CN113315171A - 新能源消纳能力评估方法、装置、计算机设备和存储介质 - Google Patents

新能源消纳能力评估方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113315171A
CN113315171A CN202110542136.5A CN202110542136A CN113315171A CN 113315171 A CN113315171 A CN 113315171A CN 202110542136 A CN202110542136 A CN 202110542136A CN 113315171 A CN113315171 A CN 113315171A
Authority
CN
China
Prior art keywords
power
new energy
output
time
seasonal
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.)
Granted
Application number
CN202110542136.5A
Other languages
English (en)
Other versions
CN113315171B (zh
Inventor
饶志
黎立丰
杨再敏
蒙文川
席云华
孙思扬
陈香
肖天颖
董楠
姜颖达
朱浩骏
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.)
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
Energy Development Research Institute of China Southern 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 Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority to CN202110542136.5A priority Critical patent/CN113315171B/zh
Publication of CN113315171A publication Critical patent/CN113315171A/zh
Application granted granted Critical
Publication of CN113315171B publication Critical patent/CN113315171B/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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种新能源消纳能力评估方法、装置、计算机设备和存储介质。所述方法包括：获取电力系统全年的日负荷；通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。采用本方法能够评估电力系统在不同季节场景下的新能源消纳能力，使评估结果准确反映电力系统的实际消纳能力。

Description

新能源消纳能力评估方法、装置、计算机设备和存储介质
技术领域
本申请涉及新能源发电技术领域，特别是涉及一种新能源消纳能力评估方法、装置、计算机设备和存储介质。
背景技术
新能源消纳能力即新能源发电后，电力系统对电能进行消化和吸纳的能力，对新能源消纳能力进行评估，有利于对电力系统进行合理化设计，减少能源浪费。
目前的电力系统新能源消纳能力评估方法主要有两种，一种是典型日负荷分析法，即通过典型日内负荷曲线以及新能源发电曲线计算当日新能源最大消纳量，并以此作为评估系统全年新能源消纳能力的主要依据；另一种方法是生产模拟法，该种方法基于时序生产模拟，对所研究的时间区间进行逐时段的模拟调度并计算新能源消纳总量；此外还有人提出以典型日负荷低估时段的调峰裕度作为电网可消纳的新能源规模，但是这种方法得到的结果较为保守。相比于时序生产模拟法，典型日负荷分析法具有计算量少、数据较易获得的优点，因而广泛应用于新能源消纳评估方案中。
然而，在实际电力系统中，新能源实际消纳水平容易受到系统安全稳定运行条件的约束，上述新能源消纳能力评估方法难以真实反映电力系统实际消纳能力。而且，光伏、风电在我国非水电新能源装机中占比超过90％，是非水电新能源电力的主要来源，但由于其实际消纳量易受到天气条件、负荷水平等多种因素影响，出力具有较大的随机性和不确定性，难以反映系统全年的消纳能力水平。
因此，目前的新能源消纳能力评估技术存在难以反映电力系统实际消纳能力，评估结果不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高新能源消纳能力评估结果准确性的新能源消纳能力评估方法、装置、计算机设备和存储介质。
一种新能源消纳能力评估方法，所述方法包括：
获取电力系统全年的日负荷；
通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
在其中一个实施例中，所述通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷，包括：
通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量；
统计所述周期分量在所述季节日负荷中的占比；
判断所述占比是否超过预设的占比阈值；
若未超过所述占比阈值，则去除所述季节日负荷中的离群点，得到新的季节日负荷，并返回至所述通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量的步骤；
若超过所述占比阈值，则根据所述周期分量得到所述季节典型日负荷。
在其中一个实施例中，所述预设的日前调度模型包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件；所述目标函数用于获取所述电力系统的新能源出力计划，所述电网约束条件用于对电网直流潮流和输电线传输容量进行约束，所述火电机组出力约束条件用于对火电机组的出力上下限、爬坡速率、最小运行时间、最小停运时间和旋转备用容量进行约束，所述风电光伏出力约束条件用于对风电可调度最大出力和光伏可调度最大出力进行约束。
在其中一个实施例中，所述目标函数为
Figure BDA0003071983870000021
其中，t表示时刻，T表示时刻总数，Pt PV表示t时刻所述电力系统的光伏总出力，Pt WT表示t时刻所述电力系统的风电总出力。
在其中一个实施例中，所述电网约束条件包括潮流约束和输电线传输容量约束；所述潮流约束为
Figure BDA0003071983870000031
其中，
Figure BDA0003071983870000032
表示t时刻传输的有功功率，PTDF表示直流潮流分布因子矩阵，
Figure BDA0003071983870000033
表示t时刻注入的有功功率；
所述输电线传输容量约束为
Figure BDA0003071983870000034
其中，
Figure BDA0003071983870000035
表示节点i允许输送的最大功率，
Figure BDA0003071983870000036
表示t时刻节点i输送的有功功率。
在其中一个实施例中，所述火电机组出力约束条件包括出力上下限约束、爬坡约束、最小运行/停运时间约束和旋转备用约束；所述出力上下限约束为
Figure BDA0003071983870000037
其中，
Figure BDA0003071983870000038
表示t时刻节点i处火电机组开停机状态，
Figure BDA0003071983870000039
表示t时刻节点i处火电机组实际出力，
Figure BDA00030719838700000310
表示火电机组最小技术出力，
Figure BDA00030719838700000311
表示火电机组最大技术出力；
所述爬坡约束为
Figure BDA00030719838700000312
其中，
Figure BDA00030719838700000313
表示节点i处火电机组在正常运行时的最小爬坡速率，
Figure BDA00030719838700000314
表示节点i处火电机组在正常运行时的最大爬坡速率；
所述最小运行/停运时间约束为
Figure BDA00030719838700000315
其中，
Figure BDA00030719838700000316
表示t时刻节点i处火电机组持续开机的时间，
Figure BDA00030719838700000317
表示t时刻节点i处火电机组持续关机的时间，
Figure BDA00030719838700000318
表示火电机组的最小开机时间，
Figure BDA00030719838700000319
表示火电机组的最小关机时间；
所述旋转备用约束为
Figure BDA00030719838700000320
其中，Nbus表示节点数量，
Figure BDA00030719838700000321
表示t时刻节点i处光伏实际出力，
Figure BDA00030719838700000322
表示t时刻节点i处风电实际出力，
Figure BDA0003071983870000041
表示t时刻节点i处光伏接入状态，
Figure BDA0003071983870000042
表示t时刻节点i处风电接入状态，
Figure BDA0003071983870000043
表示t时刻节点i处负荷，C+表示正备用容量，C-表示负备用容量。
