CN113381403A - 基于运行可靠性的光热-生物质混合电站容量配置方法 - Google Patents
基于运行可靠性的光热-生物质混合电站容量配置方法 Download PDFInfo
- Publication number
- CN113381403A CN113381403A CN202110641998.3A CN202110641998A CN113381403A CN 113381403 A CN113381403 A CN 113381403A CN 202110641998 A CN202110641998 A CN 202110641998A CN 113381403 A CN113381403 A CN 113381403A
- Authority
- CN
- China
- Prior art keywords
- power
- power station
- thermal
- heat storage
- biomass
- 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
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims abstract description 4
- 238000005338 heat storage Methods 0.000 claims description 148
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000002485 combustion reaction Methods 0.000 claims description 13
- 230000009194 climbing Effects 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 8
- 230000020169 heat generation Effects 0.000 claims description 8
- 238000005485 electric heating Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 235000003642 hunger Nutrition 0.000 claims description 3
- 230000037351 starvation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000002918 waste heat Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- G06Q10/06315—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
- 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
-
- 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
- H02J3/38—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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
-
- 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)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于运行可靠性的光热‑生物质混合电站容量配置方法,步骤是:1)考虑光热‑生物质混合电站各组分初始建设投资成本与运行维护成本,采用设备全寿命周期成本管理方法进行混合电站容量配置建模分析;2)考虑混合电站中光热电站、风电场、生物质锅炉运行以及系统功率平衡约束,建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型;3)设置混合电站运行可靠性约束,将其加入到优化模型中并求解,得到容量配置与优化运行结果。本发明方法通过设置混合电站运行可靠性指标,建立了考虑多种约束的混合电站最优容量配置模型,能够为混合电站建设及运行提供理论依据。
Description
技术领域
本发明属于电力系统电源规划领域,具体涉及基于运行可靠性的光热-生物质混合电站容量配置方法。
背景技术
光热-生物质混合电站凭借其出力灵活性高、可控性强,与风电、光伏发电等新能源协调运行时可以减少系统出力的波动性与随机性,这为提高系统新能源的并网消纳提供了新的途径。根据IEA的统计,目前光热电站的造价较高,建设和运行光热电站往往需要政府补贴,这极大地阻止光热发电产业的发展。
光热-生物质混合发电是一种在提高运行调度能力的同时降低平准化发电成本的理想选择。首先,生物质能作为可再生能源的一个分支,其与光热电站的混合发电可以实现100%的可再生能源发电的目标,在国家节能减排政策的推广下,未来势必会为光热发电承担电网基本负荷提供更大的可能性。此外,光热电站和生物质电站通过共享电厂设备,可以更大程度地降低电厂投资成本。通过生物质和光热电站的最优配置,减少光热电站投资,将为未来光热电站承担电网基本负荷,在电力系统中取代常规机组提供更大的可能性。
目前,针对纯光热电站进行容量配置与选址规划的研究较多。然而,如何对光热-生物质混合电站进行最优容量配置,减少光热电站光场和储热系统的建设容量,降低光热电站投资成本,仍需深入研究。
