CN111786421A - 电网调度方法及装置 - Google Patents

电网调度方法及装置 Download PDF

Info

Publication number
CN111786421A
CN111786421A CN202010761954.XA CN202010761954A CN111786421A CN 111786421 A CN111786421 A CN 111786421A CN 202010761954 A CN202010761954 A CN 202010761954A CN 111786421 A CN111786421 A CN 111786421A
Authority
CN
China
Prior art keywords
unit
scene
power
new energy
determining
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
CN202010761954.XA
Other languages
English (en)
Other versions
CN111786421B (zh
Inventor
张晗
王秀丽
宋锐
吴雄
王学斌
李湃
杨军
黄越辉
卢国强
肖明
丁玉杰
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 Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Xian Jiaotong University
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Xian Jiaotong University
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
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 Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Xian Jiaotong University, State Grid Qinghai Electric Power Co Ltd, Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010761954.XA priority Critical patent/CN111786421B/zh
Publication of CN111786421A publication Critical patent/CN111786421A/zh
Application granted granted Critical
Publication of CN111786421B publication Critical patent/CN111786421B/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
    • H02J3/46—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
    • 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
    • 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
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (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

本申请公开了一种电网调度方法及装置。该方法包括：基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值。通过本申请，解决了相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题。

Description

电网调度方法及装置
技术领域
本申请涉及电力系统调度运行技术领域，具体而言，涉及一种电网调度方法及装置。
背景技术
相较于常规能源，风电、光伏等新能源的输出功率具有随机性、间歇性的特点，新能源的大规模并网发电为电网调度运行与控制带来了新的挑战。
为实现构建安全稳定经济清洁的现代能源产业体系，电力系统调度运行策略需要做出改变以适应新能源出力的随机性与波动性，如何充分利用可调节的发电资源，采用合适的市场化手段，在保证电网安全、可靠运行的基础上，尽可能的发挥新能源的作用，增大新能源消纳量，是电力系统调度运行与控制领域的关键。
相关技术中出现了针对电力系统调度运行与控制的两阶段随机规划调度方法，其指考虑了发电机组的开启、关停具有时间上的延续性而无法实时响应，认为机组组合及其后续调度问题形成多时间尺度的关联决策问题。但是，目前常用的两阶段随机规划调度方法都是以最小化包括机组启停成本和发电运行成本在内的总成本为目标，决定机组组合方式与各时刻机组的有功调度值。而考虑到电力市场的快速发展，如何在市场环境下充分调用发电资源，采用市场化手段促进新能源发电量的消纳，建立考虑电量市场化交易的两阶段随机规划调度模型成为需要突破的难点
针对相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供一种电网调度方法及装置，以解决相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题。
