CN112491049A - 一种考虑在线煤耗曲线的多能源接入电网优化调度方法 - Google Patents

一种考虑在线煤耗曲线的多能源接入电网优化调度方法 Download PDF

Info

Publication number
CN112491049A
CN112491049A CN202011348045.XA CN202011348045A CN112491049A CN 112491049 A CN112491049 A CN 112491049A CN 202011348045 A CN202011348045 A CN 202011348045A CN 112491049 A CN112491049 A CN 112491049A
Authority
CN
China
Prior art keywords
power
unit
coal consumption
consumption curve
output
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
CN202011348045.XA
Other languages
English (en)
Other versions
CN112491049B (zh
Inventor
范强
文贤馗
陈园园
邓彤天
钟晶亮
张世海
古庭赟
李博文
祝健杨
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202011348045.XA priority Critical patent/CN112491049B/zh
Publication of CN112491049A publication Critical patent/CN112491049A/zh
Application granted granted Critical
Publication of CN112491049B publication Critical patent/CN112491049B/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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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"
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J2300/40—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)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑在线煤耗曲线的多能源接入电网优化调度方法，它包括：获取系统火电机组的综合煤耗曲线、次日的预测间歇性电源发电功率值和次日负荷预测值；构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数；建立考虑在线煤耗曲线的多能源接入电网优化调度的约束条件；利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解，获得发电计划；将发电计划进行安全校核，通过则将考虑在线煤耗曲线的多能源接入电网优化调度计划，解决了传统的日前调度方法忽略了这些间歇性能源出力不确定性的影响，没有考虑火电机组实际的煤耗情况导致电网和机组运行的煤耗量升高经济性下降等问题。

