CN112016186A - 一种基于随机场景构建的年度弃风、弃光率计算方法 - Google Patents

一种基于随机场景构建的年度弃风、弃光率计算方法 Download PDF

Info

Publication number
CN112016186A
CN112016186A CN202010654512.5A CN202010654512A CN112016186A CN 112016186 A CN112016186 A CN 112016186A CN 202010654512 A CN202010654512 A CN 202010654512A CN 112016186 A CN112016186 A CN 112016186A
Authority
CN
China
Prior art keywords
power
wind
curtailment
light
time
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
CN202010654512.5A
Other languages
English (en)
Other versions
CN112016186B (zh
Inventor
叶林
何博宇
汪宁勃
李琼慧
周强
王彩霞
李津
赵龙
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.)
China Agricultural University
State Grid Energy Research Institute Co Ltd
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
Original Assignee
China Agricultural University
State Grid Energy Research Institute Co Ltd
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu 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 China Agricultural University, State Grid Energy Research Institute Co Ltd, State Grid Gansu Electric Power Co Ltd, Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd filed Critical China Agricultural University
Priority to CN202010654512.5A priority Critical patent/CN112016186B/zh
Priority claimed from CN202010654512.5A external-priority patent/CN112016186B/zh
Publication of CN112016186A publication Critical patent/CN112016186A/zh
Application granted granted Critical
Publication of CN112016186B publication Critical patent/CN112016186B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (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随机场景构建的年度弃风、弃光率计算方法，包括以下步骤：一、按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的多种场景，并计算出边界条件参数。二、利用电力系统调节技术发展中包含的未来风电、光伏预测误差计算结果修正风电、光伏功率曲线。三、对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段。四、对需要弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。

Description

一种基于随机场景构建的年度弃风、弃光率计算方法
技术领域
本发明涉及新能源运行与消纳领域，特别是涉及一种基于随机场景构建的年度弃风、弃光率计算方法。
背景技术
近年来，随着新能源发电技术的高速发展，当中风电、光伏装机规模不断扩大，其不确定性对电网安全、经济运行产生了不利影响。地区快速增长的风、光装机容量和发展滞后的消纳能力之间的矛盾日渐凸显，由此带来的弃风、弃光问题十分严重。然而，发生弃风、弃光的小时数占总小时数比例并不高，并且高比例新能源接入的电网中，弃风、弃光不可避免，为了百分之百消纳风、光进行巨额的电网投资并不符合经济性的要求。因此，评估系统的合理弃风、弃光率，可以减少、延缓电力系统的建设投资，避免资源的浪费，促进风光电厂与电网的合理发展，具有重要的意义。在此背景下，归纳分析了造成弃风、弃光的主要原因，提出了一种基于随机场景构建的年度弃风、弃光率计算方法。
发明内容
在未来高比例新能源接入的情况下，为了评估某区域应该允许多大的弃风、弃光率，本发明所要解决的技术问题主要是现有弃风、弃光率计算并没有充分考虑到未来不同技术发展场景和采取的不同消纳策略，无法满足未来多种状况的需求。