根据本申请的一个方面，提供了一种电网调度方法。该方法包括：基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值。
可选地，基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景包括：对每个新能源电厂建立对应的预测输出功率的模型，并基于模型生成新能源电厂的出力初始场景，其中，出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；采用同步回代缩减算法对每个新能源电厂的出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；对多个新能源电厂的修正初始场景进行联合，得到电网运行场景。
可选地，以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划包括：基于第一目标函数和第一约束条件确定机组组合模型，其中，第一目标函数以最小开机停机成本为目标，机组组合模型的待求解量为目标机组在目标时刻的状态变量，状态变量表征开机状态或停机状态；求解机组组合模型，得到电网运行场景的各个机组在各个时刻的状态变量，并由各个机组在各个时刻的状态变量确定开机停机计划。
可选地，基于第一目标函数和第一约束条件确定机组组合模型包括：确定第一目标函数为：
Figure BDA0002613328340000021
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，ui,t为第t时刻机组i的状态变量，SUi,t是第t时刻机组i的启停成本；
确定第一约束条件为：
Figure BDA0002613328340000022
其中，电网调度方法及装置i,t-1为机组i在t-1时段已运行时间或停运时间,
Figure BDA0002613328340000023
为机组i的最小开机时间，
Figure BDA0002613328340000024
为机组i的最小停机时间；
基于第一目标函数和第一约束条件确定机组组合模型。
可选地，以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值包括：基于第二目标函数和第二约束条件确定调度模型，其中，第二目标函数以最小开机停机成本为目标，调度模型的待求解量为目标场景下目标时刻目标机组对应的状态变量、有功调度值、交易违约电量，以及各场景下各时刻各新能源机组对应的弃电量；求解调度模型，得到在开机停机计划下电网运行场景的各个机组的有功调度值。
可选地，基于第二目标函数和第二约束条件确定调度模型包括：确定第二目标函数为：
Figure BDA0002613328340000031
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，SUi,t是第t时刻机组i的启停成本，πs是场景s对应的概率，n为场景的个数,s代表第s个场景，Fs为场景s下的综合成本；
Figure BDA0002613328340000032
其中，Gw是新能源电厂数；w是第w个新能源电厂；
Figure BDA0002613328340000033
是弃电成本；
Figure BDA0002613328340000034
是场景s下新能源电厂w的弃电量；
Figure BDA0002613328340000035
是交易电量违约成本；N是电厂的数量；i是第i个新能源电厂；
Figure BDA0002613328340000036
是场景s下电厂i的交易违约电量；K是省间交易笔数，k是第k笔交易；
Figure BDA0002613328340000037
是场景s下机组k在t时段的省间交易成本；
Figure BDA0002613328340000038
是场景s下机组i在t时段的辅助服务补偿成本；f(Pi,t,s)是场景s下机组i在t时段的火电发电成本；
确定第二约束条件为：
日电量偏差约束：
Figure BDA0002613328340000039
其中，Pi,t,s为场景s下电厂i在t时段的有功调度值，Δt为T个研究时段，θi为电厂i在时段T内的合同分解电量，
Figure BDA00026133283400000310
为场景s下电厂i超出交易电量的发电量；
新能源弃电约束：
Figure BDA00026133283400000311
其中，
Figure BDA00026133283400000312
为在场景s下新能源电厂w的最大发电量，
Figure BDA00026133283400000313
为场景s下新能源电厂w的弃电量；
省内外功率平衡约束：
Figure BDA00026133283400000314
其中dt为时段t的系统负荷电量，
Figure BDA00026133283400000315
为场景s下机组k在t时段的省间交易电量；
辅助服务约束：
Figure BDA00026133283400000316
其中Ci为机组i的发电容量；
基于第二目标函数和第二约束条件确定调度模型。
根据本申请的另一方面，提供了一种电网调度装置。该装置包括：第一确定单元，用于基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；第二确定单元，用于以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；第三确定单元，用于以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值。