在其中一个实施例中，所述风电光伏出力约束条件为
Figure BDA0003071983870000044
其中，
Figure BDA0003071983870000045
表示t时刻节点i处光伏可调度的最大出力，
Figure BDA0003071983870000046
表示t时刻节点i处风电可调度的最大出力。
一种新能源消纳能力评估装置，所述装置包括：
获取模块，用于获取电力系统全年的日负荷；
聚类模块，用于通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
傅里叶分解模块，用于通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
消纳量确定模块，用于根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
消纳能力评估值确定模块，用于根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取电力系统全年的日负荷；
通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
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以下步骤：
获取电力系统全年的日负荷；
通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
上述新能源消纳能力评估方法、装置、计算机设备和存储介质，通过获取电力系统全年的日负荷，对日负荷进行聚类得到电力系统的季节日负荷，可以获取到不用季节场景下的日负荷数据，通过对季节日负荷进行傅里叶分解得到季节典型日负荷，根据季节典型日负荷和预设的日前调度模型确定电力系统的新能源出力计划，可以反映电力系统全年的新能源最大消纳量，根据新能源出力计划与电力系统全年用电量之间的比值得到新能源消纳能力评估值，可以评估电力系统在不同季节场景下的新能源消纳能力，使评估结果准确反映电力系统的实际消纳能力。
附图说明
图1为一个实施例中新能源消纳能力评估方法的流程示意图；
图2为另一个实施例中新能源消纳能力评估方法的流程示意图；
图3为一个实施例中电力系统的拓扑结构图；
图4为一个实施例中过渡季节典型日风电出力、光伏出力及负荷曲线图；
图5为一个实施例中夏季以典型日风电出力、光伏出力及负荷曲线图；
图6为一个实施例中冬季典型日风电出力、光伏出力及负荷曲线图；
图7为一个实施例中过渡季节典型日的消纳结果图；
图8为一个实施例中夏季典型日的消纳结果图；
图9为一个实施例中冬季典型日的消纳结果图；
图10为一个实施例中过渡季节典型日各发电机组出力曲线图；
图11为一个实施例中夏季典型日各发电机组出力曲线图；
图12为一个实施例中冬季典型日各发电机组出力曲线图；
图13为一个实施例中新能源消纳能力评估装置的结构框图；
图14为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的新能源消纳能力评估方法，可以应用于终端或服务器。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图1所示，提供了一种新能源消纳能力评估方法，以该方法应用于服务器为例进行说明，包括以下步骤：
步骤S110，获取电力系统全年的日负荷。
其中，日负荷可以为电能用户的用电设备每日向电力系统取用电功率的总和。
具体实现中，可以在一年内，通过电力系统中部署的多个电表终端来采集用户的用电负荷，发送至服务器，服务器通过统计电力系统中所有用户每日用电负荷的总和，得到日负荷。此外，通过终端采集并发送至服务器，服务器还可以获取到新能源发电数据，其中，新能源发电数据可以为光伏发电或风电发电在一年中每日所产生的电能总和。
步骤S120，通过对日负荷进行聚类，得到电力系统的季节日负荷。
其中，季节日负荷可以包括夏季日负荷、冬季日负荷和过渡季节日负荷，分别为用户在夏季、冬季和过渡季节的每日用电负荷。
具体实现中，服务器可以首先从日负荷或新能源发电数据中剔除错误数据、异常数据或重大节假日的数据，然后采用k均值聚类算法对剩余的日负荷或新能源发电数据进行分类，例如，可以取k＝3，对剩余的日负荷进行聚类得到夏季日负荷、冬季日负荷和过渡季节日负荷3组季节日负荷，还可以对剩余的新能源发电数据进行聚类得到夏季新能源发电数据、冬季新能源发电数据和过渡季节新能源发电数据3组季节新能源发电数据。
其中，k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法，其步骤是，预先将数据分为k组，随机选取k个对象(日负荷或新能源发电数据)作为初始的聚类中心，然后通过计算其他对象与各个聚类中心之间的距离，把其他对象分配给距离它最近的聚类中心。聚类中心以及分配给聚类中心的对象可以代表一个聚类。分配过程中，每分配一个样本，聚类中心会根据聚类中现有的对象被重新计算。重复上述过程，直到满足预设的终止条件，其中，终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类、没有(或最小数目)聚类中心再发生变化、或误差平方和局部最小。
步骤S130，通过对季节日负荷进行傅里叶分解，得到季节典型日负荷。
其中，季节典型日负荷可以包括夏季典型日负荷、冬季典型日负荷和过渡季节典型日负荷，分别为夏季、冬季和过渡季节的日负荷典型值。
具体实现中，以夏季典型日负荷数据为例，可以首先对夏季日负荷数据序列进行傅里叶分解，将其分解为周期分量和剩余分量，然后，检验周期分量在夏季日负荷数据序列中所占比例，若周期分量在夏季日负荷数据序列中所占比例超过预设阈值，则忽略剩余分量的影响，将周期分量作为夏季典型日负荷数据；若周期分量在原序列中所占比例没有超过所设定的阈值，则剔除序列集合中离群值较大的日负荷数据，并对剔除后的夏季日负荷数据序列重新进行傅里叶分解，直至周期分量在夏季日负荷数据序列中比例超过所设定的阈值或者待剔除数据与聚类中心距离小于设定的阈值，并将此时的周期分量作为夏季典型日负荷数据。
需要说明的是，通过对冬季日负荷、过渡季节日负荷，以及夏季新能源发电数据、冬季新能源发电数据和过渡季节新能源发电数据进行步骤S130中的处理，可以分别得到冬季典型日负荷、过渡季节典型日负荷，以及夏季典型新能源发电数据、冬季典型新能源发电数据和过渡季节典型新能源发电数据。
步骤S140，根据季节典型日负荷和预设的日前调度模型，确定电力系统的新能源出力计划；新能源出力计划用于表征电力系统全年的新能源最大消纳量。
具体实现中，可以设计日前调度模型，通过将季节典型日负荷输入日前调度模型，得到典型日条件下的新能源出力计划，例如，光伏日发电量和风电日发电量，之后，可以根据新能源出力计划得到新能源最大消纳量的估算值
Figure BDA0003071983870000071
还可以分别根据夏季典型日负荷数据、冬季典型日负荷数据和过渡季节典型日负荷数据计算得到电力系统的夏季典型日用电量、冬季典型日用电量和过渡季节典型日用电量，进而得到总用电量的估算值
Figure BDA0003071983870000072
具体地，
Figure BDA0003071983870000073
和
Figure BDA0003071983870000074
的计算公式可以为
Figure BDA0003071983870000081
其中，
Figure BDA0003071983870000082
和
Figure BDA0003071983870000083
分别表示过渡季节、夏季和冬季典型日条件下，日前调度模型得到的出力计划中光伏日发电量；
Figure BDA0003071983870000084
和
Figure BDA0003071983870000085
分别表示过渡季节、夏季和冬季典型日条件下，日前调度模型得到的出力计划中风电日发电量；
Figure BDA0003071983870000086
和
Figure BDA0003071983870000087
分别表示过渡季节、夏季和冬季典型日条件下的日用电量，可以分别用过渡季节、夏季和冬季的典型日负荷曲线数据计算得到日用电量。α、β和γ分别表示过渡季节、夏季和冬季所占天数。
实际应用中，根据新能源电力消纳保障机制，新能源消纳总量与全社会用电量的比值是考核各省级行政区的责任指标。因此，为提高消纳能力评估结果的参考价值，定义系统某时段内消纳能力为该时段内新能源最大消纳量与总用电量之比。假设总用电量不受出力计划的影响，系统消纳能力只与该段时段内新能源最大消纳量相关。因此可在日前调度模型中将目标函数设为在调度周期内，光伏风电总出力最大，此时弃风弃光率达到最小，具体公式可以为
Figure BDA0003071983870000088
其中，Pt PV和Pt WT分别表示t时刻系统内光伏、风电总出力。
日前调度模型的约束条件可以包括电网约束，电网中存在约束主要包括潮流约束和输电线传输容量约束。其中，电网采用直流潮流模型，潮流约束即各节点注入有功功率和线路输送有功功率之间的关系，具体公式可以为
Figure BDA0003071983870000089
其中，
Figure BDA00030719838700000810
表示t时刻各线路传输的有功功率，PTDF表示电网的直流潮流分布因子矩阵，
Figure BDA00030719838700000811
表示t时刻各节点注入的有功功率，
Figure BDA00030719838700000812
和
Figure BDA00030719838700000813
的具体形式可以为
Figure BDA00030719838700000814
其中，
