CN112910013A - 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法 - Google Patents

考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法 Download PDF

Info

Publication number
CN112910013A
CN112910013A CN202110231920.4A CN202110231920A CN112910013A CN 112910013 A CN112910013 A CN 112910013A CN 202110231920 A CN202110231920 A CN 202110231920A CN 112910013 A CN112910013 A CN 112910013A
Authority
CN
China
Prior art keywords
unit
peak regulation
power
constraint
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.)
Pending
Application number
CN202110231920.4A
Other languages
English (en)
Inventor
袁鹏
张强
王超
孙俊杰
李欣蔚
曾辉
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 Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Liaoning 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 Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110231920.4A priority Critical patent/CN112910013A/zh
Publication of CN112910013A publication Critical patent/CN112910013A/zh
Pending legal-status Critical Current

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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明属于电网稳态运行领域，尤其涉及考虑“深度调峰消纳‑煤耗”联合约束的机组优化调度方法。包括建立火电机组“深度调峰消纳‑煤耗”联合约束的机组组合优化模型目标函数；建立火电机组“深度调峰消纳‑煤耗”联合约束的机组组合优化模型约束条件；算例求解及结果分析。本发明能够满足日益增大的调峰需求，从火电企业、风电企业和社会多角度研究大规模风电并网条件下火电机组深度调峰的经济性，充分考虑当前火电机组深度调峰能力及煤耗成本控制策略，建立火电机组“深度调峰消纳‑煤耗”联合约束的机组组合优化模型，统筹安排风电机组接入系统后各火电机组协调运行方案。能够大幅降低火电机组运行成本，减少火电机组系统能耗和燃油污染物排放。

