CN113036750A - 一种含储能电站的电网调峰资源协调优化方法 - Google Patents

一种含储能电站的电网调峰资源协调优化方法 Download PDF

Info

Publication number
CN113036750A
CN113036750A CN202011502051.6A CN202011502051A CN113036750A CN 113036750 A CN113036750 A CN 113036750A CN 202011502051 A CN202011502051 A CN 202011502051A CN 113036750 A CN113036750 A CN 113036750A
Authority
CN
China
Prior art keywords
thermal power
peak regulation
generating unit
power generating
unit
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
CN202011502051.6A
Other languages
English (en)
Inventor
杨立滨
张海宁
李春来
李正曦
李志青
安娜
许辉
马国福
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 Qinghai Electric Power Co Clean Energy Development Research Institute
State Grid Qinghai Electric Power Co Ltd
Clean Energy Development Research Institute of State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd
Original Assignee
State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
State Grid Qinghai Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Qianghai 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 Qinghai Electric Power Co Clean Energy Development Research Institute, State Grid Qinghai Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Qianghai Electric Power Co Ltd filed Critical State Grid Qinghai Electric Power Co Clean Energy Development Research Institute
Priority to CN202011502051.6A priority Critical patent/CN113036750A/zh
Publication of CN113036750A publication Critical patent/CN113036750A/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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种含储能电站的电网调峰资源协调优化方法，涉及电网调峰技术领域，本发明方法包括以下步骤：(1)电网调峰资源协调优化调度模型的结构分析：(2)电网调峰资源协调优化调度模型的建立：(3)电网调峰资源协调优化调度模型的求解：其中，以储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力。本发明的有益效果：该方法以减少负荷低谷时期的弃风电量，提高系统调峰能力为目标，提出一种储能辅助火电机组深度调峰分层优化调度方案，对于提高电力系统调峰能力、减少弃风产生的同时改善火电机组最大峰谷差调节量具有较大帮助，采用储能系统削峰填谷配合火电机组深度调峰的手段达到有效减少负荷低谷时期的弃风电量，提高了系统调峰能力。

