CN112016747A - 一种适用于源荷储灵活资源统筹规划与运行的优化方法 - Google Patents

一种适用于源荷储灵活资源统筹规划与运行的优化方法 Download PDF

Info

Publication number
CN112016747A
CN112016747A CN202010870400.3A CN202010870400A CN112016747A CN 112016747 A CN112016747 A CN 112016747A CN 202010870400 A CN202010870400 A CN 202010870400A CN 112016747 A CN112016747 A CN 112016747A
Authority
CN
China
Prior art keywords
flexibility
cost
load
flexible
power
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
CN202010870400.3A
Other languages
English (en)
Other versions
CN112016747B (zh
Inventor
苟竞
朱觅
刘莹
杨新婷
李奥
乔云池
唐权
胥威汀
李婷
王云玲
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.)
Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Sichuan 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 Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202010870400.3A priority Critical patent/CN112016747B/zh
Publication of CN112016747A publication Critical patent/CN112016747A/zh
Application granted granted Critical
Publication of CN112016747B publication Critical patent/CN112016747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • H02J2300/28—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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

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

Abstract

本发明公开了一种适用于源荷储灵活资源统筹规划与运行的优化方法，在系统层面上，从风电、负荷的不确定性和源、荷、储各环节的灵活资源特性两个方面提出了灵活性量化评估方法；然后，综合考虑火电机组改造、储能新建、需求侧响应配置等灵活性提升措施，以投资建设成本、常规运行成本、资源调用成本等最小为目标，并充分计及机组启停、资源调用等运行约束对规划结果的影响，构建协同系统经济性与安全性的源‑荷‑储一体化灵活性资源统筹规划和运行综合优化模型。最后，对改造的IEEE 30系统进行仿真分析，基于仿真算例验证本发明方法的科学性和有效性。

