CN113437744B - 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型 - Google Patents

考虑不确定性的光热-生物质混合电站鲁棒优化调度模型 Download PDF

Info

Publication number
CN113437744B
CN113437744B CN202110642917.1A CN202110642917A CN113437744B CN 113437744 B CN113437744 B CN 113437744B CN 202110642917 A CN202110642917 A CN 202110642917A CN 113437744 B CN113437744 B CN 113437744B
Authority
CN
China
Prior art keywords
power
thermal
power station
heat storage
heat
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110642917.1A
Other languages
English (en)
Other versions
CN113437744A (zh
Inventor
臧海祥
马铭欣
赵梓舒
卫志农
孙国强
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202110642917.1A priority Critical patent/CN113437744B/zh
Publication of CN113437744A publication Critical patent/CN113437744A/zh
Application granted granted Critical
Publication of CN113437744B publication Critical patent/CN113437744B/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
    • H02J3/008—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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开考虑不确定性的光热‑生物质混合电站鲁棒优化调度模型，步骤是：1)构建光热‑生物质混合电站参与电力市场调度运行确定性模型，输入混合电站各组分参数、成本系数、鲁棒系数；2)采用鲁棒优化方法处理混合电站运行面临的不确定性问题；3)为计算混合电站运行时的风险成本，在不确定参数波动区间内采用蒙特卡洛模拟法生成各种不确定参数的场景；4)计算混合电站运行风险成本并将其纳入目标函数；5)输出混合电站出力计划曲线和运行策略。本发明方法通过建立风险量化指标，平衡系统的鲁棒性与经济性，通过分析鲁棒系数对决策方案和预期利润的影响，来确定最优鲁棒系数选择方案，能够为混合电站运营商提供决策依据。

