CN111682531A - 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 - Google Patents

基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 Download PDF

Info

Publication number
CN111682531A
CN111682531A CN202010531040.4A CN202010531040A CN111682531A CN 111682531 A CN111682531 A CN 111682531A CN 202010531040 A CN202010531040 A CN 202010531040A CN 111682531 A CN111682531 A CN 111682531A
Authority
CN
China
Prior art keywords
thermal power
power
wind
day
power generation
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
Application number
CN202010531040.4A
Other languages
English (en)
Other versions
CN111682531B (zh
Inventor
潘永旗
彭道刚
车权
李军
赵慧荣
黄雨薇
万江
刘霜
梁伟
方群会
王丹豪
杨梦雪
朱琪
李建芳
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.)
State Grid Chongqing Electric Power Co Ltd
Shanghai Electric Power University
Original Assignee
State Grid Chongqing Electric Power Co Ltd
Shanghai Electric Power 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 State Grid Chongqing Electric Power Co Ltd, Shanghai Electric Power University filed Critical State Grid Chongqing Electric Power Co Ltd
Priority to CN202010531040.4A priority Critical patent/CN111682531B/zh
Publication of CN111682531A publication Critical patent/CN111682531A/zh
Application granted granted Critical
Publication of CN111682531B publication Critical patent/CN111682531B/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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • H02J3/472—For selectively connecting the AC sources in a particular order, e.g. sequential, alternating or subsets of sources
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • H02S10/10—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power including a supplementary source of electric power, e.g. hybrid diesel-PV energy systems
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • H02S10/10—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power including a supplementary source of electric power, e.g. hybrid diesel-PV energy systems
    • H02S10/12—Hybrid wind-PV energy systems
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
    • 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
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于PL‑IMOCS的风光水火一次能源互补短期优化调度方法和装置，方法包括获取风光火电联合发电系统的各节点信息；依据目标函数和约束条件建立风光火电日前调度模型；根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；根据求得的最优解制定日前发电计划。与现有技术相比，本发明实现风电、光伏发电和水电等可再生能源发电与火电的稳定结合调度，兼顾了低成本和环保效益。

Description