Description

一种适用于源荷储灵活资源统筹规划与运行的优化方法
技术领域
本发明涉及资源规划与运行的优化技术领域，具体涉及一种适用于源荷储灵活资源统筹规划与运行的优化方法。
背景技术
随着可再生能源渗透率的提高，风电等可再生能源出力的随机性和波动性进一步增强，如果系统无法提供与之匹配的灵活调节资源，将会严重影响电力系统的安全稳定高效运行，可再生能源消纳问题也会更加突出。为解决上述问题，我国制定了一系列的相关政策，明确指出要高度重视电力系统调节能力建设，全面推动煤电机组灵活性改造、加快储能系统建设、提高电力需求侧响应能力，着力增强系统灵活性。
目前，已有研究在规划问题中对风电等可再生能源出力的随机性和波动性予以应对，针对电力系统各环节的灵活资源，如储能、需求侧响应、快速调节机组等，构建相应资源优化调度、配置模型。电力系统自动化第43卷第14期73-80段以含多种分布式电源的网络节点为单位，采用虚拟电厂概率量化模型，集中量化表征全体灵活资源的综合调节能力，并将其纳入日前电力市场交易，基于优化出清模型确定日前出力计划和备用计划。电力系统自动化第36卷第19期47-52段兼顾经济性和环保型，将低碳因素引入传统电源规划模型，提出了基于碳排放权分配机制的低碳电源规划模型。电力系统自动化第43卷第03期69-76段将电源规划和输电网规划进行联合优化，构建火电机组改造规划模型，制定火电机组灵活性改造及运行方案，在保证规划经济性的同时，保证规划方案对于不确定性的应对能力，避免大规模弃用可再生能源现象的出现。电力自动化设备第38卷第2期74-80段基于“先场景削减后优化”的思路，在考虑各场景备用约束的基础上，构建考虑可中断负荷(interruptibleload，IL)和储能装置提供备用的日前发电计划调度模型，合理安排机组出力与备用计划。中国电力第52卷第2期66-74段考虑多个环节灵活性资源的优化配置，在规划模型中引入灵活性约束，提出了多元灵活性资源一体化统筹协调优化配置的思路。
但上述研究均未在规划阶段计及系统运行状态的变化，在规划问题中忽略了运行阶段的灵活资源的优化调用，且考虑的灵活性资源种类单一，导致规划方案的保守性和资源浪费。
发明内容
本发明所要解决的技术问题是现有技术中的资源规划研究均未在规划阶段计及系统运行状态的变化，在规划问题中忽略了运行阶段的灵活资源的优化调用，且考虑的灵活性资源种类单一，导致规划方案的保守性和资源浪费。
为解决未来高比例并网与系统灵活资源短缺的矛盾，挖掘源、荷、储各环节的灵活性资源潜力，本发明提供了一种适用于源荷储灵活资源统筹规划与运行的优化方法，首先，在系统层面上，从风电、负荷的不确定性和源、荷、储各环节的灵活资源特性两个方面提出了灵活性量化评估方法；然后，综合考虑火电机组改造、储能新建、需求侧响应配置等灵活性提升措施，以投资建设成本、常规运行成本、资源调用成本等最小为目标，并充分计及机组启停、资源调用等运行约束对规划结果的影响，构建协同系统经济性与安全性的源-荷-储一体化灵活性资源统筹规划和运行模型。最后，对改造的IEEE 30系统进行仿真分析，基于仿真算例验证本发明方法的科学性和有效性。
本发明通过下述技术方案实现：
一种适用于源荷储灵活资源统筹规划与运行的优化方法，该方法包括以下步骤：
S1：根据风电不确定性的电力系统灵活性需求，对电力系统的源、荷、储各环节灵活资源灵活供应特性建模；并构建灵活性充足度指标来表征电力系统灵活性供需匹配情况，其中，灵活性充足度指标的表达式为：
Figure BDA0002650894480000021
式中：Fup(t)为t时间尺度下系统上调灵活性充裕度；Fdown(t)为t时间尺度下系统下调灵活性充裕度；FS,up(t)、FS,down(t)分别为电力系统的上、下调灵活性总供给；FN(t)为电力系统灵活性需求，具有方向性；当指标大于0时，表示电力系统内灵活性充足；当指标小于0时，表示电力系统内灵活性不足；
S2：根据步骤S1的灵活性需求与供需匹配平衡，结合灵活性相关约束，构建源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型将长时间尺度的规划问题和短时间尺度的运行问题进行综合优化，以运行指导规划；
S3：对步骤S2中的所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，并求解该模型，输出灵活性资源配置决策结果，实现电力系统的资源优化。
工作原理是：首先，本发明从电力系统的灵活性供需匹配角度入手，对风电不确定性问题产生的调节需求和源、荷、储各环节灵活资源供给特性进行了细致分析，以此构建了灵活性需求和灵活性供给的数学模型。分析了高比例可再生能源并网条件下，风电不确定性对于灵活性需求的影响，并充分挖掘了源-荷-储各环节的灵活性资源潜力，为灵活性供需匹配提供保障。后进一步建立系统的灵活性充足度指标对供需匹配情况进行量化评估，为提出合理的灵活性资源调度策略和配置方法提供基础。
其次，构建源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，现阶段关于电力系统灵活性的研究多是以概念描述和指标评估为主，鲜有将灵活性纳入电力系统规划和运行调度的模型应用研究，导致现有的规划运行机制缺乏对灵活性的全面深入考量，难以适应高比例可再生能源电力系统的发展。本发明以灵活性供需平衡为核心，考虑源-荷-储不同环节的灵活性供给的资源特性互补，将各类型资源放入统一数学框架进行描述，进行一体化统筹规划，避免单一灵活性资源规划导致的运行适应性不足问题。并进一步综合考虑长时间尺度(年)灵活性资源配置问题与短时间尺度(日)系统运行问题的协调优化，用运行指导规划，保证了规划结果在实际运行阶段适用性，避免不必要的资源浪费。
然后，对所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型中的统筹规划模型进行线性转化，并求解所述统筹规划模型，输出灵活性资源配置决策结果，实现电力系统的资源优化。
进一步地，步骤S1根据风电不确定性的电力系统灵活性需求，对电力系统的源、荷、储各环节灵活资源灵活供应特性建模；并构建灵活性充足度指标来表征电力系统灵活性供需匹配情况。具体如下：
灵活性，亦称柔性，用于表征电力系统应对不确定扰动的能力，与电力系统安全性、可靠性、经济性属于并列交织关系。电力系统优化决策问题的建模，常以经济性为目标，以安全性可靠性为基本要求，以灵活性为约束条件，以具体规划、运行策略为优化决策变量，在保证电力系统安全经济可靠运行的前提下，保证灵活性供给与需求匹配，使得电力系统的运行状态能够有效应对各种不确定因素的冲击。而灵活性量化评估是灵活性研究的关键问题，也是后续进一步开展灵活性资源优化配置以及调度策略制定的基础。
从电力系统供需匹配的角度分析，步骤S1中的所述电力系统灵活性需求由净负荷的前后时刻波动以及预测不确定性共同确定，所述电力系统灵活性需求的表达式如下所示：
Figure BDA0002650894480000031
PNL,r(t)＝L(t)-Pw,r(t)＝L(t)-(Pw(t)-Pw,ab(t)+ew(t)) (2)
式中：FN(t)代表电力系统灵活性需求，具有方向性，且因为误差的影响非某一确定值；PNL,r(t)表示净负荷实际值；PNL(t)表示净负荷预测值；ew(t)代表风电预测误差；Pw,ab(t)表示风电的弃电量；Pw,r(t)、Pw(t)为风电的实际功率和预测功率。
