CN112803494B - 一种含风光水火的多目标agc协调优化方法及系统 - Google Patents

一种含风光水火的多目标agc协调优化方法及系统 Download PDF

Info

Publication number
CN112803494B
CN112803494B CN202110189019.5A CN202110189019A CN112803494B CN 112803494 B CN112803494 B CN 112803494B CN 202110189019 A CN202110189019 A CN 202110189019A CN 112803494 B CN112803494 B CN 112803494B
Authority
CN
China
Prior art keywords
unit
power
agc
frequency modulation
wind
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.)
Active
Application number
CN202110189019.5A
Other languages
English (en)
Other versions
CN112803494A (zh
Inventor
吴晋波
宋兴荣
熊尚峰
任洲洋
杨志学
洪权
李理
蔡昱华
刘志豪
龚禹生
肖纳敏
朱维钧
欧阳帆
刘伟良
梁文武
臧欣
徐浩
余斌
李刚
严亚兵
许立强
王善诺
尹超勇
徐彪
肖豪龙
李振文
谢培元
刘力
周帆
姜新凡
胡迪军
李龙
周挺
彭铖
毛文奇
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
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
State Grid Hunan 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, Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd, State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110189019.5A priority Critical patent/CN112803494B/zh
Publication of CN112803494A publication Critical patent/CN112803494A/zh
Application granted granted Critical
Publication of CN112803494B publication Critical patent/CN112803494B/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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic 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
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种含风光水火的多目标AGC协调优化方法及系统，本发明包括计算各个AGC机组的调频性能指标，建立含风光水火的多目标AGC协调优化模型，并设置约束条件；求解含风光水火的多目标AGC协调优化模型，分别得到包含各个AGC机组的调节功率分配结果的。本发明充分考虑了网架结构和机组和出力特性，通过合理调节各个AGC机组出力，可以有效降低系统调频成本和网损成本，并且保证了频率质量的要求，具有重要的意义与优势，同时可广泛应用在不同总调节功率和调节方向下的AGC机组功率分配，能够为电力系统AGC优化和功率分配问题提供有益的参考。