Description

一种含储能电站的电网调峰资源协调优化方法
技术领域
本发明涉及电网调峰技术领域，具体为一种含储能电站的电网调峰资源协调优化方法。
背景技术
储能技术作为解决大规模可再生能源发电接入电网的一种有效支撑技术，具备削峰填谷、调频调压、电能质量治理等功能，电力系统调峰是指电源出力能否满足负荷或净负荷在调度日内的变化情况，当风电呈现反调峰特性时，净负荷峰谷差增大，使火电机组最大峰谷差调节需求量升高，常规调峰手段已无法满足调峰需求，从而导致大量弃风产生。通过采用火电机组深度调峰手段并结合储能系统的削峰填谷作用，可以有效减少负荷低谷时期的弃风电量，缓解系统调峰困难。
发明内容
本发明的目的是提供一种含储能电站的电网调峰资源协调优化方法，采用储能系统削峰填谷配合火电机组深度调峰的手段达到有效减少负荷低谷时期的弃风电量，提高系统调峰能力的目的。
本发明提出的含储能电站的电网调峰资源协调优化方法，包括以下步骤：
(1)电网调峰资源协调优化调度模型的结构分析：
采用储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力，提出了分层协调优化调度方案，其具体模型结构见图1；
上层调度模型以净负荷标准差及储能系统经济性最优为目标来优化储能系统充放电功率，以此提高负荷低谷时期的火电机组调峰空间并减少负荷尖峰时段的机组出力值，而实际的风电接纳量需根据火电机组的调峰能力确定，故根据得到的储能系统充放电功率，结合原负荷曲线得到等效负荷曲线，并传递至中层调度模型；
中层调度模型通过上层模型传递的等效负荷曲线，结合风电数据来对各时刻的火电机组总出力进行优化，在接纳风电的过程中，由于火电机组出力的降低，其各项成本及收益会发生变化，故中层模型将以火电机组在接纳风电过程中所产生的额外运行成本、电量损失成本、深度调峰补偿收益以及弃风惩罚成本所组成的总调峰成本最小为目标，优化各时刻的风电接纳量，确定火电机组总出力，并将结果传递至下层调度模型；
下层调度模型以各时刻火电机组总出力值为基础，结合各火电单元的运行特性，以机组整体运行效益最优为目标，求解各火电机组的最优出力；
(2)电网调峰资源协调优化调度模型的建立：
(2-1)上层模型目标函数及约束条件：
上层模型以储能运行收益及净负荷标准差最优为目标，其中，储能运行效益的计算公式如下：
Figure RE-GDA0003020340000000021
式中，Iν为储能系统运行收益；
Figure RE-GDA0003020340000000022
为储能运行电量收益；
Figure RE-GDA0003020340000000023
为储能运行环境收益；Pc,t、Pd,t分别为t时刻储能系统充放电功率(其值都为正)；ηd为储能系统放电效率；et为电网的实时峰谷电价；Δt为计算时间步长；K为机组生产电能的污染物排放总数；ωk为生产单位电能的第k种污染物排放密度；ek为第k 种污染物的单位排放费用；
净负荷标准差的计算公式如下：
Figure RE-GDA0003020340000000024
式中：Pnet,t为t时刻净负荷功率；
Figure RE-GDA0003020340000000025
为净负荷平均值；T为调度日内总采样点数；
上层模型目标函数及约束条件如下：
Figure RE-GDA0003020340000000026
式中，
Figure RE-GDA0003020340000000031
与
Figure RE-GDA0003020340000000032
分别为储能系统运行收益Iν与净负荷标准差PSDν的标幺值， PC与PD为储能系统的最大充放电功率，一般等于储能额定功率；St为t时刻储能系统荷电状态；Smax与Smin分别为储能系统荷电状态上下限值；
(2-2)中层模型目标函数：
中层模型考虑火电机组的深度调峰，其调峰成本函数为非线性函数，其中火电机组的总调峰能耗成本函数CG,t其公式如下：
Figure RE-GDA0003020340000000033
式中，
Figure RE-GDA0003020340000000034
为火电机组运行能耗成本；ai、bi、ci分别为第i台火电机组耗量特性函数的系数；Sc为当季单位煤炭价格；
Figure RE-GDA0003020340000000035
为火电机组深度调峰的过程中随着负荷率的不断降低产生的机组运行损耗成本；β为火电厂实际运行损耗系数；SJ,i为第i台火电机组的购机成本；NF,i,t为第i台火电机组t时刻的转子致裂周次，该值与火电机组出力PG,i,t相关；
Figure RE-GDA0003020340000000036
为投油成本；Qi,t为第i台火电机组投油深度调峰阶段t时刻的投油量；So为当季的油价；PG,t为t时刻所有火电机组总出力；PGmax为火电机组总出力最大值；PG1为常规调峰阶段的火电机组总出力最小值；PG2为不投油深度调峰阶段的火电机组总出力最小值；PG3为投油深度调峰阶段的火电机组总出力最小值；Ir和Id分别为系统常规调峰机组和可深度调峰机组的数量，当PG1≤PG,t≤PGmax时，所有火电机组都处于常规调峰阶段； PG2≤PG,t＜PG1，不参与深度调峰机机组处于常规调峰阶段最小出力，参与深度调峰的机组处于不投油深度调峰阶段；当PG3≤PG,t＜PG2时，不参与深度调峰机组处于常规调峰阶段最小出力，参与深度调峰机组处于投油深度调峰阶段。表达公式如下：
