CN113300416B - 一种电网备用容量配置方法、系统、设备及计算机介质 - Google Patents

一种电网备用容量配置方法、系统、设备及计算机介质 Download PDF

Info

Publication number
CN113300416B
CN113300416B CN202110770264.5A CN202110770264A CN113300416B CN 113300416 B CN113300416 B CN 113300416B CN 202110770264 A CN202110770264 A CN 202110770264A CN 113300416 B CN113300416 B CN 113300416B
Authority
CN
China
Prior art keywords
power grid
sequence
capacity
load
constraint
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
CN202110770264.5A
Other languages
English (en)
Other versions
CN113300416A (zh
Inventor
付聪
刘俊磊
钱峰
张水平
钟雅珊
杨韵
陈卉灿
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110770264.5A priority Critical patent/CN113300416B/zh
Publication of CN113300416A publication Critical patent/CN113300416A/zh
Application granted granted Critical
Publication of CN113300416B publication Critical patent/CN113300416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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

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

Abstract

本发明公开了一种电网备用容量配置方法、系统、设备及计算机介质，其中，所述方法包括：将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列；根据历史负荷序列和负荷预测序列计算目标时间段的备用容量需求范围值；基于负荷预测序列和备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案。上述方法通过Elman神经网络模型得到更准确的负荷预测时序值，再利用负荷预测时序值确定各时刻对应的运行备用容量的需求范围，最后通过求解电网备用容量优化模型，得到电网运行备用容量最佳配置方案，以满足电网可靠性和经济性要求。