Description

考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法
技术领域
本发明属于电网稳态运行技术领域，尤其涉及一种考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法。
背景技术
电力系统的调峰能力一般指正常运行的机组出力和运行机组的最小技术出力之差，系统运行中该差额需要满足系统负荷峰谷差的要求。调峰能力与系统中各类型机组的容量及调节能力密切相关，并受负荷峰谷差、联络线功率调节能力等因素的影响。风电出力具有间歇性、随机性等特点，风电并网会加大系统负荷峰谷差，系统调峰压力越来越重。我国火电机组容量占比过大，电源结构不合理，规模化风电并网后增加的调峰任务主要由火电机组承担，随着风电并网规模的不断增大，社会对火电机组深度调峰的呼声越来越高。
为了满足日益增大的调峰需求，火电机组深度调峰的次数和调峰深度不断增加，然而处于深度调峰阶段的火电机组使运行成本效率大幅下降，其运行成本不但包含燃料等显性成本，还包含一些隐性成本。
从目前的运行情况看，一方面，火电机组运营商深度调峰的意愿不足，特别是深度调峰意愿不足；另一方面，火电机组深度调峰将大幅增加系统能耗和燃油污染物排放。
发明内容
针对上述现有技术中存在的不足之处，本发明提供了一种考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法。其目的是为了提供一种能够考虑当前火电机组深度调峰能力及煤耗成本控制策略，统筹安排风电机组接入系统后各火电机组协调运行方案的发明目的。
本发明为实现上述目的所采用的技术方案是：
考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，包括以下步骤：
步骤1.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型目标函数；
步骤2.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型约束条件；
步骤3.算例求解及结果分析。
进一步的，步骤1所述建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型目标函数，包括：
考虑风电并网后对系统调峰的影响，建立考虑常规机组深度调峰能力的模型；
设调度周期为24小时，系统中调度的机组数为n，且每个调度时间点的负荷设置为Plt，表示t时刻供电负荷总功率，要求系统满足机组组合最大调峰能力和24小时内任意时刻发电成本最低的原则；
多目标函数如下：
Figure BDA0002958848070000021
且
Figure BDA0002958848070000022
式中：αi＝(Pimax-Pimin)/Pimax；
Figure BDA0002958848070000023
上式中，Ft表示机组的耗煤和启停成本，Xt表示机组的调峰能力；αi表示第i台机组的调峰深度系数；Pit表示第i台机组在t时刻的有功功率输出；Pimax表示第i台机组的额定最大出力，Pimin表示第i台机组稳燃的最小技术出力；βit设置为0和1两个值，βit＝0表示第i台机组在t时刻处于停机状态，βit＝1表示第i台机组在t时刻处于运行状态；F(Pit)是第i台机组在t时刻的耗煤量，Scoal表示煤价；fistart和fishut分别表示第i台机组的启停成本，ai，bi，ci分别表示火电机组燃料耗量–功率特性各次项系数；
由式说明，该目标函数反映“深度调峰消纳-煤耗”协调调度策略所要求实现的经济、高效、平稳运行的目标，机组的调峰能力Xt越大，在t时刻时保证机组运行成本最小的同时满足机组调峰能力最大。
进一步的，步骤2所述建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型约束条件，包括以下步骤：
步骤(1)功率平衡约束；
步骤(2)旋转备用约束；
步骤(3)机组出力上、下限约束；
步骤(4)机组爬坡和启停功率约束；
步骤(5)风电出力约束；
步骤(6)根据步骤(1)-步骤(5)得到机组优化调度数学模型的目标函数和约束条件。
进一步的，所述功率平衡约束，包括：
在每一个调度时刻都满足总的发电功率与总的负荷功率相平衡；
功率平衡约束方程为：
Figure BDA0002958848070000031
式中Pwt表示在t时刻风电要求的并网出力；Plt表示在t时刻总的供电负荷功率。
进一步的，所述旋转备用约束，包括：
按系统总负荷的7％考虑旋转备用容量，Plt+Pxt＝1.07Plt，则有
Figure BDA0002958848070000032
式中Pxt为系统旋转备用容量；Pimax为第i台机组发电功率最大上限。
进一步的，所述机组出力上、下限约束，包括：
Pimin≤Pit≤Pimax i＝1,2,...,n (5)
上式中Pimin和Pimax分别表示第i台机组的出力上、下限。
进一步的，所述机组爬坡和启停功率约束，包括：
Pit-Pit-1≤βit-1·Aiup+(βit-βit-1)·Aistart (6)
Pit-1-Pit≤βit·Aidown+(βit-1-βit)·Aishut (7)
式中Aiup和Aidown分别为机组i的上、下爬坡功率限制；Aistart和Aishut分别为机组i的启动、停机功率限制。
