CN112288130A - 一种基于两阶段多目标优化的新能源消纳计算方法 - Google Patents

一种基于两阶段多目标优化的新能源消纳计算方法 Download PDF

Info

Publication number
CN112288130A
CN112288130A CN202011006975.7A CN202011006975A CN112288130A CN 112288130 A CN112288130 A CN 112288130A CN 202011006975 A CN202011006975 A CN 202011006975A CN 112288130 A CN112288130 A CN 112288130A
Authority
CN
China
Prior art keywords
optimization
generating unit
new energy
thermal power
scheduling period
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
CN202011006975.7A
Other languages
English (en)
Other versions
CN112288130B (zh
Inventor
万玉良
李原
赵雪楠
王松
徐国强
项颂
易善军
马继涛
尚国政
石永富
陈颖
尹洪全
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.)
State Grid Corp of China SGCC
Shandong University
East Inner Mongolia Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shandong University
East Inner Mongolia 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 State Grid Corp of China SGCC, Shandong University, East Inner Mongolia Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011006975.7A priority Critical patent/CN112288130B/zh
Publication of CN112288130A publication Critical patent/CN112288130A/zh
Application granted granted Critical
Publication of CN112288130B publication Critical patent/CN112288130B/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
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (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

本发明公开一种基于两阶段多目标优化的新能源消纳计算方法，包括以下步骤：建立多目标的新能源消纳评估模型；对模型简化处理，将模型中的非线性因素线性化以及将多目标优化问题通过线性加权为单目标优化问题；获取电网年度运行数据，根据选定的调度周期把全年整体优化问题分解为多个调度周期的局部子优化问题，利用计算机并行计算出各调度周期内火电机组的最优启停组合，完成第一阶段优化；根据火电机组启停优化结果，利用计算机逐调度周期滚动优化各机组出力完成第二阶段优化；根据优化结果累计计算各项评估指标。本发明能够简化模型计算复杂度，降低计算规模，提高计算速度，适用于大规模数据优化分析。

