CN113159423A - 基于风、火、光储协调的多能源联合优化调度运行方法 - Google Patents

基于风、火、光储协调的多能源联合优化调度运行方法 Download PDF

Info

Publication number
CN113159423A
CN113159423A CN202110437413.6A CN202110437413A CN113159423A CN 113159423 A CN113159423 A CN 113159423A CN 202110437413 A CN202110437413 A CN 202110437413A CN 113159423 A CN113159423 A CN 113159423A
Authority
CN
China
Prior art keywords
power
light storage
fan
capacity
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.)
Pending
Application number
CN202110437413.6A
Other languages
English (en)
Inventor
晋飞
李国强
刘静利
侯保刚
周玉
曹凯
张迪
孙赛赛
陈警钰
秦扬
王鹤飞
卢邵强
陈鹏
庄士成
张同军
邢方方
王磊
高竹青
尹国徽
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
Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Weifang Power Supply Co of State Grid Shandong 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 Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202110437413.6A priority Critical patent/CN113159423A/zh
Publication of CN113159423A publication Critical patent/CN113159423A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—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
    • 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
    • G06Q10/06—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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于风、火、光储协调的多能源联合优化调度运行方法，包括：获取电力系统中火电机组、风电机组和光储单元的台数及运行参数，电力系统负荷预测数据、电网购电价格，风电、光储出力的历史数据和预测数据；根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态；结合风电、光储出力的预测数据的修正结果，建立计及新能源调峰能力的多能源联合优化调度运行模型，根据所述模型，以电网收益最大化、风电消纳最大化为优化目标，计算得到机组联合运行结果。本发明提供的运行方法，电网调度成本低、调峰压力小、新能源消纳大，确保电力系统运行的经济性和可靠性。

