CN112104007A - 一种广义源储系统调度的集中控制方法 - Google Patents

一种广义源储系统调度的集中控制方法 Download PDF

Info

Publication number
CN112104007A
CN112104007A CN202011243276.4A CN202011243276A CN112104007A CN 112104007 A CN112104007 A CN 112104007A CN 202011243276 A CN202011243276 A CN 202011243276A CN 112104007 A CN112104007 A CN 112104007A
Authority
CN
China
Prior art keywords
power supply
storage system
supply unit
energy storage
thermal 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
CN202011243276.4A
Other languages
English (en)
Other versions
CN112104007B (zh
Inventor
李娟�
方绍凤
胡剑宇
王昱
周野
朱世平
余虎
唐宇
冯剑
刘利黎
颜科科
李静
邓笑冬
刘晔宁
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 Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Hunan Electric Power Design Institute 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 Energy Engineering Group Hunan Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Priority to CN202011243276.4A priority Critical patent/CN112104007B/zh
Publication of CN112104007A publication Critical patent/CN112104007A/zh
Application granted granted Critical
Publication of CN112104007B publication Critical patent/CN112104007B/zh
Priority to PCT/CN2021/100825 priority patent/WO2022100091A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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]
    • 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

Abstract

本发明提供了一种广义源储系统调度的集中控制方法。所述广义源储系统调度的集中控制方法包括如下步骤：步骤S1、确定广义源储系统；步骤S2、根据传统供电系统的运行状况，确定传统供电机组的约束范围；步骤S3、根据储能系统的运行特性，建立可调度空间约束下广义源储系统最优数学模型；步骤S4、对最优数学模型进行求解，输出包括各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，并应用于广义源储系统中。本发明解决了新能源高渗透率电力系统优化调度中，达到减少火电装机，降低系统运行成本，减少弃水、弃新能源的目的。