基于PL-IMOCS的风光水火一次能源互补短期优化调度方法和 装置
技术领域
本发明涉及电网调度领域，尤其是涉及一种基于PL-IMOCS的风光水火一次能源互补短期优化调度方法和装置。
背景技术
资源枯竭、环境污染以及全球气候变化等所带来的现实环境难题促使建立在化石能源现代化基础上的能源发展管理方式正亟待转型和调整。可再生清洁能源如何有效地开发利用已成为当今的研究重点，我国目前拥有极其丰富的太阳能和风能资源，风电和太阳能发电技术的能源开发量分别已高达20万亿kWh和110万亿kWh。
然而伴随风电和光伏发电等可再生清洁能源的开发量以及并网利用规模的增长，其并网后更加容易产生大范围的波动性，也会进一步增大全网负荷的峰谷差，以此引发有关电力方面的调峰需求急剧的增加。水电具有启动和关停迅速以及运行灵活等特点，对于电力系统来说是调峰的有效电源，能够保证电力系统安全稳定的运行。
火电作为我国传统的发电能源，截至2019年底，火电在发电能源中占比仍有59.2％，目前还不能实现用可再生能源完全的替代传统能源发电，因此，如何实现风电、光伏发电和水电等可再生能源发电与火电相结合的调度，以期实现在用电成本最低，同时，兼顾环保效益是我们目前亟需研究的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于PL-IMOCS的风光水火一次能源互补短期优化调度方法和装置，降低电网成本，同时提高环保效益。
本发明的目的可以通过以下技术方案来实现：
一种基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，包括如下步骤：
S1、获取风光火电联合发电系统的各节点信息；
S2、依据目标函数和约束条件建立风光火电日前调度模型；
S3、根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；
S4、通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；
S5、根据求得的最优解制定日前发电计划。
进一步地，所述的步骤S4中，基于优先顺序法的改进多目标布谷鸟算法中，以火电厂机组出力经济成本函数和外购电经济成本函数最小为目标，每个鸟窝位置代表火电厂输出功率，初始化每个鸟窝的位置时，利用优先顺序法求得各火电厂机组的优先发电顺序后，优先投入发电顺序靠前的电厂。
进一步地，所述的步骤S4中，模型求解具体包括以下步骤：
S41：根据各火电厂的煤耗量和发电量通过最小二乘法生成煤耗特性曲线，初步统计各火电厂比耗量排序，利用火电厂机组运行参数，求得最小比耗量umin，按umin从小到大排序得到火电厂机组的优先顺序；
S42：初始化鸟窝种群，按优先顺序法将鸟窝初始位置优先分给优先顺序靠前的火电厂，设置鸟窝个数m，给定m个火电厂输出功率搜索域的上下界Ub和Lb，将火电厂机组输出功率组成的搜索序列看成一个鸟窝，设置算法中的基本参数；
S43：计算当前m个鸟窝所对应的火电厂机组目标经济成本函数值，即通过初始的火电厂机组输出功率、已知的风光水输出功率以及外购电情况，求得当前满足火电厂机组发电成本函数和外购电经济成本函数最小的目标函数值；通过非支配排序方法得到目前各火电厂机组发电的最优解；
S44：对目前的迭代次数t进行判断，如果，则转至步骤S45；否则，转至步骤S410；
S45：由于鸟窝的飞行位置会不断更新，针对鸟窝位置采用莱维飞行的原则不断进行修正，更新此刻鸟窝位置并计算目标函数值；
S46：将更新前的鸟窝与更新后产生的鸟窝相结合，利用非支配排序方法所得到的解存入外部档案集，并计算拥挤度来维护外部档案集；
S47：计算布谷鸟被宿主鸟发现并丢弃的概率Pa，针对鸟窝的解随机给定[0,1]之间的数，并将该数与Pa进行对比，得到新的鸟窝位置以及目标函数值；
S48：重复步骤36和S37，直到得到火电厂机组调度出力的Pareto最优解；
S49：不断进行迭代，t＝t+1，转至步骤S44；
S410：输出火电厂机组调度出力的Pareto最优解集。
进一步地，所述的步骤S41中，最小比耗量umin的表达式为：
umin＝aiPGi+bi+ci/PGi
式中，ai,bi,ci为火电厂机组i发电时所产生的成本系数，
Figure BDA0002535420890000031
为各个火电厂机组输出功率的大小。
进一步地，所述的步骤S2中，所述目标函数表达式如下：
Figure BDA0002535420890000032
式中，C为整个电力系统总的发购电成本；Ft为火电厂机组在t时刻总的发电成本，包括排污成本；
Figure BDA0002535420890000033
为火电厂机组在t时刻的输出功率；Et为t时刻外购电成本。
进一步地，所述的步骤S3中，基于互补系统波动性最小的火电日前调度策略模型的目标函数如下式所示：
Figure BDA0002535420890000034
Figure BDA0002535420890000035
PRe,t＝PW,t+PPV,t+PH,t
minD1＝{C+G1}
式中，G1为风光水火互补发电系统出力的波动性；T为在1个调度周期内的总时段数，日前调度取24；Pav为1个调度周期内互补发电系统出力的平均值；D1为总发购电成本以及波动性最小的目标函数；G1为风光水火互补发电系统出力的波动性；C为整个电力系统总的发购电成本；PRe,t为互补系统第t时段内出力大小；PW,t为第t时间段风电场输出功率的大小；PH,t为第t时间段水电站输出功率的大小；PPV,t为第t时间段光伏电站输出功率的大小。
进一步地，所述的步骤S3中，基于互补系统跟踪负荷曲线的火电日前调度策略模型的目标函数如下式所示：
PLeq,t＝PL,t-PRe,t