为达到以上目的，本发明采取的技术方案是：
一种基于随机场景构建的年度弃风、弃光率计算方法，包括以下步骤：
A.按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的m种场景，并计算出每个场景的边界条件参数；
B.利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线；
C.对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段；
D.对需要进行弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。
在上述技术方案的基础上，在步骤A中，对某区域能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面的历史数据逐年计算增长率，对未来参数的预测采用平稳增长和异常增长两种预测模式，随机选取一定的增长率构建不同场景并计算出每个场景的边界条件参数的具体过程为：
A1.设需要预测的能源电力发展情况具体因素包含未来水平年的电力需求；风电、光伏的装机容量；与其他区域联络的传输线传输容量上限；其他发电单位的装机容量等因素；
设需要预测的电力系统调节技术发展情况具体因素包含未来水平年储能电站的功率、容量和能量转换效率；已经进行和未进行灵活性改造的火电机组装机容量和调峰深度；需求侧响应的功率、容量和响应误差；风电、光伏发电场站日前预测误差等因素；其中预测时间段为24小时，时间分辨率为1小时，采用MAE计算预测误差；
设需要预测的电力设施经济特性具体因素包含新线路的建设成本和运维成本；储能电站的建设成本和运维成本；火电机组灵活性改造的成本；火电机组参与辅助调峰服务成本等因素；
A2.整理A1各因素的历史数据，并按公式(1)逐年计算因素增长率；
Figure BDA0002576202550000031
式中Rn,y表示第n种因素，历史第y年的增长率，Xn,y表示第n种因素，历史第y年的具体数值，Xn,y-1表示第n种因素，历史第y-1年的具体数值；
A3.在未来预测方面，采用平稳和异常两种模式进行预测，平稳模式的增长率在历史增长率的范围中随机变化，用于模拟未来没有发生剧烈变化的情况；而异常模式的增长率不设置限制，可模拟未来发生巨大变革的情况；在计算各因素未来每年增长率之前，取随机数Ra∈[0,1]，设置各个因素的平稳模式系数αn∈[0,1]，如果Ra≤αn则采用平稳模式选取增长率，如果Ra>αn则采用异常模式选取增长率；αn越大，则表示该因素越有可能平稳发展，波动不大，反之αn越小，则表示该因素在未来可能发生较大变化；
在平稳模式中，第n种因素未来第y年的增长率取值区间Rn,y∈[RnL,RnU]，其中RnL为历史最低增长率，RnU为历史最高增长率，如式(2)：
RnL＝min{Rn,1,Rn,2,…,Rn,y-1}
RnU＝max{Rn,1,Rn,2,…,Rn,y-1} (2)
而在异常模式中，第n种因素未来第y年的增长率不设限制；
A4.根据未来每年的增长率，计算出各因素未来的预测值，得到一个场景中的三个发展参数矩阵——能源电力发展矩阵N，电力系统调节技术发展矩阵T，电力设施经济特性发展矩阵E，如式(3)所示
Figure BDA0002576202550000041
式中nn1,yn表示能源电力发展情况中第n1中因素在未来第yn年的具体预测数值，tn2,yn表示电力系统调节技术发展情况中第n2中因素在未来第yn年的具体预测数值，en3,yn表示电力设施经济特性发展情况中第n3中因素在未来第yn年的具体预测数值；
回到A3继续进行新的场景生成，直到达到设置的m种场景。
在上述技术方案的基础上，在步骤B中，利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线的具体过程为：
B1.首先考虑数值的横向误差；提取电力系统调节技术发展矩阵T中未来水平年风电、光伏提前24小时的纵向预测误差数据，设最大误差为C小时，按照公式(4)计算进行横向误差修正后的输出功率值；
Figure BDA0002576202550000051
其中Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，
Figure BDA0002576202550000052
为在t+k时刻未修正的光伏功率预测值，
Figure BDA0002576202550000053
为在t+k时刻未修正的风电功率预测值，k∈[-C,…,-1,0,1,…C]，当k为正整数表示预测数据向后延迟了|k|小时，k为负整数则表示预测数据提前了|k|小时，k为0表示没有横向误差，在时间上无提前或延迟。
B2.考虑数值的纵向误差；提取电力系统调节技术发展矩阵T中未来水平年风电提前24小时的纵向预测误差数据，并将其设为a％，模拟风电功率供给比预期高的弃风情景，假设全年真实的风电功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为a％；按照公式(5)计算全年风电功率修正值；
Pt wind＝Pt wind'+a％·Pwindn，t＝1,2,…,8760； (5)