Description

一种广义源储系统调度的集中控制方法
技术领域
本发明涉及新能源渗透率电力系统技术领域，特别涉及一种广义源储系统调度的集中控制方法。
背景技术
在新能源高渗透率系统中，由于传统电源的调节能力不足，电力系统运行中产生了较为严重的弃风弃光现象。负荷与新能源的随机波动性以及传统火电供电机组的调节能力的局限性，往往导致电力系统需要舍弃部分的新能源或者切除部分的可控负荷来实现电力系统的功率平衡，由此也使得新能源高渗透率电力系统的供电能力和可靠性有所下降。储能技术作为目前提高风电等新能源利用率的一种有效技术手段，成为现有研究的重点。
储能技术作为一种可以抑制新能源出力的波动性并且补偿其预测误差，而且使得大规模新能源能够接入电网的技术，它在电力系统中的应用越来越广泛。因此，本文提出广义储能系统，即利用一定规模、先进而经济的储能系统，制定灵活、互动性强的运行策略，将新能源分散的电能平移集中至高峰负荷时段，使其紧密跟踪电网负荷变动，从而达到减少火电装机，降低系统运行成本，减少弃水、弃新能源的目的。
储能在参与新能源高渗透率电力系统优化调度时，虽然可以很好的提升新能源的调度能力，但由于新能源出力预测误差较大，导致传统的电力系统求解模型以及优化调度策略已经远远不能满足现有的需要。目前，关于电力系统优化调度模型及其求解方法现在已有大量的成熟研究成果。但描述的几种方法都是针对传统的电力系统模型展开，而随着电力系统优化模型的复杂程度越来越大，如何针对现有传统电力系统优化模型进行改进成为亟需解决的问题。
发明内容
本发明提供了一种广义源储系统调度的集中控制方法，其目的是为了针对现有传统供电系统优化模型进行改进，应用电力系统求解模型以及优化调度策略，从而达到减少火电装机，降低系统运行成本，减少弃水、弃新能源的目的。
为了达到上述目的，本发明的实施例提供的一种广义源储系统调度的集中控制方法，包括如下步骤：
步骤S1、确定广义源储系统，包括传统供电机组、新能源供电机组、储能系统及输电网，所述传统供电机组、新能源供电机组及储能系统均与所述输电网连接；
步骤S2、根据传统供电系统的运行状况，提出了净负荷边际量标幺值指标，根据净负荷边际量的可调度范围，确定传统供电电机组出力的约束范围；
步骤S3、根据储能系统的运行特性，建立可调度空间约束下广义源储系统最优数学模型；
步骤S4、对最优数学模型进行求解，输出包括各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，并应用于广义源储系统中。
优选地，所述步骤S2中，所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体包括：
步骤S21、根据调度周期内上一时段到本时段的净负荷增量，提出净负荷边际量标幺值：
Figure 403729DEST_PATH_IMAGE001
；式中，
Figure 320869DEST_PATH_IMAGE002
表示电力系统的净负荷边际量标幺值，
Figure 38289DEST_PATH_IMAGE003
、
Figure 433499DEST_PATH_IMAGE004
分别表示电力系统在第
Figure 933357DEST_PATH_IMAGE005
时段和第
Figure 755819DEST_PATH_IMAGE006
时段的总负荷；
步骤S22、获得基于净负荷边际量标幺值的传统火电供电机组可调度范围约束：
当净负荷边际量标幺值
Figure 960536DEST_PATH_IMAGE007
时，传统火电供电机组的可调度范围：
Figure 159436DEST_PATH_IMAGE008
当净负荷边际量标幺值
Figure 15265DEST_PATH_IMAGE009
时，传统火电供电机组的可调度范围：
Figure 8629DEST_PATH_IMAGE010
式中，
Figure 700641DEST_PATH_IMAGE011
为在
Figure 126069DEST_PATH_IMAGE012
时段第
Figure 649454DEST_PATH_IMAGE013
台传统火电供电机组发出的功率值；
Figure 16981DEST_PATH_IMAGE014
、
Figure 258607DEST_PATH_IMAGE015
分别为第
Figure 720681DEST_PATH_IMAGE013
台传统火电供电机组的向上下爬坡值；
Figure 364152DEST_PATH_IMAGE016
表示传统火电供电机组最小出力，
Figure 637002DEST_PATH_IMAGE017
表示传统火电供电机组最大出力。
优选地，所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体为：
传统火电供电机组出力的可调度范围约束为固有的机组出力范围与考虑净负荷边际量标幺值确定出力范围的交集：
Figure 365923DEST_PATH_IMAGE018
功率平衡约束:
Figure 130224DEST_PATH_IMAGE019
传统火电供电机组运行约束:
Figure 628201DEST_PATH_IMAGE020
风电机组运行约束:
Figure 337531DEST_PATH_IMAGE021
式中，
Figure 475120DEST_PATH_IMAGE022
表示水电出力，
Figure 357625DEST_PATH_IMAGE023
表示弃新能源功率，
Figure 647793DEST_PATH_IMAGE024
表示系统的总负荷；
Figure 590341DEST_PATH_IMAGE025
表示储能系统的出力；
Figure 716691DEST_PATH_IMAGE026
表示电力系统的网络损耗；
Figure 137308DEST_PATH_IMAGE027
、
Figure 547561DEST_PATH_IMAGE028
分别表示各个传统火电供电机组的最大发出功率和最小发出功率；
Figure 661010DEST_PATH_IMAGE029
、
Figure 773192DEST_PATH_IMAGE030
分别表示各个传统火电供电机组的上下爬坡速率；
Figure 997499DEST_PATH_IMAGE031
表示风电机组的最大出力。
优选地，所述步骤S3中储能系统的运行特征具体为：
所述储能系统包括若干个储能设备，将储能系统引入发电侧，借助储能系统的控制器跟踪其蓄电池充放电行为，其中储能系统的充放电量在整个调度周期
Figure 996679DEST_PATH_IMAGE032
内满足：
Figure 966516DEST_PATH_IMAGE033
式中，
Figure 379043DEST_PATH_IMAGE034
表示储能的充电功率，
Figure 344725DEST_PATH_IMAGE035
表示储能的放电功率，
Figure 526308DEST_PATH_IMAGE036
为储能系统初始时刻蓄电量；
Figure 902931DEST_PATH_IMAGE037
为储能系统
Figure 802754DEST_PATH_IMAGE038
时刻蓄电量；
Figure 306548DEST_PATH_IMAGE039
和