Figure BDA00030719838700000815
和
Figure BDA00030719838700000816
分别表示t时刻各支路输送的有功功率和各节点注入的有功功率，
Figure BDA00030719838700000817
和
Figure BDA00030719838700000818
满足的约束如下面公式所示
Figure BDA0003071983870000091
该式表示节点i处注入有功功率由该点的火电机组出力、风电光伏出力以及节点处负荷共同决定，其中
Figure BDA0003071983870000092
和
Figure BDA0003071983870000093
分别表示节点i处火电机组开停机状态以及光伏、风电接入状态，
Figure BDA0003071983870000094
和
Figure BDA0003071983870000095
分别表示节点i处火电机组、光伏和风电实际出力。
Figure BDA0003071983870000096
表示节点i处的负荷。
输电线传输容量约束的具体公式可以为
Figure BDA0003071983870000097
其中，
Figure BDA0003071983870000098
表示该线路允许输送最大功率，线路潮流不应超出该线路的传输功率限值。
日前调度模型的约束条件还可以包括火电机组出力约束，火电机组出力约束包括出力上下限约束、爬坡约束、最小运行/停电时间约束以及旋转备用约束，四个约束分别如下面公式所示
Figure BDA0003071983870000099
Figure BDA00030719838700000910
Figure BDA00030719838700000911
Figure BDA00030719838700000912
其中，火电机组出力上下限约束中，
Figure BDA00030719838700000913
和
Figure BDA00030719838700000914
分别表示该火电机组最大最小技术出力。火电机组爬坡速率约束中，火电机组正常运行时，出力的增减速率
Figure BDA00030719838700000915
和
Figure BDA00030719838700000916
分别表示节点i处火电机组在正常运行时的最大和最小爬坡速率。火电机组最小运行/停运时间约束中，
Figure BDA00030719838700000917
和
Figure BDA00030719838700000918
分别为点i处火电机组在t时刻已经持续开机、关机的时间，
Figure BDA00030719838700000919
和
Figure BDA00030719838700000920
分别表示该火电机组的最小开机、关机时间，由于火电机组启停成本较高，为避免频繁启停，只有当
Figure BDA00030719838700000921
大于
Figure BDA00030719838700000922
时，火电机组才能从开机状态进入停机状态，同理，当
Figure BDA00030719838700000923
大于
Figure BDA00030719838700000924
时才可从停机状态转换至开机状态。电网的旋转备用约束中，Nbus表示系统节点数量，C+和C-分别表示系统调峰所需向上调节的正备用容量和向下调节的负备用容量。
日前调度模型的约束条件还可以包括风电光伏出力约束，具体公式可以为
Figure BDA0003071983870000101
其中，
Figure BDA0003071983870000102
分别表示节点i处t时刻光伏、风电可调度的最大出力。
为根据式日前调度模型得到典型日出力计划，需要求解一个混合整数二次规划(mixed integer quadratic programming，MIQP)问题，求解效率较低。为了提高求解效率，可以将模型中非线性的公式等价转化为线性形式，使得该问题由混合整数二次规划问题转化为混合整数线性规划(mixed integer linear programming，MILP)问题。原问题中非线性部分为火电机组最小运行/停运时间约束，为将其线性化，引入一个额外的整数变量
Figure BDA0003071983870000103
具体表达式如下所示
Figure BDA0003071983870000104
其中，
Figure BDA0003071983870000105
表示节点i处火电机组t时刻开关机状态，
Figure BDA0003071983870000106
时表明该火电机组开机，
Figure BDA0003071983870000107
时表明该火电机组关机，
Figure BDA0003071983870000108
时表明该火电机组开停机状态没有变化，维持开机或停机状态。
引入整数变量
Figure BDA0003071983870000109
后，原火电机组最小运行/停运时间约束可以等效为如下所示形式
Figure BDA00030719838700001010
该式表示在任意时间长度小于
Figure BDA00030719838700001011
的时间段内，各火电机组不会先停机后开机；同时在任意时间长度小于
Figure BDA00030719838700001012
的时间段内，各火电机组不会先开机后停机，因此通过该式所示约束可保证各火电机组连续运行/停运时间均不低于设定的最小值。
线性化后可应用混合整数线性规划(MILP)算法求解日前调度模型，提高求解效率，进而提高新能源消纳能力评估的效率。具体地，可以根据季节典型日负荷得到电力系统节点i处的负荷
Figure BDA00030719838700001013
并代入日前调度模型，通过对线性化后的日前调度模型进行求解，得到电力系统每时刻的光伏总出力Pt PV和风电总出力Pt WT，Pt PV和Pt WT即为新能源出力计划，其中，根据Pt PV可计算得到过渡季节、夏季和冬季典型日条件下的光伏日发电量
Figure BDA00030719838700001014
和
Figure BDA00030719838700001018
根据Pt WT可计算得到过渡季节、夏季和冬季典型日条件下的风电日发电量
Figure BDA00030719838700001015
和
Figure BDA00030719838700001017
步骤S150，根据新能源出力计划与电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
具体实现中，电力系统全年新能源最大消纳量与总用电量之比可以反映系统消纳能力，因此可以根据新能源出力计划与电力系统全年用电量之间的比值得到新能源消纳能力评估值pyear，计算公式可以为
Figure BDA0003071983870000111
图2提供了一个新能源消纳能力评估方法的流程示意图。根据图2，新能源消纳能力评估方法可以包括以下步骤：
步骤S210，分别对全年负荷数据以及新能源发电数据进行聚类分析，分类得到夏季、冬季及过渡季节负荷数据以及新能源发电数据。
首先，从全年负荷数据以及新能源发电数据中，剔除其中的错误数据、异常数据及重大节假日数据。
其次，采用k均值聚类算法对每日负荷以及新能源发电数据进行分类，取k＝3，聚类得到夏季、冬季及过渡季节3组数据。k均值聚类算法是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。
步骤S220，通过频域分量法得到夏季、冬季及过渡季节典型日负荷、新能源发电数据。
以夏季典型日负荷数据的计算为例：
首先，对夏季日负荷数据序列进行傅里叶分解，将其分解为周期分量和剩余分量。
其次，检验周期分量在夏季日负荷数据序列中所占比例，若周期分量在夏季日负荷数据序列中所占比例较大，则忽略剩余分量的影响，将周期分量作为夏季典型日负荷数据；若周期分量在原序列中所占比例没有超过所设定的阈值，则剔除序列集合中离群值较大的日负荷数据，并对剔除后的夏季日负荷数据序列重新进行傅里叶分解，直至周期分量在夏季日负荷数据序列中比例超过所设定的阈值或者待剔除数据与聚类中心距离小于设定的阈值，并将此时的周期分量作为夏季典型日负荷数据。
步骤S230，建立包含系统网络拓扑的系统日前调度模型。日前调度模型可以由目标函数和约束条件组成。
包含系统网络拓扑的系统日前调度模型中的目标函数的具体含义：根据新能源电力消纳保障机制，新能源消纳总量与全社会用电量的比值是考核各省级行政区的责任指标。因此，为提高消纳能力评估结果的参考价值，定义系统某时段内消纳能力为该时段内新能源最大消纳量与总用电量之比。假设总用电量不受出力计划的影响，系统消纳能力只与该段时段内新能源最大消纳量相关。因此可在日前调度模型中将目标函数设为在调度周期内，光伏风电总出力最大，此时弃风弃光率达到最小。目标函数可以为
Figure BDA0003071983870000121
其中，Pt PV和Pt WT分别表示t时刻系统内光伏、风电总出力。
包含系统网络拓扑的系统日前调度模型中的电网约束：电网中存在约束主要包括潮流约束和输电线传输容量约束。其中，电网采用直流潮流模型，潮流约束即各节点注入有功功率以及线路输送有功功率关系如以下方程所示
Figure BDA0003071983870000122
其中，
Figure BDA0003071983870000123
表示t时刻各线路传输的有功功率，PTDF表示电网的直流潮流分布因子矩阵，
Figure BDA0003071983870000124
表示t时刻各节点注入的有功功率，
Figure BDA0003071983870000125
和
Figure BDA0003071983870000126
