CN113496075A - 电力数据的校核方法及装置 - Google Patents
电力数据的校核方法及装置 Download PDFInfo
- Publication number
- CN113496075A CN113496075A CN202010260759.9A CN202010260759A CN113496075A CN 113496075 A CN113496075 A CN 113496075A CN 202010260759 A CN202010260759 A CN 202010260759A CN 113496075 A CN113496075 A CN 113496075A
- Authority
- CN
- China
- Prior art keywords
- unit
- constraint
- model
- power
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000010248 power generation Methods 0.000 claims description 46
- 238000004519 manufacturing process Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 239000003245 coal Substances 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 17
- 230000003827 upregulation Effects 0.000 description 16
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 14
- 238000001514 detection method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 230000009194 climbing Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 230000003828 downregulation Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种电力数据的校核方法及装置。其中,该方法包括:获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。本申请实施例解决了现有技术中无法准确校核当前电力市场出清算法是否符合电力市场预定规则的技术问题。
Description
技术领域
本申请实施例涉及数据校核领域,具体而言,涉及一种电力数据的校核方法及装置。
背景技术
在现有技术中,电力市场仿真技术主要分为以下几类:1)基于进化计算和强化学习的电力市场仿真模拟方法;2)基于代理的电力市场仿真模拟方法。
其中,基于进化计算和强化学习的电力市场仿真模拟方法一般用于寻找发电厂商的竞价策略。这种方法的缺点在于其过于依赖电力市场历史数据的质量,若历史数据数量不足,或历史数据与当前市场环境差异较大,则将大大降低预测精度。
基于代理的电力市场仿真模拟方法多用于分析市场运行中主体间的协作和竞争关系。这种方法的缺点在于其依靠机器学习,具体包括:监督性学习、无监督学习、半监督学习和强化学习等,具体学习算法内部参数的调整对于模拟仿真结果将产生巨大差异,且随着市场规则的变化,算法参数的调整将需要重新进行,且与市场规则的变动不具有关联性,割裂了市场规则与模拟仿真内在计算原理的联系,导致不适应当前规则频繁变动的电力市场现状。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种电力数据的校核方法及装置,以至少解决现有技术中无法准确校核当前电力市场出清算法是否符合电力市场预定规则的技术问题。
根据本申请实施例的一个方面,提供了一种电力数据的校核方法,包括:获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
可选地,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,上述方法还包括:获取上述电力市场预定规则;基于上述电力市场预定规则构建上述安全约束机组组合模型;确定上述安全约束机组组合模型的第一约束条件,其中,上述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,上述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;上述安全约束机组组合模型用于确定机组的目标启停状态。
可选地,上述第一约束条件包括:机组启停约束条件;确定上述安全约束机组组合模型的第一约束条件,包括:在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对上述安全约束机组组合模型进行求解,确定上述机组启停约束条件。
可选地,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,上述方法还包括:获取上述电力市场预定规则;基于上述电力市场预定规则构建上述安全约束经济调度模型;确定上述安全约束经济调度模型的第二约束条件;其中,上述安全约束经济调度模型的目标函数为总发电生产成本小于或等于目标生产成本,上述第二约束条件包括:系统平衡约束条件、机组约束条件、网络潮流约束条件、实际运行约束条件和机组群约束条件。
可选地,在基于上述电力市场预定规则构建上述安全约束经济调度模型之后,上述方法还包括:在依据直流潮流模型进行电网安全交换之后,采用线性规划算法对上述安全约束经济调度模型进行求解,确定上述电力市场的电能出清数据和节点电价数据。
根据本申请实施例的另一方面,还提供了一种电力数据的校核装置,包括:第一获取模块,用于获取电力市场的机组开机组合计算数据和出清电价分布数据;第一校核模块,用于依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;第二校核模块,用于依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
可选地,上述装置还包括:第二获取模块,用于获取上述电力市场预定规则;构建模块,用于基于上述电力市场预定规则构建上述安全约束机组组合模型;确定模块,用于确定上述安全约束机组组合模型的第一约束条件,其中,上述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,上述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;上述安全约束机组组合模型用于确定机组的目标启停状态。
可选地,上述第一约束条件包括:机组启停约束条件;上述确定模块,包括:求解子模块,用于在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对上述安全约束机组组合模型进行求解,确定上述机组启停约束条件。
根据本申请实施例的另一方面,还提供了一种存储介质,上述存储介质包括存储的程序,其中,在上述程序运行时控制上述存储介质所在设备执行任意一项上述的电力数据的校核方法。
根据本申请实施例的另一方面,还提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行任意一项上述的电力数据的校核方法。
在本申请实施例中,通过获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则,达到了准确校核当前电力市场出清算法是否符合电力市场预定规则的目的,从而实现了保持电力市场预定规则与电力市场仿真模型一致性的技术效果,进而解决了现有技术中无法准确校核当前电力市场出清算法是否符合电力市场预定规则的技术问题。
附图说明
此处所说明的附图用来提供对本申请实施例的进一步理解,构成本申请的一部分,本申请实施例的示意性实施例及其说明用于解释本申请实施例,并不构成对本申请实施例的不当限定。在附图中:
图1是根据本申请实施例的一种电力数据的校核方法的流程图;
图2a是根据本申请实施例的一种可选的机组的二次耗量曲线示意图;
图2b是根据本申请实施例的一种可选的由机组的二次耗量曲线转化得到的机组的线性曲线示意图;
图3是根据本申请实施例的一种电力数据的校核装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请实施例方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请实施例一部分的实施例,而不是全部的实施例。基于本申请实施例中的实施例,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,都应当属于本申请实施例保护的范围。
需要说明的是,本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中的电力市场模拟仿真技术必须可以具备模拟仿真电力市场各成员的数学模型、电力系统约束条件建模构筑、电力市场出清算法建模构筑的能力。并且,本申请实施例中,必须要求各数学模型与电力市场规则具有关联性,可随着电力市场规则的更改,快速通过内在逻辑关联修改模型,达到保持电力市场预定规则与电力市场仿真模型一致性的目的。
实施例1
根据本申请实施例,提供了一种电力数据的校核方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种电力数据的校核方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取电力市场的机组开机组合计算数据和出清电价分布数据;
步骤S104,依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;
步骤S106,依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
在本申请实施例中,通过获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则,达到了准确校核当前电力市场出清算法是否符合电力市场预定规则的目的,从而实现了保持电力市场预定规则与电力市场仿真模型一致性的技术效果,进而解决了现有技术中无法准确校核当前电力市场出清算法是否符合电力市场预定规则的技术问题。
由于本申请实施例所提出的电力市场模拟仿真方法是基于理论模型的模拟仿真方法,因此如何将电力市场成员,例如,发电机组以及电网线路的各物理特性以及市场规则中设计的市场特性,通过数学建模的方式进行高度仿真,达到仿真计算结果可以完全描述其实际的物理运行特点以及对于电力市场变化做出的合理反映,是本申请实施例的核心。
通过本申请实施例上述的方法,将全部电力市场成员的物理特性进行了详细数学建模,将电力系统安全运行、电力市场符合规则出清所涉及的全部约束条件也进行了详细数学建模,并最终通过将出清规则翻译为数学模型语言,即构筑了SCUC和SCED两步制出清模拟仿真模型,完全模拟了电力市场的运行模式。
本本申请实施例的电力市场模拟仿真技术是基于理论模拟仿真技术,即通过将电力市场成员,例如发电机组以及电网线路的各物理特性以及市场规则中设计的市场特性,通过理论建模的方法,以构筑数学模型来反映物理及市场特性的方式进行仿真,达到仿真计算结果可以完全描述其实际的物理运行特点,以及对于电力市场变化做出的合理反映。
仍需要说明的是,本申请实施例的优点是首先不依赖电力市场历史数据的支撑,由于电力市场历史数据属于电网保密数据,不易获得,且历史数据的数据量和数据正确性均将对于其他模拟仿真算法的仿真结果造成巨大影响。且随着市场成员对电力市场认知的不断加深,电力市场设计的不断成熟,市场成员的运行特点及交易行为,以及电力市场规则,都将发生变化,而这种变化通过目前的主流仿真方法将难以及时仿真模拟。
并且,由于本申请实施例通过对电力市场成员和规则进行了全面的理论仿真,因此无论市场成员的市场意识以及规则如何变动,其物理特点和市场特点(反映在实际中就是其代表的设备运行模式及市场出清规则)都与本申请实施例构筑的模型是关联的,使得本申请实施例的模拟仿真方法对其的仿真结果是不失真的。
在一种可选的实施例中,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,上述方法还包括:
步骤S202,获取上述电力市场预定规则;
步骤S204,基于上述电力市场预定规则构建上述安全约束机组组合模型;
步骤S206,确定上述安全约束机组组合模型的第一约束条件。
其中,上述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,上述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;上述安全约束机组组合模型用于确定机组的目标启停状态。
可选的,上述电力市场预定规则为预先给定的规则,例如可以但不限于为:发电计划SCUC的目标函数为购电成本最小的规则,总生产(发电)成本最小的规则,机组启动成本最小的规则、发电成本以及空载成本总和的最小的规则。
由于上述安全约束机组组合模型是基于电力市场预定规则构建的,并且,安全约束机组组合模型用于确定机组的目标启停状态,进而该安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,上述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和。
在一种可选的实施例中,上述第一约束条件包括:机组启停约束条件;确定上述安全约束机组组合模型的第一约束条件,包括:
在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对上述安全约束机组组合模型进行求解,确定上述机组启停约束条件。
可选的,上述直流潮流模型为一种专门用于研究电网中有功潮流分布的方法,该方法用于将传统的非线性电力系统潮流问题简化为线性电路问题,不仅使得计算速度加快,而且还便于形成最优负荷消减的优化方案。
在本申请上述可选的实施例中,通过依据直流潮流模型进行电网安全校核之后,还可以采用线性混合整数最优化算法对上述安全约束机组组合模型进行求解,确定上述机组启停约束条件。
在一种可选的实施例中,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,上述方法还包括:
步骤S302,获取上述电力市场预定规则;
步骤S304,基于上述电力市场预定规则构建上述安全约束经济调度模型;
步骤S306,确定上述安全约束经济调度模型的第二约束条件。
其中,上述安全约束经济调度模型的目标函数为总发电生产成本小于或等于目标生产成本,上述第二约束条件包括:系统平衡约束条件、机组约束条件、网络潮流约束条件、实际运行约束条件和机组群约束条件。
可选的,上述电力市场预定规则为预先给定的规则,例如可以但不限于为:发电计划SCUC的目标函数为购电成本最小的规则,总生产(发电)成本最小的规则,机组启动成本最小的规则、发电成本以及空载成本总和的最小的规则。
在一种可选的实施例中,在基于上述电力市场预定规则构建上述安全约束经济调度模型之后,上述方法还包括:
在依据直流潮流模型进行电网安全交换之后,采用线性规划算法对上述安全约束经济调度模型进行求解,确定上述电力市场的电能出清数据和节点电价数据。
作为一种可选的实施例,本申请实施例中电力数据的校核方法的具体实现步骤,可以但不限于为以下所示:
步骤S1:根据给定电力市场规则,构建安全约束机组组合SCUC模型,SCUC的目标函数为总生产(发电)成本最小,包括机组启动成本、发电成本以及空载成本总和的最小。
1.优化目标日前发电计划SCUC的目标函数为购电成本最小:
其中,T表示所考虑的时段总数;M表示参与日前市场报价的用户数;N表示机组数;Pi,t表示机组i在t时段的出力;Ci,t(Pi,t)代表机组分段报价曲线,新能源、自调度机组的报价曲线可置零以达到优先出清的目的;表示机组的启动费用;表示机组的停机费用。
2.机组耗量曲线的线性化:机组的基本能量特性曲线就是它们的输入输出关系曲线。本申请实施例采用的机组特性曲线为标准煤耗量和发电功率的关系曲线,即煤耗特性曲线,或称费用特性曲线;采用这种曲线,将燃料耗量乘上燃料单位价格再加上其他费用就可以得到相应的费用特性曲线和费用微增率特性曲线。
3.启停费用曲线的线性化,机组的启动费用包括两部分:汽轮机启动费用和锅炉的启动费用。
机组启机费用的函数表达式为:
其中,Bon为机组的启机费用,Bon,0为锅炉由冷却状态启动时所需费用,KG为汽机启机费用,τ为锅炉冷却时间常数,t为停机时间。
步骤S2:根据给定电力市场规则,确定并编制SCUC约束条件。由于SCUC模型用于确定机组的最佳启停状态,应用软件重点编制与机组启停相关的机组约束,以及与计划可行性、经济性密切相关的电网约束和实际运行约束。
1.发电机组出力限制约束
在上式中,I为机组状态,1表示运行,0表示停运。
需要说明的是,当机组停机时机组的出力上下限都是0;而当机组处于出力状态时,机组的出力上下限主要由机组的在t时刻的出力上下限所决定的。
2.机组最小启停时间约束如下所示:
t=1,2,.....,T;
在上式中,V为机组爬坡速率,T为机组启停时间,I为机组状态,1表示运行,0表示停运。
需要说明的是,机组最小开机约束要求必开时段要大于最小开机时间,停机时间约束要求机组已经停机时间要大于机组最小停机时间。在将模型约束细化时需要考虑:最小起停时间约束的线性表达;初始状态和初始运行点对建模的影响;最小开机时间约束和最小停机时间约束的协调,即机组在任意时刻满足机组开机时间约束的同时也要满足机组最小停机时间约束。
3.最大启停次数约束如下所示:
在上式中:Tr为检修时间区间,或为最早开机时间前的停机时间区间(主要用于发布机组组合结果时,机组有足够的时间开机)。β为启动次,γ为停机次数,Ns为最大启动约束,ND为最大停机约束。
4.首先,系统旋转备用约束如下所示:
其次,调节(AGC)备用约束如下式所示:
5.支路潮流约束包括:线路和变压器容量极限、断面的传输极限约束等。
|Xt,j|≤Xmax,j,t=1,2,...,T,j∈NL;其中,N为机组总数。线路、断面、变压器的传输容量都可以抽象为线路的传输容量约束。即各个时段的线路传输功率不可超过线路正反向容量。在实际应用中,线路的正反向容量一般都留有一定的裕度,即Xmax,j乘以一定比例作为线路的传输极限。
7.机组固定出力约束即为:机组在特定时段内按照给定的发电计划运行,在此特定时段内该机组不参与经济调度计算。
机组固定状态约束即为:用于表示机组在特定时段内的可用状态,包括必开和必停。在此特定时段内两类机组不参与机组组合计算。
Ii(t)=Ui(t);
在上式中:Ui(t)表示机组i的启停方式设定值(运行或停止)。
机组电量约束为下式所示:
即一段时间的出力之和应该在一定的电量范围内,当电量约束上下限相同时为指定电量约束。
机组煤耗约束如下所示:
其中,Ci为机组i的单位发电煤耗函数,Cres表示火电机组i的煤耗约束,N为区域的总的发电机组个数,通过将一天T个时段的出力转化为机组一天发电量的近似值,确定按照现有发电出力状况下该区域的总发电量所对应的总煤耗,形成区域的煤耗约束。
区域煤耗约束如下所示:
其中,Ci为机组i的单位发电煤耗函数,Cres表示火电机组i的煤耗约束,N为区域的总的发电机组个数。通过将一天T个时段的出力转化为机组一天发电量的近似值,确定按照现有发电出力状况下该区域的总发电量所对应的总煤耗,形成区域的煤耗约束。
8.环保约束
机组环保约束如下式所示:
其中,Si表示机组i安装脱硫装置后的单位电量二氧化硫排放量函数,为机组i二氧化硫排放约束。通过将一天T个时段的出力转化为机组一天发电量的近似值,确定按照现有发电出力状况下机组的发电量所对应的总排放,从而形成机组的环保约束。
区域环保约束如下式所示:
9.总购电费用约束如下式所示:
其中,Fi为机组i的购电费用,Cres表示购电费用约束,N为决策区域内的机组总数。通过计算相应计划下总的购电费用,形成总购电费用约束。
机组群约束即为,机组群即一群机组的集合。现有调度计划制定中,约束机组群的总体电力、电量以及调节性能是实现系统暂态稳定以及潮流不越限的重要手段。因此,本系统SCUC中也可考虑各类机组群约束,主要包括:
机组群电力约束:约束机组群各个时段的有功输出功率之和,包括机组群出力上限和出力下限。
10.机组群电量约束:限制机组群一段时间的有功输出电量之和,可以设置其电量上下限,也可要求机组群尽可能完成其目标电量,该功能尤其适合于电厂考虑存煤或者水库库容的情形。
机组群容量备用约束:要求机组群各个时段满足系统设置的容量备用的要求。
11.机组群旋转备用约束:要求机组群各个时段爬坡和降出力速率能力满足相应备用要求。
机组群AGC调节备用约束:要求机组群各个时段预留的AGC上调和下调容量满足相应的AGC上调、下调备用需求。
在上式中:为机组i在t时提供的AGC上调备用;为系统t时的AGC上调备用需求;r′i (t)为机组i在t时提供的AGC下调备用;为系统t时的AGC下调备用需求;Ig′为机组群Av中可以提供AGC服务的机组集合。
(3)基于直流潮流模型进行电网安全校核,用线性混合整数最优化算法对安全约束经济调度SCUC模型进行求解,确定机组开停机计划。
本申请实施例中基于直流潮流模型,采用线性混合整数规划相关算法求解。SCUC的建模过程流程,可以但不限于包括以下方法步骤:
步骤S30,电网基础数据平台获取电网基础数据;
步骤S32,电网基础数据平台对该电网基础数据进行数据合理性检测;
其中,通过上述数据合理性检测,以确定该电网基础数据是否合理,若检测到该电网基础数据不合理,则返回获取电网基础数据的步骤S300;
步骤S34,若检测到该电网基础数据合理,则建立数据抽象模型,也即,SCUC模型;
步骤S36,采用线性混合整数规划相关算法求解,以确定该电网基础数据是否符合目标要求;
例如,该电网基础数据是否可行(或是否可操作),是否为最优的电网基础数据。
在上述步骤S36中,若检测结果为是,则执行步骤S38,若检测结果为否,则执行步骤S34;
步骤S38,获取并输出该SCUC模型的输出结果。
作为一种可选的实施例,在本申请实施例中,还可以考虑如下内容:
1.电网基础数据:电网母线负荷预测:各个节点母线有功负荷是考虑电网安全、系统负荷平衡、系统备用预留等约束的基础。机组参数:机组煤耗参数、机组容量、出力上下限、机组最小起停时间、机组开停机曲线、机组爬坡能力和降出力能力、机组起停次数、机组预状态及预状态持续时间、机组振动区、机组电量约束条件、机组检修计划等主要机组参数。电厂约束条件参数:包括电厂的容量约束参数、电厂的电量约束参数、电厂检修计划等。区域约束条件参数:区域煤耗限制、区域最小开机容量限制、区域环保容量限制等。电网拓扑参数:电网在发电计划决策周期内的拓扑信息、拓扑变化信息以及线路实际参数。电网的实际运行约束参数:线路、断面、变压器的传输容量等。
2.数据合理性检验:在应用成熟的优化软件包求解SCUC模型时,除了模型与优化软件的融合有效性外,最重要的问题在于如何建立有效的检错机制和保证机制,确保模型中数据的正确性和合理性,提高模型计算的稳定性和可控性。数据合理性校验主要包含以下内容:坏数据的检测与识别:主要检验并修正由于数据采集、传输过程中造成的坏数据,并且通过重新采集或者估计的方法予以校正。基础数据合理性的检测与识别:主要包括机组数据的校验以及网络数据的校验,重点去除例如机组不合理约束以及数据问题造成的网络孤岛等问题。
3.数据模型合理性检验:在用基础数据构造SCUC模型时需要考虑SCUC模型约束条件的相容性和合理性问题,防止由于模型约束条件之间存在矛盾造成的SCUC模型不可解。如果数据不合理,需要将不合理数据信息反馈给电网基础数据采集模块,通过改进数据采集模块,改善基础数据质量。
(4)根据给定电力市场规则,构建SCED目标方程,SCED的目标函数为总生产(发电)成本最小,SCUC的计算结果用于进一步SCED的优化求解。
日前发电计划SCED的目标函数为购电成本最小:
其中,T表示所考虑的时段总数;M表示参与日前市场报价的用户数;N表示机组数;Pi,t表示机组i在t时段的出力;Ci,t(Pi,t)代表机组分段报价曲线,新能源、自调度机组的报价曲线可置零以达到优先出清的目的。在成本调度时,以总调度成本最小化为目标。
(5)根据给定电力市场规则,确定并编制SCED约束条件。考虑的约束条件分为系统平衡约束、机组约束、网络潮流约束、实际运行约束及机组群约束等其它约束。
1.机组耗量曲线的线性化:
本申请实施例直接考虑机组二次耗量曲线将使得SCED模型成为二次优化模型,可以将如图2a所示的机组的二次耗量曲线转化为如图2b所示的机组的线性曲线。
需要说明的是,机组原始的输入输出数据一般由设计参数或通过实验得到,之后进行曲线拟合,得到该机组的耗量特性曲线。在发电计划领域,成本曲线通常为机组出力的凸二次函数,表达如下:
Ci(p(i,t))=aip2(i,t)+bip(i,t)+ci;
在上式中:p(i,t)为机组i在时段t的有功功率;Ci(p(i,t))为机组i在t时的运行成本。
2.成本曲线线性化:为降低复杂度,成本曲线可以通过分段线性化来精确近似,如下图所示,以三段曲线形式模拟原二次曲线。
分段线性近似曲线的数学表达如下:
0≤δi,s,t≤(Pi,s-Pi,s-1)ui,t;
在上式中:NS为机组发电成本线性分段数;pi,min为机组i的出力下限;Ci,min为机组i处于出力下限时对应的成本;ui,t为0/1量,表示机组开停状态,在SCED模型中为已知量;δi,s,t为机组i在t时在分段曲线第s段上的出力;bi,s为机组i在其分段曲线第s段的斜率(即微增成本);Pi,s为耗量特性曲线中各分段区间的终点功率,其中起始点Pi,0=Pi,min。
3.发供电力平衡约束如下式所示:
4.旋转备用约束如下式所示:
5.调节(AGC)备用约束如下式所示:
6.机组爬坡约束如下式所示:
Pi,t-Pi,t-1≤RUi,t=1,2,.....,T,i=1,2,.....,N;
Pi,t-1-Pi,t≤RDi,t=1,2,.....,T,i=1,2,.....,N;
7.火电机组固定出力约束如下式所示:
8.机组出力上下限约束如下式所示:
当机组停机时机组的出力上下限都是0;而当机组处于出力状态时,机组的出力上下限主要由机组的在t时刻的出力上下限所决定的。
9.输电容量约束如下式所示:
|Xlk|<Xl max,k=1,2,...,T,l∈NL
Xlk,Xl max分别为输电线l的有功潮流和热稳定极限;NL为输电线集合。变压器等效支路、输电断面的输电容量约束形式与线路一致。
10.预想故障状态下输电容量约束如下式所示:
|Xlk'|<Xl max,k=1,2,...,T,l∈NL'
其中,Xlk',Xl max分别为输电线l在预想故障状态下的有功潮流和热稳定极限;NL'为预想故障状态下的输电线集合。变压器等效支路、输电断面的输电容量约束形式与线路一致。
11.发电出力曲线平稳性,发电出力曲线平稳性指标如下公式所示:
其中,约束添加方法:先由实际运行人员根据以往经验制定平稳性指数;不加平稳性指数试算;通过各个机组的试算结果,确定机组各个时段升降出力情况;加入平稳性约束条件计算。
12.各类机组的污染物排放约束如下所示:
13.火电机组燃料约束如下公式所示:
14.水电机组发电量约束如下公式所示:
机组最小调节量约束如下公式所示:
ΔPi,t≥ε,i=1,2,......,N,t=1,2,......,T;
其中,ε为机组的调节量下限约束,当此约束加入到模型中后,这些调节量将自动叠加到其他机组上。
15.可再生能源发电量约束如下公式所示:
区域环境容量约束如下公式所示:
16.机组群电力约束即:约束机组群各个时段的有功输出功率之和,包括机组群出力上限和出力下限。
17.机组群电量约束即限制机组群一段时间的有功输出电量之和,可以设置其电量上下限,也可要求机组群尽可能完成其目标电量,该功能尤其适合于电厂考虑存煤或者水库库容的情形。
18.机组群旋转备用约束即要求机组群各个时段爬坡和降出力速率能力满足相应备用要求。
19.机组群AGC调节备用约束即,要求机组群各个时段预留的AGC上调和下调容量满足相应的AGC上调、下调备用需求。
在上式中:为机组i在t时提供的AGC上调备用;为系统t时的AGC上调备用需求;r′i (t)为机组i在t时提供的AGC下调备用;为系统t时的AGC下调备用需求;Ig′为机组群Av中可以提供AGC服务的机组集合。
(6)基于直流潮流模型进行电网安全交换,用线性规划算法对SCED模型进行求解,确定市场电能量出清数据和节点电价数据。
本申请实施例中模拟仿真日前发电计划编制SCED算法流程,可以基于直流潮流模型,并采用线性规划算法求解,其中,SCED算法流程可以但不限于通过以下方法步骤实现:
步骤S40,电网基础数据平台获取电网基础数据;
步骤S42,通过SCUC模型对该电网基础数据进行求解并输出计算结果;
并在计算结果合理的情况下,执行步骤S44。
步骤S44,电网基础数据平台对该电网基础数据进行数据合理性检测;
其中,通过上述数据合理性检测,以确定该电网基础数据是否合理,若检测到该电网基础数据不合理,则返回获取电网基础数据的步骤S40;
步骤S46,若检测到该电网基础数据合理,则建立SCED模型;
步骤S48,采用线性混合整数规划相关算法求解,以确定该电网基础数据是否符合目标要求;
例如,该电网基础数据是否可行(或是否可操作),是否为最优的电网基础数据。
在上述步骤S48中,若检测结果为是,则执行步骤S50,若检测结果为否,则执行步骤S46;
步骤S50,获取并输出该SCED模型的输出结果。
1.需要增加考虑如下的电网基础数据:
电网母线负荷预测:各个节点母线有功负荷是考虑电网安全、系统负荷平衡、系统备用预留等约束的基础;机组参数:机组煤耗参数、机组容量、出力上下限、机组爬坡能力和降出力能力、机组振动区、机组电量约束条件、机组检修计划等主要机组参数;电厂约束条件参数:包括电厂的容量约束参数、电厂的电量约束参数、电厂检修计划等;区域约束条件参数:区域煤耗限制、区域最小开机容量限制、区域环保容量限制等;电网拓扑参数:电网在发电计划决策周期内的拓扑信息、拓扑变化信息以及线路实际参数;电网的实际运行约束参数:线路、断面、变压器的传输容量等;机组的出力平滑数据:机组的实际运行中,出力曲线应尽量平滑,减小机组的物理磨损,应根据实际运行要求给出机组的出力平滑数据;机组的AGC调频能力预留:根据《电力系统稳定导则》和调度操作规程等的规定,给出机组的AGC调频能力预留量。
2.数据合理性检验,数据合理性校验主要包含以下内容:
坏数据的检测与识别:主要检验并修正由于数据采集、传输过程中造成的坏数据,并且通过重新采集或者估计的方法予以校正;
基础数据合理性的检测与识别:主要包括机组数据的校验以及网络数据的校验,重点去除例如机组不合理约束以及数据问题造成的网络孤岛问题。
3.数据模型合理性检验:在用基础数据构造SCED模型时需要考虑SCED模型约束条件的相容性和合理性问题,防止由于模型约束条件之间存在矛盾造成的SCED模型不可解;SCUC结果合理性检验:主要检验SCUC计算模块输出结果的合理性,防止由于SCUC计算结果不合理(例如,各个时段开机容量无法平衡系统负荷,固定时段的出力变化超过了机组爬坡能力)造成SCED模型无法找到可行解。
4.模型求解结果的合理性检验包括以下至少之一:
求解结果的可行性检验:如果模型无可行解,现有的成熟优化软件都会给出最佳的不可行解,并给出相关信息。此时,需要结合软件输出信息,以及建模过程中加入的松弛变量的求解结果,通过对照计算结果和模型约束条件,快速定位模型不可行的原因和存在的问题,从而提高求解效率。
求解结果的可操作性检验:由于SCED模型中存在部分非解析约束,只能通过简化建模的方式将约束加入优化模型中。因此,模型的求解结果可能并不能完全符合这些实际运行约束的要求。此时,需要通过其他的约束检测策略或者人工的方式定位SCED模型存在的问题,并且修改SCED模型。
求解结果的最优性检验:结合最优性和公平性判据,判断求解结果的最优性。如果模型求解结果不合理,需要将不合理信息反馈回数据抽象和模型建立模块,修改SCED模型后重新求解。
实施例2
根据本申请实施例,还提供了一种用于实施上述电力数据的校核方法的装置实施例,图3是根据本申请实施例的一种电力数据的校核装置的结构示意图,如图3所示,上述电力数据的校核装置,包括:第一获取模块40、第一校核模块42和第二校核模块44,其中:
第一获取模块40,用于获取电力市场的机组开机组合计算数据和出清电价分布数据;第一校核模块42,用于依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;第二校核模块44,用于依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述第一获取模块40、第一校核模块42和第二校核模块44对应于实施例1中的步骤S102至步骤S106,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
在一种可选的实施例中,上述装置还包括:第二获取模块,用于获取上述电力市场预定规则;构建模块,用于基于上述电力市场预定规则构建上述安全约束机组组合模型;确定模块,用于确定上述安全约束机组组合模型的第一约束条件,其中,上述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,上述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;上述安全约束机组组合模型用于确定机组的目标启停状态。
在一种可选的实施例中,上述第一约束条件包括:机组启停约束条件;上述确定模块,包括:求解子模块,用于在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对上述安全约束机组组合模型进行求解,确定上述机组启停约束条件。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
上述的电力数据的校核装置还可以包括处理器和存储器,上述第一获取模块40、第一校核模块42和第二校核模块44等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元,上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本申请实施例,还提供了一种存储介质实施例。可选地,在本实施例中,上述存储介质包括存储的程序,其中,在上述程序运行时控制上述存储介质所在设备执行上述任意一种电力数据的校核方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中,上述存储介质包括存储的程序。
可选地,在程序运行时控制存储介质所在设备执行以下功能:获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
根据本申请实施例,还提供了一种处理器实施例。可选地,在本实施例中,上述处理器用于运行程序,其中,上述程序运行时执行上述任意一种电力数据的校核方法。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取电力市场的机组开机组合计算数据和出清电价分布数据;依据预先构建的安全约束机组组合模型,校核上述机组开机组合计算数据是否符合电力市场预定规则;依据预先构建的安全约束经济调度模型,校核上述出清电价分布数据是否符合电力市场预定规则。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请实施例的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请实施例的保护范围。
Claims (10)
1.一种电力数据的校核方法,其特征在于,包括:
获取电力市场的机组开机组合计算数据和出清电价分布数据;
依据预先构建的安全约束机组组合模型,校核所述机组开机组合计算数据是否符合电力市场预定规则;
依据预先构建的安全约束经济调度模型,校核所述出清电价分布数据是否符合电力市场预定规则。
2.根据权利要求1所述的方法,其特征在于,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,所述方法还包括:
获取所述电力市场预定规则;
基于所述电力市场预定规则构建所述安全约束机组组合模型;
确定所述安全约束机组组合模型的第一约束条件,其中,所述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,所述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;所述安全约束机组组合模型用于确定机组的目标启停状态。
3.根据权利要求2所述的方法,其特征在于,所述第一约束条件包括:机组启停约束条件;确定所述安全约束机组组合模型的第一约束条件,包括:
在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对所述安全约束机组组合模型进行求解,确定所述机组启停约束条件。
4.根据权利要求1所述的方法,其特征在于,在获取电力市场的机组开机组合计算数据和出清电价分布数据之前,所述方法还包括:
获取所述电力市场预定规则;
基于所述电力市场预定规则构建所述安全约束经济调度模型;
确定所述安全约束经济调度模型的第二约束条件;其中,所述安全约束经济调度模型的目标函数为总发电生产成本小于或等于目标生产成本,所述第二约束条件包括:系统平衡约束条件、机组约束条件、网络潮流约束条件、实际运行约束条件和机组群约束条件。
5.根据权利要求1所述的方法,其特征在于,在基于所述电力市场预定规则构建所述安全约束经济调度模型之后,所述方法还包括:
在依据直流潮流模型进行电网安全交换之后,采用线性规划算法对所述安全约束经济调度模型进行求解,确定所述电力市场的电能出清数据和节点电价数据。
6.一种电力数据的校核装置,其特征在于,包括:
第一获取模块,用于获取电力市场的机组开机组合计算数据和出清电价分布数据;
第一校核模块,用于依据预先构建的安全约束机组组合模型,校核所述机组开机组合计算数据是否符合电力市场预定规则;
第二校核模块,用于依据预先构建的安全约束经济调度模型,校核所述出清电价分布数据是否符合电力市场预定规则。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述电力市场预定规则;
构建模块,用于基于所述电力市场预定规则构建所述安全约束机组组合模型;
确定模块,用于确定所述安全约束机组组合模型的第一约束条件,其中,所述安全约束机组组合模型的目标函数为总发电生产成本小于或等于目标生产成本,所述总发电生产成本包括:机组启动成本、机组发电成本和机组空载成本的总和;所述安全约束机组组合模型用于确定机组的目标启停状态。
8.根据权利要求7所述的装置,其特征在于,所述第一约束条件包括:机组启停约束条件;所述确定模块,包括:
求解子模块,用于在依据直流潮流模型进行电网安全校核之后,采用线性混合整数最优化算法对所述安全约束机组组合模型进行求解,确定所述机组启停约束条件。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的电力数据的校核方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的电力数据的校核方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260759.9A CN113496075B (zh) | 2020-04-03 | 2020-04-03 | 电力数据的校核方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260759.9A CN113496075B (zh) | 2020-04-03 | 2020-04-03 | 电力数据的校核方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496075A true CN113496075A (zh) | 2021-10-12 |
CN113496075B CN113496075B (zh) | 2024-03-08 |
Family
ID=77995327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010260759.9A Active CN113496075B (zh) | 2020-04-03 | 2020-04-03 | 电力数据的校核方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496075B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128385A (zh) * | 2023-04-13 | 2023-05-16 | 昆明电力交易中心有限责任公司 | 考虑碳排放约束的调度校核出清方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065437A1 (en) * | 2005-07-06 | 2008-03-13 | Dybvig Alan J | System and Method for Budgeting, Planning, and Supply Chain Management |
CN103576562A (zh) * | 2013-11-07 | 2014-02-12 | 国家电网公司 | 一种电力系统稳控策略在线仿真校验方法 |
CN105447775A (zh) * | 2016-01-11 | 2016-03-30 | 广东电网有限责任公司 | 内嵌电网安全约束的电力日前市场撮合交易方法 |
CN106408438A (zh) * | 2015-07-31 | 2017-02-15 | 中国电力科学研究院 | 基于全过程动态仿真的安全稳定控制策略自动校核方法 |
CN110490363A (zh) * | 2019-07-10 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种多日机组组合优化方法及系统 |
CN110570020A (zh) * | 2019-08-15 | 2019-12-13 | 中国南方电网有限责任公司 | 适应区域交直流混联电网的中长期交易电量安全校核方法 |
CN110782281A (zh) * | 2019-10-23 | 2020-02-11 | 四川大学 | 一种多业主梯级电站流域电量转移的日前市场出清方法 |
CN110866646A (zh) * | 2019-11-18 | 2020-03-06 | 国家电网公司西北分部 | 一种电力系统安全校核方法及安全校核装置 |
-
2020
- 2020-04-03 CN CN202010260759.9A patent/CN113496075B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065437A1 (en) * | 2005-07-06 | 2008-03-13 | Dybvig Alan J | System and Method for Budgeting, Planning, and Supply Chain Management |
CN103576562A (zh) * | 2013-11-07 | 2014-02-12 | 国家电网公司 | 一种电力系统稳控策略在线仿真校验方法 |
CN106408438A (zh) * | 2015-07-31 | 2017-02-15 | 中国电力科学研究院 | 基于全过程动态仿真的安全稳定控制策略自动校核方法 |
CN105447775A (zh) * | 2016-01-11 | 2016-03-30 | 广东电网有限责任公司 | 内嵌电网安全约束的电力日前市场撮合交易方法 |
CN110490363A (zh) * | 2019-07-10 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种多日机组组合优化方法及系统 |
CN110570020A (zh) * | 2019-08-15 | 2019-12-13 | 中国南方电网有限责任公司 | 适应区域交直流混联电网的中长期交易电量安全校核方法 |
CN110782281A (zh) * | 2019-10-23 | 2020-02-11 | 四川大学 | 一种多业主梯级电站流域电量转移的日前市场出清方法 |
CN110866646A (zh) * | 2019-11-18 | 2020-03-06 | 国家电网公司西北分部 | 一种电力系统安全校核方法及安全校核装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128385A (zh) * | 2023-04-13 | 2023-05-16 | 昆明电力交易中心有限责任公司 | 考虑碳排放约束的调度校核出清方法及装置 |
CN116128385B (zh) * | 2023-04-13 | 2023-06-30 | 昆明电力交易中心有限责任公司 | 考虑碳排放约束的调度校核出清方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113496075B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jenkins et al. | Enhanced decision support for a changing electricity landscape: the GenX configurable electricity resource capacity expansion model | |
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
Kuznetsova et al. | An integrated framework of agent-based modelling and robust optimization for microgrid energy management | |
Mazidi et al. | Robust day-ahead scheduling of smart distribution networks considering demand response programs | |
Assili et al. | An improved mechanism for capacity payment based on system dynamics modeling for investment planning in competitive electricity environment | |
Haddadian et al. | Security-constrained power generation scheduling with thermal generating units, variable energy resources, and electric vehicle storage for V2G deployment | |
Ghazvini et al. | Coordination between mid-term maintenance outage decisions and short-term security-constrained scheduling in smart distribution systems | |
Muzhikyan et al. | The 2017 ISO New England system operational analysis and renewable energy integration study (SOARES) | |
Mobasheri et al. | Scenario planning at southern California Edison | |
Villavicencio | A capacity expansion model dealing with balancing requirements, short-term operations and long-run dynamics | |
CN113496075A (zh) | 电力数据的校核方法及装置 | |
Lakiotis et al. | A methodological approach for assessing the value of energy storage in the power system operation by mid-term simulation | |
Corsetti et al. | Very‐short‐term multi‐energy management system for a district heating plant enabling ancillary service provision | |
Qaderi-Baban et al. | A coordinated performance of power system operated with participants in demand response programs considering environmental pollution constraints | |
Aguirre et al. | Realistic calculation of wind generation capacity credits | |
Chondrogiannis et al. | Power system flexibility: A methodological analytical framework based on unit commitment and economic dispatch modelling | |
Zinaman et al. | An Overview of Behind-the-Meter Solar-Plus-Storage Program Design: With Considerations for India | |
Rose et al. | A Framework for Readiness Assessments of Utility-Scale Energy Storage | |
Marshman | Performance of Electricity Markets & Power Plant Investments in the Transition to a Low-Carbon Power System | |
Rose et al. | Regional trade and expansion planning (RTEP) model: Model for regional power sector integration in Africa | |
Fonseka et al. | A price-based approach to generation investment planning in electricity markets | |
Bo et al. | Modeling and Optimizing Pumped Storage in a Multi-stage Large Scale Electricity Market under Portfolio Evolution | |
Nagarajan et al. | Value Streams from Distribution Grid Support Using Utility-Scale Vanadium Redox Flow Battery: NREL-Sumitomo Electric Battery Demonstration Project | |
Landsbergen | Feasibility, beneficiality, and institutional compatibility of a micro-CHP virtual power plant in the Netherlands | |
CN115860163B (zh) | 基于系统运行指标的新能源发电偏差评估方法及系统 |
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 |