Description

一种考虑在线煤耗曲线的多能源接入电网优化调度方法
技术领域
本发明属于电网发电调度控制技术领域，具体涉及一种考虑在线煤耗曲线的多能源接入电网优化调度方法。
背景技术
定位发电调度传统的日前调度根据预测负荷、机组发电及检修计划、联络线交换功率计划和机组耗量特性等编制次日的发电计划，是电力系统经济调度的核心内容之一。考虑风、光、小水电等间歇性电源能源发电大规模并网后，传统的日前调度方法忽略了这些间歇性能源出力不确定性的影响，原有的确定性日前调度方法将不再适用，寻找新的日前调度方法显得尤为重要，关系到电力系统能否经济安全运行。在现有节能发电调度中，其中一个主要的计算指标是火电机组的运行费用，也就是机组的煤耗，目前采用的方法是利用最小二乘法将机组煤耗和发电有功功率的拟合成以机组发电功率P为变量的二次函数：f(P)＝aP2+bP+c，这个二次函数被称作煤耗量曲线，a、b、c系数为常数，且为固定值。但实际情况下，每台火电机组在不同运行工况下，其单位煤耗量也是不一样的，如果没有考虑火电机组实际的煤耗情况，而单纯使用固定的a、b、c系数值，会造成在火电机组接收调度机构AGC(自动发电控制)调节指令后进行机组出力调节偏差，导致电网和机组运行的煤耗量升高，经济性下降等问题。
发明内容
本发明解决的技术问题是：提供一种考虑在线煤耗曲线的多能源接入电网优化调度方法，以解决现有技术的日前调度方法忽略了间歇性能源出力不确定性的影响，原有的确定性日前调度方法将不再适用，现有技术的节能发电调度中没有考虑火电机组实际的煤耗情况，造成在火电机组接收调度机构AGC调节指令后进行机组出力调节偏差，导致电网和机组运行的煤耗量升高，经济性下降等问题
本发明采取的技术方案：
一种考虑在线煤耗曲线的多能源接入电网优化调度方法，它包括：
步骤1、利用火电在线煤耗曲线实时辨识与分析系统获取系统火电机组的综合煤耗曲线；
步骤2、利用间歇性电源功率预测系统的电网系统，获取电网系统次日的预测间歇性电源发电功率值；
步骤3、利用负荷预测系统获取电网系统次日负荷预测值；
步骤4、构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数；
步骤5、建立考虑在线煤耗曲线的多能源接入电网优化调度的约束条件；
步骤6、利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解，获得发电计划；
步骤7、将发电计划进行安全校核，通过则将考虑在线煤耗曲线的多能源接入电网优化调度计划，否则调整可调控电源发电计划并重新执行步骤1-6。
步骤1所述利用火电在线煤耗曲线实时辨识与分析系统获取系统火电机组的综合煤耗曲线的方法包括：
步骤1.1、采集全网所有m个火电机组的历史机组信息及实时机组信息，构建历史信息θ＝{tθ,Pθ,Bθ}和实时信息
Figure BDA0002800520800000031
火电机组的历史机组信息θ＝{tθ,Pθ,Bθ}中，第i个机组第e个时刻的历史机组信息为θie＝{tθie,Pθie,Bθie}，其中i∈m,e∈n；tθ为机组的历史时刻数据；Pθ为机组的历史有功功率数据；Bθ为机组的历史煤耗量数据；
火电机组的实时机组信息
Figure BDA0002800520800000032
中，第i个机组第d个时刻的实时机组信息为
Figure BDA0002800520800000033
Figure BDA0002800520800000034
为机组的实时时刻数据；
Figure BDA0002800520800000035
为机组的实时有功功率数据；
步骤1.2、利用采集的全网所有m个火电机组的历史机组信息集θ，通过最小二乘法计算第i个机组的煤耗量曲线函数CurPi。
机组有功功率数据的获取方法为：由机组有功功率变送器直接获取机组5分钟的有功功率平均值PL1，由与PL1对应时刻的机组电流变送器IL2、电压变送器VL2和功率因数变送器
Figure BDA0002800520800000036
计算获得5分钟的有功功率平均值PL2，计算公式为
Figure BDA0002800520800000037
将PL1和PL2进行对比，若
Figure BDA0002800520800000038
误差小于0.5％，则机组有功功率选择PL1，若误差大于0.5％，则取二者平均值，则机组有功功率为
Figure BDA0002800520800000039
第i个机组的煤耗量曲线函数CurPi的计算方法为：
(1)确定训练样本容量及样本集。利用步骤1获取的全网所有m个火电机组的历史机组信息集θ，作为训练样本集；训练数据样本集为tθ对应的
Figure BDA0002800520800000041
其中Pθi∈Rn为输入变量，Bθi∈Rn为相应的输出值；
(2)构建最小二乘法方程组CurPi＝Bθi＝ci+biPθi+aiPθi 2，其中系数ai、bi、ci能使得
Figure BDA0002800520800000042
为最小值；
(3)利用多元函数求极值方法使得函数CurPi＝Bθi＝ci+biPθi+aiPθi 2取最小值，对
Figure BDA0002800520800000043
偏导，求得方程组
Figure BDA0002800520800000044
(4)将训练数据样本集为tθ对应的
Figure BDA0002800520800000045
代入方程组，求得系数ai、bi、ci；
(5)生成综合煤耗曲线CurPi＝Bθi＝ci+biPθi+aiPθi 2。
步骤4所述构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数的方法为：根据鲁棒调度结合确定性调度的约束条件，以最坏情况下的优化为基础，通过优化目标函数的下限值，使得不确定性因素变化时仍能保证调度方案维持在一定的经济性水平，即：
min f1+f2+f3
Figure BDA0002800520800000051
其中：
f1为火电机组开停机费用；
f2为火电机组运行费用；