Description

基于风、火、光储协调的多能源联合优化调度运行方法
技术领域
本发明涉及电网控制技术领域，特别是涉及一种基于风、火、光储协调的多能源联合优化调度运行方法。
背景技术
随着能源与环境问题的日益加剧，清洁能源在电力系统中所占的比例逐渐加大，电网在完成调峰任务的同时，需要兼顾对大规模清洁能源的消纳，使得电网运行管理变得越来越困难。由于风电、光伏等新能源的不确定性，仅依赖传统火电机组进行调峰，必然会增加调峰压力以及调峰成本，存在电网调度成本高、风电消纳小的问题。当前，关于新能源调度方法已开展大量研究，多从新能源的不确定性角度出发，但是较少考虑其本身的调峰能力。优先选用调峰能力强的新能源机组调峰，对于系统的可靠稳定运行具有重要作用。
因此，解决现有电网调度成本高、调峰压力大、新能源消纳小的问题提供一种能够考虑风机和光伏储能的调峰能力，合理地选择新能源机组参与到系统调峰，保证新能源消纳，以确保电力系统运行的经济性和可靠性的调度方法是当前亟待解决的问题。
发明内容
本发明的目的是提供一种基于风、火、光储协调的多能源联合优化调度运行方法，能够解决现有电网调度成本高、调峰压力大、新能源消纳小的问题，确保电力系统运行的经济性和可靠性。
为实现上述目的，本发明提供了如下方案：
一种基于风、火、光储协调的多能源联合优化调度运行方法，包括以下步骤：
S1，获取电力系统中火电机组、风电机组和光储单元的台数及运行参数，电力系统负荷预测数据、电网购电价格,风电、光储出力的历史数据和预测数据；
S2，修正风电、光储出力的预测数据，根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态；
S3，根据所述调峰能力指标体系得到新能源调峰指标特征参数，并结合风电、光储出力的预测数据的修正结果，建立计及新能源调峰能力的多能源联合优化调度运行模型；
S4，根据所述多能源联合优化调度运行模型，以电网收益最大化、风电消纳最大化为优化目标，采用混沌粒子群算法计算得到机组联合运行结果。
进一步的，所述步骤S1中，电力系统中火电机组、风电机组和光储单元的台数及运行参数，具体包括：
火电机组的运行参数：火电机组的出力上限、出力下限以及爬坡速率；
风电机组的运行参数：风机的出力上限、出力下限；
光储单元的运行参数：光伏的出力上限、出力下限以及储能的出力上限、出力下限。
进一步的，所述步骤S2中，修正风电、光储出力的预测数据，根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态，具体包括：
S201，构建调峰能力指标体系，衡量新能源的调峰能力，所述调峰能力指标体系包括以下指标：
风机发电状态：
Figure BDA0003033696440000021
风机极限下调容量：ΔPw,j,t+1,maxd＝FPw,j,t+1-Pw,j,min (2)
风机极限下调比例：
Figure BDA0003033696440000022
风机极限上调容量：ΔPw,j,t+1,maxu＝FPw,j,t+1-FPw,j,t (4)
风机极限上调比例：
Figure BDA0003033696440000023
式中，ηj为风机j的发电状态，FPw,j,t+1表示为t+1时刻风机j的预测功率，WjN为风机j的额定功率；ΔPw,j,t+1,maxd为风机极限下调容量，Pw,j,min为风机j的稳定运行的最小功率；ηjd为风机j的极限下调比例；ΔPw,j,t+1,maxu为风机极限上调容量，FPw,j,t表示为t时刻风机j的预测功率；ηju为风机j的极限上调比例；
光伏发电状态：
Figure BDA0003033696440000031
光储极限下调容量：ΔPpv,l,t+1,maxd＝FPpv,l,t+1-Ppv,l,min+Pc,ilmax-Pc,l,t (7)
光储极限下调比例：
Figure BDA0003033696440000032
光储极限上调容量：ΔPpv,l,t+1,maxu＝FPpv,l,t+1-FPpv,l,t+Pc,l,t-Pc,l,min (9)
光储极限上调比例：
Figure BDA0003033696440000033
式中，ηl.p表示为光伏l的发电状态，Pc,l,t表示为储能l的功率，FPpv,l,t+1表示为t+1时刻光储l的预测功率，Pc0表示储能的额定容量，PVlN表示光伏l的额定容量；ΔPpv,l,t+1,maxd为光储极限下调容量，Ppv,l,min为光伏l的稳定运行的最小功率，Pc,l,max表示储能l的储能上限；ηld.p为光储l的极限下调比例，ΔPpv,l,t+1,maxu为光储极限上调容量，FPpv,l,t表示为t时刻光储l的预测功率，Pc,l,min表示储能l的储能下限；ηlu.p为光储l的极限上调比例；
S202，确定风电机组和光储单元的可调峰状态：
风电机组可调峰状态：
Figure BDA0003033696440000034
式中，Zjw,u/d为风机调峰状态，WN为风机低容量标准，ηju/d.p为风机j的极限上调或下调比例，ηj.p为风机j的最大调节比例，WjN为风机j的额定容量；
光储单元可调峰状态：
Figure BDA0003033696440000035
式中，Zlpv,u/d为光伏调峰状态，PVN为光伏低容量标准，ηlu/d.p为光伏l的极限上调/下调比例，ηl.p为光伏l的最大调节比例，PVlN为光伏l的额定容量。
进一步的，所述步骤S3中，建立计及新能源调峰能力的多能源联合优化调度运行模型，具体包括：
S301，确定目标函数：
电网成本最低：
Figure BDA0003033696440000041
式中，NG为区域内所有发电机组的总台数，包括火电机组，风电机组和光储单元，k′i为电网售电价格，P′i为电网在t时刻售电量，ki为电网从每台发电机组的购电价格，Pi为电网在t时刻从每台发电机组的购电量；
风电消纳最大：
Figure BDA0003033696440000042