可选地，第一确定单元包括：预测模块，用于对每个新能源电厂建立对应的预测输出功率的模型，并基于模型生成新能源电厂的出力初始场景，其中，出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；缩减模块，用于采用同步回代缩减算法对每个新能源电厂的出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；联合模块，用于对多个新能源电厂的修正初始场景进行联合，得到电网运行场景。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种电网调度方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种电网调度方法。
通过本申请，采用以下步骤：基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值，解决了相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题。进而达到了在电网调度运行与控制的过程中使用最低的成本使新能源消纳量最大的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的电网调度方法的流程图；
图2是根据本申请实施例提供的另一种电网调度方法的流程图；以及
图3是根据本申请实施例提供的电网调度装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请的实施例，提供了一种电网调度方法。
图1是根据本申请实施例的电网调度方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景。
具体地，可以模拟未来可能的新能源输出功率及概率，完成各新能源电厂出力场景的生成与场景的缩减，从而得到用于调度决策的电网运行场景。
可选地，在本申请实施例提供的电网调度方法中，基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景包括：对每个新能源电厂建立对应的预测输出功率的模型，并基于模型生成新能源电厂的出力初始场景，其中，出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；采用同步回代缩减算法对每个新能源电厂的出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；对多个新能源电厂的修正初始场景进行联合，得到电网运行场景。
具体地，确定电网运行场景包括以下步骤：
a，对于每个新能源电厂建立预测输出功率的自回归滑动平均(ARMA)估计模型，生成各单电厂出力初始场景。
其中，评估模型数学表达为：
Figure BDA0002613328340000061
其中，pgw t为新能源电厂gw预测跨度为t个时段的预测输出功率，
Figure BDA0002613328340000062
为新能源电厂gw预测跨度为t-i个时段的预测输出功率；p、q分别为ARMA模型自回归和滑动平均部分的阶数；αi、βj为通过估计得到的模型参数；ε为服从均值为0,方差为2σ的高斯分布的白噪声，εt为对应t时刻的白噪声值，εt-j为对应t-j时刻的白噪声值。
每个估计模型的输入为对应新能源电厂历史输出功率数据，模型随机产生该新能源电厂预测跨度为T个时段的Ns个输出功率初始场景，每个场景的发生概率为1/Ns。
b，针对步骤a产生的单电厂出力初始场景，采用同步回代缩减算法进行场景缩减。
其中，同步回代缩减算法模型输入为步骤a产生的单电厂出力初始场景，目标函数为
Figure BDA0002613328340000063
其中J为场景缩减过程中被消去的场景集合；pi为场景i发生的概率，
Figure BDA0002613328340000064
为场景i与场景j之间的概率距离，
Figure BDA0002613328340000065
为新能源电厂gw的场景i的预测输出功率，
Figure BDA0002613328340000066
为新能源电厂gw的场景j的预测输出功率。
场景缩减步骤如下：
(1)迭代次数k＝0，置初始场景集合J(0)为空集；
(2)计算第k次迭代删除的场景lk，使得l取值lk时，缩减目标
Figure BDA0002613328340000067
取得最小值，其中，l为删除的场景，J(k)为第k次迭代后被削去的所有场景集合，J(k-1)为第k-1次迭代后被削去的所有场景集合，{lk}为第k次迭代被删除的场景集合；
(3)J(k)＝J(k-1)∪{lk},k＝k+1；
(4)若k<J，返回(2)，否则(5)，其中，J为迭代次数；
(5)J＝J(k)，修正保留下来的场景j的概率为其原先概率pj和它替代掉的所有被删除场景概率的和。
经过上述缩减后，即得到各个新能源电厂最有可能发生的输出功率预测场景N个。
c，考虑各新能源电厂独立，整合所有新能源电厂出力场景后，使用步骤b中场景缩减方案，缩减得到所有新能源电厂输出功率联合场景即电网运行场景。
步骤S102，以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态。
具体地，可以采用求解最优机组组合模型的方式确定电网运行场景的各个机组的开机停机计划，最优机组组合模型的决策量为ui,t,为第t时刻发电机i的0-1状态变量(0表示发电机i处于停机状态，1表示发电机i处于运行状态)，求解该模型即得到不同时刻不同机组的开机停机状态。