步骤S1中对电力系统的源、荷、储各环节灵活资源灵活供应特性建模，其中，所述电力系统的源、荷、储各环节灵活资源包括火电机组、储能和需求侧响应；分别针对火电机组、储能和需求侧响应供应特性建模；具体如下：
(1)现阶段火电机组仍是容量占比最大的发电资源，同时也可以为电力系统提供大量的灵活性供给。火电机组灵活资源灵活供应的模型表达式为：
Figure BDA0002650894480000041
式中：Fth,up(t)、Fth,down(t)分别为系统内所有火电机组时刻t提供上、下灵活性供给边界的总和；n表示常规火电机组的数量；Δt为调度时间尺度；
Figure BDA0002650894480000042
分别表示火电机组i提供的上、下灵活性；
Figure BDA0002650894480000043
分别表示火电机组的额定功率和最小出力；Ri为火电机组的爬坡速率；
Figure BDA0002650894480000044
为机组i时刻t的输出功率；
(2)电化学储能具有快速灵活的功率双向调节能力，既可以考虑其提供功率满足系统的电力电量平衡；也可以利用其“未满可控，未空可放”的特性，促进电力系统的灵活性供需匹配。储能灵活资源灵活供应的模型表达式为：
Figure BDA0002650894480000045
式中：Fess,up(t)、Fess,down(t)分别表示时刻t储能所能提供的上下调灵活性资源边界；
Figure BDA0002650894480000046
分别表示储能的最大充放电功率；E(t)为时刻t储能的能量，Emax、Emin分别表示储能的上下能量边界；Pchg(t)、Pdsg(t)分别表示时刻t储能的充放电功率，均大于0；ηchg、ηdsg分别表示储能的充放电系数；
(3)对于负荷侧的灵活性资源而言，主要由需求侧响应提供灵活性供给匹配电力系统的不确定性。主要是通过合同激励和价格引导的方式影响用户的消费意愿，达到对负荷功率柔性调节的目的，进一步影响系统的灵活性供需平衡，其作为灵活性资源的能力不可忽视。
需求侧响应灵活资源灵活供应的模型表达式为：
Figure BDA0002650894480000051
式中：ΔL(t)为当前的可控负荷，ΔLmax为系统最大用于需求侧响应的可控负荷，Pld,cut、Pld,add为系统切除负荷和恢复负荷的最大限值。
经过对源、荷、储各环节的灵活性资源的数学建模，可以给出电力系统灵活性资源的统一表达：
Figure BDA0002650894480000052
式中：FS,up(t)、FS,down(t)分别为电力系统的上、下调灵活性总供给。为进一步分析灵活性的供需匹配机理，构建灵活性充足度指标表征系统灵活性供需匹配情况。灵活性充足度指标的表达式为：
Figure BDA0002650894480000053
式中：Fup(t)为t时间尺度下系统上调灵活性充裕度；Fdown(t)为t时间尺度下系统下调灵活性充裕度；FS,up(t)、FS,down(t)分别为电力系统的上、下调灵活性总供给；FN(t)为电力系统灵活性需求，具有方向性；当指标大于0时，表示电力系统内灵活性充足；当指标小于0时，表示电力系统内灵活性不足。
进一步地，本发明针对电力系统灵活性资源规划及运行一体化问题展开研究，提出高比例可再生能源背景下灵活资源的协调规划方法，对电力系统各环节灵活资源的最优配置容量进行细致深入分析，以避免因规划机制缺陷导致运行阶段灵活性不足现象的出现。建立的所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型将长时间尺度的规划问题和短时间尺度的运行问题进行综合优化，以运行指导规划，运行过程嵌套在规划模型中，具体如下所示：
以年规划综合成本CTOTAL最小为目标函数，所述目标函数由灵活资源投资成本Cbuild和电力系统运行成本两大部分组成；其中所述电力系统运行成本包括灵活性资源运行费用COP、灵活性调用成本CF、弃风成本CAB；其中，目标函数为：
CTOTAL＝Cbuild+COP+CF+CAB (8)
所述灵活资源投资成本Cbuild公式为：
Figure BDA0002650894480000061
Figure BDA0002650894480000062
Figure BDA0002650894480000063
Figure BDA0002650894480000064
式中：灵活资源投资费用Cbuild包括机组年改造费用
Figure BDA0002650894480000065
储能年投资费用
Figure BDA0002650894480000066
以及可中断负荷设备投资费用
Figure BDA0002650894480000067
xi为机组改造与否的0-1变量；
Figure BDA0002650894480000068
为单台机组进行改造的年投资费用；
Figure BDA0002650894480000069
为储能年投资费用，S为储能可选集合，ls为储能s投资决策变量，a1为资金折旧率，n1为储能使用寿命；
Figure BDA00026508944800000610
为储能单位功率建设费用，
Figure BDA00026508944800000611
为储能单位容量年建设费用，
Figure BDA00026508944800000612
为储能s的最大容量，
Figure BDA00026508944800000613
为储能s的最大功率；
Figure BDA00026508944800000614
为可中断负荷设备投资费用，lv为IL投资决策变量，ηv为单位可中断负荷建设成本，
Figure BDA00026508944800000615
为可中断负荷v最大容量，VA为IL可选集合。
所述电力系统运行成本包括灵活性资源运行成本COP、灵活性调用成本CF、弃风成本CAB，其中：
灵活性资源运行成本的公式为：
Figure BDA00026508944800000616
Figure BDA00026508944800000617
Figure BDA0002650894480000071
Figure BDA0002650894480000072
式中：D为一年包含的天数；M为模型所考虑风电出力场景集合；Pr(m)为场景m出现的概率，
Figure BDA0002650894480000073
分别为场景m下火电机组、储能、需求侧响应的日调用费用；fi为机组i火电发电燃料成本函数，ai、bi、ci表示成本系数；SUi、SDi分别为机组i的启、停机成本；
Figure BDA0002650894480000074
分别为机组i时刻t的启停机标志；储能的日调用费用与其充放电功率Pdsg(t)、Pchg(t)和运行成本系数cess有关；需求侧响应的日调用费用与IL切除量ΔL(t)和切负荷成本系数cld有关；
灵活性调用成本的公式为：
Figure BDA0002650894480000075
Figure BDA0002650894480000076
Figure BDA0002650894480000077
Figure BDA0002650894480000078
式中：
Figure BDA0002650894480000079
分别为机组i的上下调灵活性调用成本系数；cess,up、cess,down分别为储能的上下调灵活性调用成本系数；cld,up为需求侧响应的上调灵活性调用成本系数；
弃风成本的公式为：
Figure BDA00026508944800000710
