CN112085336A - 全清洁能源转型过程中火电机组综合能力评估方法及系统 - Google Patents
全清洁能源转型过程中火电机组综合能力评估方法及系统 Download PDFInfo
- Publication number
- CN112085336A CN112085336A CN202010805019.9A CN202010805019A CN112085336A CN 112085336 A CN112085336 A CN 112085336A CN 202010805019 A CN202010805019 A CN 202010805019A CN 112085336 A CN112085336 A CN 112085336A
- Authority
- CN
- China
- Prior art keywords
- thermal power
- power generating
- generating unit
- risk
- risks
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008569 process Effects 0.000 title claims abstract description 25
- 230000009466 transformation Effects 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 230000001052 transient effect Effects 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000011426 transformation method Methods 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 8
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 7
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (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
本发明公开全清洁能源转型过程中火电机组综合能力评估方法及系统,该方法包括:搭建合适的潮流环境,采集火电机组的基础参数;分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;使用相应的参数变换方法,生成火电机组的规格化属性矩阵;根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;根据生成的排序矩阵确定退役火电机组的顺序。
Description
技术领域
本发明涉及一种全清洁能源转型过程中火电机组综合能力评估方法及系统,属于电力系统技术领域。
背景技术
随着能源紧缺、环境污染的问题日益严重,实现全清洁能源发电成了世界各国能源发展的目标。大力发展清洁能源发电技术,不仅可以逐步改善能源结构、保障能源安全,而且可以减少温室气体排放、阻止环境恶化,对实现国民经济可持续发展具有重要意义。
在发展全清洁能源发电的过程中需要逐渐退役区域内的火电机组,而退役火电机组伴随着电网稳定性下降的风险。为了保证电网安全稳定运行,需要安装稳控装置和制定预控措施,而电网稳定性下降的裕度影响着制定防控措施的难度,所以需要安排合理的火电机组退役顺序以减少电网稳定性下降的裕度和发展全清洁能源发电发展过程中的经济损失。
发明内容
本发明的目的在于,汇总火电风险评估的方法,提供一种火电机组转型退出用的风险评估方法及系统,不仅能够合理评估火电机组在该区域的综合能力,而且能够有效减少全清洁能源发电发展过程中因阶段性退役火电机组而下降的电网安全稳定裕度。
本发明具体采用如下技术方案:全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述方法包括如下步骤:
步骤SS1:搭建所需的潮流环境,采集火电机组的基础参数;
步骤SS2:分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频风险和调峰风险,确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;
步骤SS3:基于步骤SS2获得的火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数,计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值形成评价矩阵;
步骤SS4:对步骤SS3获得的评价矩阵消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