Description

考虑不确定性的光热-生物质混合电站鲁棒优化调度模型
技术领域
本发明属于电力系统电源调度领域，特别涉及考虑不确定性的光热-生物质混合电站鲁棒优化调度模型。
背景技术
近年来，能源危机和环境污染问题愈发严重，寻求可再生能源逐步代替化石能源已成为世界各国的共识。在能源替代发展过程中，光热发电凭借其良好的可控性和可调度性，受到了广泛的关注。光热发电未来有望成为我国主要清洁能源发电技术之一。
为了降低间歇性可再生能源发电对系统运行稳定性的影响，光热电站需配备大容量的储热系统，导致其综合发电成本高于主流发电方式，而光热-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。生物质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，提高系统运行灵活性，在国家节能减排政策的推广下，可得到较好的发展。此外，光热电站和生物质锅炉通过共享电厂设备，能更大程度地降低电厂投资成本。
2012年世界上第一座商业化生物质和光热耦合电站(Termosolar Borges电站)在西班牙投运，也证明了该混合模式的可行性。总体而言，有关光热-生物质混合电站的研究尚处于起步阶段，虽然在热力学仿真方面已有部分研究成果，但在并网调度优化、电力市场竞标策略等方面的研究较少。
发明内容
发明目的：针对以上问题，本发明提出考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，能够有效处理混合电站参与市场运行过程中的不确定性，制定合理的调度运行决策方案。
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：考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，包括如下步骤：
步骤1，综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本以及系统运行约束，构建考虑光热-生物质混合电站参与市场运行确定性优化调度模型；输入原始数据；所述运行约束条件包括：功率平衡约束、光热电站运行约束、生物质锅炉运行约束、风电场运行约束；所述原始数据包括：电力市场价格、负荷、风电功率、光热功率上下限，混合电站各组分参数、成本系数、鲁棒系数；
步骤2，针对混合电站运行面临的电力市场价格、负荷、风电功率、光热功率不确定性问题，在确定性优化调度模型的基础上，采用鲁棒优化方法处理不确定问题，构建光热-生物质混合电站参与电力市场鲁棒优化调度模型，并采用GAMS中CPLEX求解器求解该鲁棒优化模型；
步骤3，在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略。
进一步，所述步骤1建立了光热-生物质混合电站参与市场运行确定性优化调度模型，包括以下步骤：
步骤1.1：光热-生物质混合电站作为独立运营商，参与电力市场运行，其目标为净利润最大；本发明综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本，目标函数如下：
Figure BDA0003107760340000021
其中，Ft em为混合电站t时段参与电力市场所获得的利润；Ft hy为混合电站t时段并网运行所带来的环境效益；Ft curt为混合电站在t时段的弃风、弃光惩罚成本；Ft wind、Ft sf和Ftes分别为混合电站中风电场、光场和储热系统t时段的运行维护成本；Ft bio为混合电站中生物质锅炉t时段的运行维护和燃料总成本；每部分的具体表达式如下：t为时间的索引，T表示总时段数。
1)电力市场收益
混合电站在满足负荷需求的同时，能参与电力市场，获得一定的经济收益；
Ft em＝λt emPt em (2)
式中：λt em表示t时段电力市场的价格；Pt em表示t时段混合电站在电力市场的竞标量；
2)混合电站环境效益
风电、光热电站等清洁能源并网运行时，会相应减少燃煤电站的并网发电量，降低硫、硝等环境污染物的排放，由此将会产生一定的环境效益；
Ft hy＝ρcspPt pb+ρwPt w (3)
式中：ρcsp、ρw分别表示光热电站和风电并网的环境效益系数；Pt pb为t时段功率模块输出电功率；Pt w分别为t时段风电场上网电功率；
3)弃风、弃光惩罚成本
风光等可再生能源在并网运行时，不可避免地会发生弃风、弃光情况，从而产生弃风、弃光惩罚成本；
Ft curt＝λcspPt sc+λwPt wc (4)
式中：λcsp、λw分别为弃光、弃风惩罚系数；Pt sc、Pt wc分别为t时段混合电站光场弃光、风电场弃风功率；
4)风电场运行维护成本
风力发电属于可再生能源发电，发电过程中虽不消耗化石燃料，但风机运行过程中会产生维护成本；风电场运行维护成本与其输出功率近似成线性关系[15]，表示为：
Ft wind＝OMw(Pt we+Pt w) (5)
式中：OMw为风电场单位运行维护成本系数；Pt we为t时段风电场到电热转换器的输出功率；
5)光场运行维护成本
光场的运行维护成本与光热电站输出热功率近似成线性关系，表示如下：
Ft sf＝OMsfPt shηpb (6)
式中：OMsf为光场单位运行维护成本系数；Pt sh为t时段光场总可用热功率；ηpb为功率模块的综合热电转换效率；
6)储热系统运行维护成本
光热电站储热系统的运行维护成本与其放热功率有关，计算公式为：
Ft tes＝OMtesPt outηpb (7)
式中：OMtes为储热系统单位运行维护成本系数；Pt out为储热系统在t时段放热功率；
7)生物质锅炉运行维护及燃料总成本
生物质锅炉的运行维护成本与其输出电功率近似呈线性关系；此外，生物质锅炉运行过程中会产生燃料成本；生物质锅炉的总成本表示如下：
Ft bio＝OMbioPt bioηpb+λbioPt bioηpb (8)
式中：OMbio是生物质锅炉的单位运行维护成本；λbio是生物质锅炉燃料的单位成本；Pt bio为t时段生物质锅炉产热功率；
步骤1.2：构建光热-生物质混合电站参与市场运行确定性优化调度模型的约束条件，所述约束条件包括：
1)功率平衡约束
混合电站产生的电功率需要满足负荷需求，电功率差额可参与电力市场获得收益，即：
Pt pb+Pt w＝Pt em+Pt l (9)
式中：Pt pb、Pt w分别为t时段功率模块输出电功率、风电场上网电功率；Pt em、Pt l分别为t时段混合电站在电力市场的竞标功率和系统负荷；
2)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，光场产热功率表示如下：
Figure BDA0003107760340000048
式中：
Figure BDA0003107760340000047
为t时段光场产热功率；Pt solar为t时段光场接收的太阳总辐射功率；ηsf为光场的综合光热转换效率；
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：
Figure BDA0003107760340000046
Figure BDA0003107760340000049
式中：Pt sc是混合电站光场在t时段的弃光功率；
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：
Figure BDA0003107760340000041
式中：
Figure BDA0003107760340000042
为储热系统在t+1时段的储热量；
Figure BDA0003107760340000043
为储热系统在t时段的储热量；ηtes为储热系统的热量耗散系数；Pt in为t时段储热系统在的储热功率；Pt out为t时段储热系统的放热功率；
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 (14)
Figure BDA0003107760340000044
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：
Figure BDA0003107760340000045
Figure BDA0003107760340000051
式中：
Figure BDA0003107760340000052
和
Figure BDA0003107760340000053
为t时段储热系统的最大储热和放热功率；布尔变量
Figure BDA0003107760340000054
和
Figure BDA0003107760340000055
分别表示储热系统在t时段是否储热和放热，是则置1，否则置0；
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：
Figure BDA0003107760340000056
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：
Figure BDA0003107760340000057
Figure BDA0003107760340000058
式中：
Figure BDA0003107760340000059
和
Figure BDA00031077603400000510
为储热系统最大和最小储热容量；
Figure BDA00031077603400000511
和
Figure BDA00031077603400000512
是储热系统初始和末期储热容量；
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：
Figure BDA00031077603400000513
Figure BDA00031077603400000514
Figure BDA00031077603400000521
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；
Figure BDA00031077603400000515
为功率模块启动时消耗的热功率；布尔变量
Figure BDA00031077603400000516
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：
Figure BDA00031077603400000517
Figure BDA00031077603400000518
Figure BDA00031077603400000519
Figure BDA00031077603400000520
式中：
Figure BDA0003107760340000061
