CN112907108A - 一种海上风电场多阶段装机容量规划方法 - Google Patents
一种海上风电场多阶段装机容量规划方法 Download PDFInfo
- Publication number
- CN112907108A CN112907108A CN202110278002.7A CN202110278002A CN112907108A CN 112907108 A CN112907108 A CN 112907108A CN 202110278002 A CN202110278002 A CN 202110278002A CN 112907108 A CN112907108 A CN 112907108A
- Authority
- CN
- China
- Prior art keywords
- stage
- fan
- planning
- offshore wind
- year
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 239000002245 particle Substances 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种海上风电场多阶段装机容量规划方法,包括以下步骤:获得海上风电场多阶段规划基础数据,并依此建立海上风电场多阶段规划优化模型;采用量子粒子群优化算法求解所述海上风电场多阶段规划优化模型,获得具体的分阶段规划方案;本发明有效解决海上风电场单阶段规划与实际运行间缺乏有效衔接的问题,能够进一步提升海上风电场的投资收益,减少弃风率和欠风率。
Description
技术领域
本发明涉及电力系统技术领域,特别是一种海上风电场多阶段装机容量规划方法。
背景技术
由于规划、运营缺乏经验,海上风电发展过程中遇到一定的瓶颈。目前海上风电场规划建设面临着主要的问题包括造价成本高、投资风险大、以及存在并网运行问题,电力市场改革背景下海上风电的高成本与不确定性收益间的矛盾也将更加尖锐。
目前针对风电场的装机容量优化、布局优化等一系列规划问题已取得一定的成果,但现有风电场或含风电电力系统规划方案多着眼于短期内的投资经济性,忽略了中长期电力负荷持续增长导致初始规划方案与中、后期运行间缺乏有效衔接的问题。由此,多阶段规划逐步被引入到风电场装机规划中,但目前研究为了简化多阶段规划优化问题,要么固定每阶段投资时间,要么固定总装机容量,使得规划问题难以达到全局最优。
发明内容
有鉴于此,本发明的目的是提出一种海上风电场多阶段装机容量规划方法,把投资时间和总的安装风机台数都作为优化变量,通过整个运行周期内净收益的最大化规划风电场分阶段装机方案。
本发明采用以下方案实现:一种海上风电场多阶段装机容量规划方法,具体包括以下步骤:
获得海上风电场多阶段规划基础数据,并依此建立海上风电场多阶段规划优化模型;
采用量子粒子群优化算法求解所述海上风电场多阶段规划优化模型,获得具体的分阶段规划方案;
其中,所述海上风电场多阶段规划优化模型的多阶段规划目标为运行周期内的净收益最大化;多阶段规划的约束条件为:每阶段的投资年份约束,风机所属投资阶段约束、风机间距约束、规划海域边界约束。
进一步地,所述建立海上风电场多阶段规划优化模型具体包括以下步骤:
构建海上风电场多阶段规划模型架构;
建立海上风电场多阶段装机容量规划优化模型的目标函数;
建立海上风电场多阶段装机容量规划优化模型的约束条件。
进一步地,所述构建海上风电场多阶段规划模型架构具体为:
设海上风电场的规划期限为Tpla年,共分为n个阶段,其中规划期限和阶段数事先划定,并以Ti(i=1,2,...,n)表示第i阶段,其不同阶段的规划模型均一致;在n个阶段中,每阶段的初始投资年为待优化的变量,可记为序列g:
g=[g1,g2,...,gi,...,gn];
式中,gi表示第i个阶段的初始投资年份,i=1,2,...,n,以g1=1表示第1年为投资初始年,作为参考值;每个阶段的时间间隔不定,属于变量值,即由gi-gi-1确定。假设第i阶段投入的风力发电机组在i-1阶段最后一年年末已完成建设,第i阶投建风机的总运行时长为Tope-gi年;海上风电场风机总数为N台,属于待优化的整数变量;对应N台风机横、纵坐标的序列[x,y]可表示为:
[x,y]=[x1,y1,x2,y2,...,xi,yi,...,xN,yN];