步骤SS5:根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;根据排序矩阵退役风险最小的一台火电机组,判断剩余机组数量是否为1,若不为1,重复步骤SS1至步骤SS5,直到剩余火电机组数量为1,输出火电机组的退役顺序。
作为一种较佳的实施例,所述步骤SS1具体包括:搭建适配的潮流方式,搭建需要退役火电区域的仿真基础潮流,所述仿真基础潮流需要将需要退役的火电机组全部开启;在所述仿真基础潮流的基础上,分别搭建只退役一台火电机组的潮流方式作为仿真准备;
根据仿真基础潮流的潮流方式和暂态文件,采集需要退役的火电机组的基础参数,所述基础参数包括但不限于如下几项:火电机组的系统惯量、频率最大调整限幅、最大有功出力、调差率。
作为一种较佳的实施例,所述步骤SS2中过载风险的权重系数计算方法具体包括:电力系统的过载风险是指当电力系统发生不可预测事故时,对电力系统内部的设备元件线路过载的情况,将线路i的过载风险riski表示为:
式中:pi表示的是电力系统事故发生的概率;si表示的是事故的严重度;Zi表示的是第i条线路的潮流;pi(Zi)表示线路i潮流出现过载问题的可能性;si(Zi)表示线路i潮流波动的严重度;riski(Zi)表示线路i潮流的过载风险;线路过载的可能性表现在线路潮流超过线路容量阀值的随机概率分布,搭建随机潮流模型计算线路i潮流出现过载问题的可能性;线路i的过载风险riski即该火电机组评价矩阵中在过载问题方面的权重系数A1(i)。
作为一种较佳的实施例,所述步骤SS2中暂态安全风险的权重系数计算方法具体包括:电网产生的暂态安全风险包括如下步骤:
退役该火电机组条件下的暂态安全风险risku(Xi)表示为:
式中:pu表示的是该方式下发生某故障的概率pu,su表示的是发生事故产生的暂稳问题的严重度;risku(Xi)表示退役该火电机组的暂稳安全风险;su(Xi)表示该方式发生第i种故障后的严重程度;n表示涉及到的故障的个数;Xi表示该方式发生第i种故障的潮流;搭建随机潮流模型计算方式i出现该暂态电压问题的可能性;
基于EEAC理论求取退役该火电机组条件下发生不同故障时的暂态安全裕度以表示退役该火电方式下发生第i种故障后的严重程度su(Xi);
暂稳安全风险risku(Xi)即该火电机组评价矩阵中在暂态电压、功角、频率方面的权重系数A2(i)。
作为一种较佳的实施例,所述步骤SS2中调频风险的权重系数计算方法具体包括:
确定火电机组在调频风险的专家权重具体包括:该火电机组的调频风险通过该火电机组的频率控制死区Δfsq、系统惯量M、最大负荷限幅参数来评估;
通过下式得到系统惯量M:
式中:n表示转子的每分钟转数;J表示转子的转动惯量;EMWS表示发电机的动能;
根据火电机组的系统惯量M、、最大负荷限幅和频率控制死区Δfsq求得调频风险的权重系数riskf,如下式所示:
式中:riskf为退役该火电机组的调频风险的权重系数;MA表示火电机组A的系统惯量;MB表示火电机组B的系统惯量;MC表示火电机组C的系统惯量;Δfsq-A表示火电机组A的频率控制死区;Δfsq-B表示火电机组B的频率控制死区;Δfsq-C表示火电机组C的频率控制死区;PfA表示火电机组A的最大负荷限幅;PfB表示火电机组B的最大负荷限幅;PfC表示火电机组C的最大负荷限幅。
作为一种较佳的实施例,所述步骤SS2中调峰风险的权重系数计算方法具体包括:
该火电机组的调峰风险通过该火电机组的调峰幅度αg来评估;
式中:αg表示该火电机组的调峰能力;Pg,max表示该火电机组的最大有功出力;Pg,min表示该火电机组的最小有功出力;D表示该火电机组的调差率;
式中:A4(i)表示调峰风险的权重系数;αg-i表示第i个火电机组的调峰幅度。
作为一种较佳的实施例,所述步骤SS3具体包括:生成评价矩阵的方法如下:
根据四个风险问题的权重系数求得第一台火电机组的评价矩阵A(1),如下所示:
式中,A1(1)为火电机组的过载风险指标值;A2(1)为火电机组的暂态安全风险指标值;A3(1)为火电机组的调频风险指标值;A4(1)为火电机组的调峰风险指标值;
则所需要退役火电机组的评价矩阵可生成为:
式中:i表示需要退役的第i台火电机组。
作为一种较佳的实施例,所述步骤SS4具体包括:
消除量纲影响的方法包括:
式中:Aj(i)表示第i台火电机组的第j个风险问题的权重系数;
通过主观赋权法得到某一台火电机组的综合能力评估的权重系数;
实际工程的具体操作中,专家们比较容易确定两个指标之间的相对重要程度。因此,可采用用主观赋权法确定各指标的权重系数对不同指标之间的重要性进行比较打分,如下表所示:
标度(分值) | 含义 |
1 | 表示两个因素相比,同等重要(优劣相同) |
3 | 表示两个因素相比,一个因素比另一个因素稍重要(稍优于) |