发明内容
发明目的:针对以上问题,本发明提出基于运行可靠性的光热-生物质混合电站容量配置方法,能够有效降低混合电站综合成本,为混合电站建设及运行提供理论依据。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:基于运行可靠性的光热-生物质混合电站容量配置方法,包括如下步骤:
步骤1,考虑光热-生物质混合电站各组分初始建设投资成本与运行维护成本,采用设备全寿命周期成本管理方法(Total Life Cycle Cost,TLCC)进行混合电站容量配置建模分析。
步骤2,建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型;构建模型约束条件;所述约束条件包括:光热电站运行约束、风电场运行约束、生物质锅炉运行约束以及系统功率平衡约束。
步骤3,考虑并设置混合电站运行可靠性约束,并将其加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;通过求解该最优容量配置模型,得到容量配置与优化运行结果。
进一步,所述步骤1进行了光热-生物质混合电站容量配置建模分析,包括以下步骤:
在运用电力设备全寿命周期成本方法计算时考虑设备初始建设投资成本(Initial Capital Cost,IC)和维护与运营成本(Maintenance and Operation Cost,OM),其具体计算方法如下式(1)所示:
式中:LCC是设备总的寿命周期成本;icck是第k个组分的寿命周期成本,其具体计算方法如下式(2)所示;k是组分指数,N为总的组分数;CRF表示的是资本回收系数,其具体计算方法如下式(3)所示:
icck=OMk+ICk (2)
式中:ICk表示的是第k个组分的初始建设投资成本,OMk表示的是第k个组分的维护与运营成本,计算方法分别如式(4)和(5)所示;Np表示的是项目的生命周期;ir表示的是资本回收的实际利率,其值可以用名义利率和通货膨胀率通过式(6)计算得到。
ICk=γk·Ck (4)
式中:γk、θk分别表示第k个设备的单位建设投资成本和运营维护成本;Ck表示第k个设备的容量;in和u分别表示资本回收名义利率和通货膨胀率,本章中分别设值为6%和2%;j为年限的索引。
根据权利要求1所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤2建立了光热-生物质混合电站容量配置模型,包括以下步骤:
步骤2.1:建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型,目标函数表示为:
式中:Pt pb是t时段光热电站功率模块输出的电功率;Pt w是t时段风电场的上网电功率;Lt是t时段的计划负荷;Pt wc和Pt sc分别是t时段风电场和光热电站的弃风、弃光功率;ω、λw和λs分别是失负荷惩罚系数、弃风惩罚系数和弃光惩罚系数;t为时间的索引,T表示总时段数。
注意,在本章中LCC主要基于光热电站光场、储热系统和生物质电站锅炉的相关成本;此外,生物质锅炉燃烧生物质的燃料成本也包括在该项成本中,各组分的LCC如式(8)-(10)所示。
1)光热电站光场的全生命周期成本
2)光热电站储热系统的全生命周期成本
3)生物质电站锅炉的全生命周期成本
式中:λbio表示的是生物质燃料的单位成本;Pt bio为生物质锅炉输出功率;ηpb为功率模块热电转换效率。注意,本章节中,光热-生物质混合电站的全生命周期成本计算时以日均形式表示。
步骤2.2:构建光热-生物质混合电站容量配置模型的约束条件,所述约束条件包括:
1)光热电站运行约束
a.光场约束
太阳直射光线照射到光场,通过光热转换为热能,考虑各环节的效率,光场产热功率如下式(11)所示;式(12)表示光热电站光场额定建设容量;此外,光场额定建设容量需要小于最大建设容量限制。
CSF≤CSF,max (13)
式中:是光热电站光场在t时段的实际产热功率;是光场在t时段的太阳法向直接辐照度;SSF为需要优化得到的光场建设面积;CSF为光场在额定太阳法向直接辐照度下的额定建设容量;ηSF为光场的光热综合转换效率;CSF,max表示光场最大建设容量。
一般情况下,光场输出的热功率与产热功率相等;然而,当太阳辐射强度过大时,光场需弃掉一部分能量;因此,光场输出的热功率需考虑弃热;弃热功率需满足如下上下限约束:
式中:Pt sh为t时段光场总可用热功率。
b.储热系统约束
储热系统当前时刻的储热量与储热功率、放热功率和前一时刻的储热量相关,即:
储热系统在储放热过程中伴随着热量损失,表示如下:
Pt in=(Pt et+Pt bt+Pt ht)ηc (17)
式中:ηc为储热系统的储热效率;ηd为储热系统的放热效率;Pt et为t时段风电场电热转换器到储热系统的输出热功率;Pt bt为t时段生物质锅炉到储热系统的输出热功率;Pt th、Pt ht为t时段储热系统放热、储热功率。
储热系统的放热功率和储热功率会受最大热传递功率的限制,其需满足如下约束:
此外,由于储热系统中的储热介质在同一时刻不能双向流动,即储热系统不能同时进行储热、放热操作;因此,需要对储热系统的储热、放热状态进行约束,即:
为了避免储热介质的凝固,储热系统通常有最小储热量的限制;同时,最大储热量受储热罐容量限制;此外,为了满足多日连续运行的需要,储热系统在一个调度周期内始末储热量相等,即:
c.功率模块运行约束
高温介质通过功率模块时,高温介质携带的热能被转化为电能,功率模块的热电转换功率平衡方程表示如下:
式中:Pt hp为t时段热流体到功率模块的热功率;Pt bp为t时段生物质锅炉到功率模块的热功率;为功率模块启动时消耗的热功率;布尔变量rt pb、表示t时段发电模块是否启动、停止、工作,是则置1,否则置0。