Description

一种基于两阶段多目标优化的新能源消纳计算方法
技术领域
本发明涉及环保和能源技术领域，具体涉及一种基于两阶段多目标优化的新能源消纳计算方法。
背景技术
面对全球能源短缺问题，以风电和光伏为主的新能源得到迅速发展。2019年末我国风电和光伏装机容量均突破2亿千瓦，但受各地负荷水平、调峰能力及外送能力不足等因素制约，新能源消纳问题突出。开展新能源消纳能力研究，确定合理的新能源装机规划容量，优化电力系统运行方式，提高资源利用率等具有重要意义。
中长期新能源消纳评估的时间周期一般为一个完整的水平年，涉及到电网8760小时的运行数据，评估计算数据量庞大。新能源消纳评估模型涉及到多变量多复杂约束的优化计算问题，计算过程非常复杂，耗时长且适应性差。目前缺少新能源消纳评估模型相关优化计算方法的研究，不能适应大规模电网数据的优化分析和计算。
发明内容
针对上述问题，本发明提供了一种基于两阶段多目标优化的新能源消纳计算方法，使计算过程简化，计算速度更快，适应于大规模电网数据的优化分析计算。本发明包括以下步骤：
步骤1：建立多目标消纳评估模型，模型满足正常约束条件；
步骤2：简化模型，对模型进行线化处理以及将多目标优化转化为单目标优化的处理；
步骤3：获取电网年度运行数据包括电网各机组基本信息，调度部门制定的负荷时序数据以及新能源预测出力时序数据。将年度运行数据带入步骤1所建模型已知参数的值，确定调度周期M，把获取的年度运行数据分解为m＝8760/M段，把年度整体优化问题分解为m个局部子优化问题。利用计算机对m个子优化问题进行并行计算，获取每个调度周期m的火电机组最优启停状态，完成第一阶段优化；
步骤4：已知各调度周期内火电机组启停，模型进一步简化为线性规划问题，利用计算机进行各个调度周期内机组出力优化，并将上一调度周期的计算结果作为下一调度周期的初始值，进行逐调度周期滚动优化，保证优化结果的连续性和整体性，完成第二阶段优化；
步骤5：根据逐调度周期滚动优化结果累计计算年度整体新能源消纳量、限电量以及电网运行成本等各项消纳评估指标。
进一步地，所述步骤1中多目标消纳评估模型的建立，目标函数包括：
新能源消纳量最大
Figure BDA0002698912560000021
总运行成本最小
Figure BDA0002698912560000022
火电机组波动量最小
Figure BDA0002698912560000023
上式(1)(2)(3)中，t＝1，2...T为总时间尺度；n＝1，2...N为火电机组数；C1，C2分别是火电机组的燃料成本和机组启停成本。
已知参数为：μ1，μ2风光消纳权重因子；an，bn，cn为火电燃料成本系数；Ds.n，Dd.n为火电机组n的启停费用。
待求变量为：Pw.t为t时段风电并网容量；Pv.t为t时段光伏并网容量；Pf.n，t为t时段第n个火电机组出力；Bn，t为0-1变量，表示火电机组启停状态。
进一步地，所述约束条件包括：
电力平衡约束
Figure BDA0002698912560000024
式中：h＝1，2...H为水电机组数；Ph.h，t为t时刻水电机组h出力为待求变量；PL.t为t时刻系统负荷为已知参数。
火电机组相关约束
Figure BDA0002698912560000025
式中：Pf.n，min，Pf.n，max为火电机组n出力上下限；Pf.n，down，Pf.n，up火电机组n爬坡功率上下限；
Figure BDA0002698912560000031
为火电机组n最小开机时间和最小停机时间；
Figure BDA0002698912560000032
为火电机组n在t-1时刻连续运行小时和连续停机小时；上述均为已知参数。
水电机组约束
Ph.h，min≤Ph.h，t≤Ph.h，max (6)
式中：Ph.h，min，Ph.h，max为水电机组h出力上下限，已知参数。
新能源出力约束
Figure BDA0002698912560000033
式中：
Figure BDA0002698912560000034
为风电t时刻预测出力；