和
Figure BDA0003107760340000062
分别为光热电站功率模块的最大、最小输出功率；ru pb和
Figure BDA0003107760340000063
分别为功率模块的向上、向下爬坡速率；
Figure BDA0003107760340000064
和
Figure BDA0003107760340000065
分别为功率模块的最小开机、停机时间；
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 (28)
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：
Figure BDA0003107760340000066
Figure BDA0003107760340000067
式中：Pt bio为t时段生物质锅炉燃烧产生的热功率；
Figure BDA00031077603400000619
为生物质锅炉的热效率；qb为生物质的热值；mb,t为t时段燃烧消耗的生物质质量；Mb为生物质燃料的最大质量；
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：
Figure BDA0003107760340000068
Figure BDA0003107760340000069
Figure BDA00031077603400000620
Figure BDA00031077603400000610
Figure BDA00031077603400000611
Figure BDA00031077603400000612
式中：
Figure BDA00031077603400000613
和
Figure BDA00031077603400000614
分别为生物质锅炉最大、最小输出热功率；布尔变量
Figure BDA00031077603400000615
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；
Figure BDA00031077603400000621
和
Figure BDA00031077603400000616
分别为生物质锅炉向上、向下爬坡速率；
Figure BDA00031077603400000617
和
Figure BDA00031077603400000618
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 (37)
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 (38)
0≤Pt w≤Pt wind (39)
0≤Pt wc≤Pt wind (40)
Pt et＝ηwPt we (41)
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；Pt w为风电场在t时段的上网电功率；Pt wc为风电场在t时段的弃风功率；ηw为电热转换器的综合电热转换效率。
进一步，所述步骤2针对混合电站运行面临的电力市场价格、负荷、风电功率、光热功率不确定性问题，在确定性优化调度模型的基础上，采用鲁棒优化方法处理不确定问题，构建光热-生物质混合电站参与电力市场鲁棒优化调度模型，包括以下步骤：
步骤2.1：不确定性处理；混合电站参与电力市场运行时面临着光热功率、风电功率、电力市场价格、负荷等不确定因素，忽略这些不确定因素将会造成调度策略适用性差的问题；本发明采用鲁棒优化方法处理不确定性问题；为方便说明，下面以xij表示不确定性参数，即：
Figure BDA0003107760340000071
其中
Figure BDA0003107760340000072
和
Figure BDA0003107760340000073
为表示不确定参数引入的变量，分别如下式所示：
Figure BDA0003107760340000074
Figure BDA0003107760340000075
式中：
Figure BDA0003107760340000076
和x ij分别表示的是不确定参数的上限和下限；
则(42)表示为：
Figure BDA0003107760340000077
即认为不确定性参数xij在其上下限区间范围内波动；
上述不确定参数表示方法虽然考虑了参数处于最不利的情况，且由此所做的决策具有很强的保守性，但有失经济性；为此引入鲁棒系数Γ，此时式(42)表示为：
Figure BDA0003107760340000078
式中：Γ∈[0,|J|]，J为不确定性参数的集合；
因此，光热功率的不确定性区间表示为：
Figure BDA0003107760340000081
其中
Figure BDA0003107760340000082
和
Figure BDA0003107760340000083
为表示不确定参数-光热功率所引入的变量，分别如下式所示：
Figure BDA0003107760340000084
Figure BDA0003107760340000085
式中：
Figure BDA0003107760340000086
和P t solar分别表示t时段光热功率的上限和下限；Γt solar表示的是t时段光热功率的鲁棒系数，Γt solar∈[0,|Jt solar|]；由于t时段光热电站光场出力仅含一个不确定性参数Pt solar，因而|Jt solar|＝1，Γt solar∈[0,1]；
电力市场价格的不确定性区间表示为：
Figure BDA0003107760340000087
其中
Figure BDA0003107760340000088
和
Figure BDA0003107760340000089
为表示不确定参数-电力市场价格所引入的变量，分别如下式所示：
Figure BDA00031077603400000810
Figure BDA00031077603400000811
式中：
Figure BDA00031077603400000812
和
Figure BDA00031077603400000818
分别表示t时段电力市场价格的上限和下限；Γem表示电力市场价格的鲁棒系数，用来控制市场价格的保守程度；Γem∈[0,|Jem|]，其中Jem为目标函数中所有电价不确定性参数的集合，因而|Jem|＝24，Γem∈[0,24]；
此外，风电功率、负荷的不确定区间形式与光热功率一致，不再赘述；
步骤2.2：鲁棒优化模型；采用鲁棒优化方法处理风电功率、光热功率、电力市场价格、负荷的不确定性，具体的目标函数和相关约束如下所示：
1)目标函数
Figure BDA00031077603400000813
2)鲁棒约束
Figure BDA00031077603400000814
Figure BDA00031077603400000815
Figure BDA00031077603400000816
Figure BDA00031077603400000817
Figure BDA0003107760340000091
Figure BDA0003107760340000092
Figure BDA0003107760340000093
Figure BDA0003107760340000098
Figure BDA0003107760340000094
式中：
Figure BDA0003107760340000095
为引入的鲁棒辅助系数，均为正数。
进一步，所述步骤3在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略；包括以下步骤：
步骤3.1：在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景。
步骤3.2：计算混合电站运行风险成本；当鲁棒系数Γ≤|J|时，不确定参数所在的区间无法涵盖所有不确定参数的变化情况，会给系统运行造成一定的风险，且鲁棒系数越小，风险越大；混合电站面临的风险对应的风险成本为：
Ft risk＝λriskPt risk (63)
式中：λrisk为混合电站的失负荷罚金；Pt risk为混合电站在t时段的失负荷量，当混合电站出力能够满足负荷需求时，失负荷量为0，当混合电站出力无法满足负荷需求时，失负荷量为：
Pt risk＝Pt em+Pt l-Pt w-Pt pb (64)
由于蒙特卡洛生成场景具有随机性，所对应的失负荷量也不尽相同；采用期望值E(Pt risk)来表示t时段混合电站运行的失负荷量，即：
Figure BDA0003107760340000096
式中：s为场景的索引，S为蒙塔卡洛随机生成的总场景数；
Figure BDA0003107760340000097
为t时段场景s的失负荷量。
步骤3.3：将混合电站运行时的风险成本纳入目标函数，即为混合电站计及风险后的运行利润；输出混合电站参与电力市场出力计划曲线和运行策略。
本发明提出电力市场环境下光热-生物质混合电站鲁棒优化调度模型，该模型综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本以及系统运行约束等因素。针对混合电站面临的不确定因素和由此带来的风险问题，采用鲁棒优化方法处理风电功率、光热功率、负荷和电力市场价格的不确定性，并建立风险量化指标，平衡系统的鲁棒性与经济性。在此基础上，通过分析鲁棒系数对决策方案和预期利润的影响，来确定最优鲁棒系数选择方案，为混合电站运营商提供决策依据。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：本发明考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，能够有效处理混合电站参与市场运行过程中的不确定性，制定合理的调度运行决策方案，填补光热-生物质混合电站参与市场运行方面的空白。
附图说明
图1是混合电站光热功率、风电功率、系统负荷、电力市场电价上下限及其使用蒙特卡洛随机生成的30种场景；
图2是鲁棒系数对混合电站利润的影响情况图；
图3是鲁棒系数对混合电站竞标量的影响情况图；
图4是鲁棒系数对生物质锅炉到储热系统、到功率模块功率的影响情况图；
图5是混合电站各组分运行策略图；
图6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。
如图1所示，本发明考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，包括以下步骤：
