CN112085276A - 一种含高渗透率风光发电的电源系统容量配比优化方法 - Google Patents

一种含高渗透率风光发电的电源系统容量配比优化方法 Download PDF

Info

Publication number
CN112085276A
CN112085276A CN202010943374.2A CN202010943374A CN112085276A CN 112085276 A CN112085276 A CN 112085276A CN 202010943374 A CN202010943374 A CN 202010943374A CN 112085276 A CN112085276 A CN 112085276A
Authority
CN
China
Prior art keywords
cost
wind
thermal power
unit
capacity
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
CN202010943374.2A
Other languages
English (en)
Other versions
CN112085276B (zh
Inventor
孙冰
李云飞
曾沅
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.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202010943374.2A priority Critical patent/CN112085276B/zh
Publication of CN112085276A publication Critical patent/CN112085276A/zh
Application granted granted Critical
Publication of CN112085276B publication Critical patent/CN112085276B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种含高渗透率风光发电的电源系统容量配比优化方法，其核心是以具有相同弃风弃光比例约束为前提，确定多个风光容量配比下的规划方案，通过求解拟合函数的极值点寻找最佳容量配比，本发明：①基于8760小时的日前经济调度仿真，科学地计算了火电机组的运行成本；②在供电成本中同时计及了火电机组的运行成本、风‑光‑火机组的设备投资成本、火电机组发电所导致的环境成本以及火电系统的调峰和备用成本；③通过拟合得到供电成本与风光机组装机容量配比之间的函数关系，便于通过求取极值点得到最佳容量配比，④考虑了多个成本要素的影响，对风光机组装机容量配比开展了敏感性分析。

