CN113205262B - 风储电站在线调度方法及装置、电子设备及存储介质 - Google Patents

风储电站在线调度方法及装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113205262B
CN113205262B CN202110501353.XA CN202110501353A CN113205262B CN 113205262 B CN113205262 B CN 113205262B CN 202110501353 A CN202110501353 A CN 202110501353A CN 113205262 B CN113205262 B CN 113205262B
Authority
CN
China
Prior art keywords
wind power
queue
scheduling
energy storage
online
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
CN202110501353.XA
Other languages
English (en)
Other versions
CN113205262A (zh
Inventor
齐腾云
梅生伟
魏韡
郭中杰
吴启仁
陈来军
刘建平
李亚静
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.)
Tsinghua University
China Three Gorges Corp
China Three Gorges Renewables Group Co Ltd
Original Assignee
Tsinghua University
China Three Gorges Corp
China Three Gorges Renewables Group 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 Tsinghua University, China Three Gorges Corp, China Three Gorges Renewables Group Co Ltd filed Critical Tsinghua University
Priority to CN202110501353.XA priority Critical patent/CN113205262B/zh
Publication of CN113205262A publication Critical patent/CN113205262A/zh
Application granted granted Critical
Publication of CN113205262B publication Critical patent/CN113205262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06312—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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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

Landscapes

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

Abstract

本发明提供一种风储电站在线调度方法及装置、电子设备及存储介质，其中，所述方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。本发明通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。