5 | 表示两个因素相比,一个因素比另一个因素明显重要(明显优于) |
7 | 表示两个因素相比,一个因素比另一个因素重要得多(优秀得多) |
9 | 表示两个因素相比,一个因素比另一个因素极端重要(极端优秀) |
2、4、6、8 | 在上述两个相邻判断等级之间 |
根据表中指标之间的重要度打分值,通过主观赋权法得到某一台火电机组的综合能力评估的权重系数;
对评价矩阵进行根据以上参数变换求得的矩阵就是规格化属性矩阵,如下:
B=[B(1) B(2) ....... B(i)];
式中:B(i)表示第i台火电的综合能力指标。
作为一种较佳的实施例,所述步骤SS5具体包括:根据规格化属性矩阵退出风险最小的一台火电机组,判断剩余机组数量是否为1,若不为1,重复步骤步骤SS1-步骤SS5,直到剩余机组数量为1,则在重复过程中火电机组逐步退役的顺序即本发明输出的退役顺序结果。
本发明还提出全清洁能源转型过程中火电机组综合能力评估系统,其特征在于,包括:
基础参数生成模块,用于:搭建所需的潮流环境,采集火电机组的基础参数;
权重系数生成模块,用于:分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;
评价矩阵生成模块,用于:计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;
规格化属性矩阵生成模块,用于:使用相应的参数变换方法,消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
排序矩阵生成模块,用于:根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;
退役顺序生成模块,用于:根据排序矩阵退役风险最小的一台火电机组,判断剩余火电机组数量是否为1,若不为1,重复基础参数生成模块至退役顺序生成模块,直到剩余火电机组数量为1,输出火电机组的退役顺序。
本发明所达到的有益效果:本发明提供了一种全清洁能源转型过程中火电机组综合能力评估方法及系统,通过搭建所需的潮流环境,采集火电机组的基础参数;分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;使用相应的参数变换方法,消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;根据规格化属性矩阵退役风险最小的一台火电机组,判断剩余火电机组数量是否为1,若不为1,重复步骤SS1至步骤SS5,直到剩余火电机组数量为1,输出火电机组的退役顺序,有效计算出火电机组对于该区域的重要性,以确定发展全清洁能源发电计划中火电机组的退役顺序;依循合理的顺序退役火电机组,可以减少因退役火电机组而产生的经济损失。
附图说明
图1是本发明的全清洁能源转型过程中火电机组综合能力评估方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1:如图1所示,本发明的实施例提供的全清洁能源转型过程中火电机组综合能力评估方法,包括如下步骤:
步骤A、搭建合适的潮流环境,采集火电机组的基础参数,确定评价指标体系;
步骤B、分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的专家权重;
步骤C、计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;
步骤D、使用相应的参数变换方法,消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
步骤E、根据生成的评价矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;
步骤F、退出风险最小的一台火电机组,判断剩余机组数量是否为1,若不为1,则重复步骤1-5,直到剩余机组数量为1,输出火电机组的退役顺序;
本发明实施例提供的火电机组综合能力的评估方法提供了一种全清洁能源转型过程中火电机组综合能力的评估方法,有效计算出火电机组对于该区域的重要性,以确定发展全清洁能源发电计划中火电机组的退役顺序。依循合理的顺序退役火电机组,可以减少因退役火电机组而产生的经济损失。
实施例
为了验证本方案的有效性,采用本发明方法进行如下实验。
步骤1、搭建合适的潮流环境,采集火电机组的基础参数,确定评价指标体系;
对中国某区域内的火电厂机组进行分析,分别为A电厂、B电厂、C电厂。
本文以fastest时域仿真软件搭建某区域的基础潮流,该方式火电出力131万千瓦(其中A电厂出力66万千瓦、B电厂出力30万千瓦、C电厂出力35万千瓦),水电出力210万千瓦,光伏1060万千瓦,风电出力260万千瓦。
在该基础潮流的基础上,分别搭建退役A电厂火电机组、退役B电厂火电机组、退役C电厂火电机组的三种潮流方式。