Figure RE-GDA0003020340000000041
式中：
Figure RE-GDA0003020340000000042
为第i台只参与常规调峰的机组额定容量；
Figure RE-GDA0003020340000000043
为第i台可深度调峰的机组额定容量；
Figure RE-GDA0003020340000000044
为第i台机组的最大负荷率；
Figure RE-GDA0003020340000000045
为第i台常规调峰阶段的最小负荷率；
Figure RE-GDA0003020340000000046
为第i台机组不投油深度调峰阶段的最小负荷率；
Figure RE-GDA0003020340000000047
为第i 台机组投油深度调峰阶段的最小负荷率；
此外，为增加火电厂的调峰意愿，各地出台了相应的火电机组深度调峰补偿政策，火电机组深度调峰补偿收益函数IG,t如下：
Figure RE-GDA0003020340000000048
式中，eP为火电机组深度调峰补偿单价；Δt为计算时间步长；
根据上述运行成本及深度调峰补偿收益模型，再考虑火电机组在接纳风电过程中的电量收益损失成本和弃风惩罚成本，建立目标函数如下：
Figure RE-GDA0003020340000000051
式中，Pwj,t为t时刻的风电上网功率；Pw,t为t时刻的风电功率；θ为弃风惩罚成本单位；Δt为计算时间步长，约束条件包括火电机组总功率约束、总爬坡率约束以及各机组的启停约束，其中PGmin、PGmax分别为火电机组总出力的最小值和最大值；
Figure RE-GDA0003020340000000052
分别t时刻火电机组所需承担的正负备用；
Figure RE-GDA0003020340000000053
分别为t时刻的火电机组总出力的最大向下爬坡量和最大向上爬坡量；νi,t为火电机组运行状态；Ton,i、Toff,i分别为第i台火电机组的最小连续运行时间和最小连续停机时间；Ton,i,t-1、Toff,i,t-1分别为第i台机组在时段t-1内的持续运行时间和持续停机时间；
(2-3)下层模型目标函数：
下层模型将根据上层模型输出的各时刻火电机组总出力情况，来优化各火电机组的出力值，根据单台火电机组的运行电量收益函数
Figure RE-GDA0003020340000000054
补偿收益函数IG,i,t和能耗成本函数CG,i,t，以机组运行效益最大为目标，建立下层规划模型目标函数：
Figure RE-GDA0003020340000000055
Figure RE-GDA0003020340000000056
式中，eZ为火电机组的上网电价；
在下层规划模型中，主要约束条件包括火电机组的功率约束、爬坡率约束和启停约束；
(3)电网调峰资源协调优化调度模型的求解：
(3-1)上层模型的求解：
采用粒子群优化算法进行求解，得到最优的储能系统充放电功率；
(3-2)中层模型的求解：
采用迭代方式，计算各时刻随风电接纳量增加的总调峰成本变化情况，选取
成本最小时对应的风电接纳量作为优化结果；
(3-3)下层模型的求解：
采用改进粒子群优化算法进行计算，由于火电机组在各阶段的成本和补偿收益函数为非线性，计算过程比较复杂，而根据中层模型确定的火电机组总出力，可以判定各机组的运行状态从而选择相应成本和收益计算公式进行优化。
作为本发明的一种优选技术方案，以储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力。
本发明的有益效果在于：本发明为提高系统调峰能力提供了一种优化方法，该方法以减少负荷低谷时期的弃风电量，提高系统调峰能力为目标，提出一种储能辅助火电机组深度调峰分层优化调度方案，对于提高电力系统调峰能力、减少弃风产生的同时改善火电机组最大峰谷差调节量具有较大帮助。本发明采用储能系统削峰填谷配合火电机组深度调峰的手段达到有效减少负荷低谷时期的弃风电量，提高了系统调峰能力，进一步保证了电力系统的用电安全性和电能质量。
附图说明
图1是本发明一种含储能电站的电网调峰资源协调优化方法的电网调峰资源协调优化调度模型结构示意图；
图2是本发明一种含储能电站的电网调峰资源协调优化方法的风电和负荷功率预测曲线图；
图3是本发明一种含储能电站的电网调峰资源协调优化方法的考虑储能的优化效果图；
图4是本发明一种含储能电站的电网调峰资源协调优化方法的考虑各火电机组后的优化效果图；
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1所示，本发明提出的含储能电站的电网调峰资源协调优化方法，包括以下步骤：
(1)电网调峰资源协调优化调度模型的结构分析：
采用储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力，提出了分层协调优化调度方案，其具体模型结构见图1；