Description

一种含风光水火的多目标AGC协调优化方法及系统
技术领域
本发明涉及电力系统调度领域，具体涉及一种含风光水火的多目标AGC协调优化方法及系统。
背景技术
随着全球范围内传统化石燃料及能源的巨大消耗，环境污染日益严重的背景下，大力发展以风光为代表的可再生能源成为了世界各国应对能源危机与环境污染的战略重点。而随着高比例可再生能源的并网，火电机组的逐步退出和新能源机组的逐步增加，新能源势必参与AGC控制，因此，含可再生能源和常规能源的AGC协调调度成为电力系统领域的巨大挑战。
在传统AGC控制中，电网通过感知系统频率偏差ΔF和联络线功率偏差ΔPT去确定区域的总调节功率ΔPG并且按照某种功率分配机制确定各AGC机组的调节功率。传统的以机组装机容量比例或预设的分担系数进行功率分配的比例分配法难以适用高比例新能源并网下经济性和安全可靠性的要求。目前很多学者对AGC优化控制展开了一系列研究，但是遗憾的是，目前展开的一系列研究主要集中在火电和水电机组的AGC控制和优化策略，鲜有讨论新能源机组和常规机组的协调优化方法。而新能源参与电网调频已经成为不可阻挡的趋势。因此探讨常规机组和新能源机组的协调优化策略是极其必要且富有实际工程价值的。然而，目前尚未见到有研究考虑风光水火多目标AGC协调控制的研究。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种含风光水火的多目标AGC协调优化方法及系统，本发明充分考虑了网架结构和机组和出力特性，通过合理调节各个AGC机组出力，可以有效降低系统调频成本和网损成本，并且保证了频率质量的要求，具有重要的意义与优势，同时可广泛应用在不同总调节功率和调节方向下的AGC机组功率分配，能够为电力系统AGC优化和功率分配问题提供有益的参考。
为了解决上述技术问题，本发明采用的技术方案为：
一种含风光水火的多目标AGC协调优化方法，包括：
1)获取电网调度基础数据，并分别计算各个AGC机组的调频性能指标；
2)基于AGC机组的调频性能指标建立含风光水火的多目标AGC协调优化模型，并设置含风光水火的多目标AGC协调优化模型的约束条件；
3)求解含风光水火的多目标AGC协调优化模型，分别得到包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案。
可选地，步骤1)中的AGC机组的调频性能指标包括调频成本、调频速度和调频精度。
可选地，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频成本的计算函数表达式为：
c＝6×β×k1×k2
上式中，c表示该机组的调频成本，k1为该机组的响应速度，k2为该机组的调节精度，β为该机组的指标系数，其中响应速度k1和调节精度k2的计算函数表达式为：
Figure BDA0002944554670000021
Figure BDA0002944554670000022
上式中，P为该机组的调节过程实际出力，ΔPz为该机组的调节过程最终指令与初始出力的差值，ΔP为实际调节过程中的调节幅度，ΔT为实际调节过程的调节时间，Pz为该机组调节过程中任意节点z的指令，P为节点z对应的实际出力，T1为调节补偿时间，T0为预期调节时间，e为调频精度，abs为取绝对值函数。
可选地，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频速度的计算函数表达式为：
Figure BDA0002944554670000023
上式中，v表示该机组的调频速度，P0和P1分别表示该机组的调节功率初值和调节功率目标值，t0和t1分别表示该机组的机组开始调节时刻和达到调节目标的时刻。
可选地，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频精度的计算函数表达式为：
Figure BDA0002944554670000024
上式中，q表示该机组的调频精度，P1表示该机组的机组功率的第1个采样值，Pj表示该机组的机组功率的第j个采样值，N表示采样点个数。
可选地，步骤2)中建立含风光水火的多目标AGC协调优化模型的函数表达式为：
Figure BDA0002944554670000031
上式中，cw,i、cP,i、cH,i、cT,i分别为第i台风电、光电、水电、火电机组调频成本；vw,i、vP,i、vH,i、vT,i分别为第i台风电、光电、水电、火电机组的调频速度；qw,i、qP,i、qH,i、qT,i分别为第i台风电、光电、水电、火电机组的调频精度；Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力；π为电价；Ploss为网损；F1为电网的调频成本和网损成本之和；F2为电网的平均调频速度；F3为电网的调频精度；NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量。
可选地，步骤2)中设置的含风光水火的多目标AGC协调优化模型的约束条件包括系统功率平衡约束、调频功率约束、机组出力约束和线路传输功率限制约束；
其中，系统功率平衡约束的函数表达式为：
PW+PP+PH+PT-PD-KΔf＝0
上式中，PD为预测负荷；KΔf为一次调频量；K为控制区单位调节功率；Δf为系统频率相对初始频率的偏差；PW、PP、PH、PT分别表示风电、光电、水电、火电机组参与二次调频的出力；
其中，调频功率约束的函数表达式为：
Figure BDA0002944554670000032