Description

风储电站在线调度方法及装置、电子设备及存储介质
技术领域
本发明涉及新型能源技术领域，尤其涉及一种风储电站在线调度方法及装置、电子设备及存储介质。
背景技术
近年来，以风力发电和光伏发电为代表的新能源发电技术快速发展。据报道，截至2019年，全球风力发电装机容量达651GW，约占电力总装机的三分之一。新能源在构建低碳电力系统的进程中将发挥至关重要的作用。
然而，风电内生的不确定性给电力系统运行带来了前所未有的挑战；为应对这一挑战，电力系统不仅需要预留足够的备用资源，还需要精确的风力发电预测。作为一种灵活资源，储能技术可以与风力发电协同运行，提高风力发电的可调度性，平滑风电出力；同时，考虑到风电预测技术的复杂性，得到十分精确的预测结果是困难的。鉴于以上分析，如何在无法得到精确风电预测结果的情况下实现风储电站的在线调度并保证其运行最优性是亟待解决的问题。
发明内容
本发明提供一种风储电站在线调度方法及装置、电子设备及存储介质，用以解决现有技术中依赖风电预测结果进行在线调度的缺陷。本发明提供一种风储电站在线调度方法，包括：
建立风储电站运行模型；
基于所述风储电站运行模型，对储能荷电状态建立队列；
基于所述队列建立队列漂移；
基于所述队列以及所述队列漂移，建立在线调度模型；
基于所述在线调度模型，确定所述风储电站的调度策略。
根据本发明提供的一种风储电站在线调度方法，所述风储电站运行模型包括：
其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，/>是t时刻的风能资源，ηd是放电效率，Tu是传输线路的容量，Pu是储能冲放电功率容量，Et是t时刻的储能荷电状态，τ是调度周期长度，El和Eu分别是储能荷电状态的下限和上限。
根据本发明提供的一种风储电站在线调度方法，所述队列包括：
Qt＝Et-El-τPu-Vπmax
其中，πmax是电价的最大值，V是惩罚系数，所述惩罚系数根据下式选择：
根据本发明提供的一种风储电站在线调度方法，所述基于所述队列建立队列漂移包括：
确定所述队列的李雅普诺夫函数如下：
基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
根据本发明提供的一种风储电站在线调度方法，所述在线调度模型包括：
minτQt(Pt ws-Pt sg)+V(-πtft)
根据本发明提供的一种风储电站在线调度方法，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
获取初始储能荷电状态E0和初始队列Q0；
观测t时刻的储能荷电状态Et、队列Qt、风能资源和电价πt；
基于Qt、Et、πt以及所述在线调度模型，确定/>和/>的最优值，将所述最优值的组合确定为所述风储电站的调度策略。
根据本发明提供的一种风储电站在线调度方法，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：
s.t.Axt≤b+Fθt
θt∈Θt
其中，θt为参数向量[Qt,πt,Pt w]T，xt为控制向量[Pt wg,Pt ws,Pt sg]T；
b＝[0 0 0 0 Tu Pu Pu]T
CW是风力发电机容量，πmax是电价的最小值，Ql和Qu分别是队列的下限和上限；
求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数
基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。
本发明还提供一种风储电站在线调度装置，包括：
运行模型单元，用于建立风储电站运行模型；
队列单元，用于基于所述风储电站运行模型，对储能荷电状态建立队列；
队列漂移单元，用于基于所述队列建立队列漂移；
在线调度模型单元，用于基于所述队列以及所述队列漂移，建立在线调度模型；
调度策略单元，用于基于所述在线调度模型，确定所述风储电站的调度策略。
根据本发明提供的一种风储电站在线调度装置，所述运行模型单元还用于建立如下风储电站运行模型：
其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，/>是t时刻的风能资源，ηd是放电效率，Tu是传输线路的容量，Pu是储能冲放电功率容量，Et是t时刻的储能荷电状态，τ是调度周期长度，El和Eu分别是储能荷电状态的下限和上限。
根据本发明提供的一种风储电站在线调度装置，所述队列单元还用于建立如下队列：
Qt＝Et-El-τPu-Vπmax
其中，πmax是电价的最大值，V是惩罚系数，所述惩罚系数根据下式选择：
根据本发明提供的一种风储电站在线调度装置，所述队列漂移单元还用于：
确定所述队列的李雅普诺夫函数如下：
基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
根据本发明提供的一种风储电站在线调度装置，所述在线调度模型单元还用于建立如下调度模型：
minτQt(Pt ws-Pt sg)+V(-πtft)
根据本发明提供的一种风储电站在线调度装置，所述调度策略单元还用于：
获取初始储能荷电状态E0和初始队列Q0；
观测t时刻的储能荷电状态Et、队列Qt、风能资源和电价πt；
基于Qt、Et、πt以及所述在线调度模型，确定/>和/>的最优值，将所述最优值的组合确定为所述风储电站的调度策略。
根据本发明提供的一种风储电站在线调度装置，所述调度策略单元还用于：
基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：
s.t.Axt≤b+Fθt
θt∈Θt
其中，θt为参数向量[Qt,πt,Pt w]T，xt为控制向量[Pt wg,Pt ws,Pt sg]T；
b＝[0 0 0 0 Tu Pu Pu]T
CW是风力发电机容量，πmWx是电价的最小值，Ql和Qu分别是队列的下限和上限；
求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数