Figure BDA0002535420890000041
Figure BDA0002535420890000042
minD2＝{C+G2}
式中，PL,t为第t时间段所需求的负荷大小；PRe,t为互补系统第t时段内出力大小；先将负荷PL，t减去互补系统输出功率Pre，t定义为等效负荷Pleq，t；PLeq,av为等效的用电负荷在1个调度周期内的平均值；G2为1个调度周期内等效负荷的波动性；D2为总发购电成本最小以及跟踪负荷曲线最优的目标函数；G2为1个调度周期内等效负荷的波动性；C为整个电力系统总的发购电成本。
进一步地，所述的步骤S2中，所述约束条件包括火电厂机组的出力约束、电力平衡约束、爬坡约束、旋转备用量约束，以及火电厂机组最小启停时间约束。
一种基于PL-IMOCS的风光水火一次能源互补短期优化调度装置，包括处理器和存储器，处理器调用存储器中的程序实现以下步骤：
S1、获取风光火电联合发电系统的各节点信息；
S2、依据目标函数和约束条件建立风光火电日前调度模型；
S3、根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；
S4、通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；
S5、根据求得的最优解制定日前发电计划。
进一步地，所述的步骤S4中，基于优先顺序法的改进多目标布谷鸟算法中，以火电厂机组出力经济成本函数和外购电经济成本函数最小为目标，每个鸟窝位置代表火电厂输出功率，初始化每个鸟窝的位置时，利用优先顺序法求得各火电厂机组的优先发电顺序后，优先投入发电顺序靠前的电厂。
与现有技术相比，本发明具有以下有益效果：
1、本发明的调度方法在保证有效接纳风电和光伏发电并保证全消纳的基础上，更是有效地减少了火电的发电成本以及外购电成本，其中，火电发电成本包括了火电环境排污成本，在降低了用电成本的同时，更保障了环保效益。
2、本发明基于风光水火组成联合发电系统，针对其在时空上的互补特性，有效减少了对电力系统稳定性的影响。
3、本发明提出了于互补系统波动性最小，以及基于互补系统跟踪负荷曲线最优的两种优化调度策略，使得可再生清洁能源优先发电上网，风电和光伏发电并网后被全额消纳，水电作为平抑风电和光伏发电并网产生波动的手段，剩余负荷部分由火电厂机组承担，减小了风电和光伏发电并网时的波动对电网产生的冲击。
附图说明
图1为本发明中互补系统联合运行示意图。
图2为本发明中多目标布谷鸟算法的理想描述规则图。
图3为本发明中改进的多目标布谷鸟算法流程图。
图4为本发明中基于优先顺序法的改进布谷鸟算法求解流程图。
图5为实例验证中基于波动性最小的火电日前调度计划。
图6为实例中互补系统波动性最小经济成本优化过程。
图7为实例中跟踪负荷曲线最优的火电日前调度计划。
图8为实例中跟踪负荷曲线最优经济成本优化过程。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供了一种基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，包括如下步骤：
步骤S1、获取风光火电联合发电系统的各节点信息；
步骤S2、依据目标函数和约束条件建立风光火电日前调度模型；
步骤S3、根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；
步骤S4、通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；
步骤S5、根据求得的最优解制定日前发电计划。
一、步骤S2的原理和展开如下：
由于风电和光伏发电两者之间在时间和空间上具有一定的互补协调特性，而水力发电系统具有良好的调节性能，能够有效地平抑风电和光伏在接入电力系统时所产生的波动性。火电作为承担基荷的能源，常用于调峰调频。将风电、光伏、水电以及火电看成一个综合发电系统，构成一个含风光水火互补的发电系统，并通过制定相应的风光水火互补系统调度策略使得各可再生清洁能源的发电更加平稳可控。风光水火互补发电系统一方面可以直接供电给负载使用，也可并入电网进行统一调度供电。风光水火互补发电系统的联合运行图如图1所示。
风电、光伏、水电和火电根据自身发电特性形成互补系统后，由于火电机组依然是电力供应的主力。火电机组在总电力供应中所占比重大，为使火电机组经济运行，在电网调度中，通常希望火电承担基本负荷，同时减少调频和调峰任务。总体来说，火电属于稳定电源，对考虑时空特征的风光水等清洁能源发电调度起到支撑作用，能够平抑新能源发电的随机波动性对电网的冲击，保障电力的安全供应和电力系统的稳定运行。目标函数包括火电厂机组发购电成本函数，其中，发电成本函数还包括环境污染惩罚成本。也就是说，火电厂机组经济调度发电成本函数F包括两个部分，除火力发电经济成本外，还包括环境排污成本
Figure BDA0002535420890000061
Figure BDA0002535420890000062
其中：
Figure BDA0002535420890000063
Figure BDA0002535420890000064
Figure BDA0002535420890000065
Figure BDA0002535420890000066
Figure BDA0002535420890000067
式中，F为火电厂机组经济调度发电成本函数；T为调度的周期；N1为火电厂机组的数量；
Figure BDA0002535420890000068
为发电所消耗的煤耗量成本；
Figure BDA0002535420890000069
