻新能源电站与发电厂发电功率与负荷需求平衡;式(7)为运行备用约束项,要求任一时刻新能源电站与处于开机状态的发电厂最大发电能力满足运行备用要求;
步骤S3:确定断面运行传输能力约束:断面运行传输能力约束要求断面潮流均处于其限值范围内,可表示为:
式(8)中,PFUos、PFDos分别为运行断面os传输潮流上、下限值,GSDFne,os、GSDFg,os、GSDFb,os分别为新能源电站ne、燃煤机组g和负荷节点b与运行断面os之间的潮流转移分布因子;
步骤S4:确定机组出力上下限约束:机组出力上下限约束是指任一时刻,处于运行状态的机组出力必须处于其上下限范围内,可表示为:
sg,dCDg≤Pg,d,t≤sg,dCUg (9)
步骤S5:确定机组爬坡能力约束:机组爬坡能力约束是指任一时刻,处于运行状态的机组出力变化量必须处于其上下限范围内,可表示为:
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (10)
式(10)中,CAUg、CADg分别表示机组的上爬能力和下爬能力;
步骤S6:确定启停状态约束:启停状态约束是指机组开停机状态与其启动、停机状态所满足的关系及连续运行和停机时间所需要满足的约束,可表示为:
ssg,d-csg,d=sg,d-sg,d-1 (11)
式(11)-(12)中,DT为机组最小持续运行或停机时间,ssg,d为机组g在第d天的启动状态变量,csg,d为机组g在第d天的停机状态变量。
步骤S7:确定电量计划约束:所述电量计划约束是指发电厂电量计划与机组发电功率之间的关系和月度电量计划之间的关系,可表示为:
式(13)-(14)中,EMSp为发电厂p月度电量计划。
步骤S8:建模及优化:以全网月度电量执行风险最小化为优化目标,考虑电力电量平衡约束、断面运行传输能力约束、机组出力上下限约束、机组爬坡能力约束、启停状态约束、电量计划约束,即可构建考虑电量计划执行风险的月度机组组合优化模型,求解该模型,可以得到电量执行风险最小的月度机组组合与电量分解方式。
特别地,所述步骤S1中,电量调整空间通过下式表示为:
EASp,d=min{ESp,d-EDp,d,EUp,d-ESp,d} (1)
式(1)中,EASp,d为发电厂p第d个运行日的电量调整空间,min{}代表取最小值的函数,ESp,d为发电厂p第d个运行日的电量计划,EUp,d、EDp,d分别为当天发电厂的最大、最小发电能力;最大发电能力EUp,d与电量计划ESp,d的差值EUp,d-ESp,d代表了当天发电厂的电量上调空间,电量计划ESp,d与最小发电能力EDp,d的差值ESp,d-EDp,d代表了当天发电厂的电量下调空间;电量上、下调空间的最小值即为电量调整空间,电量调整空间反映了当出现边界数据预测偏差时,其电量调整的能力,调整能力越大,执行风险越低,调整能力越小,执行风险越高;
发电厂当天最大、最小发电能力为在给定开停机方式下按照最大、最小技术出力水平发电的发电量,可表示为:
式(2)-(3)中,CUg、CDg分别为机组g的最大、最小技术出力,sg,d为机组g第d个运行日的开停状态变量,NT为每个运行日划分的时段数,ΔT为时段间隔,g∈p表示属于发电厂的机组。
特别地,利用风险系数来量化不同运行日的偏差调整控制难度,可表示为:
RFd=αd+β (4)
式(4)中,RFd为第d个运行日的风险系数,d为运行日日期,α、β分别为风险系数一次项系数和常数项系数,满足α>0、β>0;
全网所有电厂在当月的电量执行风险为各发电厂逐日电量执行风险之和,可表示为:
式(5)中,EER为全网月度电量执行风险,NP为全网发电厂数量,ND为当月天数。
特别地,所述步骤S8中,考虑电量计划执行风险的月度机组组合优化模型可表示为:
第二方面,本发明提出了一种计算机装置,包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序所述处理器执行所述计算机程序时实现如所述的方法。
第三方面,本发明还提出了一种计算机可读存储介质,其上储存有计算机程序,所述计算机程序被处理器执行时实现如前所述的方法。
本发明的有益效果是:本发明的方法通过提出一种发电厂电量分解计划执行风险评价指标,通过将该指标纳入月度机组组合优化模型中,能够控制月度机组组合电量执行风险,提升机组组合对新能源功率预测等偏差适应性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明的方法实施流程图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
如图1所示,本发明的方法包括以下步骤:
步骤S1:定义电量计划执行风险指标:本发明中提出的某发电厂电量计划执行风险是指该发电厂当天电量调整空间与当天风险系数的乘积,电量调整空间是指在不改变机组开停状态的前提下,发电厂电量计划调整的范围,可表示为:
EASp,d=min{ESp,d-EDp,d,EUp,d-ESp,d} (1)