式中Pt wind为在t时刻横向、纵向误差修正后的风电功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，Pwindn为风电场的装机容量；
提取电力系统调节技术发展矩阵T中未来水平年光伏提前24小时的纵向预测误差数据，并将其设为b％，模拟光伏功率供给比预期高的弃光情景，假设全年真实的光伏功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为b％，按照公式(6)计算全年光伏功率修正值；
Pt solar＝Pt solar'+b％·Psolarn t＝1,2,…,8760 (6)
式中Pt solar为在t时刻横向、纵向误差修正后的光伏功率预测值，Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Psolarn为光伏电站的装机容量；
C1.把全年划分成8760个时段，每个时段1小时，分别计算每个时段的总发电量和总用电量，分析在仅通过适当压低火力发电机组输出有功功率的情况下，是否需要采取弃风、弃光措施，如果是，则计算弃风、弃光的电量，记录该时刻；首先，当火电机组全部达到义务最低输出有功功率与风电、光伏发电系统输出有功功率之和大于负荷需求时，则削减新能源的输出有功功率，按照式(7)计算；
Figure BDA0002576202550000061
式中Pt curtail为在t时刻需要削减的新能源输出有功功率，Pt mincoal为在t时刻燃煤火电厂的义务最低输出有功功率，Pt wind为在t时刻风力发电场输出有功功率，Pt solar为在t时刻光伏发电站输出有功功率，Pt load为在t时刻负荷所需有功功率，Pt out为在t时刻传输线送出该区域的有功功率，Pt store为在t时刻储能电站的充电功率，nc为燃煤火电厂的数量，nw为风力发电场数量，ns为太阳能发电站数量；
其次，削减新能源的输出有功功率对时间积分需要弃风、弃光的电量，按照式(8)计算，此时火电机组提供最大的基本调峰辅助服务，未提供有偿调峰辅助服务，记录此时刻；
Figure BDA0002576202550000071
式中Ecurtail*为全年仅通过适当压低火力发电机组输出有功功率的情况下弃风电量和弃光电量的总和，△t为1小时；
C2.将C1中记录的所有弃风、弃光时段及所限制的电量重构为一个新的弃风、弃光电量时间序列矩阵Θ*，如式(9)
Figure BDA0002576202550000072
其中第一行为新序列的序号，nt为弃风、弃光时刻的总数，第二行为旧序列的时间序号，t1、t2……tn分别代表旧序列出现弃风、弃光的时刻，第三行为每个旧时间段的弃风电量和弃光电量的总和。
在上述技术方案的基础上，在步骤D中，对需要进行弃风、弃光的时间段，以综合成本最低为目标，将不同的消纳策略作为优化变量，建立混合整数线性规划模型，求解模型得出该区域年度弃风、弃光率标尺的具体过程为：
D1.将单个场景的计算结果输入模型，设减少弃风、弃光电量的策略有以下五种：增加灵活性改造的火电机组；寻求火电辅助调峰服务；投建新线路增加向外输送的电量；通过储能电站存储电能；寻求需求侧响应服务；
D2.为了评估各场景中采取何种策略消纳新能源最优，将4个评估指标：消纳策略经济性，火力发电经济性，二氧化碳排放罚款和弃风、弃光的社会负效应统一转换为成本计量，以综合成本作为目标函数，建立混合整数线性规划模型，如式(10)所示，约束条件如式(11)所示；
Figure BDA0002576202550000081
st.
Figure BDA0002576202550000082
Figure BDA0002576202550000083
Figure BDA0002576202550000084
Figure BDA0002576202550000085
Figure BDA0002576202550000086
Figure BDA0002576202550000087
Figure BDA0002576202550000088
式(10)中C'为综合成本，nr为增加灵活性改造的火电机组的数量，为整数，Creform为增加灵活性改造的火电机组的成本；nl为新建传输线的数量，为整数，Cline为新建传输线的成本；ns为新建储能电站的数量，Cstore为新建储能电站的成本；
Figure BDA0002576202550000089
为在t时刻寻求火电辅助调峰服务的电量，Caid为单位电量支付的费用；
Figure BDA00025762025500000810
为在t时刻需求侧响应服务的电量，CDR为单位电量支付的费用；
Figure BDA0002576202550000091
为采取消纳策略后实际的弃风、弃光电量，Ccoal为火电机组的燃煤成本，
Figure BDA0002576202550000092
为超出二氧化碳排放限制的罚款，Ccurtail为由于弃风、弃光带来不良社会效应的惩罚因子；
式(11)中
Figure BDA0002576202550000093
分别为在t时刻增加灵活性改造的火电机组提供的消纳电量、投建新线路增加向外输送的电量、新建的储能电站存储电能、寻求火电辅助调峰服务提供的消纳电量、寻求需求侧响应服务提供的消纳电量；Preform、Pline、Pstore、Paid、PDR分别为每个改造后的火电机组义务最低输出有功功率与技术最低输出有功功率之差、每条线路的传输有功功率极限、单个储能电站的最高充电功率、火电辅助调峰服务能提供的最高有功功率、需求侧响应服务能提供的最高有功功率；