为各个火电厂机组输出功率的大小；Si为各个火电厂机组启动和停机成本；ui为各火电厂机组启动和停机状态，1为启动，0为停机；
Figure BDA00025354208900000610
为环境排污成本；HEP为产生的环境污染惩罚系数；
Figure BDA0002535420890000071
为火电厂机组i的输出功率为
Figure BDA0002535420890000072
时的排污量；ai,bi,ci为火电厂机组i发电时所产生的成本系数；αi，βi，γi为机组单位出力排污系数。
当发电量不能满足用电需求负荷时，此时需要向外网购电，外购电成本E可以用下式的数学表达式来表达：
Figure BDA0002535420890000073
式中，θt为t时间段每度电的外购电价；Ht为t时间段外购电的总电量。
假设在周期T内电力系统中包含N个火电厂机组，外购电量为H，可以得到进行电力系统调度时的目标函数，可见下式:
Figure BDA0002535420890000074
式中，C为整个电力系统总的发购电成本；Ft为火电厂机组在t时刻总的发电成本(包括排污成本)；
Figure BDA0002535420890000075
为火电厂机组在t时刻的输出功率；Et为t时刻外购电成本。
电力系统中，满足电力平衡的条件如下：
Figure BDA0002535420890000076
式中：PL,t、PW,t、PH,t、PPV,t和PPC,t分别为第t时间段所需求的负荷、风电输出功率、水电输出功率、光伏输出功率和外购电功率大小。
火电厂机组输出功率的大小应按照各火电厂机组型号严格控制在发电的上下限内，可以表示为：
Figure BDA0002535420890000077
式中，
Figure BDA0002535420890000078
为第i台火电厂机组的最大输出功率；
Figure BDA0002535420890000079
为第i台火电厂机组的最小输出功率。
在制定和安排火电厂机组的发电计划时必须充分考虑各台机组的发电特性以及爬坡约束，定火电厂机组上升和下降爬坡率相等，即：
Figure BDA00025354208900000710
Figure BDA00025354208900000711
Figure BDA00025354208900000712
式中，δGiup和δGidown为火电厂机组i在单位时间内上升和下降的最大功率；δGi为火电厂机组i的爬坡率上下限数值。
正旋转备用容量：
Figure BDA0002535420890000081
负旋转备用容量：
Figure BDA0002535420890000082
式中，lu％和ld％为需求负荷高于和低于预期的占比；pd1％和pu1％为风电输出功率可能低于和高于预期输出功率的占比，pd2％和pu2％为光伏发电输出功率可能低于和高于预期输出功率的占比，UGi和DGi为第i台火电厂机组向上增发和向下减发的功率(MW·h-1)。
在进行调度时需要充分考虑各火电厂机组的启停时间约束，见下式所示：
(Xi on(t-1)-Ti on)·(Ui(t-1)-Ui(t))≥0
(Xi off(t-1)-Ti off)·(Ui(t)-Ui(t-1))≥0
式中，Xi on(t)和Xi off(t)为火电厂机组i在t时刻已经持续运行和停机的时间；Ti on和Ti off为火电厂机组i最小的运行和停机时间。
二、步骤S3的原理和展开如下：
优化调度包含了机组优先顺序、负荷预测、风光功率预测以及火力发电计划等。基于可再生清洁能源优先发电上网，风电和光伏发电并网后被全额消纳，水电作为平抑风电和光伏发电并网产生波动的手段，剩余负荷部分由火电厂机组承担。在含风光水火互补系统的火电日前优化调度模型的基础上，提出互补系统波动性最小以及互补系统跟踪负荷曲线最优两种优化调度策略，以期尽量的减小风电和光伏发电并网时的波动对电网产生的冲击。在风光水火互补系统调度已知的情况下，本实施例中制定了基于互补系统波动性最小的火电日前调度和基于互补系统跟踪负荷曲线的火电日前调度两种优化运行策略。
(1)基于互补系统波动性最小的火电日前调度策略模型的目标函数如下式所示：
Figure BDA0002535420890000083
Figure BDA0002535420890000084
PRe,t＝PW,t+PPV,t+PH,t
minD1＝{C+G1}
式中，G1为风光水火互补发电系统出力的波动性；T为在1个调度周期内的总时段数，日前调度取24；Pav为1个调度周期内互补发电系统出力的平均值；D1为总发购电成本以及波动性最小的目标函数；G1为风光水火互补发电系统出力的波动性；C为整个电力系统总的发购电成本；PRe,t为互补系统第t时段内出力大小；PW,t为第t时间段风电场输出功率的大小；PH,t为第t时间段水电站输出功率的大小；PPV,t为第t时间段光伏电站输出功率的大小。
(2)基于互补系统跟踪负荷曲线的火电日前调度策略模型的目标函数如下式所示：
PLeq,t＝PL,t-PRe,t
Figure BDA0002535420890000091
Figure BDA0002535420890000092
minD2＝{C+G2}
式中，PLeq,av为等效的用电负荷在1个调度周期内的平均值；G2为1个调度周期内等效负荷的波动性；D2为总发购电成本最小以及跟踪负荷曲线最优的目标函数；G2为1个调度周期内等效负荷的波动性；C为整个电力系统总的发购电成本；PL,t为第t时间段所需求的负荷大小；PRe,t为互补系统第t时段内出力大小；先将负荷PL，t减去互补系统输出功率Pre，t定义为等效负荷Pleq，t。
二、步骤S4的原理和展开如下：