基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述风储电站在线调度方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述风储电站在线调度方法的步骤。
本发明提供的风储电站在线调度方法及装置、电子设备及存储介质，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的风储电站在线调度方法的流程示意图之一；
图2是本发明提供的风储电站系统物理模型的结构示意图；
图3是本发明提供的风储电站在线调度方法的流程示意图之二；
图4是本发明提供的风储电站在线调度方法的流程示意图之三；
图5是本发明提供的风储电站在线调度方法的流程示意图之四；
图6是本发明提供的风储电站在线调度装置的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
下面结合图1-图7描述本发明各实施例提供的技术方案。
图1为本发明提供的风储电站在线调度方法的流程示意图，如图1所示，该方法包括：
步骤110，建立风储电站运行模型。
图2为风储电站系统物理模型，主要包含风力发电机，储能系统以及传输线路。风力发电机的出力上限由不确定的风能资源决定；风能可以售卖至电网产生盈利，或存储在储能系统中，剩余部分可被舍弃。储能系统可以通过风能进行充电，同时自身可以向电网售电；储能充放电功率及荷电状态均不能超过其自身上下限。从储能和风力发电机送入电网的功率总和不允许超过传输线路的容量。考虑以上约束，以最大化风储电站售电收益为目标函数，假定不确定信息完全可知，能够建立风储电站运行模型。
步骤120，基于所述风储电站运行模型，对储能荷电状态建立队列。
步骤130，基于所述队列建立队列漂移。
步骤140，基于所述队列以及所述队列漂移，建立在线调度模型。
步骤150，基于所述在线调度模型，确定所述风储电站的调度策略。
本发明提供的风储电站在线调度方法，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。
基于上述实施例，所述风储电站运行模型包括：
其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，/>是t时刻的风能资源，ηd是放电效率，Tu是传输线路的容量，Pu是储能冲放电功率容量，Et是t时刻的储能荷电状态，τ是调度周期长度，El和Eu分别是储能荷电状态的下限和上限。
基于上述实施例，所述队列包括：
Qt＝Et-El-τPu-Vπmax
其中，πmax是电价的最大值，V是惩罚系数，所述惩罚系数根据下式选择：
基于上述实施例，如图3所示，所述基于所述队列建立队列漂移包括：
步骤310，确定所述队列的李雅普诺夫函数如下：
步骤320，基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
基于上述实施例，由于基于所述队列以及所述队列漂移可知：
至此，可以建立如下在线调度模型：
minτQt(Pt ws-Pt sg)+V(-πtft)
基于上述实施例，如图4所示，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
步骤410，获取初始储能荷电状态E0和初始队列Q0。
步骤420，观测t时刻的储能荷电状态Et、队列Qt、风能资源和电价πt。
步骤430，基于Qt、Et、πt以及所述在线调度模型，确定/> 和/>的最优值，将所述最优值的组合确定为所述风储电站的调度策略。
在线调度算法如下：
基于上述实施例，如图5所示，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
步骤510，基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：
s.t.Axt≤b+Fθt
θt∈Θt
其中，θt为参数向量[Qt,πt,Pt w]T，xt为控制向量[Pt wg,Pt ws,Pt sg]T；
b＝[0 0 0 0 Tu Pu Pu]T
CW是风力发电机容量，πmax是电价的最小值，Ql和Qu分别是队列的下限和上限；
步骤520，求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数该问题可以用POP Matlab toolbox求解。
步骤530，基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。
下面对本发明提供的风储电站在线调度装置进行描述，下文描述的风储电站在线调度装置与上文描述的风储电站在线调度方法可相互对应参照。
图6为本发明提供的风储电站在线调度装置的结构示意图，如图6所示，该装置包括：
运行模型单元610，用于建立风储电站运行模型；
队列单元620，用于基于所述风储电站运行模型，对储能荷电状态建立队列；
队列漂移单元630，用于基于所述队列建立队列漂移；
在线调度模型单元640，用于基于所述队列以及所述队列漂移，建立在线调度模型；
调度策略单元650，用于基于所述在线调度模型，确定所述风储电站的调度策略。
本发明提供的风储电站在线调度装置，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。
基于上述实施例，所述运行模型单元610还用于建立如下风储电站运行模型：
其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，/>是t时刻的风能资源，ηd是放电效率，Tu是传输线路的容量，Pu是储能冲放电功率容量，Et是t时刻的储能荷电状态，τ是调度周期长度，El和Eu分别是储能荷电状态的下限和上限。
基于上述实施例，所述队列单元620还用于建立如下队列：
Qt＝Et-El-τPu-Vπmax
其中，πmax是电价的最大值，V是惩罚系数，所述惩罚系数根据下式选择：
基于上述实施例，所述队列漂移单元630还用于：
确定所述队列的李雅普诺夫函数如下：
基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
基于上述实施例，所述在线调度模型单元640还用于建立如下调度模型：
minτQt(Pt ws-Pt sg)+V(-πtft)
基于上述实施例，所述调度策略单元650还用于：
获取初始储能荷电状态E0和初始队列Q0；
观测t时刻的储能荷电状态Et、队列Qt、风能资源和电价πt；
基于Qt、Et、πt以及所述在线调度模型，确定/>和/>的最优值，将所述最优值的组合确定为所述风储电站的调度策略。
基于上述实施例，所述调度策略单元650还用于：
基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：
s.t.Axt≤b+Fθt
θt∈Θt
其中，θt为参数向量[Qt,πt,Pt w]T，xt为控制向量[Pt wg,Pt ws,Pt sg]T；
/>
b＝[0 0 0 0 Tu Pu Pu]T
CW是风力发电机容量，πmax是电价的最小值，Ql和Qu分别是队列的下限和上限；
求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数
基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种风储电站在线调度方法，其特征在于，包括：
建立风储电站运行模型，其中，所述风储电站运行模型包括：
；
其中，是t时刻的电价，/>是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，/>是充电效率，/>是t时刻的风能资源，/>是放电效率，/>是传输线路的容量，/>是储能冲放电功率容量，/>是t时刻的储能荷电状态，/>是调度周期长度，/>和/>分别是储能荷电状态的下限和上限；
基于所述风储电站运行模型，对储能荷电状态建立队列，其中，所述队列包括：
；
其中，是电价的最大值，/>是惩罚系数，所述惩罚系数根据下式选择：
；
基于所述队列建立队列漂移，其中，所述基于所述队列建立队列漂移包括：
确定所述队列的李雅普诺夫函数如下：
；
基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
；
基于所述队列以及所述队列漂移，建立在线调度模型，其中，所述在线调度模型包括：
；
基于所述在线调度模型，确定所述风储电站的调度策略。
2.根据权利要求1所述风储电站在线调度方法，其特征在于，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
获取初始储能荷电状态和初始队列/>；
观测t时刻的储能荷电状态、队列/>、风能资源/>和电价/>；
基于以及所述在线调度模型，确定/>和/>的最优值，将所述最优值的组合确定为所述风储电站的调度策略。
3.根据权利要求1所述风储电站在线调度方法，其特征在于，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：
基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：
；
其中，为参数向量/>为控制向量/>；
；
是风力发电机容量，/>是电价的最小值，/>和/>分别是队列的下限和上限；
求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数；
基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。
4.一种风储电站在线调度装置，其特征在于，包括：
运行模型单元，用于建立风储电站运行模型，其中，所述运行模型单元还用于建立如下风储电站运行模型：
；
其中，是t时刻的电价，/>是t时刻风力发电机和储能系统向电网的售电量，和/>分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，/>是充电效率，/>是t时刻的风能资源，/>是放电效率，/>是传输线路的容量，/>是储能冲放电功率容量，/>是t时刻的储能荷电状态，/>是调度周期长度，/>和/>分别是储能荷电状态的下限和上限；
队列单元，用于基于所述风储电站运行模型，对储能荷电状态建立队列，其中，所述队列单元还用于建立如下队列：
；
其中，是电价的最大值，/>是惩罚系数，所述惩罚系数根据下式选择：
；
队列漂移单元，用于基于所述队列建立队列漂移，其中，所述队列漂移单元还用于：
确定所述队列的李雅普诺夫函数如下：
；
基于所述队列以及李雅普诺夫函数，建立如下队列漂移：
；
在线调度模型单元，用于基于所述队列以及所述队列漂移，建立在线调度模型，其中，所述在线调度模型单元还用于建立如下在线调度模型：
；
调度策略单元，用于基于所述在线调度模型，确定所述风储电站的调度策略。
5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述风储电站在线调度方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述风储电站在线调度方法的步骤。
CN202110501353.XA 2021-05-08 2021-05-08 风储电站在线调度方法及装置、电子设备及存储介质 Active CN113205262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110501353.XA CN113205262B (zh) 2021-05-08 2021-05-08 风储电站在线调度方法及装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110501353.XA CN113205262B (zh) 2021-05-08 2021-05-08 风储电站在线调度方法及装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113205262A CN113205262A (zh) 2021-08-03
CN113205262B true CN113205262B (zh) 2023-10-13