Figure BDA00026508944800000711
式中：弃风成本Cab为风电弃用功率Pw,ab(t)和其单位弃用惩罚成本系数cw,ab之积。
进一步地，步骤S2中所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，以年规划综合成本CTOTAL最小为目标函数，构建约束条件；所述约束条件包括规划约束、系统约束、火电机组运行约束、储能运行约束、可中断负荷约束和灵活性相关约束；所述灵活性相关约束包括灵活性充足度约束、火电机组、储能、需求侧响应灵活性资源的调用约束，其中灵活性充足度非某一确定值。
具体地，规划约束如下：
(1)机组改造约束
xi＝1 or xi＝0 (23)
(2)储能配置约束
ls＝1 or ls＝0 (24)
(3)需求侧响应配置约束
lv＝1 or lv＝0 (25)
具体地，系统约束如下：
(1)节点功率平衡约束
Figure BDA0002650894480000081
(2)线路潮流约束
Figure BDA0002650894480000082
(3)系统弃风约束
Figure BDA0002650894480000083
式中：νi(t)为机组i时刻t的启停状态；κ(t)为可中断负荷状态；
Figure BDA0002650894480000084
为支路j时刻t的传输功率；
Figure BDA0002650894480000085
为支路容量传输上限；L为支路数；λ为风电弃风比例上限。
具体地，机组运行约束如下：
(1)机组出力约束
Figure BDA0002650894480000086
(2)机组爬坡约束
Figure BDA0002650894480000091
Figure BDA0002650894480000092
(3)机组启停约束
Figure BDA0002650894480000093
式中：
Figure BDA0002650894480000094
为机组i改造前的额定出力和最小技术出力；
Figure BDA0002650894480000095
为机组i改造后的最小技术出力；TUi、TDi分别为机组i的最小运行时间和停机时间；tt为时刻t之前的时刻变量。
具体地，储能运行约束如下：
各场景储能运行约束包括储能充放电状态约束、储能充放电功率约束、储能荷电状态约束、储能首末状态守恒约束式，考虑储能新建变量lv和场景变量m后，约束条件表达如下：
Figure BDA0002650894480000096
式中：c(t)、d(t)分别表示储能系统的充放电状态。
具体地，可中断负荷约束如下：
各场景可中断负荷运行约束包括中断次数约束和中断量约束，考虑需求响应新建变量lv和场景变量m后，约束条件表达如下：
Figure BDA0002650894480000101
式中：ΔLmax为负荷最大中断量；κmax为负荷最大中段次数。
具体地，灵活性相关约束如下：
Figure BDA0002650894480000102
Figure BDA0002650894480000103
Figure BDA0002650894480000104
Figure BDA0002650894480000105
灵活性相关约束主要包括灵活性充足度约束外，还包括了火电机组、储能、需求侧响应灵活性资源的调用约束。其中灵活性充足度非某一确定值，因此本发明以机会约束的形式进行构建，要求电力系统的灵活性充足的概率满足给定置信水平。
进一步地，步骤S3中对所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，对火电机组运行成本进行线性化处理，火电机组的燃料成本满足二次函数：
Figure BDA0002650894480000111
所述模型的线性转化步骤如下：
步骤一，将火电机组出力范围等分为N段，每段宽度距离为
Figure BDA0002650894480000112
即火电机组出力范围内插入了N-1个点，记为插值点
Figure BDA0002650894480000113
步骤二，计算每个区间的斜率ki,n，ki,n＜ki,n+1；
步骤三，设第n段的功率大小为
Figure BDA0002650894480000114
为一中间变量，则其应该满足以下约束：
Figure BDA0002650894480000115
步骤四，计算火电机组i的煤耗成本，即转化后的火电机组的燃料成本公式为：
Figure BDA0002650894480000116
进一步地，步骤S3中采用CPLEX求解软件求解统筹规划模型，对于MILP问题，基于MATLAB平台配置的YALMIP工具包具有较好的求解性能，YALMIP工具包调用CPLEX求解器完成对混合整数线性规划问题的求解。其中MATLAB负责模型的转化和结果分析、展示；YALMIP负责模型的建立和CPLEX的调用求解。所述模型求解具体步骤如下：
步骤a，输入风电历史预测数据集，利用MATLAB的拟合工具包进行拟合；
步骤b，输入风电、负荷数据、各类型灵活性资源的运行参数以及各项成本参数；
步骤c，利用MATLAB对相关数据进行处理和模型进行转化，以满足YALMIP读入要求；
步骤d，基于YALMIP构建优化调度问题的数学模型，包括各项成本目标和运行约束条件，并调用CPLEX求解器进行求解。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明针对风电的不确定性问题和源、荷、储各环节灵活性资源供给特性构建的灵活性需求和供给数学模型，适用于调度且能够与规划模型相衔接。
2、本发明将灵活性相关约束纳入建模范畴，同时依据预测误差的变化特性调整机会约束置信水平，在不失经济性的同时，满足功率的实时传输和灵活性的有效匹配；此外，考虑灵活性指标和约束进行建模，可全面量化反映系统灵活性信息，便于为规划运行人员提供更多决策依据。
3、本发明方法可以充分利用不同灵活性资源的优势，在兼顾灵活性供需匹配情况及经济性的基础上，实现风电高效消纳，相对于单一灵活性资源规划，本发明的最优灵活性资源规划方案也能够进一步降低成本、促进风电消纳、保证灵活性供需匹配、优化电力系统运行。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明一种适用于源荷储灵活资源统筹规划与运行的优化方法流程图。
图2为本发明火电机组的煤耗成本分段线性化示意图。
图3为本发明所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型求解流程图。
图4为本发明模型与其它模型的各场景日弃风量比较图。
图5为本发明模型与其它模型的各场景上调灵活性不足缺额量比较图。
图6为本发明模型与其它模型的各场景下调灵活性不足缺额量比较图。
图7为本发明模型与其它模型的场景9机组启停次数比较图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的结构、电路、材料或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
在本发明的描述中，需要理解的是，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图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保护范围的限制。