Figure BDA0002576202550000094
为在t时刻采取消纳策略之后的最终弃风、弃光电量，
Figure BDA0002576202550000095
为在t时刻没有采取消纳策略的弃风、弃光电量；
D3.计算求解该单场景模型，结果输出该场景的成本最低的合理弃风、弃光率，并给出相应的消纳策略；
回到D1进行下一个场景的计算，直到完成m次循环；循环结束后，将m个场景的弃风、弃光率由大到小排列成数集，制作成弃风、弃光率标尺，标尺上限为数集的第一四分位数，标尺下限为数集的第三四分位数，标尺标定了合理的弃风、弃光率范围。
本发明所述的一种基于随机场景构建的年度弃风、弃光率计算方法具有以下优点：
1、本发明所述方法充分考虑未来区域能源电力发展、电力系统调节技术发展、电力设施经济特性的不确定性，按照发展速度的不同分了m个场景进行模拟计算。
2、现有的时序生产模拟方法需要对全年电力系统运行进行仿真模拟，在不需要弃风、弃光的时段也进行计算，本发明所述的方法单独针对需要弃风、弃光的时段进行优化计算，提高了计算效率。
3、本发明所述方法不仅能够算出合理的弃风、弃光率，还能得到该弃风、弃光率下系统的综合成本，以及采取的消纳措施。
附图说明
本发明有如下附图：
图1为基于随机场景构建的年度弃风、弃光率计算方法流程图。
具体实施方式
以下结合附图1对本发明作进一步详细说明。
一种基于随机场景构建的年度弃风、弃光率计算方法，包括以下步骤：
步骤A.按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的m种场景，并计算出每个场景的边界条件参数。
设需要预测的能源电力发展情况具体因素包含未来水平年的电力需求；风电、光伏的装机容量；与其他区域联络的传输线传输容量上限；其他发电单位的装机容量等因素。
设需要预测的电力系统调节技术发展情况具体因素包含未来水平年储能电站的功率、容量和能量转换效率；已经进行和未进行灵活性改造的火电机组装机容量和调峰深度；需求侧响应的功率、容量和响应误差；风电、光伏发电场站日前预测误差等因素。其中预测时间段为24小时，时间分辨率为1小时，采用MAE计算预测误差。
设需要预测的电力设施经济特性具体因素包含新线路的建设成本和运维成本；储能电站的建设成本和运维成本；火电机组灵活性改造的成本；火电机组参与辅助调峰服务成本等因素。
整理各因素的历史数据，并按公式(1)逐年计算因素增长率。
Figure BDA0002576202550000111
式中Rn,y表示第n种因素，历史第y年的增长率，Xn,t表示第n种因素，历史第y年的具体数值，Xn,t-1表示第n种因素，历史第y-1年的具体数值。
在未来预测方面，采用平稳和异常两种模式进行预测，平稳模式的增长率在历史增长率的范围中随机变化，用于模拟未来没有发生剧烈变化的情况；而异常模式的增长率不设置限制，可模拟未来发生巨大变革的情况。在计算各因素未来每年增长率之前，取随机数Ra∈[0,1]，设置各个因素的平稳模式系数αn∈[0,1]，如果Ra≤αn则采用平稳模式选取增长率，如果Ra>αn则采用异常模式选取增长率。αn越大，则表示该因素越有可能平稳发展，波动不大，反之αn越小，则表示该因素在未来可能发生较大变化。
在平稳模式中，第n种因素未来第y年的增长率取值区间Rn,y∈[RnL,RnU]，其中RnL为历史最低增长率，RnU为历史最高增长率，如式(2)：
RnL＝min{Rn,1,Rn,2,…,Rn,y-1}
RnU＝max{Rn,1,Rn,2,…,Rn,y-1} (2)
而在异常模式中，第n种因素未来第y年的增长率不设限制。
根据未来每年的增长率，计算出各因素未来的预测值，得到一个场景中的三个发展参数矩阵——能源电力发展矩阵N，电力系统调节技术发展矩阵T，电力设施经济特性发展矩阵E，如式(3)所示
Figure BDA0002576202550000121
Figure BDA0002576202550000122
Figure BDA0002576202550000123
式中nn1,yn表示能源电力发展情况中第n1中因素在未来第yn年的具体预测数值，tn2,yn表示电力系统调节技术发展情况中第n2中因素在未来第yn年的具体预测数值，en3,yn表示电力设施经济特性发展情况中第n3中因素在未来第yn年的具体预测数值；
继续进行新的场景生成，直到达到设置的m个场景。
步骤B.利用每个场景的电力系统调节技术发展中包含的未来风电、光伏预测误差计算结果修正风电、光伏功率曲线。
首先考虑数值的横向误差；提取电力系统调节技术发展矩阵T中未来水平年风电、光伏提前24小时的纵向预测误差数据，设最大误差为C小时，按照公式(4)计算进行横向误差修正后的输出功率值；
Figure BDA0002576202550000131
其中Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，
Figure BDA0002576202550000132
为在t+k时刻未修正的光伏功率预测值，
Figure BDA0002576202550000133
为在t+k时刻未修正的风电功率预测值，k∈[-C,…,-1,0,1,…C]，当k为正整数表示预测数据向后延迟了|k|小时，k为负整数则表示预测数据提前了|k|小时，k为0表示没有横向误差，在时间上无提前或延迟。