Figure BDA0002698912560000035
为光伏t时刻预测出力；均为已知参数。
系统备用容量约束：
Figure BDA0002698912560000036
式中：ω为旋转备用系数，为已知参数。
进一步地，所述步骤2对模型进行线化处理以及将多目标优化转化为单目标优化的处理具体表现为将模型中的非线性因素线性化处理，把公式(2)中C1火电机组燃料成本二次函数通过分段线性逼法进行线性化处理。通过线性加权法将多目标问题转化为简单易求的单目标问题：
f＝min(w1f1′+w2f′2+w3f′3) (9)
式中：w1，w2，w3是权重，通过判断矩阵法获得权重值；f′1，f′2，f′3是归一化后的目标函数值，进行归一化处理是为了消除各目标函数数量级以及量纲不同对结果的影响。采用最大最小归一化方法对目标函数进行归一化处理：
Figure BDA0002698912560000037
式中：fmax，fmin为目标函数的最大值和最小值，分别对f′1，f′2，f′3进行单目标优化获得。
进一步地，所述步骤5如果计算结果不满足评估指标，则用当前优化数据刷新电网数据从步骤3重新进行优化计算，直至满足评估指标，完成整个评估计算。
本发明相对于现有技术具有如下的优点和效果：针对多目标多变量多复杂约束的中长期新能源消纳评估模型优化计算过程复杂，计算数据量大耗时长且不能适应计算机分布式计算的问题，本发明提出一种基于两阶段多目标优化的新能源消纳计算方法。两阶段分段优化求解的方法计算结果均优于直接求解，计算方法可显著提升计算效率、缩短计算时间以及提高评估准确率，可以适应大规模的数据优化计算，而且可以在年-月-日等不同时间尺度上对新能源消纳能力展开评估。
附图说明
图1为本发明的两阶段优化方法的具体步骤图；
图2为本发明的两阶段优化方法的流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
具体实施例1：图1为本发明的两阶段优化方法的具体步骤图，一种基于两阶段多目标优化的新能源消纳计算方法，包括如下步骤：步骤1为多目标新能源消纳评估模型的建立，模型满足正常约束条件。建模的基本原则为：新能源优先发电上网，其次为水电机组，最后为火电机组。充分利用水电机组的容量效益和电量效益，减少火电机组开机以及补偿新能源出力的不确定性，建立多目标新能源消纳评估模型如下：
(1)目标函数：
新能源消纳量最大
Figure BDA0002698912560000041
总运行成本最小
Figure BDA0002698912560000042
火电机组波动量最小
Figure BDA0002698912560000043
式中：t＝1，2...T为总时间尺度，一般评估周期为一年T＝8760，分辨率为1h；n＝1，2...N为火电机组数；C1，C2分别是火电机组的燃料成本和机组启停成本。
已知参数：μ1，μ2风光消纳权重因子，一般设置风光消纳优先级相同即μ1＝μ2＝0.5；an，bn，cn为火电燃料成本系数；Ds.n，Dd.n为火电机组n的启停费用。
待求变量为：Pw.t为t时段风电并网容量；Pv.t为t时段光伏并网容量；Pf.n，t为t时段第n个火电机组出力；Bn，t为0-1变量，表示火电机组启停状态。
(2)约束条件：
电力平衡约束
Figure BDA0002698912560000051
式中：h＝1，2...H为水电机组数；Ph.h，t为t时刻水电机组h出力为待求变量；PL.t为t时刻系统负荷为已知参数。
火电机组相关约束
Figure BDA0002698912560000052
式中：Pf.n，min，Pf.n，max为火电机组n出力上下限；Pf.n，down，Pf.n，up火电机组n爬坡功率上下限；
Figure BDA0002698912560000053
为火电机组n最小开机时间和最小停机时间；
Figure BDA0002698912560000054
为火电机组n在t-1时刻连续运行小时和连续停机小时；上述均为已知参数。
水电机组约束