式(1)中,EASp,d为发电厂p第d个运行日的电量调整空间,min{}代表取最小值的函数,ESp,d为发电厂p第d个运行日的电量计划,EUp,d、EDp,d分别为当天发电厂的最大、最小发电能力。最大发电能力EUp,d与电量计划ESp,d的差值EUp,d-ESp,d代表了当天发电厂的电量上调空间,电量计划ESp,d与最小发电能力EDp,d的差值ESp,d-EDp,d代表了当天发电厂的电量下调空间。电量上、下调空间的最小值即为电量调整空间。电量调整空间反映了当出现边界数据预测偏差时,其电量调整的能力,调整能力越大,执行风险越低,调整能力越小,执行风险越高。发电厂当天最大、最小发电能力为在给定开停机方式下按照最大、最小技术出力水平发电的发电量,可表示为:
式(2)-(3)中,CUg、CDg分别为机组g的最大、最小技术出力,sg,d为机组g第d个运行日的开停状态变量,NT为每个运行日划分的时段数,ΔT为时段间隔,g∈p表示属于发电厂的机组。式(1)-(3)的变量中,EAS为电量调整空间英文electricity adjust space的首字母组合,ES为电量计划英文electricity schedule的首字母组合,EU、ED中E为电量英文electricity的首字母,U、D分别为上、下英文up、down的首字母,CD、CU中C为容量英文capacity的首字母,U、D含义与EU、ED中相同,p、g、d分别为电厂、机组、日英文plant、generator、day的首字母,NT、ΔT中T为时间英文time的首字母,N为数量英文number的首字母。
不同运行日的执行风险不同,越靠近月初,当出现预测偏差时,可通过后期调整,因此风险更为可控;而越靠近月末,当出现预测偏差后,可调整的时段越少,风险控制难度更大。为此,本发明中用风险系数来量化不同运行日的偏差调整控制难度,可表示为:
RFd=αd+β (4)
式(4)中,RFd为第d个运行日的风险系数,d为运行日日期,α、β分别为风险系数一次项系数和常数项系数,满足α>0、β>0。式(4)中,RF为风险系数英文risk factor的首字母组合。
全网所有电厂在当月的电量执行风险为各发电厂逐日电量执行风险之和,可表示为:
式(5)中,EER为全网月度电量执行风险,NP为全网发电厂数量,ND为当月天数。其中EER为电量执行风险英文electricity execution risk的首字母组合。NP、ND中N为数量英文number首字母,p,d含义与前文相同。
步骤S2:缺东电力电量平衡约束条件:电力电量平衡约束要求任一时刻全网应满足电力电量平衡和运行备用要求,可表示为:
式(6)-(7)中,NB为全网中负荷节点数,NNE为全网新能源电站数量,NG为全网机组数量,Pne,d,t为新能源电站ne第d天时段t的发电功率预测,Pb,d,t为负荷节点b在第d天时段t的负荷预测,Rd为第d天的备用容量。式(6)为电力电量平衡约束项,要求任一时刻新能源电站与发电厂发电功率与负荷需求平衡;式(7)为运行备用约束项,要求任一时刻新能源电站与处于开机状态的发电厂最大发电能力满足运行备用要求。
步骤S3:确定断面运行传输能力约束条件:断面运行传输能力约束要求断面潮流均处于其限值范围内,可表示为:
式(8)中,PFUos、PFDos分别为运行断面os传输潮流上、下限值,GSDFne,os、GSDFg,os、GSDFb,os分别为新能源电站ne、燃煤机组g和负荷节点b与运行断面os之间的潮流转移分布因子。
步骤S4:确定机组出力上下限约束条件:机组出力上下限约束是指任一时刻,处于运行状态的机组出力必须处于其上下限范围内,可表示为:
sg,dCDg≤Pg,d,t≤sg,dCUg (9)
步骤S5:确定机组爬坡能力约束条件:机组爬坡能力约束是指任一时刻,处于运行状态的机组出力变化量必须处于其上下限范围内,可表示为:
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (10)
式(10)中,CAUg、CADg分别为机组的上爬能力和下爬能力。
步骤S6:确定启停状态约束条件:启停状态约束是指机组开停机状态与其启动、停机状态所满足的关系及连续运行和停机时间所需要满足的约束,可表示为:
ssg,d-csg,d=sg,d-sg,d-1 (11)
式(11)-(12)中,DT为机组最小持续运行或停机时间,ssg,d为机组g在第d天的启动状态变量,csg,d为机组g在第d天的停机状态变量。
步骤S7:确定电量计划约束条件:电量计划约束是指发电厂电量计划与机组发电功率之间的关系和月度电量计划之间的关系,可表示为:
式(13)-(14)中,EMSp为发电厂p月度电量计划。
步骤S8:建模及优化:以全网月度电量执行风险最小化为优化目标,考虑电力电量平衡约束、断面运行传输能力约束、机组出力上下限约束、机组爬坡能力约束、启停状态约束、电量计划约束,即可构建考虑电量计划执行风险的月度机组组合优化模型,该模型可表示为:
上述模型本质上为线性规划问题,可采用单纯形法等数学优化方法求解得到。本发明中不赘述其实施流程。求解该模型,可以得到电量执行风险最小的月度机组组合与电量分解方式。
