CN113205250B - 一种考虑水库调度风险的风光水互补发电计划编制方法 - Google Patents

一种考虑水库调度风险的风光水互补发电计划编制方法 Download PDF

Info

Publication number
CN113205250B
CN113205250B CN202110466534.3A CN202110466534A CN113205250B CN 113205250 B CN113205250 B CN 113205250B CN 202110466534 A CN202110466534 A CN 202110466534A CN 113205250 B CN113205250 B CN 113205250B
Authority
CN
China
Prior art keywords
power generation
day
wind
water
light
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110466534.3A
Other languages
English (en)
Other versions
CN113205250A (zh
Inventor
闻昕
谭乔凤
孙圆亮
丁紫玉
王珍妮
吕俞锡
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202110466534.3A priority Critical patent/CN113205250B/zh
Publication of CN113205250A publication Critical patent/CN113205250A/zh
Application granted granted Critical
Publication of CN113205250B publication Critical patent/CN113205250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑水库调度风险的风光水互补发电计划编制方法，包括建立以风光水多能联合发电量最大为目标的周发电计划模型，以得到未来一周逐日指导发电量；建立以水库下泄流量波动最小和计划日累积发电量偏差最小为目标的日发电计划模型，指导日前发电计划的编制，在提高发电量的同时减小水库下泄流量的波动，降低水库调度风险；建立风光水多能互补系统周‑日发电计划模型嵌套调度与信息反馈机制，实现了风光水多能互补系统日前发电计划的逐日编制。本发明充分利用风光水能源间的电量互补作用，提高互补系统的发电量，并且考虑水库下泄流量波动风险，对保证水库自身和下游的安全至关重要。