Description

一种电网备用容量配置方法、系统、设备及计算机介质
技术领域
本发明涉及电力技术领域，特别是涉及一种电网备用容量配置方法、系统、设备及计算机介质。
背景技术
为了保证电力系统安全、可靠且连续地发供电，电力系统在运行时会预留一定的备用容量，以应对负荷波动、负荷事故切除、机组事故停运等情况。从系统的可靠性与安全性出发，需配置尽可能多的备用容量，但过多的备用容量会加重系统经济运行的负担。
现阶段通常根据系统所带负荷的固定比例或单台机组的最大容量简单地确定备用容量，但随着电网负荷的变化特性趋于复杂化，当前的备用容量配置方式难以适配负荷的随机波动和预测误差，并无法提供更合理的备用容量方案。
发明内容
针对上述技术问题，本发明提供一种电网备用容量配置方法、系统、设备及计算机介质，通过利用神经网络模型对目标时间段的负荷进行精准预测，再结合电网备用容量优化模型得到更准确、合理的备用容量方案。
第一方面，本发明提供一种电网备用容量配置方法，包括：
将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列；
根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值；
基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案；其中，
所述电网备用容量优化模型的目标函数包括最小化发电机组运行成本及运行备用容量成本；
所述电网备用容量优化模型的约束条件包括潮流约束、出力约束和备用容量约束。
可选的，所述气象信息包括所述历史负荷序列对应时间段的气象信息和所述目标时间段的气象预报信息。
可选的，所述神经网络模型具体为Elman神经网络模型。
可选的，所述根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值，具体为：根据所述历史负荷序列和所述负荷预测序列确定预测偏差分布函数；根据所述预测偏差分布函数和预设的置信水平确定预测偏差上界和下界；根据所述负荷预测序列、所述预测偏差上界和下界以及负荷固定备用比率计算下调运行备用容量和上调运行备用容量，得到备用容量需求范围值。
可选的，所述电网备用容量优化模型的目标函数表示为：min∑t(CG,t+θCR,t)，式中，CG,t表示t时刻发电机组运行成本，CR,t表示t时刻提供运行备用容量的成本，θ表示考虑运行备用容量成本因素的权重。
可选的，所述潮流约束包括潮流平衡约束、节点电压约束和线路潮流约束；所述出力约束包括机组有功出力约束、机组爬坡约束和启停次数约束。
可选的，基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型后，还得到各发电机组的出力调度方案。
第二方面，本发明提供一种电网备用容量配置系统，包括：
预测单元，用于将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列；
第一处理单元，用于根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值；
第二处理单元，用于基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案；其中，
所述电网备用容量优化模型的目标函数包括最小化发电机组运行成本及运行备用容量成本；
所述电网备用容量优化模型的约束条件包括电网潮流平衡约束、发电机组出力调节约束和备用容量约束。
第三方面，本发明提供一种数据处理设备，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行第一方面所述的电网备用容量配置方法。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的电网备用容量配置方法。
相比现有技术，本发明的有益效果在于：
本发明提供的电网备用容量配置方法基于电网负荷的变化特性，通过Elman神经网络模型获得更准确的负荷预测时序值，再利用预测得到的负荷预测时序值确定各时刻对应的运行备用容量的需求范围，最后通过求解电网备用容量优化模型，得到电网运行备用容量最佳配置方案，该配置方案能够更好地满足电网的可靠性、经济性要求。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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是本发明实施例提供的电网备用容量配置方法的流程示意图。
图2是本发明实施例提供的电网备用容量配置系统的结构框图。
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。
如图1所示，第一方面，本发明一个实施例提供一种电网备用容量配置方法，包括以下步骤：
S1：将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列。
首先，利用电网历史负荷数据作为训练样本，对神经网络模型进行训练，得到日负荷时序预测模型。
具体地，以备用容量调整时间为间隔，获取连续时刻内的电网历史负荷数据集，并对数据集进行数据预处理，包括去除噪声、修正错误数据等，最后，将完成预处理的不同时刻的电网历史负荷数据进行汇总，形成负荷时间序列。
如：所述电网的备用容量调整时间ΔtR为15分钟，则以15分钟为间隔获取连续T日内每个负荷节点的电网实测负荷数据，T为整数且T＞3，通过数据预处理后，将各时刻的节点负荷数据分别汇总，形成负荷时间序列作为训练样本。
利用负荷时间序列训练Elman神经网络，得到日负荷时序预测模型。
具体地，所述Elman神经网络包含双隐含层和双承接层，其输入层包括待预测日前N天的历史负荷时序值和对应的气象实测数据，以及待预测时刻的气象预报数据，N为整数且N≥2，输出层的维数为待预测的负荷等间隔采集点数(24h/ΔtR)，具体数学模型如下：
y(k)＝g(w1x1(k)+w2x2(k))
具体地，
x1(k)＝f(w3xc1(k)+w4(u1(k-1)))
x2(k)＝f(w5xc2(k)+w6(u2(k-1)))
其中，xc1(k)＝x1(k-1)，xc2(k)＝x2(k-1)。
式中，k表示时间序列，g表示输出层函数，f表示隐含层函数。
y(k)表示k时刻的输出结果；x1(k)表示k时刻第一隐含层的输出结果，x2(k)表示k时刻第二隐含层的输出结果；xc1(k)则表示k时刻第一承接层的输出结果，xc2(k)表示k时刻第二承接层的输出结果；u1(k)表示k时刻第一输入层的输入数据，u2(k)表示k时刻第二输入层的输入数据。
w1表示第一隐含层与输出层的连接权值，w2表示第二隐含层与输出层的连接权值，w3表示第一隐含层与第一承接层的连接权值，w4表示第一隐含层与第二承接层的连接权值，w5表示第二隐含层与第一承接层的连接权值，w6表示第二隐含层与第二承接层的连接权值。