Figure 608216DEST_PATH_IMAGE040
分别为第
Figure 657206DEST_PATH_IMAGE041
台储能设备第
Figure 44325DEST_PATH_IMAGE042
时段的最大充、放电功率，
Figure 351809DEST_PATH_IMAGE043
和
Figure 429356DEST_PATH_IMAGE044
分别为储能系统储能容量的上下限；
Figure 226410DEST_PATH_IMAGE045
表示储能设备的台数，
Figure 772929DEST_PATH_IMAGE046
表示储能的充电功率系数，
Figure 946422DEST_PATH_IMAGE047
表示储能的放电功率系数；
当储能系统处于放电状态时，有
Figure 642589DEST_PATH_IMAGE048
当储能系统处于充电状态时，有
Figure 610545DEST_PATH_IMAGE049
。
优选地，所述传统供电机组包括传统火电供电机组及传统水电机组，所述新能源供电机组包括风电机组、光伏机组及其他新能源机组。
优选地，所述步骤S3可调度空间约束下广义源储系统的最优数学模型具体为使成本尽可能低，成本最优数学模型函数为：
Figure 644360DEST_PATH_IMAGE050
式中，等号右边第一项为传统火电供电机组的运行成本，
Figure 355964DEST_PATH_IMAGE051
为调度周期的时段总数，
Figure 408102DEST_PATH_IMAGE052
为传统火电供电机组总数，
Figure 546960DEST_PATH_IMAGE053
和
Figure 68071DEST_PATH_IMAGE054
分别为第
Figure 6202DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 53793DEST_PATH_IMAGE056
时段的燃料成本和启停成本，
Figure 10158DEST_PATH_IMAGE057
为第
Figure 267833DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 258922DEST_PATH_IMAGE056
时段的出力，
Figure 787118DEST_PATH_IMAGE058
为第
Figure 205461DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 497902DEST_PATH_IMAGE056
时段启停状态，若传统火电供电机组为开机状态
Figure 541950DEST_PATH_IMAGE059
，停机状态
Figure 236237DEST_PATH_IMAGE060
；
右边第二项为弃新能源惩罚成本，其中，
Figure 825481DEST_PATH_IMAGE061
为弃新能源惩罚系数，
Figure 870797DEST_PATH_IMAGE062
为第
Figure 951493DEST_PATH_IMAGE056
时段弃新能源功率，
Figure 437969DEST_PATH_IMAGE063
为一个时段对应的小时数；
右边第三项为弃水惩罚成本，其中
Figure 526010DEST_PATH_IMAGE064
为水电机组总数，
Figure 979994DEST_PATH_IMAGE065
为弃水惩罚系数，
Figure 178895DEST_PATH_IMAGE066
为第
Figure 519877DEST_PATH_IMAGE055
台水电机组第
Figure 778820DEST_PATH_IMAGE056
时段弃水流量；
右边第四项为储能系统运行成本，其中
Figure 221565DEST_PATH_IMAGE067
为第
Figure 958577DEST_PATH_IMAGE055
台储能设备第
Figure 419645DEST_PATH_IMAGE056
时段的发电上网价格，
Figure 849490DEST_PATH_IMAGE068
、
Figure 12487DEST_PATH_IMAGE069
分别为第
Figure 553189DEST_PATH_IMAGE055
台储能设备第
Figure 134343DEST_PATH_IMAGE056
时段的放电和充电功率。
优选地，所述步骤S3中广义源储系统的最优数学模型具体为建立在约束条件下以系统运行成本最小为目标的最优数学模型，所述约束条件包括传统火电供电机组出力可调度范围约束、功率平衡约束、传统火电供电机组运行约束、风电机组运行约束中一种或多种约束条件。
优选地，所述步骤S4具体包括如下步骤：
步骤S41、根据负荷、传统供电、新能源预测结果，计算调度周期内的电力盈亏情况，确定储能充放电时间段；
步骤S42、根据负荷预测与上一时段机组出力信息以及储能充/放电情况，确定当前时段各机组的调度范围；
步骤S43、采用改进的粒子群优化算法进行当前时段求解，用于混合粒子群优化算法寻优目标函数如下：
Figure 469510DEST_PATH_IMAGE070
式中，
Figure 883917DEST_PATH_IMAGE071
为成本功率转换系数，用于平衡运行成本和功率平衡方程在目标函数中的作用；
步骤S44、判断各机组出力是否满足约束条件，若满足进入步骤S46，否则进入步骤S45；
步骤S45：对相关机组的调度空间进行调整，调整完毕后返回步骤S43；
步骤S46：判断调度空间内所有时段是否求解完毕，若求解完毕进入步骤S47，否则返回步骤S42；
步骤S47：输出各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，流程结束。
与现有技术相比，本发明通过对传统优化调度模型的挖掘，提出了净负荷边际量指标，利用该指标和火电机组在上一时段的出力状态确定的可调度范围约束，可以有效减少搜索空间，提高求解效率。引入混合粒子群算法对模型进行求解，在确保求解精度的同时大大减少了计算量，且能有效跳出局部最优搜索到更优解。提出了含可调度空间约束的广义源储系统优化调度模型及其求解流程，能有效降低系统运行总成本，减少弃水、弃新能源。
附图说明
图1为本发明的一种广义源储系统调度的集中控制方法的广义源储系统的结构示意图；
图2为本发明的一种广义源储系统调度的集中控制方法的工作流程图；
图3为本发明的一种广义源储系统调度的集中控制方法的最优数学模型的流程图；
图4为在具体应用实例中采用的各功率曲线预测出力；
图5为在具体应用实例中各时段电力最小盈余及修正负荷；
图6为具体实施例中各时间段火电机组总出力预测曲线。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的问题，提供了一种广义源储系统调度的集中控制方法。本发明中，提出了一种广义储能系统概念：广义源储系统是一种时空分散、多种型式的储能加多种型式的新能源构筑的统一调度联动系统，通过利用一定规模、先进而经济的储能系统，制定灵活、互动性强的运行策略，将新能源分散的电能平移集中至高峰负荷时段，使其紧密跟踪电网负荷变动，从而达到减少火电装机，降低系统运行成本，减少弃水、弃新能源的目的。