Description

一种考虑水库调度风险的风光水互补发电计划编制方法
技术领域
本发明涉及水库调度技术领域，特别涉及到一种考虑水库调度风险的风光水互补发电计划编制方法。
背景技术
风光水互补发电是解决清洁能源上网消纳问题、提升新能源综合利用效率的有效方法，但在风电、光伏(以下简称“风光”)等新能源规模化并网的发展形势下，如何考虑风光出力的随机性、波动性、间歇性，制定出更为安全、可靠的发电计划是建设以水电为主导的高比例可再生能源电网亟需解决的核心问题。在风光水互补背景下系统发电计划的优劣关键在于对调节电源——水电的调度操作，水电运行灵活、追踪负荷能力强，可以充分发挥其良好的调节能力，将风光和水电联合打捆外送，平抑风光接入对于电网安全稳定运行造成的冲击，但同时风光出力本身强烈的不确定性也会增大水电的调节难度，致使水电频繁调节机组出力以平抑风光出力的波动等，这会导致水库下泄流量、水库水位短期内的剧烈变化，会给下游用水或防护保护对象带来风险。而现行新能源互补运行下发电计划的制定多只关注系统电力端的表现，例如系统负荷追踪、出力平稳性、出力可靠性、风光消纳等，忽略了水电为调节风光波动对水库下泄流量或水库水位造成的影响。
发明内容
针对上述风光水多能互补系统发电计划的制定方法未全面考虑水库安全稳定运行的不足，本发明的目的在于，在保证风光水多能互补系统达到电力端电量要求的前提下，提出一种考虑水库调度风险的风光水互补发电计划编制方法。
本发明采用的技术方案如下：
本发明提供一种考虑水库调度风险的风光水互补发电计划编制方法，包括：
建立以风光水多能联合发电量最大为目标的风光水多能互补系统周发电计划模型，得到未来一周逐日指导发电量；
建立以水库下泄流量波动最小和计划日累积发电量偏差最小为目标的风光水多能互补系统多目标日发电计划模型，得到日前发电计划；
构建风光水多能互补系统周-日发电计划模型嵌套调度与信息反馈机制，对风光水多能互补系统日前发电计划进行逐日编制。
进一步的，所述建立以风光水多能联合发电量最大为目标的风光水多能互补系统周发电计划模型，包括：
目标函数为：
Figure GDA0003727889030000021
其中，Jweek为风光水多能互补系统的一周总发电量，
Figure GDA0003727889030000022
和
Figure GDA0003727889030000023
分别为第j时段风电站出力，光伏电站出力和水电站出力，ΔT为周调度时段时长，d为周调度期天数；
所述目标函数需满足周调度时段内水量平衡约束，初末水位约束，库水位约束，下泄流量约束，发电流量约束，水位变幅约束，电站出力约束和输送通道约束。
进一步的，采用动态规划算法，以未来一周逐日预测入库径流，预测光伏电站出力，预测风电站出力及初末水位为输入，求解满足约束条件的周发电计划模型，得到未来一周逐日指导发电量。
进一步的，所述建立以水库下泄流量波动最小和计划日累积发电量偏差最小为目标的风光水多能互补系统多目标日发电计划模型，包括：
目标函数为：
Figure GDA0003727889030000024
Figure GDA0003727889030000025
Jday＝Jj+ΔJ'
其中，FL为水电站的下泄流量波动，Qi为水电站第i时段下泄流量，Qmax为水电站最大允许下泄流量，n为日调度期小时数，ΔJ为风光水多能互补系统计划日累积发电量偏差；Pi w、Pi s和Pi h分别为第i时段风电站出力、光伏电站出力和水电站出力，Δt为日调度时段时长，Jj为第j日指导发电量，ΔJ'为前一日未满足发电计划的发电量偏差；
所述目标函数需满足日调度时段内水量平衡约束，初末水位约束，库水位约束，下泄流量约束，发电流量约束，水位变幅约束，电站出力约束和输送通道约束。
进一步的，采用非快速支配排序遗传算法，以未来一日逐时预测入库径流，预测光伏电站出力，预测风电站出力及日指导发电量为输入，求解满足约束条件的多目标日发电计划模型，得到多目标解集的pareto前沿；
将解集中的计划日累积发电量偏差和下泄流量波动进行标准化处理：
x'＝(x-xmin)/(xmax-xmin)
其中，x代表多目标日发电计划解集中的计划日累积发电量偏差序列或下泄流量波动序列，x'为x标准化后的值，xmax，xmin分别为x中的最大值和最小值；
选取与点(1,0)距离最近的点作为最优解，得到最优解对应的日前发电计划。
进一步的，构建风光水多能互补系统周-日发电计划模型嵌套调度与信息反馈机制，对风光水多能互补系统日前发电计划进行逐日编制，包括：
(1)令j＝1，ΔJ'＝0；
(2)计算Jday＝Jj+ΔJ'；
(3)将未来一日逐时预测入库径流，预测光伏电站出力，预测风电站出力及Jday输入到多目标日发电计划模型中，得到日前发电计划，并计算发电量J日；
(4)判断j≥d，若是，则计算结束；否则，令j＝j+1，d为周调度期天数；
(5)根据第j-1日逐时实际入库径流，实际光伏电站出力及实际风电站出力，计算风光水多能互补系统实际发电量J实；
(6)计算ΔJ'＝(Jj-1-J日)+(J日-J实)；返回步骤(2)。
本发明的有益效果为：
(1)本发明在风光水多能互补系统的发电计划编制中引入对水库调度风险的考虑，设置水库下泄流量波动最小和计划日累积发电量偏差最小目标，突破以往多能互补系统发电计划编制过程忽略水库运行风险的不足，使得风光水互补系统发电计划的制定更符合实际安全运行需求，适用于在多能互补系统发电计划编制过程中应用。