上层调度模型以净负荷标准差及储能系统经济性最优为目标来优化储能系统充放电功率，以此提高负荷低谷时期的火电机组调峰空间并减少负荷尖峰时段的机组出力值，而实际的风电接纳量需根据火电机组的调峰能力确定，故根据得到的储能系统充放电功率，结合原负荷曲线得到等效负荷曲线，并传递至中层调度模型；
中层调度模型通过上层模型传递的等效负荷曲线，结合风电数据来对各时刻的火电机组总出力进行优化，在接纳风电的过程中，由于火电机组出力的降低，其各项成本及收益会发生变化，故中层模型将以火电机组在接纳风电过程中所产生的额外运行成本、电量损失成本、深度调峰补偿收益以及弃风惩罚成本所组成的总调峰成本最小为目标，优化各时刻的风电接纳量，确定火电机组总出力，并将结果传递至下层调度模型；
下层调度模型以各时刻火电机组总出力值为基础，结合各火电单元的运行特性，以机组整体运行效益最优为目标，求解各火电机组的最优出力；
(2)电网调峰资源协调优化调度模型的建立：
(2-1)上层模型目标函数及约束条件：
上层模型以储能运行收益及净负荷标准差最优为目标，其中，储能运行效益的计算公式如下：
Figure RE-GDA0003020340000000081
式中，Iν为储能系统运行收益；
Figure RE-GDA0003020340000000082
为储能运行电量收益；
Figure RE-GDA0003020340000000083
为储能运行环境收益；Pc,t、Pd,t分别为t时刻储能系统充放电功率(其值都为正)；ηd为储能系统放电效率；et为电网的实时峰谷电价；Δt为计算时间步长；K为机组生产电能的污染物排放总数；ωk为生产单位电能的第k种污染物排放密度；ek为第k 种污染物的单位排放费用；
净负荷标准差的计算公式如下：
Figure RE-GDA0003020340000000084
式中：Pnet,t为t时刻净负荷功率；
Figure RE-GDA0003020340000000085
为净负荷平均值；T为调度日内总采样点数；
上层模型目标函数及约束条件如下：
Figure RE-GDA0003020340000000086
式中，
Figure RE-GDA0003020340000000087
与
Figure RE-GDA0003020340000000088
分别为储能系统运行收益Iν与净负荷标准差PSDν的标幺值， PC与PD为储能系统的最大充放电功率，一般等于储能额定功率；St为t时刻储能系统荷电状态；Smax与Smin分别为储能系统荷电状态上下限值；
(2-2)中层模型目标函数：
中层模型考虑火电机组的深度调峰，其调峰成本函数为非线性函数，其中火电机组的总调峰能耗成本函数CG,t其公式如下：
Figure RE-GDA0003020340000000091
式中，
Figure RE-GDA0003020340000000092
为火电机组运行能耗成本；ai、bi、ci分别为第i台火电机组耗量特性函数的系数；Sc为当季单位煤炭价格；
Figure RE-GDA0003020340000000093
为火电机组深度调峰的过程中随着负荷率的不断降低产生的机组运行损耗成本；β为火电厂实际运行损耗系数；SJ,i为第i台火电机组的购机成本；NF,i,t为第i台火电机组t时刻的转子致裂周次，该值与火电机组出力PG,i,t相关；
Figure RE-GDA0003020340000000094
为投油成本；Qi,t为第i台火电机组投油深度调峰阶段t时刻的投油量；So为当季的油价；PG,t为t时刻所有火电机组总出力；PGmax为火电机组总出力最大值；PG1为常规调峰阶段的火电机组总出力最小值；PG2为不投油深度调峰阶段的火电机组总出力最小值；PG3为投油深度调峰阶段的火电机组总出力最小值；Ir和Id分别为系统常规调峰机组和可深度调峰机组的数量，当PG1≤PG,t≤PGmax时，所有火电机组都处于常规调峰阶段； PG2≤PG,t＜PG1，不参与深度调峰机机组处于常规调峰阶段最小出力，参与深度调峰的机组处于不投油深度调峰阶段；当PG3≤PG,t＜PG2时，不参与深度调峰机组处于常规调峰阶段最小出力，参与深度调峰机组处于投油深度调峰阶段。表达公式如下：
Figure RE-GDA0003020340000000101
式中：
Figure RE-GDA0003020340000000102
为第i台只参与常规调峰的机组额定容量；
Figure RE-GDA0003020340000000103
为第i台可深度调峰的机组额定容量；
Figure RE-GDA0003020340000000104
为第i台机组的最大负荷率；
Figure RE-GDA0003020340000000105
为第i台常规调峰阶段的最小负荷率；
Figure RE-GDA0003020340000000106
为第i台机组不投油深度调峰阶段的最小负荷率；
Figure RE-GDA0003020340000000107
为第i 台机组投油深度调峰阶段的最小负荷率；
此外，为增加火电厂的调峰意愿，各地出台了相应的火电机组深度调峰补偿政策，火电机组深度调峰补偿收益函数IG,t如下：
Figure RE-GDA0003020340000000108
式中，eP为火电机组深度调峰补偿单价；Δt为计算时间步长；