为了有效地解决新能源高渗透率电力系统中由于传统电源的调节能力不足导致的弃风弃光或者切负荷现象，提出了一种将新能源分散的电能平移集中至高峰负荷时段，使其紧密跟踪电网负荷变动，从而达到利用新能源装机适当补充电力缺额需求目的广义源储系统。
首先基于传统火电最优调度方法，结合实际运行情况，提出净负荷增量指标，有效地缩减了机组出力变量的可行域范围；然后建立考虑可调度空间约束的广义源储系统优化调度模型，并运用标准粒子群与模拟退火算法相结合的混合粒子群算法进行求解，在确保求解精度的同时大大减少了计算量，且不易陷入局部最优。
如图1、图2及图3所示，包括如下步骤：
步骤S1、确定广义源储系统，包括传统供电机组、新能源供电机组、储能系统及输电网，所述传统供电机组、新能源供电机组及储能系统均与所述输电网连接；
步骤S2、根据传统供电系统的运行状况，提出了净负荷边际量标幺值指标，根据净负荷边际量的可调度范围，确定传统供电电机组出力的约束范围；
步骤S3、根据储能系统的运行特性，建立可调度空间约束下广义源储系统最优数学模型；
步骤S4、对最优数学模型进行求解，输出包括各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，并应用于广义源储系统中。如图4、图5及图6所示，图4为在具体应用实例中采用的各功率曲线预测出力，图5是在具体应用实例中各时段电力最小盈余及修正负荷，图6是具体实施例中各时间段火电机组总出力预测曲线。
所述步骤S2中，所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体包括：
步骤S21、根据调度周期内上一时段到本时段的净负荷增量，提出净负荷边际量标幺值：
Figure 962732DEST_PATH_IMAGE001
；式中，
Figure 398392DEST_PATH_IMAGE002
表示电力系统的净负荷边际量标幺值，
Figure 91411DEST_PATH_IMAGE003
、
Figure 307628DEST_PATH_IMAGE004
分别表示电力系统在第
Figure 127817DEST_PATH_IMAGE005
时段和第
Figure 480301DEST_PATH_IMAGE006
时段的总负荷；
步骤S22、获得基于净负荷边际量标幺值的传统火电供电机组可调度范围约束：
当净负荷边际量标幺值
Figure 111264DEST_PATH_IMAGE007
时，传统火电供电机组的可调度范围：
Figure 549199DEST_PATH_IMAGE008
当净负荷边际量标幺值
Figure 907499DEST_PATH_IMAGE009
时，传统火电供电机组的可调度范围：
Figure 380069DEST_PATH_IMAGE010
式中，
Figure 414890DEST_PATH_IMAGE011
为在
Figure 340120DEST_PATH_IMAGE012
时段第
Figure 502111DEST_PATH_IMAGE013
台传统火电供电机组发出的功率值；
Figure 829188DEST_PATH_IMAGE014
、
Figure 799024DEST_PATH_IMAGE015
分别为第
Figure 211551DEST_PATH_IMAGE013
台传统火电供电机组的向上下爬坡值；
Figure 911654DEST_PATH_IMAGE016
表示传统火电供电机组最小出力，
Figure 280187DEST_PATH_IMAGE017
表示传统火电供电机组最大出力。
所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体为：
传统火电供电机组出力的可调度范围约束为固有的机组出力范围与考虑净负荷边际量标幺值确定出力范围的交集：
Figure 735439DEST_PATH_IMAGE018
功率平衡约束:
Figure 572945DEST_PATH_IMAGE019
传统火电供电机组运行约束:
Figure 139056DEST_PATH_IMAGE020
风电机组运行约束:
Figure 863560DEST_PATH_IMAGE021
式中，
Figure 489714DEST_PATH_IMAGE022
表示水电出力，
Figure 814516DEST_PATH_IMAGE023
表示弃新能源功率，
Figure 918738DEST_PATH_IMAGE024
表示系统的总负荷；
Figure 261864DEST_PATH_IMAGE025
表示储能系统的出力；
Figure 58918DEST_PATH_IMAGE026
表示电力系统的网络损耗；
Figure 605437DEST_PATH_IMAGE027
、
Figure 778930DEST_PATH_IMAGE028
分别表示各个传统火电供电机组的最大发出功率和最小发出功率；
Figure 475097DEST_PATH_IMAGE029
、
Figure 443053DEST_PATH_IMAGE030
分别表示各个传统火电供电机组的上下爬坡速率；
Figure 476868DEST_PATH_IMAGE031
表示风电机组的最大出力。
所述步骤S3中储能系统的运行特征具体为：
所述储能系统包括若干个储能设备，将储能系统引入发电侧，借助储能系统的控制器跟踪其蓄电池充放电行为，其中储能系统的充放电量在整个调度周期
Figure 922893DEST_PATH_IMAGE032
内满足：
Figure 240611DEST_PATH_IMAGE033
式中，
Figure 379468DEST_PATH_IMAGE034
表示储能的充电功率，
Figure 900579DEST_PATH_IMAGE035
表示储能的放电功率，
Figure 150295DEST_PATH_IMAGE036
为储能系统初始时刻蓄电量；
Figure 823984DEST_PATH_IMAGE037
为储能系统
Figure 71426DEST_PATH_IMAGE038
时刻蓄电量；
Figure 142150DEST_PATH_IMAGE039
和
Figure 382507DEST_PATH_IMAGE040
分别为第
Figure 222287DEST_PATH_IMAGE041
台储能设备第
Figure 640630DEST_PATH_IMAGE042
时段的最大充、放电功率，一般不超过最大容量的20%；
Figure 933071DEST_PATH_IMAGE043
和
Figure 475655DEST_PATH_IMAGE044
分别为储能系统储能容量的上下限；
Figure 169941DEST_PATH_IMAGE045
表示储能设备的台数，
Figure 759185DEST_PATH_IMAGE046
表示储能的充电功率系数，
Figure 991453DEST_PATH_IMAGE047
表示储能的放电功率系数；
当储能系统处于放电状态时，有
Figure 386662DEST_PATH_IMAGE048
当储能系统处于充电状态时，有
Figure 873138DEST_PATH_IMAGE049
。
所述传统供电机组包括传统火电供电机组及传统水电机组，所述新能源供电机组包括风电机组、光伏机组及其他新能源机组。