进一步的，所述风电出力约束，包括：
Figure BDA0002958848070000041
式中Pwt表示在t时刻风电的实际出力；
Figure BDA0002958848070000042
表示在t时刻时风电最大预测出力。
进一步的，所述根据步骤(1)-步骤(5)得到机组优化调度数学模型的目标函数和约束条件，如下：
Figure BDA0002958848070000043
且
Figure BDA0002958848070000044
Figure BDA0002958848070000045
上述数学模型为非线性规划问题。
进一步的，所述算例求解及结果分析，包括：
步骤1：分析某地网供总负荷总加和统调风电有功总加，选取典型日0:00-24:00为例进行算例分析，以每小时为一个调度时段；
步骤2：通过对某地各热电联产机组调峰容量及爬坡功率的分析，采用智能优化算法对每个调度时刻求取最优机组组合方案；考虑机组额定容量大且调峰能力大的机组优先供电，在负荷降低时优先切除额定容量小且调峰能力小的机组；采用“深度调峰消纳”模型，在各调度时间段机组组合优化调度；
步骤3：对于火电企业，在机组调峰能力范围内，随着调峰深度的增加，根据机组耗量特性，机组的煤耗成本降低，启停次数也明显减少，启停成本随之降低，所以总的运行成本降低；考虑调峰能力的机组组合方案在采用“深度调峰”时，煤耗成本低于传统机组组合方案：
Figure BDA0002958848070000051
式中，PGit表示传统机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力，PDit表示考虑了调峰能力的机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力；T为24，表示调度点总数；n为47，表示火电机组台数；
步骤4：对于风电企业，随着火电机组调峰深度的增加，风电上网电量增加；风电企业收益与风电利用率呈正比关系，风电企业是火电机组深度调峰最直接的获利者；在“深度调峰”的情况下，考虑了调峰能力的火电机组组合方案与传统火电机组组合方案相比，风电提高的经济收益为：
Figure BDA0002958848070000052
式中，Su、Sc分别表示风电的上网电价和成本电价；单位为：元/(KWh)；
在“深度调峰”的情况下，与传统调度方案相比，考虑调峰能力的机组组合方案降低了火电机组的煤耗成本，提高了风电企业的收益，使整体效益最大化；
步骤5：与传统方案相比，考虑调峰能力的机组组合方案不仅减少了深度调峰过程中的弃风电量，而且提高了火电机组应对高负荷时风电急剧下降的能力；与传统机组组合相比，考虑了调峰能力的机组组合在最大出力时提高了平抑风电波动的空间：
Figure BDA0002958848070000061
式中，Xit表示在传统机组组合运行方式下第i台机组在t时刻的运行状态；当负荷较高时，考虑调峰能力的机组组合方案提高了平抑风电波动的空间为30566MW。
本发明具有以下有益效果及优点：
本发明为深度调峰特性分析,从火电企业、风电企业和社会多角度研究大规模风电并网条件下火电机组深度调峰的经济性，充分考虑当前火电机组深度调峰能力及煤耗成本控制策略，建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型，统筹安排风电机组接入系统后各火电机组协调运行方案。能够满足日益增大的调峰需求，大幅降低火电机组燃料等显性成本及隐性成本，减少火电机组系统能耗和燃油污染物排放。
本发明将突破传统含风电场电力系统的机组优化调度，充分考虑当前火电机组深度调峰能力及煤耗成本协调策略，安排风电场接入后系统中各火电机组协调运行方案。总体优化模型设计遵循的原则为：在每个调度时刻保证所有运行的机组额定调峰能力最大的同时煤耗成本为最小，构建火电机组深度调峰阶段的经济性目标函数数学模型，针对网络架构和电网特性，建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型，安排火电机组启停调度计划。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是某地2017年9月22日网供负荷总加曲线图；
图2是本发明考虑了调峰能力的火电机组优化调度结果；
图3是本发明与传统两种调度方案“深度调峰”时对比图；
图4是本发明平抑风电波动的空间。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面将结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1-图4描述本发明一些实施例的技术方案。
实施例1
本发明是一种考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，为了满足日益增大的调峰需求，亟需从火电企业、风电企业和社会多角度研究大规模风电并网条件下火电机组深度调峰的经济性。本发明充分考虑当前火电机组深度调峰能力及煤耗成本控制策略，考虑火电机组深度调峰阶段的经济性，建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型，统筹安排风电机组接入系统后各火电机组协调运行方案。
本发明具体包括以下步骤：
步骤1.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型目标函数。