上式中，PACE是通过计算区域控制偏差ACE所求到的系统总调节功率，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量；
其中，机组出力约束的函数表达式为：
Figure BDA0002944554670000041
上式中，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，P w,i、P P,i、P H,i、P T,i分别表示第i个风、光、水、火机组出力的下限，
Figure BDA0002944554670000042
Figure BDA0002944554670000043
分别表示第i个风、光、水、火机组出力的上限；
其中，线路传输功率限制约束的函数表达式为：
Figure BDA0002944554670000044
上式中，ρl为线路的负载率，Pl为线路功率，Pl max表示第l条支路的最大线路传输功率。
可选地，步骤3)中求解含风光水火的多目标AGC协调优化模型具体是指利用多目标粒子群算法求解含风光水火的多目标AGC协调优化模型，具体步骤包括：
3.1)输入多目标粒子群算法的学习参数和惯性系数，并设定迭代终止条件为迭代次数T等于预设阈值Tmax；建立外部档案集，且外部档案集初始为空；设置迭代次数T＝1，初始化种群个体，一个种群个体包含一种AGC功率分配方案，且种群个体采用实数编码；
3.2)利用含风光水火的多目标AGC协调优化模型计算在给定AGC功率分配方案下的电网的调频成本和网损成本之和F1、电网的平均调频速度F2和电网的调频精度F3，得到每个粒子的目标函数向量集合；
3.3)基于目标函数向量集合，对比每个粒子之间的帕累托支配关系，将互补支配的粒子写入外部档案集；从外部档案集中选择gbest作为本次迭代的全局最优解；所述gbest表示目标函数值最小的粒子；
3.4)更新各个粒子的速度和位置，得到新的AGC功率分配方案，令迭代次数T＝T+1；
3.5)针对种群个体进行选择、交叉、变异更新种群个体；
3.6)判断终止条件是否成立，若是，则结束迭代，并输出全局最优解作为包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案，若否，则返回步骤3.2)。
此外，本发明还提供一种含风光水火的多目标AGC协调优化系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述含风光水火的多目标AGC协调优化方法的步骤。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有被编程或配置以执行所述含风光水火的多目标AGC协调优化方法的计算机程序。
和现有技术相比，本发明具有下述优点：本发明包括计算各个AGC机组的调频性能指标，建立含风光水火的多目标AGC协调优化模型，并设置约束条件；求解含风光水火的多目标AGC协调优化模型，分别得到包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案。本发明充分考虑了网架结构和机组和出力特性，通过合理调节各个AGC机组出力，可以有效降低系统调频成本和网损成本，并且保证了频率质量的要求，具有重要的意义与优势，同时可广泛应用在不同总调节功率和调节方向下的AGC机组功率分配，能够为电力系统AGC优化和功率分配问题提供有益的参考。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例中求解含风光水火的多目标AGC协调优化模型的流程示意图。
图3为本发明实施例中迭代求解得到的帕累托最优解集。
图4为本发明实施例中最终得到的AGC机组最佳功率分配方案。
具体实施方式
下面下一某地区含风光水火的AGC机组为例，结合实施例对本发明作进一步说明。该地区含风光水火的AGC机组分别包括火电厂#1、火电厂#2、火电厂#3、水电厂#1、风电场#1、风电场#2、光伏电站#1、光伏电站#2、光伏电站#3、光伏电站#4以及光伏电站#5。
如图1所示，本实施例含风光水火的多目标AGC协调优化方法包括：
1)获取电网调度基础数据，并分别计算各个AGC机组的调频性能指标；
2)基于AGC机组的调频性能指标建立含风光水火的多目标AGC协调优化模型，并设置含风光水火的多目标AGC协调优化模型的约束条件；
3)求解含风光水火的多目标AGC协调优化模型，分别得到包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案。
作为一种可选的实施方式，本实施例步骤1)中的AGC机组的调频性能指标包括调频成本、调频速度和调频精度。
其中，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频成本的计算函数表达式为：
c＝6×β×k1×k2
上式中，c表示该机组的调频成本，k1为该机组的响应速度，k2为该机组的调节精度，β为该机组的指标系数(不同类型AGC机组有不同的指标系数β，AGC机组类型包括风电机组、光电机组、水电机组和火电机组，例如本实施例中水电β的指标系数＝1，火电的β的指标系数＝1.4)，其中响应速度k1和调节精度k2的计算函数表达式为：
Figure BDA0002944554670000061
Figure BDA0002944554670000062
上式中，P为该机组的调节过程实际出力(MW)，ΔPz为该机组的调节过程最终指令与初始出力的差值(MW)，ΔP为实际调节过程中的调节幅度(MW)，ΔT为实际调节过程的调节时间(s)，Pz为该机组调节过程中任意节点z的指令，P为节点z对应的实际出力，T1为调节补偿时间，T0为预期调节时间，e为调频精度，abs为取绝对值函数。其中对于火电：亚临界机组取0～30秒、超临界机组取0～20秒，水电：取0～5秒。