的具体形式如式(3)所示
Figure BDA0003071983870000127
其中，
Figure BDA0003071983870000128
和
Figure BDA0003071983870000129
分别表示t时刻各支路输送的有功功率和各节点注入的有功功率，
Figure BDA00030719838700001210
和
Figure BDA00030719838700001211
满足的约束如式(4)所示
Figure BDA00030719838700001212
式(4)表示节点i处注入有功功率由该点的火电机组出力、风电光伏出力以及节点处负荷共同决定，其中
Figure BDA00030719838700001213
和
Figure BDA00030719838700001214
分别表示节点i处火电机组开停机状态以及光伏、风电接入状态，
Figure BDA00030719838700001215
和
Figure BDA00030719838700001216
分别表示节点i处火电机组、光伏和风电实际出力。
Figure BDA00030719838700001217
表示节点i处的负荷。
输电线传输容量约束如式(5)所示
Figure BDA00030719838700001218
其中，
Figure BDA0003071983870000131
表示该线路允许输送最大功率，线路潮流不应超出该线路的传输功率限值。
包含系统网络拓扑的系统日前调度模型中的火电机组出力约束：包括出力上下限约束、爬坡约束、最小运行/停电时间约束以及旋转备用约束。四个约束分别如式(6)-(9)所示。
Figure BDA0003071983870000132
Figure BDA0003071983870000133
Figure BDA0003071983870000134
Figure BDA0003071983870000135
其中，式(6)表示火电机组出力上下限约束，
Figure BDA0003071983870000136
和
Figure BDA0003071983870000137
分别表示该火电机组最大最小技术出力。式(7)表示火电机组爬坡速率约束，火电机组正常运行时，出力的增减速率
Figure BDA0003071983870000138
和
Figure BDA0003071983870000139
分别表示节点i处火电机组在正常运行时的最大和最小爬坡速率。式(8)表示火电机组最小运行/停运时间约束，
Figure BDA00030719838700001310
和
Figure BDA00030719838700001311
分别为点i处火电机组在t时刻已经持续开机、关机的时间，
Figure BDA00030719838700001312
和
Figure BDA00030719838700001313
分别表示该火电机组的最小开机、关机时间。由于火电机组启停成本较高，为避免频繁启停，只有当
Figure BDA00030719838700001314
大于
Figure BDA00030719838700001315
时，火电机组才能从开机状态进入停机状态，同理，当
Figure BDA00030719838700001316
大于
Figure BDA00030719838700001317
时才可从停机状态转换至开机状态。式(9)则表示电网的旋转备用约束，Nbus表示系统节点数量，C+和C-分别表示系统调峰所需向上调节正的备用容量和向下调节的负备用容量。
风电光伏出力约束
Figure BDA00030719838700001318
其中，
Figure BDA00030719838700001319
分别表示节点i处t时刻光伏、风电可调度的最大出力。
步骤S240，在日前调度模型的基础上，针对不同典型日负荷场景下系统新能源消纳能力测算和求解分析。
为根据式(1)-(10)所示的日前调度模型得到典型日出力计划，需要求解一个混合整数二次规划问题，求解效率较低。为了提高求解效率，考虑将模型中非线性的公式等价转化为线性形式，即使得该问题由混合整数二次规划问题转化为混合整数线性规划问题。原问题中非线性部分为火电机组最小运行/停运时间约束，为将其线性化，引入一个额外的整数变量
Figure BDA0003071983870000141
其表达式如式(11)所示
Figure BDA0003071983870000142
由式(11)可知，
Figure BDA0003071983870000143
表示节点i处火电机组t时刻开关机状态，
Figure BDA0003071983870000144
时表明该火电机组开机，
Figure BDA0003071983870000145
时表明该火电机组关机，
Figure BDA0003071983870000146
时表明该火电机组开停机状态没有变化，维持开机或停机状态。
引入整数变量
Figure BDA0003071983870000147
后，原约束(8)可以等效为如下所示形式
Figure BDA0003071983870000148
上式表示在任意时间长度小于
Figure BDA0003071983870000149
的时间段内，各火电机组不会先停机后开机；同时在任意时间长度小于
Figure BDA00030719838700001410
的时间段内，各火电机组不会先开机后停机。因此通过式(12)所示约束可保证各火电机组连续运行/停运时间均不低于设定的最小值。
线性化后可应用混合整数线性规划算法求解所建日前调度模型。
步骤S250，建立综合评估模型，结合各场景测算结果评估系统消纳能力。
根据前述定义，系统全年消纳能力应等于年内新能源最大消纳量与总用电量之比，其中全年新能源最大消纳量与总用电量估算值
Figure BDA00030719838700001411
和
Figure BDA00030719838700001412
可根据式(13)得到
Figure BDA00030719838700001413
式(13)中，
Figure BDA00030719838700001414
和
Figure BDA00030719838700001415
分别表示过渡季节、夏季和冬季典型日条件下，日前调度模型得到的出力计划中光伏日发电量；同理，
Figure BDA00030719838700001416
和
Figure BDA00030719838700001417
分别表示出力计划中，过渡季节、夏季和冬季典型日的风电日发电量；
Figure BDA00030719838700001418
和
Figure BDA00030719838700001419
分别表示过渡季节、夏季和冬季典型日日用电量。α、β和γ分别表示过渡季节、夏季和冬季所占天数。
系统全年消纳能力评估结果pyear计算具体方式如式(14)所示
Figure BDA00030719838700001420
图3为一个实施例中电力系统的拓扑结构图。根据图3，计算算例可以以IEEE30节点系统为基础，除IEEE30节点系统原有的6台发电机组外，还可以分别于节点15和节点28处设置光伏(PV，装机容量10000MW)、风电(WT，装机容量8000MW)两种新能源电源。线路参数、发电机组参数以及负荷分布与IEEE30节点系统标准算例参数维持一致。
图4-6分别为过渡季节、夏季和冬季典型日风电出力、光伏出力及负荷曲线图。其中，PPV表示光伏出力，PWT表示风电出力，PL表示负荷。根据图4-6，光伏、风电最大出力曲线可以基于历史数据统计得到。算例中，假设光伏出力和负荷典型日曲线具有较为明显季节特性，即夏季负荷及光伏出力水平较高，冬季负荷及光伏最大出力水平较低，过渡季节负荷和光伏最大出力介于冬季和夏季之间；风电最大出力曲线则不受季节变化影响。
通过对日前调度模型进行求解，可以得到如图7-9所示的消纳结果和如图10-12所示的系统出力计划，其中，图7-9分别为过渡季节、夏季和冬季典型日的消纳结果图，图10-12分别为过渡季节、夏季和冬季典型日各发电机组出力曲线图，PG表示火电机组出力，G1，G2，……，G6为发电机组标识。
根据图7-12，在调度周期内的任意时刻，火电机组、光伏及风电总出力与系统负荷匹配，系统有功功率保持平衡。火电机组在各时段出力均未超出设定出力范围，且爬坡速率也未超出设定值10p.u./h。此外，各火电机组持续开机/关机时间均大于或等于4小时，未出现频繁启停的情况。根据评估测算结果(14)，得到算例中系统过渡季节、夏季和冬季新能源消纳能力及全年新能源消纳能力。其中，夏季虽然光伏可发电量有所增加，但受到输电线容量等限制未能满发，加之总用电负荷上升，新能源消纳能力仅比过渡季节略高；冬季虽然光伏发电量有所下降，但由于总负荷水平较低，新能源消纳能力反而高于夏季及过渡季节。
上述新能源消纳能力评估方法，通过获取电力系统全年的日负荷，对日负荷进行聚类得到电力系统的季节日负荷，可以获取到不用季节场景下的日负荷数据，通过对季节日负荷进行傅里叶分解得到季节典型日负荷，根据季节典型日负荷和预设的日前调度模型确定电力系统的新能源出力计划，可以反映电力系统全年的新能源最大消纳量，根据新能源出力计划与电力系统全年用电量之间的比值得到新能源消纳能力评估值，可以评估电力系统在不同季节场景下的新能源消纳能力，使评估结果准确反映电力系统的实际消纳能力。
而且，通过构建包含风电和光伏的日前调度模型，并综合考虑电力系统安全运行约束以及季节因素影响，分别测算系统在过渡季节、夏季以及冬季下的新能源消纳能力，可以测算电力系统在不同季节下新能源最大消纳比例，并以此估算系统全年新能源最大消纳水平，有助于分析系统新能源消纳能力，可以为设定各省级区域新能源消纳责任权重目标提供参考，有助于合理制定全年发电计划工作，保障可再生能源电力消纳责任权重目标顺利完成。