考虑数值的纵向误差；提取电力系统调节技术发展矩阵T中未来水平年风电提前24小时的纵向预测误差数据，并将其设为a％，模拟风电功率供给比预期高的弃风情景，假设全年真实的风电功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为a％；按照公式(5)计算全年风电功率修正值；
Pt wind＝Pt wind'+a％·Pwindn，t＝1,2,…,8760； (5)
式中Pt wind为在t时刻横向、纵向误差修正后的风电功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，Pwindn为风电场的装机容量；
提取电力系统调节技术发展矩阵T中未来水平年光伏提前24小时的纵向预测误差数据，并将其设为b％，模拟光伏功率供给比预期高的弃光情景，假设全年真实的光伏功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为b％，按照公式(6)计算全年光伏功率修正值；
Pt solar＝Pt solar'+b％·Psolarn t＝1,2,…,8760 (6)
式中Pt solar为在t时刻横向、纵向误差修正后的光伏功率预测值，Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Psolarn为光伏电站的装机容量；
步骤C.对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段。
把全年划分成8760个时段，每个时段1小时，分别计算每个时段的总发电量和总用电量，分析在仅通过适当压低火力发电机组输出有功功率的情况下，是否需要采取弃风、弃光措施，如果是，则计算弃风、弃光的电量，记录该时刻。首先，当火电机组全部达到义务最低输出有功功率与风电、光伏发电系统输出有功功率之和大于负荷需求时，则削减新能源的输出有功功率，按照式(7)计算。
Figure BDA0002576202550000141
式中Pt curtail为在t时刻需要削减的新能源输出有功功率，Pt mincoal为在t时刻燃煤火电厂的义务最低输出有功功率，Pt wind为在t时刻风力发电场输出有功功率，Pt solar为在t时刻光伏发电站输出有功功率，Pt load为在t时刻负荷所需有功功率，Pt out为在t时刻传输线送出该区域的有功功率，Pt store为在t时刻储能电站的充电功率，nc为燃煤火电厂的数量，nw为风力发电场数量，ns为太阳能发电站数量。
其次，削减新能源的输出有功功率对时间积分则是需要弃风、弃光的电量，按照式(8)计算，此时火电机组提供最大的基本调峰辅助服务，未提供有偿调峰辅助服务，记录此时刻。
Figure BDA0002576202550000151
式中Ecurtail*为全年仅通过适当压低火力发电机组输出有功功率的情况下弃风电量和弃光电量的总和，△t为1小时。
将记录的所有弃风、弃光时段及所限制的电量重构为一个新的弃风、弃光电量时间序列矩阵Θ*，如式(9)
Figure BDA0002576202550000152
其中第一行为新序列的序号，nt为弃风、弃光时刻的总数，第二行为旧序列的时间序号，t1、t2……tn分别代表旧序列出现弃风、弃光的时刻，第三行为每个旧时间段的弃风电量和弃光电量的总和。
步骤D.对需要弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。
将单个场景的计算结果输入模型，设减少弃风、光电量的策略有以下五种：增加灵活性改造的火电机组；寻求火电辅助调峰服务；投建新线路增加向外输送的电量；通过储能电站存储电能；寻求需求侧响应服务。
为了评估各场景中采取何种策略消纳新能源最优，将4个评估指标：消纳策略经济性，火力发电经济性，二氧化碳排放罚款和弃风、弃光的社会负效应统一转换为成本计量，采取综合成本作为目标函数，建立混合整数线性规划模型，如式(10)所示，约束条件如式(11)。
Figure BDA0002576202550000161
st.
Figure BDA0002576202550000162
Et reform≤nrPreform△t
Figure BDA0002576202550000163
Figure BDA0002576202550000164
Figure BDA0002576202550000165
Figure BDA0002576202550000166
Figure BDA0002576202550000167
式(10)中C'为综合成本，nr为增加灵活性改造的火电机组的数量，为整数，Creform为增加灵活性改造的火电机组的成本；nl为新建传输线的数量，为整数，Cline为新建传输线的成本；ns为新建储能电站的数量，Cstore为新建储能电站的成本；
Figure BDA0002576202550000168
为在t时刻寻求火电辅助调峰服务的电量，Caid为单位电量支付的费用；
Figure BDA0002576202550000169
为在t时刻需求侧响应服务的电量，CDR为单位电量支付的费用；
Figure BDA00025762025500001610
为采取消纳策略后实际的弃风、弃光电量，Ccoal为火电机组的燃煤成本，
Figure BDA00025762025500001611
为超出二氧化碳排放限制的罚款，Ccurtail为由于弃风、弃光带来不良社会效应的惩罚因子。
式(11)中
Figure BDA00025762025500001612