本发明的流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
最后说明的是,尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.考虑电量计划执行风险的月度机组组合优化方法,其特征在于:所述方法包括以下步骤:
步骤S1:定义电量计划执行风险指标:发电厂电量计划执行风险是指该发电厂当天电量调整空间与当天风险系数的乘积,所述电量调整空间是指在不改变机组开停状态的前提下,发电厂电量计划调整的范围;
步骤S2:进行电力电量平衡约束:电力电量平衡约束要求任一时刻全网应满足电力电量平衡和运行备用要求,可表示为:
式(6)-(7)中,NB为全网中负荷节点数,NNE为全网新能源电站数量,NG为全网机组数量,Pne,d,t为新能源电站ne第d天时段t的发电功率预测,Pb,d,t为负荷节点b在第d天时段t的负荷预测,Rd为第d天的备用容量;式(6)为电力电量平衡约束项,要求任一时刻新能源电站与发电厂发电功率与负荷需求平衡;式(7)为运行备用约束项,要求任一时刻新能源电站与处于开机状态的发电厂最大发电能力满足运行备用要求;
步骤S3:确定断面运行传输能力约束,断面运行传输能力约束要求断面潮流均处于其限值范围内,可表示为:
式(8)中,PFUos、PFDos分别为运行断面os传输潮流上、下限值,GSDFne,os、GSDFg,os、GSDFb,os分别为新能源电站ne、燃煤机组g和负荷节点b与运行断面os之间的潮流转移分布因子;
步骤S4:确定机组出力上下限约束:机组出力上下限约束是指任一时刻,处于运行状态的机组出力必须处于其上下限范围内,通过下式表示为:
sg,dCDg≤Pg,d,t≤sg,dCUg (9)
步骤S5:确定机组爬坡能力约束:机组爬坡能力约束是指任一时刻,处于运行状态的机组出力变化量必须处于其上下限范围内,通过下式表示为:
sg,dCADg≤Pg,d,t-Pg,d,t-1≤sg,dCAUg (10)
式(10)中,CAUg、CADg分别表示机组的上爬能力和下爬能力;
步骤S6:确定启停状态约束:启停状态约束是指机组开停机状态与其启动、停机状态所满足的关系及连续运行和停机时间所需要满足的约束,通过下式表示为:
ssg,d-csg,d=sg,d-sg,d-1 (11)
式(11)-(12)中,DT为机组最小持续运行或停机时间,ssg,d为机组g在第d天的启动状态变量,csg,d为机组g在第d天的停机状态变量。
步骤S7:确定电量计划约束:所述电量计划约束是指发电厂电量计划与机组发电功率之间的关系和月度电量计划之间的关系,可表示为:
式(13)-(14)中,EMSp为发电厂p月度电量计划。
步骤S8:建模及优化:以全网月度电量执行风险最小化为优化目标,考虑电力电量平衡约束、断面运行传输能力约束、机组出力上下限约束、机组爬坡能力约束、启停状态约束、电量计划约束,即可构建考虑电量计划执行风险的月度机组组合优化模型,求解该模型,可以得到电量执行风险最小的月度机组组合与电量分解方式。
2.根据权利要求1所述的考虑电量计划执行风险的月度机组组合优化方法,其特征在于:所述步骤S1中,电量调整空间通过下式表示为:
EASp,d=min{ESp,d-EDp,d,EUp,d-ESp,d} (1)
式(1)中,EASp,d为发电厂p第d个运行日的电量调整空间,min{}代表取最小值的函数,ESp,d为发电厂p第d个运行日的电量计划,EUp,d、EDp,d分别为当天发电厂的最大、最小发电能力;最大发电能力EUp,d与电量计划ESp,d的差值EUp,d-ESp,d代表了当天发电厂的电量上调空间,电量计划ESp,d与最小发电能力EDp,d的差值ESp,d-EDp,d代表了当天发电厂的电量下调空间;电量上、下调空间的最小值即为电量调整空间,电量调整空间反映了当出现边界数据预测偏差时,其电量调整的能力,调整能力越大,执行风险越低,调整能力越小,执行风险越高;
发电厂当天最大、最小发电能力为在给定开停机方式下按照最大、最小技术出力水平发电的发电量,可表示为:
式(2)-(3)中,CUg、CDg分别为机组g的最大、最小技术出力,sg,d为机组g第d个运行日的开停状态变量,NT为每个运行日划分的时段数,ΔT为时段间隔,g∈p表示属于发电厂的机组。
5.一种计算机装置,包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1-4任一项所述的方法。
6.一种计算机可读存储介质,其上储存有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010297958.7A CN111553572B (zh) | 2020-04-16 | 2020-04-16 | 考虑电量计划执行风险的月度机组组合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010297958.7A CN111553572B (zh) | 2020-04-16 | 2020-04-16 | 考虑电量计划执行风险的月度机组组合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553572A true CN111553572A (zh) | 2020-08-18 |