进一步地，通过对日前调度模型进行线性化，可以提高计算效率，提高新能源消纳能力评估方法的实用性。
在一个实施例中，上述步骤S130，可以具体包括：通过对季节日负荷进行傅里叶分解，得到季节日负荷的周期分量和剩余分量；统计周期分量在季节日负荷中的占比；判断占比是否超过预设的占比阈值；若未超过占比阈值，则去除季节日负荷中的离群点，得到新的季节日负荷，并返回至通过对季节日负荷进行傅里叶分解，得到季节日负荷的周期分量和剩余分量的步骤；若超过占比阈值，则根据周期分量得到季节典型日负荷。
具体实现中，以夏季典型日负荷数据的计算为例，首先对夏季日负荷数据序列进行傅里叶分解，将其分解为周期分量和剩余分量，然后检验周期分量在夏季日负荷数据序列中所占比例，若周期分量在夏季日负荷数据序列中所占比例超过预设阈值，则忽略剩余分量的影响，将周期分量作为夏季典型日负荷数据；若周期分量在原序列中所占比例没有超过所设定的阈值，则剔除序列集合中离群值较大的日负荷数据，并对剔除后的夏季日负荷数据序列重新进行傅里叶分解，直至周期分量在夏季日负荷数据序列中比例超过所设定的阈值或者待剔除数据与聚类中心距离小于设定的阈值，并将此时的周期分量作为夏季典型日负荷数据。
本实施例中，通过对季节日负荷进行傅里叶分解得到季节日负荷的周期分量和剩余分量，统计周期分量在季节日负荷中的占比，判断占比是否超过预设的占比阈值，若未超过占比阈值，则去除季节日负荷中的离群点，得到新的季节日负荷，并返回至通过对季节日负荷进行傅里叶分解，得到季节日负荷的周期分量和剩余分量的步骤，若超过占比阈值，则根据周期分量得到季节典型日负荷，可以剔除日负荷中的非典型值，保留典型值，使用于进行评估的日负荷数据准确反映新能源消纳能力，提高评估结果的准确性。
在一个实施例中，上述预设的日前调度模型包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件；目标函数用于获取电力系统的新能源出力计划，电网约束条件用于对电网直流潮流和输电线传输容量进行约束，火电机组出力约束条件用于对火电机组的出力上下限、爬坡速率、最小运行时间、最小停运时间和旋转备用容量进行约束，风电光伏出力约束条件用于对风电可调度最大出力和光伏可调度最大出力进行约束。
具体实现中，日前调度模型可以包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件。其中，目标函数为在调度周期内，光伏风电总出力最大，可以用于获取电力系统的新能源出力计划。电网约束条件包括潮流约束和输电线传输容量约束，其中，潮流约束用于对电网直流潮流进行约束，输电线传输容量约束用于对输电线传输容量进行约束。火电机组出力约束条件包括出力上下限约束、爬坡约束、最小运行/停电时间约束以及旋转备用约束，其中，出力上下限约束用于对火电机组的出力上下限进行约束，爬坡约束用于对爬坡速率进行约束，最小运行/停电时间约束用于对最小运行时间和最小停运时间进行约束，旋转备用约束用于对旋转备用容量进行约束。风电光伏出力约束条件用于对风电可调度最大出力和光伏可调度最大出力进行约束。
本实施例中，通过预设包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件的日前调度模型，可以通过日前调度模型高效求解电力系统的新能源出力计划，提高新能源消纳能力评估的效率。
在一个实施例中，上述目标函数为
Figure BDA0003071983870000171
其中，t表示时刻，T表示时刻总数，Pt PV表示t时刻电力系统的光伏总出力，Pt WT表示t时刻电力系统的风电总出力。
具体实现中，可以在日前调度模型中将目标函数设为在调度周期内，光伏风电总出力最大，此时弃风弃光率达到最小。目标函数可以为
Figure BDA0003071983870000172
其中，t表示时刻，T表示时刻总数，Pt PV和Pt WT分别表示t时刻系统内光伏、风电总出力。
本实施例中，通过构建目标函数，可以以光伏风电总出力最大为目标来求解电力系统的新能源出力计划，确保新能源出力中光伏风电总出力最大，提高新能源的使用效率。
在一个实施例中，上述电网约束条件包括潮流约束和输电线传输容量约束；潮流约束为
Figure BDA00030719838700001825
其中，
Figure BDA0003071983870000181
表示t时刻传输的有功功率，PTDF表示直流潮流分布因子矩阵，
Figure BDA0003071983870000182
表示t时刻注入的有功功率；
输电线传输容量约束为
Figure BDA0003071983870000183
其中，
Figure BDA0003071983870000184
表示节点i允许输送的最大功率，
Figure BDA0003071983870000185
表示t时刻节点i输送的有功功率。
具体实现中，电网中存在约束主要包括潮流约束和输电线传输容量约束。其中，电网采用直流潮流模型，潮流约束即各节点注入有功功率以及线路输送有功功率关系如以下方程所示
Figure BDA0003071983870000186
其中，
Figure BDA0003071983870000187
表示t时刻各线路传输的有功功率，PTDF表示电网的直流潮流分布因子矩阵，
Figure BDA0003071983870000188
表示t时刻各节点注入的有功功率，
Figure BDA0003071983870000189
和
Figure BDA00030719838700001810
的具体形式如下式所示
Figure BDA00030719838700001811
其中，
Figure BDA00030719838700001812
和
Figure BDA00030719838700001813
分别表示t时刻各支路输送的有功功率和各节点注入的有功功率，
Figure BDA00030719838700001814
和
Figure BDA00030719838700001815
满足的约束如下式所示
Figure BDA00030719838700001816
该式表示节点i处注入有功功率由该点的火电机组出力、风电光伏出力以及节点处负荷共同决定，其中
Figure BDA00030719838700001817
和
Figure BDA00030719838700001818
分别表示节点i处火电机组开停机状态以及光伏、风电接入状态，
Figure BDA00030719838700001819
和
Figure BDA00030719838700001820
分别表示节点i处火电机组、光伏和风电实际出力。
Figure BDA00030719838700001821
表示节点i处的负荷。
输电线传输容量约束如下式所示
Figure BDA00030719838700001822
其中，
Figure BDA00030719838700001823
表示节点i允许输送的最大功率，
Figure BDA00030719838700001824
表示t时刻节点i输送的有功功率，线路潮流不应超出该线路的传输功率限值。
本实施例中，通过构建电网约束条件，可以对电网进行潮流约束和输电线传输容量约束，确保电网节点功率和输电线传输容量符合实际要求，提高日前调度模型的可靠性。
在一个实施例中，上述火电机组出力约束条件包括出力上下限约束、爬坡约束、最小运行/停运时间约束和旋转备用约束；出力上下限约束为
Figure BDA0003071983870000191
其中，
Figure BDA0003071983870000192
表示t时刻节点i处火电机组开停机状态，
Figure BDA0003071983870000193
表示t时刻节点i处火电机组实际出力，
Figure BDA0003071983870000194
表示火电机组最小技术出力，
Figure BDA0003071983870000195
表示火电机组最大技术出力；
爬坡约束为
Figure BDA0003071983870000196
其中，
Figure BDA0003071983870000197
表示节点i处火电机组在正常运行时的最小爬坡速率，
Figure BDA0003071983870000198
表示节点i处火电机组在正常运行时的最大爬坡速率；
最小运行/停运时间约束为
Figure BDA0003071983870000199
其中，
Figure BDA00030719838700001910
表示t时刻节点i处火电机组持续开机的时间，
Figure BDA00030719838700001911
表示t时刻节点i处火电机组持续关机的时间，
Figure BDA00030719838700001912
表示火电机组的最小开机时间，
Figure BDA00030719838700001913
表示火电机组的最小关机时间；
旋转备用约束为
Figure BDA00030719838700001914
其中，Nbus表示节点数量，
Figure BDA00030719838700001915
表示t时刻节点i处光伏实际出力，
Figure BDA00030719838700001916
表示t时刻节点i处风电实际出力，
Figure BDA00030719838700001917
表示t时刻节点i处光伏接入状态，
Figure BDA00030719838700001918
表示t时刻节点i处风电接入状态，
Figure BDA00030719838700001919
表示t时刻节点i处负荷，C+表示正备用容量，C-表示负备用容量。
具体实现中，火电机组出力约束可以包括出力上下限约束、爬坡约束、最小运行/停电时间约束以及旋转备用约束。四个约束分别为