分别为在t时刻增加灵活性改造的火电机组提供的消纳电量、投建新线路增加向外输送的电量、新建的储能电站存储电能、寻求火电辅助调峰服务提供的消纳电量、寻求需求侧响应服务提供的消纳电量。Preform、Pline、Pstore、Paid、PDR分别为每个改造后的火电机组义务最低输出有功功率与技术最低输出有功功率之差、每条线路的传输有功功率极限、单个储能电站的最高充电功率、火电辅助调峰服务能提供的最高有功功率、需求侧响应服务能提供的最高有功功率。
Figure BDA0002576202550000171
为在t时刻采取消纳策略之后的最终弃风、弃光电量，
Figure BDA0002576202550000172
为在t时刻没有采取消纳策略的弃风、弃光电量。
计算求解该单场景模型，结果输出该场景的成本最低的合理弃风、弃光率，并给出相应的消纳策略。
进行下一个场景的计算，直到完成m次循环。循环结束后，将m个场景的弃风、弃光率由大到小排列成数集，制作成弃风、弃光率标尺，标尺上限为数集的第一四分位数，标尺下限为数集的第三四分位数，标尺标定了合理的弃风、弃光率范围。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的实质和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围由权利要求限定。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (5)

1.一种基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，包括以下步骤：
A.按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的m种场景，并计算出每个场景的边界条件参数；
B.利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线；
C.对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段；
D.对需要进行弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。
2.如权利要求1所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤A中，对某区域能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面的历史数据逐年计算增长率，对未来参数的预测采用平稳增长和异常增长两种预测模式，随机选取一定的增长率构建不同场景并计算出每个场景的边界条件参数的具体过程为：
A1.设需要预测的能源电力发展情况具体因素包含未来水平年的电力需求；风电、光伏的装机容量；与其他区域联络的传输线传输容量上限；其他发电单位的装机容量；
设需要预测的电力系统调节技术发展情况具体因素包含未来水平年储能电站的功率、容量和能量转换效率；已经进行和未进行灵活性改造的火电机组装机容量和调峰深度；需求侧响应的功率、容量和响应误差；风电、光伏发电场站日前预测误差；其中预测时间段为24小时，时间分辨率为1小时，采用MAE计算预测误差；
设需要预测的电力设施经济特性具体因素包含新线路的建设成本和运维成本；储能电站的建设成本和运维成本；火电机组灵活性改造的成本；火电机组参与辅助调峰服务成本；
A2.整理A1各因素的历史数据，并按公式(1)逐年计算因素增长率；
Figure FDA0002576202540000021
式中Rn,y表示第n种因素，历史第y年的增长率，Xn,y表示第n种因素，历史第y年的具体数值，Xn,y-1表示第n种因素，历史第y-1年的具体数值；
A3.在未来预测方面，采用平稳和异常两种模式进行预测，平稳模式的增长率在历史增长率的范围中随机变化，用于模拟未来没有发生剧烈变化的情况；而异常模式的增长率不设置限制，可模拟未来发生巨大变革的情况；在计算各因素未来每年增长率之前，取随机数Ra∈[0,1]，设置各个因素的平稳模式系数αn∈[0,1]，如果Ra≤αn则采用平稳模式选取增长率，如果Ra>αn则采用异常模式选取增长率；αn越大，则表示该因素越有可能平稳发展，波动不大，反之αn越小，则表示该因素在未来可能发生较大变化；
在平稳模式中，第n种因素未来第y年的增长率取值区间Rn,y∈[RnL,RnU]，其中RnL为历史最低增长率，RnU为历史最高增长率，如式(2)：
RnL＝min{Rn,1,Rn,2,…,Rn,y-1}
RnU＝max{Rn,1,Rn,2,…,Rn,y-1} (2)
而在异常模式中，第n种因素未来第y年的增长率不设限制；
A4.根据未来每年的增长率，计算出各因素未来的预测值，得到一个场景中的三个发展参数矩阵——能源电力发展矩阵N，电力系统调节技术发展矩阵T，电力设施经济特性发展矩阵E，如式(3)所示
Figure FDA0002576202540000031
式中nn1,yn表示能源电力发展情况中第n1中因素在未来第yn年的具体预测数值，tn2,yn表示电力系统调节技术发展情况中第n2中因素在未来第yn年的具体预测数值，en3,yn表示电力设施经济特性发展情况中第n3中因素在未来第yn年的具体预测数值；
回到A3继续进行新的场景生成，直到达到设置的m种场景。