f3为参与备用调节的水电机组运行费用；
f(t)为水电机组出力调整开关函数；
NT为火电机组台数(NT＝m)；
NdH为参与备用调节的水电机组台数；
uit为火电机组开机状态向量；
SUi为火电机组开机费用向量；
vit为火电机组停机状态向量；
SDi为火电机组停机费用向量；
s为间歇性电源出力轨迹向量，定义NR为调度周期内风、光、水、和气有功出力向量构成的多维向量空间，Pf为风电有功出力向量，Pg为光伏有功出力向量，Ph为小水电有功出力向量，Pq为煤层气有功出力向量，则有{s∈NR|NR＝Pf∪Pg∪Ph∪Pq}；
αi、αj为机组i、j的运行状态向量；
β为运算向量,
Figure BDA0002800520800000061
pit为火电机组i鲁棒轨迹有功计划出力向量；
qit(s)为间歇性电源出力轨迹s下火电机组i的调整出力向量；
为水电机组j鲁棒轨迹(对应于新能源出力预测场景)上的计划出力向量；
qjt(s)为间歇性电源出力轨迹s下水电机组i的调整出力向量；
pds,it为间歇性电源出力轨迹s下火电机组总负备用向量；
qdn,it(s)为间歇性电源出力轨迹s下最大负备用需求向量；
qup,it(s)为间歇性电源出力轨迹s下最大正备用需求向量；
fi(pit)为采用实时修正的煤耗曲线fi(pit)＝ci+biPθit+aiPθit 2，以确保实时煤耗曲线的最优。
步骤5所述建立考虑在线煤耗曲线的多能源接入电网优化调度的约束条件的方法包括：
步骤5.1、机组出力总和调整前后相等，即满足有功功率平衡条件：
Figure BDA0002800520800000062
PLt为负荷短期预测向量；
pjt为节能调度系统给出的第j个水电厂的计划出力向量；
为间歇性电源类型，l＝1,2,…,NM；
pkt为第k个间歇性电源机组短期出力预测向量；
NW为间歇性电源机组数；
NH为水电机组台数；
qit(s)为间歇性电源出力轨迹s下火电机组j的调整出力向量；
ΔPt为间歇性电源出力轨迹s下间歇性电源预测误差向量；
步骤5.2、中调火电机组备用约束：
火电机组出力调整后，出力需介于最小、最大出力区间之内；火电机组出力调整量受限于旋转备用响应速度和时间；公式为：
Figure BDA0002800520800000071
pimax、pimin分别为机组i技术出力上、下限向量；
Δpi,up、Δpi,dn分别为机组i出力上调、下调的最大速率向量；
Δt为火电机组旋转备用响应时间，设置为5-10min；
步骤5.3、火电机组相邻时段爬坡速率约束：
Figure BDA0002800520800000072
Figure BDA0002800520800000073
s为时段内轨迹s出力波动边界向量；
步骤5.4、水电机组日流量约束：
水电机组的发电功率与机组的工作效率、水轮机的工作水头、水轮机的引用流量有关，公式为：
pjt＝9.8ηjΥjtQjt,j∈NdH
式中，ηj为水电机组j的效率；Υjt为水轮机第t时段的工作水头；Qjt为水轮机第t时段的引用流量；
水电的日发电量用水量根据水电调度部门的分配，水电转换关系为：
Figure BDA0002800520800000081
式中
Tch为参与备用调节总时段数；
Qimin为总调节时段内日分配最小用水量；
Qimax为总调节时段内日分配最大用水量。
步骤6所述利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解的方法为：第i个粒子在d维空间的坐标为：Xi(xi1,xi2,xi3…xid)，速度为Vi(vi1,vi2,vi3…vid)确定一次迭代的位移，粒子在搜索过程中由种群及个体的经验来改变本身位置；在PSO中通过跟踪两个相关极值来更新粒子，其中一个是本身得到的最优解Pi(pi1,pi2,pi3,…,pid)，另一个是到目前为止种群所得到的最优解Pg(pg1,pg2,pg3,…,pgd)；迭代公式如下：
vid＝w×vid+c1×rand()×(pid-xid)+c2×rand()×(pgd-xgd)
xid＝xid+vid
式中w为惯性权重；c1和c2为加速因子。
安全校核的方法为：利用网络拓扑结构数据、负荷预测数据、间歇性电源发电功率预测数据、检修计划数据以及求得的发电计划，计算次日96点时刻的系统潮流，并根据安全限额进行断面潮流越限判断，完成安全校核工作；当断面潮流无越限时，则将考虑在线煤耗曲线的多能源接入电网优化调度计划下发执行；当安全校核结果出现稳定越限时，则调整可调控电源发电计划，并重复步骤1-6，直至安全校核通过。
本发明的有益效果：
本发明通过收集全网所有n个火电机组的历史机组信息及实时机组信息，构建历史信息集和实时信息集，通过最小二乘法计算综合煤耗曲线的函数表达式，同时再根据火电机组运行中的实时信息集，利用机组实时信息对曲线进行实时修正，从而得到在线煤耗曲线实时曲线，结合间歇性电源功率预测系统、负荷预测系统的短期功率和负荷预测结果，构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数并制定相应边界条件，通过粒子群算法进行多目标求解，并通过安全校核后，下发执行考虑在线煤耗曲线的多能源接入电网优化调度计划，以解决传统的日前调度方法忽略了这些间歇性能源出力不确定性的影响，而且没有考虑火电机组实际的煤耗情况导致电网和机组运行的煤耗量升高，经济性下降等问题。
附图说明：
图1为本发明系统示意图。
具体实施方式：
一种考虑在线煤耗曲线的多能源接入电网优化调度方法，包括以下步骤
1、利用火电在线煤耗曲线实时辨识与分析系统获取系统火电机组的综合煤耗曲线。
1.1、收集全网所有m个火电机组的历史机组信息及实时机组信息，构建历史信息θ＝{tθ,Pθ,Bθ}和实时信息
Figure BDA0002800520800000101
(1)其中，火电机组的历史机组信息θ＝{tθ,Pθ,Bθ}中，第i个机组第e个时刻的历史机组信息为θie＝{tθie,Pθie,Bθie}，其中i∈m,e∈n。