Figure BDA0003071983870000201
Figure BDA0003071983870000202
Figure BDA0003071983870000203
Figure BDA0003071983870000204
其中，火电机组出力上下限约束中，
Figure BDA0003071983870000205
表示t时刻节点i处火电机组开停机状态，
Figure BDA0003071983870000206
表示t时刻节点i处火电机组实际出力，
Figure BDA0003071983870000208
和
Figure BDA0003071983870000209
分别表示该火电机组最大最小技术出力。
火电机组爬坡速率约束中，火电机组正常运行时，出力的增减速率
Figure BDA00030719838700002010
和
Figure BDA00030719838700002011
分别表示节点i处火电机组在正常运行时的最大和最小爬坡速率。
火电机组最小运行/停运时间约束中，
Figure BDA00030719838700002012
和
Figure BDA00030719838700002013
分别为节点i处火电机组在t时刻已经持续开机、关机的时间，
Figure BDA00030719838700002014
和
Figure BDA00030719838700002015
分别表示该火电机组的最小开机、关机时间。由于火电机组启停成本较高，为避免频繁启停，只有当
Figure BDA00030719838700002016
大于
Figure BDA00030719838700002017
时，火电机组才能从开机状态进入停机状态，同理，当
Figure BDA00030719838700002018
大于
Figure BDA00030719838700002019
时才可从停机状态转换至开机状态。
旋转备用约束中，Nbus表示系统节点数量，
Figure BDA00030719838700002020
表示t时刻节点i处光伏实际出力，
Figure BDA00030719838700002021
表示t时刻节点i处风电实际出力，
Figure BDA00030719838700002022
表示t时刻节点i处光伏接入状态，
Figure BDA00030719838700002023
表示t时刻节点i处风电接入状态，
Figure BDA00030719838700002024
表示t时刻节点i处负荷，C+和C-分别表示系统调峰所需向上调节的正备用容量和向下调节的负备用容量。
本实施例中，通过构建火电机组出力约束条件，可以对火电机组出力的上下限、爬坡速率、最小运行时间、最小停运时间和旋转备用进行约束，确保火电机组出力符合实际要求，提高日前调度模型的可靠性。
在一个实施例中，上述风电光伏出力约束条件为
Figure BDA00030719838700002025
其中，
Figure BDA00030719838700002026
表示t时刻节点i处光伏可调度的最大出力，
Figure BDA00030719838700002027
表示t时刻节点i处风电可调度的最大出力。
具体实现中，风电光伏出力约束的具体公式可以为
Figure BDA0003071983870000211
其中，
Figure BDA0003071983870000212
分别表示节点i处t时刻光伏、风电可调度的最大出力。
本实施例中，通过构建风电光伏出力约束条件，可以对风电光伏出力的上下限进行约束，确保风电光伏出力符合实际要求，提高日前调度模型的可靠性。
应该理解的是，虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图13所示，提供了一种新能源消纳能力评估装置，包括：获取模块1310、聚类模块1320、傅里叶分解模块1330、消纳量确定模块1340和消纳能力评估值确定模块1350，其中：
获取模块1310，用于获取电力系统全年的日负荷；
聚类模块1320，用于通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
傅里叶分解模块1330，用于通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
消纳量确定模块1340，用于根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
消纳能力评估值确定模块1350，用于根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
在一个实施例中，上述傅里叶分解模块1330，还用于通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量；统计所述周期分量在所述季节日负荷中的占比；判断所述占比是否超过预设的占比阈值；若未超过所述占比阈值，则去除所述季节日负荷中的离群点，得到新的季节日负荷，并返回至所述通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量的步骤；若超过所述占比阈值，则根据所述周期分量得到所述季节典型日负荷。
在一个实施例中，上述预设的日前调度模型包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件；所述目标函数用于获取所述电力系统的新能源出力计划，所述电网约束条件用于对电网直流潮流和输电线传输容量进行约束，所述火电机组出力约束条件用于对火电机组的出力上下限、爬坡速率、最小运行时间、最小停运时间和旋转备用容量进行约束，所述风电光伏出力约束条件用于对风电可调度最大出力和光伏可调度最大出力进行约束。
在一个实施例中，上述目标函数为
Figure BDA0003071983870000221
其中，t表示时刻，T表示时刻总数，Pt PV表示t时刻所述电力系统的光伏总出力，Pt WT表示t时刻所述电力系统的风电总出力。
在一个实施例中，上述电网约束条件包括潮流约束和输电线传输容量约束；所述潮流约束为
Figure BDA0003071983870000222
其中，
Figure BDA0003071983870000223
表示t时刻传输的有功功率，PTDF表示直流潮流分布因子矩阵，
Figure BDA0003071983870000224
表示t时刻注入的有功功率；
所述输电线传输容量约束为
Figure BDA0003071983870000225
其中，
Figure BDA0003071983870000226
表示节点i允许输送的最大功率，
Figure BDA0003071983870000227
表示t时刻节点i输送的有功功率。
在一个实施例中，上述火电机组出力约束条件包括出力上下限约束、爬坡约束、最小运行/停运时间约束和旋转备用约束；所述出力上下限约束为
Figure BDA0003071983870000228
其中，
Figure BDA0003071983870000231
表示t时刻节点i处火电机组开停机状态，
Figure BDA0003071983870000232
表示t时刻节点i处火电机组实际出力，
Figure BDA0003071983870000233
表示火电机组最小技术出力，
Figure BDA0003071983870000234
表示火电机组最大技术出力；
所述爬坡约束为
Figure BDA0003071983870000235
其中，
Figure BDA0003071983870000236
表示节点i处火电机组在正常运行时的最小爬坡速率，
Figure BDA0003071983870000237
表示节点i处火电机组在正常运行时的最大爬坡速率；
所述最小运行/停运时间约束为
Figure BDA0003071983870000238
其中，
Figure BDA0003071983870000239
表示t时刻节点i处火电机组持续开机的时间，
Figure BDA00030719838700002310
表示t时刻节点i处火电机组持续关机的时间，
Figure BDA00030719838700002311
表示火电机组的最小开机时间，
Figure BDA00030719838700002312
表示火电机组的最小关机时间；
所述旋转备用约束为
Figure BDA00030719838700002313
其中，Nbus表示节点数量，
Figure BDA00030719838700002314
表示t时刻节点i处光伏实际出力，
Figure BDA00030719838700002315
表示t时刻节点i处风电实际出力，
Figure BDA00030719838700002316
表示t时刻节点i处光伏接入状态，
Figure BDA00030719838700002317
表示t时刻节点i处风电接入状态，
Figure BDA00030719838700002318
表示t时刻节点i处负荷，C+表示正备用容量，C-表示负备用容量。
在一个实施例中，上述风电光伏出力约束条件为
Figure BDA00030719838700002319
其中，
Figure BDA00030719838700002320
表示t时刻节点i处光伏可调度的最大出力，
Figure BDA00030719838700002321
表示t时刻节点i处风电可调度的最大出力。