风电并入系统后，其随化性可能导致部分机组在某一时段停机，这一行为可能导致后续调度时段运行机组调峰能力不足，而停机机组没有足够时间开机导致系统失负荷。再者，某些机组的开机可能会导致后续调度时段的在线机组过多且没有足够的时间停机，最终导致弃风。因此，在机组组合计划制定的过程中，若不能考虑系统的调峰能力，将会损失节能效益并造成巨大的经济损失。考虑风电并网后对系统调峰的影响，建立了考虑常规机组深度调峰能力的模型。
假设调度周期为24小时，系统中调度的机组数为n，且每个调度时间点的负荷设置为Plt，表示t时刻供电负荷总功率，要求系统满足机组组合最大调峰能力和24小时内任意时刻发电成本最低的原则。
多目标函数可以写成：
Figure BDA0002958848070000071
且
Figure BDA0002958848070000081
式中：αi＝(Pimax-Pimin)/Pimax；
Figure BDA0002958848070000082
上式中，Ft表示机组的耗煤和启停成本，Xt表示机组的调峰能力。αi表示第i台机组的调峰深度系数；Pit表示第i台机组在t时刻的有功功率输出；Pimax表示第i台机组的额定最大出力，Pimin表示第i台机组稳燃的最小技术出力；βit设置为0和1两个值，βit＝0表示第i台机组在t时刻处于停机状态，βit＝1表示第i台机组在t时刻处于运行状态；F(Pit)是第i台机组在t时刻的耗煤量，Scoal表示煤价；fistart和fishut分别表示第i台机组的启停成本，ai，bi，ci分别表示火电机组燃料耗量–功率特性各次项系数。
式中的相关函数与参数均已说明，可以看到，该目标函数可以反映“深度调峰消纳-煤耗”协调调度策略所要求实现的经济、高效、平稳运行的目标，机组的调峰能力Xt越大表示在t时刻时保证机组运行成本最小的同时满足机组调峰能力最大。
步骤2.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型约束条件，包括以下步骤：
步骤(1)功率平衡约束。
要求在每一个调度时刻，都要满足总的发电功率与总的负荷功率相平衡，所以功率平衡约束方程为：
Figure BDA0002958848070000083
式中Pwt表示在t时刻风电要求的并网出力；Plt表示在t时刻总的供电负荷功率。
步骤(2)旋转备用约束。
按系统总负荷的7％考虑旋转备用容量，Plt+Pxt＝1.07Plt，则有
Figure BDA0002958848070000091
式中Pxt为系统旋转备用容量；Pimax为第i台机组发电功率最大上限。
步骤(3)机组出力上、下限约束。
Pimin≤Pit≤Pimax i＝1,2,...,n (5)
上式中Pimin和Pimax分别表示第i台机组的出力上、下限。
步骤(4)机组爬坡和启停功率约束。
Pit-Pit-1≤βit-1·Aiup+(βit-βit-1)·Aistart (6)
Pit-1-Pit≤βit·Aidown+(βit-1-βit)·Aishut (7)
式中Aiup和Aidown分别为机组i的上、下爬坡功率限制；Aistart和Aishut分别为机组i的启动、停机功率限制。
步骤(5)风电出力约束。
Figure BDA0002958848070000092
式中Pwt表示在t时刻风电的实际出力；
Figure BDA0002958848070000093
表示在t时刻时风电最大预测出力。
步骤(6)根据步骤(1)-步骤(5)得到机组优化调度数学模型的目标函数和约束条件。
机组优化调度数学模型的目标函数和约束条件如下：
Figure BDA0002958848070000094
且
Figure BDA0002958848070000095
Figure BDA0002958848070000101
上述数学模型为非线性规划问题。
步骤3.算例求解及结果分析。
分析2017年9月22日到25日某地网供总负荷总加和统调风电有功总加，选取典型日9月22日0:00-24:00为例进行算例分析，以每小时为一个调度时段。如图1所示，图1是某地2017年9月22日网供负荷总加数据曲线。
通过对某地各热电联产机组调峰容量及爬坡功率的分析，采用智能优化算法对每个调度时刻求取最优机组组合方案。
本发明考虑机组额定容量大且调峰能力大的机组优先供电，在负荷降低时优先切除额定容量小且调峰能力小的机组。采用“深度调峰消纳”模型时，在各调度时间段机组组合优化调度结果如图2所示。
对于火电企业，在机组调峰能力范围内，随着调峰深度的增加，根据机组耗量特性，机组的煤耗成本降低，启停次数也明显减少，启停成本随之降低，所以总的运行成本降低。如图3所示，在“深度调峰”运行时传统调度方案与考虑调峰能力的调度方案之间的比较图。
由此可见，考虑调峰能力的机组组合方案在采用“深度调峰”时，煤耗成本低于传统机组组合方案：
Figure BDA0002958848070000102
式中，PGit表示传统机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力，PDit表示考虑了调峰能力的机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力。T为24，表示调度点总数。n为47，表示火电机组台数。