步骤1，综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本以及系统运行约束，构建考虑光热-生物质混合电站参与市场运行确定性优化调度模型；输入原始数据；所述运行约束条件包括：功率平衡约束、光热电站运行约束、生物质锅炉运行约束、风电场运行约束；所述原始数据包括：电力市场价格、负荷、风电功率、光热功率上下限，混合电站各组分参数、成本系数、鲁棒系数；
步骤2，针对混合电站运行面临的电力市场价格、负荷、风电功率、光热功率不确定性问题，在确定性优化调度模型的基础上，采用鲁棒优化方法处理不确定问题，构建光热-生物质混合电站参与电力市场鲁棒优化调度模型，并采用GAMS中CPLEX求解器求解该鲁棒优化模型；
步骤3，在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略。
采用优化建模软件GAMS对考虑不确定性的光热-生物质混合电站参与电力市场鲁棒模型进行编程求解，结果表明：混合电站根据市场电价进行灵活调度，可以有效提高VPP利润。通过鲁棒优化方法可以有效处理混合电站运行过程中的不确定性，制定合理的调度运行决策方案，为混合电站运营商提供合理的决策依据。
所述步骤1建立了光热-生物质混合电站参与市场运行确定性优化调度模型，包括以下步骤：
步骤1.1：光热-生物质混合电站作为独立运营商，参与电力市场运行，其目标为净利润最大；本发明综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本，目标函数如下：
Figure BDA0003107760340000111
其中，Ft em为混合电站t时段参与电力市场所获得的利润；Ft hy为混合电站t时段并网运行所带来的环境效益；Ft curt为混合电站在t时段的弃风、弃光惩罚成本；Ft wind、Ft sf和Ftes分别为混合电站中风电场、光场和储热系统t时段的运行维护成本；Ft bio为混合电站中生物质锅炉t时段的运行维护和燃料总成本；每部分的具体表达式如下：t为时间的索引，T表示总时段数。
1)电力市场收益
混合电站在满足负荷需求的同时，能参与电力市场，获得一定的经济收益；
Ft em＝λt emPt em (2)
式中：λt em表示t时段电力市场的价格；Pt em表示t时段混合电站在电力市场的竞标量；
2)混合电站环境效益
风电、光热电站等清洁能源并网运行时，会相应减少燃煤电站的并网发电量，降低硫、硝等环境污染物的排放，由此将会产生一定的环境效益；
Ft hy＝ρcspPt pb+ρwPt w (3)
式中：ρcsp、ρw分别表示光热电站和风电并网的环境效益系数；Pt pb为t时段功率模块输出电功率；Pt w分别为t时段风电场上网电功率；
3)弃风、弃光惩罚成本
风光等可再生能源在并网运行时，不可避免地会发生弃风、弃光情况，从而产生弃风、弃光惩罚成本；
Ft curt＝λcspPt sc+λwPt wc (4)
式中：λcsp、λw分别为弃光、弃风惩罚系数；Pt sc、Pt wc分别为t时段混合电站光场弃光、风电场弃风功率；
4)风电场运行维护成本
风力发电属于可再生能源发电，发电过程中虽不消耗化石燃料，但风机运行过程中会产生维护成本；风电场运行维护成本与其输出功率近似成线性关系[15]，表示为：
Ft wind＝OMw(Pt we+Pt w) (5)
式中：OMw为风电场单位运行维护成本系数；Pt we为t时段风电场到电热转换器的输出功率；
5)光场运行维护成本
光场的运行维护成本与光热电站输出热功率近似成线性关系，表示如下：
Ft sf＝OMsfPt shηpb (6)
式中：OMsf为光场单位运行维护成本系数；Pt sh为t时段光场总可用热功率；ηpb为功率模块的综合热电转换效率；
6)储热系统运行维护成本
光热电站储热系统的运行维护成本与其放热功率有关，计算公式为：
Ft tes＝OMtesPt outηpb (7)
式中：OMtes为储热系统单位运行维护成本系数；Pt out为储热系统在t时段放热功率；
7)生物质锅炉运行维护及燃料总成本
生物质锅炉的运行维护成本与其输出电功率近似呈线性关系；此外，生物质锅炉运行过程中会产生燃料成本；生物质锅炉的总成本表示如下：
Ft bio＝OMbioPt bioηpb+λbioPt bioηpb (8)
式中：OMbio是生物质锅炉的单位运行维护成本；λbio是生物质锅炉燃料的单位成本；Pt bio为t时段生物质锅炉产热功率；
步骤1.2：构建光热-生物质混合电站参与市场运行确定性优化调度模型的约束条件，所述约束条件包括：
1)功率平衡约束
混合电站产生的电功率需要满足负荷需求，电功率差额可参与电力市场获得收益，即：
Pt pb+Pt w＝Pt em+Pt l (9)
式中：Pt pb、Pt w分别为t时段功率模块输出电功率、风电场上网电功率；Pt em、Pt l分别为t时段混合电站在电力市场的竞标功率和系统负荷；
2)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，光场产热功率表示如下：
Figure BDA0003107760340000135
式中：
Figure BDA0003107760340000137
为t时段光场产热功率；Pt solar为t时段光场接收的太阳总辐射功率；ηsf为光场的综合光热转换效率；
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：
Figure BDA0003107760340000134
Figure BDA0003107760340000136
式中：Pt sc是混合电站光场在t时段的弃光功率；
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：
Figure BDA0003107760340000131
式中：
Figure BDA0003107760340000132
为储热系统在t+1时段的储热量；
Figure BDA0003107760340000138
为储热系统在t时段的储热量；ηtes为储热系统的热量耗散系数；Pt in为t时段储热系统在的储热功率；Pt out为t时段储热系统的放热功率；
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 (14)
Figure BDA0003107760340000133
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：
Figure BDA0003107760340000141
Figure BDA0003107760340000142
式中：
Figure BDA0003107760340000143
和
Figure BDA0003107760340000144
为t时段储热系统的最大储热和放热功率；布尔变量
Figure BDA00031077603400001419
和
Figure BDA00031077603400001420
分别表示储热系统在t时段是否储热和放热，是则置1，否则置0；
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：
Figure BDA0003107760340000145
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：
Figure BDA0003107760340000146
Figure BDA0003107760340000147
式中：
Figure BDA0003107760340000148
和
Figure BDA0003107760340000149
为储热系统最大和最小储热容量；
Figure BDA00031077603400001410
和
Figure BDA00031077603400001411
是储热系统初始和末期储热容量；
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：
Figure BDA00031077603400001412
Figure BDA00031077603400001413
Figure BDA00031077603400001421
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；
Figure BDA00031077603400001414
为功率模块启动时消耗的热功率；布尔变量
Figure BDA00031077603400001415
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：
Figure BDA00031077603400001416
Figure BDA00031077603400001417
Figure BDA00031077603400001418
Figure BDA0003107760340000151
式中：
Figure BDA0003107760340000152
和
Figure BDA0003107760340000153
分别为光热电站功率模块的最大、最小输出功率；
Figure BDA00031077603400001520
和
Figure BDA00031077603400001521
分别为功率模块的向上、向下爬坡速率；
Figure BDA0003107760340000154
和
Figure BDA0003107760340000155
分别为功率模块的最小开机、停机时间；
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 (28)
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：
Figure BDA0003107760340000156
Figure BDA0003107760340000157
式中：Pt bio为t时段生物质锅炉燃烧产生的热功率；
Figure BDA0003107760340000158
为生物质锅炉的热效率；qb为生物质的热值；mb,t为t时段燃烧消耗的生物质质量；Mb为生物质燃料的最大质量；
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：
Figure BDA0003107760340000159
Figure BDA00031077603400001510
Figure BDA00031077603400001522
Figure BDA00031077603400001517
Figure BDA00031077603400001511