Ph.h，min≤Ph.h，t≤Ph.h，max (6)
式中：Ph.h，min，Ph.h，max为水电机组h出力上下限，为已知参数。
新能源出力约束
Figure BDA0002698912560000055
式中：
Figure BDA0002698912560000056
为风电t时刻预测出力；
Figure BDA0002698912560000057
为光伏t时刻预测出力；均为已知参数。
系统备用容量约束：
Figure BDA0002698912560000058
式中：ω为旋转备用系数，为已知参数。
为降低模型复杂度，对模型进行简化处理。步骤2为对步骤1所建模型进行简化处理。将步骤1所建模型中的非线性因素进行线性化处理，把公式(2)中C1火电机组燃料成本二次函数通过分段线性逼法进行线性化处理。通过线性加权法将多目标问题转化为简单易求的单目标问题，如式(9)所示：
f＝min(w1f1′+w2f′2+w3f′3) (9)
式中：w1，w2，w3是权重，通过判断矩阵法获得权重值；f′1，f′2，f′3是归一化后的目标函数值，进行归一化处理是为了消除各目标函数数量级以及量纲不同对结果的影响。采用最大最小归一化方法对目标函数进行归一化处理，如式(10)所示：
Figure BDA0002698912560000061
式中：fmax，fmin为目标函数的最大值和最小值，分别对f1，f2，f3进行单目标优化获得，为已知变量。
通过步骤2把步骤1所建多目标多变量多复杂约束的混合整数非线性规划问题简化为典型的混合整数线性规划问题，显著简化了模型计算难度，可用计算机调用成熟的求解软件直接进行求解。
步骤3获取电网年度运行数据包括电网各机组基本信息，调度部门制定的负荷时序数据以及新能源预测出力时序数据，将年度运行数据带入步骤1所建模型已知参数的值，数据量为一个完整的水平年为8760h。直接进行水平年的整体优化，获得全局最优解，优化过程复杂耗时长且不适应计算机的分布式计算。结合我国电力系统发电调度特点，进行两阶段优化模型求解，如图2所示。调度周期M选为月，每月为一个调度周期。把全年8760h的整体优化问题分解为了12个月的局部子优化问题，利用计算机对12个月的子优化问题进行并行求解计算，获取每月内火电机组的最优启停状态，即步骤1中的Bn，t值，完成一阶段优化。
步骤4是把步骤3计算结果代入步骤1所建模型，模型进一步简化为线性规划问题。再进行各月内火电机组，水电机组以及新能源的出力优化，并将上一月的计算结果作为下一月的初始值，进行逐月滚动优化，保证优化结果的连续性和整体性，完成第二阶段优化。
步骤5是根据步骤4的优化计算结果进行累计计算全年新能源消纳量、限电量以及电网运行成本等各项指标要求。如果计算结果不满足评估指标，则用目前优化数据刷新电网数据从步骤3重新进行优化计算，直至满足评估指标，完成评估。
具体实施例2：实施例2和实施例1计算步骤相同，只是在步骤3获取电网年度数据后，调度周期选为周，即每周7天168个小时为一个调度周期。把全年8760h的整体优化问题分解为了52个周的局部子优化问题，利用计算机并行计算出52个周的火电机组最优启停状态，再同实施例1的计算步骤进行计算。
以某省级电网为例，从步骤3采用本发明方法的具体实施例1、具体实施例2与直接优化求解的方法对比求解结果如表1所示：
Figure BDA0002698912560000071
两阶段分段优化求解的方法计算结果均优于直接求解，其中调度周期选为周，计算时间减少了46.24％，内存节约了51.45％，新能源消纳总量提升了1.74％，优化总成本节省了5.76％，表明了本发明方法更适应于计算机分布式计算，具有计算速度更快，可优化数据规模更大等优点。
此外，根据步骤3选取调度周期M的不同，本方法可以在年-月-日等不同时间尺度下进行新能源消纳能力评估。如调度周期M选为24h，进行全年365天的优化计算，可以获得每天新能源消纳的详细数据。
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 (5)