本实施例将动态发现概率和步长融入到算法中，利用遗传算法(NSGA-II)的非支配排序思想以及拥挤距离维护外部档案集等方法加入到算法中，以此提出了一种改进的多目标布谷鸟算法。
(1)IMOCS理想化的规则
针对多目标优化问题，如目标数为k个，我们会对IMOCS(多目标布谷鸟)算法提出相应的假设，多目标的三个理想化地描述规则如图2所示：
(2)改进的多目标布谷鸟算法
算法改进的主要部分是将动态概率pa和步长α两个参数设置为变量，并将非支配排序策略以及外部档案集的维护作为改进的方法融入到传统布谷鸟算法中。
I、动态发现概率和步长
在传统的多目标布谷鸟算法中，会将这两个参数设置为固定值，本实施例中将参数pa的和α设置为随迭代次数变化而发生改变的动态变量，以此加快收敛速度和收敛精度。具体公式如下：
Figure BDA0002535420890000101
α(t)＝αmaxexp(c.t)
Figure BDA0002535420890000102
式中，g为该改进的多目标布谷鸟算法的所有迭代次数；t为改进的多目标布谷鸟算法中布谷鸟当前已经进化的代数；pa,min,pa,max为pa的相关控制参数；αmin,αmax为α的相关控制参数。
II、非支配排序策略以及外部档案集的维护
将NSGA-II算法的非支配排序策略与传统多目标布谷鸟算法相结合，会得到相应的非支配解并存入外部档案集，最终通过计算拥挤距离来维护外部档案集。
综上所述，改进的多目标布谷鸟算法的程序流程图如图3所示。
以火电厂机组出力经济成本函数和外购电经济成本函数最小为目标，每个鸟窝位置都代表火电厂输出功率，初始化每个鸟窝的位置时，利用优先顺序法求得各火电厂机组的优先发电顺序后，优先投入发电顺序靠前的电厂。每个鸟窝包含m个火电厂24个时段的输出功率，其中给定火电厂输出功率的上下限，在满足电力平衡约束的条件下，还需要满足爬坡约束以及火电厂机组启停时间约束等约束条件。详细的流程图如图4所示，也就是说步骤S4具体步骤如下：
步骤S41：根据各火电厂的煤耗量和发电量通过最小二乘法生成煤耗特性曲线，初步统计各火电厂比耗量排序，利用火电厂机组运行参数，求得最小比耗量umin，按umin从小到大排序得到火电厂机组的优先顺序；
步骤S42：初始化鸟窝种群，按优先顺序法将鸟窝初始位置优先分给优先顺序靠前的火电厂，设置鸟窝个数m，给定m个火电厂输出功率搜索域的上下界Ub和Lb，将火电厂机组输出功率组成的搜索序列看成一个鸟窝，设置算法中的基本参数；
步骤S43：计算当前m个鸟窝所对应的火电厂机组目标经济成本函数值，即通过初始的火电厂机组输出功率、已知的风光水输出功率以及外购电情况，求得当前满足火电厂机组发电成本函数和外购电经济成本函数最小的目标函数值；通过非支配排序方法得到目前各火电厂机组发电的最优解；
步骤S44：对目前的迭代次数t进行判断，如果t≤gen，则转至步骤S45；否则，转至步骤S410；
步骤S45：由于鸟窝的飞行位置会不断更新，针对鸟窝位置采用莱维飞行的原则不断进行修正，更新此刻鸟窝位置并计算目标函数值；
步骤S46：将更新前的鸟窝与更新后产生的鸟窝相结合，利用非支配排序方法所得到的解存入外部档案集，并计算拥挤度来维护外部档案集；
步骤S47：计算布谷鸟被宿主鸟发现并丢弃的概率Pa，针对鸟窝的解随机给定[0,1]之间的数，并将该数与Pa进行对比，得到新的鸟窝位置以及目标函数值；
步骤S48：重复步骤36和S37，直到得到火电厂机组调度出力的Pareto最优解；
步骤S49：不断进行迭代，t＝t+1，转至步骤S44；
步骤S410：输出火电厂机组调度出力的Pareto最优解集。
其中，优先顺序法(PL)是指根据火电厂机组经济性的优先顺序进行排序，火电厂机组的经济性由火电厂机组的最小比耗量来决定，火火电厂机组比耗量见下式：
Figure BDA0002535420890000111
式中，F(P)为火电厂机组燃料的消耗量；P为火电厂机组的输出功率。
在步骤S41中，火电厂机组最小比耗量umin如下式所示：
umin＝aiPGi+bi+ci/PGi
将计算的各火电厂机组的umin按照从小到大顺序进行排列，umin的值越小，其代表的火电厂机组的经济性越好，优先选取umin小的火电厂机组发电。
四、仿真验证
(1)基于互补系统波动性最小的火电日前调度策略
对风光水火互补发电系统的火电日前调度模型进行优化调度仿真，采用改进的多目标布谷鸟算法求解此模型，在Matlab2014a环境下编程，仿真参数如表1所示。
表1仿真参数设置
Figure BDA0002535420890000112
火电厂机组次日24h的发电计划如图5所示。从图5的调度结果可知，调度结果基本保持了与传统的经济调度相同的特性，即火电厂机组的发电输出功率与其实际承担的等效负荷变化趋势一致，且由于等效负荷的需求不同，各个火电厂机组启动和关停的状态也不一致。
互补系统波动性最小的经济成本优化过程如图6所示。互补系统波动性最小的经济成本优化最优解如表2所示。
表2 NSGA-II与PL-IMOCS算法结果比较
Figure BDA0002535420890000121
由图6和表2可知，使用PL-IMOCS算法求解最低经济成本为5339760元，使用NSGA-II算法求解最低经济成本为5355930元。
由以上结果可知，PL-IMOCS算法最优解较优于NSGA-II算法的最优解，结果证明PL-IMOCS算法相比于传统的NSGA-II算法在寻求最优解上能够有效提高准确性，使用PL-IMOCS模型求解风光水火互补系统波动性最小的火电日前调度模型，使火电厂的发电经济成本以及外购电成本减少的同时，更是保证了互补系统的波动性更小，能够有效保证电力系统的稳定运行。
(2)基于互补系统跟踪负荷曲线的火电日前调度策略