Figure BDA00031077603400001512
式中：
Figure BDA00031077603400001513
和
Figure BDA00031077603400001514
分别为生物质锅炉最大、最小输出热功率；布尔变量rt bio、
Figure BDA00031077603400001523
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；
Figure BDA00031077603400001518
和
Figure BDA00031077603400001519
分别为生物质锅炉向上、向下爬坡速率；
Figure BDA00031077603400001515
和
Figure BDA00031077603400001516
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 (37)
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 (38)
0≤Pt w≤Pt wind (39)
0≤Pt wc≤Pt wind (40)
Pt et＝ηwPt we (41)
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；Pt w为风电场在t时段的上网电功率；Pt wc为风电场在t时段的弃风功率；ηw为电热转换器的综合电热转换效率。
所述步骤2针对混合电站运行面临的电力市场价格、负荷、风电功率、光热功率不确定性问题，在确定性优化调度模型的基础上，采用鲁棒优化方法处理不确定问题，构建光热-生物质混合电站参与电力市场鲁棒优化调度模型，包括以下步骤：
步骤2.1：不确定性处理；混合电站参与电力市场运行时面临着光热功率、风电功率、电力市场价格、负荷等不确定因素，忽略这些不确定因素将会造成调度策略适用性差的问题；本发明采用鲁棒优化方法处理不确定性问题；为方便说明，下面以xij表示不确定性参数，即：
Figure BDA0003107760340000161
其中
Figure BDA0003107760340000162
和
Figure BDA0003107760340000163
为表示不确定参数引入的变量，分别如下式所示：
Figure BDA0003107760340000164
Figure BDA0003107760340000165
式中：
Figure BDA0003107760340000166
和xij分别表示的是不确定参数的上限和下限；
则(42)表示为：
Figure BDA0003107760340000167
即认为不确定性参数xij在其上下限区间范围内波动；
上述不确定参数表示方法虽然考虑了参数处于最不利的情况，且由此所做的决策具有很强的保守性，但有失经济性；为此引入鲁棒系数Γ，此时式(42)表示为：
Figure BDA0003107760340000168
式中：Γ∈[0,|J|]，J为不确定性参数的集合；
因此，光热功率的不确定性区间表示为：
Figure BDA0003107760340000171
其中
Figure BDA0003107760340000172
和
Figure BDA0003107760340000173
为表示不确定参数-光热功率所引入的变量，分别如下式所示：
Figure BDA0003107760340000174
Figure BDA0003107760340000175
式中：
Figure BDA0003107760340000176
和P t solar分别表示t时段光热功率的上限和下限；Γt solar表示的是t时段光热功率的鲁棒系数，Γt solar∈[0,|Jt solar|]；由于t时段光热电站光场出力仅含一个不确定性参数Pt solar，因而|Jt solar|＝1，Γt solar∈[0,1]；
电力市场价格的不确定性区间表示为：
Figure BDA0003107760340000177
其中
Figure BDA0003107760340000178
和
Figure BDA0003107760340000179
为表示不确定参数-电力市场价格所引入的变量，分别如下式所示：
Figure BDA00031077603400001710
Figure BDA00031077603400001711
式中：
Figure BDA00031077603400001712
和
Figure BDA00031077603400001718
分别表示t时段电力市场价格的上限和下限；Γem表示电力市场价格的鲁棒系数，用来控制市场价格的保守程度；Γem∈[0,|Jem|]，其中Jem为目标函数中所有电价不确定性参数的集合，因而|Jem|＝24，Γem∈[0,24]；
此外，风电功率、负荷的不确定区间形式与光热功率一致，不再赘述；
步骤2.2：鲁棒优化模型；采用鲁棒优化方法处理风电功率、光热功率、电力市场价格、负荷的不确定性，具体的目标函数和相关约束如下所示：
1)目标函数
Figure BDA00031077603400001713
2)鲁棒约束
Figure BDA00031077603400001714
Figure BDA00031077603400001715
Figure BDA00031077603400001716
Figure BDA00031077603400001717
Figure BDA0003107760340000181
Figure BDA0003107760340000182
Figure BDA0003107760340000183
Figure BDA0003107760340000184
Figure BDA0003107760340000185
式中：
Figure BDA0003107760340000186
为引入的鲁棒辅助系数，均为正数。
所述步骤3在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略；包括以下步骤：
步骤3.1：在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景。
步骤3.2：计算混合电站运行风险成本；当鲁棒系数Γ≤|J|时，不确定参数所在的区间无法涵盖所有不确定参数的变化情况，会给系统运行造成一定的风险，且鲁棒系数越小，风险越大；混合电站面临的风险对应的风险成本为：
Ft risk＝λriskPt risk (63)
式中：λrisk为混合电站的失负荷罚金；Pt risk为混合电站在t时段的失负荷量，当混合电站出力能够满足负荷需求时，失负荷量为0，当混合电站出力无法满足负荷需求时，失负荷量为：
Pt risk＝Pt em+Pt l-Pt w-Pt pb (64)
由于蒙特卡洛生成场景具有随机性，所对应的失负荷量也不尽相同；采用期望值E(Pt risk)来表示t时段混合电站运行的失负荷量，即：
Figure BDA0003107760340000187
式中：s为场景的索引，S为蒙塔卡洛随机生成的总场景数；
Figure BDA0003107760340000188
为t时段场景s的失负荷量。
步骤3.3：将混合电站运行时的风险成本纳入目标函数，即为混合电站计及风险后的运行利润；输出混合电站参与电力市场出力计划曲线和运行策略。
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，混合电站各组分运行维护成本参数见表4，光热功率、风电功率、系统负荷、电力市场电价上下限及其使用蒙特卡洛随机生成的30种场景分别如图1(a)-(d)所示。
表1光热电站相关设备参数
Figure BDA0003107760340000191
表2风电场相关设备参数
Figure BDA0003107760340000192
表3生物质锅炉相关参数
Figure BDA0003107760340000193
表4混合电站运行维护成本参数
Figure BDA0003107760340000194
Figure BDA0003107760340000201
采用优化建模软件GAMS对该鲁棒模型进行编程求解，混合电站运行时鲁棒系数对利润的影响如图2所示。可以看出，不计风险时，混合电站的利润随着系统鲁棒系数的增加呈现逐渐降低的趋势，这是由于，随着鲁棒系数的增加，决策的保守性增加，从而导致混合电站在电力市场的竞标量减少，进而降低了经济性。当鲁棒系数为100％时，系统鲁棒性最强，但由于此时混合电站的决策过于保守，混合电站的利润最低。而计及风险后，混合电站的利润随着鲁棒系数的提高呈现先增大后减小的趋势，且在鲁棒系数为20％时达到最大值。这是由于，鲁棒系数的增大提高了系统的鲁棒性，降低了失负荷风险，使得风险成本降低，混合电的利润有所提高。而当鲁棒系数继续增大时，混合电站风险成本的降低不足以弥补混合电站在电力市场减少的收益，表现为混合电站的总利润降低。
图3表示鲁棒系数为0％(确定化优化模型)、鲁棒系数为20％、鲁棒系数为100％时混合电站在电力市场竞标量情况。可以看出，基于决策的保守性，鲁棒优化模型中混合电站在电力市场的竞标量小于确定化模型，且鲁棒系数越大，决策越保守，混合电站在电力市场的竞标量越少。当鲁棒系数为100％时，混合电站在部分时段几乎不向电力市场售电。
图4(a)和(b)为鲁棒系数对生物质锅炉到储热系统、到功率模块功率的影响情况。可以看出，当鲁棒系数为0(即确定化模型)时，由于生物质锅炉的发电成本较低，生物质锅炉一直保持着满负荷的状态运行，且在电力市场电价较低的1：00-6：00和15：00-16：00时段，生物质锅炉的热功率以热能的形式储存在储热系统中。在电力市场价格较高的7：00-14：00和17：00-19：00时段，热能通过功率模块进行发电，以获得更高的电力市场收益。
为研究混合电站各组成部分参与电力市场时的运行策略，以鲁棒系数为20％为例，对优化结果进行分析，具体结果如图5所示。可以看出，在1：00-7：00时段，当光场的热功率为0时，风电场的电功率主要用于满足负荷需求，剩余的电功率参与电力市场竞标。在8：00-18：00时段，当光场的热功率增多时，功率模块开始输出电功率以满足负荷增加和电力市场竞标的需求，且当电力市场价格较高时，功率模块维持在高输出功率状态，以获得更大的市场收益。
以上仿真结果验证了本发明的有效性和实用性。该发明使混合电站能够根据市场电价进行灵活调度，可以有效提高VPP利润。通过鲁棒优化方法可以有效处理混合电站运行过程中的不确定性，制定合理的调度运行决策方案，为混合电站运营商提供合理的决策依据。
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 (4)