1.一种基于两阶段多目标优化的新能源消纳计算方法，其特征在于，包括如下步骤：
步骤1：建立多目标消纳评估模型，模型满足正常约束条件；
步骤2：简化模型，对模型进行线化处理以及将多目标优化转化为单目标优化的处理；
步骤3：获取电网年度运行数据包括电网各机组基本信息，调度部门制定的负荷时序数据以及新能源预测出力时序数据，将年度运行数据带入步骤1所建模型已知参数的值，确定调度周期M，把获取的年度运行数据分解为m＝8760/M段，把年度整体优化问题分解为m个局部子优化问题，利用计算机对m个子优化问题进行并行计算，获取每个调度周期m的火电机组最优启停状态，完成第一阶段优化；
步骤4：已知各调度周期内火电机组启停，模型进一步简化为线性规划问题，利用计算机进行各个调度周期内机组出力优化，并将上一调度周期的计算结果作为下一调度周期的初始值，进行逐调度周期滚动优化，保证优化结果的连续性和整体性，完成第二阶段优化；
步骤5：根据逐调度周期滚动优化结果累计计算年度整体新能源消纳量、限电量以及电网运行成本等各项消纳评估指标。
2.根据权利要求1所述的一种基于两阶段多目标优化的新能源消纳计算方法，其特征在于，所述步骤1中多目标消纳评估模型的建立，目标函数包括：
新能源消纳量最大
Figure FDA0002698912550000011
总运行成本最小
Figure FDA0002698912550000012
Figure FDA0002698912550000013
Figure FDA0002698912550000014
火电机组波动量最小
Figure FDA0002698912550000015
上式(1)(2)(3)中，t＝1，2...T为总时间尺度；n＝1，2...N为火电机组数；C1，C2分别是火电机组的燃料成本和机组启停成本。
已知参数为：μ1，μ2风光消纳权重因子；an，bn，cn为火电燃料成本系数；Ds.n，Dd.n为火电机组n的启停费用。
待求变量为：Pw.t为t时段风电并网容量；Pv.t为t时段光伏并网容量；Pf.n，t为t时段第n个火电机组出力；Bn，t为0-1变量，表示火电机组启停状态。
3.根据权利要求2所述的一种基于两阶段多目标优化的新能源消纳计算方法，其特征在于，所述约束条件包括：
电力平衡约束
Figure FDA0002698912550000021
式中：h＝1，2...H为水电机组数；Ph.h，t为t时刻水电机组h出力为待求变量；PL.t为t时刻系统负荷为已知参数。
火电机组相关约束
Figure FDA0002698912550000022
式中：Pf.n，min，Pf.n，max为火电机组n出力上下限；Pf.n，down，Pf.n，up火电机组n爬坡功率上下限；
Figure FDA0002698912550000023
为火电机组n最小开机时间和最小停机时间；
Figure FDA0002698912550000024
为火电机组n在t-1时刻连续运行小时和连续停机小时；上述均为已知参数。
水电机组约束
Ph.h，min≤Ph.h，t≤Ph.h，max (6)
式中：Ph.h，min，Ph.h，max为水电机组h出力上下限，已知参数。
新能源出力约束
Figure FDA0002698912550000025
式中：
Figure FDA0002698912550000026
为风电t时刻预测出力；
Figure FDA0002698912550000027
为光伏t时刻预测出力；均为已知参数。
系统备用容量约束：
Figure FDA0002698912550000028
式中：ω为旋转备用系数，为已知参数。
4.根据权利要求3所述的一种基于两阶段多目标优化的新能源消纳计算方法，其特征在于，所述步骤2对模型进行线化处理以及将多目标优化转化为单目标优化的处理具体表现为将模型中的非线性因素线性化处理，把公式(2)中C1火电机组燃料成本二次函数通过分段线性逼法进行线性化处理。通过线性加权法将多目标问题转化为简单易求的单目标问题，如公式(9)所示：
f＝min(w1f′1+w2f′2+w3f′3) (9)
式中：w1，w2，w3是权重，通过判断矩阵法获得权重值；f′1，f′2，f′3是归一化后的目标函数值，进行归一化处理是为了消除各目标函数数量级以及量纲不同对结果的影响。采用最大最小归一化方法对目标函数进行归一化处理，如式(10)所示：
Figure FDA0002698912550000031
式中：fmax，fmin为目标函数的最大值和最小值，分别对f1，f2，f3进行单目标优化获得。
5.根据权利要求4所述的一种基于两阶段多目标优化的新能源消纳计算方法，其特征在于，所述步骤5如果计算结果不满足评估指标，则用当前优化数据刷新电网数据从步骤S3重新进行优化计算，直至满足评估指标，完成整个评估计算。
CN202011006975.7A 2020-09-24 2020-09-24 一种基于两阶段多目标优化的新能源消纳计算方法 Active CN112288130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011006975.7A CN112288130B (zh) 2020-09-24 2020-09-24 一种基于两阶段多目标优化的新能源消纳计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011006975.7A CN112288130B (zh) 2020-09-24 2020-09-24 一种基于两阶段多目标优化的新能源消纳计算方法