并且采集三大电厂的基础参数:
A电厂火电机组的最大有功出力Pg,max=300MW、D=50%、Δfsq-A=0.001fn、EMWS-A=1412MW*s、最大负荷限幅为±18MW;
B电厂火电机组的最大有功出力Pg,max=660MW、D=50%、Δfsq-B=0.0013fn、EMWS-B=4203.8MW*s、最大负荷限幅为±39.6MW;
C电厂火电机组的最大有功出力Pg,max=350MW、D=50%、Δfsq-C=0.001fn、EMWS-B=1781MW*s、最大负荷限幅为±21MW。
步骤2、分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的专家权重。
过载风险:根据三个潮流方式搭建随机潮流模型,分别对三种潮流模型进行计算得到三种潮流方式下线路出现过载故障的概率和严重程度。
式中:Zi表示的第i条线路的潮流;pi(Zi)表示线路i潮流出现过载问题的可能性;si(Zi)表示线路i潮流波动的严重度;riski(Zi)表示线路i潮流的过载风险。
暂稳安全风险:基于EEAC理论求取五种方式在不同故障条件下的暂态安全裕度。
退役A电厂火电机组条件下各故障的暂态安全裕度如下表所示:
退役B电厂火电机组条件下各故障的暂态安全裕度如下表所示:
故障名称 | 暂态安全裕度(%) |
某主变N-1故障 | 35.63 |
某主变N-1故障 | 45.66 |
某主变N-1故障 | -99.99 |
某主变N-1故障 | 31.21 |
某主变N-1故障 | 92.90 |
某主变N-1故障 | 81.73 |
某主变N-1故障 | 7.36 |
某主变N-1故障 | 27.08 |
某主变N-1故障 | 64.43 |
退役C电厂火电机组条件下各故障的暂态安全裕度如下表所示:
故障名称 | 暂态安全裕度(%) |
某主变N-1故障 | 23.35 |
某主变N-1故障 | 27.10 |
某主变N-1故障 | 92.22 |
某主变N-1故障 | -99.99 |
某主变N-1故障 | 37.20 |
某主变N-1故障 | 71.66 |
某主变N-1故障 | 36.29 |
某主变N-1故障 | 45.74 |
某主变N-1故障 | 58.32 |
如上表所示,暂态安全风险可得:
式中:risku(Xi)表示退役该火电的暂态安全风险;pu(Xi)表示该方式发生第i种故障的概率;su(Xi)表示该方式发生第i种故障后的严重程度;N表示涉及到的故障的个数;Xi表示该方式发生第i种故障的潮流。
调频风险:根据电机动能可求得各火电机组的系统惯量,如下:
MA=8.99kg·m2/s;
MB=26.78kg·m2/s;
MC=11.35kg·m2/s;
根据火电机组的系统惯量、最大负荷限幅和频率控制死区可求得调频风险的权重系数,如下所示:
调峰风险:该火电机组的调峰能力可通过该火电机组的调峰幅度αg来评估。三个火电厂机组的调峰幅度αg如下:
αg-A=150MW;
αg-B=330MW;
αg-C=175MW;
则三个火电机组的调峰风险如下所示:
步骤3、计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;
由步骤2可知,该区域内需要退役的三台火电机组的评价矩阵为:
步骤4、使用相应的参数变换方法,消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
首先对于不同退役火电机组的同一个风险的参数使用极差变换方法进行参数标准化。
可得如下矩阵:
然后对于退役同一火电机组的不同风险问题的参数使用主观赋权法进行参数标准化。
针对所述指标,决策者根据以往经验和经济技术分析,可将指标进行重要性排序如下:A1>A2>A3=A4,所以指标相对重要程度量化评价表如下:
根据表中指标之间的重要度打分值,可通过主观赋权法得到最终的指标主观权重系数;根据主观赋权法得到的火电机组综合能力指标权重为:
S=0.577*A1+0.192*A2+0.115*A3+0.115*A4;
式中:S表示火电机组不同风险问题量化公式最终值;A1表示火电机组过载风险的指标值;A2表示火电机组暂态安全风险的指标值;A3表示火电机组调频风险的指标值;A4表示火电机组调峰风险的指标值;
可得到规格化属性矩阵:
步骤5、根据生成的评价矩阵评估各个火电机组的综合能力,根据火电机组的风险评估指标对火电机组进行排序,生成排序矩阵,如下:
[C A B];
步骤6、退役风险最小的机组C,剩余机组数量为2,则继续重复步骤1-5,得到火电机组A和火电机组B集合的排序矩阵:
[A B];
退役风险最小的机组A,剩余机组数量为1,则输出发展清洁能源计划中的火电退役顺序C→A→B。
首先可以退役火电机组C,然后退役火电机组A,最后退役火电机组B。