与常规燃煤机组功率模块类似,光热电站的功率模块运行时需考虑机组输出功率、爬坡速率、开停机时间约束:
d.热流体传递系统运行约束
热流体传递系统的能量平衡方程表示为:
Pt sh+Pt th=Pt ht+Pt hp (31)
3)生物质锅炉运行约束
生物质锅炉通过燃烧将化学能转化为热能,其热功率输出等于单位时间生物质燃烧的质量、热值与效率的乘积,即:
与光热电站功率模块类似,生物质锅炉运行过程中同样需要满足输出功率、爬坡速率、开停机时间等约束,即:
式中:和分别为生物质锅炉最大、最小输出热功率;布尔变量rt bio、表示t时段生物质锅炉是否启动、停止、工作,是则置1,否则置0;和分别为生物质锅炉向上、向下爬坡速率;和分别为生物质锅炉最小开机、停机时间。
生物质锅炉产生的热量可直接输送到功率模块用于发电,也可储存于储热系统,增加了系统运行的灵活性,其功率平衡方程式为:
Pt bio=Pt bt+Pt bp (40)
4)风电场运行约束
风电场产生的电功率一部分需满足负荷需求,另一部分在负荷需求较低的时段通过电热转换器产生热量储存在储热系统中,即:
Pt wind=Pt we+Pt wc+Pt w (41)
0≤Pt w≤Pt wind (42)
0≤Pt wc≤Pt wind (43)
Pt et=ηwPt we (44)
式中:Pt wind为风电场在t时段的电功率;Pt we为风电场在t时段到电热转换器的电功率;ηw为电热转换器的综合电热转换效率。
3、根据权利要求1所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤3考虑并设置混合电站运行可靠性约束,并将其加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型,包括以下步骤:
步骤3.1:考虑并设置混合电站运行可靠性约束;由于光热电站和风电场出力的随机性、波动性、不确定性,为了减少失负荷量以及系统的弃风、弃光量,满足负荷变化的灵活性要求,需要评估混合电站运行稳定性;目前,在对电站运行可靠性进行评估时,考虑失负荷量或者失负荷时间;在进行光热-生物质混合电站容量优化配置时,考虑采用负荷总缺电量与负荷总需求量的比值——负荷缺电率LPSP作为混合电站的运行可靠性指标,如式(45)所示:
式中:lpsp表示为负荷缺电率;lpsp反应混合电站运行可靠性;lpsp越小,负荷在调度日内的失负荷总量越小,混合电站的运行可靠性便越高;因此,为了保证光热-生物质混合电站的运行可靠性,需要根据负荷需求情况对电站运行设置约束,即设置失负荷率上限lpspmax,确保混合电站在满足失负荷总量不超限的约束基础上得到经济性最优的容量配比,其约束如下式(46)所示:
lpsp≤lpspmax (46)
lpspmax分别设置为2%和0,即最大失负荷总量不超过负荷总需求的2%或者不允许失负荷情况的发生。
将上述光热-生物质混合电站运行约束加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;
步骤3.2:通过求解该最优容量配置模型,得到容量配置与优化运行结果。
有益效果:与现有技术相比,本发明方法通过设置光热-生物质混合电站运行可靠性指标,建立了可虑多种约束的混合电站最优容量配置模型,能够有效降低混合电站综合成本,为混合电站建设及运行提供理论依据,填补光热-生物质混合电站容量配置及规划方面的空白。
附图说明
图1是某风电场的预测出力和该区域电网计划负荷的相关数据图;
图2某地区四种季节典型的日前太阳法向直接辐照度(DNI)的预测值图;
图3是夏季典型日下混合电站各组成部分的最优运行出力图;
图4是夏季典型日下混合电站储热系统充放热策略图;
图5是冬季典型日下混合电站各组成部分的最优运行出力图;
图6是冬季典型日下混合电站储热系统充放热策略图;
图7是本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明对光热-生物质最优容量配置问题进行了研究。在多类型天气光热电站光场出力场景的基础上,根据年投资成本计算公式,满足混合电站运行可靠性指标约束的前提下,对光热-生物质混合电站的优化调度模型进行深入研究,以联合系统的运行成本最小为目标函数,探求混合电站最优容量配置及优化运行策略问题。
本发明基于运行可靠性的光热-生物质混合电站容量配置方法,包括以下步骤:
步骤1,考虑光热-生物质混合电站各组分初始建设投资成本与运行维护成本,采用设备全寿命周期成本管理方法(Total Life Cycle Cost,TLCC)进行混合电站容量配置建模分析。
步骤2,建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型;构建模型约束条件;约束条件包括:光热电站运行约束、风电场运行约束、生物质锅炉运行约束以及系统功率平衡约束。
步骤3,考虑并设置混合电站运行可靠性约束,并将其加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;通过求解该最优容量配置模型,得到容量配置与优化运行结果。
采用优化建模软件GAMS对考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型进行编程求解,结果表明:通过建立并求解混合电站最优容量配置模型,能够有效降低混合电站综合成本,为混合电站建设及运行提供理论依据,填补光热-生物质混合电站容量配置及规划方面的空白。
步骤1进行了光热-生物质混合电站容量配置建模分析,包括以下步骤:
在运用电力设备全寿命周期成本方法计算时考虑设备初始建设投资成本(Initial Capital Cost,IC)和维护与运营成本(Maintenance and Operation Cost,OM),其具体计算方法如下式(1)所示:
式中:LCC是设备总的寿命周期成本;icck是第k个组分的寿命周期成本,其具体计算方法如下式(2)所示;k是组分指数,N为总的组分数;CRF表示的是资本回收系数,其具体计算方法如下式(3)所示:
icck=OMk+ICk (2)
式中:ICk表示的是第k个组分的初始建设投资成本,OMk表示的是第k个组分的维护与运营成本,计算方法分别如式(4)和(5)所示;Np表示的是项目的生命周期;ir表示的是资本回收的实际利率,其值可以用名义利率和通货膨胀率通过式(6)计算得到。
ICk=γk·Ck (4)
式中:γk、θk分别表示第k个设备的单位建设投资成本和运营维护成本;Ck表示第k个设备的容量;in和u分别表示资本回收名义利率和通货膨胀率,本章中分别设值为6%和2%;j为年限的索引。
根据权利要求1所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤2建立了光热-生物质混合电站容量配置模型,包括以下步骤:
步骤2.1:建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型,目标函数表示为:
式中:Pt pb是t时段光热电站功率模块输出的电功率;Pt w是t时段风电场的上网电功率;Lt是t时段的计划负荷;Pt wc和Pt sc分别是t时段风电场和光热电站的弃风、弃光功率;ω、λw和λs分别是失负荷惩罚系数、弃风惩罚系数和弃光惩罚系数;t为时间的索引,T表示总时段数。
注意,在本章中LCC主要基于光热电站光场、储热系统和生物质电站锅炉的相关成本;此外,生物质锅炉燃烧生物质的燃料成本也包括在该项成本中,各组分的LCC如式(8)-(10)所示。
1)光热电站光场的全生命周期成本
2)光热电站储热系统的全生命周期成本
3)生物质电站锅炉的全生命周期成本
式中:λbio表示的是生物质燃料的单位成本;Pt bio为生物质锅炉输出功率;ηpb为功率模块热电转换效率。注意,本章节中,光热-生物质混合电站的全生命周期成本计算时以日均形式表示。
步骤2.2:构建光热-生物质混合电站容量配置模型的约束条件,所述约束条件包括:
1)光热电站运行约束
a.光场约束
太阳直射光线照射到光场,通过光热转换为热能,考虑各环节的效率,光场产热功率如下式(11)所示;式(12)表示光热电站光场额定建设容量;此外,光场额定建设容量需要小于最大建设容量限制。
CSF≤CSF,max (13)
式中:是光热电站光场在t时段的实际产热功率;是光场在t时段的太阳法向直接辐照度;SSF为需要优化得到的光场建设面积;CSF为光场在额定太阳法向直接辐照度下的额定建设容量;ηSF为光场的光热综合转换效率;CSF,max表示光场最大建设容量。
一般情况下,光场输出的热功率与产热功率相等;然而,当太阳辐射强度过大时,光场需弃掉一部分能量;因此,光场输出的热功率需考虑弃热;弃热功率需满足如下上下限约束:
式中:Pt sh为t时段光场总可用热功率。
b.储热系统约束
储热系统当前时刻的储热量与储热功率、放热功率和前一时刻的储热量相关,即:
储热系统在储放热过程中伴随着热量损失,表示如下:
Pt in=(Pt et+Pt bt+Pt ht)ηc (17)
式中:ηc为储热系统的储热效率;ηd为储热系统的放热效率;Pt et为t时段风电场电热转换器到储热系统的输出热功率;Pt bt为t时段生物质锅炉到储热系统的输出热功率;Pt th、Pt ht为t时段储热系统放热、储热功率。
储热系统的放热功率和储热功率会受最大热传递功率的限制,其需满足如下约束:
此外,由于储热系统中的储热介质在同一时刻不能双向流动,即储热系统不能同时进行储热、放热操作;因此,需要对储热系统的储热、放热状态进行约束,即:
为了避免储热介质的凝固,储热系统通常有最小储热量的限制;同时,最大储热量受储热罐容量限制;此外,为了满足多日连续运行的需要,储热系统在一个调度周期内始末储热量相等,即:
c.功率模块运行约束
高温介质通过功率模块时,高温介质携带的热能被转化为电能,功率模块的热电转换功率平衡方程表示如下:
式中:Pt hp为t时段热流体到功率模块的热功率;Pt bp为t时段生物质锅炉到功率模块的热功率;为功率模块启动时消耗的热功率;布尔变量rt pb、表示t时段发电模块是否启动、停止、工作,是则置1,否则置0。
与常规燃煤机组功率模块类似,光热电站的功率模块运行时需考虑机组输出功率、爬坡速率、开停机时间约束:
d.热流体传递系统运行约束
热流体传递系统的能量平衡方程表示为:
Pt sh+Pt th=Pt ht+Pt hp (31)
3)生物质锅炉运行约束
生物质锅炉通过燃烧将化学能转化为热能,其热功率输出等于单位时间生物质燃烧的质量、热值与效率的乘积,即:
与光热电站功率模块类似,生物质锅炉运行过程中同样需要满足输出功率、爬坡速率、开停机时间等约束,即:
式中:和分别为生物质锅炉最大、最小输出热功率;布尔变量rt bio、表示t时段生物质锅炉是否启动、停止、工作,是则置1,否则置0;和分别为生物质锅炉向上、向下爬坡速率;和分别为生物质锅炉最小开机、停机时间。
生物质锅炉产生的热量可直接输送到功率模块用于发电,也可储存于储热系统,增加了系统运行的灵活性,其功率平衡方程式为:
Pt bio=Pt bt+Pt bp (40)
4)风电场运行约束
风电场产生的电功率一部分需满足负荷需求,另一部分在负荷需求较低的时段通过电热转换器产生热量储存在储热系统中,即:
Pt wind=Pt we+Pt wc+Pt w (41)
0≤Pt w≤Pt wind (42)
0≤Pt wc≤Pt wind (43)
Pt et=ηwPt we (44)
式中:Pt wind为风电场在t时段的电功率;Pt we为风电场在t时段到电热转换器的电功率;ηw为电热转换器的综合电热转换效率。
3、根据权利要求1所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤3考虑并设置混合电站运行可靠性约束,并将其加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型,包括以下步骤:
步骤3.1:考虑并设置混合电站运行可靠性约束;由于光热电站和风电场出力的随机性、波动性、不确定性,为了减少失负荷量以及系统的弃风、弃光量,满足负荷变化的灵活性要求,需要评估混合电站运行稳定性;目前,在对电站运行可靠性进行评估时,考虑失负荷量或者失负荷时间;在进行光热-生物质混合电站容量优化配置时,考虑采用负荷总缺电量与负荷总需求量的比值——负荷缺电率LPSP作为混合电站的运行可靠性指标,如式(45)所示:
式中:lpsp表示为负荷缺电率;lpsp反应混合电站运行可靠性;lpsp越小,负荷在调度日内的失负荷总量越小,混合电站的运行可靠性便越高;因此,为了保证光热-生物质混合电站的运行可靠性,需要根据负荷需求情况对电站运行设置约束,即设置失负荷率上限lpspmax,确保混合电站在满足失负荷总量不超限的约束基础上得到经济性最优的容量配比,其约束如下式(46)所示:
lpsp≤lpspmax (46)
lpspmax分别设置为2%和0,即最大失负荷总量不超过负荷总需求的2%或者不允许失负荷情况的发生。
将上述光热-生物质混合电站运行约束加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;
步骤3.2:通过求解该最优容量配置模型,得到容量配置与优化运行结果。
本实施例以光热电站、风电场、电热转换器、生物质锅炉构成混合电站。考虑混合电站运行满足可靠性约束条件,调度周期设置为1天,分为24个时段。
混合电站中光热电站相关组分具体参数见表1,风电场及电热转换器具体参数见表2,生物质锅炉具体参数见表3,混合电站各组成部分投资成本数据见表4,某风电场的预测出力和该区域电网计划负荷的相关数据如图1所示,某地区四种季节典型的日前太阳法向直接辐照度(DNI)的预测值如下图2所示,分别为夏季典型日、春季典型日、秋季典型日、冬季典型日。
表1光热电站相关设备参数
表2风电场相关设备参数
表3生物质锅炉相关参数
表4混合电站各组成部分投资成本数据
采用优化建模软件GAMS对该混合电站容量配置模型进行编程求解,表5和表6分别表示夏季典型日光场出力下,可靠性指标设置为2%和0时混合电站最优容量配置情况。可以看出,当光热电站配备最大输出热功率为50MW的生物质锅炉时,随着混合电站储热系统容量的增加,系统的运行总成本呈现先减少后增加的趋势,这主要是因为为了满足混合电站运行可靠性指标的技术要求,需要建设大面积的光场来满足低DNI时的负荷需求,而当DNI增加时,由于储热系统容量较小,造成了极大的弃光功率,弃光惩罚成本大大增加;而随着储热系统容量的增加混合电站的储热系统能够在低负荷、高DNI的时段储存多余的热功率,以在低DNI、高负荷的情况下使用,这大大减少了光热电站光场的投资成本和弃光惩罚成本。
表5夏季典型日混合电站容量配置结果(LPSPmax=2%)
表6夏季典型日混合电站容量配置结果(LPSPmax=0)
此外,对比表5和表6可以看出,当混合电站运行的可靠性指标为2%时,混合电站的最优储热系统容量为750MW·h,当储热系统容量大于750MW·h时,将白白增加联合电站运行成本中的储热系统建设成本,而不会对系统运行带来益处;当混合电站运行的可靠性指标为0时,混合电站的最优储热系统容量为850MW·h,这意味着当储热系统容量大于850MW·h时,将白白增加联合电站运行成本中的储热系统建设成本,而不会对系统运行带来益处。当系统可靠性的要求提高时,需要建设更大的光场面积和储热系统容量,以随时跟随灵活性的负荷变化。
混合电站春季典型日和秋季典型日的最优容量配置结果如下表7所示,从表5到表7可以看出,该地区当配置额定功率为50MW的生物质锅炉、容量为850MW·h的储热系统以及建设额定功率约为250MW的光热电站光场时,能够在多种天气类型情况下,满足系统负荷需求,并保证具有最小的综合运行成本。
表7春季典型日和秋季典型日混合电站最优容量配置
图3和图4分别表示当储热系统的容量设置为其最优配置容量750MW·h,混合电站运行的可靠性指标设置为2%时,夏季典型日下混合电站各组成部分的最优运行出力和储热系统的充放热策略。可以看出,配备750MW·h储热系统的混合电站面对灵活性负荷的变化能够及时调整出力策略,满足负荷需求。在1:00-6:00时段,当光热电站光场出力为0时,风电场输出电功率能够满足负荷变化的需求,多余的风电功率通过电热转换器以热能的形式储存在储热系统中,以备在高负荷时满足负荷需求,储热系统能够减少弃风、弃光功率;在7:00-24:00时段,当风电场输出电功率不能满足负荷变化的需求时,功率模块启动,通过生物质锅炉燃烧生物质产生或者储热系统的热功率,及时输出电功率,满足负荷需求。
此外,生物质锅炉在1:00-6:00、14:00-16:00时段,当负荷需求较低时,燃烧生物质产生的热功率主要以热能的形式储存在储热系统中;在7:00-13:00、17:00-22:00时段,当负荷较高时,燃烧产生的热功率主要通过功率模块以电功率的形式及时满足负荷的需求,生物质电站的加入使光热电站的运行更加灵活。