Publications (2)

Publication Number Publication Date
CN112288130A true CN112288130A (zh) 2021-01-29
CN112288130B CN112288130B (zh) 2023-09-05

Family

ID=74421317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011006975.7A Active CN112288130B (zh) 2020-09-24 2020-09-24 一种基于两阶段多目标优化的新能源消纳计算方法

Country Status (1)

Country Link
CN (1) CN112288130B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283093A (zh) * 2021-05-31 2021-08-20 国网内蒙古东部电力有限公司 一种基于新能源发电并网协调成本的评估方法
CN115566680A (zh) * 2022-12-05 2023-01-03 中国电力科学研究院有限公司 一种新能源电力系统时序生产模拟运行优化方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270095A (ja) * 1996-04-02 1997-10-14 Oki Electric Ind Co Ltd 移動体の割当て方法およびその割当てシステム
CN103401257A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 含风电电网应对高峰期功率陡坡的多源协调型控制方法
CN106130079A (zh) * 2016-07-08 2016-11-16 华北电力大学 一种风水火短期联合优化调度方法
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN107785935A (zh) * 2017-12-07 2018-03-09 太原理工大学 计及风险及机组组合的电网风电消纳能力评估方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN108039731A (zh) * 2017-12-29 2018-05-15 南京工程学院 一种基于解空间分析且含风电的多目标三阶段调度方法
US20180284707A1 (en) * 2017-03-31 2018-10-04 General Electric Company Gas turbine dispatch optimizer real-time command and operations
CN110707737A (zh) * 2019-11-28 2020-01-17 国网内蒙古东部电力有限公司经济技术研究院 一种基于云计算的高渗透新能源电网电池容量配置方法
US20200033933A1 (en) * 2015-06-30 2020-01-30 China Electric Power Research Institute Company Limited Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09270095A (ja) * 1996-04-02 1997-10-14 Oki Electric Ind Co Ltd 移動体の割当て方法およびその割当てシステム
CN103401257A (zh) * 2013-08-01 2013-11-20 哈尔滨工业大学 含风电电网应对高峰期功率陡坡的多源协调型控制方法
US20200033933A1 (en) * 2015-06-30 2020-01-30 China Electric Power Research Institute Company Limited Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium
CN106130079A (zh) * 2016-07-08 2016-11-16 华北电力大学 一种风水火短期联合优化调度方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
US20180284707A1 (en) * 2017-03-31 2018-10-04 General Electric Company Gas turbine dispatch optimizer real-time command and operations
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN107785935A (zh) * 2017-12-07 2018-03-09 太原理工大学 计及风险及机组组合的电网风电消纳能力评估方法
CN108039731A (zh) * 2017-12-29 2018-05-15 南京工程学院 一种基于解空间分析且含风电的多目标三阶段调度方法
CN110707737A (zh) * 2019-11-28 2020-01-17 国网内蒙古东部电力有限公司经济技术研究院 一种基于云计算的高渗透新能源电网电池容量配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘秋华;郑亚先;杨胜春;: "长周期大范围风电消纳的电力电量联合优化模型与应用", 电力系统自动化, no. 18 *
王明松;: "风-光-蓄-火联合发电系统的两阶段优化调度策略", 电网与清洁能源, no. 05 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283093A (zh) * 2021-05-31 2021-08-20 国网内蒙古东部电力有限公司 一种基于新能源发电并网协调成本的评估方法
CN113283093B (zh) * 2021-05-31 2022-09-27 国网内蒙古东部电力有限公司 一种基于新能源发电并网协调成本的评估方法
CN115566680A (zh) * 2022-12-05 2023-01-03 中国电力科学研究院有限公司 一种新能源电力系统时序生产模拟运行优化方法及装置

Also Published As

Publication number Publication date
CN112288130B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
Yan et al. Flexibility improvement and stochastic multi-scenario hybrid optimization for an integrated energy system with high-proportion renewable energy
CN107370170B (zh) 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN106099993B (zh) 一种适应新能源大规模接入的电源规划方法
CN109034587B (zh) 一种协调多种可控单元的主动配电系统优化调度方法
CN113988714B (zh) 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质
CN111126675A (zh) 多能互补微网系统优化方法
CN111932025B (zh) 考虑光伏随机性的综合能源系统建设多阶段规划方法
CN112288130A (zh) 一种基于两阶段多目标优化的新能源消纳计算方法
CN113659627A (zh) 一种含光伏发电和液态空气储能的微电网优化调度方法
CN114021783A (zh) 一种考虑社会类碳排放因素和短期效益的两阶段月度机组组合和检修计划优化方法
CN113255982A (zh) 一种风光水互补系统中长期优化调度方法
CN115099007B (zh) 基于综合成本-能耗曲线的综合能源系统优化运行方法
CN113298407A (zh) 一种工业园区电-气综合能源系统优化调度模型建立方法
CN115864376A (zh) 一种多时间尺度电力保供分析方法及系统
CN117973819B (zh) 一种用于电能储放优化的储能管理系统及方法
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN112072643A (zh) 一种基于深度确定性梯度策略的光-蓄系统在线调度方法
CN114971071A (zh) 计及风光接入和电热混合储能的园区综合能源系统时序规划方法
CN114118532A (zh) 孤岛微网的调度方法、装置、计算机设备、存储介质
CN116914860B (zh) 多能互补发电系统电源容量配置优化方法及系统
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
CN112508287A (zh) 基于用户侧bess全寿命周期的储能优化配置方法
CN117114281A (zh) 一种灵活资源多阶段规划方案的确定方法
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation

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