CN111934364A - 一种送端电网故障状态下紧急源网协调调峰控制方法 - Google Patents

一种送端电网故障状态下紧急源网协调调峰控制方法 Download PDF

Info

Publication number
CN111934364A
CN111934364A CN202010748432.6A CN202010748432A CN111934364A CN 111934364 A CN111934364 A CN 111934364A CN 202010748432 A CN202010748432 A CN 202010748432A CN 111934364 A CN111934364 A CN 111934364A
Authority
CN
China
Prior art keywords
time
unit
wvpg
power
limit
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.)
Pending
Application number
CN202010748432.6A
Other languages
English (en)
Inventor
周强
张彦琪
赵龙
高鹏飞
张珍珍
黄蓉
张艳丽
贾东强
路亮
龙虹毓
吴保华
梁嘉文
陈柏旭
魏博
马彦宏
韩旭杉
李韶瑜
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.)
Gannan Power Supply Co Of State Grid Gansu Electric Power Co
State Grid Corp of China SGCC
Chongqing University of Post and Telecommunications
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
State Grid Beijing Electric Power Co Ltd
Southwest Branch of State Grid Corp
Original Assignee
Gannan Power Supply Co Of State Grid Gansu Electric Power Co
State Grid Corp of China SGCC
Chongqing University of Post and Telecommunications
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
State Grid Beijing Electric Power Co Ltd
Southwest Branch of State Grid Corp
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 Gannan Power Supply Co Of State Grid Gansu Electric Power Co, State Grid Corp of China SGCC, Chongqing University of Post and Telecommunications, State Grid Gansu Electric Power Co Ltd, Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd, State Grid Beijing Electric Power Co Ltd, Southwest Branch of State Grid Corp filed Critical Gannan Power Supply Co Of State Grid Gansu Electric Power Co
Priority to CN202010748432.6A priority Critical patent/CN111934364A/zh
Publication of CN111934364A publication Critical patent/CN111934364A/zh
Priority to PCT/CN2021/099423 priority patent/WO2022022101A1/zh
Priority to US17/372,458 priority patent/US12027857B2/en
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • 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
    • H02J2300/22—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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种送端电网故障状态下紧急源网协调调峰控制方法，包括以下步骤S1：对集群风电虚拟机组可调度性的作出评估；S2：建立集群风电机组可调度性指标的计算方法；S3：对源荷调峰资源策略作出分析；S4：对联络线调峰的控制策略作出分配，本发明的有益效果是，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。