与上述分析夏季典型日混合电站的优化运行调度类似,在分析冬季典型日混合电站的优化运行调度时,储热系统的容量设置为其最优配置容量850MW·h,混合电站运行的可靠性指标设置为0,混合电站各组成部分的最优运行出力和储热系统的充放热策略分别如下图5和图6所示。
以上仿真结果验证了本发明的有效性和实用性。该发明通过建立并求解混合电站最优容量配置模型,能够有效降低混合电站综合成本,为混合电站建设及运行提供理论依据,填补光热-生物质混合电站容量配置及规划方面的空白。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:该方法包括以下步骤:
步骤1,考虑光热-生物质混合电站各组分初始建设投资成本与运行维护成本,采用设备全寿命周期成本管理方法TLCC进行混合电站容量配置建模分析;
步骤2,建立考虑混合电站出力偏差惩罚、弃风弃光惩罚、以及混合电站容量配置的综合运行成本最小为目标函数的优化模型;构建模型约束条件;所述约束条件包括:光热电站运行约束、风电场运行约束、生物质锅炉运行约束以及系统功率平衡约束;
步骤3,考虑并设置混合电站运行可靠性约束,并将其加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;通过求解该最优容量配置模型,得到容量配置与优化运行结果。
2.根据权利要求1所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤1中,具体包括如下内容:
进行光热-生物质混合电站容量配置建模分析,包括以下步骤:
在运用电力设备全寿命周期成本方法计算时考虑设备初始建设投资成本IC和维护与运营成本OM,其具体计算方法如下式(1)所示:
式中:LCC是设备总的寿命周期成本;icck是第k个组分的寿命周期成本,其具体计算方法如下式(2)所示;k是组分指数,N为总的组分数;CRF表示的是资本回收系数,其具体计算方法如下式(3)所示:
icck=OMk+ICk (2)
式中:ICk表示的是第k个组分的初始建设投资成本,OMk表示的是第k个组分的维护与运营成本,计算方法分别如式(4)和(5)所示;Np表示的是项目的生命周期;ir表示的是资本回收的实际利率,其值用名义利率和通货膨胀率通过式(6)计算得到
ICk=γk·Ck (4)
式中:γk、θk分别表示第k个设备的单位建设投资成本和运营维护成本;Ck表示第k个设备的容量;in和u分别表示资本回收名义利率和通货膨胀率,本章中分别设值为6%和2%;j为年限的索引。
5.根据权利要求4所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤2中,所述约束条件包括:
1)光热电站运行约束
a.光场约束
太阳直射光线照射到光场,通过光热转换为热能,考虑各环节的效率,光场产热功率如下式(11)所示;式(12)表示光热电站光场额定建设容量;此外,光场额定建设容量需要小于最大建设容量限制;
CSF≤CSF,max (13)
式中:是光热电站光场在t时段的实际产热功率;是光场在t时段的太阳法向直接辐照度;SSF为需要优化得到的光场建设面积;CSF为光场在额定太阳法向直接辐照度下的额定建设容量;ηSF为光场的光热综合转换效率;CSF,max表示光场最大建设容量;
光场输出的热功率需考虑弃热;弃热功率需满足如下上下限约束:
式中:Pt sh为t时段光场总可用热功率;
b.储热系统约束
储热系统当前时刻的储热量与储热功率、放热功率和前一时刻的储热量相关,即:
储热系统在储放热过程中伴随着热量损失,表示如下:
Pt in=(Pt et+Pt bt+Pt ht)ηc (17)
式中:ηc为储热系统的储热效率;ηd为储热系统的放热效率;Pt et为t时段风电场电热转换器到储热系统的输出热功率;Pt bt为t时段生物质锅炉到储热系统的输出热功率;Pt th、Pt ht为t时段储热系统放热、储热功率;
储热系统的放热功率和储热功率会受最大热传递功率的限制,其需满足如下约束:
需要对储热系统的储热、放热状态进行约束,即:
为了满足多日连续运行的需要,储热系统在一个调度周期内始末储热量相等,即:
c.功率模块运行约束
高温介质通过功率模块时,高温介质携带的热能被转化为电能,功率模块的热电转换功率平衡方程表示如下:
式中:Pt hp为t时段热流体到功率模块的热功率;Pt bp为t时段生物质锅炉到功率模块的热功率;为功率模块启动时消耗的热功率;布尔变量rt pb、表示t时段发电模块是否启动、停止、工作,是则置1,否则置0;
光热电站的功率模块运行时需考虑机组输出功率、爬坡速率、开停机时间约束:
d.热流体传递系统运行约束
热流体传递系统的能量平衡方程表示为:
Pt sh+Pt th=Pt ht+Pt hp (31)
3)生物质锅炉运行约束
生物质锅炉通过燃烧将化学能转化为热能,其热功率输出等于单位时间生物质燃烧的质量、热值与效率的乘积,即:
生物质锅炉运行过程中同样需要满足输出功率、爬坡速率、开停机时间等约束,即:
式中:和分别为生物质锅炉最大、最小输出热功率;布尔变量rt bio、表示t时段生物质锅炉是否启动、停止、工作,是则置1,否则置0;和分别为生物质锅炉向上、向下爬坡速率;和分别为生物质锅炉最小开机、停机时间;
生物质锅炉产生的热量可直接输送到功率模块用于发电,也可储存于储热系统,增加了系统运行的灵活性,其功率平衡方程式为:
Pt bio=Pt bt+Pt bp (40)
4)风电场运行约束
风电场产生的电功率一部分需满足负荷需求,另一部分在负荷需求较低的时段通过电热转换器产生热量储存在储热系统中,即:
Pt wind=Pt we+Pt wc+Pt w (41)