式中,xi和yi表示第i台风机的横、纵坐标;将坐标变量定义为连续变量,以便风机坐标能在规定海域范围内充分寻优;
每台风机安装所属的投资阶段S为整数优化变量,其阶段序列表示为:
S=[S1,S2,...,Si,...,SN];
式中,Si表示第i台风机所属的投资阶段,i=1,2,...,N;
对应各阶段装机容量的序列Eset表示为:
Eset=[Eset,1,Eset,2,...,Eset,i,...,Eset,n];
式中,Eset,i表示Ti阶段配置的风机装机容量,通过统计隶属于Ti阶段的风机总数后与风机额定容量Pe相乘获得;Eset,i+1是在已投运风机Eset,1Eset,2,,...,Eset,i基础上的新增装机容量;
其中,待优化整数变量包括:风机总数N、每阶段的投资年gi、每台风机所属的投资阶段Si;待优化的连续变量包括:每台风机的横坐标和纵坐标xi和yi。
进一步地,所述建立海上风电场多阶段装机容量规划优化模型的目标函数具体为:
多阶段规划的目标为项目运行周期Tope年内的净收益最大化,表示为下式,各年的售电收益与成本均通过现值系数折算至规划周期初始年:
Max.Binv=Rop+FRV-(Cin+Com+Cret);
式中,Binv表示海上风电场在运行周期内的净收益;Rop表示海上风电场的发电总收益;FRV表示风机在运行周期末的折余价值;Cin、Com分别表示风机投资总成本、运行维护总成本;Cret为风机的退役成本;上述成本与收益均已折算至初始年。
进一步地,海上风电场的发电总收益Rop求解如下:
基于风电最大接纳水平和节点边际电价ρt,h,当风电预测出力大于风电最大接纳水平时,仅获得该接纳水平下的售电收益,超出部分视为弃风;当风电预测出力小于风电最大接纳水平时,表示此时风电出力均产生收益。海上风电场在运行周期年内的发电收益表示为:
式中,r表示折现率;Δt=1h;ρt,h为第h年t时刻海上风电上网电价;
风机投资成本求解如下:
式中,a,b,c表示风机单位容量成本拟合函数的系数;
风机运维成本求解如下:
海上风电场运行维护成本包括了检修费用、运行管理费用、损耗费用,表示为:
式中,Co,h是海上风电场在第h年的单位容量运行维护成本;Etotal,h表示直至第h年的总装机容量,通过累计第h年及之前所有装机容量获得;
风机折余价值求解如下:
采用年限平均法计算风机折旧价值如下:定义风机的周期寿命为Ttur,取其寿命周期内每年的折旧率为σ=1/Ttur,则第i阶段投资的风机在周期寿命Ttur年内各年的折旧费用Cdep,i为:
式中,δ表示风机设备的净残值率;
则运行周期末风机的总折余价值FRV表示为:
式中,To,i表示第i阶段风机从投资到运行周期末的累计运行时间;
风机退役成本求解如下:
海上风电场风机退役成本表示为:
式中,Cret,o表示风机单位容量的拆除、运输等退役费用;Etotal表示总装机容量。
进一步地,所述每阶段的投资年份约束为:
各阶段的投资年份应为整数并位于总规划周期年中,且后一阶段的投资年份不应早于前一阶段的投资年份,表示为:
进一步地,所述风机所属投资阶段约束为:
每台风机安装所属的投资阶段S需为整数且为n个规划阶段中之一,表示为:
进一步地,所述风机间距约束为:
任意风机间均需要保持一定间距,以保证其能够安全稳定的运行,表示为:
式中,dmin表示风机之间的最小间距,取为风机叶轮直径D的四倍,即dmin=4D。
进一步地,所述规划海域边界约束为:
所有风机需要满足位于规划海域内,表示为:
式中,xmin,xmax分别表示规划海域边界在X轴上的最小值和最大值;ymin,ymax分别表示规划海域边界在Y轴上的的最大值和最小值。
与现有技术相比,本发明有以下有益效果:本发明将规划周期分为若干个阶段,以每阶段的投资年份、风机数量、每台风机的位置及所属投资阶段为优化变量,考虑海上风电场风机的退役成本和折余价值,基于未来年预测待规划海上风电接纳水平变化和上网电价,获得分阶段投资方案,不仅能充分利用海上风资源,减少弃风电量和欠风电量,而且能提升风电场的投资收益。
附图说明
图1为本发明实施例的多阶段规划模型的框架示意图
图2为本发明实施例的投资初始年四季典型日负荷曲线。
图3为本发明实施例的总负荷预测变化曲线。
图4为本发明实施例的投资初始年风电接纳水平。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种海上风电场多阶段装机容量规划方法,具体包括以下步骤:
获得海上风电场多阶段规划基础数据,并依此建立海上风电场多阶段规划优化模型;