3.如权利要求2所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤B中，利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线的具体过程为：
B1.首先考虑数值的横向误差；提取电力系统调节技术发展矩阵T中未来水平年风电、光伏提前24小时的纵向预测误差数据，设最大误差为C小时，按照公式(4)计算进行横向误差修正后的输出功率值；
Figure FDA0002576202540000041
其中Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，
Figure FDA0002576202540000042
为在t+k时刻未修正的光伏功率预测值，
Figure FDA0002576202540000043
为在t+k时刻未修正的风电功率预测值，k∈[-C,…,-1,0,1,…C]，当k为正整数表示预测数据向后延迟了|k|小时，k为负整数则表示预测数据提前了|k|小时，k为0表示没有横向误差，在时间上无提前或延迟；
B2.考虑数值的纵向误差；提取电力系统调节技术发展矩阵T中未来水平年风电提前24小时的纵向预测误差数据，并将其设为a％，模拟风电功率供给比预期高的弃风情景，假设全年真实的风电功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为a％；按照公式(5)计算全年风电功率修正值；
Pt wind＝Pt wind'+a％·Pwindn，t＝1,2,…,8760； (5)
式中Pt wind为在t时刻横向、纵向误差修正后的风电功率预测值，Pt wind'为在t时刻经过横向误差修正后的风电功率预测值，Pwindn为风电场的装机容量；
提取电力系统调节技术发展矩阵T中未来水平年光伏提前24小时的纵向预测误差数据，并将其设为b％，模拟光伏功率供给比预期高的弃光情景，假设全年真实的光伏功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为b％，按照公式(6)计算全年光伏功率修正值；
Pt solar＝Pt solar'+b％·Psolarnt＝1,2,…,8760 (6)
式中Pt solar为在t时刻横向、纵向误差修正后的光伏功率预测值，Pt solar'为在t时刻经过横向误差修正后的光伏功率预测值，Psolarn为光伏电站的装机容量。
4.如权利要求3所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤C中，对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段的具体过程为：
C1.把全年划分成8760个时段，每个时段1小时，分别计算每个时段的总发电量和总用电量，分析在仅通过适当压低火力发电机组输出有功功率的情况下，是否需要采取弃风、弃光措施，如果是，则计算弃风、弃光的电量，记录该时刻；首先，当火电机组全部达到义务最低输出有功功率与风电、光伏发电系统输出有功功率之和大于负荷需求时，则削减新能源的输出有功功率，按照式(7)计算；
Figure FDA0002576202540000051
式中Pt curtail为在t时刻需要削减的新能源输出有功功率，Pt mincoal为在t时刻燃煤火电厂的义务最低输出有功功率，Pt wind为在t时刻风力发电场输出有功功率，Pt solar为在t时刻光伏发电站输出有功功率，Pt load为在t时刻负荷所需有功功率，Pt out为在t时刻传输线送出该区域的有功功率，Pt store为在t时刻储能电站的充电功率，nc为燃煤火电厂的数量，nw为风力发电场数量，ns为太阳能发电站数量；
其次，削减新能源的输出有功功率对时间积分需要弃风、弃光的电量，按照式(8)计算，此时火电机组提供最大的基本调峰辅助服务，未提供有偿调峰辅助服务，记录此时刻；
Figure FDA0002576202540000061
式中Ecurtail*为全年仅通过适当压低火力发电机组输出有功功率的情况下弃风电量和弃光电量的总和，△t为1小时；
C2.将C1中记录的所有弃风、弃光时段及所限制的电量重构为一个新的弃风、弃光电量时间序列矩阵Θ*，如式(9)
Figure FDA0002576202540000062
其中第一行为新序列的序号，nt为弃风、弃光时刻的总数，第二行为旧序列的时间序号，t1、t2……tn分别代表旧序列出现弃风、弃光的时刻，第三行为每个旧时间段的弃风电量和弃光电量的总和。
5.如权利要求4所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤D中，对需要进行弃风、弃光的时间段，以综合成本最低为目标，将不同的消纳策略作为优化变量，建立混合整数线性规划模型，求解模型得出该区域年度弃风、弃光率标尺的具体过程为：
D1.将单个场景的计算结果输入模型，设减少弃风、弃光电量的策略有以下五种：增加灵活性改造的火电机组；寻求火电辅助调峰服务；投建新线路增加向外输送的电量；通过储能电站存储电能；寻求需求侧响应服务；
D2.为了评估各场景中采取何种策略消纳新能源最优，将4个评估指标：消纳策略经济性，火力发电经济性，二氧化碳排放罚款和弃风、弃光的社会负效应统一转换为成本计量，以综合成本作为目标函数，建立混合整数线性规划模型，如式(10)所示，约束条件如式(11)所示；
Figure FDA0002576202540000071
st.