所述建立广义源储系统的数学模型具体表现为：广义源储系统是一种时空分散、多种型式的储能加多种型式的新能源构筑的统一调度联动系统，通过利用一定规模、先进而经济的储能系统，制定灵活、互动性强的运行策略，将新能源分散的电能平移集中至高峰负荷时段，使其紧密跟踪电网负荷变动，从而达到减少火电装机，降低系统运行成本，减少弃水、弃新能源的目的；
针对分散式控制下每个风电场的储能系统都要参与抑制风电波动误差所引起的对冲效应，提出以系统净负荷波动量不超过系统可调控范围的集中控制策略。
所述步骤S3中可调度空间约束下广义源储系统的最优数学模型具体为使成本尽可能低，成本最优数学模型函数为：
Figure 961180DEST_PATH_IMAGE050
式中，等号右边第一项为传统火电供电机组的运行成本，
Figure 916628DEST_PATH_IMAGE051
为调度周期的时段总数，
Figure 849949DEST_PATH_IMAGE052
为传统火电供电机组总数，
Figure 456511DEST_PATH_IMAGE053
和
Figure 715454DEST_PATH_IMAGE054
分别为第
Figure 391155DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 393746DEST_PATH_IMAGE056
时段的燃料成本和启停成本，
Figure 854814DEST_PATH_IMAGE057
为第
Figure 19080DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 946191DEST_PATH_IMAGE056
时段的出力，
Figure 486894DEST_PATH_IMAGE058
为第
Figure 802468DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 403214DEST_PATH_IMAGE056
时段启停状态，若传统火电供电机组为开机状态
Figure 53507DEST_PATH_IMAGE059
，停机状态
Figure 335584DEST_PATH_IMAGE060
；
右边第二项为弃新能源惩罚成本，其中，
Figure 833561DEST_PATH_IMAGE072
为弃新能源（风、光等新能源）惩罚系数，
Figure 28045DEST_PATH_IMAGE062
为第
Figure 244262DEST_PATH_IMAGE056
时段弃新能源功率，
Figure 64451DEST_PATH_IMAGE063
为一个时段对应的小时数；
右边第三项为弃水惩罚成本，其中
Figure 416935DEST_PATH_IMAGE064
为水电机组总数，
Figure 280854DEST_PATH_IMAGE065
为弃水惩罚系数，
Figure 718789DEST_PATH_IMAGE066
为第
Figure 342668DEST_PATH_IMAGE055
台水电机组第
Figure 549659DEST_PATH_IMAGE056
时段弃水流量；
右边第四项为储能系统运行成本，其中
Figure 348594DEST_PATH_IMAGE067
为第
Figure 211508DEST_PATH_IMAGE055
台储能设备第
Figure 435816DEST_PATH_IMAGE056
时段的发电上网价格，
Figure 949843DEST_PATH_IMAGE068
、
Figure 234193DEST_PATH_IMAGE069
分别为第
Figure 318824DEST_PATH_IMAGE055
台储能设备第
Figure 346823DEST_PATH_IMAGE056
时段的放电和充电功率。
所述步骤S4中广义源储系统的最优数学模型具体为建立在约束条件下以系统运行成本最小为目标的最优数学模型，所述约束条件包括传统火电供电机组出力可调度范围约束、功率平衡约束、传统火电供电机组运行约束、风电机组运行约束中一种或多种约束条件。
所述步骤S4具体包括如下步骤：
步骤S41、根据负荷、水电、新能源预测结果，计算调度周期内的电力盈亏情况，确定储能充放电时间段；
根据预测结果，可得调度周期内最大负荷为
Figure 216821DEST_PATH_IMAGE073
，最大负荷时刻对应的水电预测出力为
Figure 672073DEST_PATH_IMAGE074
，新能源预测出力为
Figure 509579DEST_PATH_IMAGE075
，则调度周期内所需的火电最小开机容量为
Figure 75690DEST_PATH_IMAGE076
：
Figure 298730DEST_PATH_IMAGE077
式中，
Figure 924883DEST_PATH_IMAGE078
为备用系数；一个调度周期内若不考虑启停调峰，则认为开机容量不变。
若火电最大调峰能力为50%额定容量，则可得调度周期内各时段电力最小盈余
Figure 984106DEST_PATH_IMAGE079
为:
Figure 353907DEST_PATH_IMAGE080
若
Figure 31506DEST_PATH_IMAGE081
小于0，则取0，反之则说明该时段火电调峰能力不足需要弃水或新能源，即该时段需要通过储能充电来减少弃水或新能源。显然，储能放电时段为调度周期内最大负荷时段。
进一步根据储能充/放电情况修正负荷，若储能处于充电状态，则修正负荷为：
Figure 766243DEST_PATH_IMAGE082
若储能处于放电状态，则修正负荷为：
Figure 375079DEST_PATH_IMAGE083
则可预测各时间段火电机组的总出力为：
Figure 469943DEST_PATH_IMAGE084
步骤S42、根据负荷预测与上一时段机组出力信息以及储能充/放电情况，确定当前时段各机组的调度范围；
步骤S43、采用改进的粒子群优化算法进行当前时段求解，用于混合粒子群优化算法寻优目标函数如下：
Figure 480624DEST_PATH_IMAGE085
式中，
Figure 386263DEST_PATH_IMAGE086
为成本功率转换系数，用于平衡运行成本和功率平衡方程在目标函数中的作用；
步骤S44、判断个机组出力是否满足约束条件，若满足进入步骤S46，否则进入步骤S45；
步骤S45：对相关机组的调度空间进行调整，一般将原调度空间扩大1.2倍即可满足要求，调整完毕后返回步骤S43；
步骤S46：判断调度空间内所有时段是否求解完毕，若求解完毕进入步骤S47，否则返回步骤S42；
步骤S47：输出各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，流程结束。
选取某新能源、储能设备省级电网为研究对象，其中传统火电机装机总容量为17845MW，水电装机容量为15880MW，新能源总装机500MW，储能配置额定容量为100MW/300MkWh。设置机组的最大、最小出力分别为50% PG、110% PG，机组爬坡率设置为30%额定功率/h，机组旋转备用量为总装机容量的10%，同时忽略启动和关停机组的时间。传统火电运行参数见表1。