tθ为：机组的历史时刻数据，用作标记机组的历史有功功率数据和历史煤耗量数据对应的时刻值，时刻的时标格式为年：月：日：时：分：秒。
Pθ为：机组的历史有功功率数据。
Bθ为：机组的历史煤耗量数据。
(2)其中，火电机组的实时机组信息
Figure BDA0002800520800000102
中，第i个机组第d个时刻的实时机组信息为
Figure BDA0002800520800000103
Figure BDA0002800520800000104
为：机组的实时时刻数据，用作标记机组的实时有功功率数据和实时煤耗量数据对应的时刻值，时刻的时标格式为年：月：日：时：分：秒。
Figure BDA0002800520800000105
为：机组的实时有功功率数据。
(3)时刻数据的获取：从厂站的GPS装置获取。
(4)机组有功功率数据的获取：由机组有功功率变送器直接获取机组5分钟的有功功率平均值PL1，由与PL1对应时刻的机组电流变送器IL2、电压变送器VL2和功率因数变送器
Figure BDA0002800520800000106
计算获得5分钟的有功功率平均值PL2，计算公式为
Figure BDA0002800520800000107
将PL1和PL2进行对比，若
Figure BDA0002800520800000108
误差小于0.5％，则机组有功功率选择PL1，若其误差大于0.5％，则取二者平均值，则机组有功功率为
Figure BDA0002800520800000111
1.2、利用步骤1获取的全网所有m个火电机组的历史机组信息集θ，通过最小二乘法，计算第i个机组的煤耗量曲线函数CurPi。
(1)确定训练样本容量及样本集。利用步骤1获取的全网所有m个火电机组的历史机组信息集θ，作为训练样本集。
训练数据样本集为tθ对应的
Figure BDA0002800520800000112
其中Pθi∈Rn为输入变量，Bθi∈Rn为相应的输出值。
(2)构建最小二乘法方程组CurPi＝Bθi＝ci+biPθi+aiPθi 2，其中系数ai、bi、ci应能使得
Figure BDA0002800520800000113
为最小值。
(3)利用多元函数求极值方法使得函数CurPi＝Bθi＝ci+biPθi+aiPθi 2取最小值。对
Figure BDA0002800520800000114
偏导，求得方程组
Figure BDA0002800520800000115
(4)将训练数据样本集为tθ对应的
Figure BDA0002800520800000116
代入方程组，求得系数ai、bi、ci。
(5)生成综合煤耗曲线CurPi＝Bθi＝ci+biPθi+aiPθi 2。
2、利用间歇性电源功率预测系统的电网系统，获取电网系统次日的预测间歇性电源发电功率值。设间歇性电源功率预测值为NR，次日96点预测值为[NR1,NR2……NR96]。
3、利用负荷预测系统获取电网系统次日负荷预测值。负荷预测值为PLt，次日96点预测值为[PLt1,PLt2……PLt96]。
4、构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数：
鲁棒调度结合确定性调度的约束条件，以最坏情况下的优化为基础，通过优化目标函数的下限值，使得不确定性因素变化时，仍能保证调度方案维持在一定的经济性水平。即：
min f1+f2+f3
Figure BDA0002800520800000121
其中：
f1——火电机组开停机费用；
f2——火电机组运行费用；
f3——参与备用调节的水电机组运行费用；
f(t)——水电机组出力调整开关函数；
NT——火电机组台数(NT＝m)；
NdH——参与备用调节的水电机组台数；
uit——火电机组开机状态向量；
SUi——火电机组开机费用向量；
vit——火电机组停机状态向量；
SDi——火电机组停机费用向量；
s——间歇性电源出力轨迹向量，定义NR为调度周期内风/光/水/气有功出力向量构成的多维向量空间，Pf为风电有功出力向量，Pg为光伏有功出力向量，Ph为小水电有功出力向量，Pq为煤层气有功出力向量，则有{s∈NR|NR＝Pf∪Pg∪Ph∪Pq}；
αi、αj——机组i、j的运行状态向量；
β——运算向量,
Figure BDA0002800520800000131
pit——火电机组i鲁棒轨迹有功计划出力向量；
qit(s)——间歇性电源出力轨迹s下火电机组i的调整出力向量；
pjt——水电机组j鲁棒轨迹(对应于新能源出力预测场景)上的计划出力向量；
qjt(s)——间歇性电源出力轨迹s下水电机组i的调整出力向量；
pds,it——间歇性电源出力轨迹s下火电机组总负备用向量。
qdn,it(s)——间歇性电源出力轨迹s下最大负备用需求向量；
qup,it(s)——间歇性电源出力轨迹s下最大正备用需求向量。
其中，fi(pit)采用实时修正的煤耗曲线fi(pit)＝ci+biPθit+aiPθit 2，以确保实时煤耗曲线的最优。
5、制定考虑在线煤耗曲线的多能源接入电网优化调度的约束条件。
①机组出力总和调整前后相等，即满足有功功率平衡条件：
Figure BDA0002800520800000141
其中：
PLt——负荷短期预测向量；
pjt——节能调度系统给出的第j个水电厂的计划出力向量；
l——间歇性电源类型，l＝1,2,…,NM；
pkt——第k个间歇性电源机组短期出力预测向量；
NW——间歇性电源机组数；
NH——水电机组台数；
qit(s)——间歇性电源出力轨迹s下火电机组j的调整出力向量；
ΔPt——间歇性电源出力轨迹s下间歇性电源预测误差向量。
约束条件①表明，在特定时段间歇性电源功率波动到其预测出力边界时，系统都具备足够的调节能力使系统有功功率平衡约束条件得以满足，同时也给出了系统备用预留的依据，对机组出力与备用预留进行协同优化，在满足系统安全性的前提下实现备用预留的最小化。
②中调火电机组备用约束：
火电机组出力调整后，其出力需介于最小、最大出力区间之内；火电机组出力调整量受限于旋转备用响应速度和时间，如下：