(2)本发明构建周-日发电计划模型嵌套调度与信息反馈机制，通过日发电量实现周发电计划模型与日发电计划模型的嵌套，将计划日累积发电量偏差反馈至下一阶段的日发电计划模型。不仅充分利用了风光水能源间的电量互补作用，提高互补系统的周发电量，并且在日前发电计划编制时尽可能满足互补系统要求的日发电量的前提下，减小水库下泄流量的波动，保证水库的运行安全，实现风险效益协调的多能互补系统发电计划编制。
附图说明
图1为本发明的风光水多能互补日前发电计划逐日编制流程图；
图2为本发明实施例中风光水多能互补系统的周发电计划；
图3为本发明实施例中下泄流量波动对比图；
图4为本发明实施例中多目标方案优化比选示意图；图4中的图4(a)为互补系统运行pareto前沿；图4中的图4(b)为标准化处理后互补系统运行pareto前沿。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
在风光水多能互补背景下要制定安全、可靠、经济的发电计划，不仅需要考虑风光水互补系统的发电效益，也要考虑接入风光电源对作为调节电源(水电)发电基础的水库的影响，尤其是对水库下泄流量安全性的影响。基于此，本发明提供一种考虑水库调度风险的风光水多能互补系统发电计划编制方法，具体如下：
(1)建立以风光水多能联合发电量最大为目标的风光水多能互补系统周发电计划模型，充分利用风光水能源间的电量互补作用提高互补系统的周发电量，生成未来一周的日发电量决策以指导互补系统日前发电计划的编制。
(2)建立以水库下泄流量波动最小和计划日累积发电量偏差最小的风光水多能互补系统多目标日发电计划模型，在尽可能满足互补系统要求的日发电量的前提下，减小水库下泄流量的波动以保证水库运行安全，编制互补系统日前发电计划。
(3)构建风光水多能互补系统周-日发电计划模型嵌套调度与信息反馈机制，通过日发电量实现周发电计划模型与日发电计划模型的嵌套，同时将多目标日发电计划模型产生的累积发电量偏差反馈至下一阶段的日发电计划模型，实现保证水库运行安全的风光水多能互补系统日前发电计划的逐日编制。
本发明实施例中，建立风光水多能互补系统周发电计划模型，具体如下：
风光水多能互补系统周发电计划模型旨在利用风光水能源间的电量互补作用，提高互补系统的周发电量，并为互补系统日前发电计划的编制提供指导发电量。周发电计划模型以日为调度时段，一周为调度期，风光水电联合发电量最大为目标，以水库水位为决策变量。
目标函数为：
Figure GDA0003727889030000041
式中：Jweek为互补系统的一周总发电量；
Figure GDA0003727889030000042
分别为第j时段风电、光伏、水电出力；ΔT为调度时段时长；d为调度期天数，本发明实施例中，调度期为一周，d＝7。
约束条件为：
风光水多能互补系统调度模型涉及到的约束条件众多，主要包括两大类：水资源系统约束及电力系统约束。
A、水资源系统约束
水资源系统约束条件，主要包括水量平衡约束、库容约束、水位约束、流量约束等：
a、水量平衡约束
Vj+1＝Vj+(Ij-Qj)*ΔT (2)
式中：Vj+1，Vj分别为水电站第j+1时段、j时段末库容；Qj为水电站第j时段下泄流量；Ij为水电站第j时段入库流量。
b、初末水位约束
Figure GDA0003727889030000051
式中：Z1，Zd分别为水电站初、末时刻的水库水位；Zstart，Zend分别为给定的水电站调度期初始水位、末水位。
c、库水位约束
Figure GDA0003727889030000052
式中：
Figure GDA0003727889030000053
分别为水电站第j时段水库水位下限和上限，Zj为水电站第j时段水库水位。
d、下泄流量约束
Figure GDA0003727889030000054
式中：
Figure GDA0003727889030000055
分别为水电站第j时段下泄流量下限和上限。
e、发电流量约束
Figure GDA0003727889030000056
式中：
Figure GDA0003727889030000057
为水电站第j时段发电流量；
Figure GDA0003727889030000058
为水电站发电流量上限。
f、水位变幅约束
|Zj-Zj-1|≤ΔZ (7)
式中：ΔZ为水电站允许的最大水位变幅。
B、电力系统约束
电力系统约束条件，主要包括电站出力约束及输送通道约束：
g、电站出力约束
Figure GDA0003727889030000061
Figure GDA0003727889030000062
Figure GDA0003727889030000063
式中：
Figure GDA0003727889030000064
分别为水电站第j时段出力的下限和上限；
Figure GDA0003727889030000065
分别为风电站第j时段出力的下限和上限；
Figure GDA0003727889030000066
分别为光伏电站第j时段出力的下限和上限。
h、输送通道约束
Figure GDA0003727889030000067
式中：Nmax为风光水多能互补系统输送通道上限。
本发明实施例中，采用动态规划算法，以未来一周逐日预测入库径流，预测光伏电站出力，预测风电站出力及初末水位为输入，求解满足约束条件的周发电计划模型。求解周发电计划模型，动态规划(DP)算法是求解水电站调度模型最常用、最经典的算法，它是一种多阶段决策方法，可以准确地求解非线性、非凸性以及有离散变量存在的各种优化问题，并且可以准确找到全局的最优解。周发电计划模型的优化决策过程具有无后效性，其调度过程属于典型多阶段决策过程，适合用动态规划求解。