Figure 482395DEST_PATH_IMAGE088
（1）模型与算法的对比
基于不考虑储能时的各时段火电机组总出力预测曲线，结合净负荷边际量标幺值，从而得到各台机组的可调度范围约束。进一步分别通过采用标准粒子群算法与混合粒子群算法进行求解。以上算法中初始种群规模数取40，初始温度取150℃，退火机制取0.25，衰减因子取0.75。其计算结果如下表2所示。
Figure 882415DEST_PATH_IMAGE090
由表2可知，考虑净负荷边际量的可调度范围约束的含分散式储能的电力系统优化模型的求解与传统的电力系统优化模型的求解相比，其迭代和求解次数明显降低。这主要是因为通过考虑净负荷边际量的可调度范围约束，缩小了粒子变量的可调度执行域和范围，从而大大提高了求解速度。混合粒子群算法与标准粒子算法相比，迭代次数有所提高，但能有效跳出局部最优搜索到更优解。
若配置储能，可有效减少弃水、弃风，计算结果如表3所示。
Figure 75499DEST_PATH_IMAGE092
由上述仿真结果可知，配置储能后可减少2台300MW火电开机，火电机组日发电总成本降低了1735吨标准煤，平均煤也有所降低，且避免了弃水，减少弃风1.7×106kWh，大大降低了系统运行的总成本。
采用本发明所提供的一种广义源储系统调度的集中控制方法，其技术优点体现如下：
通过对传统优化调度模型的挖掘，提出了净负荷边际量指标，利用该指标和火电机组在上一时段的出力状态确定的可调度范围约束，可以有效减少搜索空间，提高求解效率。引入混合粒子群算法对模型进行求解，在确保求解精度的同时大大减少了计算量，且能有效跳出局部最优搜索到更优解。提出了含可调度空间约束的广义源储系统优化调度模型及其求解流程，能有效降低系统运行总成本，减少弃水、弃新能源。
以上所述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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种广义源储系统调度的集中控制方法，其特征在于，包括如下步骤：
步骤S1、确定广义源储系统，包括传统供电机组、新能源供电机组、储能系统及输电网，所述传统供电机组、新能源供电机组及储能系统均与所述输电网连接；
步骤S2、根据传统供电系统的运行状况，提出了净负荷边际量标幺值指标，根据净负荷边际量的可调度范围，确定传统供电电机组出力的约束范围；
步骤S3、根据储能系统的运行特性，建立可调度空间约束下广义源储系统最优数学模型；
步骤S4、对最优数学模型进行求解，输出包括各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，并应用于广义源储系统中。
2.根据权利要求1所述的一种广义源储系统调度的集中控制方法，其特征在于，所述步骤S2中，所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体包括：
步骤S21、根据调度周期内上一时段到本时段的净负荷增量，提出净负荷边际量标幺值：
Figure 195940DEST_PATH_IMAGE001
；式中，
Figure 588263DEST_PATH_IMAGE002
表示电力系统的净负荷边际量标幺值，
Figure 341455DEST_PATH_IMAGE003
、
Figure 81878DEST_PATH_IMAGE004
分别表示电力系统在第
Figure 703352DEST_PATH_IMAGE005
时段和第
Figure 88197DEST_PATH_IMAGE006
时段的总负荷；
步骤S22、获得基于净负荷边际量标幺值的传统火电供电机组可调度范围约束：
当净负荷边际量标幺值
Figure 605766DEST_PATH_IMAGE007
时，传统火电供电机组的可调度范围：
Figure 99064DEST_PATH_IMAGE008
当净负荷边际量标幺值
Figure 134017DEST_PATH_IMAGE009
时，传统火电供电机组的可调度范围：
Figure 763581DEST_PATH_IMAGE010
式中，
Figure 452051DEST_PATH_IMAGE011
为在
Figure 42433DEST_PATH_IMAGE012
时段第
Figure 740130DEST_PATH_IMAGE013
台传统火电供电机组发出的功率值；
Figure 221271DEST_PATH_IMAGE014
、
Figure 487168DEST_PATH_IMAGE015
分别为第
Figure 423900DEST_PATH_IMAGE013
台传统火电供电机组的向上下爬坡值；
Figure 66234DEST_PATH_IMAGE016
表示传统火电供电机组最小出力，
Figure 670390DEST_PATH_IMAGE017
表示传统火电供电机组最大出力。
3.根据权利要求1所述的一种广义源储系统调度的集中控制方法，其特征在于，所述传统供电机组包括传统火电供电机组，所述步骤S2中确定传统火电机组出力的约束范围具体为：
传统火电供电机组出力的可调度范围约束为固有的机组出力范围与考虑净负荷边际量标幺值确定出力范围的交集：
Figure 107188DEST_PATH_IMAGE018
功率平衡约束:
Figure 531216DEST_PATH_IMAGE019
传统火电供电机组运行约束:
Figure 836295DEST_PATH_IMAGE020
风电机组运行约束:
Figure 170325DEST_PATH_IMAGE021
式中，
Figure 902657DEST_PATH_IMAGE022
表示水电出力，
Figure 954927DEST_PATH_IMAGE023
表示弃新能源功率，
Figure 798118DEST_PATH_IMAGE024
表示系统的总负荷；
Figure 986654DEST_PATH_IMAGE025
表示储能系统的出力；
Figure 624309DEST_PATH_IMAGE026
表示电力系统的网络损耗；
Figure 291438DEST_PATH_IMAGE027
、
Figure 548107DEST_PATH_IMAGE028
分别表示各个传统火电供电机组的最大发出功率和最小发出功率；
Figure 981362DEST_PATH_IMAGE029
、
Figure 930864DEST_PATH_IMAGE030
分别表示各个传统火电供电机组的上下爬坡速率；
Figure 816780DEST_PATH_IMAGE031
表示风电机组的最大出力。
4.据权利要求1所述的一种广义源储系统调度的集中控制方法，其特征在于，所述步骤S3中储能系统的运行特征具体为：
所述储能系统包括若干个储能设备，将储能系统引入发电侧，借助储能系统的控制器跟踪其蓄电池充放电行为，其中储能系统的充放电量在整个调度周期
Figure 142719DEST_PATH_IMAGE032
内满足：
Figure 164902DEST_PATH_IMAGE033
式中，
Figure 409938DEST_PATH_IMAGE034
表示储能的充电功率，
Figure 924096DEST_PATH_IMAGE035
表示储能的放电功率，
