CN113452041A - 一种新能源场站的调频方法及系统 - Google Patents

一种新能源场站的调频方法及系统 Download PDF

Info

Publication number
CN113452041A
CN113452041A CN202110955090.XA CN202110955090A CN113452041A CN 113452041 A CN113452041 A CN 113452041A CN 202110955090 A CN202110955090 A CN 202110955090A CN 113452041 A CN113452041 A CN 113452041A
Authority
CN
China
Prior art keywords
power
new energy
frequency modulation
mileage
energy station
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
CN202110955090.XA
Other languages
English (en)
Other versions
CN113452041B (zh
Inventor
何廷一
马红升
吴水军
周鑫
沐润志
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202110955090.XA priority Critical patent/CN113452041B/zh
Publication of CN113452041A publication Critical patent/CN113452041A/zh
Application granted granted Critical
Publication of CN113452041B publication Critical patent/CN113452041B/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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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

Abstract

本申请涉及电力系统控制技术领域，提供一种新能源场站的调频方法及系统。通过获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，根据调节功率和实际功率，得到新能源场站功率响应总偏差，功率响应总偏差为调节功率与实际功率的差；根据调频里程和调频里程单价，得到新能源场站的调频里程费用；根据功率响应总偏差和调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。本申请提供的一种新能源场站的调频方法及系统，可以合理的分配调频资源，经济有效。

Description

一种新能源场站的调频方法及系统
技术领域
本申请涉及电力系统控制技术领域，尤其涉及一种新能源场站的调频方法及系统。
背景技术
随着化石能源的使用，环境污染问题日益突出，以环保和可再生为特质的新能源越来越被重视，为了大力推广新能源，在电网中，越来越多的新能源场站被并入电网，而当新能源场站并入电网时，新能源场站中的发电机组将功率控制在低于最大功率点附近，留有一定的备用容量参与到电网调频。
在电网调频时，电网的频率一旦偏离额定值，新能源场站的控制系统就控制有功功率的增减，限制电网频率变化，从而实现电网频率的稳定。例如：当电网频率升高时，新能源场站快速减少有功功率，当电网频率降低时，新能源场站快速增加有功功率。在调频过程中，不可避免的会产生功率响应总偏差以及调频里程费用，所述功率响应总偏差为调频过程中，根据频率分配至新能源机组的功率与实际新能源机组产生功率的偏差，所述调频里程费用随调频里程的增长而增长。
而如何分配调频资源，现有技术中，传统的数学优化方法全局搜索能力差，难以获得全局最优解；而非支配排序遗传算法、多目标粒子群优化算法等智能优化算法虽然全局搜索能力强，但是，在面对复杂的多目标非线性优化问题时，求解速度较慢，难以满足较大规模区域电网的调频需求，这些传统的调频方法，未考虑调频里程费用和功率响应总偏差。
发明内容
本申请提供一种新能源场站的调频方法及系统，旨在调频过程中，获取调频里程费用和功率响应总偏差最小，对应的新能源场站的输出功率。
本申请第一方面，提供一种新能源场站的调频方法，包括：
获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，所述调节功率，为新能源场站参与调频时，对新能源场站下达的调频指令对应的调节功率。
根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差。
根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用。
根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
可选的，所述功率响应总偏差通过以下模型获得,具体为：
Figure BDA0003220178950000011
Figure BDA0003220178950000012
ΔPc(k)为所述调节功率，
Figure BDA0003220178950000021
为所述实际功率，Pi为新能源机组的功率响应总偏差，P为新能源场站的功率响应总偏差。
可选的，其特征在于，所述调频里程费用通过以下模型获得，具体为：
Figure BDA0003220178950000022
Figure BDA0003220178950000023
Figure BDA0003220178950000024
γ为调频里程单价；
Figure BDA0003220178950000025
为绩效评分；
Figure BDA0003220178950000026
为任一台新能源机组在第k个控制周期的实时输出总功率；
Figure BDA0003220178950000027
为1个控制周期的调节里程输出，Ri为任一台新能源机组的调频里程费用，R为新能源场站的调频里程费用。
可选的，在利用所述最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站中各新能源机组的输出功率的步骤中，所述最小折中模型具体为：
Figure BDA0003220178950000028
其中，N为变量个数，n为种群数目，第i列种群代表第i台新能源机组的输出功率，进一步的，其上下界为：
ub＝[ub1,…,ubi]
lb＝[lb1,…,lbi]
其中，ub为第i台新能源机组输出功率的上界，lb为第i台新能源机组输出功率的下界；
对Y进行评估，得到相应的适应度函数，调频里程费用和功率响应总偏差，对调频里程费用和功率响应总偏差进行排序，将最优解置于Y的最顶部，对向量Y更新，从而完成迭代，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
可选的，所述迭代步骤中，利用所述折中模型中的藤壶算法，获取以调频里程费用和功率响应总偏差作为目标函数的帕累托前沿，并通过基于熵权法设计的灰靶决策法可以客观地选择折中解，并将新能源场站的实时调节总功率ΔP分配到各个调频机组。
本申请第二方面，提供一种新能源场站的调频系统，所述调频系统，包括：获取模块、功率响应总偏差模块、调频里程费用模块和输出功率模块。
所述获取模块，用于获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价。
所述功率响应总偏差模块，用于根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差。
所述调频里程费用模块，用于根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用。
所述输出功率模块，用于根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
可选的，所述功率响应总偏差通过以下模型获得,具体为：
Figure BDA0003220178950000031
Figure BDA0003220178950000032
ΔPc(k)为所述调节功率，
Figure BDA0003220178950000033
为所述实际功率，Pi为新能源机组的功率响应总偏差，P为新能源场站的功率响应总偏差。
可选的，所述调频里程费用通过以下模型获得，具体为：
Figure BDA0003220178950000034
Figure BDA0003220178950000035
Figure BDA0003220178950000036
γ为调频里程单价；
Figure BDA0003220178950000037
为绩效评分；
Figure BDA0003220178950000038
为任一台新能源机组在第k个控制周期的实时输出总功率；
Figure BDA0003220178950000039
为1个控制周期的调节里程输出，Ri为任一台新能源机组的调频里程费用，R为新能源场站的调频里程费用。
可选的，在利用所述最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站中各新能源机组的输出功率的步骤中，所述最小折中模型具体为：
Figure BDA00032201789500000310
其中，N为变量个数，n为种群数目，第i列种群代表第i台新能源机组的输出功率，进一步的，其上下界为：
ub＝[ub1,…,ubi]
lb＝[lb1,…,lbi]
其中，ub为第i台新能源机组输出功率的上界，lb为第i台新能源机组输出功率的下界；
对Y进行评估，得到相应的适应度函数，调频里程费用和功率响应总偏差，对调频里程费用和功率响应总偏差进行排序，将最优解置于Y的最顶部，对向量Y更新，从而完成迭代，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
可选的，所述迭代步骤中，利用所述折中模型中的藤壶算法，获取以调频里程费用和功率响应总偏差作为目标函数的帕累托前沿，并通过基于熵权法设计的灰靶决策法可以客观地选择折中解，并将新能源场站的实时调节总功率ΔP分配到各个调频机组。
由以上技术方案可知，本申请提供的一种新能源场站的调频方法及系统，通过获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差；根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。本申请提供的一种新能源场站的调频方法及系统，可以获取调频里程费用和功率响应总偏差最小，对应的新能源场站的输出功率，合理的分配调频资源，经济有效。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于藤壶交配算法新能源场站的调频方法流程图；
图2为本申请实施例提供的基于藤壶交配算法新能源场站的调频系统框架图。
具体实施方式
以下对本申请的具体实施方式进行详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，为本申请实施例提供的基于藤壶交配算法新能源场站的调频方法流程图。
本申请实施例第一方面，提供一种新能源场站的调频方法，包括：
S101，获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，所述调节功率，为新能源场站参与调频时，对新能源场站下达的调频指令对应的调节功率。
S102，根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差。
其中，所述功率响应总偏差通过以下模型获得,具体为：
Figure BDA0003220178950000041
Figure BDA0003220178950000042
ΔPc(k)为所述调节功率，
Figure BDA0003220178950000043
为所述实际功率，Pi为新能源机组的功率响应总偏差，P为新能源场站的功率响应总偏差。
S103，根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用。
其中，可选的，所述调频里程费用通过以下模型获得，具体为：
Figure BDA0003220178950000044
Figure BDA0003220178950000045
Figure BDA0003220178950000046
γ为调频里程单价；
Figure BDA0003220178950000047
为绩效评分；
Figure BDA0003220178950000048
为任一台新能源机组在第k个控制周期的实时输出总功率；
Figure BDA0003220178950000049
为1个控制周期的调节里程输出，Ri为任一台新能源机组的调频里程费用，R为新能源场站的调频里程费用。
S104，根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
其中，在利用所述最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站中各新能源机组的输出功率的步骤中，所述最小折中模型具体为：
Figure BDA0003220178950000051
其中，N为变量个数，n为种群数目，第i列种群代表第i台新能源机组的输出功率，进一步的，其上下界为：
ub＝[ub1，...，ubi]
lb＝[lb1，...，lbi]
其中，ub为第i台新能源机组输出功率的上界，lb为第i台新能源机组输出功率的下界；
对Y进行评估，得到相应的适应度函数，调频里程费用和功率响应总偏差，对调频里程费用和功率响应总偏差进行排序，将最优解置于Y的最顶部，对向量Y更新，从而完成迭代，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
其中，所述迭代步骤中，利用所述折中模型中的藤壶算法，获取以调频里程费用和功率响应总偏差作为目标函数的帕累托前沿，并通过基于熵权法设计的灰靶决策法可以客观地选择折中解，并将新能源场站的实时调节总功率ΔP分配到各个调频机组
其中，藤壶算法的迭代过程具体为以下步骤：
S1041，选择过程：
藤壶是自侏罗纪时代就存在的微生物，大多数藤壶雌雄同体，这意味着它们有雄性和雌性繁殖。为了应对潮汐变化和久坐不动的生活方式，它们的生殖器可以达到身长的7～8倍，生殖器所能接触到的所有邻居和潜在的配偶竞争者就构成了其交配种群，因此生殖器长度变化在确定交配种群大小和局部交配竞争中起到重要作用。
选择过程基于以下假设模仿了藤壶的行为：
选择过程是随机的，但它会被限制在藤壶的生殖器长度，pl。每只藤壶可以提供自己的精子，也可以接受其他藤壶的精子，而且每只藤壶一次只能与一只藤壶受精。如果在某一时刻，选择过程选择了同一只藤壶，这意味着应该发生了自交配或自受精。如果在特定迭代中选择的pl大于已设置的pl，则进行远程授精过程。
由于最优解位于候选解Y的最顶部。现在假设pl＝7，那么在某一次迭代中，藤壶1只能与藤壶2～7中的一个进行交配，如果藤壶1选择了超过7的藤壶，那么将不会执行正常的交配过程，因此子代的产生是通过远程授精过程进行的。选择过程的数学形式如下：
barnacle_d＝randperm(n)
barnacle_m＝randperm(n)
其中randperm(n)为barnacle_d和barnacle_m交配的父代，n为种群大小。
S1042，繁殖操作：
藤壶算法主要根据Hardy-Weinberg原理，研究藤壶父代在产生子代时的遗传特征或基因型频率。藤壶的父代产生新的子代变量可表示为：
Figure BDA0003220178950000052
其中p为[0，1]内均匀分布的随机数，
Figure BDA0003220178950000053
和
Figure BDA0003220178950000054
分别为父亲藤壶和母亲藤壶的变量。
当要交配的藤壶的选择超过了预期的pl值时，就会发生远程授精，可表示为：
Figure BDA0003220178950000061
其中rand为[0，1]内的随机数。
Figure BDA0003220178950000062
即第i个变量完成一次迭代后的数值。
S1043，灰靶决策法设计：
基于藤壶算法获得的帕累托前沿X为一个n行m列的矩阵，可将X中各解的绝对值作为决策指标之一，亦可作为帕累托前沿的单位解输出，如下表示：
X′(i，j)＝|X(i，j)|，i＝1，2，..，n，j＝1，2，...，N
本申请旨在降低总功率偏差和调频里程费用，其两个目标函数值可分别设置为F1和F2。另外，本发明引入了一个表示X′中每个解到原点的欧几里德距离的矩阵D，如下所示：
Figure BDA0003220178950000063
至此，评估指标一共由(m+3)个构成，即m个帕累托前沿单位解的输出，两个目标函数值以及欧氏距离平方D。进一步，可将其用矩阵表示为：
X″＝[X′ F1 F2 D]
S1044，靶心矢量设计：
基于奖励最好、惩罚最差原则的算子Zj的计算如下：
Figure BDA0003220178950000064
值得注意的是，所有指标均大于0，且指标越小，代表解的质量更佳，决策矩阵V可表示为：
Figure BDA0003220178950000065
进一步，决策矩阵可改写为V＝(vij)n×(m+3)，
Figure BDA0003220178950000066
Figure BDA0003220178950000067
因此，靶心向量可定义为
Figure BDA0003220178950000068
S1045，靶心设计：
本发明基于熵权法，设计了灰靶决策法来更客观地选择折中解以及得到各个目标函数之间的权重，其中，权重yij和熵值Ej可由下式计算：
Figure BDA0003220178950000069
Figure BDA00032201789500000610
Figure BDA00032201789500000611
根据靶心向量
Figure BDA00032201789500000612
每个解的靶心距离可表示为：
Figure BDA00032201789500000613
至此，靶心距离最小的解，便可选择为折中解，作为最优的功率分配方案。
由以上技术方案可知，本申请实施例提供的一种新能源场站的调频方法及系统，通过获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差；根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。本申请提供的一种新能源场站的调频方法及系统，可以获取调频里程费用和功率响应总偏差最小，对应的新能源场站的输出功率，合理的分配调频资源，经济有效。
参见图2，为本申请实施例提供的基于藤壶交配算法新能源场站的调频系统框架图。
本申请实施例第二方面，提供一种新能源场站的调频系统，所述调频系统，包括：获取模块、功率响应总偏差模块、调频里程费用模块和输出功率模块。
所述获取模块，用于获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价。
所述功率响应总偏差模块，用于根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差。
所述调频里程费用模块，用于根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用。
所述输出功率模块，用于根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
将新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价输入进所述获取模块，所述获取模块将所述调节功率和所述实际功率传递至所述功率响应总偏差模块，所述功率响应总偏差模块根据所述调节功率和实际功率，得到新能源场站功率响应总偏差；所述获取模块将所述调频里程和所述调频里程单价传递至所述调频里程费用模块，并根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；所述功率响应总偏差模块将所述功率响应总偏差传递至所述输出功率模块，所述调频里程费用模块将所述调频里程费用传递至所述输出功率模块，所述输出功率模块根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
由以上技术方案可知，本申请实施例提供的一种新能源场站的调频方法及系统，通过获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差；根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。本申请提供的一种新能源场站的调频方法及系统，可以获取调频里程费用和功率响应总偏差最小，对应的新能源场站的输出功率，合理的分配调频资源，经济有效。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种新能源场站的调频方法，其特征在于，包括：
获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价，所述调节功率，为新能源场站参与调频时，对新能源场站下达的调频指令对应的调节功率；
根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差；
根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；
根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
2.根据权利要求1所述的一种新能源场站的调频方法，其特征在于，所述功率响应总偏差通过以下模型获得,具体为：
Figure FDA0003220178940000011
Figure FDA0003220178940000012
ΔPc(k)为所述调节功率，
Figure FDA0003220178940000013
为所述实际功率，Pi为新能源机组的功率响应总偏差，P为新能源场站的功率响应总偏差。
3.根据权利要求1所述的一种新能源场站的调频方法，其特征在于，所述调频里程费用通过以下模型获得，具体为：
Figure FDA0003220178940000014
Figure FDA0003220178940000015
Figure FDA0003220178940000016
γ为调频里程单价；
Figure FDA0003220178940000017
为绩效评分；
Figure FDA0003220178940000018
为任一台新能源机组在第k个控制周期的实时输出总功率；
Figure FDA0003220178940000019
为1个控制周期的调节里程输出，Ri为任一台新能源机组的调频里程费用，R为新能源场站的调频里程费用。
4.根据权利要求1所述的一种新能源场站的调频方法，其特征在于，在利用所述最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站中各新能源机组的输出功率的步骤中，所述最小折中模型具体为：
Figure FDA0003220178940000021
其中，N为变量个数，n为种群数目，第i列种群代表第i台新能源机组的输出功率，进一步的，其上下界为：
ub＝[ub1,…,ubi]
lb＝[lb1,…,lbi]
其中，ub为第i台新能源机组输出功率的上界，lb为第i台新能源机组输出功率的下界；
对Y进行评估，得到相应的适应度函数，调频里程费用和功率响应总偏差，对调频里程费用和功率响应总偏差进行排序，将最优解置于Y的最顶部，对向量Y更新，从而完成迭代，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
5.根据权利要求4所述的一种新能源场站的调频方法，其特征在于，所述迭代步骤中，利用所述折中模型中的藤壶算法，获取以调频里程费用和功率响应总偏差作为目标函数的帕累托前沿，并通过基于熵权法设计的灰靶决策法可以客观地选择折中解，并将新能源场站的实时调节总功率ΔP分配到各个调频机组。
6.一种新能源场站的调频系统，其特征在于，所述一种新能源场站的调频系统，用于执行权利要求1-5所述的一种新能源场站的调频方法，包括：获取模块、功率响应总偏差模块、调频里程费用模块和输出功率模块；
所述获取模块，用于获取新能源场站任一调频周期的调节功率、实际功率、调频里程、调频里程单价；
所述功率响应总偏差模块，用于根据所述调节功率和实际功率，得到新能源场站功率响应总偏差，所述功率响应总偏差为所述调节功率与所述实际功率的差；
所述调频里程费用模块，用于根据所述调频里程和调频里程单价，得到新能源场站的调频里程费用；
所述输出功率模块，用于根据所述功率响应总偏差和所述调频里程费用，利用预先建立的最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
7.一种新能源场站的调频系统，其特征在于，所述功率响应总偏差通过以下模型获得,具体为：
Figure FDA0003220178940000022
Figure FDA0003220178940000023
ΔPc(k)为所述调节功率，
Figure FDA0003220178940000024
为所述实际功率，Pi为新能源机组的功率响应总偏差，P为新能源场站的功率响应总偏差。
8.一种新能源场站的调频系统，其特征在于，所述调频里程费用通过以下模型获得，具体为：
Figure FDA0003220178940000031
Figure FDA0003220178940000032
Figure FDA0003220178940000033
γ为调频里程单价；
Figure FDA0003220178940000034
为绩效评分；
Figure FDA0003220178940000035
为任一台新能源机组在第k个控制周期的实时输出总功率；
Figure FDA0003220178940000036
为1个控制周期的调节里程输出，Ri为任一台新能源机组的调频里程费用，R为新能源场站的调频里程费用。
9.一种新能源场站的调频系统，其特征在于，在利用所述最小折中模型，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站中各新能源机组的输出功率的步骤中，所述最小折中模型具体为：
Figure FDA0003220178940000037
其中，N为变量个数，n为种群数目，第i列种群代表第i台新能源机组的输出功率，进一步的，其上下界为：
ub＝[ub1,…,ubi]
lb＝[lb1,…,lbi]
其中，ub为第i台新能源机组输出功率的上界，lb为第i台新能源机组输出功率的下界；
对Y进行评估，得到相应的适应度函数，调频里程费用和功率响应总偏差，对调频里程费用和功率响应总偏差进行排序，将最优解置于Y的最顶部，对向量Y更新，从而完成迭代，得到最小功率响应总偏差和最小调频里程费用，对应的新能源场站的输出功率。
10.一种新能源场站的调频系统，其特征在于，所述迭代步骤中，利用所述折中模型中的藤壶算法，获取以调频里程费用和功率响应总偏差作为目标函数的帕累托前沿，并通过基于熵权法设计的灰靶决策法可以客观地选择折中解，并将新能源场站的实时调节总功率ΔP分配到各个调频机组。
CN202110955090.XA 2021-08-19 2021-08-19 一种新能源场站的调频方法及系统 Active CN113452041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110955090.XA CN113452041B (zh) 2021-08-19 2021-08-19 一种新能源场站的调频方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110955090.XA CN113452041B (zh) 2021-08-19 2021-08-19 一种新能源场站的调频方法及系统

Publications (2)

Publication Number Publication Date
CN113452041A true CN113452041A (zh) 2021-09-28
CN113452041B CN113452041B (zh) 2023-05-26

Family

ID=77818779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110955090.XA Active CN113452041B (zh) 2021-08-19 2021-08-19 一种新能源场站的调频方法及系统

Country Status (1)

Country Link
CN (1) CN113452041B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106602606A (zh) * 2017-01-06 2017-04-26 云南电网有限责任公司电力科学研究院 考虑风电功率注入的电网综合调频控制方法
CN107565587A (zh) * 2017-09-18 2018-01-09 山东大学 考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统
CN108631329A (zh) * 2018-04-08 2018-10-09 中国电力科学研究院有限公司 一种风电场级的调频与阻尼联合控制方法及系统
CN109961185A (zh) * 2019-03-22 2019-07-02 三峡大学 考虑电力系统灵活性综合协调配置的机组组合优化方法
CN110417029A (zh) * 2019-06-27 2019-11-05 广东电网有限责任公司 统一调频环境下的网省协调控制方法、系统及相关组件
CN110445193A (zh) * 2019-07-22 2019-11-12 国网上海市电力公司经济技术研究院 一种基于虚拟电厂调频控制策略的调频补偿分配方法
CN110739711A (zh) * 2019-10-31 2020-01-31 山东大学 考虑风电并网系统负调峰能力的储能设备优化控制方法
CN110752625A (zh) * 2019-10-29 2020-02-04 青海格尔木鲁能新能源有限公司 一种多能互补新能源发电系统的运营策略优化方法
CN111244990A (zh) * 2020-01-16 2020-06-05 南京工业大学 一种配电网v2g辅助服务日前调度方法
CN111555309A (zh) * 2020-04-29 2020-08-18 云南电网有限责任公司电力科学研究院 一种新能源参与异步送端电网调频的方法
CN112260324A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 利用储能消弭新能源并网风险的调频方法
CN112290530A (zh) * 2019-07-25 2021-01-29 南京理工大学 风储联合发电商参与能量-调频市场的投标策略优化方法
CN112564109A (zh) * 2020-12-22 2021-03-26 国网福建省电力有限公司 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112751348A (zh) * 2021-01-06 2021-05-04 东北电力大学 考虑风电调度和调频极限的储能优化控制方法
CN112886625A (zh) * 2021-03-23 2021-06-01 国网浙江省电力有限公司电力科学研究院 一种储能电站辅助新能源调频运行优化方法
CN113241805A (zh) * 2021-06-11 2021-08-10 云南电网有限责任公司电力科学研究院 一种电网二次调频方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106602606A (zh) * 2017-01-06 2017-04-26 云南电网有限责任公司电力科学研究院 考虑风电功率注入的电网综合调频控制方法
CN107565587A (zh) * 2017-09-18 2018-01-09 山东大学 考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统
CN108631329A (zh) * 2018-04-08 2018-10-09 中国电力科学研究院有限公司 一种风电场级的调频与阻尼联合控制方法及系统
CN109961185A (zh) * 2019-03-22 2019-07-02 三峡大学 考虑电力系统灵活性综合协调配置的机组组合优化方法
CN110417029A (zh) * 2019-06-27 2019-11-05 广东电网有限责任公司 统一调频环境下的网省协调控制方法、系统及相关组件
CN110445193A (zh) * 2019-07-22 2019-11-12 国网上海市电力公司经济技术研究院 一种基于虚拟电厂调频控制策略的调频补偿分配方法
CN112290530A (zh) * 2019-07-25 2021-01-29 南京理工大学 风储联合发电商参与能量-调频市场的投标策略优化方法
CN110752625A (zh) * 2019-10-29 2020-02-04 青海格尔木鲁能新能源有限公司 一种多能互补新能源发电系统的运营策略优化方法
CN110739711A (zh) * 2019-10-31 2020-01-31 山东大学 考虑风电并网系统负调峰能力的储能设备优化控制方法
CN111244990A (zh) * 2020-01-16 2020-06-05 南京工业大学 一种配电网v2g辅助服务日前调度方法
CN111555309A (zh) * 2020-04-29 2020-08-18 云南电网有限责任公司电力科学研究院 一种新能源参与异步送端电网调频的方法
CN112260324A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 利用储能消弭新能源并网风险的调频方法
CN112564109A (zh) * 2020-12-22 2021-03-26 国网福建省电力有限公司 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112751348A (zh) * 2021-01-06 2021-05-04 东北电力大学 考虑风电调度和调频极限的储能优化控制方法
CN112886625A (zh) * 2021-03-23 2021-06-01 国网浙江省电力有限公司电力科学研究院 一种储能电站辅助新能源调频运行优化方法
CN113241805A (zh) * 2021-06-11 2021-08-10 云南电网有限责任公司电力科学研究院 一种电网二次调频方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
樊宇琦: "国内外促进可再生能源消纳的电力现货市场发展综述与思考", 《中国电机工程学报》 *
陈亦平: "高比例可再生能源电力系统的快速频率响应市场发展与建议", 《电力系统自动化》 *