Figure GDA0003727889030000068
式中：
Figure GDA0003727889030000069
为初始时段至第j时段系统累积发电量，
Figure GDA00037278890300000610
表示初始时段至第j+1时段系统累积发电量；Jj(Vj,Vj+1)为第j时段至j+1时段系统阶段发电量。
本发明实施例中，建立风光水多能互补系统多目标日发电计划模型，具体如下：
风光水多能互补系统多目标日发电计划模型旨在尽可能满足互补系统要求的日发电量的前提下，减小水库下泄流量的波动以保证水库运行安全。日发电计划模型以时为调度时段，一日为调度期，下泄流量波动最小和计划日累积发电量偏差最小为目标，以水电出力为决策变量。
目标函数包括：
下泄流量波动最小：
Figure GDA0003727889030000071
式中：FL为水电站的下泄流量波动，Qi为水电站第i时段下泄流量；Qmax为水电站最大允许下泄流量；n为调度期小时数，本发明实施例中调度期为一日，n＝24。
日发电量偏差最小
Figure GDA0003727889030000072
式中：ΔJ为计划日累积发电量偏差，是计划日的指导发电量与日前发电计划电量间的差值；Pi w，Pi s，Pi h分别为风电站、光伏电站、水电站第i时段出力；Δt为调度时段时长；Jday为周发电模型提供的互补系统的日指导发电量。
约束条件为：
除时间尺度不同外，日发电计划模型的约束条件同周发电计划模型保持一致。
日发电计划模型包含下泄流量波动最小和计划日累积发电量偏差最小两个目标，且二者量纲并不相同，本发明实施例采用非快速支配排序遗传算法(NSGA-II)，以未来一日逐时预测入库径流，预测光伏电站出力，预测风电站出力及日指导发电量为输入，求解满足约束条件的多目标日发电计划模型，其基本步骤为：
Step1：以水电站出力为决策变量，生成初始种群；
Step2：非支配排序后通过选择、交叉、变异操作得到第一代子代种群；
Step3：从第二代开始，将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群；
Step4：通过选择、交叉、变异操作产生新的子代种群；
Step5：重复Step3～Step4直至达到指定的遗传代数为止。
模型通过NSGA-II算法得到多组非劣解方案(pareto前沿)，最优方案的选取方法如图4所示，将计划日累积发电量偏差和下泄流量波动采用式(15)进行标准化处理，图4中的图4(a)代表未经标准化处理的pareto前沿，图4中的图4(b)代表经标准化处理的pareto前沿，选取与点(1,0)距离最近的点作为多目标模型的优选方案，即图4中的图4(b)中实心点：
x'＝(x-xmin)/(xmax-xmin) (15)
式中：x代表多目标方案集中的计划日累积发电量偏差序列或下泄流量差异系数序列，xmax，xmin分别为样本x中的最大值和最小值。
本发明实施例中，建立风光水多能互补周-日发电计划模型嵌套调度与信息反馈机制，具体如下：
建立风光水多能互补周-日发电计划模型嵌套调度与信息反馈机制，实现保证水库运行安全的风光水多能互补系统日前发电计划的逐日依次编制。周发电计划模型与日发电计划模型通过日发电量实现嵌套连接，其中周发电计划以最大化互补系统发电量为目标生成未来一周逐日发电量决策，而日发电计划在尽可能满足周发电计划要求的日发电量的前提下，减小水库下泄流量的波动以保证水库运行安全；同时，由于日前发电计划的发电量与周发电计划要求的日发电量可能存在偏差，需要将计划日累积发电量偏差反馈至下一阶段的日发电计划模型，调整下一阶段的日指导发电量以补偿电量偏差，从而满足周发电量的电量要求。风光水多能互补系统日前发电计划逐日编制流程见图1：
(1)开始；
(2)将未来一周逐日预测入库径流(即Ij)、预测光伏电站出力、预测风电站出力及初末水位输入到周发电计划模型中，得到未来一周逐日发电量决策J1,J2,...,Jd(d＝7)；
(3)令j＝1，ΔJ'＝0；
(4)计算未来一日日前发电计划的指导发电量，Jday＝Jj+ΔJ'；
(5)将未来一日逐时预测入库径流、预测光伏出力、预测风电出力及指导发电量Jday输入到日发电计划模型中，得到日前发电计划，并计算其发电量J日；
(6)判断j≥d，若是，则结束计算；否则，令j＝j+1；
(7)结合第j-1日逐时实际入库径流、实际光伏电站出力及实际风电站出力，“以电定水”计算互补系统实际发电量J实；
(8)计算计划日累积发电量偏差：ΔJ'＝(Jj-1-J日)+(J日-J实)，转入(4)继续计算。
上述公式表征的是因为发电量偏差是逐步累加形成的：首先日发电模型所得到的日发电量与指导发电量有偏差(Jj-1-J日)，然后水电站在执行发电计划时有可能达不到发电计划又造成一部分电量偏差J日-J实。
实施例
以锦屏一级水电站与周围风光电站组成的风光水多能互补系统为例，测试“考虑水库调度风险的风光水多能互补系统发电计划编制方法”的运行效果。风光水互补背景下一周内系统逐时发电计划如图2所示。应用结果表明，风光水多能互补系统一周内日前发电计划的发电量之和与周发电量需求相同，均为3.55亿kWh；风光水互补运行时的发电量相较于仅水电运行提高了6.34％，并且二者下泄流量变化保持相近，如图3所示。综上，本发明所提方法可以使制定的发电计划满足发电量要求，并且可以较好地平稳由于风光出力波动造成的水库下泄流量波动，保证水库的运行安全。
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 (4)