根据上述运行成本及深度调峰补偿收益模型，再考虑火电机组在接纳风电过程中的电量收益损失成本和弃风惩罚成本，建立目标函数如下：
Figure RE-GDA0003020340000000109
式中，Pwj,t为t时刻的风电上网功率；Pw,t为t时刻的风电功率；θ为弃风惩罚成本单位；Δt为计算时间步长，约束条件包括火电机组总功率约束、总爬坡率约束以及各机组的启停约束，其中PGmin、PGmax分别为火电机组总出力的最小值和最大值；
Figure RE-GDA0003020340000000111
分别t时刻火电机组所需承担的正负备用；
Figure RE-GDA0003020340000000112
分别为t时刻的火电机组总出力的最大向下爬坡量和最大向上爬坡量；νi,t为火电机组运行状态；Ton,i、Toff,i分别为第i台火电机组的最小连续运行时间和最小连续停机时间；Ton,i,t-1、Toff,i,t-1分别为第i台机组在时段t-1内的持续运行时间和持续停机时间；
(2-3)下层模型目标函数：
下层模型将根据上层模型输出的各时刻火电机组总出力情况，来优化各火电机组的出力值，根据单台火电机组的运行电量收益函数
Figure RE-GDA0003020340000000113
补偿收益函数IG,i,t和能耗成本函数CG,i,t，以机组运行效益最大为目标，建立下层规划模型目标函数：
Figure RE-GDA0003020340000000114
Figure RE-GDA0003020340000000115
式中，eZ为火电机组的上网电价；
在下层规划模型中，主要约束条件包括火电机组的功率约束、爬坡率约束和启停约束；
(3)电网调峰资源协调优化调度模型的求解：
(3-1)上层模型的求解：
采用粒子群优化算法进行求解，得到最优的储能系统充放电功率；
(3-2)中层模型的求解：
采用迭代方式，计算各时刻随风电接纳量增加的总调峰成本变化情况，选取
成本最小时对应的风电接纳量作为优化结果；
(3-3)下层模型的求解：
采用改进粒子群优化算法进行计算，由于火电机组在各阶段的成本和补偿收益函数为非线性，计算过程比较复杂，而根据中层模型确定的火电机组总出力，可以判定各机组的运行状态从而选择相应成本和收益计算公式进行优化。
其中，以储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力。
以下以简图的形式，说明本发明中所描述的含储能电站的电网调峰资源协调优化方法。
电网算例：
(1)参数介绍：
本算例中局域电网的谷时(23:00-7:00)电价为0.414元/kWh、平时 (7:00-8:00)和(11:00-18:00)电价为0.782元/kWh、峰时(8:00-11:00、 18:00-23:00)电价为1.149元/kWh。采用1周风电功率预测曲线和负荷功率预测曲线进行分析，如图2所示。
储能技术选用磷酸铁锂电池，其功率单价为1500元/kW，容量单价为2500元 /kWh，放电效率为0.9，SOC上下限分别为0.9和0.1。机组单位造价成本3464元/kW，锅炉燃料焦煤价格为685元/t，火电上网电价0.375元/kWh，弃风惩罚成本0.6元 /kWh。火电机组的总装机容量为3700MW，风电总装机容量为1280MW，火电机组构成及参数如表1所示。
表1火电机组参数
Figure RE-GDA0003020340000000121
其中，200MW与300MW机组只进行常规调峰，其常规调峰阶段的最低负荷率为50％；600MW机组参与深度调峰，其在深度调峰时的相关参数如下：
1)火电机组常规调峰阶段的最低负荷率为50％，不投油深度调峰阶段的最低负荷率为40％，投油深度调峰阶段的最低负荷率为30％；
2)不投油深度调峰阶段的运行损耗系数β＝1.2，投油深度调峰阶段的运行损耗系数β＝1.5；
3)在深度调峰阶段的转子致裂周次N与机组功率P的关系式为： N(P)＝0.005778P3-2.682P2+484.8P-8411；
4)机组在投油深度调峰阶段的油耗量为4.8t/h，油价为6130元/t；
5)设定火电机组参与深度调峰的补偿电价为0.4元/kWh。
(2)结果分析：
根据1周负荷功率需求，确定每天机组的开机容量。为留有一定的尖峰旋转备用功率，设各火电机组的最大开机负荷率为90％。首先，采用储能对净负荷数据进行削峰填谷，其各时刻的储能系统充放电功率及储能荷电状态如图3(a)所示，储能可以较好地对净负荷曲线进行削峰填谷，1周内储能平均最大填谷功率为179.92MW，平均最大削峰功率为176.84MW，荷电状态始终保持在限制范围之内。经储能优化后的净负荷曲线如图3(b)所示，储能可以在净负荷高峰时期降低负荷需求，减少尖峰时段火电机组出力，在净负荷低谷时段增加负荷需求，提高火电机组调峰空间。
其次，对各时刻风电接纳量进行优化，图4分别为有无储能优化后7天内各机组出力值、风电接纳量及弃风电量。可以看出，包含储能时的曲线较为平缓，火电机组每天所需的最大峰谷差调节量(800.4MW)小于不含储能时的最大峰谷差调节量(1007.7MW)，减少幅度为20.6％；系统平均日弃风率从8.69％减小到5.01％，减少幅度为42.35％。分析认为，储能不仅改善了系统负荷峰谷差，又能减少弃风、提高风电接纳量。