基于风光水火互补系统的火电日前调度模型采用基于优先顺序法的改进多目标布谷鸟算法求解，各火电厂机组次日24h的发电计划如图7所示。
由图7的调度结果可知，由于水电具有较好的平抑风电与光伏发电并网所产生较大波动性的能力，当电力调度部门制定相关调度计划时，风电和光伏发电依据预测的输出功率满发入网后，不仅没有明显的波动，反而是依据风光水发电系统的运行方式有效的帮助火电厂机组进行削峰填谷，使得各台火电厂机组输出功率变得更加平稳可靠。
互补系统跟踪负荷曲线最优的经济成本优化过程如图8所示。互补系统跟踪负荷曲线最优的经济成本优化最优解如表3所示。
表3 NSGA-II与PL-IMOCS算法结果比较
Figure BDA0002535420890000122
由图8和表3可知，使用PL-IMOCS算法求解最低经济成本为5425630元，使用NSGA-II算法求解最低经济成本为5443570元。
由以上结果可知，PL-IMOCS算法最优解较优于NSGA-II算法的最优解，结果证明PL-IMOCS算法相比于传统的NSGA-II算法在寻求最优解的问题上效果更好。使用PL-IMOCS算法求解风光水火互补发电系统跟踪负荷曲线的火电日前调度模型，使得火电厂的发电经济成本以及外购电成本得到明显减少的同时，更是有效保证了风光水火互补发电系统跟踪负荷曲线最优的性能。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，包括如下步骤：
S1、获取风光火电联合发电系统的各节点信息；
S2、依据目标函数和约束条件建立风光火电日前调度模型；
S3、根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；
S4、通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；
S5、根据求得的最优解制定日前发电计划。
2.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S4中，基于优先顺序法的改进多目标布谷鸟算法中，以火电厂机组出力经济成本函数和外购电经济成本函数最小为目标，每个鸟窝位置代表火电厂输出功率，初始化每个鸟窝的位置时，利用优先顺序法求得各火电厂机组的优先发电顺序后，优先投入发电顺序靠前的电厂。
3.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S4中，模型求解具体包括以下步骤：
S41：根据各火电厂的煤耗量和发电量通过最小二乘法生成煤耗特性曲线，初步统计各火电厂比耗量排序，利用火电厂机组运行参数，求得最小比耗量umin，按umin从小到大排序得到火电厂机组的优先顺序；
S42：初始化鸟窝种群，按优先顺序法将鸟窝初始位置优先分给优先顺序靠前的火电厂，设置鸟窝个数m，给定m个火电厂输出功率搜索域的上下界Ub和Lb，将火电厂机组输出功率组成的搜索序列看成一个鸟窝，设置算法中的基本参数；
S43：计算当前m个鸟窝所对应的火电厂机组目标经济成本函数值，即通过初始的火电厂机组输出功率、已知的风光水输出功率以及外购电情况，求得当前满足火电厂机组发电成本函数和外购电经济成本函数最小的目标函数值；通过非支配排序方法得到目前各火电厂机组发电的最优解；
S44：对目前的迭代次数t进行判断，如果t≤gen，则转至步骤S45；否则，转至步骤S410；
S45：由于鸟窝的飞行位置会不断更新，针对鸟窝位置采用莱维飞行的原则不断进行修正，更新此刻鸟窝位置并计算目标函数值；
S46：将更新前的鸟窝与更新后产生的鸟窝相结合，利用非支配排序方法所得到的解存入外部档案集，并计算拥挤度来维护外部档案集；
S47：计算布谷鸟被宿主鸟发现并丢弃的概率Pa，针对鸟窝的解随机给定[0,1]之间的数，并将该数与Pa进行对比，得到新的鸟窝位置以及目标函数值；
S48：重复步骤36和S37，直到得到火电厂机组调度出力的Pareto最优解；
S49：不断进行迭代，t＝t+1，转至步骤S44；
S410：输出火电厂机组调度出力的Pareto最优解集。
4.根据权利要求3所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S41中，最小比耗量umin的表达式为：
umin＝aiPGi+bi+ci/PGi
式中，ai,bi,ci为火电厂机组i发电时所产生的成本系数，
Figure FDA0002535420880000021
为各个火电厂机组输出功率的大小。
5.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S2中，所述目标函数表达式如下：
Figure FDA0002535420880000022
式中，C为整个电力系统总的发购电成本；Ft为火电厂机组在t时刻总的发电成本，包括排污成本；
Figure FDA0002535420880000023
为火电厂机组在t时刻的输出功率；Et为t时刻外购电成本。
6.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S3中，基于互补系统波动性最小的火电日前调度策略模型的目标函数如下式所示：
Figure FDA0002535420880000024
Figure FDA0002535420880000025
PRe,t＝PW,t+PPV,t+PH,t
minD1＝{C+G1}
式中，G1为风光水火互补发电系统出力的波动性；T为在1个调度周期内的总时段数，日前调度取24；Pav为1个调度周期内互补发电系统出力的平均值；D1为总发购电成本以及波动性最小的目标函数；G1为风光水火互补发电系统出力的波动性；C为整个电力系统总的发购电成本；PRe,t为互补系统第t时段内出力大小；PW,t为第t时间段风电场输出功率的大小；PH,t为第t时间段水电站输出功率的大小；PPV,t为第t时间段光伏电站输出功率的大小。