1.考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，其特征在于：该方法包括以下步骤：
步骤1，综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本以及系统运行约束，构建考虑光热-生物质混合电站参与市场运行确定性优化调度模型；输入原始数据；所述运行约束条件包括：功率平衡约束、光热电站运行约束、生物质锅炉运行约束、风电场运行约束；所述原始数据包括：电力市场价格、负荷、风电功率、光热功率上下限，混合电站各组分参数、成本系数、鲁棒系数；
步骤2，针对混合电站运行面临的电力市场价格、负荷、风电功率、光热功率不确定性问题，在确定性优化调度模型的基础上，采用鲁棒优化方法处理不确定问题，构建光热-生物质混合电站参与电力市场鲁棒优化调度模型，并采用GAMS中CPLEX求解器求解该鲁棒优化模型；
步骤3，在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略；
其中所述步骤1建立了光热-生物质混合电站参与市场运行确定性优化调度模型，包括以下步骤：
光热-生物质混合电站作为独立运营商，参与电力市场运行，其目标为净利润最大；综合考虑混合电站参与电力市场所获利润、并网运行环境效益、风光削减惩罚成本、各组分运行维护成本，目标函数如下：
Figure FDA0003390204240000011
其中，
Figure FDA0003390204240000012
为混合电站t时段参与电力市场所获得的利润；
Figure FDA0003390204240000013
为混合电站t时段并网运行所带来的环境效益；
Figure FDA0003390204240000014
为混合电站在t时段的弃风、弃光惩罚成本；
Figure FDA0003390204240000015
和Ftes分别为混合电站中风电场、光场和储热系统t时段的运行维护成本；
Figure FDA0003390204240000016
为混合电站中生物质锅炉t时段的运行维护和燃料总成本；每部分的具体表达式如下：
1)电力市场收益
混合电站在满足负荷需求的同时，参与电力市场，获得经济收益；
Figure FDA0003390204240000017
式中：
Figure FDA0003390204240000018
表示t时段电力市场的价格；
Figure FDA0003390204240000019
表示t时段混合电站在电力市场的竞标量；
2)混合电站环境效益
风电、光热电站等清洁能源并网运行时，会相应减少燃煤电站的并网发电量，降低硫、硝等环境污染物的排放，由此将会产生一定的环境效益；
Figure FDA0003390204240000021
式中：ρcsp、ρw分别表示光热电站和风电并网的环境效益系数；
Figure FDA0003390204240000022
为t时段功率模块输出电功率；
Figure FDA0003390204240000023
分别为t时段风电场上网电功率；
3)弃风、弃光惩罚成本
Figure FDA0003390204240000024
式中：λcsp、λw分别为弃光、弃风惩罚系数；
Figure FDA0003390204240000025
分别为t时段混合电站光场弃光、风电场弃风功率；
4)风电场运行维护成本
风电场运行维护成本与其输出功率近似成线性关系，表示为：
Figure FDA0003390204240000026
式中：OMw为风电场单位运行维护成本系数；
Figure FDA0003390204240000027
为t时段风电场到电热转换器的输出功率；
5)光场运行维护成本
光场的运行维护成本与光热电站输出热功率近似成线性关系，表示如下：
Figure FDA0003390204240000028
式中：OMsf为光场单位运行维护成本系数；
Figure FDA0003390204240000029
为t时段光场总可用热功率；ηpb为功率模块的综合热电转换效率；
6)储热系统运行维护成本
光热电站储热系统的运行维护成本与其放热功率有关，计算公式为：
Figure FDA00033902042400000210
式中：OMtes为储热系统单位运行维护成本系数；
Figure FDA00033902042400000211
为储热系统在t时段放热功率；
7)生物质锅炉运行维护及燃料总成本
生物质锅炉的运行维护成本与其输出电功率近似呈线性关系；此外，生物质锅炉运行过程中会产生燃料成本；生物质锅炉的总成本表示如下：
Figure FDA00033902042400000212
式中：OMbio是生物质锅炉的单位运行维护成本；λbio是生物质锅炉燃料的单位成本；
Figure FDA00033902042400000213
为t时段生物质锅炉产热功率；
t为时间的索引，T表示总时段数。
2.根据权利要求1所述的考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，其特征在于：所述的步骤1中，构建光热-生物质混合电站参与市场运行确定性优化调度模型的约束条件，所述约束条件包括：
1)功率平衡约束
混合电站产生的电功率需要满足负荷需求，电功率差额参与电力市场获得收益，即：
Figure FDA0003390204240000031
式中：
Figure FDA0003390204240000032
分别为t时段功率模块输出电功率、风电场上网电功率；
Figure FDA0003390204240000033
分别为t时段混合电站在电力市场的竞标功率和系统负荷；
2)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，光场产热功率表示如下：
Figure FDA0003390204240000034
式中：
Figure FDA0003390204240000035
为t时段光场产热功率；
Figure FDA0003390204240000036
为t时段光场接收的太阳总辐射功率；ηsf为光场的综合光热转换效率；
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：
Figure FDA0003390204240000037
Figure FDA0003390204240000038
式中：
Figure FDA0003390204240000039
是混合电站光场在t时段的弃光功率；
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：
Figure FDA00033902042400000310
式中：
Figure FDA00033902042400000311
为储热系统在t+1时段的储热量；
Figure FDA00033902042400000312
为储热系统在t时段的储热量；ηtes为储热系统的热量耗散系数；
Figure FDA00033902042400000313
为t时段储热系统的储热功率；
Figure FDA00033902042400000314
为t时段储热系统的放热功率；
储热系统在储放热过程中伴随着热量损失，表示如下：
Figure FDA00033902042400000315
Figure FDA00033902042400000316
式中：ηc为储热系统的储热效率；ηd为储热系统的放热效率；
Figure FDA00033902042400000317
为t时段风电场电热转换器到储热系统的输出热功率；
Figure FDA0003390204240000041
为t时段生物质锅炉到储热系统的输出热功率；
Figure FDA0003390204240000042
为t时段储热系统到热流体传递系统热功率、热流体传递系统到储热系统热功率；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：
Figure FDA0003390204240000043
Figure FDA0003390204240000044
式中：
Figure FDA0003390204240000045
和
Figure FDA0003390204240000046
为t时段储热系统的最大储热和放热功率；布尔变量
Figure FDA0003390204240000047
和
Figure FDA0003390204240000048
分别表示储热系统在t时段是否储热和放热，是则置1，否则置0；
对储热系统的储热、放热状态进行约束，即：
Figure FDA0003390204240000049
储热系统在一个调度周期内始末储热量相等，即：
Figure FDA00033902042400000410
Figure FDA00033902042400000411
式中：
Figure FDA00033902042400000412
和
Figure FDA00033902042400000413
为储热系统最大和最小储热容量；
Figure FDA00033902042400000414
和
Figure FDA00033902042400000415
是储热系统初始和末期储热容量；
c.功率模块运行约束
功率模块的热电转换功率平衡方程表示如下：
Figure FDA00033902042400000416
Figure FDA00033902042400000417
Figure FDA00033902042400000418
式中：
Figure FDA00033902042400000419
为t时段热流体到功率模块的热功率；
Figure FDA00033902042400000420
为t时段生物质锅炉到功率模块的热功率；
Figure FDA00033902042400000421
为功率模块启动时消耗的热功率；布尔变量
Figure FDA00033902042400000422
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：
Figure FDA00033902042400000423
Figure FDA00033902042400000424
Figure FDA00033902042400000425
Figure FDA00033902042400000426
式中：
Figure FDA0003390204240000051
和
Figure FDA0003390204240000052
分别为光热电站功率模块的最大、最小输出功率；