式中，Nwind为区域内风电机组总台数，Pw,j,t为风电机组j在t时刻的计划出力；
为尽量使用高调峰能力机组，以高调峰机组调峰功率maxDP最大为目标：
Figure BDA0003033696440000044
式中，Ppv,l,t为t时刻光储机组l的出力；
S302，确定约束条件：
1)功率平衡约束：
Figure BDA0003033696440000043
式中，NH、Nwind、NPV分别为区域内火电机组、风电机组、光储单元的总台数，PH,k,t、Pw,j,t、PPV,l,t分别为在t时刻下火电机组k、风机j和光储l各发电机组的出力，Pload,t为t时刻下所需的电力负荷总量；
2)出力约束：
风电机组出力约束：
0≤Pw,j,t≤FPw,j,t (17)
式中：FPw,j,t表示为t时刻风机j的预测功率，；
由于风电具有不确定性，在此考虑概率约束：
Pr{Wj,t≤FPw,j,t}≥ρ (18)
其中，Pr表示Wj,t≤FPw,j,t发生的概率，r表示为置信度，Wj,t为风机j在t时刻实际可达到的有功出力；Wj为随机变量，使用Beta分布表示。Beta分布的累计概率分布函数F(x)为：
Figure BDA0003033696440000051
其中，B(a,b)是分布参数a,b的不完全B函数，E(x)为随机变量x发生的期望值，D(x)为方差，u为所取的样本值；
Figure BDA0003033696440000052
整理后可得，
Figure BDA0003033696440000053
式(18)和式(21)化简可得，
Figure BDA0003033696440000054
根据风机调频能力衡量进行约束
Figure BDA0003033696440000055
式中，Pw，l，t-1表示t-1时刻风电机组j的出力，
Figure BDA0003033696440000056
为风机机组j在t时刻置信度r下的累计分布值。
光储单元出力约束：
为了保证储能元件的寿命和保留一定的调峰裕度，储能元件的荷电状态如下，
Figure BDA0003033696440000061
Figure BDA0003033696440000062
式中，SOC表示储能的荷电状态，FPpv,l,t为t时刻光储l的预测功率，Pc0表示储能的额定容量，Pc,l表示储能l的充放电状态，Ppv,l,t-1表示t-1时刻光储l的出力。
火电机组出力约束：
PH,k,min≤PH,k,t≤PH,k,max (26)
式中：PH,k,min和PH,k,max分别表示为火电机组k所允许的最小出力和最大出力。
3)爬坡约束：
火电机组爬坡约束：
|PH,k,t+1-PH,k,t|≤PH,k,down/up (27)
式中，PH,k,t+1表示火电机组k在t+1时刻的出力，PH，down/up分别表示火电机组的向上/向下爬坡能力。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于风、火、光储协调的多能源联合优化调度运行方法，以电网调度成本最低和风电消纳最大作为优化目标，通过新能源机组预测的运行状态给出机组调峰能力指标，优先考虑高调峰新能源机组，将其引入目标函数，解决现有电网调度成本高、调峰压力大、新能源消纳小的问题；本发明所提出的调峰能力指标体系考虑了风机、光伏以及储能的运行状态，将其划分高可调、低可调以及不可调三种情况，利用概率分布函数来表示风电出力不确定性，充分发挥高调峰状态新能源机组能力，保障了计及新能源调峰能力的多能源联合优化调度运行模型的准确性，考虑风机和光伏储能的调峰能力，合理选择新能源机组参与到系统调峰，能够提升新能源消纳同时，确保电力系统运行的可靠性和经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于风、火、光储协调的多能源联合优化调度运行方法的流程图；
图2是本发明实施例提供的所述运行方法中混沌粒子群算法的流程图；
图3是本发明实施例提供的所述运行方法中6节点系统原理框图；
图4是本发明实施例提供的所述运行方法第一种方案调度运行结果图；
图5是本发明实施例提供的所述运行方法第二种方案调度运行结果图；
图6是本发明实施例提供的所述运行方法第三种方案调度运行结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于风、火、光储协调的多能源联合优化调度运行方法，综合考虑风机和光伏储能的调峰能力，合理选择新能源机组参与到系统调峰，缓解新能源调峰压力，提高新能源消纳量，并降低电力系统的调度成本。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明实施例提供的基于风、火、光储协调的多能源联合优化调度运行方法，包括以下步骤：
S1，获取电力系统中火电机组、风电机组和光储单元的台数及运行参数，电力系统负荷预测数据、电网购电价格,风电、光储出力的历史数据和预测数据；其中，具体包括：
火电机组的运行参数：火电机组的出力上限、出力下限以及爬坡速率；
风电机组的运行参数：风机的出力上限、出力下限；
光储单元的运行参数：光伏的出力上限、出力下限以及储能的出力上限、出力下限；
电力系统负荷预测数据可以是各个时间段的系统总负荷预测值，用于与火电机组的出力情况进行匹配，以此有效降低大容量机组频繁改变运行状态时所带来的经济损失和安全隐患；
S2，修正风电、光储出力的预测数据，根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态；具体包括：
S201，构建调峰能力指标体系，衡量新能源的调峰能力，新能源调峰能力的评估与新能源的运行状态有关，运行在较高功率时，下调的调峰能力显著增加，下一时刻的预测功率较大时，则其上调的调峰能力增加，因此选择以下指标衡量新能源的调峰能力。所述调峰能力指标体系包括以下指标：
风机发电状态：
Figure BDA0003033696440000081