Description

一种送端电网故障状态下紧急源网协调调峰控制方法
技术领域
本发明涉及一种协调调峰控制方法，特别涉及一种送端电网故障状态下紧急源网协调调峰控制方法，属于电气工程技术领域。
背景技术
在高比例可再生能源系统中，通常将风电/光伏以“负负荷”的被动形式参与系统的调度，这将需要电力系统提供大量的灵活性资源满足其波动性，促进消纳，但在系统调峰电源出现非计划停运等系统紧急状态时，系统出现调峰缺额，风电/光伏做为一种“波动性供能机组”也可以在系统紧急状态下提供调峰能力，由于风电/光伏具有随机性和波动性，不像火电等常规机组一样出力具有稳定可控的特点，因此需要对风电/光伏的可调度性出力进行研究并定量评估，计算风电/光伏可以给系统提供的调峰能力。
发明内容
本发明的目的在于提供一种送端电网故障状态下紧急源网协调调峰控制方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种送端电网故障状态下紧急源网协调调峰控制方法，包括以下步骤：
S1：对集群风电虚拟机组可调度性的作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
作为本发明的一种优选技术方案，所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性统计分析；通过关注的风电特性包括波动性和不确定性两个方面，WVPG的波动性和不确定性可表示为：
Figure BDA0002609200880000021
Figure BDA0002609200880000022
式中，nk为WVPG内风电场个数。
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
(1)建立WVPG内部各风电场的波动性ΔPi W(t)和不确定性
Figure BDA0002609200880000023
的条件相依概率分布离线模型集；
(2)建立WVPG内部多个风电场之间波动性ΔPi W(t)和不确定性
Figure BDA0002609200880000024
的累积概率分布函数条件相依秩相关系数矩阵
Figure BDA0002609200880000025
离线模型集；
(3)采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布。
a3：根据WVPG的时变概率分布在线采样算法；包括以下步骤：
Step1.初始化，随机生成S个ns×nk阶矩阵作为遗传算法的初始种群，其中ns为采样规模，nk为WVPG内风电场个数，矩阵元素均为[0,1]之间均匀分布的随机数；
Step2.从离线模型集中选取秩相关系数矩阵。首先根据时刻t风电场i,j预测风向，计算风向差异性系数；设
Figure BDA0002609200880000026
分别为第m个m∈(1，2，...，S)随机矩阵中，第i列和第j列元素组成的数据对，按照式(3-78)将
Figure BDA0002609200880000027
中数据对划分为若干子集。设
Figure BDA0002609200880000028
为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数。设
Figure BDA0002609200880000031
为离线模型集中与
Figure BDA0002609200880000032
条件集合取值相同的秩相关系数，可设置第m个矩阵Am目标函数为(3-79)，式中nc为子集个数：
Figure BDA0002609200880000033
Step3.利用遗传算法求解，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵(每次迭代中使G(Am)最小的矩阵)的秩相关系数矩阵逼近目标值
Figure BDA0002609200880000034
即使得(3-79)中G(Am)尽可能小；
Step4.收敛性判断。设
Figure BDA0002609200880000035
为遗传算法第k代的最优矩阵，
Figure BDA0002609200880000036
为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
Figure BDA0002609200880000037
在第k代，若
Figure BDA0002609200880000038
则遗传算法迭代停止，σ为算法收敛性系数，否则转Step2；
Step5.根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
Figure BDA0002609200880000039
设
Figure BDA00026092008800000310
为Step4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
Figure BDA00026092008800000311
WVP G的第g个采样样本为
Figure BDA00026092008800000312
Step6.根据式进行样本时间相关性校核；
Step7.根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模ns足够大时，即为离散概率分布的估计。由此，可得到风电场i和WV PG时刻t不确定性时变概率分布离散估计
Figure BDA00026092008800000313
和
Figure BDA00026092008800000314
作为本发明的一种优选技术方案，所述S2中的计算方法为：
b1:可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值。火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变。而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变。
定义WVPG时刻t可发功率如式(3-80)。
Figure BDA0002609200880000041
式中，Pa VPG(t)为WVPG时刻t可发功率(MW)，为随机变量，对应的时变概率分布为
Figure BDA0002609200880000042
Figure BDA0002609200880000043
为WVPG时刻t功率点预测值(MW)；εVPG(t)为WVPG时刻 t出力不确定性随机变量(MW)，对应的时变概率分布为
Figure BDA0002609200880000044
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布
Figure BDA0002609200880000045
做平移运算，平移长度为预测值
Figure BDA0002609200880000046
设
Figure BDA0002609200880000047
分别为平移前后
Figure BDA0002609200880000048
第i个状态的取值，
Figure BDA0002609200880000049
分别为相应的状态概率，则有：
Figure BDA00026092008800000410
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为 0处进行向下截断运算。设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
Figure BDA00026092008800000411
为：
Figure BDA00026092008800000412
式中，
Figure BDA00026092008800000413
为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
Figure BDA00026092008800000414
b2:可发功率极限的计算；可发功率极限指时刻tWVPG可发功率的最大、最小值。火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值。WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化。
基于风险价值理论，定义时刻tWVPG可发功率上限如式(3-83)：
Figure BDA0002609200880000051
式中，
Figure BDA0002609200880000052
为WVPG时刻t可发功率上限(MW)；β为置信概率。(3-83)含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限。
定义时刻tWVPG可发功率下限如式(3-84)：
Figure BDA0002609200880000053
式中，
Figure BDA0002609200880000054
为WVPG时刻t可发功率下限(MW)。(3-84)含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限。
可发功率极限指标计算方法：
设
Figure BDA0002609200880000055
多状态概率分布的第i个状态值和状态概率分别为
Figure BDA0002609200880000056
以可发功率上限为例，若
Figure BDA0002609200880000057
的第b个状态值对应的累积概率满足式(3-85)：
Figure BDA0002609200880000058
则可发功率上限为式(3-86)：
Figure 433747DEST_PATH_FDA0002713546180000059
式中，
Figure BDA00026092008800000510
表示第b+1个和第b个状态的状态值取值之差，
Figure BDA0002609200880000061
表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例。
b3:出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限。火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定。
WVPG时刻t出力上调极限
Figure BDA0002609200880000062
(MW)等于可发功率上限
Figure BDA0002609200880000063
出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
Figure BDA0002609200880000064
当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
Figure BDA0002609200880000065
b4:出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
Figure BDA0002609200880000066
在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制。
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