采用量子粒子群优化算法求解所述海上风电场多阶段规划优化模型,获得具体的分阶段规划方案;
其中,所述海上风电场多阶段规划优化模型的多阶段规划目标为运行周期内的净收益最大化;多阶段规划的约束条件为:每阶段的投资年份约束,风机所属投资阶段约束、风机间距约束、规划海域边界约束。
在本实施例中,所述建立海上风电场多阶段规划优化模型具体包括以下步骤:
构建海上风电场多阶段规划模型架构;
建立海上风电场多阶段装机容量规划优化模型的目标函数;
建立海上风电场多阶段装机容量规划优化模型的约束条件。
在本实施例中,所述构建海上风电场多阶段规划模型架构具体为:
设海上风电场的规划期限为Tpla年,共分为n个阶段,其中规划期限和阶段数事先划定,并以Ti(i=1,2,...,n)表示第i阶段,其中,多阶段规划模型的框架示意图如图1所示,其不同阶段的规划模型均一致;在n个阶段中,每阶段的初始投资年为待优化的变量,可记为序列g:
g=[g1,g2,...,gi,...,gn];
式中,gi表示第i个阶段的初始投资年份,i=1,2,...,n,以g1=1表示第1年为投资初始年,作为参考值;每个阶段的时间间隔不定,属于变量值,即由gi-gi-1确定。假设第i阶段投入的风力发电机组在i-1阶段最后一年年末已完成建设,第i阶投建风机的总运行时长为Tope-gi年;海上风电场风机总数为N台,属于待优化的整数变量;对应N台风机横、纵坐标的序列[x,y]可表示为:
[x,y]=[x1,y1,x2,y2,...,xi,yi,...,xN,yN];
式中,xi和yi表示第i台风机的横、纵坐标;将坐标变量定义为连续变量,以便风机坐标能在规定海域范围内充分寻优;
每台风机安装所属的投资阶段S为整数优化变量,其阶段序列表示为:
S=[S1,S2,...,Si,...,SN];
式中,Si表示第i台风机所属的投资阶段,i=1,2,...,N;
对应各阶段装机容量的序列Eset表示为:
Eset=[Eset,1,Eset,2,...,Eset,i,...,Eset,n];
式中,Eset,i表示Ti阶段配置的风机装机容量,通过统计隶属于Ti阶段的风机总数后与风机额定容量Pe相乘获得;Eset,i+1是在已投运风机Eset,1Eset,2,,...,Eset,i基础上的新增装机容量;
其中,待优化整数变量包括:风机总数N、每阶段的投资年gi、每台风机所属的投资阶段Si;待优化的连续变量包括:每台风机的横坐标和纵坐标xi和yi。
在本实施例中,所述建立海上风电场多阶段装机容量规划优化模型的目标函数具体为:
多阶段规划的目标为项目运行周期Tope年内的净收益最大化,表示为下式,各年的售电收益与成本均通过现值系数折算至规划周期初始年:
Max.Binv=Rop+FRV-(Cin+Com+Cret);
式中,Binv表示海上风电场在运行周期内的净收益;Rop表示海上风电场的发电总收益;FRV表示风机在运行周期末的折余价值;Cin、Com分别表示风机投资总成本、运行维护总成本;Cret为风机的退役成本;上述成本与收益均已折算至初始年。
在本实施例中,海上风电场的发电总收益Rop求解如下:
基于风电最大接纳水平和节点边际电价ρt,h,当风电预测出力大于风电最大接纳水平时,仅获得该接纳水平下的售电收益,超出部分视为弃风;当风电预测出力小于风电最大接纳水平时,表示此时风电出力均产生收益。海上风电场在运行周期年内的发电收益表示为:
式中,r表示折现率;Δt=1h;ρt,h为第h年t时刻海上风电上网电价;
风机投资成本求解如下:
式中,a,b,c表示风机单位容量成本拟合函数的系数;
风机运维成本求解如下:
海上风电场运行维护成本包括了检修费用、运行管理费用、损耗费用,表示为:
式中,Co,h是海上风电场在第h年的单位容量运行维护成本;Etotal,h表示直至第h年的总装机容量,通过累计第h年及之前所有装机容量获得;
风机折余价值求解如下:
由于多阶段模型中风机投资的时间不同,部分风机在运行周期末尚未达到周期寿命,存在着折余价值。采用年限平均法计算风机折旧价值如下:定义风机的周期寿命为Ttur,取其寿命周期内每年的折旧率为σ=1/Ttur,则第i阶段投资的风机在周期寿命Ttur年内各年的折旧费用Cdep,i为:
式中,δ表示风机设备的净残值率;
则运行周期末风机的总折余价值FRV表示为:
式中,To,i表示第i阶段风机从投资到运行周期末的累计运行时间(年);
风机退役成本求解如下:
当海上风电场达到项目周期时,风机需要按计划退役,涵盖拆卸、运输、后续处理,海域复原等较为高昂的费用。海上风电场风机退役成本表示为:
式中,Cret,o表示风机单位容量的拆除、运输等退役费用;Etotal表示总装机容量。
在本实施例中,所述每阶段的投资年份约束为:
各阶段的投资年份应为整数并位于总规划周期年中,且后一阶段的投资年份不应早于前一阶段的投资年份,表示为:
在本实施例中,所述风机所属投资阶段约束为:
每台风机安装所属的投资阶段S需为整数且为n个规划阶段中之一,表示为:
在本实施例中,所述风机间距约束为:
任意风机间均需要保持一定间距,以保证其能够安全稳定的运行,表示为:
式中,dmin表示风机之间的最小间距,取为风机叶轮直径D的四倍,即dmin=4D。
在本实施例中,所述规划海域边界约束为:
所有风机需要满足位于规划海域内,表示为:
式中,xmin,xmax分别表示规划海域边界在X轴上的最小值和最大值;ymin,ymax分别表示规划海域边界在Y轴上的的最大值和最小值。
下面是本实施例的一具体案例。
设定海上风电场分为3期规划投资,规划期限Tpla=12年;项目拟投建运行周期Tope=25年;风机周期寿命Ttur=25年;选取长6km、宽7km的规划海域作为风机的布置区域,其海面粗糙长度为0.05;海上风电场风机参数如表1所示;取风机单位容量投资成本的拟合函数系数a=0.0283,b=-0.124,c=0.1372;风机单位容量的退役成本为200万元/MW;折现率r=8%;设备净残值率δ=6%。
以IEEE 30节点系统为例,风电接入节点10。选择四个季节的典型日负荷数据(标幺值)如图2所示,以此代表年负荷变化曲线。考虑到海上风电多接入沿海经济快速发展区域,其长期电力负荷呈现“单边上扬”的快速增长模式,因此假设未来年的区域电网总负荷具有如图3所示的变化趋势,由此考虑中长期负荷变化对指导电力规划的重要意义,其投资初始年最大负荷值为350MW。
表1海上风力发电机6.0MW机组参数
为验证多阶段规划方案的有效性,本实施例设置两种场景进行比较:
场景I:不考虑建设时序,以单阶段规划方法在投资初始年规划装机容量及机组坐标,其余条件与场景II一致。
场景II:考虑多阶段建设时序,采用所提出的多阶段规划方法,优化各阶段的投资年份及每个阶段里的装机容量、机组坐标。
以运行周期年不同负荷水平为基础,获得运行周期Tope年里每季度典型日的风电最大接纳水平。以投资初始年为例,各季度典型日里的风电最大接纳水平波动曲线如图4所示,其余年具有相似特性。
以获得最大接纳水平和节点电价为基础,进一步求解场景I和场景II对应方案,获得的各阶段规划结果如表2所示。单阶段规划方案的结果是在投资初始年安装35台风机,多阶段规划方案的结果是在第1阶段的最优投资年(即第1年)安装21台风机,在第2阶段的最优投资年(即第6年)安装15台风机,在第3阶段的最优投资年(即第12年)安装13台风机。虽然多阶段规划方案的总投建风机数量相对单阶段规划方案增加了14台,但多阶段规划方案中有较多风机属于第二、三阶段投资,该阶段风机投资成本已较投资初始年有了较大幅度下降,运维时长也较单阶段规划方案有所缩短,这使得多阶段规划方案与单阶段规划方案在投资和运维成本上的差值仅为0.1亿元和0.02亿元。两个规划方案的主要区别体现于售电收益、折余价值和退役成本,多阶段规划方案相对单阶段规划方案在总售电收益上提升了2.32亿元,在机组折余成本上增加了1.2亿元。综合考虑收益与成本后,多阶段规划方案获得的最高净收益为14.75亿元,相对单阶段规划方案获得的最高净收益10.89亿元提升了35.4%,体现了多阶段规划方案在提升投资回报率上的优势。
在T1阶段,单阶段规划方案的装机容量配置相对多阶段规划方案多出84MW,在该阶段典型日中,单阶段规划方案的弃风率达到34%,而多阶段规划方案仅为8%。在T3阶段,多阶段规划方案的总装机容量相对单阶段规划方案多出84MW,而在该阶段典型日中,单阶段规划方案的欠风率达到39%,而多阶段规划方案欠风率下降至21%。在海上风电场规划方案的完整运行周期Tope年内,单阶段规划方案的总弃风率为7%,总欠风率为28%,而多阶段规划方案的总弃风率为3%,总欠风率为17%,多阶段规划方案均取得更好运营效果。
案例中的弃风率和欠风率两个指标定义如下:
表2各场景规划结果
由上可以看出,本实施例有效解决海上风电场单阶段规划与实际运行间缺乏有效衔接的问题,能够进一步提升海上风电场的投资收益,减少弃风率和欠风率。