调频速度用于表征AGC机组在调节期间，有功出力对时间的变化率。作为一种可选的实施方式，本实施例步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频速度的计算函数表达式为：
Figure BDA0002944554670000063
上式中，v表示该机组的调频速度(MW/min)，P0和P1分别表示该机组的调节功率初值和调节功率目标值，t0和t1分别表示该机组的机组开始调节时刻和达到调节目标的时刻。
其中，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频精度的计算函数表达式为：
Figure BDA0002944554670000064
上式中，q表示该机组的调频精度，P1表示该机组的机组功率的第1个采样值，Pj表示该机组的机组功率的第j个采样值，N表示采样点个数。
基于前述调频成本、调频速度和调频精度可知，本实施例步骤1)中获取的电网调度基础数据包括AGC机组历史统计数据和电网结构数据。其中，AGC机组历史统计数据包括机组的调节功率初值P0、机组的调节功率目标值P1、机组开始调节时刻t0、达到调节目标的时刻t1和在调节周期内的机组调节功率集合P＝[P0,..,PN]。电网结构数据包括电网的结构拓扑、支路阻抗和节点负荷。
作为一种可选的实施方式，本实施例步骤2)中建立含风光水火的多目标AGC协调优化模型的函数表达式为：
Figure BDA0002944554670000071
上式中，cw,i、cP,i、cH,i、cT,i分别为第i台风电、光电、水电、火电机组调频成本；vw,i、vP,i、vH,i、vT,i分别为第i台风电、光电、水电、火电机组的调频速度；qw,i、qP,i、qH,i、qT,i分别为第i台风电、光电、水电、火电机组的调频精度；Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力；π为电价；Ploss为网损；F1为电网的调频成本和网损成本之和；F2为电网的平均调频速度；F3为电网的调频精度；NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量。
作为一种可选的实施方式，本实施例步骤2)中设置的含风光水火的多目标AGC协调优化模型的约束条件包括系统功率平衡约束、调频功率约束、机组出力约束和线路传输功率限制约束；
其中，系统功率平衡约束的函数表达式为：
PW+PP+PH+PT-PD-KΔf＝0
上式中，PD为预测负荷；KΔf为一次调频量；K为控制区单位调节功率；Δf为系统频率相对初始频率的偏差；PW、PP、PH、PT分别表示风电、光电、水电、火电机组参与二次调频的出力；
其中，调频功率约束的函数表达式为：
Figure BDA0002944554670000072
上式中，PACE是通过计算区域控制偏差ACE所求到的系统总调节功率，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量；
其中，机组出力约束的函数表达式为：
Figure BDA0002944554670000081
上式中，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，P w,i、P P,i、P H,i、P T,i分别表示第i个风、光、水、火机组出力的下限，
Figure BDA0002944554670000082
Figure BDA0002944554670000083
分别表示第i个风、光、水、火机组出力的上限；
其中，线路传输功率限制约束的函数表达式为：
Figure BDA0002944554670000084
上式中，ρl为线路的负载率，Pl为线路功率，Pl max表示第l条支路的最大线路传输功率。为了充分考虑网架的送出能力，避免网络发生功率阻塞，线路功率应该始终满足如上约束条件。本实施例中的目标地区电网中，500kV线路的最大传输功率为2368MW，220kV的最大传输功率为1134MW，110kV的最大传输功率为648MW。
作为一种可选的实施方式，如图2所示，本实施例步骤3)中求解含风光水火的多目标AGC协调优化模型具体是指利用多目标粒子群算法求解含风光水火的多目标AGC协调优化模型，具体步骤包括：
3.1)输入多目标粒子群算法的学习参数和惯性系数，并设定迭代终止条件为迭代次数T等于预设阈值Tmax；建立外部档案集，且外部档案集初始为空；设置迭代次数T＝1，初始化种群个体，一个种群个体包含一种AGC功率分配方案，且种群个体采用实数编码；
3.2)利用含风光水火的多目标AGC协调优化模型计算在给定AGC功率分配方案下的电网的调频成本和网损成本之和F1、电网的平均调频速度F2和电网的调频精度F3，得到每个粒子的目标函数向量集合；
3.3)基于目标函数向量集合，对比每个粒子之间的帕累托支配关系，将互补支配的粒子写入外部档案集；从外部档案集中选择gbest作为本次迭代的全局最优解；所述gbest表示目标函数值最小的粒子；
3.4)更新各个粒子的速度和位置，得到新的AGC功率分配方案，令迭代次数T＝T+1；
3.5)针对种群个体进行选择、交叉、变异更新种群个体；
3.6)判断终止条件是否成立，若是，则结束迭代，并输出全局最优解作为包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案，若否，则返回步骤3.2)。