本发明通过Elman神经网络模型进行预测，能够获得更准确的负荷预测序列结果。
在本实施例中，气象信息包括历史负荷序列对应时间段的气象信息和目标时间段的气象预报信息。
具体地，输入历史时刻的负荷序列值及对应时刻的气象实测数据、待预测时刻的气象预报数据至日负荷时序预测模型中，输出负荷预测序列，即：预测的负荷序列值，可以理解的是，预测的负荷序列值与输入的目标历史负荷序列值维数一致。
需要说明的是，日负荷时序预测模型的训练可通过时间窗口滑动输出负荷预测结果完成，如：输入第1-2天的历史负荷序列值时，输出第3日的预测负荷序列值，再输入第2-3天的历史负荷序列值，输出第4日的预测负荷序列值，由此类推，实现利用滚动时间窗口的输出数据训练模型。
S2：根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值。
具体地，根据历史负荷序列和负荷预测序列确定预测偏差分布函数，再根据预测偏差分布函数和预设的置信水平确定预测偏差上界和下界；最后根据负荷预测序列、预测偏差上界和下界以及负荷固定备用比率计算下调运行备用容量和上调运行备用容量，得到备用容量需求范围值。
需要说明的是，利用日负荷时序预测模型输出目标时间段(预测日)的预测负荷序列值后，根据预测结果进一步确定各时刻的电力系统运行备用容量的需求范围，具体可分析预测日的预测负荷序列值与预测日的实际负荷序列值的偏差情况，并使用概率对所述偏差情况进行描述。
具体地，可使用正态分布描述预测值与实际值之间的偏差分布：记εt服从正态分布
Figure BDA0003152188870000071
其分布函数设置为Ft，其中，期望μ设置为0，标准差σt根据实际偏差情况计算得到。
选择可接受的置信水平α∈[0.8,0.98]，则预测偏差的下界ΔP t和上界
Figure BDA0003152188870000072
分别表示为：
Figure BDA0003152188870000073
Figure BDA0003152188870000074
式中，ΔP t<0，
Figure BDA0003152188870000075
当选择置信水平α＝0.95时，可算得预测偏差下界ΔP t＝-1.96σt，预测偏差上界
Figure BDA0003152188870000076
此时设置负荷预测误差的运行备用容量需求为：R t＝rRpf,t+ΔP t，
Figure BDA0003152188870000077
式中，Rt和
Figure BDA0003152188870000078
分别表示t时刻的下调和上调运行备用容量；pf,t表示日负荷时序预测模型输出的t时刻的负荷预测值；rR表示负荷的固定备用比率，可在[0.02,0.05]区间内选择数值。
S3：基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案；其中，所述电网备用容量优化模型的目标函数包括最小化发电机组运行成本及运行备用容量成本；所述电网备用容量优化模型的约束条件包括潮流约束、出力约束和备用容量约束。
进一步地，可利用负荷预测序列和备用容量需求范围值求解预设置的系统运行备用容量分时段优化模型，形成日内运行备用容量配置方案。
具体地，系统运行备用容量分时段优化模型的目标函数为：min∑t(CG,t+θCR,t)。
具体地，
Figure BDA0003152188870000081
其中，i∈SG，θ可取缺省值1，也可根据电网考虑运行备用容量成本因素的权重进行调整。
式中，CG,t表示t时刻发电机组运行成本，CR,t表示t时刻提供运行备用容量的成本，θ表示考虑运行备用容量成本因素的权重，Si,t表示机组i在t时刻的运行状态，开机时置1，停机时置0；Fi,t表示机组i在t时刻的发电成本，λ i,t和
Figure BDA0003152188870000082
分别表示机组i在t时刻的下调、上调运行备用容量报价，
Figure BDA0003152188870000083
和
Figure BDA0003152188870000084
分别表示机组i在t时刻的开机成本和关机成本，SG表示发电机组的集合，R t和
Figure BDA0003152188870000085
分别表示机组i在t时刻的下调和上调运行备用容量。
系统运行备用容量分时段优化模型的约束条件则包括潮流约束、出力约束和备用容量约束，具体可理解为：电网潮流平衡与安全约束、机组出力调节约束和运行备用容量约束。
具体地，电网潮流平衡与安全约束又包括潮流平衡约束、节点电压约束和线路潮流约束。
其中，潮流平衡约束表示为：Pi,t＝∑jPi,j,t，Qi,t＝∑jQi,j,t。
式中，Pi,t和Qi,t分别表示t时刻节点i的有功功率和无功功率，Pi,j,t和Qi,j,t则分别表示t时刻支路i-j向节点i注入的有功功率和无功功率，其中，当i＝j时，则表示该节点所连接的设备所注入的有功功率和无功功率，对于连接负荷的节点，则使用上述日负荷时序预测模型输出的预测负荷序列值确定注入的功率。
节点电压约束表示为：
Figure BDA0003152188870000091
式中，U i和
Figure BDA0003152188870000092
分别表示节点i的电压下限和电压上限，Ui,t表示节点i在t时刻的电压。
线路潮流约束表示为：
Figure BDA0003152188870000093
式中，Pl,t表示线路l在t时刻的潮流值，
Figure BDA0003152188870000094
表示线路允许通过的潮流限值。
具体地，机组出力调节约束包括机组有功出力约束、机组爬坡约束和启停次数约束。
其中，机组有功出力约束表示为：P i,t≤Pi,t+R i,t，
Figure BDA0003152188870000095
其中，i∈SG。
式中，P i,t和
Figure BDA0003152188870000096
分别表示机组i的出力下限和出力上限。
机组爬坡约束表示为：
Figure BDA0003152188870000097
其中，i∈SG。
式中，r i和
Figure BDA0003152188870000098
分别表示机组i减出力和增出力的速率限值，ΔtR表示备用容量调整时间间隔。
启停次数约束表示为：
Figure BDA0003152188870000099
其中，i∈SG。
式中，
Figure BDA00031521888700000910
表示机组i的最大启停次数。
具体地，运行备用容量约束表示为：
R i,t＝Pi,t-max(Pi,t-1+r iΔtG,P i,t)
Figure BDA00031521888700000911
其中，R t≤∑i r iΔtR，
Figure BDA00031521888700000912
i∈SG。
式中，R i,t和
Figure BDA00031521888700000913