Claims (2)

1.一种含储能电站的电网调峰资源协调优化方法，其特征在于该方法包括以下步骤：(1)电网调峰资源协调优化调度模型的结构分析：
采用储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力，提出了分层协调优化调度方案，其具体模型结构见图1；
上层调度模型以净负荷标准差及储能系统经济性最优为目标来优化储能系统充放电功率，以此提高负荷低谷时期的火电机组调峰空间并减少负荷尖峰时段的机组出力值，而实际的风电接纳量需根据火电机组的调峰能力确定，故根据得到的储能系统充放电功率，结合原负荷曲线得到等效负荷曲线，并传递至中层调度模型；
中层调度模型通过上层模型传递的等效负荷曲线，结合风电数据来对各时刻的火电机组总出力进行优化，在接纳风电的过程中，由于火电机组出力的降低，其各项成本及收益会发生变化，故中层模型将以火电机组在接纳风电过程中所产生的额外运行成本、电量损失成本、深度调峰补偿收益以及弃风惩罚成本所组成的总调峰成本最小为目标，优化各时刻的风电接纳量，确定火电机组总出力，并将结果传递至下层调度模型；
下层调度模型以各时刻火电机组总出力值为基础，结合各火电单元的运行特性，以机组整体运行效益最优为目标，求解各火电机组的最优出力；
(2)电网调峰资源协调优化调度模型的建立：
(2-1)上层模型目标函数及约束条件：
上层模型以储能运行收益及净负荷标准差最优为目标，其中，储能运行效益的计算公式如下：
Figure FDA0002843735990000021
式中，Iν为储能系统运行收益；
Figure FDA0002843735990000022
为储能运行电量收益；
Figure FDA0002843735990000023
为储能运行环境收益；Pc,t、Pd,t分别为t时刻储能系统充放电功率(其值都为正)；ηd为储能系统放电效率；et为电网的实时峰谷电价；Δt为计算时间步长；K为机组生产电能的污染物排放总数；ωk为生产单位电能的第k种污染物排放密度；ek为第k种污染物的单位排放费用；
净负荷标准差的计算公式如下：
Figure FDA0002843735990000024
式中：Pnet,t为t时刻净负荷功率；
Figure FDA0002843735990000025
为净负荷平均值；T为调度日内总采样点数；
上层模型目标函数及约束条件如下：
Figure FDA0002843735990000026
式中，
Figure FDA0002843735990000027
与
Figure FDA0002843735990000028
分别为储能系统运行收益Iν与净负荷标准差PSDν的标幺值，PC与PD为储能系统的最大充放电功率，一般等于储能额定功率；St为t时刻储能系统荷电状态；Smax与Smin分别为储能系统荷电状态上下限值；
(2-2)中层模型目标函数：
中层模型考虑火电机组的深度调峰，其调峰成本函数为非线性函数，其中火电机组的总调峰能耗成本函数CG,t其公式如下：
Figure FDA0002843735990000031
式中，
Figure FDA0002843735990000032
为火电机组运行能耗成本；ai、bi、ci分别为第i台火电机组耗量特性函数的系数；Sc为当季单位煤炭价格；
Figure FDA0002843735990000033
为火电机组深度调峰的过程中随着负荷率的不断降低产生的机组运行损耗成本；β为火电厂实际运行损耗系数；SJ,i为第i台火电机组的购机成本；NF,i,t为第i台火电机组t时刻的转子致裂周次，该值与火电机组出力PG,i,t相关；
Figure FDA0002843735990000034
为投油成本；Qi,t为第i台火电机组投油深度调峰阶段t时刻的投油量；So为当季的油价；PG,t为t时刻所有火电机组总出力；PGmax为火电机组总出力最大值；PG1为常规调峰阶段的火电机组总出力最小值；PG2为不投油深度调峰阶段的火电机组总出力最小值；PG3为投油深度调峰阶段的火电机组总出力最小值；Ir和Id分别为系统常规调峰机组和可深度调峰机组的数量，当PG1≤PG,t≤PGmax时，所有火电机组都处于常规调峰阶段；PG2≤PG,t＜PG1，不参与深度调峰机机组处于常规调峰阶段最小出力，参与深度调峰的机组处于不投油深度调峰阶段；当PG3≤PG,t＜PG2时，不参与深度调峰机组处于常规调峰阶段最小出力，参与深度调峰机组处于投油深度调峰阶段。表达公式如下：
