CN113394789A - 考虑高比例可再生能源接入的电力系统一体化调度方法 - Google Patents

考虑高比例可再生能源接入的电力系统一体化调度方法 Download PDF

Info

Publication number
CN113394789A
CN113394789A CN202110752782.4A CN202110752782A CN113394789A CN 113394789 A CN113394789 A CN 113394789A CN 202110752782 A CN202110752782 A CN 202110752782A CN 113394789 A CN113394789 A CN 113394789A
Authority
CN
China
Prior art keywords
power system
constraint
optimization
model
renewable energy
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
CN202110752782.4A
Other languages
English (en)
Other versions
CN113394789B (zh
Inventor
王明强
李建营
杨明
王孟夏
王成福
董晓明
苏亚
王勇
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202110752782.4A priority Critical patent/CN113394789B/zh
Publication of CN113394789A publication Critical patent/CN113394789A/zh
Application granted granted Critical
Publication of CN113394789B publication Critical patent/CN113394789B/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
    • H02J3/04—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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • 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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Abstract

本发明提供了一种考虑高比例可再生能源接入的电力系统一体化调度方法，构建多时间颗粒度模型，整合UC、ED和AGC中PFs三个部分，以电力系统总运行成本最小为优化目标，构建考虑高比例可再生能源接入的电力系统一体化调度模型；构建所述电力系统一体化调度模型的约束条件，得到满足各项约束条件的电力系统一体化调度优化模型；对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化，求解鲁棒优化后的电力系统一体化调度优化模型，得到最终调度方案。本发明可以消纳更多的可再生能源发电，减少切负荷量和弃风量，提高电力系统的安全性和经济性。