Figure BDA0002609200880000067
(MW/mi n)如式(3-88)所示：
Figure BDA0002609200880000068
式中，ΔPVPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
Figure BDA0002609200880000069
为WVPG时刻t由波动性决定的上爬坡率极限，为正值。式(3-88)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限。
定义WVPG时刻t由出力波动性决定的下爬坡率极限
Figure BDA0002609200880000071
(MW/min)如式(3-89)所示：
Figure BDA0002609200880000072
式中，
Figure BDA0002609200880000073
为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值。式(3-89)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限。
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(3-91)、(3-90)分别确定调度模型中 WVPG的爬坡率下、上限值。
WVPG上爬坡率极限为：
Figure BDA0002609200880000074
式中，
Figure BDA0002609200880000075
为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；
Figure BDA0002609200880000076
为WVPG时刻t的上爬坡率极限(MW/min)。
当
Figure BDA0002609200880000077
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升速度的高估，应将上爬坡率极限设置为
Figure BDA0002609200880000078
当
Figure BDA0002609200880000079
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
Figure BDA00026092008800000710
WVPG下爬坡率极限为：
Figure BDA00026092008800000711
式中，
Figure BDA0002609200880000081
为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；rd VPG(t)为WVPG时刻t的下爬坡率极限(MW/min)，为负值
若
Figure BDA0002609200880000082
表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
Figure BDA0002609200880000083
若
Figure BDA0002609200880000084
表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
Figure BDA0002609200880000085
爬坡率指标计算方法：
对WVPG时刻t波动性的多状态概率分布
Figure BDA0002609200880000086
进行分位点运算，运算方法与式(3-86)类似，即可得到由出力波动特性决定的上下爬坡率极限
Figure BDA0002609200880000087
然后，按照式(3-90)、(3-91)定义即可求得当前时刻WVPG的爬坡率极限值。
作为本发明的一种优选技术方案，所述S3中的分析方法为：
a.整数变量
①机组i在t时刻的工作启停状态变量v(i，t)，v(i，t)＝1表示机组i在t时段处于开机状态，而v(i，t)＝0则代表处于停机状态；
②机组i在t时刻的转换状态变量y(i，t)，y(i，t)＝1表示机组i在t时段由关机变为开机，而y(i，t)＝0则表示机组处于其它状态；
③机组i在t时刻的转换状态变量z(i，t)，z(i，t)＝1表示机组i在t时段由开机变为关机，而z(i，t)＝0则表示机组处于其它状态；
④机组停机时间状态变量ω(i，t，j)，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。
还需要添加一个0-1变量Tr(i，t)表示可平移负荷的启动时间。Tr(i，t)＝1 表示可平移负荷i在t时段开始运行，Tr(i，t)＝0表示可平移负荷i不是从t 时段开始运行的。
b.连续变量
机组i在t时段的出力p(i，t)。
(2)目标函数
Figure BDA0002609200880000091
c(i，t)＝A(i)×p(i，t)2+B(i)×p(i，t)+C(i)×v(i，t)
其中TT表示运行的总时间，NG表示机组的数量，A(i)，B(i)，C(i)表示机组i 发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i，t)为机组i在t时段的发电成本，b(i，t)为机组i在t时段的启动成本。b(i，t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释。停机成本一般不予考虑，因为其对于总成本影响较小。
(3)约束条件
a.功率平衡约束
Figure BDA0002609200880000092
其中，PD(i，t)表示可平移负荷i在t时段的负荷值。D0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数量。该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配。
b.机组出力上下限约束
Figure BDA0002609200880000101
p(i，t)表示机组i在t时段的出力下限，
Figure BDA0002609200880000102
表示机组i在t时段的出力上限，G表示所有机组的集合。该约束条件保证各机组都能在其正常运行的出力范围内运行。
c.启停辅助变量约束
Figure BDA0002609200880000103
Figure BDA0002609200880000104
式(3-107)约束了一个机组在同一时刻不可以同时启动和停机。约束了启动和停机的动作和机组工作状态的一致性。
d.最小运行时间约束
Figure BDA0002609200880000105
Figure BDA0002609200880000106
Figure BDA0002609200880000107
其中，G(i)＝Min[TT，(Tup(i)-T0(i)×U0(i)]，表示在运行开始后，机组i最初所需的最短运行时间。Tup(i)表示机组i的最小开机运行时间，U0(i)表示机组i 的初始运行状态，U0(i)＝1则机组i初始处于运行状态，U0(i)＝0则机组i初始处于停机状态。T0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是运行的，则表示该机组还需要至少运行的时间的约束。机组i每次启动后的最小运行的时间的约束。表示运行时间的最后的Tup(i)-1小时内的最小运行时间约束，如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
e.最小停运时间约束
Figure BDA0002609200880000111
Figure BDA0002609200880000112
Figure BDA0002609200880000113
其中，L(i)＝Min[TT，(Tdown(i)+T0(i)×(1-U0(i)]，表示在运行开始后，机组i 最初所需的最短停机时间。Tdown(i)表示机组i的最小停机时间。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束。表示机组i每次关停后的最小停机的时间的约束。表示运行时间的最后的Tdown(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机。
f.爬坡率约束
Figure BDA0002609200880000114
Figure BDA0002609200880000115
RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度， RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度。由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的。
g.停机时间计数器约束
Figure BDA0002609200880000121
Figure BDA0002609200880000122
Figure BDA0002609200880000123
Figure BDA0002609200880000124
S(i，t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的。这四个约束条件实现的功能就是当 v(i，t)＝0时，S(i，t)＝S(i，t-1)+1，而v(i，t)＝1时，S(i，t)＝0,实现了连续停机时间的累计。
h.分段启动成本约束
Figure BDA0002609200880000125
Figure BDA0002609200880000126
Figure BDA0002609200880000127
Figure BDA0002609200880000128
Figure BDA0002609200880000129
这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i，t)的计算的，其中，UPcost(i，j)表示机组i在停机j小时后的启动成本。一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化。ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值。ω(i，t，j)是表示机组停机时间状态的0-1变量，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。约束了对于每一个机组的每一个时段，ω(i，t，j)至多只能有一个取1。(3-121)利用虚拟变量m(i，t)将连续停机时间计数S(i，t)和ω(i，t，j)联系起来。
i.时段平移负荷的约束
Figure BDA0002609200880000131
Figure BDA0002609200880000132
Figure BDA0002609200880000133
其中，T0＝min[t，NT(i)]。Dtr(i，j)为可平移负荷i的负荷序列的第j段的负荷值。NT(i)表示可平移负荷i的序列的时间长度。NI表示可平移负荷的序号集合。
作为本发明的一种优选技术方案，所述步骤S4中的分配方式为：
c1：建立最优功率分配问题的一般模型；
c2：对最优功率分配问题的简化模型；
c3：对简化最优功率分配模型的求解；
c4：对求解的数值进行仿真分析。
与现有技术相比，本发明的有益效果是：