Figure FDA0002843735990000041
式中：
Figure FDA0002843735990000042
为第i台只参与常规调峰的机组额定容量；
Figure FDA0002843735990000043
为第i台可深度调峰的机组额定容量；
Figure FDA0002843735990000044
为第i台机组的最大负荷率；
Figure FDA0002843735990000045
为第i台常规调峰阶段的最小负荷率；
Figure FDA0002843735990000046
为第i台机组不投油深度调峰阶段的最小负荷率；
Figure FDA0002843735990000047
为第i台机组投油深度调峰阶段的最小负荷率；
此外，为增加火电厂的调峰意愿，各地出台了相应的火电机组深度调峰补偿政策，火电机组深度调峰补偿收益函数IG,t如下：
Figure FDA0002843735990000048
式中，eP为火电机组深度调峰补偿单价；Δt为计算时间步长；
根据上述运行成本及深度调峰补偿收益模型，再考虑火电机组在接纳风电过程中的电量收益损失成本和弃风惩罚成本，建立目标函数如下：
Figure FDA0002843735990000049
式中，Pwj,t为t时刻的风电上网功率；Pw,t为t时刻的风电功率；θ为弃风惩罚成本单位；Δt为计算时间步长，约束条件包括火电机组总功率约束、总爬坡率约束以及各机组的启停约束，其中PGmin、PGmax分别为火电机组总出力的最小值和最大值；
Figure FDA0002843735990000051
分别t时刻火电机组所需承担的正负备用；
Figure FDA0002843735990000052
Figure FDA0002843735990000053
分别为t时刻的火电机组总出力的最大向下爬坡量和最大向上爬坡量；νi,t为火电机组运行状态；Ton,i、Toff,i分别为第i台火电机组的最小连续运行时间和最小连续停机时间；Ton,i,t-1、Toff,i,t-1分别为第i台机组在时段t-1内的持续运行时间和持续停机时间；
(2-3)下层模型目标函数：
下层模型将根据上层模型输出的各时刻火电机组总出力情况，来优化各火电机组的出力值，根据单台火电机组的运行电量收益函数
Figure FDA0002843735990000054
补偿收益函数IG,i,t和能耗成本函数CG,i,t，以机组运行效益最大为目标，建立下层规划模型目标函数：
Figure FDA0002843735990000055
Figure FDA0002843735990000056
式中，eZ为火电机组的上网电价；
在下层规划模型中，主要约束条件包括火电机组的功率约束、爬坡率约束和启停约束；
(3)电网调峰资源协调优化调度模型的求解：
(3-1)上层模型的求解：
采用粒子群优化算法进行求解，得到最优的储能系统充放电功率；
(3-2)中层模型的求解：
采用迭代方式，计算各时刻随风电接纳量增加的总调峰成本变化情况，选取成本最小时对应的风电接纳量作为优化结果；
(3-3)下层模型的求解：
采用改进粒子群优化算法进行计算，由于火电机组在各阶段的成本和补偿收益函数为非线性，计算过程比较复杂，而根据中层模型确定的火电机组总出力，可以判定各机组的运行状态从而选择相应成本和收益计算公式进行优化。
2.根据权利要求1所述的一种含储能电站的电网调峰资源协调优化方法，其特征在于：以储能系统削峰填谷配合火电机组深度调峰来提高系统调峰能力。
CN202011502051.6A 2020-12-17 2020-12-17 一种含储能电站的电网调峰资源协调优化方法 Pending CN113036750A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011502051.6A CN113036750A (zh) 2020-12-17 2020-12-17 一种含储能电站的电网调峰资源协调优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011502051.6A CN113036750A (zh) 2020-12-17 2020-12-17 一种含储能电站的电网调峰资源协调优化方法