实施例
如图1所示，本发明一种适用于源荷储灵活资源统筹规划与运行的优化方法，该方法包括以下步骤：
S1：根据风电不确定性的电力系统灵活性需求，对电力系统的源、荷、储各环节灵活资源灵活供应特性建模；并构建灵活性充足度指标来表征电力系统灵活性供需匹配情况，其中，灵活性充足度指标的表达式为：
Figure BDA0002650894480000131
式中：Fup(t)为t时间尺度下系统上调灵活性充裕度；Fdown(t)为t时间尺度下系统下调灵活性充裕度；FS,up(t)、FS,down(t)分别为电力系统的上、下调灵活性总供给；FN(t)为电力系统灵活性需求，具有方向性；当指标大于0时，表示电力系统内灵活性充足；当指标小于0时，表示电力系统内灵活性不足；
S2：根据步骤S1的灵活性需求与供需匹配平衡，结合灵活性相关约束，构建源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型将长时间尺度的规划问题和短时间尺度的运行问题进行综合优化，以运行指导规划；
S3：对步骤S2中的所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，并求解所述模型，输出灵活性资源配置决策结果，实现电力系统的资源优化。
其中，所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，图2为本发明火电机组的煤耗成本分段线性化示意图。对线性转化的模型进行求解，求解步骤如图3所示。
1、实施案例描述
本发明采用改进的IEEE 30系统进行仿真优化。该系统包含5台常规机组与一个风电场，风电总装机容量为1000MW。改造后的机组的最小出力和爬坡速率分别取为额定容量的35％和3％；考虑所有接有负荷的节点均可以进行响应，响应比例不超过5％，且各节点的日负荷中断次数不超过12次。火电机组现有参数、储能单元、可中断负荷的建设成本参数和其他相关成本参数见下表1至表3。
表1火电机组参数
机组1 机组2 机组3 机组4 机组5
额定容量/MW 200 200 300 500 800
最低稳燃负荷/MW 110 110 180 250 400
爬坡速率/(MW/h) 40 40 80 130 250
改造投资/万元 3600 3600 4800 8000 11000
a/(元/MW<sup>2</sup>h) 0.027 0.027 0.019 0.008 0.003
b/(元/MWh) 129.74 129.74 122.13 111.61 105.91
c(元/h) 4700 4700 5700 6700 8050
最小启停机时间/h 4 4 6 8 10
启动成本/元 6050 6050 10050 13400 16750
停机成本/元 3350 3350 3350 3350 6700
表2灵活性资源建设成本
储能单元 可中断负荷
单位功率成本/(万元/MW) 200 60
最大/最小功率/(MW) 25/0.5 15
单位容量成本/(万元/MWh) 160
最大容量/(MWh) 25
使用寿命/年 6
表3相关成本参数
Figure BDA0002650894480000141
2、规划结果分析
为了便于验证本发明源-荷-储灵活性资源规划及运行综合优化方法的有效性，明晰多环节资源统筹规划相对于单一资源规划的优势，设置以下对比算例。模型1：不考虑火电机组改造、储能新建、可中断负荷激励等灵活性提升措施，模型转化为年运行优化模型；模型2：仅考虑火电机组灵活性改造，模型转化为火电机组灵活性改造规划及运行综合优化模型；模型3：仅考虑储能新建，模型转化为考虑储能新建的电力系统规划及运行综合优化模型；模型4：考虑储能新建和火电机组灵活性改造，模型转化为含风电电力系统火储灵活性资源联合规划及运行综合优化模型；模型5：本发明构建模型(即本发明构建的源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型)。
表4不同灵活性资源规划方案成本分析
模型1 模型2 模型3 模型4 模型5
总成本(亿元) 19.0844 17.3106 16.8150 16.7023 16.6582
灵活性资源规划成本(亿元) 0.0000 1.4600 1.8598 1.7199 1.9899
火电运行成本(亿元) 13.4199 12.8579 12.7477 12.7634 12.5683
弃风成本(亿元) 2.7849 0.4092 0.2154 0.1389 0.0820
火电灵活性供给成本(亿元) 1.5609 1.5852 0.7844 1.0428 0.9185
启停成本(亿元) 0.0686 0.0570 0.0398 0.0334 0.0314
储能成本(亿元) 0.0000 0.0000 0.0612 0.0446 0.0391
储能灵活性供给成本(亿元) 0.0000 0.0000 0.4358 0.2943 0.3147
IL成本(亿元) 0.0000 0.0000 0.0000 0.0000 0.1057
IL灵活性供给成本(亿元) 0.0000 0.0000 0.0000 0.0000 0.0602
通过表4可知，本发明模型所确定的灵活性资源规划方案整体经济性更佳，这是由于在经过火电机组灵活性改造、引入储能和可中断负荷后，各环节的灵活性资源潜力均被挖掘，充分利用了资源间的互补特性，显著改善了系统的弃风情况和灵活性供需匹配情况，火电机组的运行成本降低；火电机组运行状态稳定，启停次数减少，成本下降，虽然规划成本相对较高，但是规划方案对于运行成本的优化更为明显。
求解结果表明：模型1年规划运行总成本昂贵(19.0844亿元)，年弃风率为31.56％，年上调灵活性缺额为2400.1MW，年下调灵活性缺额3.2287×105MW,主要是因为未考虑灵活性资源的规划，未经改造的火电机组难以保证风电高消纳和灵活性供需匹配。模型2、模型3、模型4虽然从不同程度上降低了系统的规划运行总成本，显著减少了风电的弃用和系统灵活性缺额，年弃风率分别为3.65％、1.89％、1.21％，年上调灵活性缺额分别为982.3MW、0MW、12.36MW，年下调灵活性缺额分别为2.55×105MW、1.917×105MW、1.899×105MW，但是由于未考虑源-荷-储各环节灵活性资源的统一协调优化，灵活性资源的配置相对单一，均未达到系统经济运行、风电高效消纳、灵活性供需匹配的最优平衡。举例来说，对于模型4而言，要想进一步促进风电消纳和灵活性供需匹配，就必须得增建储能单元或选取不同的火电机组改造方案，但是这时最优规划方案的经济性难以得到保证。
而本发明模型5通过引入可中断负荷，在降低规划运行总成本的同时，又改善了弃风情况和灵活性缺额，年弃风率降至0.71％，年上调灵活性缺额降至0MW，年下调灵活性缺额1.567×105MW。
为进一步分析源荷储多环节灵活性资源对系统运行的影响，对各场景下的弃风情况、灵活性缺额、火电机组启停次数进行比较，结果如图4所示：
从图4可以看出，未对灵活性资源规划时，风电功率波动剧烈，弃风现象严重；主要是因为未经改造的火电机组下调灵活性不足，调峰深度不够，导致火电机组的下调出力无法匹配风电功率的上升。在考虑灵活性资源的规划后，各场景风电消纳情况均出现好转，总体上提升了风电消纳水平。对比来看，本发明模型对于风电消纳的促进效果最好。