Figure BDA0002800520800000142
其中：
pimax、pimin——分别为机组i技术出力上、下限向量；
Δpi,up、Δpi,dn——分别为机组i出力上调、下调的最大速率向量；
Δt——火电机组旋转备用响应时间，设置为5-10min。
③火电机组相邻时段爬坡速率约束：
Figure BDA0002800520800000151
其中：
Figure BDA0002800520800000152
s——为时段内轨迹s出力波动边界向量；
若火电机组出现备用不足的情形，需要水电机组进行调节时，需要对等式约束条件式①进行修改，此时，f(t)＝1，增加水电机组日流量约束条件，如下所示。
④水电机组日流量约束：
水电机组的发电功率与机组的工作效率、水轮机的工作水头、水轮机的引用流量有关，一般有如下水电转换关系[108]：
pjt＝9.8ηjΥjtQjt,j∈NdH
式中，ηj为水电机组j的效率；Υjt为水轮机第t时段的工作水头；Qjt为水轮机第t时段的引用流量。
水电的日发电量用水量需根据水电调度部门的分配，限制在一定范围内。则由水电转换关系，有：
Figure BDA0002800520800000153
式中，
Tch——为参与备用调节总时段数；
Qimin——为总调节时段内日分配最小用水量；
Qimax——为总调节时段内日分配最大用水量。
6、利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解，获得发电计划。
第i个粒子在d维空间的坐标可以通过下式表示：Xi(xi1,xi2,xi3…xid)，此外还有一个速度Vi(vi1,vi2,vi3…vid)，它可以确定一次迭代的位移。粒子在搜索过程中，可以由种群及个体的经验来改变本身位置。在PSO中，通过跟踪两个相关极值来更新粒子，其中一个是它本身得到的最优解Pi(pi1,pi2,pi3,…,pid)，另一个就是到目前为止种群所得到的最优解Pg(pg1,pg2,pg3,…,pgd)。迭代公式如下：
vid＝w×vid+c1×rand()×(pid-xid)+c2×rand()×(pgd-xgd)
xid＝xid+vid
式中w为惯性权重；c1和c2为加速因子，一般取常数；rand()、Rand()是两个独立的随机数，区间为[0,1]。
7、将第6步求得的发电计划进行安全校核，通过则考虑在线煤耗曲线的多能源接入电网优化调度计划，否则调整可调控电源发电计划并重新执行1-6步计算。
利用网络拓扑结构数据、负荷预测数据、间歇性电源发电功率预测数据，检修计划数据，以及求得的发电计划，计算次日96点时刻的系统潮流，并根据安全限额进行断面潮流越限判断，完成安全校核工作。当断面潮流无越限时，则将考虑在线煤耗曲线的多能源接入电网优化调度计划下发执行。当安全校核结果出现稳定越限时，则调整可调控电源发电计划，并重复步骤1-6，直至安全校核通过。
所需硬件系统包括：多能源接入电网优化调度系统、火电在线煤耗曲线实时辨识与分析系统、间歇性电源发电预测系统和负荷预测系统；用于获得火电机组实时煤耗曲线、间歇性电源发电预测、电网负荷预测结果等信息。
火电在线煤耗曲线实时辨识与分析系统包括在线煤耗曲线实时辨识与分析系统主站和L个在线煤耗曲线实时辨识与分析系统厂站。
其中，在线煤耗曲线实时辨识与分析系统主站包括采用1000Mbps的主干冗余快速以太网作为信息传递和数据传输的媒体，通过相应的网络设备、接口服务器、数据库服务器、计算服务器、域服务器、WEB服务器、计算机终端设备和系统软件包等来完成系统的应用功能。
L个在线煤耗曲线实时辨识与分析系统厂站通过百兆以太网与厂站汇集交换机相连，并利用专线或调度数据网通过防火墙接入主站核心交换机，用于实现厂站数据向主站传输。专线或调度数据网按照电网统一规划的安全措施进行远程数据通信的安全防护。
每个在线煤耗曲线实时辨识与分析系统厂站，包括厂站内多个机组采集站，通过百兆以太网与厂站内交换机连接。
在线煤耗曲线实时辨识与分析系统厂站包括多个机组采集站。
每个机组采集站包括机组DCS系统、机组DCS系统接口机、机组DCS采集站、机组功率变送器、机组电压变送器、机组电流变送器、机组功率因数变送器、厂站GPS系统。
厂站GPS系统通过通信电缆与机组DCS系统相连，用于提供标准对时时间。
机组DCS系统通过通信电缆与机组功率变送器、机组电压变送器、机组电流变送器、机组功率因数变送器相连，用于提供机组的功率、电压、电流和功率因数。
机组DCS系统通过百兆以太网连接到对应机组的DCS控制系统接口机，再通过OPC工业标准协议直接将采集数据传输给机组DCS采集站。
间歇性电源发电功率预测系统
间歇性电源发电功率预测系统包括间歇性电源发电功率预测系统主站端和间歇性电源发电功率预测系统子站端。
间歇性电源发电功率预测系统主站端
间歇性电源发电功率预测系统主站端包括采集与处理层、预测层、考核分析层。
采集与处理层核心实现功率预测系统所需要数据的采集和处理。采集与处理层主要包括子站预测上报接收、测风塔/气象数据上报接收、运行状态数据上报接收、实时上网功率采集、NWP(数值天气预报)采集、数据处理等功能模块；预测层核心实现功率的预测。预测层主要包括短期功率预测、超短期功率预测等功能模块；考核分析层核心实现功率预测的误差评价、考核及统计分析。考核分析层主要包括子站功率预测上报考核、子站测风塔/气象数据上报考核、预测结果误差综合评价、统计分析等功能模块。
间歇性电源发电功率预测系统子站端包括光伏电站功率预测子系统、风电场功率预测子系统和小水电集群功率预测子系统。
光伏电站功率预测子系统包括光伏气象站，用于收集光伏功率预测结果、光伏气象站实时数据、光伏系统运行状态数据等信息，上送至主站端。
风电场功率预测子系统包括光伏气象站，用于收集风电场功率预测结果、测风塔实时数据、风电场运行状态数据等，上送至主站端。小水电集群功率预测子系统包括光伏气象站，用于收集小水电集群功率预测结果、小水电集群气象实时数据、小水电集群机组运行状态数据等信息，上送至主站端。