1.一种考虑水库调度风险的风光水互补发电计划编制方法，其特征在于，包括：
建立以风光水多能联合发电量最大为目标的风光水多能互补系统周发电计划模型，得到未来一周逐日指导发电量；
建立以水库下泄流量波动最小和计划日累积发电量偏差最小为目标的风光水多能互补系统多目标日发电计划模型，得到日前发电计划；
所述风光水多能互补系统多目标日发电计划模型的目标函数为：
Figure FDA0003727889020000011
Figure FDA0003727889020000012
Jday＝Jj+ΔJ'，
其中，FL为水电站的下泄流量波动，Qi为水电站第i时段下泄流量，Qmax为水电站最大允许下泄流量，n为日调度期小时数，ΔJ为风光水多能互补系统计划日累积发电量偏差；Pi w、Pi s和Pi h分别为第i时段风电站出力、光伏电站出力和水电站出力，Δt为日调度时段时长，Jj为第j日指导发电量，ΔJ'为前一日未满足发电计划的发电量偏差；
所述目标函数需满足日调度时段内水量平衡约束，初末水位约束，库水位约束，下泄流量约束，发电流量约束，水位变幅约束，电站出力约束和输送通道约束；
构建风光水多能互补系统周-日发电计划模型嵌套调度与信息反馈机制，对风光水多能互补系统日前发电计划进行逐日编制，包括：
(1)令j＝1，ΔJ'＝0；
(2)计算Jday＝Jj+ΔJ'；
(3)将未来一日逐时预测入库径流，预测光伏电站出力，预测风电站出力及Jday输入到多目标日发电计划模型中，得到日前发电计划，并计算发电量J日；
(4)判断j≥d，若是，则计算结束；否则，令j＝j+1，d为周调度期天数；
(5)根据第j-1日逐时实际入库径流，实际光伏电站出力及实际风电站出力，计算风光水多能互补系统实际发电量J实；
(6)计算ΔJ'＝(Jj-1-J日)+(J日-J实)；返回步骤(2)。
2.根据权利要求1所述的一种考虑水库调度风险的风光水互补发电计划编制方法，其特征在于，所述建立以风光水多能联合发电量最大为目标的风光水多能互补系统周发电计划模型，包括：
目标函数为：
Figure FDA0003727889020000021
其中，Jweek为风光水多能互补系统的一周总发电量，
Figure FDA0003727889020000022
和
Figure FDA0003727889020000023
分别为第j时段风电站出力，光伏电站出力和水电站出力，ΔT为周调度时段时长，d为周调度期天数；
所述目标函数需满足周调度时段内水量平衡约束，初末水位约束，库水位约束，下泄流量约束，发电流量约束，水位变幅约束，电站出力约束和输送通道约束。
3.根据权利要求2所述的一种考虑水库调度风险的风光水互补发电计划编制方法，其特征在于，采用动态规划算法，以未来一周逐日预测入库径流，预测光伏电站出力，预测风电站出力及初末水位为输入，求解满足约束条件的周发电计划模型，得到未来一周逐日指导发电量。
4.根据权利要求1所述的一种考虑水库调度风险的风光水互补发电计划编制方法，其特征在于，采用非快速支配排序遗传算法，以未来一日逐时预测入库径流，预测光伏电站出力，预测风电站出力及日指导发电量为输入，求解满足约束条件的多目标日发电计划模型，得到多目标解集的pareto前沿；
将解集中的计划日累积发电量偏差和下泄流量波动进行标准化处理：
x'＝(x-xmin)/(xmax-xmin)，
其中，x代表多目标日发电计划解集中的计划日累积发电量偏差序列或下泄流量波动序列，x'为x标准化后的值，xmax，xmin分别为x中的最大值和最小值；
选取与点(1,0)距离最近的点作为最优解，得到最优解对应的日前发电计划。
CN202110466534.3A 2021-04-28 2021-04-28 一种考虑水库调度风险的风光水互补发电计划编制方法 Active CN113205250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110466534.3A CN113205250B (zh) 2021-04-28 2021-04-28 一种考虑水库调度风险的风光水互补发电计划编制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110466534.3A CN113205250B (zh) 2021-04-28 2021-04-28 一种考虑水库调度风险的风光水互补发电计划编制方法