CN111553572B CN111553572B (zh) | 2022-04-22 |
Family
ID=72005797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010297958.7A Active CN111553572B (zh) | 2020-04-16 | 2020-04-16 | 考虑电量计划执行风险的月度机组组合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553572B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112398176A (zh) * | 2020-11-05 | 2021-02-23 | 贵州电网有限责任公司 | 一种考虑燃煤机组启停调峰的水火风互济系统日前优化调度方法 |
CN112949924A (zh) * | 2021-03-09 | 2021-06-11 | 中国南方电网有限责任公司 | 考虑电量执行与调峰匹配的机组组合优化方法和控制器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268697A (zh) * | 2014-09-28 | 2015-01-07 | 国网重庆市电力公司电力科学研究院 | 计及节能风险概率的省级电网购电决策系统及方法 |
CN106451568A (zh) * | 2016-11-19 | 2017-02-22 | 大连理工大学 | 一种特高压交直流混联电网中短期协调调度方法 |
CN107276065A (zh) * | 2016-04-07 | 2017-10-20 | 中国电力科学研究院 | 基于负荷特征时段的月度发电计划优化与安全校核方法 |
CN110570037A (zh) * | 2019-09-05 | 2019-12-13 | 国网江苏省电力有限公司 | 基于scuc的电厂中长期极限交易电量优化方法及系统 |
CN110826773A (zh) * | 2019-10-17 | 2020-02-21 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种考虑新能源接入的火电机组月度发电计划优化方法 |
CN110854933A (zh) * | 2019-11-26 | 2020-02-28 | 三峡大学 | 利用灵活性资源的月度机组组合优化方法 |
-
2020
- 2020-04-16 CN CN202010297958.7A patent/CN111553572B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268697A (zh) * | 2014-09-28 | 2015-01-07 | 国网重庆市电力公司电力科学研究院 | 计及节能风险概率的省级电网购电决策系统及方法 |
CN107276065A (zh) * | 2016-04-07 | 2017-10-20 | 中国电力科学研究院 | 基于负荷特征时段的月度发电计划优化与安全校核方法 |
CN106451568A (zh) * | 2016-11-19 | 2017-02-22 | 大连理工大学 | 一种特高压交直流混联电网中短期协调调度方法 |
CN110570037A (zh) * | 2019-09-05 | 2019-12-13 | 国网江苏省电力有限公司 | 基于scuc的电厂中长期极限交易电量优化方法及系统 |
CN110826773A (zh) * | 2019-10-17 | 2020-02-21 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种考虑新能源接入的火电机组月度发电计划优化方法 |
CN110854933A (zh) * | 2019-11-26 | 2020-02-28 | 三峡大学 | 利用灵活性资源的月度机组组合优化方法 |
Non-Patent Citations (4)
Title |
---|
代江等: "电网安全和调度公平性的新能源调度方法研究", 《贵州电力技术》 * |
李利利等: "月度安全约束机组组合建模及求解", 《电力系统自动化》 * |
管益斌等: "江苏电网月度机组组合系统设计", 《电力系统自动化》 * |
赵倩 等: "考虑多场景新能源预测的月度机组组合研究", 《电力大数据》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112398176A (zh) * | 2020-11-05 | 2021-02-23 | 贵州电网有限责任公司 | 一种考虑燃煤机组启停调峰的水火风互济系统日前优化调度方法 |