Also Published As

Publication number Publication date
CN113452041B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Hsiao et al. Robust stabilization of nonlinear multiple time-delay large-scale systems via decentralized fuzzy control
Wang et al. Dispatch optimization of thermal power unit flexibility transformation under the deep peak shaving demand based on invasive weed optimization
Gómez et al. Optimal placement and sizing from standpoint of the investor of photovoltaics grid-connected systems using binary particle swarm optimization
Abaza et al. Sensitive reactive power dispatch solution accomplished with renewable energy allocation using an enhanced coyote optimization algorithm
Li et al. Federated multiagent deep reinforcement learning approach via physics-informed reward for multimicrogrid energy management
Padhi et al. Solving dynamic economic emission dispatch problem with uncertainty of wind and load using whale optimization algorithm
Alfaverh et al. Optimal vehicle-to-grid control for supplementary frequency regulation using deep reinforcement learning
CN109858798B (zh) 关联改造措施与电压指标的电网投资决策建模方法及装置
CN116345578B (zh) 基于深度确定性策略梯度的微电网运行优化调度方法
CN103577897A (zh) 一种土地利用空间布局智能优化的种群初始化方法
Prusty et al. An improved moth swarm algorithm based fractional order type-2 fuzzy PID controller for frequency regulation of microgrid system
Kumar et al. Real time simulation for load frequency control of multisource microgrid system using grey wolf optimization based modified bias coefficient diagram method (GWO-MBCDM) controller
CN107230003A (zh) 一种新能源发电系统的功率预测方法
CN109546651A (zh) 含高渗透率分布式电源的微网群内部电价的协调优化方法
Tabak et al. Levy flight and fitness distance balance-based coyote optimization algorithm for effective automatic generation control of PV-based multi-area power systems
Gómez et al. Evaluation of a particle swarm optimization based method for optimal location of photovoltaic grid-connected systems
CN112966883B (zh) 综合能源系统运行优化方法及终端设备
Ida Evangeline et al. Real-time optimal power flow solution for wind farm integrated power system using evolutionary programming algorithm
Li et al. Scenario modelling of biomass usage in the Australian electricity grid
Valencia-Rivera et al. A systematic review of metaheuristic algorithms in electric power systems optimization
Bai et al. Optimal siting and sizing of battery energy storage system for distribution loss reduction based on meta-heuristics
CN113452041A (zh) 一种新能源场站的调频方法及系统
Thangavelu et al. Forecasting of solar radiation for a cleaner environment using robust machine learning techniques
CN116796194A (zh) 基于IDBO-KELM-BiGRU神经网络的分布式光伏电站有功功率虚拟采集方法
CN111342456A (zh) 一种台区能源系统建模方法及系统

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