Publications (2)

Publication Number Publication Date
CN113205250A CN113205250A (zh) 2021-08-03
CN113205250B true CN113205250B (zh) 2022-08-19

Family

ID=77029206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110466534.3A Active CN113205250B (zh) 2021-04-28 2021-04-28 一种考虑水库调度风险的风光水互补发电计划编制方法

Country Status (1)

Country Link
CN (1) CN113205250B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113964866B (zh) * 2021-10-27 2024-02-20 黄河勘测规划设计研究院有限公司 一种单元式多能互补清洁能源基地构建方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951985A (zh) * 2017-03-06 2017-07-14 河海大学 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法
CN108009672A (zh) * 2017-11-23 2018-05-08 武汉大学 基于双层优化模型的水光互补电站日发电计划编制方法
CN109858173A (zh) * 2019-02-18 2019-06-07 华中科技大学 一种风光水互补发电系统联合调度的多目标正切方法
CN109886473A (zh) * 2019-01-24 2019-06-14 河海大学 一种考虑下游生态的流域风光水系统多目标优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012034444A (ja) * 2010-07-28 2012-02-16 Toshiba Corp 電力需給計画装置及びその方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951985A (zh) * 2017-03-06 2017-07-14 河海大学 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法
CN108009672A (zh) * 2017-11-23 2018-05-08 武汉大学 基于双层优化模型的水光互补电站日发电计划编制方法
CN109886473A (zh) * 2019-01-24 2019-06-14 河海大学 一种考虑下游生态的流域风光水系统多目标优化调度方法
CN109858173A (zh) * 2019-02-18 2019-06-07 华中科技大学 一种风光水互补发电系统联合调度的多目标正切方法

Also Published As

Publication number Publication date
CN113205250A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
He et al. The quantitative techno-economic comparisons and multi-objective capacity optimization of wind-photovoltaic hybrid power system considering different energy storage technologies
Song et al. Economic-environmental equilibrium-based bi-level dispatch strategy towards integrated electricity and natural gas systems
EP2660664A1 (en) Method for economically optimizing the operation of micro-cogenerator apparatuses
CN106505633B (zh) 一种风光接入容量确定方法及装置
CN105207272B (zh) 基于通用分布的电力系统动态随机经济调度方法及装置
CN109378863B (zh) 权重与约束关联调整的电网实时发电控制优化决策方法
CN116247648A (zh) 一种考虑源荷不确定性下微电网能量调度的深度强化学习方法
CN103904664B (zh) 一种基于有效静态安全域的agc机组实时调度方法
CN115313378A (zh) 一种风光储发电站日前有功出力优化调度方法及系统
CN108805329B (zh) 一种梯级水库实现实时调度的方法和系统
CN113205250B (zh) 一种考虑水库调度风险的风光水互补发电计划编制方法
CN111697635B (zh) 计及随机模糊双重不确定的交直流混合微网优化运行方法
CN112909933A (zh) 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法
CN115498624A (zh) 基于两阶段鲁棒优化的含灵活互动资源配电网低碳经济调度方法
CN112039126B (zh) 含分布式电源的配电网多时间尺度协调调度方法及系统
CN111476474A (zh) 梯级水电站减少弃水量的调度方法
Behera et al. Modelling and simulations of modified slime mould algorithm based on fuzzy PID to design an optimal battery management system in microgrid
Ren et al. Multi-objective optimal dispatching of virtual power plants considering source-load uncertainty in V2G mode
CN117040027B (zh) 一种农村虚拟电厂的协调优化方法和装置
Xie et al. Short-term power generation scheduling rules for cascade hydropower stations based on hybrid algorithm
CN115511386B (zh) 基于多目标混合非洲秃鹫优化算法的多能系统调度方法
CN112531735A (zh) 基于机器学习的自动发电控制系统的功率分配方法及装置
Ignat-Balaci et al. Day-Ahead Scheduling, Simulation, and Real-Time Control of an Islanded Microgrid.
CN116345450A (zh) 一种基于深度强化学习的风光水互补系统智能调度方法
CN112242710A (zh) 一种基于场景分析的新能源跨区域消纳方法和系统

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