对于风电企业，随着火电机组调峰深度的增加，风电上网电量增加。风电企业收益与风电利用率呈正比关系，风电企业是火电机组深度调峰最直接的获利者。
在“深度调峰”的情况下，考虑了调峰能力的火电机组组合方案与传统火电机组组合方案相比，风电提高的经济收益为：
Figure BDA0002958848070000111
式中，Su、Sc分别表示风电的上网电价和成本电价；单位为：元/(KWh)。
表1“深度调峰”时效益分析表
Figure BDA0002958848070000112
如表1所示，在“深度调峰”的情况下，与传统调度方案相比，考虑调峰能力的机组组合方案不仅降低了火电机组的煤耗成本，而且提高了风电企业的收益，从而使整体效益最大化。
与传统方案相比，考虑调峰能力的机组组合方案不仅减少了深度调峰过程中的弃风电量，而且提高了火电机组应对高负荷时风电急剧下降的能力。
如图4所示，图4是本发明平抑风电波动的空间。与传统机组组合相比，考虑了调峰能力的机组组合在最大出力时提高了平抑风电波动的空间：
Figure BDA0002958848070000113
式中，Xit表示在传统机组组合运行方式下第i台机组在t时刻的运行状态。
当负荷较高时，考虑调峰能力的机组组合方案提高了平抑风电波动的空间为30566MW。
为满足日益增大的火电机组调峰需求，需从火电企业、风电企业和社会多角度研究大规模风电并网条件下火电机组深度调峰的经济性。本发明在考虑当前火电机组深度调峰能力和煤耗成本控制策略的基础上，建立了火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型，使得火电机组深度调峰能力最优的同时保持经济性。
实施例2
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时，实现如实施例1所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法的步骤。
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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：包括以下步骤：
步骤1.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型目标函数；
步骤2.建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型约束条件；
步骤3.算例求解及结果分析。
2.根据权利要求1所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：步骤1所述建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型目标函数，包括：
考虑风电并网后对系统调峰的影响，建立考虑常规机组深度调峰能力的模型；
设调度周期为24小时，系统中调度的机组数为n，且每个调度时间点的负荷设置为Plt，表示t时刻供电负荷总功率，要求系统满足机组组合最大调峰能力和24小时内任意时刻发电成本最低的原则；
多目标函数如下：
Figure FDA0002958848060000011
且
Figure FDA0002958848060000012
式中：αi＝(Pi max-Pi min)/Pi max；
Figure FDA0002958848060000013
上式中，Ft表示机组的耗煤和启停成本，Xt表示机组的调峰能力；αi表示第i台机组的调峰深度系数；Pit表示第i台机组在t时刻的有功功率输出；Pi max表示第i台机组的额定最大出力，Pi min表示第i台机组稳燃的最小技术出力；βit设置为0和1两个值，βit＝0表示第i台机组在t时刻处于停机状态，βit＝1表示第i台机组在t时刻处于运行状态；F(Pit)是第i台机组在t时刻的耗煤量，Scoal表示煤价；fistart和fishut分别表示第i台机组的启停成本，ai，bi，ci分别表示火电机组燃料耗量–功率特性各次项系数；
由式说明，该目标函数反映“深度调峰消纳-煤耗”协调调度策略所要求实现的经济、高效、平稳运行的目标，机组的调峰能力Xt越大，在t时刻时保证机组运行成本最小的同时满足机组调峰能力最大。
3.根据权利要求1所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：步骤2所述建立火电机组“深度调峰消纳-煤耗”联合约束的机组组合优化模型约束条件，包括以下步骤：
步骤(1)功率平衡约束；
步骤(2)旋转备用约束；
步骤(3)机组出力上、下限约束；
步骤(4)机组爬坡和启停功率约束；
步骤(5)风电出力约束；
步骤(6)根据步骤(1)-步骤(5)得到机组优化调度数学模型的目标函数和约束条件。
4.根据权利要求3所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述功率平衡约束，包括：
在每一个调度时刻都满足总的发电功率与总的负荷功率相平衡；
功率平衡约束方程为：
Figure FDA0002958848060000021
式中Pwt表示在t时刻风电要求的并网出力；Plt表示在t时刻总的供电负荷功率。
5.根据权利要求3所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述旋转备用约束，包括：