本实施例步骤3.1)中初始化种群个体时，各个AGC机组的初始功率及其出力、容量信息如下表1所示。
表1：各个AGC机组的初始功率及其出力、容量信息表。
AGC机组 出力上限(MW) 出力下限(MW) 初始功率(MW) 装机容量(MW)
火电厂#1 500 300 253.85 500
火电厂#2 350 200 266.412 360
火电厂#3 300 180 213.303 300
水电厂#1 550 300 430.154 600
风电场#1 100 0 30 100
风电场#2 100 0 30 100
光伏电站#1 80 0 20 40
光伏电站#2 100 0 58.756 80
光伏电站#3 100 0 20 80
光伏电站#4 100 0 20 60
光伏电站#5 50 0 8 20
本实施例中，最终得到的外部档案集(帕累托最优解集)如图3所示，步骤3.6)中针对外部档案集(帕累托最优解集)中的帕累托最优解中选取全局最优解作为包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案。
为了对本发明实施例方法进行验证，将本实施例得到的AGC机组最佳功率分配方案(Case2)和现有AGC机组功率分配方案进行对比，得到的结果如表2和图4所示。
Figure BDA0002944554670000091
参见表2和图4可知，通过本实施例含风光水火的多目标AGC协调优化方法进行AGC功率分配，使得调频成本和网损成本分别下降9.56％和13.87％，调频成本的下降主要是由于通过模型间接引入市场竞争的机制，使得电网选择了大量价格实惠的水电以及新能源以应对功率缺额，而又通过合理调节各个机组的出力比例，使得网损成本也进一步下降，使得电网侧运行更加经济。另外，水电调频占比的提升，也进一步提升了系统的平均调频速度，使得电网的调频速度由13.70MW/min提升到17.83MW/min。但是，由于为了降低成本和提升调频速度，火电出力比例降低，使得系统的调频精度也有所下降。另外，也可以看出，Case1的线路最大负载率为1.0447，超出线路最大传输功率的限制，而Case2却在可控范围内，并且网架平均负载率也比Case1低6.6％。二者的区别是因为本实施例含风光水火的多目标AGC协调优化方法提出的模型充分考虑了电网的实际网架结构和功率送出能力，通过合理协调新能源和火电机组出力，为所在区域电网提供功率支撑，分担高负载率线路的功率传输压力，保证线路传输功率都在允许范围内，而传统的比例分配法脱离实际网架结构，根本无法兼顾线路传输能力，容易导致发生网络功率阻塞。由此可见，本实施例含风光水火的多目标AGC协调优化方法可广泛应用在不同总调节功率和调节方向下的AGC机组功率分配，能够为电力系统AGC优化和功率分配问题提供有益的参考，对于含风光水火的多目标AGC协调优化方法具有重要的意义与优势。
此外，本实施例还提供一种含风光水火的多目标AGC协调优化系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行前述含风光水火的多目标AGC协调优化方法的步骤。
此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有被编程或配置以执行前述含风光水火的多目标AGC协调优化方法的计算机程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种含风光水火的多目标AGC协调优化方法，其特征在于，包括：
1)获取电网调度基础数据，并分别计算各个AGC机组的调频性能指标；
2)基于AGC机组的调频性能指标建立含风光水火的多目标AGC协调优化模型，并设置含风光水火的多目标AGC协调优化模型的约束条件；其中，建立的含风光水火的多目标AGC协调优化模型的函数表达式为：
Figure FDA0003576672510000011
上式中，cw,i、cP,i、cH,i、cT,i分别为第i台风电、光电、水电、火电机组调频成本；vw,i、vP,i、vH,i、vT,i分别为第i台风电、光电、水电、火电机组的调频速度；qw,i、qP,i、qH,i、qT,i分别为第i台风电、光电、水电、火电机组的调频精度；Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力；π为电价；Ploss为网损；F1为电网的调频成本和网损成本之和；F2为电网的平均调频速度；F3为电网的调频精度；NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量；
3)求解含风光水火的多目标AGC协调优化模型，分别得到包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案。
2.根据权利要求1所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤1)中的AGC机组的调频性能指标包括调频成本、调频速度和调频精度。
3.根据权利要求2所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频成本的计算函数表达式为：
c＝6×β×k1×k2
上式中，c表示该机组的调频成本，k1为该机组的响应速度，k2为该机组的调节精度，β为该机组的指标系数，其中响应速度k1和调节精度k2的计算函数表达式为：
Figure FDA0003576672510000021
Figure FDA0003576672510000022
上式中，P为该机组的调节过程实际出力，ΔPz为该机组的调节过程最终指令与初始出力的差值，ΔP为实际调节过程中的调节幅度，ΔT为实际调节过程的调节时间，Pz为该机组调节过程中任意节点z的指令，P为节点z对应的实际出力，T1为调节补偿时间，T0为预期调节时间，e为调频精度，abs为取绝对值函数。
4.根据权利要求2所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频速度的计算函数表达式为：
Figure FDA0003576672510000023
上式中，v表示该机组的调频速度，P0和P1分别表示该机组的调节功率初值和调节功率目标值，t0和t1分别表示该机组的机组开始调节时刻和达到调节目标的时刻。
5.根据权利要求2所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤1)中计算任一机组的AGC机组的调频性能指标时，任一机组的调频精度的计算函数表达式为：
Figure FDA0003576672510000024
上式中，q表示该机组的调频精度，P1表示该机组的机组功率的第1个采样值，Pj表示该机组的机组功率的第j个采样值，N表示采样点个数。
6.根据权利要求2所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤2)中设置的含风光水火的多目标AGC协调优化模型的约束条件包括系统功率平衡约束、调频功率约束、机组出力约束和线路传输功率限制约束；
其中，系统功率平衡约束的函数表达式为：
PW+PP+PH+PT-PD-KΔf＝0
上式中，PD为预测负荷；KΔf为一次调频量；K为控制区单位调节功率；Δf为系统频率相对初始频率的偏差；PW、PP、PH、PT分别表示风电、光电、水电、火电机组参与二次调频的出力；
其中，调频功率约束的函数表达式为：
Figure FDA0003576672510000031
上式中，PACE是通过计算区域控制偏差ACE所求到的系统总调节功率，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，NW、NP、NH、NT分别表示风电、光电、水电、火电机组的数量；
其中，机组出力约束的函数表达式为：
Figure FDA0003576672510000032
上式中，Pw,i、PP,i、PH,i、PT,i分别为第i台风电、光电、水电、火电机组参与二次调频的出力，P w,i、P P,i、P H,i、P T,i分别表示第i个风、光、水、火机组出力的下限，
Figure FDA0003576672510000033
Figure FDA0003576672510000034
分别表示第i个风、光、水、火机组出力的上限；
其中，线路传输功率限制约束的函数表达式为：
Figure FDA0003576672510000035
上式中，ρl为线路的负载率，Pl为线路功率，
Figure FDA0003576672510000036
表示第l条支路的最大线路传输功率。
7.根据权利要求2所述的含风光水火的多目标AGC协调优化方法，其特征在于，步骤3)中求解含风光水火的多目标AGC协调优化模型具体是指利用多目标粒子群算法求解含风光水火的多目标AGC协调优化模型，具体步骤包括：
3.1)输入多目标粒子群算法的学习参数和惯性系数，并设定迭代终止条件为迭代次数T等于预设阈值Tmax；建立外部档案集，且外部档案集初始为空；设置迭代次数T＝1，初始化种群个体，一个种群个体包含一种AGC功率分配方案，且种群个体采用实数编码；
3.2)利用含风光水火的多目标AGC协调优化模型计算在给定AGC功率分配方案下的电网的调频成本和网损成本之和F1、电网的平均调频速度F2和电网的调频精度F3，得到每个粒子的目标函数向量集合；
3.3)基于目标函数向量集合，对比每个粒子之间的帕累托支配关系，将互补支配的粒子写入外部档案集；从外部档案集中选择gbest作为本次迭代的全局最优解；所述gbest表示目标函数值最小的粒子；
3.4)更新各个粒子的速度和位置，得到新的AGC功率分配方案，令迭代次数T＝T+1；
3.5)针对种群个体进行选择、交叉、变异更新种群个体；
3.6)判断终止条件是否成立，若是，则结束迭代，并输出全局最优解作为包含各个AGC机组的调节功率分配结果的AGC机组最佳功率分配方案，若否，则返回步骤3.2)。
8.一种含风光水火的多目标AGC协调优化系统，包括相互连接的微处理器和存储器，其特征在于，所述微处理器被编程或配置以执行权利要求1～7中任意一项所述含风光水火的多目标AGC协调优化方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有被编程或配置以执行权利要求1～7中任意一项所述含风光水火的多目标AGC协调优化方法的计算机程序。
CN202110189019.5A 2021-02-19 2021-02-19 一种含风光水火的多目标agc协调优化方法及系统 Active CN112803494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110189019.5A CN112803494B (zh) 2021-02-19 2021-02-19 一种含风光水火的多目标agc协调优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110189019.5A CN112803494B (zh) 2021-02-19 2021-02-19 一种含风光水火的多目标agc协调优化方法及系统

Publications (2)

Publication Number Publication Date
CN112803494A CN112803494A (zh) 2021-05-14
CN112803494B true CN112803494B (zh) 2022-06-21

Family

ID=75815206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110189019.5A Active CN112803494B (zh) 2021-02-19 2021-02-19 一种含风光水火的多目标agc协调优化方法及系统

Country Status (1)

Country Link
CN (1) CN112803494B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452078B (zh) * 2021-06-03 2022-06-07 武汉大学 基于新能源接入及水火电特性的agc多目标协调优化策略
CN115864429A (zh) * 2022-08-31 2023-03-28 湖北工业大学 双碳目标下风储火协同的多目标优化agc方法
CN115640982B (zh) * 2022-11-18 2023-03-31 武汉大学 基于抽水蓄能优先调节的多能互补系统日前优化调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037761A (zh) * 2014-06-25 2014-09-10 南方电网科学研究院有限责任公司 一种agc功率多目标随机优化分配方法
CN109274126A (zh) * 2018-11-27 2019-01-25 国网山东省电力公司电力科学研究院 一种风储联合发电中储能系统双时间尺度控制方法
CN110417032A (zh) * 2019-07-30 2019-11-05 华北电力大学 一种双馈风机参与系统调频的多目标优化控制方法
CN111525569A (zh) * 2020-06-10 2020-08-11 南方电网科学研究院有限责任公司 一种区域综合能源系统优化调度方法、系统及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037761A (zh) * 2014-06-25 2014-09-10 南方电网科学研究院有限责任公司 一种agc功率多目标随机优化分配方法
CN109274126A (zh) * 2018-11-27 2019-01-25 国网山东省电力公司电力科学研究院 一种风储联合发电中储能系统双时间尺度控制方法
CN110417032A (zh) * 2019-07-30 2019-11-05 华北电力大学 一种双馈风机参与系统调频的多目标优化控制方法
CN111525569A (zh) * 2020-06-10 2020-08-11 南方电网科学研究院有限责任公司 一种区域综合能源系统优化调度方法、系统及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
考虑光储联合系统参与频率响应的储能容量;金楚 等;《全球能源互联网》;20180731;第1卷(第3期);第361-368页 *
面向调峰调频需求的风水火电协调优化调度;葛晓琳 等;《电网技术》;20191130;第43卷(第11期);第3917-3925页 *
风电参与能量—调频联合市场的优化策略;崔达 等;《电力系统自动化》;20160710;第40卷(第13期);第5-11页 *

Also Published As

Publication number Publication date
CN112803494A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112803494B (zh) 一种含风光水火的多目标agc协调优化方法及系统
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN104376410B (zh) 一种配电网中分布式电源的规划方法
CN106786807B (zh) 一种基于模型预测控制的风电场有功功率控制方法
JP2020517227A (ja) 超大規模の水力発電所群の短期間実用化スケジューリング方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN110247438B (zh) 基于天牛须算法的主动配电网资源优化配置
CN113688567B (zh) 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法
CN106570579B (zh) 一种基于改进量子粒子群算法的水火电经济调度方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN106887858B (zh) 一种接入新能源发电的储能系统跟踪计划出力方法及装置
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN105207253A (zh) 考虑风电及频率不确定性的agc随机动态优化调度方法
CN114139780A (zh) 含分布式电源的虚拟电厂与配电网协调优化方法及系统
CN105896575B (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN105184426B (zh) 一种基于随机连续寻优策略的梯级电站调峰方法
CN115423282A (zh) 一种基于奖惩阶梯型碳交易的电-氢-储综合能源网多目标优化调度模型
CN114037191A (zh) 基于大数据的虚拟电厂优化调度方法、装置、设备及介质
CN111769543A (zh) 一种含多微网的区域配电网自律协同运行优化方法
CN114336592A (zh) 一种基于模型预测控制的风电场agc控制方法
CN108062606B (zh) 一种基于黎曼积分的虚拟电厂调度优化方法
CN115663849B (zh) 一种水电厂与工业温控负荷协同快速调控的方法及控制器
CN112531735A (zh) 基于机器学习的自动发电控制系统的功率分配方法及装置
CN109638886B (zh) 一种基于CVaR的风电日前出力申报优化方法
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