Figure FDA0002576202540000072
Figure FDA0002576202540000073
Figure FDA0002576202540000074
Figure FDA0002576202540000075
Figure FDA0002576202540000076
Figure FDA0002576202540000077
Figure FDA0002576202540000078
式(10)中C'为综合成本，nr为增加灵活性改造的火电机组的数量，为整数，Creform为增加灵活性改造的火电机组的成本；nl为新建传输线的数量，为整数，Cline为新建传输线的成本；ns为新建储能电站的数量，Cstore为新建储能电站的成本；
Figure FDA0002576202540000081
为在t时刻寻求火电辅助调峰服务的电量，Caid为单位电量支付的费用；
Figure FDA0002576202540000082
为在t时刻需求侧响应服务的电量，CDR为单位电量支付的费用；
Figure FDA0002576202540000083
为采取消纳策略后实际的弃风、弃光电量，Ccoal为火电机组的燃煤成本，
Figure FDA0002576202540000084
为超出二氧化碳排放限制的罚款，Ccurtail为由于弃风、弃光带来不良社会效应的惩罚因子；
式(11)中
Figure FDA0002576202540000085
分别为在t时刻增加灵活性改造的火电机组提供的消纳电量、投建新线路增加向外输送的电量、新建的储能电站存储电能、寻求火电辅助调峰服务提供的消纳电量、寻求需求侧响应服务提供的消纳电量；Preform、Pline、Pstore、Paid、PDR分别为每个改造后的火电机组义务最低输出有功功率与技术最低输出有功功率之差、每条线路的传输有功功率极限、单个储能电站的最高充电功率、火电辅助调峰服务能提供的最高有功功率、需求侧响应服务能提供的最高有功功率；
Figure FDA0002576202540000086
为在t时刻采取消纳策略之后的最终弃风、弃光电量，
Figure FDA0002576202540000087
为在t时刻没有采取消纳策略的弃风、弃光电量；
D3.计算求解该单场景模型，结果输出该场景的成本最低的合理弃风、弃光率，并给出相应的消纳策略；
回到D1进行下一个场景的计算，直到完成m次循环；循环结束后，将m个场景的弃风、弃光率由大到小排列成数集，制作成弃风、弃光率标尺，标尺上限为数集的第一四分位数，标尺下限为数集的第三四分位数，标尺标定了合理的弃风、弃光率范围。
CN202010654512.5A 2020-07-09 一种基于随机场景构建的年度弃风、弃光率计算方法 Active CN112016186B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010654512.5A CN112016186B (zh) 2020-07-09 一种基于随机场景构建的年度弃风、弃光率计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010654512.5A CN112016186B (zh) 2020-07-09 一种基于随机场景构建的年度弃风、弃光率计算方法

Publications (2)

Publication Number Publication Date
CN112016186A true CN112016186A (zh) 2020-12-01
CN112016186B CN112016186B (zh) 2024-05-31

Family

ID=

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231644A (zh) * 2023-03-22 2023-06-06 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116629452A (zh) * 2023-07-18 2023-08-22 北京壹清能环科技有限公司 基于发电量的碳排放量预测方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268800A (zh) * 2014-09-30 2015-01-07 清华大学 基于场景库的风电并网调峰平衡判定方法
CN106874630A (zh) * 2017-03-28 2017-06-20 上海理工大学 基于电量消纳的区域电网新能源开发潜力评估方法
CN107292766A (zh) * 2017-06-26 2017-10-24 国网能源研究院 面向风电消纳的电力系统调峰手段经济性评估方法与系统
WO2018233024A1 (zh) * 2017-06-22 2018-12-27 赫普热力发展有限公司 热电解耦调峰系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268800A (zh) * 2014-09-30 2015-01-07 清华大学 基于场景库的风电并网调峰平衡判定方法
CN106874630A (zh) * 2017-03-28 2017-06-20 上海理工大学 基于电量消纳的区域电网新能源开发潜力评估方法
WO2018233024A1 (zh) * 2017-06-22 2018-12-27 赫普热力发展有限公司 热电解耦调峰系统
CN107292766A (zh) * 2017-06-26 2017-10-24 国网能源研究院 面向风电消纳的电力系统调峰手段经济性评估方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIWANG 等: "The Control Mode of Distribution Grid/Off-Grid of Wind-Solar-Storage with Double Boost-Buck Converte", 《电工技术学报》 *
张琛 等: "双馈风电机组轴系扭振的稳定与控制", 《电工技术学报》 *
王振宇 等: "基于弃风弃光同步消纳的荷网源协调思路与实时消纳电量评估方法研究", 《可再生能源》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231644A (zh) * 2023-03-22 2023-06-06 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116231644B (zh) * 2023-03-22 2023-11-03 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116629452A (zh) * 2023-07-18 2023-08-22 北京壹清能环科技有限公司 基于发电量的碳排放量预测方法、装置及存储介质
CN116629452B (zh) * 2023-07-18 2023-09-19 北京壹清能环科技有限公司 基于发电量的碳排放量预测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN109767078B (zh) 一种基于混合整数规划的多类型电源检修安排方法
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN104299173B (zh) 一种适用于多种能源接入的鲁棒优化日前调度方法
CN112053035B (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
CN113078643B (zh) 一种考虑电网经济运行风电计划优化及偏差补偿用储能容量配置方法
CN113408962A (zh) 一种电网多时间尺度多目标能量优化调度方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN115600793A (zh) 面向源网荷储一体化园区的协同控制方法及系统
CN108009672A (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
CN114529100A (zh) 一种面向区域电网风光消纳的储能优化配置方法及系统
CN114301089A (zh) 一种风光联合发电系统储能容量配置优化方法
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
CN116683461A (zh) 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法
CN109617100B (zh) 一种数据驱动的风电场储能容量规划方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN117114281A (zh) 一种灵活资源多阶段规划方案的确定方法
CN116488140A (zh) 高速公路综合能源管控系统调度方法、装置、设备、介质
CN113394820B (zh) 一种新能源并网电力系统的优化调度方法
CN115776125A (zh) 一种储能与新能源场站的协同运行优化方法及装置

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
GR01 Patent grant