按系统总负荷的7％考虑旋转备用容量，Plt+Pxt＝1.07Plt，则有
Figure FDA0002958848060000022
式中Pxt为系统旋转备用容量；Pimax为第i台机组发电功率最大上限。
6.根据权利要求3所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述机组出力上、下限约束，包括：
Pi min≤Pit≤Pi max i＝1,2,...,n (5)
上式中Pi min和Pi max分别表示第i台机组的出力上、下限。
7.根据权利要求3所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述机组爬坡和启停功率约束，包括：
Pit-Pit-1≤βit-1·Aiup+(βit-βit-1)·Aistart (6)
Pit-1-Pit≤βit·Aidown+(βit-1-βit)·Aishut (7)
式中Aiup和Aidown分别为机组i的上、下爬坡功率限制；Aistart和Aishut分别为机组i的启动、停机功率限制。
8.根据权利要求3所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述风电出力约束，包括：
Figure FDA0002958848060000031
式中Pwt表示在t时刻风电的实际出力；
Figure FDA0002958848060000032
表示在t时刻时风电最大预测出力。
9.根据权利要求1所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述根据步骤(1)-步骤(5)得到机组优化调度数学模型的目标函数和约束条件，如下：
Figure FDA0002958848060000033
且
Figure FDA0002958848060000034
Figure FDA0002958848060000035
上述数学模型为非线性规划问题。
10.根据权利要求1所述的考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法，其特征是：所述算例求解及结果分析，包括：
步骤1：分析某地网供总负荷总加和统调风电有功总加，选取典型日0:00-24:00为例进行算例分析，以每小时为一个调度时段；
步骤2：通过对某地各热电联产机组调峰容量及爬坡功率的分析，采用智能优化算法对每个调度时刻求取最优机组组合方案；考虑机组额定容量大且调峰能力大的机组优先供电，在负荷降低时优先切除额定容量小且调峰能力小的机组；采用“深度调峰消纳”模型，在各调度时间段机组组合优化调度；
步骤3：对于火电企业，在机组调峰能力范围内，随着调峰深度的增加，根据机组耗量特性，机组的煤耗成本降低，启停次数也明显减少，启停成本随之降低，所以总的运行成本降低；考虑调峰能力的机组组合方案在采用“深度调峰”时，煤耗成本低于传统机组组合方案：
Figure FDA0002958848060000041
式中，PGit表示传统机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力，PDit表示考虑了调峰能力的机组组合方案在“深度调峰”时每个调度时间内各火电机组的有功出力；T为24，表示调度点总数；n为47，表示火电机组台数；
步骤4：对于风电企业，随着火电机组调峰深度的增加，风电上网电量增加；风电企业收益与风电利用率呈正比关系，风电企业是火电机组深度调峰最直接的获利者；在“深度调峰”的情况下，考虑了调峰能力的火电机组组合方案与传统火电机组组合方案相比，风电提高的经济收益为：
Figure FDA0002958848060000042
式中，Su、Sc分别表示风电的上网电价和成本电价；单位为：元/(KWh)；
在“深度调峰”的情况下，与传统调度方案相比，考虑调峰能力的机组组合方案降低了火电机组的煤耗成本，提高了风电企业的收益，使整体效益最大化；
步骤5：与传统方案相比，考虑调峰能力的机组组合方案不仅减少了深度调峰过程中的弃风电量，而且提高了火电机组应对高负荷时风电急剧下降的能力；与传统机组组合相比，考虑了调峰能力的机组组合在最大出力时提高了平抑风电波动的空间：
Figure FDA0002958848060000051
式中，Xit表示在传统机组组合运行方式下第i台机组在t时刻的运行状态；当负荷较高时，考虑调峰能力的机组组合方案提高了平抑风电波动的空间为30566MW。
CN202110231920.4A 2021-03-02 2021-03-02 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法 Pending CN112910013A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110231920.4A CN112910013A (zh) 2021-03-02 2021-03-02 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110231920.4A CN112910013A (zh) 2021-03-02 2021-03-02 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法