Publications (1)

Publication Number Publication Date
CN113036750A true CN113036750A (zh) 2021-06-25

Family

ID=76460487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011502051.6A Pending CN113036750A (zh) 2020-12-17 2020-12-17 一种含储能电站的电网调峰资源协调优化方法

Country Status (1)

Country Link
CN (1) CN113036750A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113517691A (zh) * 2021-07-19 2021-10-19 海南电网有限责任公司 一种基于峰谷分时电价的多类型电源协同调度方法
CN114977235A (zh) * 2022-06-24 2022-08-30 河海大学 一种基于变速抽水蓄能的多能源电力优化调度方法及系统
CN116826867A (zh) * 2023-08-30 2023-09-29 国网湖北省电力有限公司经济技术研究院 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109599861A (zh) * 2018-11-30 2019-04-09 国家电网公司西南分部 考虑本地负荷调峰能力的送端电网电源结构规划方法
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
CN110417061A (zh) * 2019-07-24 2019-11-05 东北大学 一种基于改进蛙跳算法的电热联合系统调度方法
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109599861A (zh) * 2018-11-30 2019-04-09 国家电网公司西南分部 考虑本地负荷调峰能力的送端电网电源结构规划方法
CN110417061A (zh) * 2019-07-24 2019-11-05 东北大学 一种基于改进蛙跳算法的电热联合系统调度方法
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
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN111756076A (zh) * 2020-07-27 2020-10-09 国网河南省电力公司电力科学研究院 一种储能辅助调峰服务市场的双层互动调度方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李军徽等: "储能辅助火电机组深度调峰的分层优化调度", 《电网技术》 *
李铁等: "计及调峰主动性的风光水火储多能系统互补协调优化调度", 《电网技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113517691A (zh) * 2021-07-19 2021-10-19 海南电网有限责任公司 一种基于峰谷分时电价的多类型电源协同调度方法
CN114977235A (zh) * 2022-06-24 2022-08-30 河海大学 一种基于变速抽水蓄能的多能源电力优化调度方法及系统
CN114977235B (zh) * 2022-06-24 2023-11-03 河海大学 一种基于变速抽水蓄能的多能源电力优化调度方法及系统
CN116826867A (zh) * 2023-08-30 2023-09-29 国网湖北省电力有限公司经济技术研究院 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法
CN116826867B (zh) * 2023-08-30 2023-12-15 国网湖北省电力有限公司经济技术研究院 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法

Similar Documents

Publication Publication Date Title
CN113036750A (zh) 一种含储能电站的电网调峰资源协调优化方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN111740413B (zh) 一种考虑火电调峰主动性的含储能电力系统优化调度方法
CN111614087B (zh) 一种参与电网调峰的储能双层优化配置方法
CN110414744A (zh) 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
CN112465181A (zh) 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法
CN113792953B (zh) 一种虚拟电厂优化调度方法及系统
CN114221338B (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN115689233A (zh) 计及调峰主动性的风光水火储系统互补协调优化调度方法
CN112736952A (zh) 考虑日历寿命的海上风电配置储能系统容量优化方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN115133548A (zh) 一种考虑运行灵活性的含储协电力系统优化调度方法
CN111641233A (zh) 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN115036914B (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
CN112086960A (zh) 基于模型预测控制的电氢耦合系统灵活裕度计算方法
CN113780670A (zh) 基于两阶段的区域电网电动汽车调峰优化调度方法
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN115001046A (zh) 多储能电站参与调峰调频双层优化控制方法
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN112993992B (zh) 一种基于调峰参数灵活分档的储能辅助调峰运行优化方法
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN116914785A (zh) 一种电热氢系统优化运行方法
CN114971154A (zh) 一种包含碳交易机制的可再生能源消纳方法
CN115640894B (zh) 一种基于双时间尺度的综合能源系统优化调度方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210625