Family

ID=77030555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110501353.XA Active CN113205262B (zh) 2021-05-08 2021-05-08 风储电站在线调度方法及装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113205262B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105870976A (zh) * 2016-04-15 2016-08-17 国家电网公司 一种基于能源环境效率的低碳调度方法和装置
JP2020188619A (ja) * 2019-05-16 2020-11-19 株式会社日立製作所 電力系統計画装置および方法
CN112751348A (zh) * 2021-01-06 2021-05-04 东北电力大学 考虑风电调度和调频极限的储能优化控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105870976A (zh) * 2016-04-15 2016-08-17 国家电网公司 一种基于能源环境效率的低碳调度方法和装置
JP2020188619A (ja) * 2019-05-16 2020-11-19 株式会社日立製作所 電力系統計画装置および方法
CN112751348A (zh) * 2021-01-06 2021-05-04 东北电力大学 考虑风电调度和调频极限的储能优化控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal Energy Management of a Residential Prosumer: A Robust Data-Driven Dynamic Programming Approach;Zhongjie Guo等;《IEEE SYSTEMS JOURNAL》;第1-10页 *
风储一体化电站容量双层优化规划研究;袁铁江等;《高电压技术》;第3204-3212页 *

Also Published As

Publication number Publication date
CN113205262A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
Dabbaghjamanesh et al. Effective scheduling operation of coordinated and uncoordinated wind-hydro and pumped-storage in generation units with modified JAYA algorithm
Zhang et al. MOEA/D-based probabilistic PBI approach for risk-based optimal operation of hybrid energy system with intermittent power uncertainty
US20230258161A1 (en) A method and an apparatus for computer-implemented prediction of power production of one or more wind turbines in a wind farm
CN114696351A (zh) 一种电池储能系统动态优化方法、装置、电子设备和存储介质
EP3878072A1 (en) Hybrid power plant
CN111917111B (zh) 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质
Helseth et al. Nonconvex environmental constraints in hydropower scheduling
Pan et al. Modeling the reserve capacity of wind power and the inherent decision-dependent uncertainty in the power system economic dispatch
CN112953007A (zh) 配电网调度方法、装置及系统、处理器、电子设备
Yang et al. Deep reinforcement learning for economic energy scheduling in data center microgrids
CN108233357A (zh) 基于非参数概率预测及风险期望的风电日前消纳优化方法
CN105279575B (zh) 基于发电预测的多能源主体分布式博弈优化方法
Angelidakis et al. Factored mdps for optimal prosumer decision-making
CN113205262B (zh) 风储电站在线调度方法及装置、电子设备及存储介质
CN116342176A (zh) 一种电力市场现货电能量交易规则的火电企业分段报价方法
CN116502832A (zh) 一种多微电网联合规划方法、系统、存储介质及电子设备
CN113554219B (zh) 一种可再生能源发电站共享储能容量规划方法及装置
CN115864364A (zh) 一种用户参与需求响应的运行策略规划方法及装置
Son et al. Optimal offer strategies for energy storage system integrated wind power producers in the day-ahead energy and regulation markets
CN114884101A (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
Gui et al. Intra-day unit commitment for wind farm using model predictive control method
Yu et al. Look-Ahead Power Grid Dispatch Method Based on A2C Algorithm
Cancelliere et al. Neural networks for wind power generation forecasting: a case study
Li et al. Data-Driven Capacity Bidding for Frequency Regulation
CN109038557A (zh) 一种考虑风险规避的风电和电价的主动配电网规划方法

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
GR01 Patent grant
GR01 Patent grant