0≤Pt w≤Pt wind (42)
0≤Pt wc≤Pt wind (43)
Pt et=ηwPt we (44)
式中:Pt wind为风电场在t时段的电功率;Pt we为风电场在t时段到电热转换器的电功率;ηw为电热转换器的综合电热转换效率。
6.根据权利要求5所述的基于运行可靠性的光热-生物质混合电站容量配置方法,其特征在于:所述步骤3中,包括以下步骤:
考虑并设置混合电站运行可靠性约束;由于光热电站和风电场出力的随机性、波动性、不确定性,为了减少失负荷量以及系统的弃风、弃光量,满足负荷变化的灵活性要求,需要评估混合电站运行稳定性;目前,在对电站运行可靠性进行评估时,考虑失负荷量或者失负荷时间;在进行光热-生物质混合电站容量优化配置时,考虑采用负荷总缺电量与负荷总需求量的比值——负荷缺电率LPSP作为混合电站的运行可靠性指标,如式(45)所示:
式中:lpsp表示为负荷缺电率;lpsp反应混合电站运行可靠性;lpsp越小,负荷在调度日内的失负荷总量越小,混合电站的运行可靠性便越高;因此,为了保证光热-生物质混合电站的运行可靠性,需要根据负荷需求情况对电站运行设置约束,即设置失负荷率上限lpspmax,确保混合电站在满足失负荷总量不超限的约束基础上得到经济性最优的容量配比,其约束如下式(46)所示:
lpsp≤lpspmax (46)
lpspmax分别设置为2%和0,即最大失负荷总量不超过负荷总需求的2%或者不允许失负荷情况的发生;
将上述光热-生物质混合电站运行约束加入到混合电站最优容量配置模型,得到考虑运行可靠性约束的光热-生物质混合电站最优容量配置模型;
通过求解该最优容量配置模型,得到容量配置与优化运行结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110641998.3A CN113381403B (zh) | 2021-06-09 | 2021-06-09 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110641998.3A CN113381403B (zh) | 2021-06-09 | 2021-06-09 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113381403A true CN113381403A (zh) | 2021-09-10 |
CN113381403B CN113381403B (zh) | 2022-04-15 |
Family
ID=77573110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110641998.3A Active CN113381403B (zh) | 2021-06-09 | 2021-06-09 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113381403B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723136A (zh) * | 2022-04-07 | 2022-07-08 | 重庆大学 | 计及光热电站镜场面积和储热容量的优化运行方法 |
CN115528689A (zh) * | 2022-11-28 | 2022-12-27 | 南京邮电大学 | 考虑补光需求的农业温室备用能力评估方法 |
CN116542475A (zh) * | 2023-05-09 | 2023-08-04 | 河海大学 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038625A (zh) * | 2018-08-02 | 2018-12-18 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种计算多类型电源系统抽水蓄能电站容量效益的方法 |
CN110210747A (zh) * | 2019-05-28 | 2019-09-06 | 河海大学 | 一种电热气互联能源系统灵活性调度方法 |
CN110535185A (zh) * | 2019-08-09 | 2019-12-03 | 东北电力大学 | 一种考虑需求响应的含光热电站多源优化运行方法 |
CN112653137A (zh) * | 2020-12-14 | 2021-04-13 | 东北电力大学 | 计及碳交易的光热电站与风电系统、低碳调度方法及系统 |
CN112800619A (zh) * | 2021-02-09 | 2021-05-14 | 上海电力大学 | 多源异质全可再生能源热电气储耦合系统建模与规划方法 |
-
2021
- 2021-06-09 CN CN202110641998.3A patent/CN113381403B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038625A (zh) * | 2018-08-02 | 2018-12-18 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种计算多类型电源系统抽水蓄能电站容量效益的方法 |
CN110210747A (zh) * | 2019-05-28 | 2019-09-06 | 河海大学 | 一种电热气互联能源系统灵活性调度方法 |
CN110535185A (zh) * | 2019-08-09 | 2019-12-03 | 东北电力大学 | 一种考虑需求响应的含光热电站多源优化运行方法 |