从图5、6整体上来看，由于本发明模型考虑上调灵活性不足风险成本远高于下调，故各场景上调灵活性缺额均低于下调灵活性缺额；具体的，对于上调灵活性，规划前场景2缺额量为437.74MW，灵活性资源规划后，场景2的灵活性缺额均不超过10MW；对于下调灵活性，虽然规划后一些风电爬坡场景(场景2、5、6)的灵活性缺额增加，加剧了灵活性供需不匹配情况，但是场景概率很低；而场景概率高的日常场景灵活性缺额均有一定降幅，总体上，规划后系统的灵活性供需匹配情况好转，而本发明模型的改善效果最优。
图7以场景9为例明晰了灵活性资源建设对于优化机组运行的作用。模型1的机组启停次数为6次，模型2的机组启停次数为4次，模型3的机组启停次数为3次，模型4的机组启停次数为2次，而本发明模型5的机组启停次数为1次。源、荷、储多环节灵活性资源统筹规划后，启停变化更少，在一定程度上降低了启停成本。
根据以上分析可知，源荷储多环节灵活性资源统筹规划不仅能改善系统运行经济性，还对促进风电消纳、保证系统灵活性供需匹配、优化火电机组运行意义重大，而且相对于单一灵活性资源规划，源-荷-储多类型灵活性资源规划模型的优化效果更佳。
本发明的关键点为：
1)，本发明方法考虑了电力系统灵活性量化评估。
基于现有技术中的资源规划研究均未在规划阶段计及系统运行状态的变化，在规划问题中忽略了运行阶段的灵活资源的优化调用。而本发明从电力系统的灵活性供需匹配角度入手，对风电不确定性问题产生的调节需求和源、荷、储各环节灵活资源供给特性进行了细致分析，以此构建了灵活性需求和灵活性供给的数学模型。分析了高比例可再生能源并网条件下，风电不确定性对于灵活性需求的影响，并充分挖掘了源-荷-储各环节的灵活性资源潜力，为灵活性供需匹配提供保障。后进一步建立系统的灵活性充足度指标对供需匹配情况进行量化评估，为提出合理的灵活性资源调度策略和配置方法提供基础。
2)，构建源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型。
基于现阶段关于电力系统灵活性的研究多是以概念描述和指标评估为主，鲜有将灵活性纳入电力系统规划和运行调度的模型应用研究，导致现有的规划运行机制缺乏对灵活性的全面深入考量，难以适应高比例可再生能源电力系统的发展。本发明以灵活性供需平衡为核心，考虑源-荷-储不同环节的灵活性供给的资源特性互补，将各类型资源放入统一数学框架进行描述，进行一体化统筹规划，避免单一灵活性资源规划导致的运行适应性不足问题。并进一步综合考虑长时间尺度(年)灵活性资源配置问题与短时间尺度(日)系统运行问题的协调优化，用运行指导规划，保证了规划结果在实际运行阶段适用性，避免不必要的资源浪费。
本发明为解决未来高比例并网与系统灵活资源短缺的矛盾，挖掘源、荷、储各环节的灵活性资源潜力，本发明提供了一种适用于源荷储灵活资源统筹规划与运行的优化方法，首先，在系统层面上，从风电、负荷的不确定性和源、荷、储各环节的灵活资源特性两个方面提出了灵活性量化评估方法；然后，综合考虑火电机组改造、储能新建、需求侧响应配置等灵活性提升措施，以投资建设成本、常规运行成本、资源调用成本等最小为目标，并充分计及机组启停、资源调用等运行约束对规划结果的影响，构建协同系统经济性与安全性的源-荷-储一体化灵活性资源统筹规划和运行模型。最后，对改造的IEEE 30系统进行仿真分析，基于仿真算例验证本发明方法的科学性和有效性。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，该方法包括以下步骤：
S1：根据风电不确定性的电力系统灵活性需求，对电力系统的源、荷、储各环节灵活资源灵活供应特性建模；并构建灵活性充足度指标来表征电力系统灵活性供需匹配情况，其中，灵活性充足度指标的表达式为：
Figure FDA0002650894470000011
式中：Fup(t)为t时间尺度下系统上调灵活性充裕度；Fdown(t)为t时间尺度下系统下调灵活性充裕度；FS,up(t)、FS,down(t)分别为电力系统的上、下调灵活性总供给；FN(t)为电力系统灵活性需求，具有方向性；当指标大于0时，表示电力系统内灵活性充足；当指标小于0时，表示电力系统内灵活性不足；
S2：根据步骤S1的灵活性需求与供需匹配平衡，结合灵活性相关约束，构建源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型将长时间尺度的规划问题和短时间尺度的运行问题进行综合优化，以运行指导规划；
S3：对步骤S2中的所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，并求解所述模型，输出灵活性资源配置决策结果，实现电力系统的资源优化。
2.根据权利要求1所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S1中的所述电力系统灵活性需求是由净负荷的前后时刻波动以及预测不确定性共同确定，所述电力系统灵活性需求的表达式为：
FN(t)＝[PNL(t+1)-PNL(t)]+[PNL,r(t+1)-PNL(t+1)]+[PNL(t)-PNL,r(t)]＝PNL,r(t+1)-PNL,r(t)
PNL,r(t)＝L(t)-Pw,r(t)＝L(t)-(Pw(t)-Pw,ab(t)+ew(t))
式中：FN(t)代表电力系统灵活性需求，具有方向性；PNL,r(t)表示净负荷实际值；PNL(t)表示净负荷预测值；ew(t)代表风电预测误差；Pw,ab(t)表示风电的弃电量；Pw,r(t)、Pw(t)为风电的实际功率和预测功率。
3.根据权利要求2所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S1中对电力系统的源、荷、储各环节灵活资源灵活供应特性建模，其中，所述电力系统的源、荷、储各环节灵活资源包括火电机组、储能和需求侧响应；火电机组灵活资源灵活供应的模型表达式为：
Figure FDA0002650894470000021
式中：Fth,up(t)、Fth,down(t)分别为电力系统内所有火电机组时刻t提供上、下灵活性供给边界的总和；n表示常规火电机组的数量；Δt为调度时间尺度；Fi th,up(t)、Fi th,down(t)分别表示火电机组i提供的上、下灵活性；Pi th,max、Pi th,min分别表示火电机组的额定功率和最小出力；Ri为火电机组的爬坡速率；Pi th(t)为机组i时刻t的输出功率；
储能灵活资源灵活供应的模型表达式为：
Figure FDA0002650894470000022
式中：Fess,up(t)、Fess,down(t)分别表示时刻t储能所能提供的上下调灵活性资源边界；
Figure FDA0002650894470000023
分别表示储能的最大充放电功率；E(t)为时刻t储能的能量，Emax、Emin分别表示储能的上下能量边界；Pchg(t)、Pdsg(t)分别表示时刻t储能的充放电功率，均大于0；ηchg、ηdsg分别表示储能的充放电系数；
需求侧响应灵活资源灵活供应的模型表达式为：
Figure FDA0002650894470000024
式中：ΔL(t)为当前的可控负荷，ΔLmax为电力系统最大用于需求侧响应的可控负荷，Pld,cut、Pld,add为电力系统切除负荷和恢复负荷的最大限值。