关于新能源消纳能力评估装置的具体限定可以参见上文中对于新能源消纳能力评估方法的限定，在此不再赘述。上述新能源消纳能力评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新能源消纳能力评估数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种新能源消纳能力评估方法。
本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种新能源消纳能力评估方法的步骤。此处一种新能源消纳能力评估方法的步骤可以是上述各个实施例的一种新能源消纳能力评估方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种新能源消纳能力评估方法的步骤。此处一种新能源消纳能力评估方法的步骤可以是上述各个实施例的一种新能源消纳能力评估方法中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种新能源消纳能力评估方法，其特征在于，所述方法包括：
获取电力系统全年的日负荷；
通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
2.根据权利要求1所述的方法，其特征在于，所述通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷，包括：
通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量；
统计所述周期分量在所述季节日负荷中的占比；
判断所述占比是否超过预设的占比阈值；
若未超过所述占比阈值，则去除所述季节日负荷中的离群点，得到新的季节日负荷，并返回至所述通过对所述季节日负荷进行傅里叶分解，得到所述季节日负荷的周期分量和剩余分量的步骤；
若超过所述占比阈值，则根据所述周期分量得到所述季节典型日负荷。
3.根据权利要求1所述的方法，其特征在于，所述预设的日前调度模型包括目标函数、电网约束条件、火电机组出力约束条件和风电光伏出力约束条件；所述目标函数用于获取所述电力系统的新能源出力计划，所述电网约束条件用于对电网直流潮流和输电线传输容量进行约束，所述火电机组出力约束条件用于对火电机组的出力上下限、爬坡速率、最小运行时间、最小停运时间和旋转备用容量进行约束，所述风电光伏出力约束条件用于对风电可调度最大出力和光伏可调度最大出力进行约束。
4.根据权利要求3所述的方法，其特征在于，所述目标函数为
Figure FDA0003071983860000011
其中，t表示时刻，T表示时刻总数，Pt PV表示t时刻所述电力系统的光伏总出力，Pt WT表示t时刻所述电力系统的风电总出力。
5.根据权利要求3所述的方法，其特征在于，所述电网约束条件包括潮流约束和输电线传输容量约束；所述潮流约束为
Figure FDA0003071983860000021
其中，
Figure FDA0003071983860000022
表示t时刻传输的有功功率，PTDF表示直流潮流分布因子矩阵，
Figure FDA0003071983860000023
表示t时刻注入的有功功率；
所述输电线传输容量约束为
Figure FDA0003071983860000024
其中，
Figure FDA0003071983860000025
表示节点i允许输送的最大功率，
Figure FDA0003071983860000026
表示t时刻节点i输送的有功功率。
6.根据权利要求3所述的方法，其特征在于，所述火电机组出力约束条件包括出力上下限约束、爬坡约束、最小运行/停运时间约束和旋转备用约束；所述出力上下限约束为
Figure FDA0003071983860000027
其中，
Figure FDA0003071983860000028
表示t时刻节点i处火电机组开停机状态，
Figure FDA0003071983860000029
表示t时刻节点i处火电机组实际出力，
Figure FDA00030719838600000210
表示火电机组最小技术出力，
Figure FDA00030719838600000211
表示火电机组最大技术出力；
所述爬坡约束为
Figure FDA00030719838600000212
其中，
Figure FDA00030719838600000213
表示节点i处火电机组在正常运行时的最小爬坡速率，
Figure FDA00030719838600000214
表示节点i处火电机组在正常运行时的最大爬坡速率；
所述最小运行/停运时间约束为
Figure FDA00030719838600000215
其中，
Figure FDA00030719838600000216
表示t时刻节点i处火电机组持续开机的时间，
Figure FDA00030719838600000217
表示t时刻节点i处火电机组持续关机的时间，
Figure FDA00030719838600000218
表示火电机组的最小开机时间，
Figure FDA00030719838600000219
表示火电机组的最小关机时间；
所述旋转备用约束为
Figure FDA00030719838600000220
其中，Nbus表示节点数量，
Figure FDA0003071983860000031
表示t时刻节点i处光伏实际出力，
Figure FDA0003071983860000032
表示t时刻节点i处风电实际出力，
Figure FDA0003071983860000033
表示t时刻节点i处光伏接入状态，
Figure FDA0003071983860000034
表示t时刻节点i处风电接入状态，
Figure FDA0003071983860000035
表示t时刻节点i处负荷，C+表示正备用容量，C-表示负备用容量。
7.根据权利要求3所述的方法，其特征在于，所述风电光伏出力约束条件为
Figure FDA0003071983860000036
其中，
Figure FDA0003071983860000037
表示t时刻节点i处光伏可调度的最大出力，
Figure FDA0003071983860000038
表示t时刻节点i处风电可调度的最大出力。
8.一种新能源消纳能力评估装置，其特征在于，所述装置包括：
获取模块，用于获取电力系统全年的日负荷；
聚类模块，用于通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；
傅里叶分解模块，用于通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；
消纳量确定模块，用于根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；
消纳能力评估值确定模块，用于根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种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权利要求1至7中任一项所述的方法的步骤。
CN202110542136.5A 2021-05-18 2021-05-18 新能源消纳能力评估方法、装置、计算机设备和存储介质 Active CN113315171B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110542136.5A CN113315171B (zh) 2021-05-18 2021-05-18 新能源消纳能力评估方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110542136.5A CN113315171B (zh) 2021-05-18 2021-05-18 新能源消纳能力评估方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113315171A true CN113315171A (zh) 2021-08-27
CN113315171B CN113315171B (zh) 2022-10-18

Family

ID=77373482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110542136.5A Active CN113315171B (zh) 2021-05-18 2021-05-18 新能源消纳能力评估方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113315171B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024310A (zh) * 2021-11-15 2022-02-08 浙江浙达能源科技有限公司 一种新能源入网裕度评估与安全校核方法
CN114243781A (zh) * 2021-12-23 2022-03-25 国网湖北省电力有限公司宜昌供电公司 基于仿射区间潮流的区域电网新能源消纳水平分析方法
CN114912790A (zh) * 2022-05-10 2022-08-16 国网经济技术研究院有限公司 可再生能源消纳电量均衡分配方法、系统、设备和介质
CN115130842A (zh) * 2022-06-17 2022-09-30 南方电网能源发展研究院有限责任公司 风光火一体化基地配置方法及装置
CN117852979A (zh) * 2024-03-08 2024-04-09 国网北京市电力公司 一种新能源消纳评价方法、装置、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050283346A1 (en) * 2004-05-24 2005-12-22 Elkins Harold E Ii Distributed generation modeling system and method