Figure 912781DEST_PATH_IMAGE036
为储能系统初始时刻蓄电量；
Figure 664836DEST_PATH_IMAGE037
为储能系统
Figure 346353DEST_PATH_IMAGE038
时刻蓄电量；
Figure 82228DEST_PATH_IMAGE039
和
Figure 874604DEST_PATH_IMAGE040
分别为第
Figure 746745DEST_PATH_IMAGE041
台储能设备第
Figure 354092DEST_PATH_IMAGE042
时段的最大充、放电功率，
Figure 701896DEST_PATH_IMAGE043
和
Figure 907750DEST_PATH_IMAGE044
分别为储能系统储能容量的上下限；
Figure 24610DEST_PATH_IMAGE045
表示储能设备的台数，
Figure 923296DEST_PATH_IMAGE046
表示储能的充电功率系数，
Figure 227239DEST_PATH_IMAGE047
表示储能的放电功率系数；
当储能系统处于放电状态时，有
Figure 236783DEST_PATH_IMAGE048
当储能系统处于充电状态时，有
Figure 473729DEST_PATH_IMAGE049
。
5.根据权利要求1所述的一种广义源储系统调度的集中控制方法，其特征在于，所述传统供电机组包括传统火电供电机组及传统水电机组，所述新能源供电机组包括风电机组、光伏机组及其他新能源机组。
6.根据权利要求4所述的一种广义源储系统调度的集中控制方法，其特征在于，所述步骤S3可调度空间约束下广义源储系统的最优数学模型具体为使成本尽可能低，成本最优数学模型函数为：
Figure 277737DEST_PATH_IMAGE050
式中，等号右边第一项为传统火电供电机组的运行成本，
Figure 334555DEST_PATH_IMAGE051
为调度周期的时段总数，
Figure 6845DEST_PATH_IMAGE052
为传统火电供电机组总数，
Figure 973664DEST_PATH_IMAGE053
和
Figure 73207DEST_PATH_IMAGE054
分别为第
Figure 492687DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 971597DEST_PATH_IMAGE056
时段的燃料成本和启停成本，
Figure 792923DEST_PATH_IMAGE057
为第
Figure 63367DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 94777DEST_PATH_IMAGE056
时段的出力，
Figure 984236DEST_PATH_IMAGE058
为第
Figure 50281DEST_PATH_IMAGE055
台传统火电供电机组第
Figure 366992DEST_PATH_IMAGE056
时段启停状态，若传统火电供电机组为开机状态
Figure 620119DEST_PATH_IMAGE059
，停机状态
Figure 313269DEST_PATH_IMAGE060
；
右边第二项为弃新能源惩罚成本，其中，
Figure 233820DEST_PATH_IMAGE061
为弃新能源惩罚系数，
Figure 987013DEST_PATH_IMAGE062
为第
Figure 727435DEST_PATH_IMAGE056
时段弃新能源功率，
Figure 83330DEST_PATH_IMAGE063
为一个时段对应的小时数；
右边第三项为弃水惩罚成本，其中
Figure 733755DEST_PATH_IMAGE064
为水电机组总数，
Figure 779552DEST_PATH_IMAGE065
为弃水惩罚系数，
Figure 148217DEST_PATH_IMAGE066
为第
Figure 42223DEST_PATH_IMAGE055
台水电机组第
Figure 547154DEST_PATH_IMAGE056
时段弃水流量；
右边第四项为储能系统运行成本，其中
Figure 766783DEST_PATH_IMAGE067
为第
Figure 622743DEST_PATH_IMAGE055
台储能设备第
Figure 54862DEST_PATH_IMAGE056
时段的发电上网价格，
Figure 804512DEST_PATH_IMAGE068
、
Figure 70408DEST_PATH_IMAGE069
分别为第
Figure 272719DEST_PATH_IMAGE055
台储能设备第
Figure 649474DEST_PATH_IMAGE056
时段的放电和充电功率。
7.根据权利要求4所述的一种广义源储系统调度的集中控制方法，其特征在于，所述步骤S3中广义源储系统的最优数学模型具体为建立在约束条件下以系统运行成本最小为目标的最优数学模型，所述约束条件包括传统火电供电机组出力可调度范围约束、功率平衡约束、传统火电供电机组运行约束、风电机组运行约束中一种或多种约束条件。
8.根据权利要求1所述的一种广义源储系统调度的集中控制方法，其特征在于，所述步骤S4具体包括如下步骤：
步骤S41、根据负荷、传统供电、新能源预测结果，计算调度周期内的电力盈亏情况，确定储能充放电时间段；
步骤S42、根据负荷预测与上一时段机组出力信息以及储能充/放电情况，确定当前时段各机组的调度范围；
步骤S43、采用改进的粒子群优化算法进行当前时段求解，用于混合粒子群优化算法寻优目标函数如下：
Figure 709090DEST_PATH_IMAGE070
式中，
Figure 208205DEST_PATH_IMAGE071
为成本功率转换系数，用于平衡运行成本和功率平衡方程在目标函数中的作用；
步骤S44、判断各机组出力是否满足约束条件，若满足进入步骤S46，否则进入步骤S45；
步骤S45：对相关机组的调度空间进行调整，调整完毕后返回步骤S43；
步骤S46：判断调度空间内所有时段是否求解完毕，若求解完毕进入步骤S47，否则返回步骤S42；
步骤S47：输出各机组出力曲线、运行总成本、储能运行情况、弃新能源的信息，流程结束。
CN202011243276.4A 2020-11-10 2020-11-10 一种广义源储系统调度的集中控制方法 Active CN112104007B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011243276.4A CN112104007B (zh) 2020-11-10 2020-11-10 一种广义源储系统调度的集中控制方法
PCT/CN2021/100825 WO2022100091A1 (zh) 2020-11-10 2021-06-18 一种广义源储系统调度的集中控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011243276.4A CN112104007B (zh) 2020-11-10 2020-11-10 一种广义源储系统调度的集中控制方法