本发明实施例提供的火电机组综合能力的评估方法提供了一种全清洁能源转型过程中火电机组综合能力的评估方法,有效计算出火电机组对于该区域的重要性,以确定发展全清洁能源发电计划中火电机组的退役顺序。依循合理的顺序退役火电机组,可以减少因退役火电机组而产生的经济损失。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述方法包括如下步骤:
步骤SS1:搭建所需的潮流环境,采集火电机组的基础参数;
步骤SS2:分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频风险和调峰风险,确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;
步骤SS3:基于步骤SS2获得的火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数,计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值形成评价矩阵;
步骤SS4:对步骤SS3获得的评价矩阵消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
步骤SS5:根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;根据排序矩阵退役风险最小的一台火电机组,判断剩余机组数量是否为1,若不为1,重复步骤SS1至步骤SS5,直到剩余火电机组数量为1,输出火电机组的退役顺序。
2.根据权利要求1所述的全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述步骤SS1具体包括:搭建适配的潮流方式,搭建需要退役火电区域的仿真基础潮流,所述仿真基础潮流需要将需要退役的火电机组全部开启;在所述仿真基础潮流的基础上,分别搭建只退役一台火电机组的潮流方式作为仿真准备;
根据仿真基础潮流的潮流方式和暂态文件,采集需要退役的火电机组的基础参数,所述基础参数包括但不限于如下几项:火电机组的系统惯量、频率最大调整限幅、最大有功出力、调差率。
3.根据权利要求1所述的全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述步骤SS2中过载风险的权重系数计算方法具体包括:电力系统的过载风险是指当电力系统发生不可预测事故时,对电力系统内部的设备元件线路过载的情况,将线路i的过载风险riski表示为:
式中:pi表示的是电力系统事故发生的概率;si表示的是事故的严重度;Zi表示的是第i条线路的潮流;pi(Zi)表示线路i潮流出现过载问题的可能性;si(Zi)表示线路i潮流波动的严重度;riski(Zi)表示线路i潮流的过载风险;线路过载的可能性表现在线路潮流超过线路容量阀值的随机概率分布,搭建随机潮流模型计算线路i潮流出现过载问题的可能性;线路i的过载风险riski即该火电机组评价矩阵中在过载问题方面的权重系数A1(i)。
4.根据权利要求1所述的全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述步骤SS2中暂态安全风险的权重系数计算方法具体包括:电网产生的暂态安全风险包括如下步骤:
退役该火电机组条件下的暂态安全风险risku(Xi)表示为:
式中:pu表示的是该方式下发生某故障的概率pu,su表示的是发生事故产生的暂稳问题的严重度;risku(Xi)表示退役该火电机组的暂稳安全风险;su(Xi)表示该方式发生第i种故障后的严重程度;n表示涉及到的故障的个数;Xi表示该方式发生第i种故障的潮流;搭建随机潮流模型计算方式i出现该暂态电压问题的可能性;
基于EEAC理论求取退役该火电机组条件下发生不同故障时的暂态安全裕度以表示退役该火电方式下发生第i种故障后的严重程度su(Xi);
暂稳安全风险risku(Xi)即该火电机组评价矩阵中在暂态电压、功角、频率方面的权重系数A2(i)。
5.根据权利要求1所述的全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述步骤SS2中调频风险的权重系数计算方法具体包括:
确定火电机组在调频风险的专家权重具体包括:该火电机组的调频风险通过该火电机组的频率控制死区Δfsq、系统惯量M、最大负荷限幅参数来评估;
通过下式得到系统惯量M:
式中:n表示转子的每分钟转数;J表示转子的转动惯量;EMWS表示发电机的动能;
根据火电机组的系统惯量M、、最大负荷限幅和频率控制死区Δfsq求得调频风险的权重系数riskf,如下式所示:
式中:riskf为退役该火电机组的调频风险的权重系数;MA表示火电机组A的系统惯量;MB表示火电机组B的系统惯量;MC表示火电机组C的系统惯量;Δfsq-A表示火电机组A的频率控制死区;Δfsq-B表示火电机组B的频率控制死区;Δfsq-C表示火电机组C的频率控制死区;PfA表示火电机组A的最大负荷限幅;PfB表示火电机组B的最大负荷限幅;PfC表示火电机组C的最大负荷限幅。