4.根据权利要求1所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S2中所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，以年规划综合成本CTOTAL最小为目标函数，所述目标函数由灵活资源投资成本Cbuild和电力系统运行成本两大部分组成；其中所述电力系统运行成本包括灵活性资源运行费用COP、灵活性调用成本CF、弃风成本CAB；其中，目标函数为CTOTAL＝Cbuild+COP+CF+CAB。
5.根据权利要求4所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，所述灵活资源投资成本Cbuild公式为：
Figure FDA0002650894470000031
Figure FDA0002650894470000032
Figure FDA0002650894470000033
Figure FDA0002650894470000034
式中：灵活资源投资费用Cbuild包括机组年改造费用
Figure FDA0002650894470000035
储能年投资费用
Figure FDA0002650894470000036
以及可中断负荷设备投资费用
Figure FDA0002650894470000037
xi为机组改造与否的0-1变量；
Figure FDA0002650894470000038
为单台机组进行改造的年投资费用；
Figure FDA0002650894470000039
为储能年投资费用，S为储能可选集合，ls为储能s投资决策变量，a1为资金折旧率，n1为储能使用寿命；
Figure FDA00026508944700000310
为储能单位功率建设费用，
Figure FDA00026508944700000311
为储能单位容量年建设费用，
Figure FDA00026508944700000312
为储能s的最大容量，Ps max为储能s的最大功率；
Figure FDA00026508944700000313
为可中断负荷设备投资费用，lv为IL投资决策变量，ηv为单位可中断负荷建设成本，
Figure FDA00026508944700000314
为可中断负荷v最大容量，VA为IL可选集合。
6.根据权利要求4所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，所述电力系统运行成本包括灵活性资源运行成本COP、灵活性调用成本CF、弃风成本CAB，其中：
灵活性资源运行成本的公式为：
Figure FDA00026508944700000315
Figure FDA0002650894470000041
Figure FDA0002650894470000042
Figure FDA0002650894470000043
式中：D为一年包含的天数；M为模型所考虑风电出力场景集合；Pr(m)为场景m出现的概率，
Figure FDA0002650894470000044
分别为场景m下火电机组、储能、需求侧响应的日调用费用；fi为机组i火电发电燃料成本函数，ai、bi、ci表示成本系数；SUi、SDi分别为机组i的启、停机成本；
Figure FDA0002650894470000045
分别为机组i时刻t的启停机标志；储能的日调用费用与其充放电功率Pdsg(t)、Pchg(t)和运行成本系数cess有关；需求侧响应的日调用费用与IL切除量ΔL(t)和切负荷成本系数cld有关；
灵活性调用成本的公式为：
Figure FDA0002650894470000046
Figure FDA0002650894470000047
Figure FDA0002650894470000048
Figure FDA0002650894470000049
式中：
Figure FDA00026508944700000410
分别为机组i的上下调灵活性调用成本系数；cess,up、cess,down分别为储能的上下调灵活性调用成本系数；cld,up为需求侧响应的上调灵活性调用成本系数；
弃风成本的公式为：
Figure FDA00026508944700000411
Figure FDA00026508944700000412
式中：弃风成本Cab为风电弃用功率Pw,ab(t)和其单位弃用惩罚成本系数cw,ab之积。
7.根据权利要求4所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S2中所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型，以年规划综合成本CTOTAL最小为目标函数，构建约束条件；所述约束条件包括规划约束、系统约束、火电机组运行约束、储能运行约束、可中断负荷约束和灵活性相关约束；所述灵活性相关约束包括灵活性充足度约束、火电机组、储能、需求侧响应灵活性资源的调用约束，其中灵活性充足度非某一确定值。
8.根据权利要求4所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S3中对所述源-荷-储一体化的灵活性资源统筹规划和运行综合优化模型进行线性转化，对火电机组运行成本进行线性化处理，火电机组的燃料成本满足二次函数：fi(Pi th(t))＝ai(Pi th(t))2+biPi th(t)+ci，所述统筹规划模型的线性转化步骤如下：
步骤一，将火电机组出力范围等分为N段，每段宽度距离为d＝(Pi th,max-Pi th,min)/n，即火电机组出力范围内插入了N-1个点，记为插值点
Figure FDA0002650894470000051
步骤二，计算每个区间的斜率ki,n，ki,n＜ki,n+1；
步骤三，设第n段的功率大小为
Figure FDA0002650894470000052
为一中间变量，则其应该满足以下约束：
Figure FDA0002650894470000053
步骤四，计算火电机组i的煤耗成本，即转化后的火电机组的燃料成本公式为：
Figure FDA0002650894470000054
9.根据权利要求1所述的一种适用于源荷储灵活资源统筹规划与运行的优化方法，其特征在于，步骤S3中采用CPLEX求解软件求解所述模型，所述模型求解具体步骤如下：
步骤a，输入风电历史预测数据集，利用MATLAB的拟合工具包进行拟合；
步骤b，输入风电、负荷数据、各类型灵活性资源的运行参数以及各项成本参数；
步骤c，利用MATLAB对相关数据进行处理和模型进行转化，以满足YALMIP读入要求；
步骤d，基于YALMIP构建优化调度问题的数学模型，包括各项成本目标和运行约束条件，并调用CPLEX求解器进行求解。
CN202010870400.3A 2020-08-26 2020-08-26 一种适用于源荷储灵活资源统筹规划与运行的优化方法 Active CN112016747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010870400.3A CN112016747B (zh) 2020-08-26 2020-08-26 一种适用于源荷储灵活资源统筹规划与运行的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010870400.3A CN112016747B (zh) 2020-08-26 2020-08-26 一种适用于源荷储灵活资源统筹规划与运行的优化方法