分别表示机组i在时段t内提供下调、上调运行备用容量的限值；ΔtG表示机组出力调整时间间隔，可设置为60分钟；R t和
Figure BDA00031521888700000914
分别为根据电力系统运行备用容量需求范围所确定的下调备用容量需求和上调备用容量需求。
通过求解上述系统运行备用容量分时段优化模型，得到的si,tPi,t形成各发电机组的出力调度方案，得到的Pi,t和
Figure BDA0003152188870000101
形成各发电机组的运行备用容量配置方案。
具体地，各发电机组的出力调度方案表示各时刻机组i的开停机状态和开机时的出力情况，如表1所示：
表1发电机组出力调度方案(单位：MW)
机组 t<sub>1</sub> t<sub>2</sub> … t<sub>96</sub>
A厂01 140.5 136.2 … 140.5
A厂02 140.5 136.2 … 140.5
B厂01 0 0 … 0
B厂02 31.2 29.9 … 30.7
… … … … …
各发电机组的运行备用容量配置方案则表示各时刻机组i的下调和上调备用容量，如表2所示：
表2发电机组运行备用容量配置方案(单位：MW)
Figure BDA0003152188870000102
本发明上述方法得到的各发电机组的出力调度方案和运行备用容量配置方案能够更好地满足电网的可靠性、经济性要求。
第二方面，本发明另一实施例提供一种电网备用容量配置系统，包括预测单元101、第一处理单元102和第二处理单元103。
预测单元101用于将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列。
第一处理单元102用于根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值。
第二处理单元103用于基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案。
上述系统内的各单元之间信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
第三方面，本发明提供一种数据处理设备，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行第一方面所述的电网备用容量配置方法。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的电网备用容量配置方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可监听存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种电网备用容量配置方法，其特征在于，包括：
将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列；
根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值；具体为：
根据所述历史负荷序列和所述负荷预测序列确定预测偏差分布函数；
根据所述预测偏差分布函数和预设的置信水平确定预测偏差上界和下界；
根据所述负荷预测序列、所述预测偏差上界和下界以及负荷固定备用比率计算下调运行备用容量和上调运行备用容量，得到备用容量需求范围值；
基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案；其中，
所述电网备用容量优化模型的目标函数包括最小化发电机组运行成本及运行备用容量成本；
所述电网备用容量优化模型的约束条件包括潮流约束、出力约束和备用容量约束。
2.根据权利要求1所述的电网备用容量配置方法，其特征在于，所述气象信息包括所述历史负荷序列对应时间段的气象信息和所述目标时间段的气象预报信息。
3.根据权利要求1所述的电网备用容量配置方法，其特征在于，所述神经网络模型具体为：
Elman神经网络模型。
4.根据权利要求1所述的电网备用容量配置方法，其特征在于，所述电网备用容量优化模型的目标函数表示为：
min∑t(CG,t+θCR,t)
式中，CG,t表示t时刻发电机组运行成本，CR,t表示t时刻提供运行备用容量的成本，θ表示考虑运行备用容量成本因素的权重。
5.根据权利要求1所述的电网备用容量配置方法，其特征在于，
所述潮流约束包括潮流平衡约束、节点电压约束和线路潮流约束；
所述出力约束包括机组有功出力约束、机组爬坡约束和启停次数约束。
6.根据权利要求1所述的电网备用容量配置方法，其特征在于，
基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型后，还得到各发电机组的出力调度方案。
7.一种电网备用容量配置系统，其特征在于，包括：
预测单元，用于将所获取的历史负荷序列和气象信息输入至神经网络模型，输出目标时间段的负荷预测序列；
第一处理单元，用于根据所述历史负荷序列和所述负荷预测序列计算所述目标时间段的备用容量需求范围值；具体为：
根据所述历史负荷序列和所述负荷预测序列确定预测偏差分布函数；
根据所述预测偏差分布函数和预设的置信水平确定预测偏差上界和下界；
根据所述负荷预测序列、所述预测偏差上界和下界以及负荷固定备用比率计算下调运行备用容量和上调运行备用容量，得到备用容量需求范围值；
第二处理单元，用于基于所述负荷预测序列和所述备用容量需求范围值求解预设的电网备用容量优化模型，得到电网运行备用容量配置方案；其中，
所述电网备用容量优化模型的目标函数包括最小化发电机组运行成本及运行备用容量成本；
所述电网备用容量优化模型的约束条件包括电网潮流平衡约束、发电机组出力调节约束和备用容量约束。
8.一种数据处理设备，其特征在于，包括：
处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行如权利要求1至6中任一项所述的电网备用容量配置方法。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令用于执行上述权利要求1至6中任一项所述的电网备用容量配置方法。
CN202110770264.5A 2021-07-07 2021-07-07 一种电网备用容量配置方法、系统、设备及计算机介质 Active CN113300416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110770264.5A CN113300416B (zh) 2021-07-07 2021-07-07 一种电网备用容量配置方法、系统、设备及计算机介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110770264.5A CN113300416B (zh) 2021-07-07 2021-07-07 一种电网备用容量配置方法、系统、设备及计算机介质