Figure FDA0003390204240000053
和
Figure FDA0003390204240000054
分别为功率模块的向上、向下爬坡速率；
Figure FDA0003390204240000055
和
Figure FDA0003390204240000056
分别为功率模块的最小开机、停机时间；
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：
Figure FDA0003390204240000057
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：
Figure FDA0003390204240000058
Figure FDA0003390204240000059
式中：
Figure FDA00033902042400000510
为t时段生物质锅炉燃烧产生的热功率；
Figure FDA00033902042400000511
为生物质锅炉的热效率；qb为生物质的热值；mb,t为t时段燃烧消耗的生物质质量；Mb为生物质燃料的最大质量；
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：
Figure FDA00033902042400000512
Figure FDA00033902042400000513
Figure FDA00033902042400000514
Figure FDA00033902042400000515
Figure FDA00033902042400000516
Figure FDA00033902042400000517
式中：
Figure FDA00033902042400000518
和
Figure FDA00033902042400000519
分别为生物质锅炉最大、最小输出热功率；布尔变量
Figure FDA00033902042400000520
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；
Figure FDA00033902042400000521
和
Figure FDA00033902042400000522
分别为生物质锅炉向上、向下爬坡速率；
Figure FDA00033902042400000523
和
Figure FDA00033902042400000524
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，其功率平衡方程式为：
Figure FDA00033902042400000525
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：
Figure FDA0003390204240000061
Figure FDA0003390204240000062
Figure FDA0003390204240000063
Figure FDA0003390204240000064
式中：
Figure FDA0003390204240000065
为风电场在t时段的电功率；
Figure FDA0003390204240000066
为风电场在t时段到电热转换器的电功率；
Figure FDA0003390204240000067
为风电场在t时段的上网电功率；
Figure FDA0003390204240000068
为风电场在t时段的弃风功率；ηw为电热转换器的综合电热转换效率。
3.根据权利要求1所述的考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，其特征在于：所述步骤2具体包括以下步骤：
步骤2.1：不确定性处理；混合电站参与电力市场运行时面临着光热功率、风电功率、电力市场价格、负荷等不确定因素，忽略这些不确定因素将会造成调度策略适用性差的问题；采用鲁棒优化方法处理不确定性问题；以xij表示不确定性参数，即：
Figure FDA0003390204240000069
其中
Figure FDA00033902042400000610
和
Figure FDA00033902042400000611
为表示不确定参数引入的变量，分别如下式所示：
Figure FDA00033902042400000612
Figure FDA00033902042400000613
式中：
Figure FDA00033902042400000614
和x ij分别表示的是不确定参数的上限和下限；
则(42)表示为：
Figure FDA00033902042400000615
即认为不确定性参数xij在其上下限区间范围内波动；
引入鲁棒系数Γ，此时式(42)表示为：
Figure FDA00033902042400000616
式中：Γ∈[0,|J|]，J为不确定性参数的集合；
光热功率的不确定性区间表示为：
Figure FDA00033902042400000617
其中
Figure FDA00033902042400000618
和
Figure FDA00033902042400000619
为表示不确定参数-光热功率所引入的变量，分别如下式所示：
Figure FDA00033902042400000620
Figure FDA0003390204240000071
式中：
Figure FDA0003390204240000072
和
Figure FDA0003390204240000073
分别表示t时段光热功率的上限和下限；
Figure FDA0003390204240000074
表示的是t时段光热功率的鲁棒系数，
Figure FDA0003390204240000075
由于t时段光热电站光场出力仅含一个不确定性参数
Figure FDA0003390204240000076
因而
Figure FDA0003390204240000077
电力市场价格的不确定性区间表示为：
Figure FDA0003390204240000078
其中
Figure FDA0003390204240000079
和
Figure FDA00033902042400000710
为表示不确定参数-电力市场价格所引入的变量，分别如下式所示：
Figure FDA00033902042400000711
Figure FDA00033902042400000712
式中：
Figure FDA00033902042400000713
和
Figure FDA00033902042400000714
分别表示t时段电力市场价格的上限和下限；Γem表示电力市场价格的鲁棒系数，用来控制市场价格的保守程度；Γem∈[0,|Jem|]，其中Jem为目标函数中所有电价不确定性参数的集合，因而|Jem|＝24，Γem∈[0,24]；
此外，风电功率、负荷的不确定区间形式与光热功率一致；
步骤2.2：鲁棒优化模型；采用鲁棒优化方法处理风电功率、光热功率、电力市场价格、负荷的不确定性，具体的目标函数和相关约束如下所示：
1)目标函数
Figure FDA00033902042400000715
2)鲁棒约束
Figure FDA00033902042400000716
Figure FDA00033902042400000717
Figure FDA00033902042400000718
Figure FDA00033902042400000719
Figure FDA00033902042400000720
Figure FDA00033902042400000721
Figure FDA00033902042400000722
Figure FDA0003390204240000081
Figure FDA0003390204240000082
式中：
Figure FDA0003390204240000083
为引入的鲁棒辅助系数，均为正数；
4.根据权利要求1所述的考虑不确定性的光热-生物质混合电站鲁棒优化调度模型，其特征在于：所述步骤3在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；计算混合电站运行风险成本并将其纳入目标函数，即为混合电站计及风险后的运行利润，输出混合电站参与电力市场出力计划曲线和运行策略；包括以下步骤：
在不确定参数波动区间内采用蒙特卡洛模拟法生成电力市场电价、风电功率、光热功率、负荷的场景；
计算混合电站运行风险成本；当鲁棒系数Γ≤|J|时，不确定参数所在的区间无法涵盖所有不确定参数的变化情况，会给系统运行造成一定的风险，且鲁棒系数越小，风险越大；混合电站面临的风险对应的风险成本为：
Figure FDA0003390204240000084
式中：λrisk为混合电站的失负荷罚金；
Figure FDA0003390204240000085
为混合电站在t时段的失负荷量，当混合电站出力能够满足负荷需求时，失负荷量为0，当混合电站出力无法满足负荷需求时，失负荷量为：
Figure FDA0003390204240000086
由于蒙特卡洛生成场景具有随机性，所对应的失负荷量也不尽相同；采用期望值
Figure FDA0003390204240000087
来表示t时段混合电站运行的失负荷量，即：
Figure FDA0003390204240000088
式中：s为场景的索引，S为蒙塔卡洛随机生成的总场景数；
Figure FDA0003390204240000089
为t时段场景s的失负荷量；
将混合电站运行时的风险成本纳入目标函数，即为混合电站计及风险后的运行利润；输出混合电站参与电力市场出力计划曲线和运行策略。
CN202110642917.1A 2021-06-09 2021-06-09 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型 Active CN113437744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110642917.1A CN113437744B (zh) 2021-06-09 2021-06-09 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110642917.1A CN113437744B (zh) 2021-06-09 2021-06-09 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型