1.本发明一种送端电网故障状态下紧急源网协调调峰控制方法，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。
具体实施方式
下面将结合本发明实施例中，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。
本发明提供了一种送端电网故障状态下紧急源网协调调峰控制方法的技术方案：包括以下步骤：
S1：对集群风电虚拟机组可调度性的作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性统计分析；通过关注的风电特性包括波动性和不确定性两个方面，WVPG的波动性和不确定性可表示为：
Figure BDA0002609200880000141
Figure BDA0002609200880000142
式中，nk为WVPG内风电场个数。
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
(1)建立WVPG内部各风电场的波动性ΔPi W(t)和不确定性
Figure BDA0002609200880000151
的条件相依概率分布离线模型集；
(2)建立WVPG内部多个风电场之间波动性ΔPi W(t)和不确定性
Figure BDA0002609200880000152
的累积概率分布函数条件相依秩相关系数矩阵
Figure BDA0002609200880000153
离线模型集；
(3)采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布。
a3：根据WVPG的时变概率分布在线采样算法；包括以下步骤：
Step1.初始化，随机生成S个ns×nk阶矩阵作为遗传算法的初始种群，其中ns为采样规模，nk为WVPG内风电场个数，矩阵元素均为[0,1]之间均匀分布的随机数；
Step2.从离线模型集中选取秩相关系数矩阵。首先根据时刻t风电场 i,j预测风向，计算风向差异性系数；设
Figure BDA0002609200880000154
分别为第m个m∈(1，2，...，S)随机矩阵中，第i列和第j列元素组成的数据对，按照式(3-78)将
Figure BDA0002609200880000155
中数据对划分为若干子集。设
Figure BDA0002609200880000156
为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数。设
Figure BDA0002609200880000157
为离线模型集中与
Figure BDA0002609200880000158
条件集合取值相同的秩相关系数，可设置第m个矩阵Am目标函数为(3-79)，式中nc为子集个数：
Figure BDA0002609200880000159
Step3.利用遗传算法求解，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵(每次迭代中使G(Am)最小的矩阵)的秩相关系数矩阵逼近目标值
Figure BDA0002609200880000161
即使得(3-79)中G(Am)尽可能小；
Step4.收敛性判断。设
Figure BDA0002609200880000162
为遗传算法第k代的最优矩阵，
Figure BDA0002609200880000163
为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
Figure BDA0002609200880000164
在第k代，若
Figure BDA0002609200880000165
则遗传算法迭代停止，σ为算法收敛性系数，否则转Step2；
Step5.根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
Figure BDA0002609200880000166
设
Figure BDA0002609200880000167
为Step4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
Figure BDA0002609200880000168
WVP G的第g个采样样本为
Figure BDA0002609200880000169
Step6.根据式进行样本时间相关性校核；
Step7.根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模ns足够大时，即为离散概率分布的估计。由此，可得到风电场i和WV PG时刻t不确定性时变概率分布离散估计
Figure BDA00026092008800001610
和
Figure BDA00026092008800001611
所述S2中的计算方法为：
b1:可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值。火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变。而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变。
定义WVPG时刻t可发功率如式(3-80)。
Figure BDA00026092008800001612
式中，Pa VPG(t)为WVPG时刻t可发功率(MW)，为随机变量，对应的时变概率分布为
Figure BDA0002609200880000171
Figure BDA0002609200880000172
为WVPG时刻t功率点预测值(MW)；εVPG(t)为WVPG时刻 t出力不确定性随机变量(MW)，对应的时变概率分布为
Figure BDA0002609200880000173
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布
Figure BDA0002609200880000174
做平移运算，平移长度为预测值
Figure BDA0002609200880000175
设
Figure BDA0002609200880000176
分别为平移前后
Figure BDA0002609200880000177
第i个状态的取值，
Figure BDA0002609200880000178
分别为相应的状态概率，则有：
Figure BDA0002609200880000179
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为 0处进行向下截断运算。设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
Figure BDA00026092008800001710
为：
Figure BDA00026092008800001711
式中，
Figure BDA00026092008800001712
为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
Figure BDA00026092008800001713
b2:可发功率极限的计算；可发功率极限指时刻tWVPG可发功率的最大、最小值。火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值。WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化。
基于风险价值理论，定义时刻tWVPG可发功率上限如式(3-83)：
Figure BDA00026092008800001714
式中，
Figure BDA00026092008800001715
为WVPG时刻t可发功率上限(MW)；β为置信概率。(3-83)含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限。
定义时刻tWVPG可发功率下限如式(3-84)：
Figure BDA0002609200880000181
式中，
Figure BDA0002609200880000182
为WVPG时刻t可发功率下限(MW)。(3-84)含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限。
可发功率极限指标计算方法：
设
Figure BDA0002609200880000183
多状态概率分布的第i个状态值和状态概率分别为
Figure BDA0002609200880000184
以可发功率上限为例，若
Figure BDA0002609200880000185
的第b个状态值对应的累积概率满足式(3-85)：
Figure BDA0002609200880000186
则可发功率上限为式(3-86)：
Figure 646554DEST_PATH_FDA0002713546180000059
式中，
Figure BDA0002609200880000188
表示第b+1个和第b个状态的状态值取值之差，
Figure BDA0002609200880000189
表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例。
b3:出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限。火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定。
WVPG时刻t出力上调极限
Figure BDA00026092008800001810
(MW)等于可发功率上限
Figure BDA00026092008800001811
出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
Figure BDA0002609200880000191
当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
Figure BDA0002609200880000192
b4:出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
Figure BDA0002609200880000193
在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制。
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
Figure BDA0002609200880000194
(MW/mi n)如式(3-88)所示：
Figure BDA0002609200880000195
式中，ΔPVPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
Figure BDA0002609200880000196
为WVPG时刻t由波动性决定的上爬坡率极限，为正值。式(3-88)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限。
定义WVPG时刻t由出力波动性决定的下爬坡率极限
Figure BDA0002609200880000197
(MW/min)如式(3-89)所示：