Claims (8)

1.一种考虑在线煤耗曲线的多能源接入电网优化调度方法，它包括：
步骤1、利用火电在线煤耗曲线实时辨识与分析系统获取系统火电机组的综合煤耗曲线；
步骤2、利用间歇性电源功率预测系统的电网系统，获取电网系统次日的预测间歇性电源发电功率值；
步骤3、利用负荷预测系统获取电网系统次日负荷预测值；
步骤4、构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数；
步骤5、建立考虑在线煤耗曲线的多能源接入电网优化调度的约束条件；
步骤6、利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解，获得发电计划；
步骤7、将发电计划进行安全校核，通过则将考虑在线煤耗曲线的多能源接入电网优化调度计划，否则调整可调控电源发电计划并重新执行步骤1-6。
2.根据权利要求1所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：步骤1所述利用火电在线煤耗曲线实时辨识与分析系统获取系统火电机组的综合煤耗曲线的方法包括：
步骤1.1、采集全网所有m个火电机组的历史机组信息及实时机组信息，构建历史信息θ＝{tθ,Pθ,Bθ}和实时信息
Figure FDA0002800520790000011
火电机组的历史机组信息θ＝{tθ,Pθ,Bθ}中，第i个机组第e个时刻的历史机组信息为θie＝{tθie,Pθie,Bθie}，其中i∈m,e∈n；tθ为机组的历史时刻数据；Pθ为机组的历史有功功率数据；Bθ为机组的历史煤耗量数据；
火电机组的实时机组信息
Figure FDA0002800520790000021
中，第i个机组第d个时刻的实时机组信息为
Figure FDA0002800520790000022
Figure FDA0002800520790000023
为机组的实时时刻数据；
Figure FDA0002800520790000024
为机组的实时有功功率数据；
步骤1.2、利用采集的全网所有m个火电机组的历史机组信息集θ，通过最小二乘法计算第i个机组的煤耗量曲线函数CurPi。
3.根据权利要求2所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：机组有功功率数据的获取方法为：由机组有功功率变送器直接获取机组5分钟的有功功率平均值PL1，由与PL1对应时刻的机组电流变送器IL2、电压变送器VL2和功率因数变送器
Figure FDA0002800520790000027
计算获得5分钟的有功功率平均值PL2，计算公式为
Figure FDA0002800520790000028
将PL1和PL2进行对比，若
Figure FDA0002800520790000025
误差小于0.5％，则机组有功功率选择PL1，若误差大于0.5％，则取二者平均值，则机组有功功率为
Figure FDA0002800520790000026
4.根据权利要求2所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：第i个机组的煤耗量曲线函数CurPi的计算方法为：
(1)确定训练样本容量及样本集。利用步骤1获取的全网所有m个火电机组的历史机组信息集θ，作为训练样本集；训练数据样本集为tθ对应的
Figure FDA0002800520790000031
其中Pθi∈Rn为输入变量，Bθi∈Rn为相应的输出值；
(2)构建最小二乘法方程组CurPi＝Bθi＝ci+biPθi+aiPθi 2，其中系数ai、bi、ci能使得
Figure FDA0002800520790000032
为最小值；
(3)利用多元函数求极值方法使得函数CurPi＝Bθi＝ci+biPθi+aiPθi 2取最小值，对
Figure FDA0002800520790000033
偏导，求得方程组
Figure FDA0002800520790000034
(4)将训练数据样本集为tθ对应的
Figure FDA0002800520790000035
代入方程组，求得系数ai、bi、ci；
(5)生成综合煤耗曲线CurPi＝Bθi＝ci+biPθi+aiPθi 2。
5.根据权利要求1所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：步骤4所述构建考虑在线煤耗曲线的多能源接入电网优化调度的目标函数的方法为：根据鲁棒调度结合确定性调度的约束条件，以最坏情况下的优化为基础，通过优化目标函数的下限值，使得不确定性因素变化时仍能保证调度方案维持在一定的经济性水平，即：
minf1+f2+f3
Figure FDA0002800520790000041
其中：
f1为火电机组开停机费用；
f2为火电机组运行费用；
f3为参与备用调节的水电机组运行费用；
f(t)为水电机组出力调整开关函数；
NT为火电机组台数(NT＝m)；
NdH为参与备用调节的水电机组台数；
uit为火电机组开机状态向量；
SUi为火电机组开机费用向量；
vit为火电机组停机状态向量；
SDi为火电机组停机费用向量；
s为间歇性电源出力轨迹向量，定义NR为调度周期内风、光、水、和气有功出力向量构成的多维向量空间，Pf为风电有功出力向量，Pg为光伏有功出力向量，Ph为小水电有功出力向量，Pq为煤层气有功出力向量，则有{s∈NR|NR＝Pf∪Pg∪Ph∪Pq}；
αi、αj为机组i、j的运行状态向量；
β为运算向量,
Figure FDA0002800520790000051
pit为火电机组i鲁棒轨迹有功计划出力向量；
qit(s)为间歇性电源出力轨迹s下火电机组i的调整出力向量；
为水电机组j鲁棒轨迹(对应于新能源出力预测场景)上的计划出力向量；
qjt(s)为间歇性电源出力轨迹s下水电机组i的调整出力向量；
pds,it为间歇性电源出力轨迹s下火电机组总负备用向量；
qdn,it(s)为间歇性电源出力轨迹s下最大负备用需求向量；
qup,it(s)为间歇性电源出力轨迹s下最大正备用需求向量；
fi(pit)为采用实时修正的煤耗曲线fi(pit)＝ci+biPθit+aiPθit 2，以确保实时煤耗曲线的最优。
6.根据权利要求1所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：步骤5所述建立考虑在线煤耗曲线的多能源接入电网优化调度的约束条件的方法包括：
步骤5.1、机组出力总和调整前后相等，即满足有功功率平衡条件：
Figure FDA0002800520790000052
PLt为负荷短期预测向量；
pjt为节能调度系统给出的第j个水电厂的计划出力向量；
为间歇性电源类型，l＝1,2,…,NM；
pkt为第k个间歇性电源机组短期出力预测向量；
NW为间歇性电源机组数；
NH为水电机组台数；
qit(s)为间歇性电源出力轨迹s下火电机组j的调整出力向量；
ΔPt为间歇性电源出力轨迹s下间歇性电源预测误差向量；
步骤5.2、中调火电机组备用约束：
火电机组出力调整后，出力需介于最小、最大出力区间之内；火电机组出力调整量受限于旋转备用响应速度和时间；公式为：
Figure FDA0002800520790000061
pimax、pimin分别为机组i技术出力上、下限向量；
Δpi,up、Δpi,dn分别为机组i出力上调、下调的最大速率向量；
Δt为火电机组旋转备用响应时间，设置为5-10min；
步骤5.3、火电机组相邻时段爬坡速率约束：
Figure FDA0002800520790000062
Figure FDA0002800520790000063
s为时段内轨迹s出力波动边界向量；
步骤5.4、水电机组日流量约束：
水电机组的发电功率与机组的工作效率、水轮机的工作水头、水轮机的引用流量有关，公式为：
pjt＝9.8ηjΥjtQjt,j∈NdH
式中，ηj为水电机组j的效率；Υjt为水轮机第t时段的工作水头；Qjt为水轮机第t时段的引用流量；
水电的日发电量用水量根据水电调度部门的分配，水电转换关系为：
Figure FDA0002800520790000071
式中
Tch为参与备用调节总时段数；
Qimin为总调节时段内日分配最小用水量；
Qimax为总调节时段内日分配最大用水量。
7.根据权利要求1所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：步骤6所述利用粒子群算法对考虑在线煤耗曲线的多能源接入电网优化调度目标函数进行求解的方法为：第i个粒子在d维空间的坐标为：Xi(xi1,xi2,xi3…xid)，速度为Vi(vi1,vi2,vi3…vid)确定一次迭代的位移，粒子在搜索过程中由种群及个体的经验来改变本身位置；在PSO中通过跟踪两个相关极值来更新粒子，其中一个是本身得到的最优解Pi(pi1,pi2,pi3,…,pid)，另一个是到目前为止种群所得到的最优解Pg(pg1,pg2,pg3,…,pgd)；迭代公式如下：
vid＝w×vid+c1×rand()×(pid-xid)+c2×rand()×(pgd-xgd)
xid＝xid+vid
式中w为惯性权重；c1和c2为加速因子。
8.根据权利要求1所述的一种考虑在线煤耗曲线的多能源接入电网优化调度方法，其特征在于：安全校核的方法为：利用网络拓扑结构数据、负荷预测数据、间歇性电源发电功率预测数据、检修计划数据以及求得的发电计划，计算次日96点时刻的系统潮流，并根据安全限额进行断面潮流越限判断，完成安全校核工作；当断面潮流无越限时，则将考虑在线煤耗曲线的多能源接入电网优化调度计划下发执行；当安全校核结果出现稳定越限时，则调整可调控电源发电计划，并重复步骤1-6，直至安全校核通过。
CN202011348045.XA 2020-11-26 2020-11-26 一种考虑在线煤耗曲线的多能源接入电网优化调度方法 Active CN112491049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011348045.XA CN112491049B (zh) 2020-11-26 2020-11-26 一种考虑在线煤耗曲线的多能源接入电网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011348045.XA CN112491049B (zh) 2020-11-26 2020-11-26 一种考虑在线煤耗曲线的多能源接入电网优化调度方法

Publications (2)

Publication Number Publication Date
CN112491049A true CN112491049A (zh) 2021-03-12
CN112491049B CN112491049B (zh) 2022-10-11

Family

ID=74935023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011348045.XA Active CN112491049B (zh) 2020-11-26 2020-11-26 一种考虑在线煤耗曲线的多能源接入电网优化调度方法

Country Status (1)

Country Link
CN (1) CN112491049B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114844227A (zh) * 2022-07-04 2022-08-02 广东电网有限责任公司佛山供电局 一种电网运行安全监督管理系统及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593975A (zh) * 2009-06-24 2009-12-02 广东省电力调度中心 一种节能发电调度方法
CN101701719A (zh) * 2009-11-17 2010-05-05 武汉大学 一种火电厂最佳燃烧节煤发电控制方法及其装置
CN101725998A (zh) * 2009-12-14 2010-06-09 贵州电力试验研究院 煤耗在线监测系统中异常数据的判定及替换系统
CN101738972A (zh) * 2009-12-14 2010-06-16 贵州电力试验研究院 检测煤耗在线监测系统监测准确性的测试方法
CN102184472A (zh) * 2011-05-03 2011-09-14 西安交通大学 一种基于电网调度侧需求的风水火联合调度方法
CN102263436A (zh) * 2011-03-31 2011-11-30 中国神华能源股份有限公司 电网节能调度实时煤耗在线监控系统
CN102930351A (zh) * 2012-10-26 2013-02-13 安徽省电力公司 一种综合节能优化调度日计划生成方法
CN103345663A (zh) * 2013-07-18 2013-10-09 厦门大学 考虑爬坡速率约束的电力系统机组组合优化方法
CN103426032A (zh) * 2013-07-25 2013-12-04 广东电网公司电力科学研究院 一种热电联产机组的经济优化调度方法
CN104123593A (zh) * 2014-07-16 2014-10-29 上海交通大学 基于煤耗特性曲线在线滚动更新的多模式负荷调度方法
CN104484543A (zh) * 2014-07-10 2015-04-01 国家电网公司 一种兼顾节能减排和三公调度的机组综合运行评价方法
CN105098843A (zh) * 2015-08-25 2015-11-25 南京南瑞继保电气有限公司 用于火电厂厂级自动发电控制系统的负荷优化分配方法和系统
CN105811405A (zh) * 2016-03-25 2016-07-27 贵州电网有限责任公司 一种风光水气发电联合运行广域系统优化控制方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593975A (zh) * 2009-06-24 2009-12-02 广东省电力调度中心 一种节能发电调度方法
CN101701719A (zh) * 2009-11-17 2010-05-05 武汉大学 一种火电厂最佳燃烧节煤发电控制方法及其装置
CN101725998A (zh) * 2009-12-14 2010-06-09 贵州电力试验研究院 煤耗在线监测系统中异常数据的判定及替换系统
CN101738972A (zh) * 2009-12-14 2010-06-16 贵州电力试验研究院 检测煤耗在线监测系统监测准确性的测试方法
CN102263436A (zh) * 2011-03-31 2011-11-30 中国神华能源股份有限公司 电网节能调度实时煤耗在线监控系统
CN102184472A (zh) * 2011-05-03 2011-09-14 西安交通大学 一种基于电网调度侧需求的风水火联合调度方法
CN102930351A (zh) * 2012-10-26 2013-02-13 安徽省电力公司 一种综合节能优化调度日计划生成方法
CN103345663A (zh) * 2013-07-18 2013-10-09 厦门大学 考虑爬坡速率约束的电力系统机组组合优化方法
CN103426032A (zh) * 2013-07-25 2013-12-04 广东电网公司电力科学研究院 一种热电联产机组的经济优化调度方法
CN104484543A (zh) * 2014-07-10 2015-04-01 国家电网公司 一种兼顾节能减排和三公调度的机组综合运行评价方法
CN104123593A (zh) * 2014-07-16 2014-10-29 上海交通大学 基于煤耗特性曲线在线滚动更新的多模式负荷调度方法
CN105098843A (zh) * 2015-08-25 2015-11-25 南京南瑞继保电气有限公司 用于火电厂厂级自动发电控制系统的负荷优化分配方法和系统
CN105811405A (zh) * 2016-03-25 2016-07-27 贵州电网有限责任公司 一种风光水气发电联合运行广域系统优化控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHAO BAOZHU等: "Coordinated Optimization of Electric-Thermal System for Renewable Energy Clean Heating", 《2018 3RD INTERNATIONAL CONFERENCE ON SMART CITY AND SYSTEMS ENGINEERING (ICSCSE)》 *
向德军等: "基于实测煤耗的AGC电厂负荷优化分配", 《电力系统自动化》 *
李卓等: "蚁群算法在电力系统中的应用评述", 《新型工业化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114844227A (zh) * 2022-07-04 2022-08-02 广东电网有限责任公司佛山供电局 一种电网运行安全监督管理系统及方法

Also Published As

Publication number Publication date
CN112491049B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112510703B (zh) 一种考虑煤耗曲线修正的多能源接入电网优化调度方法
CN110970912B (zh) 一种含储能的新能源电力系统运行模拟方法
CN106877338B (zh) 含高密度间歇性能源的交直流微电网不确定优化运行方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN108092324B (zh) 一种风电参与调峰调频的agc控制系统和控制方法
CN107947165A (zh) 一种面向调节需求的配电网灵活性评价方法
CN108039737B (zh) 一种源网荷协调运行模拟系统
CN112653154B (zh) 基于边缘计算的分布式光伏配电网无功优化控制方法
CN106549420B (zh) 考虑风险和风力发电的电力系统运行备用优化方法
CN108390387B (zh) 一种动态自律分散协调的源荷调峰控制方法
CN102545707A (zh) 以发电单元为基本预测单元的发电功率预测方法及系统
CN112699562B (zh) 一种构建配电网架构的方法及终端
WO2023083235A1 (zh) 一种分散式预测电网的优化方法及系统
CN115912351A (zh) 光伏日内日前模型预测方法、系统、设备及介质
CN113937825A (zh) 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法
CN110492529A (zh) 一种考虑海水淡化的沿海多源多荷协调控制系统和方法
CN116014797A (zh) 一种配网新能源接纳能力提升的评估方法
CN117039852A (zh) 风光水互补电站的功率预测方法、装置、设备及存储介质
CN112491049B (zh) 一种考虑在线煤耗曲线的多能源接入电网优化调度方法
CN109217324B (zh) 一种计及无功电价补偿的自动电压控制系统和控制方法
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN116885840A (zh) 一种基于实时数据的分布式新能源在线监测方法及系统
CN109378857B (zh) 一种负荷尖峰时刻风电预测可信度风险计算方法
CN116667333A (zh) 一种新能源发电和用电功率预测系统及方法
CN114530848B (zh) 一种光储虚拟电厂多时间尺度动态划分方法

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