Publications (2)

Publication Number Publication Date
CN113300416A CN113300416A (zh) 2021-08-24
CN113300416B true CN113300416B (zh) 2022-10-21

Family

ID=77330638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110770264.5A Active CN113300416B (zh) 2021-07-07 2021-07-07 一种电网备用容量配置方法、系统、设备及计算机介质

Country Status (1)

Country Link
CN (1) CN113300416B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108808730A (zh) * 2018-06-12 2018-11-13 国网山东省电力公司聊城供电公司 考虑光伏时空分布规律的配电网系统负荷备用容量计算方法及系统
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2396761A4 (en) * 2008-11-14 2013-09-25 Thinkeco Power Inc SYSTEM AND METHOD FOR DEMOCRATIZING POWER TO PRODUCE A META EXCHANGE
US10043224B2 (en) * 2012-08-10 2018-08-07 Itron, Inc. Unified framework for electrical load forecasting
CN103023019B (zh) * 2012-09-29 2014-12-17 广东电网公司电力调度控制中心 电网备用容量分析方法及系统
US9250674B2 (en) * 2013-01-18 2016-02-02 General Electric Company Methods and systems for restoring power based on forecasted loads
CN103997039B (zh) * 2014-05-30 2017-01-18 国网甘肃省电力公司 基于概率区间预测的计及风电接纳的旋转备用区间预测方法
US10289954B2 (en) * 2015-01-06 2019-05-14 Accenture Global Services Limited Power distribution transformer load prediction analysis system
CN104636822B (zh) * 2015-01-21 2018-08-31 广州市香港科大霍英东研究院 一种基于elman神经网络的居民负荷预测方法
CN105305419B (zh) * 2015-10-12 2017-07-25 山东大学 一种含有压缩空气储能的独立微网容量优化配置方法
CN110048420B (zh) * 2019-05-15 2021-08-13 广东电网有限责任公司 一种配电网随机优化调度的方法、装置和介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108808730A (zh) * 2018-06-12 2018-11-13 国网山东省电力公司聊城供电公司 考虑光伏时空分布规律的配电网系统负荷备用容量计算方法及系统
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法

Also Published As

Publication number Publication date
CN113300416A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
US10673242B2 (en) Demand charge and response management using energy storage
CN110224399B (zh) 基于风电场的电力现货市场出清方法、装置及存储介质
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN110889779B (zh) 多风电场出力的典型场景模型构建方法和机组恢复方法
CN109840633B (zh) 光伏输出功率预测方法、系统和存储介质
CN113077075B (zh) 新能源不确定性电力系统安全风险预防控制方法及装置
CN110034561A (zh) 一种基于云储能租赁服务的风电场储能容量优化方法
Kushwaha et al. A novel framework to assess synthetic inertia & primary frequency response support from energy storage systems
CN117939602B (zh) 通信基站的控制方法、装置、电子设备及存储介质
CN113300416B (zh) 一种电网备用容量配置方法、系统、设备及计算机介质
CN111553572B (zh) 考虑电量计划执行风险的月度机组组合优化方法
JP2020039222A (ja) 電力需給制御装置、電力需給制御システムおよび電力需給制御方法
CN117318044A (zh) 电力系统调节能力评估方法、装置及设备
CN117154850A (zh) 一种确定电力系统灵活性供需平衡能力的方法
CN110661270B (zh) 含风电的电力系统电压稳定性协调控制方法
CN116596333A (zh) 一种基于指标评估体系的储能电站等级确定方法及装置
CN105914780A (zh) 风储联合发电系统发电指标跟踪方法及装置
CN113964819B (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
Alzubaidi et al. Probabilistic voltage stability analysis considering variable wind generation and different control modes
CN114759579A (zh) 一种基于数据驱动的电网有功优化控制系统、方法和介质
CN111952959A (zh) 压缩电网过程模拟时间的方法、装置及存储介质
Yao et al. Economic optimal control of source-storage collaboration based on wind power forecasting for transient frequency regulation
CN111900740A (zh) 一种基于需求响应设备的电力系统调频方法和系统
CN114611847B (zh) 一种省内可调优先发电调度计划的生成方法及装置
CN117175709A (zh) 计及惯量约束的新能源电力系统机组组合方法及系统

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