Figure BDA0002609200880000198
式中，
Figure BDA0002609200880000199
为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值。式(3-89)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限。
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(3-91)、(3-90)分别确定调度模型中 WVPG的爬坡率下、上限值。
WVPG上爬坡率极限为：
Figure BDA0002609200880000201
式中，
Figure BDA0002609200880000202
为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)； ru VPG(t)为WVPG时刻t的上爬坡率极限(MW/min)。
当
Figure BDA0002609200880000203
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升速度的高估，应将上爬坡率极限设置为
Figure BDA0002609200880000204
当
Figure BDA0002609200880000205
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
Figure BDA0002609200880000206
WVPG下爬坡率极限为：
Figure BDA0002609200880000207
式中，
Figure BDA0002609200880000208
为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；
Figure BDA0002609200880000209
为WVPG时刻t的下爬坡率极限(MW/min)，为负值
若
Figure BDA00026092008800002010
表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
Figure BDA00026092008800002011
若
Figure BDA00026092008800002012
表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
Figure BDA0002609200880000211
爬坡率指标计算方法：
对WVPG时刻t波动性的多状态概率分布
Figure BDA0002609200880000212
进行分位点运算，运算方法与式(3-86)类似，即可得到由出力波动特性决定的上下爬坡率极限
Figure BDA0002609200880000213
然后，按照式(3-90)、(3-91)定义即可求得当前时刻WVPG的爬坡率极限值。
所述S3中的分析方法为：
a.整数变量
①机组i在t时刻的工作启停状态变量v(i，t)，v(i，t)＝1表示机组i在t时段处于开机状态，而v(i，t)＝0则代表处于停机状态；
②机组i在t时刻的转换状态变量y(i，t)，y(i，t)＝1表示机组i在t时段由关机变为开机，而y(i，t)＝0则表示机组处于其它状态；
③机组i在t时刻的转换状态变量z(i，t)，z(i，t)＝1表示机组i在t时段由开机变为关机，而z(i，t)＝0则表示机组处于其它状态；
④机组停机时间状态变量ω(i，t，j)，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。
还需要添加一个0-1变量Tr(i，t)表示可平移负荷的启动时间。Tr(i，t)＝1 表示可平移负荷i在t时段开始运行，Tr(i，t)＝0表示可平移负荷i不是从t 时段开始运行的。
b.连续变量
机组i在t时段的出力p(i，t)。
(2)目标函数
Figure BDA0002609200880000221
c(i，t)＝A(i)×p(i，t)2+B(i)×p(i，t)+C(i)×v(i，t)
其中TT表示运行的总时间，NG表示机组的数量，A(i)，B(i)，C(i)表示机组i 发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i，t)为机组i在t时段的发电成本，b(i，t)为机组i在t时段的启动成本。b(i，t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释。停机成本一般不予考虑，因为其对于总成本影响较小。
(3)约束条件
a.功率平衡约束
Figure BDA0002609200880000222
其中，PD(i，t)表示可平移负荷i在t时段的负荷值。D0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数量。该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配。
b.机组出力上下限约束
Figure BDA0002609200880000223
p(i，t)表示机组i在t时段的出力下限，
Figure BDA0002609200880000224
表示机组i在t时段的出力上限，G表示所有机组的集合。该约束条件保证各机组都能在其正常运行的出力范围内运行。
c.启停辅助变量约束
Figure BDA0002609200880000231
Figure BDA0002609200880000232
式(3-107)约束了一个机组在同一时刻不可以同时启动和停机。约束了启动和停机的动作和机组工作状态的一致性。
d.最小运行时间约束
Figure BDA0002609200880000233
Figure BDA0002609200880000234
Figure BDA0002609200880000235
其中，G(i)＝Min[TT，(Tup(i)-T0(i)×U0(i)]，表示在运行开始后，机组i最初所需的最短运行时间。Tup(i)表示机组i的最小开机运行时间，U0(i)表示机组i 的初始运行状态，U0(i)＝1则机组i初始处于运行状态，U0(i)＝0则机组i初始处于停机状态。T0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是运行的，则表示该机组还需要至少运行的时间的约束。机组i每次启动后的最小运行的时间的约束。表示运行时间的最后的Tup(i)-1小时内的最小运行时间约束，如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
e.最小停运时间约束
Figure BDA0002609200880000236
Figure BDA0002609200880000241
Figure BDA0002609200880000242
其中，L(i)＝Min[TT，(Tdown(i)+T0(i)×(1-U0(i)]，表示在运行开始后，机组i 最初所需的最短停机时间。Tdown(i)表示机组i的最小停机时间。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束。表示机组i每次关停后的最小停机的时间的约束。表示运行时间的最后的Tdown(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机。
f.爬坡率约束
Figure BDA0002609200880000243
Figure BDA0002609200880000244
RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度， RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度。由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的。
g.停机时间计数器约束
Figure BDA0002609200880000245
Figure BDA0002609200880000246
Figure BDA0002609200880000247
Figure BDA0002609200880000251
S(i，t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的。这四个约束条件实现的功能就是当 v(i，t)＝0时，S(i，t)＝S(i，t-1)+1，而v(i，t)＝1时，S(i，t)＝0,实现了连续停机时间的累计。
h.分段启动成本约束
Figure BDA0002609200880000252
Figure BDA0002609200880000253
Figure BDA0002609200880000254
Figure BDA0002609200880000255
Figure BDA0002609200880000256
这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i，t)的计算的，其中，UPcost(i，j)表示机组i在停机j小时后的启动成本。一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化。ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值。ω(i，t，j)是表示机组停机时间状态的0-1变量，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。约束了对于每一个机组的每一个时段，ω(i，t，j)至多只能有一个取1。(3-121)利用虚拟变量m(i，t)将连续停机时间计数S(i，t)和ω(i，t，j)联系起来。
i.时段平移负荷的约束
Figure BDA0002609200880000261
Figure BDA0002609200880000262
Figure BDA0002609200880000263
其中，T0＝min[t，NT(i)]。Dtr(i，j)为可平移负荷i的负荷序列的第j段的负荷值。NT(i)表示可平移负荷i的序列的时间长度。NI表示可平移负荷的序号集合。
步骤S4中的分配方式为：
c1：建立最优功率分配问题的一般模型；
c2：对最优功率分配问题的简化模型；
c3：对简化最优功率分配模型的求解；
c4：对求解的数值进行仿真分析。
具体使用时，本发明一种送端电网故障状态下紧急源网协调调峰控制方法，首先对集群风电虚拟机组可调度性的作出评估，并建立集群风电机组可调度性指标的计算方法，紧接着对源荷调峰资源策略作出分析，最后对联络线调峰的控制策略作出分配，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。
在本发明的描述中，需要理解的是，指示的方位或位置关系为基于实施例所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于，包括以下步骤：
S1：对集群风电虚拟机组可调度性的作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
2.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性统计分析；通过关注的风电特性包括波动性和不确定性两个方面，WVPG的波动性和不确定性可表示为：
Figure FDA0002609200870000011
Figure FDA0002609200870000012
式中，nk为WVPG内风电场个数。
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
(1)建立WVPG内部各风电场的波动性ΔPi w(t)和不确定性
Figure FDA0002609200870000013
的条件相依概率分布离线模型集；
(2)建立WVPG内部多个风电场之间波动性ΔPi w(t)和不确定性
Figure FDA0002609200870000014
的累积概率分布函数条件相依秩相关系数矩阵
Figure FDA0002609200870000015
离线模型集；
(3)采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布。
a3：根据WVPG的时变概率分布在线采样算法；包括以下步骤：
Step1.初始化，随机生成S个ns×nk阶矩阵作为遗传算法的初始种群，其中ns为采样规模，nk为WVPG内风电场个数，矩阵元素均为[0，1]之间均匀分布的随机数；
Step2.从离线模型集中选取秩相关系数矩阵。首先根据时刻t风电场i，j预测风向，计算风向差异性系数；设
Figure FDA0002609200870000021
分别为第m个m∈(1，2，...，S)随机矩阵中，第i列和第j列元素组成的数据对，按照式(3-78)将
Figure FDA0002609200870000022
中数据对划分为若干子集。设
Figure FDA0002609200870000023
为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数。设
Figure FDA00026092008700000211
为离线模型集中与
Figure FDA0002609200870000024
条件集合取值相同的秩相关系数，可设置第m个矩阵Am目标函数为(3-79)，式中nc为子集个数：
Figure FDA0002609200870000025
Step3.利用遗传算法求解，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵(每次迭代中使G(Am)最小的矩阵)的秩相关系数矩阵逼近目标值
Figure FDA0002609200870000026
即使得(3-79)中G(Am)尽可能小；
Step4.收敛性判断。设
Figure FDA0002609200870000027
为遗传算法第k代的最优矩阵，
Figure FDA0002609200870000028
为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
Figure FDA0002609200870000029
在第k代，若
Figure FDA00026092008700000210
则遗传算法迭代停止，σ为算法收敛性系数，否则转Step2；
Step5.根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
Figure FDA0002609200870000031
设
Figure FDA0002609200870000032
为Step4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
Figure FDA0002609200870000033
WVPG的第g个采样样本为
Figure FDA0002609200870000034
Step6.根据式进行样本时间相关性校核；
Step7.根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模ns足够大时，即为离散概率分布的估计。由此，可得到风电场i和WVPG时刻t不确定性时变概率分布离散估计
Figure FDA0002609200870000035
和
Figure FDA0002609200870000036
3.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S2中的计算方法为：
b1：可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值。火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变。而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变。
定义WVPG时刻t可发功率如式(3-80)。
Figure FDA0002609200870000037
式中，Pa VPG(t)为WVPG时刻t可发功率(MW)，为随机变量，对应的时变概率分布为
Figure FDA0002609200870000038
Figure FDA0002609200870000039
为WVPG时刻t功率点预测值(MW)；εVPG(t)为WVPG时刻t出力不确定性随机变量(MW)，对应的时变概率分布为
Figure FDA00026092008700000310
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布
Figure FDA00026092008700000311
做平移运算，平移长度为预测值
Figure FDA0002609200870000041
设
Figure FDA0002609200870000042
分别为平移前后
Figure FDA0002609200870000043
第i个状态的取值，
Figure FDA0002609200870000044
分别为相应的状态概率，则有：
Figure FDA0002609200870000045
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为0处进行向下截断运算。设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
Figure FDA0002609200870000046
为：
Figure FDA0002609200870000047
式中，
Figure FDA0002609200870000048
为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
Figure FDA0002609200870000049
b2：可发功率极限的计算；可发功率极限指时刻t WVPG可发功率的最大、最小值。火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值。WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化。
基于风险价值理论，定义时刻t WVPG可发功率上限如式(3-83)：
Figure FDA00026092008700000410
式中，
Figure FDA00026092008700000411
为WVPG时刻t可发功率上限(MW)；β为置信概率。(3-83)含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限。
定义时刻t WVPG可发功率下限如式(3-84)：
Figure FDA00026092008700000412
式中，
Figure FDA00026092008700000413
为WVPG时刻t可发功率下限(MW)。(3-84)含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限。
可发功率极限指标计算方法：
设
Figure FDA0002609200870000051
多状态概率分布的第i个状态值和状态概率分别为
Figure FDA0002609200870000052
以可发功率上限为例，若
Figure FDA0002609200870000053
的第b个状态值对应的累积概率满足式(3-85)：
Figure FDA0002609200870000054
则可发功率上限为式(3-86)：
Figure 100018DEST_PATH_FDA0002713546180000059
式中，
Figure FDA0002609200870000056
表示第b+1个和第b个状态的状态值取值之差，
Figure FDA0002609200870000057
表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例。
b3：出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限。火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定。
WVPG时刻t出力上调极限
Figure FDA0002609200870000058
等于可发功率上限
Figure FDA0002609200870000059
出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
Figure FDA00026092008700000510
当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
Figure FDA00026092008700000511
b4：出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
Figure FDA0002609200870000061
在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制。
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
Figure DEST_PATH_FDA0002713546180000067
Figure FDA0002609200870000063
如式(3-88)所示：
Figure FDA0002609200870000064
式中，ΔPVPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
Figure FDA0002609200870000065
为WVPG时刻t由波动性决定的上爬坡率极限，为正值。式(3-88)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限。
定义WVPG时刻t由出力波动性决定的下爬坡率极限
Figure 768231DEST_PATH_FDA0002713546180000067
如式(3-89)所示：
Figure FDA0002609200870000067
式中，
Figure FDA0002609200870000068
为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值。式(3-89)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限。
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(3-91)、(3-90)分别确定调度模型中WVPG的爬坡率下、上限值。
WVPG上爬坡率极限为：
Figure FDA0002609200870000069
式中，
Figure FDA0002609200870000071
为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；
Figure FDA0002609200870000072
为WVPG时刻t的上爬坡率极限(MW/min)。
当
Figure FDA0002609200870000073
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升速度的高估，应将上爬坡率极限设置为
Figure FDA0002609200870000074
当
Figure FDA0002609200870000075
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
Figure FDA0002609200870000076
WVPG下爬坡率极限为：
Figure FDA0002609200870000077
式中，
Figure FDA0002609200870000078
为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；
Figure FDA0002609200870000079
为WVPG时刻t的下爬坡率极限(MW/min)，为负值
若
Figure FDA00026092008700000710
表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
Figure FDA00026092008700000711
若
Figure FDA00026092008700000712
表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
Figure FDA00026092008700000713
爬坡率指标计算方法：
对WVPG时刻t波动性的多状态概率分布
Figure FDA00026092008700000714
进行分位点运算，运算方法与式(3-86)类似，即可得到由出力波动特性决定的上下爬坡率极限
Figure FDA0002609200870000081
然后，按照式(3-90)、(3-91)定义即可求得当前时刻WVPG的爬坡率极限值。
4.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S3中的分析方法为：
a.整数变量
①机组i在t时刻的工作启停状态变量v(i，t)，v(i，t)＝1表示机组i在t时段处于开机状态，而v(i，t)＝0则代表处于停机状态；
②机组i在t时刻的转换状态变量y(i，t)，y(i，t)＝1表示机组i在t时段由关机变为开机，而y(i，t)＝0则表示机组处于其它状态；
③机组i在t时刻的转换状态变量z(i，t)，z(i，t)＝1表示机组i在t时段由开机变为关机，而z(i，t)＝0则表示机组处于其它状态；
④机组停机时间状态变量ω(i，t，j)，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。
还需要添加一个0-1变量Tr(i，t)表示可平移负荷的启动时间。Tr(i，t)＝1表示可平移负荷i在t时段开始运行，Tr(i，t)＝0表示可平移负荷i不是从t时段开始运行的。
b.连续变量
机组i在t时段的出力p(i，t)。
(2)目标函数
Figure FDA0002609200870000082
c(i，t)＝A(i)×p(i，t)2+B(i)×p(i，t)+C(i)×v(i，t)
其中TT表示运行的总时间，NG表示机组的数量，A(i)，B(i)，C(i)表示机组i发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i，t)为机组i在t时段的发电成本，b(i，t)为机组i在t时段的启动成本。b(i，t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释。停机成本一般不予考虑，因为其对于总成本影响较小。
(3)约束条件
a.功率平衡约束
Figure FDA0002609200870000091
其中，PD(i，t)表示可平移负荷i在t时段的负荷值。D0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数量。该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配。
b.机组出力上下限约束
Figure FDA0002609200870000092
p(i，t)表示机组i在t时段的出力下限，
Figure FDA0002609200870000093
表示机组i在t时段的出力上限，G表示所有机组的集合。该约束条件保证各机组都能在其正常运行的出力范围内运行。
c.启停辅助变量约束
Figure FDA0002609200870000094
Figure FDA0002609200870000095
式(3-107)约束了一个机组在同一时刻不可以同时启动和停机。约束了启动和停机的动作和机组工作状态的一致性。
d.最小运行时间约束
Figure FDA0002609200870000101
Figure FDA0002609200870000102
Figure FDA0002609200870000103
其中，G(i)＝Min[TT，(Tup(i)-T0(i)×U0(i)]，表示在运行开始后，机组i最初所需的最短运行时间。Tup(i)表示机组i的最小开机运行时间，U0(i)表示机组i的初始运行状态，U0(i)＝1则机组i初始处于运行状态，U0(i)＝0则机组i初始处于停机状态。T0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是运行的，则表示该机组还需要至少运行的时间的约束。机组i每次启动后的最小运行的时间的约束。表示运行时间的最后的Tup(i)-1小时内的最小运行时间约束，如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
e.最小停运时间约束
Figure FDA0002609200870000104
Figure FDA0002609200870000105
Figure FDA0002609200870000106
其中，L(i)＝Min[TT，(Tdown(i)+T0(i))×(1-U0(i))]，表示在运行开始后，机组i最初所需的最短停机时间。Tdown(i)表示机组i的最小停机时间。主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束。表示机组i每次关停后的最小停机的时间的约束。表示运行时间的最后的Tdown(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机。
f.爬坡率约束
Figure FDA0002609200870000111
Figure FDA0002609200870000112
RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度，RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度。由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的。
g.停机时间计数器约束
Figure FDA0002609200870000113
Figure FDA0002609200870000114
Figure FDA0002609200870000115
Figure FDA0002609200870000116
S(i，t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的。这四个约束条件实现的功能就是当v(i，t)＝0时，S(i，t)＝S(i，t-1)+1，而v(i，t)＝1时，S(i，t)＝0，实现了连续停机时间的累计。
h.分段启动成本约束
Figure FDA0002609200870000121
Figure FDA0002609200870000122
Figure FDA0002609200870000123
Figure FDA0002609200870000124
Figure FDA0002609200870000125
这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i，t)的计算的，其中，UPcost(i，j)表示机组i在停机j小时后的启动成本。一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化。ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值。ω(i，t，j)是表示机组停机时间状态的0-1变量，ω(i，t，j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i，t，j)＝0表示机组处于其它状态。约束了对于每一个机组的每一个时段，ω(i，t，j)至多只能有一个取1。(3-121)利用虚拟变量m(i，t)将连续停机时间计数S(i，t)和ω(i，t，j)联系起来。
i.时段平移负荷的约束
Figure FDA0002609200870000131
Figure FDA0002609200870000132
Figure FDA0002609200870000133
其中，T0＝min[t，NT(i)]。Dtr(i，j)为可平移负荷i的负荷序列的第j段的负荷值。NT(i)表示可平移负荷i的序列的时间长度。NI表示可平移负荷的序号集合。
5.根据权利要求1所述的一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述步骤S4中的分配方式为：
c1：建立最优功率分配问题的一般模型；
c2：对最优功率分配问题的简化模型；
c3：对简化最优功率分配模型的求解；
c4：对求解的数值进行仿真分析。
CN202010748432.6A 2020-07-30 2020-07-30 一种送端电网故障状态下紧急源网协调调峰控制方法 Pending CN111934364A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010748432.6A CN111934364A (zh) 2020-07-30 2020-07-30 一种送端电网故障状态下紧急源网协调调峰控制方法
PCT/CN2021/099423 WO2022022101A1 (zh) 2020-07-30 2021-06-10 一种送端电网故障状态下紧急源网协调调峰控制方法
US17/372,458 US12027857B2 (en) 2020-07-30 2021-07-10 Method for controlling peak saving by wind power grid

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010748432.6A CN111934364A (zh) 2020-07-30 2020-07-30 一种送端电网故障状态下紧急源网协调调峰控制方法

Publications (1)

Publication Number Publication Date
CN111934364A true CN111934364A (zh) 2020-11-13

Family

ID=73316025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010748432.6A Pending CN111934364A (zh) 2020-07-30 2020-07-30 一种送端电网故障状态下紧急源网协调调峰控制方法

Country Status (2)

Country Link
CN (1) CN111934364A (zh)
WO (1) WO2022022101A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112688368A (zh) * 2021-01-05 2021-04-20 国网甘肃省电力公司电力科学研究院 一种送端电网源网协调调峰方法
CN113132471A (zh) * 2021-03-31 2021-07-16 长沙理工大学 云服务预算优化调度方法、装置、设备和存储介质
WO2022022101A1 (zh) * 2020-07-30 2022-02-03 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法
CN115360744A (zh) * 2022-07-12 2022-11-18 中国农业大学 基于时空相关和源荷互补的分布式光伏动态集群划分方法

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657786B (zh) * 2021-08-24 2024-08-27 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN114548757B (zh) * 2022-02-21 2024-07-02 三峡大学 一种考虑源荷不确定性的火电机组灵活性改造规划方法
CN114781780A (zh) * 2022-02-28 2022-07-22 山东鲁软数字科技有限公司 一种基于数据挖掘的机组调峰能力评估方法、终端及存储介质
CN114944645B (zh) * 2022-03-10 2024-09-20 国网浙江省电力有限公司绍兴供电公司 一种计及资源时空相关性的新能源发电集群划分方法
CN114552658B (zh) * 2022-03-29 2024-03-01 合肥工业大学 计及需求侧响应的新能源电力系统调度方法
CN114925493A (zh) * 2022-04-02 2022-08-19 清华大学 一种基于变尺度时段聚合的电力系统机组组合优化方法
CN114648176B (zh) * 2022-04-22 2024-08-13 天津大学 一种基于数据驱动的风光电源消纳优化方法
CN114977318B (zh) * 2022-04-29 2024-05-17 广西电网有限责任公司 一种考虑相关性的随机-确定耦合电源调度方法及系统
CN115034587B (zh) * 2022-05-25 2024-08-02 国网浙江省电力有限公司经济技术研究院 一种计及风险的省间省内电量互动方法
CN115034589B (zh) * 2022-05-27 2024-06-25 南京国电南自电网自动化有限公司 一种虚拟电厂集中控制下经济低碳双层动态调度方法
CN115034493B (zh) * 2022-06-24 2024-05-14 江苏方天电力技术有限公司 一种考虑机组运行状态的风电场黑启动路径寻优方法
CN115000957B (zh) * 2022-07-19 2022-10-28 山东电力工程咨询院有限公司 考虑时刻间净负荷不确定性的资源调度优化方法及系统
CN115081955B (zh) * 2022-08-12 2022-11-15 东方电子股份有限公司 一种用于综合供能系统的分层分布式故障处理系统
CN115130391B (zh) * 2022-08-25 2022-12-06 华北电力大学 一种计及热惯性的电热综合能源系统故障恢复方法及系统
CN115600791B (zh) * 2022-09-07 2024-01-05 华北电力大学 一种风能太阳能互补性评估方法及系统
CN115441515B (zh) * 2022-09-14 2024-05-03 南方电网数字电网研究院有限公司 一种燃煤-燃气机组联合状态优化控制方法
CN115441459A (zh) * 2022-10-17 2022-12-06 东南大学 一种基于负荷准线的电力系统安全约束机组组合决策方法
CN116050306B (zh) * 2023-04-03 2023-06-02 广东电网有限责任公司珠海供电局 考虑海上风电分频接入的工频电网可靠性评估方法和系统
CN116109216B (zh) * 2023-04-13 2023-06-23 国网湖北省电力有限公司营销服务中心(计量中心) 一种源网储荷系统的可调性评估方法
CN116362622B (zh) * 2023-04-23 2023-11-21 国网河南省电力公司电力科学研究院 一种极端气象条件下电网供电能力评估方法和装置
CN116885691B (zh) * 2023-05-30 2024-02-23 淮阴工学院 一种风电功率爬坡事件间接预测方法
CN116388306A (zh) * 2023-06-02 2023-07-04 电力规划总院有限公司 一种随机性电源场优化控制方法和装置
CN116739074B (zh) * 2023-06-08 2023-11-17 河海大学 基于改进q学习的配电系统过程状态驱动的弹性策略方法
CN117077934B (zh) * 2023-07-27 2024-07-09 国网江苏省电力有限公司灌云县供电分公司 基于深度强化学习算法的省地多元灵活资源协同调峰决策方法
CN117195517B (zh) * 2023-08-25 2024-07-19 北京理工大学 冲击环境下多态系统的部件交换与工作强度调节方法
CN117217099B (zh) * 2023-11-08 2024-03-26 云南滇能智慧能源有限公司 一种续建风电机的机位确定方法、装置、设备及存储介质
CN117913920B (zh) * 2024-03-19 2024-06-04 山东大学 计及机组爬坡速率约束与系统初始状态的调度方法及系统
CN118137522B (zh) * 2024-05-07 2024-07-23 杭州太阁未名科技有限公司 电力系统最优调峰量测算方法、装置及计算机设备
CN118572645A (zh) * 2024-07-31 2024-08-30 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种风电柔性直流输电并网系统直流故障处理方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045655A (zh) * 2016-12-07 2017-08-15 三峡大学 基于多智能体随机一致博弈和虚拟发电部落的狼群部落策略方法
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016101469A1 (de) * 2016-01-27 2017-07-27 Wobben Properties Gmbh Verfahren zum Einspeisen elektrischer Leistung in ein elektrisches Versorgungsnetz
CN108448646B (zh) * 2018-01-16 2023-03-21 华北电力大学 一种考虑直流外送功率调节特性的源网协调调峰方法
CN111934364A (zh) * 2020-07-30 2020-11-13 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045655A (zh) * 2016-12-07 2017-08-15 三峡大学 基于多智能体随机一致博弈和虚拟发电部落的狼群部落策略方法
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
叶希 等: "集群风电虚拟机组时变概率模型及调度性能指标(一)：时变概率模型", 《中国电机工程学报》 *
叶希 等: "集群风电虚拟机组时变概率模型及调度性能指标(二)：调度性能指标", 《中国电机工程学报》 *
王健 等: "高载能负荷提高风电就地消纳的需求响应模式研究", 《电网技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022022101A1 (zh) * 2020-07-30 2022-02-03 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法
CN112688368A (zh) * 2021-01-05 2021-04-20 国网甘肃省电力公司电力科学研究院 一种送端电网源网协调调峰方法
CN113132471A (zh) * 2021-03-31 2021-07-16 长沙理工大学 云服务预算优化调度方法、装置、设备和存储介质
CN113132471B (zh) * 2021-03-31 2023-02-21 长沙理工大学 云服务预算优化调度方法、装置、设备和存储介质
CN115360744A (zh) * 2022-07-12 2022-11-18 中国农业大学 基于时空相关和源荷互补的分布式光伏动态集群划分方法
CN115360744B (zh) * 2022-07-12 2024-08-02 中国农业大学 基于时空相关和源荷互补的分布式光伏动态集群划分方法

Also Published As

Publication number Publication date
WO2022022101A1 (zh) 2022-02-03

Similar Documents

Publication Publication Date Title
CN111934364A (zh) 一种送端电网故障状态下紧急源网协调调峰控制方法
CN112186811B (zh) 一种基于深度强化学习的agc机组动态优化方法
Zhang et al. A hybrid harmony search algorithm with differential evolution for day-ahead scheduling problem of a microgrid with consideration of power flow constraints
CN108875992B (zh) 一种考虑需求响应的虚拟电厂日前优化调度方法
CN107248751A (zh) 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
CN112003330B (zh) 一种基于自适应控制的微网能量优化调度方法
CN108039737A (zh) 一种源网荷协调运行模拟系统
CN114744687A (zh) 一种虚拟电厂的能源调控方法及系统
CN107482692A (zh) 风电场有功控制的方法、装置及系统
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN104810863A (zh) 一种考虑风电预测误差的机组有功实时调度方法
CN112182835A (zh) 一种考虑风电不确定性和储能调节的电力系统可靠性评估方法及系统
CN112886645A (zh) 一种基于氢能超高比例的新能源电力系统运行模拟方法
CN112836849A (zh) 一种考虑风电不确定性的虚拟电厂调度方法
CN111047077A (zh) 一种新能源年度交易电量优化分解方法及系统
CN115986845A (zh) 一种基于深度强化学习的配电网双层优化调度方法
CN117439090B (zh) 以灵活调节系数为指标的灵活性资源配置或调度方法
CN117767349A (zh) 风光储新能源电站的优化调度与协调控制方法及系统
CN118017573A (zh) 一种考虑灵活性供需平衡的源网荷储资源规划方法
CN111934361A (zh) 一种源网协调调峰优化策略评估方法
CN117477666A (zh) 电网分布式源网荷储调度优化配置方法
Rodriguez et al. A new energy management strategy for a grid connected wind turbine-battery storage power plant
CN107844652A (zh) 一种含电量调节层的电力系统生产模拟方法
CN116502747A (zh) 一种基于概率预测的计及新能源多时间尺度不确定性的电力系统备用量化方法
CN111049195A (zh) 一种agc参数优化方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201113