7.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S3中，基于互补系统跟踪负荷曲线的火电日前调度策略模型的目标函数如下式所示：
PLeq,t＝PL,t-PRe,t
Figure FDA0002535420880000031
Figure FDA0002535420880000032
minD2＝{C+G2}
式中，PL,t为第t时间段所需求的负荷大小；PRe,t为互补系统第t时段内出力大小；先将负荷PL，t减去互补系统输出功率Pre，t定义为等效负荷Pleq，t；PLeq,av为等效的用电负荷在1个调度周期内的平均值；G2为1个调度周期内等效负荷的波动性；D2为总发购电成本最小以及跟踪负荷曲线最优的目标函数；G2为1个调度周期内等效负荷的波动性；C为整个电力系统总的发购电成本。
8.根据权利要求1所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度方法，其特征在于，所述的步骤S2中，所述约束条件包括火电厂机组的出力约束、电力平衡约束、爬坡约束、旋转备用量约束，以及火电厂机组最小启停时间约束。
9.一种基于PL-IMOCS的风光水火一次能源互补短期优化调度装置，包括处理器和存储器，其特征在于，处理器调用存储器中的程序实现以下步骤：
S1、获取风光火电联合发电系统的各节点信息；
S2、依据目标函数和约束条件建立风光火电日前调度模型；
S3、根据风光火电日前调度模型制定基于互补系统波动性最小的火电日前调度策略模型，或基于互补系统跟踪负荷曲线的火电日前调度策略模型；
S4、通过基于优先顺序法的改进多目标布谷鸟算法对基于互补系统波动性最小的火电日前调度策略模型进行求解，或者对基于互补系统跟踪负荷曲线的火电日前调度策略模型进行求解；
S5、根据求得的最优解制定日前发电计划。
10.根据权利要求9所述的基于PL-IMOCS的风光水火一次能源互补短期优化调度装置，其特征在于，所述的步骤S4中，基于优先顺序法的改进多目标布谷鸟算法中，以火电厂机组出力经济成本函数和外购电经济成本函数最小为目标，每个鸟窝位置代表火电厂输出功率，初始化每个鸟窝的位置时，利用优先顺序法求得各火电厂机组的优先发电顺序后，优先投入发电顺序靠前的电厂。
CN202010531040.4A 2020-06-11 2020-06-11 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 Active CN111682531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010531040.4A CN111682531B (zh) 2020-06-11 2020-06-11 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010531040.4A CN111682531B (zh) 2020-06-11 2020-06-11 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置

Publications (2)

Publication Number Publication Date
CN111682531A true CN111682531A (zh) 2020-09-18
CN111682531B CN111682531B (zh) 2023-06-27

Family

ID=72435729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010531040.4A Active CN111682531B (zh) 2020-06-11 2020-06-11 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置

Country Status (1)

Country Link
CN (1) CN111682531B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112467807A (zh) * 2020-12-14 2021-03-09 东北电力大学 一种多能源电力系统日前优化调度方法及系统
CN113111577A (zh) * 2021-04-01 2021-07-13 燕山大学 基于多目标布谷鸟搜索的水泥磨运行指标决策方法
CN115511386A (zh) * 2022-11-09 2022-12-23 武汉大学 基于多目标混合非洲秃鹫优化算法的多能系统调度方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701871A (zh) * 2015-02-13 2015-06-10 国家电网公司 一种含风光水多源互补微网混合储能容量最佳配比方法
CN106385048A (zh) * 2015-07-29 2017-02-08 华北电力大学（保定） 一种风光蓄一体化调度策略
CN106992556A (zh) * 2017-05-24 2017-07-28 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
CN107317355A (zh) * 2017-07-04 2017-11-03 中国矿业大学 一种抽蓄电站联合风光互补系统及其优化方法