CN112398176B (zh) * | 2020-11-05 | 2022-07-05 | 贵州电网有限责任公司 | 一种考虑燃煤机组启停调峰的水火风互济系统日前优化调度方法 |
CN112949924A (zh) * | 2021-03-09 | 2021-06-11 | 中国南方电网有限责任公司 | 考虑电量执行与调峰匹配的机组组合优化方法和控制器 |
Also Published As
Publication number | Publication date |
---|---|
CN111553572B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
US11221594B2 (en) | Practical method for short-term operations of super large-scale hydropower plants | |
WO2017000853A1 (zh) | 主动配电网多时间尺度协调优化调度方法和存储介质 | |
CN107171367B (zh) | 风电与储能系统互补下的火电机组组合优化决策方法 | |
CN110009262A (zh) | 一种主动配电网的日前-日内两阶段优化调度方法 | |
CN105207253B (zh) | 考虑风电及频率不确定性的agc随机动态优化调度方法 | |
CN111553572B (zh) | 考虑电量计划执行风险的月度机组组合优化方法 | |
US11043818B2 (en) | Random rolling scheduling method for power system based on Newton method | |
Shah et al. | Microgrid optimal scheduling with renewable energy sources considering islanding constraints | |
Zhou et al. | Interval optimization combined with point estimate method for stochastic security-constrained unit commitment | |
US20200341437A1 (en) | Systems and Methods for Security Constrained Automatic Generation Control | |
CN111541279B (zh) | 考虑机组出力状态的风电场功率自动控制系统及方法 | |
CN115345380A (zh) | 一种基于人工智能的新能源消纳电力调度方法 | |
CN116667446B (zh) | 风电、抽水蓄能系统的容量配置方法、装置、设备及介质 | |
WO2023167631A1 (en) | An electrical power system and a multi-timescale coordinated optimization scheduling method therefor | |
CN108288132B (zh) | 一种基于源荷互动电力系统调度的建模方法 | |
CN116865270A (zh) | 一种含嵌入式直流的柔性互联配电网优化调度方法及系统 | |
US20230344242A1 (en) | Method for automatic adjustment of power grid operation mode base on reinforcement learning | |
CN111553570B (zh) | 基于预测时段划分的月内滚动调度计划优化调整方法 | |
Yang et al. | Tracking-dispatch of a combined wind-storage system based on model predictive control and two-layer fuzzy control strategy | |
CN104836242A (zh) | 地区电网无功优化方法 | |
Panda et al. | Prioritized experience replay based deep distributional reinforcement learning for battery operation in microgrids | |
CN112634076A (zh) | 一种计及灵活性储备的含风电多微网系统分布式调控方法 | |
CN116599060B (zh) | 一种主动配电网一体化调度方法、系统、终端设备及介质 | |
CN113300416B (zh) | 一种电网备用容量配置方法、系统、设备及计算机介质 |
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 |