风机极限下调容量：ΔPw,j,t+1,maxd＝FPw,j,t+1-Pw,j,min (2)
风机极限下调比例：
Figure BDA0003033696440000082
风机极限上调容量：ΔPw,j,t+1,maxu＝FPw,j,t+1-FPw,j,t (4)
风机极限上调比例：
Figure BDA0003033696440000083
式中，ηj为风机j的发电状态，FPw,j,t+1表示为t+1时刻风机j的预测功率，WjN为风机j的额定功率；ΔPw,j,t+1,maxd为风机极限下调容量，Pw,j,min为风机j的稳定运行的最小功率；ηjd为风机j的极限下调比例；ΔPw,j,t+1,maxu为风机极限上调容量，FPw,j,t表示为t时刻风机j的预测功率；ηju为风机j的极限上调比例；
光伏发电状态：
Figure BDA0003033696440000084
光储极限下调容量：ΔPpv,l,t+1,maxd＝FPpv,l,t+1-Ppv,l,min+Pc,ilmax-Pc,l,t (7)
光储极限下调比例：
Figure BDA0003033696440000091
光储极限上调容量：ΔPpv,l,t+1,maxu＝FPpv,l,t+1-FPpv,l,t+Pc,l,t-Pc,l,min (9)
光储极限上调比例：
Figure BDA0003033696440000092
式中，ηl.p表示为光伏l的发电状态，Pc,l,t表示为储能l的功率，FPpv,l,t+1表示为t+1时刻光储l的预测功率，Pc0表示储能的额定容量，PVlN表示光伏l的额定容量；ΔPpv,l,t+1,maxd为光储极限下调容量，Ppv,l,min为光伏l的稳定运行的最小功率，Pc,l,max表示储能l的储能上限；ηld.p为光储l的极限下调比例，ΔPpv,l,t+1,maxu为光储极限上调容量，FPpv,l,t表示为t时刻光储l的预测功率，Pc,l,min表示储能l的储能下限；ηlu.p为光储l的极限上调比例；
S202，确定风电机组和光储单元的可调峰状态：
风电机组可调峰状态：
Figure BDA0003033696440000093
式中，Zjw,u/d为风机调峰状态，WN为风机低容量标准，ηju/d.p为风机j的极限上调或下调比例，ηj.p为风机j的最大调节比例，WjN为风机j的额定容量；
光储单元可调峰状态：
Figure BDA0003033696440000094
式中，Zlpv,u/d为光伏调峰状态，PVN为光伏低容量标准，ηlu/d.p为光伏l的极限上调/下调比例，ηl.p为光伏l的最大调节比例，PVlN为光伏l的额定容量。
S3，根据所述调峰能力指标体系得到新能源调峰指标特征参数，并结合风电、光储出力的预测数据的修正结果，建立计及新能源调峰能力的多能源联合优化调度运行模型；
S4，根据所述多能源联合优化调度运行模型，以电网收益最大化、风电消纳最大化为优化目标，采用混沌粒子群算法计算得到机组联合运行结果。
其中，所述步骤S3中，建立计及新能源调峰能力的多能源联合优化调度运行模型，具体包括：
S301，确定目标函数：
电网成本最低：
Figure BDA0003033696440000101
式中，NG为区域内所有发电机组的总台数，包括火电机组，风电机组和光储单元，k′i为电网售电价格，P′i为电网在t时刻售电量，ki为电网从每台发电机组的购电价格，Pi为电网在t时刻从每台发电机组的购电量；
风电消纳最大：
Figure BDA0003033696440000102
式中，Nwind为区域内风电机组总台数，Pw,j,t为风电机组j在t时刻的计划出力；
为尽量使用高调峰能力机组，以高调峰机组调峰功率maxDP最大为目标：
Figure BDA0003033696440000104
式中，Ppv,l,t为t时刻光储机组l的出力；
S302，确定约束条件：
1)功率平衡约束：
Figure BDA0003033696440000103
式中，NH、Nwind、NPV分别为区域内火电机组、风电机组、光储单元的总台数，PH,k,t、Pw,j,t、PPV,l,t分别为在t时刻下火电机组k、风机j和光储l各发电机组的出力，Pload为t时刻下所需的电力负荷总量；
2)出力约束：
风电机组出力约束：
0≤Pw,j,t≤FPw,j,t (17)
式中：FPw,j,t表示为t时刻风机j的预测功率，；
由于风电具有不确定性，在此考虑概率约束：
Pr{Wj,t≤FPw,j,t}≥ρ (18)
其中，Pr表示Wj,t≤FPw,j,t发生的概率，r表示为置信度，Wj,t为风机j在t时刻实际可达到的有功出力；Wj为随机变量，使用Beta分布表示。Beta分布的累计概率分布函数F(x)为：
Figure BDA0003033696440000111
其中，B(a,b)是分布参数a,b的不完全B函数，E(x)为随机变量x发生的期望值，D(x)为方差，u为所取的样本值；
Figure BDA0003033696440000112
整理后可得，
Figure BDA0003033696440000113
式(18)和式(21)化简可得，
Figure BDA0003033696440000114
根据风机调频能力衡量进行约束
Figure BDA0003033696440000115
式中，Pw,l,t-1表示t-1时刻风电机组j的出力，
Figure BDA0003033696440000116
为风机机组j在t时刻置信度r下的累计分布值。
光储单元出力约束：
为了保证储能元件的寿命和保留一定的调峰裕度，储能元件的荷电状态如下，
Figure BDA0003033696440000121
Figure BDA0003033696440000122
式中，SOC表示储能的荷电状态，FPpv,l,t为t时刻光储l的预测功率，Pc0表示储能的额定容量，Pc,l表示储能l的充放电状态，Ppv,l,t-1表示t-1时刻光储l的出力。
火电机组出力约束：
PH,k,min≤PH,k,t≤PH,k,max (26)
式中：PH,k,min和PH,k,max分别表示为火电机组k所允许的最小出力和最大出力；
3)爬坡约束：
火电机组爬坡约束：
|PH,k,t+1-PH,k,t|≤PH,k,down/up (27)
式中，PH,k,t+1表示火电机组k在t+1时刻的出力，PH，down/up分别表示火电机组的向上/向下爬坡能力。
其中，所述步骤4中，采用常规技术中的混沌粒子群算法计算得到机组联合运行结果，具体方法如图2所示。
本发明实施例采用6节点系统如图3，该系统有：两台火电，装机容量为230MW；两台风机，装机分别为150MW和80MW；两台光伏分别最大发电功率30MW，储能容量为20MW，最大发电功率60MW，储能容量为30MW。T1和T2为变压器，PS1为移相器。
火电机组参数如表1，光伏预测如表2，储能如表3，负荷预测如表4，风电预测数据如表5。
本实施例设置三种运行方案：方案一：不考虑新能源的调峰能力，机组按照多电源联合优化调度运行方式运行，运行结果如图4所示；方案二：考虑新能源的调峰能力，机组按照本发明提供的运行方法运行，运行结果如图5所示；方案三：非最优的联合机组调度运行方式，运行结果如图6所示。
从图4至图6中可以看出，方案一和二可以明显改善火电机组的调峰压力，方案二相比于方案一减少了机组的调峰次数，充分利用了高调峰能力的机组进行调峰。
为了对多目标进行优化计算，本文采用层次分析法计算目标函数maxFa、maxFwind和maxΔP的权重分别为：0.4642，0.3132，0.2226，则总目标f可表示为f＝0.4642maxFa+0.3132maxFwind+0.2226maxΔP。
表1火电机组数据
Figure BDA0003033696440000131
表2光伏数据
Figure BDA0003033696440000132
表3储能数据
Figure BDA0003033696440000141
表4负荷预测数据
Figure BDA0003033696440000142
表5风电预测数据
Figure BDA0003033696440000143
Figure BDA0003033696440000151
在调度成本方面，如表6所示，相比于非最优调度运行方式(方案三)的调度成本，未考虑新能源调峰能力的调度运行方式(方案一)与考虑新能源调峰能力的调度运行方式(方案二)分别节约调度成本110756.4元和110893元。可见本发明提供的多电源联合调度模型的运行结果更利于电网调度，满足电网利益最大化。
表6调度成本
Figure BDA0003033696440000152
本发明实施例以电网调度成本最低和风电消纳最大作为优化目标，通过新能源机组预测的运行状态给出机组调峰能力指标，优先考虑高调峰新能源机组，将其引入目标函数，提出了基于风、火、光储协调的多能源联合优化调度运行方法。所提出的新能源调峰指标考虑了风机光伏以及储能的运行状态，将其划分高可调、低可调以及不可调三种情况，利用概率分布函数来表示风电出力不确定性，充分发挥高调峰状态新能源机组能力，保障了模型的准确性，合理地选择了新能源机组参与到系统调峰，能够可靠经济和保证新能源消纳。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种基于风、火、光储协调的多能源联合优化调度运行方法，其特征在于，包括以下步骤：
S1，获取电力系统中火电机组、风电机组和光储单元的台数及运行参数、电力系统负荷预测数据、电网购电价格，风电、光储出力的历史数据和预测数据；
S2，修正风电、光储出力的预测数据，根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态；
S3，根据所述调峰能力指标体系得到新能源调峰指标特征参数，并结合风电、光储出力的预测数据的修正结果，建立计及新能源调峰能力的多能源联合优化调度运行模型；
S4，根据所述多能源联合优化调度运行模型，以电网收益最大化、风电消纳最大化为优化目标，采用混沌粒子群算法计算得到机组联合运行结果。
2.根据权利要求1所述的基于风、火、光储协调的多能源联合优化调度运行方法，其特征在于，所述步骤S1中，电力系统中火电机组、风电机组和光储单元的台数及运行参数，具体包括：
火电机组的运行参数：火电机组的出力上限、出力下限以及爬坡速率；
风电机组的运行参数：风机的出力上限、出力下限；
光储单元的运行参数：光伏的出力上限、出力下限以及储能的出力上限、出力下限。
3.根据权利要求2所述的基于风、火、光储协调的多能源联合优化调度运行方法，其特征在于，所述步骤S2中，修正风电、光储出力的预测数据，根据风电机组和光储单元的运行参数构建调峰能力指标体系，评估新能源的调峰能力，并确定风电机组和光储单元的可调峰状态，具体包括：
S201，构建调峰能力指标体系，衡量新能源的调峰能力，所述调峰能力指标体系包括以下指标：
风机发电状态：
Figure FDA0003033696430000011
风机极限下调容量：ΔPw,j,t+1,maxd＝FPw,j,t+1-Pw,j,min (2)
风机极限下调比例：
Figure FDA0003033696430000021
风机极限上调容量：ΔPw,j,t+1,maxu＝FPw,j,t+1-FPw,j,t (4)
风机极限上调比例：
Figure FDA0003033696430000022
式中，ηj为风机j的发电状态，FPw,j,t+1表示为t+1时刻风机j的预测功率，WjN为风机j的额定功率；ΔPw,j,t+1,maxd为风机极限下调容量，Pw,j,min为风机j的稳定运行的最小功率；ηjd为风机j的极限下调比例；ΔPw,j,t+1,maxu为风机极限上调容量，FPw,j,t表示为t时刻风机j的预测功率；ηju为风机j的极限上调比例；
光伏发电状态：
Figure FDA0003033696430000023
光储极限下调容量：ΔPpv,l,t+1,maxd＝FPpv,l,t+1-Ppv,l,min+Pc,l,max-Pc,l,t (7)
光储极限下调比例：
Figure FDA0003033696430000024
光储极限上调容量：ΔPpv,l,t+1,maxu＝FPpv,l,t+1-FPpv,l,t+Pc,l,t-Pc,l,min (9)
光储极限上调比例：
Figure FDA0003033696430000025
式中，ηl.p表示为光伏l的发电状态，Pc,l,t表示为储能l的功率，FPpv,l,t+1表示为t+1时刻光储l的预测功率，Pc0表示储能的额定容量，PVlN表示光伏l的额定容量；ΔPpv,l,t+1,maxd为光储极限下调容量，Ppv,l,min为光伏l的稳定运行的最小功率，Pc,l,max表示储能l的储能上限；ηld.p为光储l的极限下调比例，ΔPpv,l,t+1,maxu为光储极限上调容量，FPpv,l,t表示为t时刻光储l的预测功率，Pc,l,min表示储能l的储能下限；ηlu.p为光储l的极限上调比例；
S202，确定风电机组和光储单元的可调峰状态：
风电机组可调峰状态：
Figure FDA0003033696430000026
式中，Zjw,u/d为风机调峰状态，WN为风机低容量标准，ηju/d.p为风机j的极限上调或下调比例，ηj.p为风机j的最大调节比例，WjN为风机j的额定容量；
光储单元可调峰状态：
Figure FDA0003033696430000031
式中，Zlpv,u/d为光伏调峰状态，PVN为光伏低容量标准，ηlu/d.p为光伏l的极限上调或下调比例，ηl.p为光伏l的最大调节比例，PVlN为光伏l的额定容量。
4.根据权利要求3所述的基于风、火、光储协调的多能源联合优化调度运行方法，其特征在于，所述步骤S3中，建立计及新能源调峰能力的多能源联合优化调度运行模型，具体包括：
S301，确定目标函数：
电网成本最低：
Figure FDA0003033696430000032
式中，NG为区域内所有发电机组的总台数，包括火电机组，风电机组和光储单元，k′i为电网售电价格，P′i为电网在t时刻售电量，ki为电网从每台发电机组的购电价格，Pi为电网在t时刻从每台发电机组的购电量；
风电消纳最大：
Figure FDA0003033696430000033
式中，Nwind为区域内风电机组总台数，Pw,j,t为风电机组j在t时刻的计划出力；
为尽量使用高调峰能力机组，以高调峰机组调峰功率maxDP最大为目标：
maxΔP＝|Pw,j,t-FPw,j,t|+|Ppv,l,t-FPpv,j,t| (Zjw.u/d＝2,Zlpvu./d＝2) (15)
式中，Ppv,l,t为t时刻光储l的出力；
S302，确定约束条件：
1)功率平衡约束：
Figure FDA0003033696430000041
式中，NH、Nwind、NPV分别为区域内火电机组、风电机组、光储单元的总台数，PH,k,t、Pw,j,t、PPV,l,t分别为在t时刻下火电机组k、风机j和光储l各发电机组的出力，Pload为t时刻下所需的电力负荷总量；
2)出力约束：
风电机组出力约束：
0≤Pw,j,t≤FPw,j,t (17)
式中：FPw,j,t表示为t时刻风机j的预测功率，；
由于风电具有不确定性，在此考虑概率约束：
Pr{Wj,t≤FPw,j,t}≥ρ (18)
其中，Pr表示Wj,t≤FPw,j,t发生的概率，r表示为置信度，Wj,t为风机j在t时刻实际可达到的有功出力；Wj为随机变量，使用Beta分布表示，Beta分布的累计概率分布函数F(x)为：
Figure FDA0003033696430000042
其中，B(a,b)是分布参数a,b的不完全B函数，E(x)为随机变量x发生的期望值，D(x)为方差，u为所取的样本值；
Figure FDA0003033696430000043
整理后可得，
Figure FDA0003033696430000044
式(18)和式(21)化简可得，
Figure FDA0003033696430000045
根据风机调频能力衡量进行约束：
Figure FDA0003033696430000051
式中，Pw,l,t-1表示t-1时刻风电机组j的出力，
Figure FDA0003033696430000052
为风机机组j在t时刻置信度r下的累计分布值；
光储单元出力约束：
为了保证储能元件的寿命和保留一定的调峰裕度，储能元件的荷电状态如下，
Figure FDA0003033696430000053
Figure FDA0003033696430000054
式中，SOC表示储能的荷电状态，FPpv,l,t为t时刻光储l的预测功率，Pc0表示储能的额定容量，Pc,l表示储能l的充放电状态，Ppv,l,t-1表示t-1时刻光储l的出力；
火电机组出力约束：
PH,k,min≤PH,k,t≤PH,k,max (26)
式中：PH,k,min和PH,k,max分别表示为火电机组k所允许的最小出力和最大出力；
3)爬坡约束：
火电机组爬坡约束：
|PH,k,t+1-PH,k,t|≤PH,k,down/up (27)
式中，PH,k,t+1表示火电机组k在t+1时刻的出力，PH，down/up分别表示火电机组的向上或向下爬坡能力。
CN202110437413.6A 2021-04-22 2021-04-22 基于风、火、光储协调的多能源联合优化调度运行方法 Pending CN113159423A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110437413.6A CN113159423A (zh) 2021-04-22 2021-04-22 基于风、火、光储协调的多能源联合优化调度运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110437413.6A CN113159423A (zh) 2021-04-22 2021-04-22 基于风、火、光储协调的多能源联合优化调度运行方法

Publications (1)

Publication Number Publication Date
CN113159423A true CN113159423A (zh) 2021-07-23

Family

ID=76869678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110437413.6A Pending CN113159423A (zh) 2021-04-22 2021-04-22 基于风、火、光储协调的多能源联合优化调度运行方法

Country Status (1)

Country Link
CN (1) CN113159423A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113872252A (zh) * 2021-10-26 2021-12-31 华北电力科学研究院有限责任公司 一种多能互动火电源侧发电效率优化方法及装置
CN113949081A (zh) * 2021-11-22 2022-01-18 国网甘肃省电力公司陇南供电公司 光伏和风电消纳的储热容量优化配置方法、设备及介质
CN116780608A (zh) * 2021-12-06 2023-09-19 沈阳工程学院 引入风电并网极限系数的火电机组调峰成本分段测算方法
CN117893109A (zh) * 2024-03-14 2024-04-16 国网安徽省电力有限公司经济技术研究院 面向电网需求的储能系统辅助服务电力电量计算模型构建方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105896617A (zh) * 2016-06-16 2016-08-24 浙江大学 一种计及风机有功主动控制的风电调节备用容量评估方法
CN107844910A (zh) * 2017-11-20 2018-03-27 华北电力大学（保定） 基于风核协调的多电源联合优化调度运行方法
CN109767105A (zh) * 2018-12-29 2019-05-17 东北电力大学 一种基于风光水火储联合系统的多能互补协调发电调度方法
CN110401192A (zh) * 2019-08-09 2019-11-01 长沙理工大学 考虑负荷最优转移比例和风、光最优并网比例的电力系统动态经济调度方法
CN110739687A (zh) * 2019-10-24 2020-01-31 福州大学 一种考虑风电高阶不确定性的电力系统分布鲁棒调度方法
CN110930073A (zh) * 2019-12-14 2020-03-27 东北电力大学 计及价格型需求响应的风-光-光热联合发电系统日前调度方法
CN111429024A (zh) * 2020-04-09 2020-07-17 云南电网有限责任公司 一种考虑灵活性平衡机理的水-风-光短期联合调度方法
WO2022022099A1 (zh) * 2020-07-29 2022-02-03 国网甘肃省电力公司电力科学研究院 一种计及可再生能源的波动特性的多电源协调优化调峰方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105896617A (zh) * 2016-06-16 2016-08-24 浙江大学 一种计及风机有功主动控制的风电调节备用容量评估方法
CN107844910A (zh) * 2017-11-20 2018-03-27 华北电力大学（保定） 基于风核协调的多电源联合优化调度运行方法
CN109767105A (zh) * 2018-12-29 2019-05-17 东北电力大学 一种基于风光水火储联合系统的多能互补协调发电调度方法
CN110401192A (zh) * 2019-08-09 2019-11-01 长沙理工大学 考虑负荷最优转移比例和风、光最优并网比例的电力系统动态经济调度方法
US20210044117A1 (en) * 2019-08-09 2021-02-11 Changsha University Of Science & Technology Method for dynamically and economically dispatching power system based on optimal load transfer ratio and optimal grid connection ratio of wind power and photovoltaic power
CN110739687A (zh) * 2019-10-24 2020-01-31 福州大学 一种考虑风电高阶不确定性的电力系统分布鲁棒调度方法
CN110930073A (zh) * 2019-12-14 2020-03-27 东北电力大学 计及价格型需求响应的风-光-光热联合发电系统日前调度方法
CN111429024A (zh) * 2020-04-09 2020-07-17 云南电网有限责任公司 一种考虑灵活性平衡机理的水-风-光短期联合调度方法
WO2022022099A1 (zh) * 2020-07-29 2022-02-03 国网甘肃省电力公司电力科学研究院 一种计及可再生能源的波动特性的多电源协调优化调峰方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贠韫韵: "一种考虑光热电站参与的电力系统优化调度策略研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 1, pages 2 - 67 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113872252A (zh) * 2021-10-26 2021-12-31 华北电力科学研究院有限责任公司 一种多能互动火电源侧发电效率优化方法及装置
CN113872252B (zh) * 2021-10-26 2024-04-30 华北电力科学研究院有限责任公司 一种多能互动火电源侧发电效率优化方法及装置
CN113949081A (zh) * 2021-11-22 2022-01-18 国网甘肃省电力公司陇南供电公司 光伏和风电消纳的储热容量优化配置方法、设备及介质
CN116780608A (zh) * 2021-12-06 2023-09-19 沈阳工程学院 引入风电并网极限系数的火电机组调峰成本分段测算方法
CN117893109A (zh) * 2024-03-14 2024-04-16 国网安徽省电力有限公司经济技术研究院 面向电网需求的储能系统辅助服务电力电量计算模型构建方法

Similar Documents

Publication Publication Date Title
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN105048516B (zh) 一种风光水火多源互补优化调度方法
WO2023065113A1 (zh) 风光水多能互补系统灵活性需求量化及协调优化方法
CN113159423A (zh) 基于风、火、光储协调的多能源联合优化调度运行方法
Mladenov et al. Characterisation and evaluation of flexibility of electrical power system
CN113742944A (zh) 一种考虑电制氢系统的虚拟电厂建模方法
CN103326389A (zh) 基于功率预测的微电网储能系统及容量配置方法
CN112994051A (zh) 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
Eltamaly A novel energy storage and demand side management for entire green smart grid system for NEOM city in Saudi Arabia
CN110867901A (zh) 一种均衡运行分布式电源发电并网的方法
Li et al. Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system
Sun et al. An investigation of battery energy storage aided wind-coal integrated energy system
Cai et al. Optimal configuration of battery energy storage system considering comprehensive benefits in power systems
CN116205458A (zh) 考虑不确定性的水电制氢的综合能源系统优化调度模型建立方法
Zhu et al. Capacity optimization configuration of wind farm energy storage system based on life cycle economic analysis
CN115882483A (zh) 一种利用容量弹性实现系统最优储能容量配置的方法
Guoqiang et al. A Multi-Source Dispatching Model with Considering the Nuclear Power Plants Dispatching and Wind Power Accommodation
CN114188942A (zh) 一种包含大规模新能源基地的电网调度方法
Xiao et al. Short-term optimized operation of multi-energy power system based on complementary characteristics of power sources
Zhang et al. Technical and Economic Analysis of Power System Flexible Resources
Lin et al. Two-stage multi-strategy decision-making framework for capacity configuration optimization of grid-connected PV/battery/hydrogen integrated energy system
Zhou et al. Analysis of Energy Storage Operation Configuration of Power System Based on Multi-Objective Optimization
Sui et al. Optimization of Monthly Power Generation Plan for Thermal Power Units Considering Access of Large-scale New Energy
CN114564815B (zh) 基于布雷斯悖论效应的电力系统可靠性与经济性建模方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right

Effective date of registration: 20210726

Address after: 261011 No. 425, Dongfeng West Street, Weifang City, Shandong Province

Applicant after: STATE GRID SHANDONG ELECTRIC POWER COMPANY WEIFANG POWER SUPPLY Co.

Applicant after: STATE GRID CORPORATION OF CHINA

Address before: 261011 No. 425, Dongfeng West Street, Weifang City, Shandong Province

Applicant before: STATE GRID SHANDONG ELECTRIC POWER COMPANY WEIFANG POWER SUPPLY Co.

TA01 Transfer of patent application right
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723

RJ01 Rejection of invention patent application after publication