Publications (2)

Publication Number Publication Date
CN112104007A true CN112104007A (zh) 2020-12-18
CN112104007B CN112104007B (zh) 2021-02-09

Family

ID=73785858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011243276.4A Active CN112104007B (zh) 2020-11-10 2020-11-10 一种广义源储系统调度的集中控制方法

Country Status (2)

Country Link
CN (1) CN112104007B (zh)
WO (1) WO2022100091A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492085A (zh) * 2022-04-01 2022-05-13 中国能源建设集团湖南省电力设计院有限公司 关于负荷、电源联合概率分布的区域电力电量平衡方法
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115036914B (zh) * 2022-06-17 2024-04-30 国家电网公司华中分部 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
CN114938011B (zh) * 2022-07-07 2022-10-14 中国长江三峡集团有限公司 一种考虑储能优化配置的风光火储系统联合运行方法
CN115001001B (zh) * 2022-07-21 2023-03-07 南方电网科学研究院有限责任公司 一种新型电力系统源荷储的主从博弈优化方法
CN115640894B (zh) * 2022-10-21 2024-03-26 山东大学 一种基于双时间尺度的综合能源系统优化调度方法
CN115577864B (zh) * 2022-12-07 2023-04-07 国网浙江省电力有限公司金华供电公司 基于多模型组合运算的配电网运行优化调度方法
CN116760025A (zh) * 2023-06-25 2023-09-15 南京国电南自电网自动化有限公司 电力系统的风险调度优化方法和系统
CN116742724B (zh) * 2023-08-16 2023-11-03 杭州太阁未名科技有限公司 主动配电网优化调度方法、装置、计算机设备及存储介质
CN116823000B (zh) * 2023-08-31 2024-01-19 华能澜沧江水电股份有限公司 水电补偿调峰分析评价方法及其装置
CN117154736A (zh) * 2023-09-01 2023-12-01 华能罗源发电有限责任公司 一种混合储能系统参与火电机组深度调峰优化方法及系统
CN117293795A (zh) * 2023-09-08 2023-12-26 杭州戈虎达科技有限公司 一种面向灵活爬坡服务的电力系统资源调度方法
CN117422227A (zh) * 2023-10-10 2024-01-19 国网山东省电力公司潍坊供电公司 考虑源网荷储耦合特性的输配电网双侧储能协同规划方法
CN117277444B (zh) * 2023-11-17 2024-03-19 中国电力科学研究院有限公司 一种新能源基地电源容量优化配置方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104617591A (zh) * 2015-01-28 2015-05-13 西安交通大学 基于多场景新能源发电模拟的日运行方式安排和调峰方法
US20180159467A1 (en) * 2011-07-25 2018-06-07 Clean Power Research, L.L.C. System and method for net load-based inference of operational specifications of a photovoltaic power generation system with the aid of a digital computer
CN109474013A (zh) * 2018-12-12 2019-03-15 天津大学 含高渗透分布式光伏的增量配电网日前优化调度方法
CN110739711A (zh) * 2019-10-31 2020-01-31 山东大学 考虑风电并网系统负调峰能力的储能设备优化控制方法
CN111146785A (zh) * 2019-12-17 2020-05-12 华北电力大学 面向多源优化调度计算的基于改进有效集快速求解方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678415A (zh) * 2016-01-05 2016-06-15 湖南大学 一种分布式电源配电网的净负荷预测方法
CN112104007B (zh) * 2020-11-10 2021-02-09 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180159467A1 (en) * 2011-07-25 2018-06-07 Clean Power Research, L.L.C. System and method for net load-based inference of operational specifications of a photovoltaic power generation system with the aid of a digital computer
CN104617591A (zh) * 2015-01-28 2015-05-13 西安交通大学 基于多场景新能源发电模拟的日运行方式安排和调峰方法
CN109474013A (zh) * 2018-12-12 2019-03-15 天津大学 含高渗透分布式光伏的增量配电网日前优化调度方法
CN110739711A (zh) * 2019-10-31 2020-01-31 山东大学 考虑风电并网系统负调峰能力的储能设备优化控制方法
CN111146785A (zh) * 2019-12-17 2020-05-12 华北电力大学 面向多源优化调度计算的基于改进有效集快速求解方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CIARA O"DWYER: "Using Energy Storage to Manage High Net Load Variability at Sub-Hourly Time-Scales", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
何海等: "基于样本熵的新能源电力系统净负荷分时段调度", 《电力系统自动化》 *
吴震宇: "考虑净负荷峰谷差随机性的储能参与电网调峰配置与调度研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022100091A1 (zh) * 2020-11-10 2022-05-19 中国能源建设集团湖南省电力设计院有限公司 一种广义源储系统调度的集中控制方法
CN114492085A (zh) * 2022-04-01 2022-05-13 中国能源建设集团湖南省电力设计院有限公司 关于负荷、电源联合概率分布的区域电力电量平衡方法

Also Published As

Publication number Publication date
CN112104007B (zh) 2021-02-09
WO2022100091A1 (zh) 2022-05-19

Similar Documents

Publication Publication Date Title
CN112104007B (zh) 一种广义源储系统调度的集中控制方法
CN113193547B (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
Zhang et al. Self-adaptive secondary frequency regulation strategy of micro-grid with multiple virtual synchronous generators
CN108039737B (zh) 一种源网荷协调运行模拟系统
CN112990523B (zh) 区域综合能源系统分层优化运行方法
CN115276008B (zh) 考虑调峰调频需求的电力系统新能源承载能力评估方法
CN112381424A (zh) 新能源及负荷不确定性的多时间尺度有功优化决策方法
CN112865174A (zh) 基于双层模型预测控制的微能网多时间尺度优化控制方法
CN110829408A (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN109992818A (zh) 大规模风电参与一次调频的机组组合模型及求解方法
CN114069688B (zh) 一种基于时序生产模拟的多电源容量布局规划方法
CN113256045A (zh) 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN110867907B (zh) 一种基于多类型发电资源同质化的电力系统调度方法
CN111030101B (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
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
CN108683188A (zh) 考虑环境价值及调峰充裕度的多目标风电接纳水平优化
CN116780646A (zh) 一种计及灵活性的电力系统资源优化调度方法及终端
CN110224443B (zh) 一种发电机组与换热站联合启停控制决策方法
CN114676991A (zh) 基于源荷双侧不确定的多能互补系统优化调度方法
CN109066769B (zh) 风电全消纳下虚拟电厂内部资源调度控制方法
Wang et al. Frequency response methods for grid-connected wind power generations: A review
CN116562554A (zh) 一种考虑灵活性供需平衡的长短期储能联合规划方法
CN111210119A (zh) 多种市场下vpp电、热、气优化调度模型的建立方法
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation
CN114389262A (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法

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