Description

考虑高比例可再生能源接入的电力系统一体化调度方法
技术领域
本发明属于电力系统资源调度技术领域，具体涉及一种考虑高比例可再生能源接入的电力系统一体化调度方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
传统的电力系统短期调度是基于分层机制实现的，分层机制依次优化不同的调度模块。对于具体的模块，不同国家的不同的系统运营商在其分层机制中选择不同的模块，如日前机组组合(UC)、日内机组组合(UC)、经济调度(ED)、自动发电控制(AGC)的参与因子(PFs)优化、AGC等。在顺序优化的分层机制中，前一个模块的输出被视为后一个模块的输入。随着顺序优化的进展，模块的相应时间分辨率变得更精细。
随着风力涡轮机(WT)和光伏(PV)等可再生能源(RES)渗透水平的不断提高，电力系统的不确定性显著增加。系统的高度不确定性会导致不同模块之间的连接问题，下一个模块将导致不经济甚至不可行的解决方案，因为在前一个模块中没有很好地捕获不确定性，这是由在前一个模块中相对较粗的时间分辨率引起的。因此，传统的顺序优化机制面临挑战。
为了解决高比例可再生能源接入下的电力系统短期调度问题，国内外学者开展了一系列广泛研究并取得了一些成果。针对可再生能源的随机性和波动性，为增强电力系统短期运行的可靠性，提高电力系统的旋转备用水平。增加快速响应机组的数量，以解决高比例可再生能源的不确定性和间歇性。研究如何提高更精确的风电和光伏预测技术，以降低电力系统的不确定性水平。研究使用具有小时级时间分辨率的滚动UC模型，以及时利用更新预测的信息来优化机组的启停状态。通过分析风电预测精度具有随时间尺度逐级提高的特性，基于“多级协调、逐级细化”的思想，将上一级的偏差由下一级来修正，提出多时间尺度调度优化模型。
但是，增加系统额外的备用和快速响应机组将显著增加投资成本；而更精确的可再生能源预测技术仍在探索中，现有技术水平下日前的风电预测误差一般为15％～25％；并且使用小时级时间颗粒度的滚动UC模型由于其相对较粗的时间分辨率，而不能很好地捕捉高比例可再生能源的不确定性；现有的国内多时间尺度调度研究，大都基于“多级协调、逐级细化”的思想，然而后一级的调节能力比上一级弱，倘若系统某一级调节能力不足，将不能得到全局最优，不能充分发挥各级之间的潜能。
发明内容
本发明为了解决上述问题，提出一种考虑高比例可再生能源接入的电力系统一体化调度方法，本发明将高比例可再生能源和负荷在系统节点注入引起的不确定性用区间表示，并建立了鲁棒优化模型，整个模型被化简为一个混合整数线性规划模型，整合了UC、ED和AGC中PFs三模块的优化，能够同时优化确定机组的启停状态、机组出力、PFs以及系统内各发电机组的备用，有助于充分挖掘和利用不同模块之间的协同潜力，可以解决不同模块之间的衔接问题，消纳更多的可再生能源发电，减少切负荷量和弃风量，提高电力系统的安全性和经济性。
根据一些实施例，本发明采用如下技术方案：
一种考虑高比例可再生能源接入的电力系统一体化调度方法，包括以下步骤：
构建多时间颗粒度模型，整合UC、ED和AGC中PFs三个部分，以电力系统总运行成本最小为优化目标，构建考虑高比例可再生能源接入的电力系统一体化调度模型；
构建所述电力系统一体化调度模型的约束条件，得到满足各项约束条件的电力系统一体化调度优化模型；
对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化，求解鲁棒优化后的电力系统一体化调度优化模型，得到最终调度方案。
作为可选择的具体实施方式，构建多时间颗粒度模型的具体过程包括在描述电力系统运行并及时更新的短期可再生能源的预测信息时，在优化最初的多个时间间隔中应用第一时间分辨率，在后面的优化间隔中应用了第二时间分辨率，第一时间分辨率精细度高于第二时间分辨率。
作为进一步的限定，以滚动方式运行，只有下一个时间间隔的结果是强制性的，其他时间间隔的结果非强制性的，每执行一次操作以后，基于新获得的优化结果及时更新初始条件。
作为可选择的具体实施方式，电力系统总运行成本包括运行成本、备用成本、弃风成本和负荷削减成本。
作为可选择的具体实施方式，所述约束条件包括机组启停逻辑约束、最小启停时间约束、初始最小启停时间约束、机组爬坡速率约束、机组初始爬坡速率约束、系统功率平衡约束、系统备用约束、参与因子约束、弃风量、失负荷量约束以及线路容量约束约束。
作为可选择的具体实施方式，对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化的具体过程包括：
根据鲁棒优化方法，将描述风电及负荷不确定性时引入的随机参数，进行鲁棒优化处理；
对约束中的非线性部分进行线性化处理，将原非线性模型改写为线性优化模型。
作为可选择的具体实施方式，利用混合整数线性规划算法求解鲁棒优化后的电力系统一体化调度优化模型。
一种考虑高比例可再生能源接入的电力系统一体化调度系统，包括：
一体化调度模型构建模块，被配置为构建多时间颗粒度模型，整合UC、ED和AGC中PFs三个部分，以电力系统总运行成本最小为优化目标，构建考虑高比例可再生能源接入的电力系统一体化调度模型；
约束模块，被配置为构建所述电力系统一体化调度模型的约束条件，得到满足各项约束条件的电力系统一体化调度优化模型；
优化计算模块，被配置为对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化，求解鲁棒优化后的电力系统一体化调度优化模型，得到最终调度方案。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述方法的步骤。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述方法的步骤。
与现有技术相比，本发明的有益效果为：
本发明构建了多时间分辨率模型，将多种时间分辨率在同一个模型同时进行优化调度。为了准确描述电力系统运行并及时更新的短期可再生能源的预测信息，在优化最初的几个时间间隔中应用更精细的时间分辨率；为了提高计算效率，在后面的优化间隔中应用了更粗的时间分辨率。
区别于传统的分层优化机制，本发明提出了一种考虑高比例可再生能源接入的电力系统一体化调度方法，该方法整合了传统的UC、ED和AGC中PFs优化三个模块，同时优化确定机组的启停状态、机组出力、参与因子以及系统内各发电机组的备用。
本发明将高比例可再生能源和负荷在系统节点注入引起的不确定性用区间表示，并建立了鲁棒优化模型，整个模型被化简为一个混合整数线性规划模型；使用单一的优化模型进行电力系统的调度，避免了传统调度方法的不同模块之间复杂的衔接问题，单纯使用初始条件控制，方便一体化调度的进行。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明的传统分层机制示意图；
图2是本发明的多时间分辨率模型及优化示意图。
图3是本发明的流程示意图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图3所示，本实施例的一种考虑高比例可再生能源接入的电力系统一体化调度优化方法，包括：
S101：本发明构建一种多时间颗粒度模型。
区别于传统的UC、ED和PFs模块使用单一的时间分辨率，随着优化的进行逐级细化，如图1所示。本发明将多种时间分辨率同时应用，具体的多时间分辨率模型，如图2所示。为了准确描述电力系统运行并及时更新的短期可再生能源的预测信息，在优化最初的几个时间间隔中应用更精细的时间分辨率。为了提高计算效率，在后面的优化间隔中应用了更粗的时间分辨率。
以滚动方式运行，只有下一个时间间隔的结果是强制性的，其他时间间隔的结果是参考和建议性的。每执行一次操作以后，基于新获得的优化结果及时更新初始条件。
在所述步骤S101中，对一体化调度中高比例可再生能源的不确定性进行建模；调度基础数据的输入，包括可再生能源的预测数据、机组的最小启停时间数据、负荷数据、机组数据及支路数据等。
具体地，在构建考虑高比例可再生能源接入的电力系统一体化调度模型的过程中，根据电力系统调度的相关机组的最小运行/关停时间，根据模型选择的不同多时间分辨率调整机组的最小运行/关停的时间间隔。
需要说明的是，多时间分辨率的时间尺度和种类的划分并不唯一，本领域技术人员可根据实际情况来具体选择。
S102：构建计及高比例可再生能源接入下电力系统一体化调度模型，包含UC、ED和AGC机组的PFs三个模块。
计及高比例可再生能源接入下电力系统一体化调度模型，同时优化机组状态、基点(BPs)、PFs和备用。计及电力系统的一体化调度运行模型中相关约束，包括功率平衡约束、机组启停逻辑约束、输电线路容量约束、机组出力约束等，得到满足各项约束条件的高比例可再生能源接入的电力系统一体化调度优化模型
本发明所提的高比例可再生能源接入下的电力系统一体化调度模型的研究对象为机组的启停状态、出力、PFs及备用。一体化调度模型的目标函数是使总成本最小化，总成本包括运行成本、备用成本、弃风成本和负荷削减成本，其目标函数可以具体表述如下：
Figure BDA0003145585030000081
其中，m：为负荷节点索引；w：为风机的索引；Ht：为优化时段的时长；NG：为发电机机组的集合；NM：为负荷节点的集合；NT：为一个研究周期内的优化总时段数；NWT：为风电场的集合；
Figure BDA0003145585030000091
为第i台发电机组的启动成本；
Figure BDA0003145585030000092
为第i台发电机组的关停成本；pi,t：为发电机组i在时段t内的输出功率；Ri,t：为第i台发电机组在第t时段内的备用；πi,t：为第i台发电机在第t时段内的备用单价；
Figure BDA0003145585030000093
为第i台发电机在第t时段内的切负荷惩罚单价；
Figure BDA0003145585030000094
为第i台发电机在第t时段内的弃风惩罚单价；
Figure BDA0003145585030000095
为第w风电场在第t时段内的弃风量；
Figure BDA0003145585030000096
为第m负荷节点在第t时段内的切负荷量；ui,t：为反应发电机组i在时段t内是否处于运行状态的二进制变量(运行为1，停运为0)；yi,t：为反应发电机组是否启动的二进制变量；zi,t：为反应发电机组是否关停的二进制变量；
高比例可再生能源接入下的电力系统一体化调度模型的约束条件包括：
机组启停逻辑约束、最小启停时间约束、初始最小启停时间约束、机组爬坡速率约束、机组初始爬坡速率约束、系统功率平衡约束、系统备用约束、参与因子约束、弃风量、失负荷量约束以及线路容量约束约束。
具体地，目标函数的约束条件为：
1)机组启停逻辑约束
Figure BDA0003145585030000101
Figure BDA0003145585030000102
约束(2)描述了机组的运行状态，与机组启动/关停标志位之间的关系。约束(3)确保机组i不能在同一时间间隔内启动或关停。
其中，
Figure BDA0003145585030000103
为发电机i的初始运行状态(运行为1，停运为0)；ICi：为机组i的初始已运行或者关停时间，正值表示机组已运行时长，负值表示机组已关停时长。
2)机组最小启停时间约束
Figure BDA0003145585030000104
Figure BDA0003145585030000105
约束(4)确保机组i在间隔t之前时间间隔内一直保持运行，如果它在先前的
Figure BDA0003145585030000106
间隔内启动的话。约束(5)确保机组i如果在先前的
Figure BDA0003145585030000107
间隔内关闭，则机组i在间隔t之前时间间隔内保持一直关机的状态。
此处应注意，最小上/下时间间隔将根据每个时间间隔的长度进行调整，当然，根据工作人员的需要选择不同的多时间分辨率模型，相应的最小启停时间约束需要进行修改。
其中，
Figure BDA0003145585030000111
为机组i在时刻t之前要满足最小运行、关停时间所持续的间隔，其为参数，大小根据机组不同时间启动而不同。
3)机组初始最小启停时间约束
Figure BDA0003145585030000112
Figure BDA0003145585030000113
约束(6)和(7)确保了机组的初始启动和关闭过程的可行性，该约束控制一体化调度模型的滚动进行，需要及时更新。
此处应注意，一体化调度每执行完一次，需要根据最小运行时间及时更新初始的最小运行时间约束。
其中，
Figure BDA0003145585030000114
为机组i要满足的最小运行、关停时间约束初始状态下所需要持续的间隔；
Figure BDA0003145585030000115
为机组i最小运行、关停时间，以机组最小运行的小时计。
4)机组爬坡速率约束
Figure BDA0003145585030000116
Figure BDA0003145585030000119
约束(8)和(9)描述了机组i的爬坡速率限制，需要注意的是，这两个约束的最后一项放宽了机组在启动和关停阶段的爬坡速率限制。
其中，
Figure BDA0003145585030000117
为机组i的最大上、下爬坡速率；
Figure BDA0003145585030000118
为机组i的输出功率上、下限。
5)机组初始爬坡速率约束
Figure BDA0003145585030000121
Figure BDA0003145585030000122
约束(10)和(11)对机组的初始状态的爬坡速率进行限制。在本发明中，第一个时间间隔的分辨率为15分钟，因此在约束(10)和(11)中将持续时间乘以0.25。
其中，pi,0：为机组i的初始输出功率。
6)机组出力约束
Figure BDA0003145585030000123
Figure BDA0003145585030000124
约束(12)和(13)规定了机组i的输出限制。
7)系统功率平衡约束
Figure BDA0003145585030000125
约束(14)确保电力系统在任意时间间隔内保持功率平衡。
其中，
Figure BDA0003145585030000126
为风电场w在t时段内的预测输出功率；dm,t：为负荷节点m在t时段内的预测需求功率。
8)备用约束
Figure BDA0003145585030000127
Figure BDA0003145585030000131
约束(15)和(16)表明，一个机组所能够提供的备用受机组的容量和爬坡速率的限制。
9)系统参与因子约束
Figure BDA0003145585030000132
Figure BDA0003145585030000133
约束(17)确保一个机组所能够提供的备用应该足够大，以覆盖节点的净负荷扰动的一定比例，该比例为PF。约束(18)确保AGC机组的所有PF的总和为1。
其中，ai,t：为发电机i在t时段内的参与因子；
Figure BDA0003145585030000134
为负荷节点m在t时段内的最大的波动范围上下限。
10)弃风量、切负荷量约束
Figure BDA0003145585030000135
Figure BDA0003145585030000136
约束(19)确保弃风量应小于或等于风电场的输出的预测值，约束条件(20)确保切负荷量也应小于或等于负荷的预测值。
11)线路容量约束
Figure BDA0003145585030000141
Figure BDA0003145585030000142
Figure BDA0003145585030000143
Figure BDA0003145585030000144
表达式(21)给出了基于发电转移因子和负荷转移因子的支路潮流表达式，在此，应该注意
Figure BDA00031455850300001411
是随机参数。约束(22)给出了支路潮流约束的上、下限。约束条件(23)表示在时间间隔t内，随机输出
Figure BDA0003145585030000145
与机组i的预测出力之间的关系。约束(24)确保根据PF将净负荷的不确定波动分配给AGC机组来应对。
其中，l：为线路索引；
Figure BDA0003145585030000146
为t时段内线路l的潮流；
Figure BDA0003145585030000147
为线路l的容量；Ml,i、Ml,w、Ml,m：为发电负荷转移因子；
Figure BDA0003145585030000148
为机组i在t时段内的不确定性出力；
Figure BDA0003145585030000149
为机组i在t时段由于净负荷波动而被迫变化的不确定性出力；
Figure BDA00031455850300001410
为负荷节点m在t时段净负荷波动的不确定量。
式(1)—(24)构成高比例可再生能源接入下的电力系统一体化调度的数学模型。
S103：提供一种考虑不确定性参数的处理方法，构建高比例可再生能源接入的电力系统一体化调度鲁棒优化模型。
需要注意的是在S102步骤中的数学模型，在描述风电及负荷不确定性时引入随机参数，因此需要将模型中的不确定随机参数进行处理。
将式(21)和式(23)—(24)代入式(22)，并将随机参数
Figure BDA0003145585030000151
移到表达式的左侧，式(21)—(24)可以重新表示为式(25)—(28)。
Figure BDA0003145585030000159
Figure BDA0003145585030000152
Figure BDA0003145585030000153
Figure BDA0003145585030000154
其中，
Figure BDA0003145585030000155
和
Figure BDA0003145585030000156
为辅助参数。
这里需要注意的是，约束(26)和(28)是线性表达式。随机参数
Figure BDA0003145585030000157
仅存在于约束(25)和(27)的左侧。为了消除约束(25)和(27)中的随机参数
Figure BDA0003145585030000158
在引入辅助变量xm,l,t和ym,l,t的基础上应用了Soyster方法，然后可以将约束(25)和(27)重新表述为约束条件(29)和(30)。
Figure BDA0003145585030000161
Figure BDA0003145585030000162
其中，xm,l,t和ym,l,t：为辅助变量。
因此，式(1)—(32)、式(38)、式(40)，以及式(41)—(42)共同构成高比例可再生能源接入下的电力系统一体化调度的鲁棒优化模型，整个优化模型转化为混合整数线性规划问题，可用现有商业软件GAMS(General Algebraic Modeling System)调用CPLEX求解器求解。
CPLEX是IBM公司中的一个优化引擎。该优化引擎用来求解线性规划(LP)、二次规划(QP)、带约束的二次规划(QCQP)、二阶锥规划(SOCP)等四类基本问题，以及相应的混合整数规划(MIP)问题。CPLEX具有的优势：(1)能解决一些非常困难的行业问题；(2)求解速度非常快；(3)有时还提供超线性加速功能的优势。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：包括以下步骤：
构建多时间颗粒度模型，整合UC、ED和AGC中PFs三个部分，以电力系统总运行成本最小为优化目标，构建考虑高比例可再生能源接入的电力系统一体化调度模型；
构建所述电力系统一体化调度模型的约束条件，得到满足各项约束条件的电力系统一体化调度优化模型；
对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化，求解鲁棒优化后的电力系统一体化调度优化模型，得到最终调度方案。
2.如权利要求1所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：构建多时间颗粒度模型的具体过程包括在描述电力系统运行并及时更新的短期可再生能源的预测信息时，在优化最初的多个时间间隔中应用第一时间分辨率，在后面的优化间隔中应用了第二时间分辨率，第一时间分辨率精细度高于第二时间分辨率。
3.如权利要求2所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：以滚动方式运行，只有下一个时间间隔的结果是强制性的，其他时间间隔的结果非强制性的，每执行一次操作以后，基于新获得的优化结果及时更新初始条件。
4.如权利要求1所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：电力系统总运行成本包括运行成本、备用成本、弃风成本和负荷削减成本。
5.如权利要求1所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：所述约束条件包括机组启停逻辑约束、最小启停时间约束、初始最小启停时间约束、机组爬坡速率约束、机组初始爬坡速率约束、系统功率平衡约束、系统备用约束、参与因子约束、弃风量、失负荷量约束以及线路容量约束约束。
6.如权利要求1所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化的具体过程包括：
根据鲁棒优化方法，将描述风电及负荷不确定性时引入的随机参数，进行鲁棒优化处理；
对约束中的非线性部分进行线性化处理，将原非线性模型改写为线性优化模型。
7.如权利要求1所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法，其特征是：利用混合整数线性规划算法求解鲁棒优化后的电力系统一体化调度优化模型。
8.一种考虑高比例可再生能源接入的电力系统一体化调度系统，其特征是：包括：
一体化调度模型构建模块，被配置为构建多时间颗粒度模型，整合UC、ED和AGC中PFs三个部分，
以电力系统总运行成本最小为优化目标，构建考虑高比例可再生能源接入的电力系统一体化调度模型；
约束模块，被配置为构建所述电力系统一体化调度模型的约束条件，得到满足各项约束条件的电力系统一体化调度优化模型；
优化计算模块，被配置为对电力系统一体化调度优化模型的约束中不确定性参数的进行鲁棒优化，求解鲁棒优化后的电力系统一体化调度优化模型，得到最终调度方案。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法的步骤。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种考虑高比例可再生能源接入的电力系统一体化调度方法的步骤。
CN202110752782.4A 2021-07-02 2021-07-02 考虑高比例可再生能源接入的电力系统一体化调度方法 Active CN113394789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110752782.4A CN113394789B (zh) 2021-07-02 2021-07-02 考虑高比例可再生能源接入的电力系统一体化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110752782.4A CN113394789B (zh) 2021-07-02 2021-07-02 考虑高比例可再生能源接入的电力系统一体化调度方法

Publications (2)

Publication Number Publication Date
CN113394789A true CN113394789A (zh) 2021-09-14
CN113394789B CN113394789B (zh) 2022-10-28

Family

ID=77625075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110752782.4A Active CN113394789B (zh) 2021-07-02 2021-07-02 考虑高比例可再生能源接入的电力系统一体化调度方法

Country Status (1)

Country Link
CN (1) CN113394789B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116599060A (zh) * 2023-07-18 2023-08-15 山东大学 一种主动配电网一体化调度方法、系统、终端设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN112597633A (zh) * 2020-12-04 2021-04-02 山东大学 考虑多故障场景的电力系统备用优化方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257129A (zh) * 2017-06-28 2017-10-17 国网山东省电力公司经济技术研究院 一种考虑电网结构灵活调整的鲁棒调度方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN112597633A (zh) * 2020-12-04 2021-04-02 山东大学 考虑多故障场景的电力系统备用优化方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
EMMANOUIL A. BAKIRTZIS.ET AL: "Multiple Time Resolution Stochastic Scheduling for Systems with High Renewable Penetration", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
张倩文 等: "含风电场电力系统的鲁棒优化调度", 《电网技术》 *
李鹏: "计及概率分布信息的电力系统鲁棒调度理论与算法研究", 《万方数据库》 *
梁捷: "计及风电消纳和电储能的电力系统优化调度", 《信息通信》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116599060A (zh) * 2023-07-18 2023-08-15 山东大学 一种主动配电网一体化调度方法、系统、终端设备及介质
CN116599060B (zh) * 2023-07-18 2023-11-21 山东大学 一种主动配电网一体化调度方法、系统、终端设备及介质

Also Published As

Publication number Publication date
CN113394789B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
US9026259B2 (en) Power generation optimization in microgrid including renewable power source
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
US20120310608A1 (en) Method for Scheduling Power Generators Based on Optimal Configurations and Approximate Dynamic Programming
Delarue et al. Adaptive mixed-integer programming unit commitment strategy for determining the value of forecasting
CN104299173B (zh) 一种适用于多种能源接入的鲁棒优化日前调度方法
CN111555281A (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN113394789B (zh) 考虑高比例可再生能源接入的电力系统一体化调度方法
Arrigo et al. Optimal power flow under uncertainty: An extensive out-of-sample analysis
Ma et al. Long-term coordination for hydro-thermal-wind-solar hybrid energy system of provincial power grid
CN115566680B (zh) 一种新能源电力系统时序生产模拟运行优化方法及装置
JP2017042032A (ja) エネルギーシステムのエネルギー生産を管理する方法、および関連する管理装置
CN115967128A (zh) 一种计及振动区的梯级水-光互补系统鲁棒日前调度方法
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
CN114781817A (zh) 电-气互联系统多时间尺度联合优化调度方法及系统
CN111799842B (zh) 一种考虑火电机组灵活性的多阶段输电网规划方法及系统
CN113708404A (zh) 基于自动强化学习多时段预测的孤立微电网优化调度方法
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
Su et al. A novel data-driven robust method applied to OPF with uncertain wind power
Tao et al. Retracted: Research on Power System Active Power Scheduling Strategy Adapted to Large-Scale Wind Power Grid-Connected
CN112818559B (zh) 基于随机微分方程的区域综合能源连续调度方法及其系统
Ma et al. A robust interval economic dispatch method accommodating significant wind power integration
Gui et al. Economic dispatch for wind farm using model predictive control method
CN113723717B (zh) 系统日前短期负荷预测方法、装置、设备和可读存储介质
CN115296345B (zh) 一种燃气发电机组启停-出力-备用联合优化方法及装置
Ruizeng et al. A two-stage robust optimization method based on the expected scenario for island microgrid energy management

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