CN112653137A (zh) * | 2020-12-14 | 2021-04-13 | 东北电力大学 | 计及碳交易的光热电站与风电系统、低碳调度方法及系统 |
CN112800619A (zh) * | 2021-02-09 | 2021-05-14 | 上海电力大学 | 多源异质全可再生能源热电气储耦合系统建模与规划方法 |
Non-Patent Citations (1)
Title |
---|
王永灿: "电力系统发储共体电站运行优化及储能容量配置研究", 《中国优秀博硕士学位论文全文数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723136A (zh) * | 2022-04-07 | 2022-07-08 | 重庆大学 | 计及光热电站镜场面积和储热容量的优化运行方法 |
CN114723136B (zh) * | 2022-04-07 | 2024-04-16 | 重庆大学 | 计及光热电站镜场面积和储热容量的优化运行方法 |
CN115528689A (zh) * | 2022-11-28 | 2022-12-27 | 南京邮电大学 | 考虑补光需求的农业温室备用能力评估方法 |
CN115528689B (zh) * | 2022-11-28 | 2023-02-17 | 南京邮电大学 | 考虑补光需求的农业温室备用能力评估方法 |
CN116542475A (zh) * | 2023-05-09 | 2023-08-04 | 河海大学 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
CN116542475B (zh) * | 2023-05-09 | 2023-11-07 | 河海大学 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113381403B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113381403B (zh) | 基于运行可靠性的光热-生物质混合电站容量配置方法 | |
CN107832979B (zh) | 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法 | |
CN104537443A (zh) | 一种热电联供型微网经济协调优化调度方法 | |
CN111950808B (zh) | 基于综合需求响应的综合能源系统随机鲁棒优化运行方法 | |
CN109993345B (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
CN113256045B (zh) | 考虑风光不确定性的园区综合能源系统日前经济调度方法 | |
CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
CN110048469B (zh) | 一种利用光热电站促进风电消纳的优化调度方法 | |
CN113572197A (zh) | 基于氢储能的综合自洽能源微网配置方法及能量调控方法 | |
Bernoosi et al. | Optimal sizing of hybrid PV/T-fuel cell CHP system using a heuristic optimization algorithm | |
CN110991735B (zh) | 一种考虑aa-caes的热电联供系统优化调度方法 | |
CN108923472A (zh) | 基于成本最优的光热电站与火电机组联合出力调度方法 | |
CN112990523A (zh) | 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 | |
CN112541609A (zh) | 风光热和水蓄能联合可再生能源发电系统容量优化模型 | |
CN112953364A (zh) | 一种计及光热电站寿命的光热-风电-光伏的联合系统的运行优化模型 | |
CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源系统优化运行方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
CN114759599A (zh) | 光氢燃料电池热电联供系统、容量配置方法及介质 | |
CN111429020A (zh) | 考虑热网储热特性的电热系统多时间尺度经济调度方法 | |
CN106600022A (zh) | 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法 | |
CN111160636A (zh) | 一种cchp型微电网调度优化方法 | |
CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和系统 | |
CN113437744B (zh) | 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型 | |
Yanfei et al. | Multi-objective optimal dispatching of wind-photoelectric-thermal power-pumped storage virtual power plant |
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 |