Publications (2)

Publication Number Publication Date
CN112016747A true CN112016747A (zh) 2020-12-01
CN112016747B CN112016747B (zh) 2022-10-11

Family

ID=73503639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010870400.3A Active CN112016747B (zh) 2020-08-26 2020-08-26 一种适用于源荷储灵活资源统筹规划与运行的优化方法

Country Status (1)

Country Link
CN (1) CN112016747B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651177A (zh) * 2020-12-28 2021-04-13 中国农业大学 考虑灵活性服务费用的配电网灵活型资源配置方法及系统
CN113408851A (zh) * 2021-05-17 2021-09-17 上海电力大学 一种综合能源系统灵活性评价方法
CN113610330A (zh) * 2021-10-08 2021-11-05 国网江西省电力有限公司供电服务管理中心 一种基于用户体验的用户侧灵活资源用能行为优化方法
CN114648195A (zh) * 2020-12-21 2022-06-21 国网辽宁省电力有限公司大连供电公司 一种电网多层级辅助服务中的储能电站智能协同调控办法
CN115566707A (zh) * 2022-11-24 2023-01-03 深圳市前海能源科技发展有限公司 区域供冷系统与再生能源的源荷储配置规划方法和装置
CN115907240A (zh) * 2023-03-09 2023-04-04 四川大学 计及互补互济运行特性的电网多类型调峰资源规划方法
CN117748608A (zh) * 2023-12-18 2024-03-22 国网江苏省电力有限公司南通供电分公司 面向不同场景的多类灵活性资源组合配置方法
CN117996862B (zh) * 2024-04-03 2024-06-04 国网四川省电力公司 基于应急备用的机组出力确定方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107482638A (zh) * 2017-07-21 2017-12-15 杭州电子科技大学 冷热电联供型微电网多目标动态优化调度方法
US20180254632A1 (en) * 2017-03-06 2018-09-06 Johnson Controls Technology Company Building energy storage system with planning tool
CN109146706A (zh) * 2018-08-14 2019-01-04 国网四川省电力公司经济技术研究院 一种考虑灵活性供需平衡的输电网规划方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN110492534A (zh) * 2019-08-23 2019-11-22 国网新疆电力有限公司经济技术研究院 计及灵活性的含风电电力系统随机优化调度方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN111555281A (zh) * 2020-05-29 2020-08-18 国网山东省电力公司经济技术研究院 一种电力系统灵活性资源配置仿真方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180254632A1 (en) * 2017-03-06 2018-09-06 Johnson Controls Technology Company Building energy storage system with planning tool
CN107482638A (zh) * 2017-07-21 2017-12-15 杭州电子科技大学 冷热电联供型微电网多目标动态优化调度方法
CN109146706A (zh) * 2018-08-14 2019-01-04 国网四川省电力公司经济技术研究院 一种考虑灵活性供需平衡的输电网规划方法
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN110492534A (zh) * 2019-08-23 2019-11-22 国网新疆电力有限公司经济技术研究院 计及灵活性的含风电电力系统随机优化调度方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN111555281A (zh) * 2020-05-29 2020-08-18 国网山东省电力公司经济技术研究院 一种电力系统灵活性资源配置仿真方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SIYANG LIAO,ETAL: "Control of energy-intensive load for power smooth in wind power plants", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
李海波 等: "源荷储一体化的广义灵活电源双层统筹规划", 《电力系统自动化》 *
黄鹏翔 等: "基于灵活性裕度的含风电电力系统源荷储协调滚动调度", 《中国电力》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648195A (zh) * 2020-12-21 2022-06-21 国网辽宁省电力有限公司大连供电公司 一种电网多层级辅助服务中的储能电站智能协同调控办法
CN112651177A (zh) * 2020-12-28 2021-04-13 中国农业大学 考虑灵活性服务费用的配电网灵活型资源配置方法及系统
CN112651177B (zh) * 2020-12-28 2024-03-22 中国农业大学 考虑灵活性服务费用的配电网灵活型资源配置方法及系统
CN113408851A (zh) * 2021-05-17 2021-09-17 上海电力大学 一种综合能源系统灵活性评价方法
CN113610330A (zh) * 2021-10-08 2021-11-05 国网江西省电力有限公司供电服务管理中心 一种基于用户体验的用户侧灵活资源用能行为优化方法
CN115566707A (zh) * 2022-11-24 2023-01-03 深圳市前海能源科技发展有限公司 区域供冷系统与再生能源的源荷储配置规划方法和装置
CN115907240A (zh) * 2023-03-09 2023-04-04 四川大学 计及互补互济运行特性的电网多类型调峰资源规划方法
CN115907240B (zh) * 2023-03-09 2023-06-20 四川大学 计及互补互济运行特性的电网多类型调峰资源规划方法
CN117748608A (zh) * 2023-12-18 2024-03-22 国网江苏省电力有限公司南通供电分公司 面向不同场景的多类灵活性资源组合配置方法
CN117996862B (zh) * 2024-04-03 2024-06-04 国网四川省电力公司 基于应急备用的机组出力确定方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112016747B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112016747B (zh) 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN105449713B (zh) 考虑分布式电源特性的有源配电网智能软开关规划方法
Shukla et al. Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks
CN109523128A (zh) 一种促进消纳的可再生能源容量配置方法
Jin et al. Game theoretical analysis on capacity configuration for microgrid based on multi-agent system
CN109948849B (zh) 一种计及储能接入的配电网网架规划方法
CN111082466B (zh) 考虑风电不确定性的新能源接入与网架扩建优化方法
CN104377693A (zh) 一种发电生产模拟模型
Allard et al. Considering distribution grids and local flexibilities in the prospective development of the European power system by 2050
CN111626594A (zh) 一种多种需求侧资源协同的配电网扩展规划方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN103633641B (zh) 一种考虑风电接纳的中长期交易运营计划获取方法
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
Rizvi et al. Optimal scheduling of virtual power plants utilizing wind power and electric vehicles
Haesen et al. Opportunities for active DER management in deferral of distribution system reinforcements
CN112418732A (zh) 一种基于最大流最小割定理的含多能量枢纽综合能源系统规划方法及系统
Yang et al. Storage-transmission joint planning method to deal with insufficient flexibility and transmission congestion
CN106203742A (zh) 一种基于节能回报率的电网设备节能评价及选型方法
CN116562432A (zh) 面向新型电力系统规划的源网荷储协同规划方法及系统
Hjelmeland et al. Combined SDDP and simulator model for hydropower scheduling with sales of capacity
CN113394820B (zh) 一种新能源并网电力系统的优化调度方法
CN109447307A (zh) 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法
Zhang et al. Data-Driven Distributionally Robust Optimization-Based Coordinated Dispatching for Cascaded Hydro-PV-PSH Combined System
Alassi et al. Generic distributed photovoltaic cost outlook methodology: Australian market application example
Wang et al. Multi-timescale risk scheduling for transmission and distribution networks for highly proportional distributed energy access

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