可选地，在本申请实施例提供的电网调度方法中，以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划包括：基于第一目标函数和第一约束条件确定机组组合模型，其中，第一目标函数以最小开机停机成本为目标，机组组合模型的待求解量为目标机组在目标时刻的状态变量，状态变量表征开机状态或停机状态；求解机组组合模型，得到电网运行场景的各个机组在各个时刻的状态变量，并由各个机组在各个时刻的状态变量确定开机停机计划。
可选地，在本申请实施例提供的电网调度方法中，基于第一目标函数和第一约束条件确定机组组合模型包括：确定第一目标函数为：
Figure BDA0002613328340000071
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，ui,t为第t时刻机组i的状态变量，SUi,t是第t时刻机组i的启停成本；
确定第一约束条件为：
Figure BDA0002613328340000081
其中，电网调度方法及装置i,t-1为机组i在t-1时段已运行时间(xi,t-1>0)或停运(xi,t-1<0)时间,
Figure BDA0002613328340000082
为机组i的最小开机时间，
Figure BDA0002613328340000083
为机组i的最小停机时间。
基于第一目标函数和第一约束条件确定机组组合模型。
步骤S103，以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值。
具体地，以最小化包括机组启停成本、机组发电成本、新能源弃电成本、电量违约成本、省间交易让利成本和辅助服务补偿成本的综合成本在内的总成本为目标，决定机组启停方式与各时刻机组的有功调度值。
可选地，在本申请实施例提供的电网调度方法中，以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值包括：基于第二目标函数和第二约束条件确定调度模型，其中，第二目标函数以最小开机停机成本为目标，调度模型的待求解量为目标场景下目标时刻目标机组对应的状态变量、有功调度值、交易违约电量，以及各场景下各时刻各新能源机组对应的弃电量；求解调度模型，得到在开机停机计划下电网运行场景的各个机组的有功调度值。
具体地，可以采用求解模型的方式确定有功调度值，从而完成动态经济调度决策，由于动态经济调度决策需要考虑采用辅助服务、日前省间交易的市场手段促进新能源消纳。因而，可以设置模型的目标函数以包含机组启停成本、发电成本、电量违约成本、新能源弃电成本、省间交易让利成本和辅助服务补偿成本在内的综合成本最小化为目标。
可选地，在本申请实施例提供的电网调度方法中，基于第二目标函数和第二约束条件确定调度模型包括：确定第二目标函数为：
Figure BDA0002613328340000084
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，SUi,t是第t时刻机组i的启停成本，πs是场景s对应的概率，n为场景的个数,s代表第s个场景，Fs为场景s下的综合成本；
Figure BDA0002613328340000091
其中，Gw是新能源电厂数；w是第w个新能源电厂；
Figure BDA0002613328340000092
是弃电成本；
Figure BDA0002613328340000093
是场景s下新能源电厂w的弃电量；
Figure BDA0002613328340000094
是交易电量违约成本；N是电厂的数量；i是第i个新能源电厂；
Figure BDA0002613328340000095
是场景s下电厂i的交易违约电量；K是省间交易笔数，k是第k笔交易；
Figure BDA0002613328340000096
是场景s下机组k在t时段的省间交易成本；
Figure BDA0002613328340000097
是场景s下机组i在t时段的辅助服务补偿成本；f(Pi,t,s)是场景s下机组i在t时段的火电发电成本。
需要说明的是，模型的待求解变量为各电网运行场景下各时刻各台机组对应的
Figure BDA0002613328340000098
以及各场景下各时刻各新能源机组对应的
Figure BDA0002613328340000099
该调度模型实质上是一个混合整数线性规划模型，采用分支定界法或割平面算法求解后，得到变量的求解结果，其中，Ui,t对应了日前确定的机组启停计划；Pi,t,s对应了实时市场下根据不同电网运行场景确定的各个机组有功调度值。在时刻t的电力系统运行中使用该调度方案，能够在保证系统安全性和经济性的前提下，加大新能源的消纳量，同时兼顾合同电量的有效执行。
确定第二约束条件为：
日电量偏差约束：
Figure BDA00026133283400000910
其中，Pi,t,s为场景s下电厂i在t时段的有功调度值，Δt为T个研究时段，θi为电厂i在时段T内的合同分解电量，
Figure BDA00026133283400000911
为场景s下电厂i超出交易电量的发电量；
新能源弃电约束：
Figure BDA00026133283400000912
其中，
Figure BDA00026133283400000913
为在场景s下新能源电厂w的最大发电量，
Figure BDA00026133283400000914
为场景s下新能源电厂w的弃电量；
省内外功率平衡约束：
Figure BDA00026133283400000915
其中dt为时段t的系统负荷电量，
Figure BDA00026133283400000916
为场景s下机组k在t时段的省间交易电量；
辅助服务约束：
Figure BDA00026133283400000917
其中Ci为机组i的发电容量。
基于第二目标函数和第二约束条件确定调度模型。
需要说明的是，除了满足在已制定机组启停计划对应的各个电网运行场景下的上述约束，还需要满足机组出力上下限约束、传输限额约束、机组爬坡约束。
需要说明的是，本申请实施例考虑电量交易与辅助服务交易约束，考虑新能源出力的不确定性，通过两阶段随机场景优化方法，将新能源输出功率的不确定性以随机场景的形式描述，并将市场环境下的电量交易约束引入模型。通过求解含电量交易约束的两阶段随机场景优化模型，综合安全性、经济性和新能源消纳最优后得出电力系统调度决策。
本申请实施例提供的电网调度方法，通过基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值，解决了相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题。进而达到了在电网调度运行与控制的过程中使用最低的成本使新能源消纳量最大的效果。
图2是根据本申请实施例的另一种电网调度方法的示意图。如图2所示，该方法包括：
根据新能源电厂输出功率历史数据，完成新能源单电厂输出功率预测场景的生成和缩减，进一步完成新能源多电厂输出功率预测场景的生成和缩减，生成电网运行场景。
进一步的，求解满足约束条件的机组组合，该机组组合为给定条件下具有最小启停成本的机组组合。
再在该机组组合条件下以及电流交易约束条件下求解动态经济调度模型，动态经济调度模型以最小化包括机组启停成本、机组发电成本、新能源弃电成本、电量违约成本、省间交易让利成本和辅助服务补偿成本的综合成本在内的总成本为目标。通过求解该模型，从而得到机组启停方式与各时刻机组的有功调度值，也即综合成本最小的调度方案。
通过本申请实施例，在保障系统安全运行的前提下，保证交易电量的执行，评估已制定机组启停计划对应的综合运行成本期望值，迭代得到随机条件下具有最小综合运行成本的调度方案，使用最低的成本实现新能源消纳量最大。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种电网调度装置，需要说明的是，本申请实施例的电网调度装置可以用于执行本申请实施例所提供的用于电网调度方法。以下对本申请实施例提供的电网调度装置进行介绍。
图3是根据本申请实施例的电网调度装置的示意图。如图3所示，该装置包括：第一确定单元10、第二确定单元20和第三确定单元30。
具体地，第一确定单元10，用于基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；
第二确定单元20，用于以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；
第三确定单元30，用于以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值。
可选地，在本申请实施例提供的电网调度装置中，第一确定单元10包括：预测模块，用于对每个新能源电厂建立对应的预测输出功率的模型，并基于模型生成新能源电厂的出力初始场景，其中，出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；缩减模块，用于采用同步回代缩减算法对每个新能源电厂的出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；联合模块，用于对多个新能源电厂的修正初始场景进行联合，得到电网运行场景。
可选地，在本申请实施例提供的电网调度装置中，第二确定单元20包括：第一确定模块，用于基于第一目标函数和第一约束条件确定机组组合模型，其中，第一目标函数以最小开机停机成本为目标，机组组合模型的待求解量为目标机组在目标时刻的状态变量，状态变量表征开机状态或停机状态；求解模块，用于求解机组组合模型，得到电网运行场景的各个机组在各个时刻的状态变量，并由各个机组在各个时刻的状态变量确定开机停机计划。
可选地，在本申请实施例提供的电网调度装置中，第一确定模块包括：第一确定子模块，用于确定第一目标函数为：
Figure BDA0002613328340000111
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，ui,t为第t时刻机组i的状态变量，SUi,t是第t时刻机组i的启停成本；
第二确定子模块，用于确定第一约束条件为：
Figure BDA0002613328340000121
其中，电网调度装置及装置i,t-1为机组i在t-1时段已运行时间或停运时间,
Figure BDA0002613328340000122
为机组i的最小开机时间，
Figure BDA0002613328340000123
为机组i的最小停机时间；第三确定子模块，用于基于第一目标函数和第一约束条件确定机组组合模型。
可选地，在本申请实施例提供的电网调度装置中，第三确定单元30包括：第二确定模块，用于基于第二目标函数和第二约束条件确定调度模型，其中，第二目标函数以最小开机停机成本为目标，调度模型的待求解量为目标场景下目标时刻目标机组对应的状态变量、有功调度值、交易违约电量，以及各场景下各时刻各新能源机组对应的弃电量；第二求解模块，用于求解调度模型，得到在开机停机计划下电网运行场景的各个机组的有功调度值。
可选地，在本申请实施例提供的电网调度装置中，第二确定模块包括：第四确定子模块，用于确定第二目标函数为：
Figure BDA0002613328340000124
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，SUi,t是第t时刻机组i的启停成本，πs是场景s对应的概率，n为场景的个数,s代表第s个场景，Fs为场景s下的综合成本；
Figure BDA0002613328340000125
其中，Gw是新能源电厂数；w是第w个新能源电厂；
Figure BDA0002613328340000126
是弃电成本；
Figure BDA0002613328340000127
是场景s下新能源电厂w的弃电量；
Figure BDA0002613328340000128
是交易电量违约成本；N是电厂的数量；i是第i个新能源电厂；
Figure BDA0002613328340000129
是场景s下电厂i的交易违约电量；K是省间交易笔数，k是第k笔交易；
Figure BDA00026133283400001210
是场景s下机组k在t时段的省间交易成本；
Figure BDA00026133283400001211
是场景s下机组i在t时段的辅助服务补偿成本；f(Pi,t,s)是场景s下机组i在t时段的火电发电成本；
第五确定子模块，用于确定第二约束条件为：
日电量偏差约束：
Figure BDA0002613328340000131
其中，Pi,t,s为场景s下电厂i在t时段的有功调度值，Δt为T个研究时段，θi为电厂i在时段T内的合同分解电量，
Figure BDA0002613328340000132
为场景s下电厂i超出交易电量的发电量；
新能源弃电约束：
Figure BDA0002613328340000133
其中，
Figure BDA0002613328340000134
为在场景s下新能源电厂w的最大发电量，
Figure BDA0002613328340000135
为场景s下新能源电厂w的弃电量；
省内外功率平衡约束：
Figure BDA0002613328340000136
其中dt为时段t的系统负荷电量，
Figure BDA0002613328340000137
为场景s下机组k在t时段的省间交易电量；
辅助服务约束：
Figure BDA0002613328340000138
其中Ci为机组i的发电容量；
第六确定子模块，用于基于第二目标函数和第二约束条件确定调度模型。
本申请实施例提供的电网调度装置，通过第一确定单元10基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，电网运行场景包括多个新能源电厂的输出功率场景；第二确定单元20以电网运行场景下的各个机组的最小开机停机成本为目标，确定电网运行场景的各个机组的开机停机计划，其中，开机停机计划用于表征不同时刻不同机组的开机停机状态；第三确定单元30以最小机组运行成本为目标，确定在开机停机计划下电网运行场景的各个机组的有功调度值，解决了相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题，进而达到了在电网调度运行与控制的过程中使用最低的成本使新能源消纳量最大的效果。
所述电网调度装置包括处理器和存储器，上述第一确定单元10、第二确定单元20和第三确定单元30等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决相关技术中在电网调度运行与控制的过程中没有考虑新能源发电量的消纳，调度方式不合理的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种电网调度方法。
本申请实施例还提供了一种电子装置，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种电网调度方法。本文中的电子装置可以是服务器、PC、PAD、手机等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种电网调度方法，其特征在于，包括：
基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，所述电网运行场景包括所述多个新能源电厂的输出功率场景；
以所述电网运行场景下的各个机组的最小开机停机成本为目标，确定所述电网运行场景的各个机组的开机停机计划，其中，所述开机停机计划用于表征不同时刻不同机组的开机停机状态；
以最小机组运行成本为目标，确定在所述开机停机计划下所述电网运行场景的各个机组的有功调度值。
2.根据权利要求1所述的方法，其特征在于，基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景包括：
对每个新能源电厂建立对应的预测输出功率的模型，并基于所述模型生成新能源电厂的出力初始场景，其中，所述出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；
采用同步回代缩减算法对每个新能源电厂的所述出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；
对所述多个新能源电厂的修正初始场景进行联合，得到所述电网运行场景。
3.根据权利要求1所述的方法，其特征在于，以所述电网运行场景下的各个机组的最小开机停机成本为目标，确定所述电网运行场景的各个机组的开机停机计划包括：
基于第一目标函数和第一约束条件确定机组组合模型，其中，所述第一目标函数以所述最小开机停机成本为目标，所述机组组合模型的待求解量为目标机组在目标时刻的状态变量，所述状态变量表征开机状态或停机状态；
求解所述机组组合模型，得到所述电网运行场景的各个机组在各个时刻的状态变量，并由所述各个机组在各个时刻的状态变量确定所述开机停机计划。
4.根据权利要求3所述的方法，其特征在于，基于第一目标函数和第一约束条件确定机组组合模型包括：
确定所述第一目标函数为：
Figure FDA0002613328330000021
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，ui,t为第t时刻机组i的状态变量，SUi,t是第t时刻机组i的启停成本；
确定所述第一约束条件为：
Figure FDA0002613328330000022
其中，电网调度方法及装置i,t-1为机组i在t-1时段已运行时间或停运时间,Ti on为机组i的最小开机时间，Ti off为机组i的最小停机时间；
基于所述第一目标函数和所述第一约束条件确定所述机组组合模型。
5.根据权利要求1所述的方法，其特征在于，以最小机组运行成本为目标，确定在所述开机停机计划下所述电网运行场景的各个机组的有功调度值包括：
基于第二目标函数和第二约束条件确定调度模型，其中，所述第二目标函数以所述最小开机停机成本为目标，所述调度模型的待求解量为目标场景下目标时刻目标机组对应的状态变量、有功调度值、交易违约电量，以及各场景下各时刻各新能源机组对应的弃电量；
求解所述调度模型，得到在所述开机停机计划下所述电网运行场景的各个机组的有功调度值。
6.根据权利要求5所述的方法，其特征在于，基于第二目标函数和第二约束条件确定调度模型包括：
确定所述第二目标函数为：
Figure FDA0002613328330000023
其中，T是时段数量，t是时刻，Gc是机组的数量，i表示第i个机组，SUi,t是第t时刻机组i的启停成本，πs是场景s对应的概率，n为场景的个数,s代表第s个场景，Fs为场景s下的综合成本；
Figure FDA0002613328330000031
其中，Gw是新能源电厂数；w是第w个新能源电厂；
Figure FDA0002613328330000032
是弃电成本；
Figure FDA0002613328330000033
是场景s下新能源电厂w的弃电量；
Figure FDA0002613328330000034
是交易电量违约成本；N是电厂的数量；i是第i个新能源电厂；
Figure FDA0002613328330000035
是场景s下电厂i的交易违约电量；K是省间交易笔数，k是第k笔交易；
Figure FDA0002613328330000036
是场景s下机组k在t时段的省间交易成本；
Figure FDA0002613328330000037
是场景s下机组i在t时段的辅助服务补偿成本；f(Pi,t,s)是场景s下机组i在t时段的火电发电成本；
确定所述第二约束条件为：
日电量偏差约束：
Figure FDA0002613328330000038
其中，Pi,t,s为场景s下电厂i在t时段的有功调度值，Δt为T个研究时段，θi为电厂i在时段T内的合同分解电量，
Figure FDA0002613328330000039
为场景s下电厂i超出交易电量的发电量；
新能源弃电约束：
Figure FDA00026133283300000310
其中，
Figure FDA00026133283300000311
为在场景s下新能源电厂w的最大发电量，
Figure FDA00026133283300000312
为在场景s下新能源电厂w的弃电量；
省内外功率平衡约束：
Figure FDA00026133283300000313
其中dt为时段t的系统负荷电量，
Figure FDA00026133283300000314
为场景s下机组k在t时段的省间交易电量；
辅助服务约束：
Figure FDA00026133283300000315
其中Ci为机组i的发电容量；
基于所述第二目标函数和所述第二约束条件确定所述调度模型。
7.一种电网调度装置，其特征在于，包括：
第一确定单元，用于基于多个新能源电厂在未来时段的输出功率以及输出功率对应的概率，确定电网运行场景，其中，所述电网运行场景包括所述多个新能源电厂的输出功率场景；
第二确定单元，用于以所述电网运行场景下的各个机组的最小开机停机成本为目标，确定所述电网运行场景的各个机组的开机停机计划，其中，所述开机停机计划用于表征不同时刻不同机组的开机停机状态；
第三确定单元，用于以最小机组运行成本为目标，确定在所述开机停机计划下所述电网运行场景的各个机组的有功调度值。
8.根据权利要求7所述的装置，其特征在于，第一确定单元包括：
预测模块，用于对每个新能源电厂建立对应的预测输出功率的模型，并基于所述模型生成新能源电厂的出力初始场景，其中，所述出力初始场景包括预设时间段内的多个输出功率初始场景，以及每个输出功率初始场景的发生概率；
缩减模块，用于采用同步回代缩减算法对每个新能源电厂的所述出力初始场景进行场景缩减，得到每个新能源电厂的修正初始场景；
联合模块，用于对所述多个新能源电厂的修正初始场景进行联合，得到所述电网运行场景。
9.一种非易失性存储介质，其特征在于，所非易失性存储介质包括存储的程序，其中，所述程序运行时控制所述非易失性存储介质所在的设备执行权利要求1至6中任意一项所述的电网调度方法。
10.一种电子装置，其特征在于，包含处理器和存储器，所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至6中任意一项所述的电网调度方法。
CN202010761954.XA 2020-07-31 2020-07-31 电网调度方法及装置 Active CN111786421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010761954.XA CN111786421B (zh) 2020-07-31 2020-07-31 电网调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010761954.XA CN111786421B (zh) 2020-07-31 2020-07-31 电网调度方法及装置