CN108471139A (zh) * 2018-04-27 2018-08-31 国网天津市电力公司 一种含新能源和温控负荷的区域电网动态需求响应方法
CN109936170A (zh) * 2019-04-08 2019-06-25 东北电力大学 考虑电源灵活性裕度的风光水火互补协调优化调度方法
CN110429667A (zh) * 2019-09-06 2019-11-08 国网甘肃省电力公司经济技术研究院 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701871A (zh) * 2015-02-13 2015-06-10 国家电网公司 一种含风光水多源互补微网混合储能容量最佳配比方法
CN106385048A (zh) * 2015-07-29 2017-02-08 华北电力大学（保定） 一种风光蓄一体化调度策略
CN106992556A (zh) * 2017-05-24 2017-07-28 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
CN107317355A (zh) * 2017-07-04 2017-11-03 中国矿业大学 一种抽蓄电站联合风光互补系统及其优化方法
CN108471139A (zh) * 2018-04-27 2018-08-31 国网天津市电力公司 一种含新能源和温控负荷的区域电网动态需求响应方法
CN109936170A (zh) * 2019-04-08 2019-06-25 东北电力大学 考虑电源灵活性裕度的风光水火互补协调优化调度方法
CN110429667A (zh) * 2019-09-06 2019-11-08 国网甘肃省电力公司经济技术研究院 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
明波: "大规模水光互补系统全生命周期协同运行研究", 《中国优秀硕士学位论文数据库》 *
盛四清: "风电-碳捕集电厂联合运行的电力系统优化调度", 《电测与仪表》 *
高叶军: "基于布谷鸟算法的含风电场电力调度研究", 《中国优秀硕士学位论文数据库》 *
高峰: "独立风/光/储混合微电网多目标电源容量优化配置", 《智能电网》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112467807A (zh) * 2020-12-14 2021-03-09 东北电力大学 一种多能源电力系统日前优化调度方法及系统
CN112467807B (zh) * 2020-12-14 2022-05-17 东北电力大学 一种多能源电力系统日前优化调度方法及系统
CN113111577A (zh) * 2021-04-01 2021-07-13 燕山大学 基于多目标布谷鸟搜索的水泥磨运行指标决策方法
CN115511386A (zh) * 2022-11-09 2022-12-23 武汉大学 基于多目标混合非洲秃鹫优化算法的多能系统调度方法
CN115511386B (zh) * 2022-11-09 2023-04-07 武汉大学 基于多目标混合非洲秃鹫优化算法的多能系统调度方法

Also Published As

Publication number Publication date
CN111682531B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN112039056A (zh) 一种新能源两阶段优化调度方法
CN112465181A (zh) 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN108039737B (zh) 一种源网荷协调运行模拟系统
CN105337415A (zh) 一种基于预测控制的地区电网调度系统及其方法
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN111160636B (zh) 一种cchp型微电网调度优化方法
CN109412158A (zh) 一种考虑弃能成本约束的送端电网机组组合运行控制方法
CN111740408B (zh) 一种基于鲁棒随机模型的光热电站最优报价决策方法
CN110854933A (zh) 利用灵活性资源的月度机组组合优化方法
CN108009672B (zh) 基于双层优化模型的水光互补电站日发电计划编制方法
CN108683188A (zh) 考虑环境价值及调峰充裕度的多目标风电接纳水平优化
CN112001523A (zh) 考虑多种储能的综合能源多尺度优化调度控制方法及系统
CN117239740B (zh) 一种虚拟电厂系统的优化配置与灵活性提升方法及系统
CN114021361A (zh) 一种含蓄热电锅炉负荷的多时间尺度优化调度方法及系统
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源系统调度优化方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
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
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
CN112884191A (zh) 一种基于网源协调的热电日前调度模型及计算方法

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