Publications (1)

Publication Number Publication Date
CN112910013A true CN112910013A (zh) 2021-06-04

Family

ID=76108603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110231920.4A Pending CN112910013A (zh) 2021-03-02 2021-03-02 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法

Country Status (1)

Country Link
CN (1) CN112910013A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508401A (zh) * 2020-12-07 2021-03-16 江苏方天电力技术有限公司 一种大规模新能源并网条件下火电机组深度调峰经济调度方法
CN113689043A (zh) * 2021-08-25 2021-11-23 国网黑龙江省电力有限公司电力科学研究院 一种考虑机组启停的电热联合调度方法
CN113937819A (zh) * 2021-06-30 2022-01-14 国网甘肃省电力公司电力科学研究院 一种多能源短期优化调度方法
CN114186429A (zh) * 2021-12-16 2022-03-15 华北电力大学 利用火电机组灵活调节特性的发电优化调度方法
CN114444785A (zh) * 2022-01-12 2022-05-06 华北电力大学 一种燃煤机组深度调峰的深度调度方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472423A (zh) * 2018-12-08 2019-03-15 国网辽宁省电力有限公司电力科学研究院 一种考虑风电并网条件下火电机组深度调峰的机组组合方法
CN110414744A (zh) * 2019-08-07 2019-11-05 东北电力大学 磷酸铁锂电池储能系统辅助火电机组深度调峰的分层优化方法
CN111740413A (zh) * 2020-06-28 2020-10-02 东北电力大学 一种考虑火电调峰主动性与需求响应的含储能电力系统优化调度方法
CN111799772A (zh) * 2019-04-09 2020-10-20 华北电力大学（保定） 一种考虑机组深度调峰的电热系统优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472423A (zh) * 2018-12-08 2019-03-15 国网辽宁省电力有限公司电力科学研究院 一种考虑风电并网条件下火电机组深度调峰的机组组合方法
CN111799772A (zh) * 2019-04-09 2020-10-20 华北电力大学（保定） 一种考虑机组深度调峰的电热系统优化调度方法
CN110414744A (zh) * 2019-08-07 2019-11-05 东北电力大学 磷酸铁锂电池储能系统辅助火电机组深度调峰的分层优化方法
CN111740413A (zh) * 2020-06-28 2020-10-02 东北电力大学 一种考虑火电调峰主动性与需求响应的含储能电力系统优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林俐;邹兰青;周鹏;田欣雨;: "规模风电并网条件下火电机组深度调峰的多角度经济性分析", 电力系统自动化, no. 07, 10 April 2017 (2017-04-10), pages 21 - 27 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508401A (zh) * 2020-12-07 2021-03-16 江苏方天电力技术有限公司 一种大规模新能源并网条件下火电机组深度调峰经济调度方法
CN113937819A (zh) * 2021-06-30 2022-01-14 国网甘肃省电力公司电力科学研究院 一种多能源短期优化调度方法
CN113689043A (zh) * 2021-08-25 2021-11-23 国网黑龙江省电力有限公司电力科学研究院 一种考虑机组启停的电热联合调度方法
CN113689043B (zh) * 2021-08-25 2024-03-08 国网黑龙江省电力有限公司电力科学研究院 一种考虑机组启停的电热联合调度方法
CN114186429A (zh) * 2021-12-16 2022-03-15 华北电力大学 利用火电机组灵活调节特性的发电优化调度方法
CN114444785A (zh) * 2022-01-12 2022-05-06 华北电力大学 一种燃煤机组深度调峰的深度调度方法及系统

Similar Documents

Publication Publication Date Title
CN112910013A (zh) 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法
CN107153885B (zh) 考虑火电机组深度调峰的实时发电计划优化方法
Troy et al. Multi-mode operation of combined-cycle gas turbines with increasing wind penetration
CN111244939B (zh) 一种计及需求侧响应的多能互补系统两级优化设计方法
CN110957717A (zh) 一种多电源电力系统多目标日前优化调度方法
CN104166877A (zh) 基于改进二进制粒子群优化算法的微网优化运行方法
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
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN110854933B (zh) 利用灵活性资源的月度机组组合优化方法
CN109546689B (zh) 一种适用于大规模系统的两阶段机组组合运行控制方法
CN115879734A (zh) 一种混合式抽水蓄能电站与风电联合运行调度方法
CN112508401A (zh) 一种大规模新能源并网条件下火电机组深度调峰经济调度方法
CN112101641A (zh) 一种火电机组非常规调峰经济性提升方法
CN107622331B (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
Song et al. Study on Unit Optimal Scheduling Considering the joint constraint of “deep peak load regulation and coal consumption”
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system
Zou et al. Day-Ahead and Intraday Two-Stage Optimal Dispatch Considering Joint Peak Shaving of Carbon Capture Power Plants and Virtual Energy Storage
CN112821464A (zh) 经同一并网点的可再生能源与火力发电耦合系统调度模型
CN115879676A (zh) 一种冷链参与电力辅助服务市场的调控方法及装置
CN112821468A (zh) 一种分时段多目标火电机组实时优化调度方法
Sui et al. Optimization of Monthly Power Generation Plan for Thermal Power Units Considering Access of Large-scale New Energy
CN112968478B (zh) 化石类能源发电与清洁类电网调控优化方法、装置及系统
CN109755970A (zh) 一种节能调度方法、系统、设备及计算机可读存储介质
Zhang et al. Analysis of peak regulation strategy with considering renewable energy injection and power from outside
Lv et al. Economic analysis of trigeneration systems considering participations of energy storage

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