Publications (2)

Publication Number Publication Date
CN111786421A true CN111786421A (zh) 2020-10-16
CN111786421B CN111786421B (zh) 2022-05-06

Family

ID=72766604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010761954.XA Active CN111786421B (zh) 2020-07-31 2020-07-31 电网调度方法及装置

Country Status (1)

Country Link
CN (1) CN111786421B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114256840A (zh) * 2021-12-23 2022-03-29 深圳供电局有限公司 一种新能源多场景预测结果的整合方法及系统
CN114255002A (zh) * 2021-12-14 2022-03-29 深圳供电局有限公司 一种机组停运管理系统
CN116436101A (zh) * 2023-06-14 2023-07-14 山东大学 一种基于场景缩减的输配协同随机调度方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110912205A (zh) * 2019-11-26 2020-03-24 三峡大学 基于场景集的含风电电力系统运行备用动态调度优化方法
CN111400918A (zh) * 2020-03-19 2020-07-10 国电南瑞科技股份有限公司 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110912205A (zh) * 2019-11-26 2020-03-24 三峡大学 基于场景集的含风电电力系统运行备用动态调度优化方法
CN111400918A (zh) * 2020-03-19 2020-07-10 国电南瑞科技股份有限公司 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张步涵等: ""基于场景树和机会约束规划的含风电场电力系统机组组合"", 《电力系统保护与控制》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114255002A (zh) * 2021-12-14 2022-03-29 深圳供电局有限公司 一种机组停运管理系统
CN114256840A (zh) * 2021-12-23 2022-03-29 深圳供电局有限公司 一种新能源多场景预测结果的整合方法及系统
CN116436101A (zh) * 2023-06-14 2023-07-14 山东大学 一种基于场景缩减的输配协同随机调度方法及系统
CN116436101B (zh) * 2023-06-14 2023-09-05 山东大学 一种基于场景缩减的输配协同随机调度方法及系统

Also Published As

Publication number Publication date
CN111786421B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
Mohamed et al. An effective stochastic framework for smart coordinated operation of wind park and energy storage unit
US9026259B2 (en) Power generation optimization in microgrid including renewable power source
Vu et al. An integrated energy management approach for the economic operation of industrial microgrids under uncertainty of renewable energy
Valencia et al. Robust energy management system for a microgrid based on a fuzzy prediction interval model
US10923916B2 (en) Stochastic dynamical unit commitment method for power system based on solving quantiles via newton method
CN111786421B (zh) 电网调度方法及装置
US12015275B2 (en) Hybrid power plant
Hu et al. A soft actor-critic deep reinforcement learning method for multi-timescale coordinated operation of microgrids
Habibi et al. An enhanced contingency-based model for joint energy and reserve markets operation by considering wind and energy storage systems
CN109193802A (zh) 一种考虑新能源预测误差的需求侧资源调度方法和系统
US12046907B2 (en) Multi-layer architecture for control of distributed energy resources
Sun et al. Improving the restorability of bulk power systems with the implementation of a WF-BESS system
US20240275179A1 (en) Electrical power system and a multi-timescale coordinated optimization scheduling method therefor
US20200341437A1 (en) Systems and Methods for Security Constrained Automatic Generation Control
Nassourou et al. Economic model predictive control for energy dispatch of a smart micro-grid system
CN118054451A (zh) 风电场群优化储能的管理方法及装置、微电网系统
US20230261518A1 (en) Engine System and Methods for Dispatching and Controlling Distributed Energy Resources
Zhang et al. A novel approach of energy and reserve scheduling for hybrid power systems: Frequency security constraints
Panda et al. Methods for mitigating uncertainty in real-time operations of a connected microgrid
Wang et al. Robust unit commitment considering strategic wind generation curtailment
CN116341816A (zh) 一种中长期调度计划多业务统筹协调方法、装置、存储器及设备
Alizadeh et al. Providing an Intelligent Frequency Control Method in a Microgrid Network in the Presence of Electric Vehicles
CN113964819B (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
CN111553570A (zh) 基于预测时段划分的月内滚动调度计划优化调整方法
Zhou et al. Minimax model predictive operation control of grid-connected microgrids

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