Description

一种含高渗透率风光发电的电源系统容量配比优化方法
技术领域
本发明适用于风力和光伏资源充足，采用风—光—火等多能源互补发电的电源规划领域，尤其涉及含高渗透率风光发电的电源系统容量配比优化方法。
背景技术
随着科技的进步，风机和光伏的设备投资成本逐年下降，展现出了较好的利用前景，世界各国高度重视可再生能源的开发与利用，然而由于风光机组出力的不确定性，必须在其他出力可控机组的配合下才能向负荷供电。就我国而言，出力可控机组主要指燃煤火电机组，充分利用火电机组的可调容量，积极挖掘风、光电源出力的互补性，并且允许弃置可再生能源的部分尖峰出力，能够一定程度上降低系统调峰和备用容量的压力，对于发展高渗透率的风光发电意义重大。
就目前而言，我国的电力需求还未饱和，但作为调峰电源的火电机组未来将不再大幅度增长甚至逐渐关停，未来的电力系统面临调峰压力。当风光装机容量较小时，能够实现风光电量的100％消纳，清洁的风光电能替代了部分煤电，往往能够降低总发电成本；当风光装机容量增加到某一临界值时，由于火电机组的调节受爬坡速度、最小出力限制、最大调节次数等安全性约束，风光机组的尖峰出力不能被消纳，将不得不切除一部分风机和光伏出力，产生弃风弃光现象；随着风光累计并网容量不断增加，被弃置的风光电量占比也随之增加。由此可见，在开展风光机组容量优化时需要计及合理的弃风弃光措施，合理的弃风弃光措施可以提高可再生能源的渗透率，并且还可以提高系统运行中某些苛刻条件下的备用容量，使系统变得更加安全可靠。
可再生能源存在天然的互补性，利用可再生能源之间的互补性对可再生能源装机容量配比进行经济性优化可以增大可再生能源的并网容量，降低系统的供电成本，提高系统的清洁能源的占比。虽然对于可再生能源装机容量配比优化已有很多研究，但是还存在以下不足：对于高渗透率的风光发电，对风光机组容量配比开展优化分析式，未考虑到随着技术的进步和对环境保护的重视，环境成本、燃料成本、风光机组设备投资成本等参数已经并将继续发生大幅变化，它们势必影响互补电源系统的容量配比，而且对风光机组容量配比的优化方法关注不足。对于含高渗透率风光发电的系统，电源的容量配比对提高电能消纳水平、降低供电成本具有重要影响，而且对风-光-火互补系统的容量配比优化是一项复杂的工作，不是与某几个参数存在简易的函数关系，而是需要运用开展详细的运行仿真分析才能得到。
发明内容
本发明提出了一种含高渗透率风光发电的电源系统容量配比优化方法，其核心是以具有相同弃风弃光比例为前提，确定多个风光容量配比下的规划方案，通过求解拟合函数的极值点寻找最佳容量配比，本发明：①基于日前经济调度仿真，科学计算了火电机组的运行成本；②在供电成本中同时计及了火电机组的运行成本、风-光-火机组的设备投资成本、火电机组发电所导致的环境成本以及火电系统的调峰和备用成本；③通过拟合得到供电成本与风光机组装机容量配比之间的函数关系，便于通过求取极值点得到最佳容量配比，④考虑了多个成本要素的影响，对风光机组装机容量配比开展了敏感性分析。具体来说，通过以下六个步骤得到当地供电成本最低的风机光伏装机容量配比：
步骤一、输入本地区负荷以及火电机组的装机容量，根据当地的资源条件确定可再生能源装机容量二维遍历的寻优范围；
步骤二、把风机和光伏机组的容量之比记为kc，风光机组容量配比向量记为K＝[kc,1,kc,2,…,kc,N]，在以风机和光伏容量为变量的二维平面上，可再生能源电量占比记为Re，根据Re与弃风弃光比例之间的函数关系，确定容量配比向量中每个取值弃风弃光比例Rrej(PPV,Pw)＝R所对应的风机和光伏装机容量组合(PPV,Pw)范围，其中弃风弃光比例具体计算方式如下：
Figure BDA0002674421320000021
其中，E1(PPV,Pwind)表示光伏和风机装机容量为PPV、Pwind时，充分利用当地的风光资源风光机组每年可发出的最大电量；E2(PPV,Pwind)表示由于运行需要，电力系统实际消纳的年发电量；
步骤三、对上一步骤中得到的风机和光伏装机容量组合范围中的数值进行年时序运行仿真，得到Rrej(PPV,Pw)＝R时，风光机组装机容量组合所对应的风-光-火机组的出力曲线；
步骤四、根据上一步骤得到的风光火机组的出力曲线，计算相应的供电成本，主要包括火电系统的运行成本(火电机组的煤耗成本和启停成本)、风光火机组的设备投资成本以及环境成本，直至得到每一个装机容量配比在Rrej(PPV,Pw)＝R的条件下风机和光伏装机容量组合及其对应的供电成本；
步骤五、对上一步骤中的散点开展函数拟合，以kc为自变量，以供电成本为因变量，拟合函数表达式g(kc)，对g(kc)求极小值点，可获得最佳kc；
步骤六、考虑燃料成本、环境成本、风光机组设备成本等参数的变化，更新最佳装机容量配比的评估结果，对装机容量配比开展优化分析。
所述步骤四中火电系统的运行成本、风光火机组的设备投资成本以及环境成本，各项成本的具体计算方式如下：
(1)设备投资及维护费用
采用等年值方法计及互补系统的年运行成本，等年值系数c为：
Figure BDA0002674421320000031
其中，r表示银行贴现率，x表示设备的运行年限，一般火电机组取30年，风机和光伏机组取25年。三类机组的设备投资及维护费用记为C1，可通过下式计算：
C1＝(cw+com_w)Cun_wPw+(cPV+com_PV)Cun_PVPPV+(cf+com_f)(Cun_ulNulPul+Cun_suNsuPsu) (3)
其中，cw、cPV和cf分别表示风机、光伏和火电机组的等年值系数，com_w、com_PV和com_f分别表示风机、光伏和火电机组的运维比例，Cun_w、Cun_PV、Cun_ul和Cun_su分别表示风机、光伏、超超临界火电和超临界火电机组的单位容量投资，Pul和Psu分别表示超超临界火电和超临界火电机组的额定容量；
(2)火电机组的运行成本
火电机组的运行成本包括燃料成本和启停成本，其中燃料成本是指所消耗一次能源(如煤炭)的购买成本。运行成本C2可采用如下计算公式；
Figure BDA0002674421320000032
其中，Ccoal表示燃料价格；ai、bi为火电机组燃料消耗系数；Si,t表示机组的启停状态，为0-1变量，0代表关机，1代表开机；Cup,i为第i台机组的单次启动成本；Pi，t表示第i台火电机组t时刻的有功功率；
(3)环境成本
环境成本包括污染物的排放成本和治理成本以及CO2的排放成本，该项成本记为C3，可通过每吨标煤的环境成本与燃煤总量的乘积得到。
Figure BDA0002674421320000033
其中，Cen表示每吨标煤的环境成本。
有益效果
本发明在考虑合理的弃风弃光措施下，以风-光-火互补发电系统中风机和光伏装机容量配比为对象，通过输入的当地负荷数据和可再生能源的等效利用小时数，就可以计算出供电成本最低的风机和光伏装机容量配比。本发明所提出的电源容量规划模型，以具有相同弃风弃光比例为前提，确定多个风光容量配比下的规划方案，进而拟合得到供电成本相对于风光容量配比的函数关系，通过求解极值点寻找最佳容量配比，并考虑多个成本要素开展敏感性分析，使得本发明对于风机和光伏机组装机容量配比的评估方法更准确可靠。
附图说明
图1是本发明风机和光伏装机容量配比优化规划的流程图；
图2是风机-光伏二维平面遍历图；
图3是供电成本与风机、光伏最佳容量配比函数关系。
具体实施方式：
以下结合实施案例和附图，对本发明的技术和方法进行详细描述，以下案例和附图用于说明本发明的构成，但不是用来限定本发明的范围。
如图1所示，本发明提出了一种含高渗透率风光发电的电源系统容量配比优化方法在风光发电的系统中建立优化电源容量配比的弃风弃光模型，包括如下步骤：
步骤一、输入本地区负荷曲线以及火电机组的装机容量，根据当地的资源条件确定可再生能源装机容量二维遍历的寻优范围，如式2所示。
Figure BDA0002674421320000041
步骤二、把风机和光伏机组的容量之比记为kc，风光机组容量配比向量记为K＝[kc,1,kc,2,…,kc,N]，在以风机和光伏容量为变量的二维平面上如图2所示，根据以往经验，当Re＝Rc的时候，Rrej(PPV,Pw)＝R，此时满足以下函数关系：
Figure BDA0002674421320000042
其中，Pwind，t，Pload,t分别指的是第t时刻风机出力和负荷。
根据Re与弃风弃光比例之间的函数关系，确定容量配比向量中每个取值弃风弃光比例Rrej(PPV,Pw)＝R所对应的风机和光伏装机容量组合(PPV,Pw)大致范围，其精确值需要通过下一步年运行仿真得到。
步骤三、对于容量配比向量中每个取值所对应的风光装机容量组合(PPV,Pw)，利用MATLAB调用CPLEX根据式(4)-(11)所示的数学模型进行日前机组运行仿真，得到一年风光火机组的出力曲线；
Figure BDA0002674421320000043
Figure BDA0002674421320000051
其中，Nul和Nsu分别表示超超临界和超临界机组的数量；ai和bi是第i台火电机组的运行成本系数；
Figure BDA0002674421320000052
和
Figure BDA0002674421320000053
分别表示第i台火电机组在t时刻的有功出力和启停成本；
Figure BDA0002674421320000054
表示第i台火电机组在t时刻的启停状态，启动为1，停机为0；
Figure BDA0002674421320000055
和
Figure BDA0002674421320000056
分别表示第i台火电机组t时刻的开机和停机时长；
Figure BDA0002674421320000057
和
Figure BDA0002674421320000058
分别表示第i台机组的最小出力、最大出力、最大爬坡速度、最小开机时长和最小停机时长；Pres,down,t和Pres,up,t分别表示系统t时刻的下备用和上备用要求。模型的约束条件分别表示火电机组的出力上下限约束(5)、爬坡速率约束(6)、最小开机时间约束(7)、最小停机时间约束(8)、出力下备用约束(9)、出力上备用约束(10)和功率平衡约束(11)。
步骤四、根据上一步骤得到的风光火机组的出力曲线，计算相应的供电成本，主要包括火电系统的运行成本(火电机组的煤耗成本和启停成本)、风光火机组的设备投资成本以及环境成本，各项成本的具体计算方式如下：
(1)设备投资及维护费用
采用等年值方法计及互补系统的年运行成本，等年值系数c为：
Figure BDA0002674421320000059
其中，r表示银行贴现率，x表示设备的运行年限，一般火电机组取30年，风机和光伏机组取25年。三类机组的设备投资及维护费用记为C1，可通过下式计算：
C1＝(cw+com_w)Cun_wPw+(cPV+com_PV)Cun_PVPPV+(cf+com_f)(Cun_ulNulPul+Cun_suNsuPsu) (13)
其中，cw、cPV和cf分别表示风机、光伏和火电机组的等年值系数，com_w、com_PV和com_f分别表示风机、光伏和火电机组的运维比例，Cun_w、Cun_PV、Cun_ul和Cun_su分别表示风机、光伏、超超临界火电和超临界火电机组的单位容量投资，Pul和Psu分别表示超超临界火电和超临界火电机组的额定容量。
(2)火电机组的运行成本
火电机组的运行成本包括燃料成本和启停成本，其中燃料成本是指所消耗一次能源(如煤炭)的购买成本。运行成本C2可采用如下计算公式。
Figure BDA0002674421320000061
其中，Ccoal表示燃料价格；ai、bi为火电机组燃料消耗系数；Si,t表示机组的启停状态，为0-1变量，0代表关机，1代表开机；Cup,i为第i台机组的单次启动成本；Pi,t表示第i台火电机组t时刻的有功功率。
(3)环境成本
环境成本包括污染物的排放成本和治理成本以及CO2的排放成本，该项成本记为C3，可通过每吨标煤的环境成本与燃煤总量的乘积得到。
Figure BDA0002674421320000062
其中，Cen表示每吨标煤的环境成本。
步骤五、对上一步骤中的散点利用t次多项式函数进行拟合，在MATLAB拟合函数如式
(16)所示：
f＝polyfit(kc,C1+C2+C3,t) (16)
以kc为自变量，以供电成本为因变量，拟合函数表达式为g(kc)，对g(kc)求极小值点，可获得最佳kc。
步骤六、分析成本参数的变化对最佳装机容量配比的影响
考虑燃料成本、环境成本、风光机组设备成本等参数的变化，更新最佳装机容量配比的评估结果，对装机容量配比开展优化分析，由于技术进步和环保要求的提高，Cun_w和Cun_PV将会逐步减小，Ccoal和Cen将会逐步增大。
采用本发明的优化规划模型，对我国某风光较丰富地区开展风光机组容量配比优化。其中，火电机组共计960万kW，包括6台额定容量60万kW的超临界机组和6台额定容量为100万kW的超超临界机组；弃风弃光为零的情况下，风机和光伏设备的年利用小时数分别为2133小时和1490小时；采用改进的IEEE RTS系统8760小时负荷数据(冬季与夏季的负荷对调，以符合中国的负荷特征)，年最大负荷为800万kW；本专利在仿真中取R＝0.1。
(1)供电成本评估结果分析
Ccoal取600元/tce，可得到表1中的评估结果，k为编号。由表1可知，风机和光伏装机容量配比改变时，系统的运行成本、风光电量占总供电量的比例等指标也相应改变：当kc＝1时，C2取得最小值，此时风机光伏装机容量组合为(3720MW,3720MW)；当kc＝1/2时，风光电量占比最大，为28.95％。
表1不同kc取值时C2的评估结果
Figure BDA0002674421320000071
同时计及C1、C2和C3，计算系统的单位电能供电成本，其中Cun_w和Cun_PV分别为5.0元/W和3.0元/W，Cen取300元/tce，可得到表2的评估结果。不难发现，kc＝2时使得单位电能供电成本最小，此时风机和光伏容量为(4083MW,2042MW)。
表2单位电能供电成本的评估结果
Figure BDA0002674421320000072
综上所述，在弃风弃光比例完全相同的情况下，风机和光伏设备的容量配比kc对互补电源系统的供电成本存在直接影响，也影响风光电能占总供电量的比例，即影响风光电能的消纳效果。
(2)多成本参数分析
由于技术进步和环保要求的提高，Cun_w和Cun_PV将会逐步减小，Ccoal和Cen将会逐步增大，改变以上4个参数，可得到表3所示的评估结果，为了避免函数拟合时，容量配比并不是等间距而造成拟合函数的误差，自变量采用kc的编号k，求得极值之后再转换成kc，随着各项成本参数的变化，kc逐渐减小。
表3不同成本参数下的拟合函数
Figure BDA0002674421320000081
以表3中的case2为例，此时Cun_w＝4元/W，Cun_PV＝2.7元/W，当弃风和弃光均为零时，风机的单位电能供电成本为0.172元/kWh，光伏为0.116元/kWh。虽然光伏的供电成本较低，但是电源系统中并不是光伏越多越好，风机和光伏的安装容量也不是与设备成本或单位电能供电成本成反比，而是一个需要基于本专利方法开展优化的数值，如图3所示，此时极值点为k＝2.3028，对应的kc＝2.6972。尽管不同地区由于风机、光伏出力和负荷数据不同，得出的最佳风光机组装机容量配比不同，但是研究方法依然一致。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (2)

1.一种含高渗透率风光发电的电源系统容量配比优化方法，其特征在于，在风光发电的系统中建立优化电源容量配比的优化模型，该优化模型通过如下步骤获得供电成本最低的风机光伏装机容量配比方案：
步骤一、输入本地区负荷以及火电机组的装机容量，根据当地的资源条件确定可再生能源装机容量二维遍历的寻优范围；
步骤二、把风机和光伏机组的容量之比记为kc，风光机组容量配比向量记为K＝[kc,1,kc,2,…,kc,N],在以风机和光伏容量为变量的二维平面上，可再生能源电量占比记为Re，根据Re与弃风弃光比例之间的函数关系，确定容量配比向量中每个取值弃风弃光比例Rrej(PPV,Pw)＝R所对应的风机和光伏装机容量组合(PPV,Pw)范围，其中弃风弃光比例具体计算方式如下：
Figure FDA0002674421310000011
其中，E1(PPV,Pwind)表示光伏和风机装机容量为PPV、Pwind时，充分利用当地的风光资源风光机组每年可发出的最大电量；E2(PPV,Pwind)表示由于运行需要，电力系统实际消纳的年发电量；
步骤三、对上一步骤中得到的风机和光伏装机容量组合范围中的数值进行年时序运行仿真，得到Rrej(PPV,Pw)＝R时，风光机组装机容量组合所对应的风-光-火机组的出力曲线；
步骤四、根据上一步骤得到的风光火机组的出力曲线，计算相应的供电成本，主要包括火电系统的运行成本、风光火机组的设备投资成本以及环境成本，直至得到每一个装机容量配比在Rrej(PPV,Pw)＝R的条件下风机和光伏装机容量组合及其对应的供电成本；
步骤五、对上一步骤中的散点开展函数拟合，以kc为自变量，以供电成本为因变量，拟合函数表达式g(kc)，对g(kc)求极小值点，可获得最佳kc；
步骤六、分析成本参数的变化对最佳装机容量配比的影响。
2.根据权利要求1所述的一种含高渗透率风光发电的电源系统容量配比优化方法，其特征在于，所述步骤四中火电系统的运行成本、风光火机组的设备投资成本以及环境成本，各项成本的具体计算方式如下：
(1)设备投资及维护费用
采用等年值方法计及互补系统的年运行成本，等年值系数c为：
Figure FDA0002674421310000012
其中，r表示银行贴现率，x表示设备的运行年限，一般火电机组取30年，风机和光伏机组取25年；机组的设备投资及维护费用记为C1，可通过下式计算：
C1＝(cw+com_w)Cun_wPw+(cPV+com_PV)Cun_PVPPV+(cf+com_f)(Cun_ulNulPul+Cun_suNsuPsu) (3)
其中，cw、cPV和cf分别表示风机、光伏和火电机组的等年值系数，com_w、com_PV和com_f分别表示风机、光伏和火电机组的运维比例，Cun_w、Cun_PV、Cun_ul和Cun_su分别表示风机、光伏、超超临界火电和超临界火电机组的单位容量投资，Pul和Psu分别表示超超临界火电和超临界火电机组的额定容量；
(2)火电机组的运行成本
火电机组的运行成本包括燃料成本和启停成本，其中燃料成本是指所消耗一次能源(如煤炭)的购买成本；运行成本C2可采用如下计算公式；
Figure FDA0002674421310000021
其中，Ccoal表示燃料价格；ai、bi为火电机组燃料消耗系数；Si,t表示机组的启停状态，为0-1变量，0代表关机，1代表开机；Cup,i为第i台机组的单次启动成本；Pi，t表示第i台火电机组t时刻的有功功率；
(3)环境成本
环境成本包括污染物的排放成本和治理成本以及CO2的排放成本，该项成本记为C3，可通过每吨标煤的环境成本与燃煤总量的乘积得到。
Figure FDA0002674421310000022
其中，Cen表示每吨标煤的环境成本。
CN202010943374.2A 2020-09-09 2020-09-09 一种含高渗透率风光发电的电源系统容量配比优化方法 Active CN112085276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010943374.2A CN112085276B (zh) 2020-09-09 2020-09-09 一种含高渗透率风光发电的电源系统容量配比优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010943374.2A CN112085276B (zh) 2020-09-09 2020-09-09 一种含高渗透率风光发电的电源系统容量配比优化方法

Publications (2)

Publication Number Publication Date
CN112085276A true CN112085276A (zh) 2020-12-15
CN112085276B CN112085276B (zh) 2024-05-07

Family

ID=73731664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010943374.2A Active CN112085276B (zh) 2020-09-09 2020-09-09 一种含高渗透率风光发电的电源系统容量配比优化方法

Country Status (1)

Country Link
CN (1) CN112085276B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113394807A (zh) * 2021-06-23 2021-09-14 黄河勘测规划设计研究院有限公司 清洁能源互补基地装机配比的优化方法和装置
CN113592125A (zh) * 2020-04-30 2021-11-02 国网新疆电力有限公司 一种特高压直流配套电源配比优化比选方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110930188A (zh) * 2019-11-19 2020-03-27 西安交通大学 一种考虑资源互补特性的新能源与火电打捆交易定价方法
CN111130145A (zh) * 2019-12-06 2020-05-08 天津大学 一种基于合理弃风弃光的风光装机容量优化规划方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN111598295A (zh) * 2020-04-13 2020-08-28 中国电建集团贵阳勘测设计研究院有限公司 促进风电消纳的电力系统抽水蓄能电站装机优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN110930188A (zh) * 2019-11-19 2020-03-27 西安交通大学 一种考虑资源互补特性的新能源与火电打捆交易定价方法
CN111130145A (zh) * 2019-12-06 2020-05-08 天津大学 一种基于合理弃风弃光的风光装机容量优化规划方法
CN111598295A (zh) * 2020-04-13 2020-08-28 中国电建集团贵阳勘测设计研究院有限公司 促进风电消纳的电力系统抽水蓄能电站装机优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余贻鑫;孙冰;秦超;刘艳丽;曾沅;: "互联电力系统中高比例风电和太阳能光伏的开发与消纳模式研究", 南方电网技术, no. 10, 20 October 2017 (2017-10-20) *
孙冰: "高比例风能和太阳能发电开发模式评估与优化", 《CNKI硕士电子期刊》, 15 August 2018 (2018-08-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592125A (zh) * 2020-04-30 2021-11-02 国网新疆电力有限公司 一种特高压直流配套电源配比优化比选方法和系统
CN113394807A (zh) * 2021-06-23 2021-09-14 黄河勘测规划设计研究院有限公司 清洁能源互补基地装机配比的优化方法和装置

Also Published As

Publication number Publication date
CN112085276B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN106786677B (zh) 一种互联电力系统分布式动态矩阵频率控制方法
CN109103929B (zh) 基于改进动态克里丝金模型的配电网经济优化调度方法
CN112564127B (zh) 一种光伏并网电力系统频率暂态稳定性分析方法
CN112994115B (zh) 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法
CN102930343A (zh) 一种分布式发电供能系统能量优化方法
CN112491043B (zh) 一种新能源富集电网电源规划方法及系统
CN104156887A (zh) 一种基于电网约束的区域新能源开发规模及布局分析方法
CN107103431B (zh) 一种供热期调峰约束下电网弃风情况分析方法
CN112085276A (zh) 一种含高渗透率风光发电的电源系统容量配比优化方法
CN108493998A (zh) 考虑需求响应与n-1预想故障的鲁棒输电网规划方法
KR101682860B1 (ko) 신재생에너지 그리드의 최적설계 방법 및 그 방법을 수행하는 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
CN111130145B (zh) 一种基于弃风弃光的风光机组装机容量优化规划方法
CN115842376A (zh) 电力系统等效惯量趋势与安全状态评估方法、设备和介质
CN114358601A (zh) 多元能量系统多维评价指标体系构建的方法及装置
CN109980660B (zh) 基于发电机改进频率响应特性的鲁棒区间风电调度方法
Yang et al. Research on optimal allocation method of energy storage considering supply and demand flexibility and new energy consumption
CN109546647B (zh) 一种用于含风光水储的电力系统的安全稳定评估方法
CN111724026B (zh) 一种多能源网络与配水网耦合运行的优化方法
CN110245793B (zh) 一种基于光热机组聚合模型的电力系统优化调度方法
CN112994087B (zh) 基于条件风险约束的多源电力系统中期优化调度方法
Al-Ghussain et al. Integrated assessment of green hydrogen production in California: Life cycle Greenhouse gas Emissions, Techno-Economic Feasibility, and resource variability
Shan et al. [Retracted] Modeling and Control of Wind Speed in Renewable Energy Power Generation and Wind Power Generation Systems
CN107886197A (zh) 一种负荷响应对系统消耗可再生电力能力的优化方法
Zhang et al. Algorithm on optimal wind power capacity using peak load regulation restraints

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