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用存储介质(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/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备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,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (10)
1.一种海上风电场多阶段装机容量规划方法,其特征在于,包括以下步骤:
获得海上风电场多阶段规划基础数据,并依此建立海上风电场多阶段规划优化模型;
采用量子粒子群优化算法求解所述海上风电场多阶段规划优化模型,获得具体的分阶段规划方案;
其中,所述海上风电场多阶段规划优化模型的多阶段规划目标为运行周期内的净收益最大化;多阶段规划的约束条件为:每阶段的投资年份约束,风机所属投资阶段约束、风机间距约束、规划海域边界约束。
3.根据权利要求1所述的一种海上风电场多阶段装机容量规划方法,其特征在于,所述建立海上风电场多阶段规划优化模型具体包括以下步骤:
构建海上风电场多阶段规划模型架构;
建立海上风电场多阶段装机容量规划优化模型的目标函数;
建立海上风电场多阶段装机容量规划优化模型的约束条件。
4.根据权利要求3所述的一种海上风电场多阶段装机容量规划方法,其特征在于,所述构建海上风电场多阶段规划模型架构具体为:
设海上风电场的规划期限为Tpla年,共分为n个阶段,其中规划期限和阶段数事先划定,并以Ti(i=1,2,...,n)表示第i阶段,其不同阶段的规划模型均一致;在n个阶段中,每阶段的初始投资年为待优化的变量,可记为序列g:
g=[g1,g2,...,gi,...,gn];
式中,gi表示第i个阶段的初始投资年份,i=1,2,...,n,以g1=1表示第1年为投资初始年,作为参考值;每个阶段的时间间隔不定,属于变量值,即由gi-gi-1确定。假设第i阶段投入的风力发电机组在i-1阶段最后一年年末已完成建设,第i阶投建风机的总运行时长为Tope-gi年;海上风电场风机总数为N台,属于待优化的整数变量;对应N台风机横、纵坐标的序列[x,y]可表示为:
[x,y]=[x1,y1,x2,y2,...,xi,yi,...,xN,yN];
式中,xi和yi表示第i台风机的横、纵坐标;将坐标变量定义为连续变量,以便风机坐标能在规定海域范围内充分寻优;
每台风机安装所属的投资阶段S为整数优化变量,其阶段序列表示为:
S=[S1,S2,...,Si,...,SN];
式中,Si表示第i台风机所属的投资阶段,i=1,2,...,N;
对应各阶段装机容量的序列Eset表示为:
Eset=[Eset,1,Eset,2,...,Eset,i,...,Eset,n];
式中,Eset,i表示Ti阶段配置的风机装机容量,通过统计隶属于Ti阶段的风机总数后与风机额定容量Pe相乘获得;Eset,i+1是在已投运风机Eset,1Eset,2,,...,Eset,i基础上的新增装机容量;
其中,待优化整数变量包括:风机总数N、每阶段的投资年gi、每台风机所属的投资阶段Si;待优化的连续变量包括:每台风机的横坐标和纵坐标xi和yi。
5.根据权利要求3所述的一种海上风电场多阶段装机容量规划方法,其特征在于,所述建立海上风电场多阶段装机容量规划优化模型的目标函数具体为:
多阶段规划的目标为项目运行周期Tope年内的净收益最大化,表示为下式,各年的售电收益与成本均通过现值系数折算至规划周期初始年:
Max.Binv=Rop+FRV-(Cin+Com+Cret);
式中,Binv表示海上风电场在运行周期内的净收益;Rop表示海上风电场的发电总收益;FRV表示风机在运行周期末的折余价值;Cin、Com分别表示风机投资总成本、运行维护总成本;Cret为风机的退役成本;上述成本与收益均已折算至初始年。
6.根据权利要求5所述的一种海上风电场多阶段装机容量规划方法,其特征在于,
海上风电场的发电总收益Rop求解如下:
基于风电最大接纳水平和节点边际电价ρt,h,当风电预测出力大于风电最大接纳水平时,仅获得该接纳水平下的售电收益,超出部分视为弃风;当风电预测出力小于风电最大接纳水平时,表示此时风电出力均产生收益。海上风电场在运行周期年内的发电收益表示为:
式中,r表示折现率;Δt=1h;ρt,h为第h年t时刻海上风电上网电价;
风机投资成本求解如下:
式中,a,b,c表示风机单位容量成本拟合函数的系数;
风机运维成本求解如下:
海上风电场运行维护成本包括了检修费用、运行管理费用、损耗费用,表示为:
式中,Co,h是海上风电场在第h年的单位容量运行维护成本;Etotal,h表示直至第h年的总装机容量,通过累计第h年及之前所有装机容量获得;
风机折余价值求解如下:
采用年限平均法计算风机折旧价值如下:定义风机的周期寿命为Ttur,取其寿命周期内每年的折旧率为σ=1/Ttur,则第i阶段投资的风机在周期寿命Ttur年内各年的折旧费用Cdep,i为:
式中,δ表示风机设备的净残值率;
则运行周期末风机的总折余价值FRV表示为:
式中,To,i表示第i阶段风机从投资到运行周期末的累计运行时间;
风机退役成本求解如下:
海上风电场风机退役成本表示为:
式中,Cret,o表示风机单位容量的拆除、运输等退役费用;Etotal表示总装机容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278002.7A CN112907108B (zh) | 2021-03-15 | 2021-03-15 | 一种海上风电场多阶段装机容量规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278002.7A CN112907108B (zh) | 2021-03-15 | 2021-03-15 | 一种海上风电场多阶段装机容量规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907108A true CN112907108A (zh) | 2021-06-04 |
CN112907108B CN112907108B (zh) | 2022-07-01 |
Family
ID=76105711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110278002.7A Active CN112907108B (zh) | 2021-03-15 | 2021-03-15 | 一种海上风电场多阶段装机容量规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907108B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113555909A (zh) * | 2021-07-20 | 2021-10-26 | 华能陇东能源有限责任公司 | 一种多能互补基地风光火储建设时序优化方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180240200A1 (en) * | 2015-09-30 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method and device for modeling a long-time-scale photovoltaic output time sequence |
CN109888770A (zh) * | 2019-01-24 | 2019-06-14 | 福州大学 | 基于机会约束规划和波动成本的风电场装机容量优化方法 |
CN110739726A (zh) * | 2019-10-29 | 2020-01-31 | 国网福建省电力有限公司 | 一种考虑海上风电接入的多类型电源容量长期规划方法 |
-
2021
- 2021-03-15 CN CN202110278002.7A patent/CN112907108B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180240200A1 (en) * | 2015-09-30 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method and device for modeling a long-time-scale photovoltaic output time sequence |
CN109888770A (zh) * | 2019-01-24 | 2019-06-14 | 福州大学 | 基于机会约束规划和波动成本的风电场装机容量优化方法 |