9.根据权利要求1所述的全清洁能源转型过程中火电机组综合能力评估方法,其特征在于,所述步骤SS5具体包括:根据规格化属性矩阵退出风险最小的一台火电机组,判断剩余机组数量是否为1,若不为1,重复步骤SS1-步骤SS5,直到剩余机组数量为1,则在重复过程中火电机组逐步退役的顺序即本发明输出的退役顺序结果。
10.全清洁能源转型过程中火电机组综合能力评估系统,其特征在于,包括:
基础参数生成模块,用于:搭建所需的潮流环境,采集火电机组的基础参数;
权重系数生成模块,用于:分析在退役所要评估的火电机组的条件下,电网产生的过载风险和暂态安全风险,根据火电机组的基础参数分析其调频能力和调峰能力,并且确定火电机组在过载风险、暂态安全风险、调频风险和调峰风险的权重系数;
评价矩阵生成模块,用于:计算各个火电机组在过载风险、暂态安全风险、调频风险和调峰风险方面的指标值,形成评价矩阵;
规格化属性矩阵生成模块,用于:使用相应的参数变换方法,消除不同参数之间的量纲和单位影响,生成火电机组的规格化属性矩阵;
排序矩阵生成模块,用于:根据生成的规格化属性矩阵评估各个火电机组的综合能力,根据火电机组的重要性对火电机组进行排序,生成排序矩阵;
退役顺序生成模块,用于:根据排序矩阵退役风险最小的一台火电机组,判断剩余火电机组数量是否为1,若不为1,重复基础参数生成模块至退役顺序生成模块,直到剩余火电机组数量为1,输出火电机组的退役顺序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010805019.9A CN112085336B (zh) | 2020-08-12 | 2020-08-12 | 全清洁能源转型过程中火电机组综合能力评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010805019.9A CN112085336B (zh) | 2020-08-12 | 2020-08-12 | 全清洁能源转型过程中火电机组综合能力评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112085336A true CN112085336A (zh) | 2020-12-15 |
CN112085336B CN112085336B (zh) | 2022-07-01 |
Family
ID=73727885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010805019.9A Active CN112085336B (zh) | 2020-08-12 | 2020-08-12 | 全清洁能源转型过程中火电机组综合能力评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085336B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800625A (zh) * | 2021-02-08 | 2021-05-14 | 国电南瑞科技股份有限公司 | 一种区域电网全清洁供电运行边界确定方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104868469A (zh) * | 2015-05-29 | 2015-08-26 | 中国电力科学研究院 | 一种火电机组开机优化方法 |
CN108879776A (zh) * | 2018-07-24 | 2018-11-23 | 云南电网有限责任公司 | 一种可持续发展的煤电机组退役评估方法 |
CN109828204A (zh) * | 2019-03-01 | 2019-05-31 | 广东电网有限责任公司 | 针对火电储能联合调频发电机组的并网调试试验方法 |
CN110492512A (zh) * | 2019-09-12 | 2019-11-22 | 合肥工业大学 | 一种光储联合系统中调频或调峰模式的控制方法 |
-
2020
- 2020-08-12 CN CN202010805019.9A patent/CN112085336B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104868469A (zh) * | 2015-05-29 | 2015-08-26 | 中国电力科学研究院 | 一种火电机组开机优化方法 |
CN108879776A (zh) * | 2018-07-24 | 2018-11-23 | 云南电网有限责任公司 | 一种可持续发展的煤电机组退役评估方法 |
CN109828204A (zh) * | 2019-03-01 | 2019-05-31 | 广东电网有限责任公司 | 针对火电储能联合调频发电机组的并网调试试验方法 |
CN110492512A (zh) * | 2019-09-12 | 2019-11-22 | 合肥工业大学 | 一种光储联合系统中调频或调峰模式的控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800625A (zh) * | 2021-02-08 | 2021-05-14 | 国电南瑞科技股份有限公司 | 一种区域电网全清洁供电运行边界确定方法和系统 |
CN112800625B (zh) * | 2021-02-08 | 2022-09-20 | 国电南瑞科技股份有限公司 | 一种区域电网全清洁供电运行边界确定方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112085336B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104882905B (zh) | 一种考虑暂态安全约束的新能源接纳能力评估方法 | |
CN110120686B (zh) | 一种基于电力系统在线惯量估计的新能源承载力预警方法 | |
Dong et al. | Probabilistic load flow analysis for power system containing wind farms | |
CN104156892A (zh) | 一种有源配电网电压跌落仿真与评估方法 | |
CN112994013A (zh) | 考虑频率约束的多源电力系统日前优化调度方法 | |
CN102915471A (zh) | 一种风电扰动在线安全预警的方法 | |
CN109858793B (zh) | 电力系统风险评估指标体系构建方法 | |
CN105373967A (zh) | 一种基于博弈论组合赋权的光伏电站性能评估方法 | |
CN113241803A (zh) | 一种基于新能源消纳的储能调度方法及计算机介质 | |
CN110061521A (zh) | 一种考虑频率累积作用的最大风电渗透率快速评估方法 | |
CN115459303A (zh) | 电池储能参与电网一次调频的自适应控制方法 | |
CN112085336B (zh) | 全清洁能源转型过程中火电机组综合能力评估方法及系统 | |
CN106385055B (zh) | 一种含分布式电源的配电网安全校核方法 | |
Zhu et al. | Aspects of power system restoration considering wind farms | |
Zadeh et al. | A novel probabilistic method for under frequency load shedding setting considering wind turbine response | |
CN111475915B (zh) | 基于故障概率和时域仿真准稳态的相继故障在线评估方法 | |
CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
CN117117840A (zh) | 深调工况火电涉网性能多层级评价体系构建的方法及装置 | |
CN116073406A (zh) | 一种区域电网源荷不平衡度的评估方法 | |
CN114971069A (zh) | 一种计及源荷不确定性及频率安全的电力系统区间优化调度方法 | |
Chowdhury et al. | Optimal allocation of wind based DG for enhancement of technical, economic and social benefits using jaya algorithm for radial distribution networks | |
CN106253328A (zh) | 一种对风电场并网点进行合理选址的分析方法 | |
Jangamshetti et al. | Height extrapolation of capacity factors for wind turbine generators | |
Guo et al. | Optimal Capacity Allocation of Combined Output of Tower Gravity Energy Storage Power Station and Wind Farm | |
CN111884234B (zh) | 精准切机紧急控制方法、装置、电子设备和存储介质 |
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 |