JP2011091985A (ja) * 2009-10-26 2011-05-06 Panasonic Electric Works Co Ltd 直流電力供給装置、および直流電力供給システム
CN106779129A (zh) * 2015-11-19 2017-05-31 华北电力大学（保定） 一种考虑气象因素的短期电力负荷预测方法
CN110224393A (zh) * 2019-05-24 2019-09-10 广东电网有限责任公司阳江供电局 一种基于最小切负荷模型的新能源消纳评估方法
CN110659699A (zh) * 2019-09-30 2020-01-07 重庆大学 一种基于特征指标降维的分布式双层聚类分析方法
CN111709109A (zh) * 2020-04-28 2020-09-25 中国能源建设集团江苏省电力设计院有限公司 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置
CN112508402A (zh) * 2020-12-04 2021-03-16 国网湖北省电力有限公司电力科学研究院 直流送电曲线场景生成方法、电子设备及介质
CN112671040A (zh) * 2021-01-11 2021-04-16 华北电力大学 一种考虑新能源消纳最大的多能互补系统日前优化调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050283346A1 (en) * 2004-05-24 2005-12-22 Elkins Harold E Ii Distributed generation modeling system and method
JP2011091985A (ja) * 2009-10-26 2011-05-06 Panasonic Electric Works Co Ltd 直流電力供給装置、および直流電力供給システム
CN106779129A (zh) * 2015-11-19 2017-05-31 华北电力大学（保定） 一种考虑气象因素的短期电力负荷预测方法
CN110224393A (zh) * 2019-05-24 2019-09-10 广东电网有限责任公司阳江供电局 一种基于最小切负荷模型的新能源消纳评估方法
CN110659699A (zh) * 2019-09-30 2020-01-07 重庆大学 一种基于特征指标降维的分布式双层聚类分析方法
CN111709109A (zh) * 2020-04-28 2020-09-25 中国能源建设集团江苏省电力设计院有限公司 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置
CN112508402A (zh) * 2020-12-04 2021-03-16 国网湖北省电力有限公司电力科学研究院 直流送电曲线场景生成方法、电子设备及介质
CN112671040A (zh) * 2021-01-11 2021-04-16 华北电力大学 一种考虑新能源消纳最大的多能互补系统日前优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曲凯 等: "面向新能源消纳能力评估的年负荷序列建模及场景生成方法", 《电力系统自动化》, 10 January 2021 (2021-01-10) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114024310A (zh) * 2021-11-15 2022-02-08 浙江浙达能源科技有限公司 一种新能源入网裕度评估与安全校核方法
CN114243781A (zh) * 2021-12-23 2022-03-25 国网湖北省电力有限公司宜昌供电公司 基于仿射区间潮流的区域电网新能源消纳水平分析方法
CN114243781B (zh) * 2021-12-23 2023-10-27 国网湖北省电力有限公司宜昌供电公司 基于仿射区间潮流的区域电网新能源消纳水平分析方法
CN114912790A (zh) * 2022-05-10 2022-08-16 国网经济技术研究院有限公司 可再生能源消纳电量均衡分配方法、系统、设备和介质
CN115130842A (zh) * 2022-06-17 2022-09-30 南方电网能源发展研究院有限责任公司 风光火一体化基地配置方法及装置
CN117852979A (zh) * 2024-03-08 2024-04-09 国网北京市电力公司 一种新能源消纳评价方法、装置、设备及介质
CN117852979B (zh) * 2024-03-08 2024-05-31 国网北京市电力公司 一种新能源消纳评价方法、装置、设备及介质

Also Published As

Publication number Publication date
CN113315171B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN113315171B (zh) 新能源消纳能力评估方法、装置、计算机设备和存储介质
Mosadeghy et al. A time-dependent approach to evaluate capacity value of wind and solar PV generation
Xu et al. A day-ahead economic dispatch method considering extreme scenarios based on wind power uncertainty
Hao et al. Scenario-based unit commitment optimization for power system with large-scale wind power participating in primary frequency regulation
CN107491870B (zh) 配电网的电力规划方法、装置、设备以及计算机可读存储介质
CN111697625A (zh) 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法
CN107359611B (zh) 考虑多种随机因素的配电网等值方法
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Gen Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy
CN112884601A (zh) 一种基于天气区划策略的电力系统运行风险评估方法
CN109978277B (zh) 光伏发电中区域上网负荷预测方法及装置
CN109193643B (zh) 一种计算配用电系统网损和可靠性的方法及系统
CN117183803A (zh) 电动汽车充电控制方法、装置和计算机设备
Ding et al. A dynamic period partition method for time-of-use pricing with high-penetration renewable energy
CN111082424B (zh) 一种综合能源及微电网系统可靠性预测方法及装置
CN117172569A (zh) 一种考虑电力系统供需匹配的灵活性评估方法
CN109586309B (zh) 基于大数据自由熵理论和场景匹配的配电网无功优化方法
Attar et al. Impacts of integration of wind farms on voltage stability margin
Li et al. A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power
Hamdy et al. Stochastic unit commitment incorporating demand side management and optimal storage capacity
CN105069520A (zh) 一种风力发电功率预测系统
Muttaqi et al. An effective power dispatch strategy to improve generation schedulability by mitigating wind power uncertainty with a data driven flexible dispatch margin for a wind farm using a multi-unit battery energy storage system
Wang et al. Effect of uncertainty on optimization of microgrids
Sang et al. Reserve scheduling in the congested transmission network considering wind energy forecast errors
Zhang et al. Robust Unit Commitment with Virtual Synchronous Renewables

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