CN110739726A (zh) * | 2019-10-29 | 2020-01-31 | 国网福建省电力有限公司 | 一种考虑海上风电接入的多类型电源容量长期规划方法 |
Non-Patent Citations (2)
Title |
---|
刘自发等: "综合考虑运行效率和弃风损失的输电网规划", 《电网技术》, no. 03, 7 December 2017 (2017-12-07) * |
薛静玮 等: "大规模风电接入输电网的源网联合规划", 《电网与清洁能源》, 25 March 2019 (2019-03-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113555909A (zh) * | 2021-07-20 | 2021-10-26 | 华能陇东能源有限责任公司 | 一种多能互补基地风光火储建设时序优化方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112907108B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110071505B (zh) | 含大规模风电接入的输电网扩建与储能配置联合规划方法 | |
Saez-de-Ibarra et al. | Co-optimization of storage system sizing and control strategy for intelligent photovoltaic power plants market integration | |
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 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN112907098B (zh) | 园区综合能源系统的多阶段容量配置方法及配置系统 | |
CN115640982B (zh) | 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 | |
CN113723870B (zh) | 一种分布式发电co2减排核算方法、装置、设备及介质 | |
CN112907108B (zh) | 一种海上风电场多阶段装机容量规划方法 | |
CN113363976B (zh) | 一种基于场景图的风光水互补发电系统中期优化调度方法 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN114362153B (zh) | 一种并网型风光储系统多目标容量优化配置方法及系统 | |
CN113435659B (zh) | 基于场景分析的综合能源系统两阶段优化运行方法及系统 | |
CN114529100A (zh) | 一种面向区域电网风光消纳的储能优化配置方法及系统 | |
CN111476475B (zh) | 多约束条件下梯级水电站短期优化调度方法 | |
CN110120682B (zh) | 一种最小失弃风量的塔筒电梯供电优化调度方法 | |
CN108075494A (zh) | 一种兼顾新能源消纳与交易执行的日前机组组合方法 | |
CN112736905B (zh) | 区域新能源容量优化配置方法及系统 | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
CN114498690A (zh) | 支持大规模可再生能源消纳的多元复合储能优化配置方法 | |
Grønvik et al. | Feasibility of linear decision rules for hydropower scheduling | |
CN113822496B (zh) | 一种多机组热电厂供热模式及参数在线寻优方法 | |
CN117526282A (zh) | 一种用于电力系统的源荷协调优化方法及相关系统 | |
CN118137575A (zh) | 风光储互补发电系统容量效益与配套装机优化方法及系统 | |
CN117239805A (zh) | 一种考虑储能绿电化的虚拟电厂多级调度方法及系统 |
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 |