Publications (2)

Publication Number Publication Date
CN113437744A CN113437744A (zh) 2021-09-24
CN113437744B true CN113437744B (zh) 2022-02-01

Family

ID=77755460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110642917.1A Active CN113437744B (zh) 2021-06-09 2021-06-09 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型

Country Status (1)

Country Link
CN (1) CN113437744B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115021406B (zh) * 2022-06-27 2023-04-07 合肥原力众合能源科技有限公司 一种整合经济性模型预测控制的微电网控制器

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127389A (zh) * 2016-06-24 2016-11-16 河海大学 一种虚拟电厂热电联合调度鲁棒优化模型
CN106786793B (zh) * 2016-12-14 2019-04-09 东南大学 一种基于鲁棒优化的冷热电联供型微网运行方法
CN106845701B (zh) * 2017-01-11 2019-11-08 东南大学 一种基于热网和房屋热惯性的综合能源系统优化方法
CN108428013A (zh) * 2018-03-19 2018-08-21 广东电网有限责任公司电力科学研究院 一种含热储能的光热电站多市场鲁棒投标方法
CN110571789B (zh) * 2018-06-06 2020-10-20 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN109727158B (zh) * 2019-01-25 2020-12-18 燕山大学 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN110910047A (zh) * 2019-12-07 2020-03-24 国家电网有限公司 一种电热耦合微能源站随机调度优化方法
CN111740408B (zh) * 2020-06-19 2023-03-14 中国电建集团青海省电力设计院有限公司 一种基于鲁棒随机模型的光热电站最优报价决策方法
CN112800619B (zh) * 2021-02-09 2022-08-05 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
CN112906988B (zh) * 2021-03-29 2024-04-02 东南大学 一种多能源建筑系统鲁棒双层协调调度的方法

Also Published As

Publication number Publication date
CN113437744A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN109523065B (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
Troy et al. Multi-mode operation of combined-cycle gas turbines with increasing wind penetration
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
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
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
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
CN110826773B (zh) 一种考虑新能源接入的火电机组月度发电计划优化方法
CN110007600A (zh) 一种具有约束的多能流协调调度辅助决策系统
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
CN113256045A (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
CN113779783B (zh) 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN113435095A (zh) 一种用于综合能源系统的优化调度的方法及系统
CN109586284A (zh) 考虑弃能约束的送端电力系统随机生产模拟方法及应用
Qin et al. Robust optimal dispatching of integrated electricity and gas system considering refined power-to-gas model under the dual carbon target
CN114936720A (zh) 一种源-荷-储协调的综合能源系统低碳经济调度方法
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN117350419A (zh) 计及柔性负荷和碳流的园区综合能源系统优化运行方法
CN116187648A (zh) 基于热电解耦的虚拟电厂热电联合优化调度方法
CN112308411A (zh) 基于动态碳交易模型的综合能源站随机规划方法及系统
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
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
CN112365034B (zh) 一种电热综合能源系统调度方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant