CN113610411B - 一种多时间尺度嵌套的风光水多能互补调度方法 - Google Patents
一种多时间尺度嵌套的风光水多能互补调度方法 Download PDFInfo
- Publication number
- CN113610411B CN113610411B CN202110928706.4A CN202110928706A CN113610411B CN 113610411 B CN113610411 B CN 113610411B CN 202110928706 A CN202110928706 A CN 202110928706A CN 113610411 B CN113610411 B CN 113610411B
- Authority
- CN
- China
- Prior art keywords
- wind
- term
- water
- light
- scheduling
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 191
- 230000000295 complement effect Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010248 power generation Methods 0.000 claims abstract description 83
- 230000007774 longterm Effects 0.000 claims abstract description 80
- 230000008901 benefit Effects 0.000 claims abstract description 63
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000004146 energy storage Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims 1
- 239000002245 particle Substances 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000007599 discharging Methods 0.000 description 3
- 238000013486 operation strategy Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- 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
- 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
Abstract
本发明公开了一种多时间尺度嵌套的风光水多能互补调度方法，属于多能源综合利用技术领域，以发挥风光水多能互补在长期上的电量补偿效益，以及短期上的电力补偿效益；长期调度的核心是通过改变流域内大型水库的水位控制方式，发挥多能互补电量互补优势，提高清洁能源利用效率；短期调度在满足长期水位约束的前提下，利用水电灵活调节能力，对风光出力的天然随机性、间歇性和波动性进行“一次电力补偿”调节，减小风光出力对电网安全稳定运行的冲击；实时调度利用水电对风光预报偏差进行“二次电力补偿”调节，追踪日前出力计划，确保系统供电可靠性，通过末库容控制为梯级水电站系统余留足够蓄能，以保证系统远期发电效益。
Description
技术领域
本发明属于多能源综合利用技术领域，具体涉及一种多时间尺度嵌套的风光水多能互补调度方法。
背景技术
风光与水电(以下简称风光水)多能互补的核心思想是风光电站产生的随机性和间歇性电力首先被传输到与水电站相连的联合控制中心，由附近的水电机组实时跟踪和补偿之后，一起打捆外送至电网，以平抑风光不稳定性出力对电网的冲击，解决大规模风光集中上网的消纳难题，提高清洁能源的综合利用水平，是一种创新型、探索式的可再生能源开发运行模式。
从时间尺度上划分，风光水多能互补调度可应分为中长期调度与短期调度。中长期调度通常以提高多能互补系统的整体发电量和发电保证率为目标，旨在利用风、光、水能资源的季节性分布规律和互补特性，提高互补发电系统在长时间尺度的全景发电效益；短期调度通常基于长期调度提供的水量或电量控制条件，一般是以保证系统供电可靠性，平抑风光出力波动性等为目标，侧重于互补系统的发电质量与安全稳定运行。由于水库调度的序贯决策特征，多能互补系统协同调度运行是一个多尺度嵌套的决策过程，单一时间尺度或者局部的协同控制无法确保整个系统的运行效益达到最优，需要建立不同时间尺度模型间的信息反馈机制，开发能够平衡短期和长期能源系统运行的电力/电量补偿协同的多尺度序贯决策模式。
大规模风光新能源接入流域梯级水电站系统，使得流域水网、区域电网耦合关系更加复杂，如何充分发挥流域梯级水电站间的调节能力，开发兼顾长期和短期运行效益的多能互补运行方式是亟待解决的问题。另外，目前有关风光水多能互补系统的研究主要侧重于平抑风光出力天然的随机性、波动性和间歇性，对风光预测不确定性考虑不充分。事实上，水电除了为制定稳定的日前发电计划时需对风光出力的天然不确定性进行一次补偿之外，还需要在实时调度层面对风光预测不确定性进行二次补偿，以保证系统的供电可靠性。
综上，风光水多能互补调度不仅需要协调不同时间尺度的调度需求，还应综合考虑由于风光资源特性带来的天然不确定性和由于预报水平限制带来的预报不确定性。
发明内容
发明目的：本发明的目的在于提供一种多时间尺度嵌套的风光水多能互补调度方法，以指导风光水多能互补长期、短期和实时调度运行。
技术方案：为了实现上述目的，本发明的一种多时间尺度嵌套的风光水多能互补调度方法，包括以下步骤：
(1)建立以风光水联合发电效益最大为目标的风光水多能互补系统长期优化调度模型，充分利用风光对水电的电量补偿和水电对风光的容量补偿实现多能互补长期电量补偿效益最大化，并生成梯级水库日水位控制策略；
(2)建立以调峰能力最大/发电效益最大为目标的风光水多能互补系统短期优化调度模型，充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节，以指导制定多能互补系统日前联合发电计划；
(3)建立以水库余留蓄能最大和供电可靠性最高为目标的梯级水电站实时负荷优化分配模型，利用梯级水库的存储和调节能力对风光出力预测偏差进行二次补偿调节，以尽可能少的耗水量满足发电计划，同时为未来余留足够的发电能力；
(4)建立长期-短期-实时多时间尺度嵌套调度和逐级信息反馈，通过梯级水库水位实现长期优化调度模型与短期优化调度模型的嵌套，通过发电计划实现短期优化调度模型与实时负荷优化分配模型的嵌套，同时实时调度将运行水位反馈至短期优化调度模型，短期优化调度模型将运行水位反馈至长期优化调度模型，实现考虑多重不确定性的电力/电量补偿协同的风光水多能多时间尺度嵌套互补调度；
(5)风光水多能互补长期调度的核心是利用风光对水电的电量补偿、水电对风光的容量补偿，改变水库长期水位控制方式，提高能源综合利用效益，为短期调度提供边界。
进一步地，所述的步骤(1)中，长期优化调度模型以日为调度时段、年为调度期、风光水联合发电效益最大为目标，以梯级水库水位(或库容)为决策变量，其目标函数见式(I)；
式中：Elong为调度期内多能互补系统长期发电效益；j为长期调度时段索引；f为梯级水库索引；分别为第f级电站第j日风电、光伏、水电日平均出力；cw，cs，ch分别为风电、光伏、水电上网电价；m，d分别为梯级水库个数、调度期内天数；△T为长期调度时段；
模型除了需要满足水电站水库调度的水量平衡、库容上下限、出库流量上下限、发电出力上下限、水库特征曲线等约束外，还需要满足风电、光伏装机容量约束以及电网外送通道约束等；
风光水多能互补短期调度的核心是利用水电对风光进行电力补偿调节，改善风光水打捆送电质量，提高电网对新能源的消纳；短期优化调度模型关键是利用梯级水电的存储和调节能力，对风光出力的随机性、间歇性、波动性等天然不确定性进行一次补偿调节，指导多能互补系统制定一个电网可接受的联合日前发电计划。
进一步地，所述的步骤(2)中，短期优化调度模型根据电网对风光水多能互补发电系统是否下达调峰任务，分别提出以调峰补偿模式和效益补偿模式两种电力补偿模式；
(21)调峰补偿模式：以日为调度期、小时/15min/5min或更短时间为调度时段，以剩余负荷方差最小为调度目标，以水电出力为决策变量，其目标函数见式(II)；
式(II)-(III)中：ji为第j日第i时段；Vj为第j日的剩余负荷方差；为第ji时段剩余负荷；/>为剩余负荷序列平均值；/>为第ji时段系统负荷；/> 分别为第f级水电站在第ji时段的风电、光伏、水电出力；n为日内时段数；
(22)效益补偿模式：以日为调度期、小时/15min/5min或更短时间为调度时段，风光水电联合日发电效益最大为目标，以水库库容为决策变量，其目标函数见式(IV)；模型约束条件同调峰补偿模型，可采用DPSA进行求解；
式(IV)中：Eshort为互补系统的日发电效益；△t为短期调度时段；
值得注意的是，短期优化调度模型除了需要满足长期调度提到的约束外，还需要以长期优化调度模型提供的梯级水库日水位调度过程作为水位控制边界；
风光水多能互补实时调度的核心是考虑梯级水库的联合运行与混合系统的互补运行，对风电、光伏的预测不确定性进行二次补偿调节，以保证系统的供电可靠性；当风光实际出力与预测出力相比存在增发/少发时，流域梯级水电站出力需要相应减发/增发，以满足风光水时段计划总出力。
进一步地，所述的步骤(3)中，梯级水电站实时负荷优化分配模型的目标函数见式(V)：
式(V)中：分别为互补系统的实测和预测出力；/>表征互补系统是否发生失负荷，1代表发生，0代表不发生；M为惩罚因子，为取值很大的正数；/>为梯级水库第ji时段余留蓄能；
式(V)中第一项为梯级水库余留蓄能，其值越大表示未来的潜在发电能力越大，是协调当前时段t与未来发电效益的关键指标；第二项为多能互补系统失负荷的惩罚，当存在失负荷时取值为较大的负数，当负荷能满足时取值为0，其值越小表示系统供电可靠性越低；目标函数(V)表示互补系统以尽可能少的耗水量满足当前计划出力，同时利用流域梯级水电站的存储能力，为未来余留足够发电能力。
进一步地，所述的步骤(4)建立长期-短期-实时多时间尺度嵌套调度，实现考虑多重不确定性的电力/电量补偿协同的风光水多能多时间尺度嵌套互补调度；其中，长期与短期优化调度模型通过梯级水库日水位控制实现嵌套，长期优化调度模型是为了保证风光水联合调度的长期电量补偿效益，短期调度充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节；短期与实时优化调度模型通过出力计划实现嵌套，短期优化调度模型综合考虑风光水的电力补偿调节申报日前联合出力计划，实时调度模型以完成日前联合出力计划为目标，通过利用水库的存储和调节能力对风光出力预测偏差进行二次补偿调节；同时，实时调度将运行水位反馈至短期优化调度模型，短期优化调度模型将运行水位反馈至长期优化调度模型，实现不同时间尺度的逐级嵌套调度和信息反馈。
有益效果：与现有技术相比，本发明的一种多时间尺度嵌套的风光水多能互补调度方法，为了充分发挥风光水多能互补在长期上的电量补偿效益，以及短期上的电力补偿效益，具有以下优势：
(1)长期-短期-实时多时间尺度嵌套优化调度满足了不同时间尺度下互补系统的调度要求。长期模型保证互补系统在长时间尺度下的电量补偿效益最优；短期模型根据电网需求既可以满足系统发电效益又可以保证系统调峰能力，实现短期电力补偿效益最优；实时模型在满足发电计划的前提下尽可能减小风光预测误差的影响，保证互补系统的供电可靠性；
(2)长期-短期-实时多时间尺度嵌套的互补调度方式不仅在中长期-短期调度阶段对风光出力的随机性、波动性、间歇性等天然不确定性进行一次补偿，使得互补系统出力更为平稳，提高系统发电质量，减少风光出力对电网安全稳定运行的影响，还在实时层面通过流域梯级水电站的负荷优化分配对风光出力预测不确定性进行二次补偿，确保系统供电可靠性的同时，通过末库容控制为梯级水电站系统余留足够蓄能，以保证系统远期发电效益。
附图说明
图1长期-短期-实时多时间尺度嵌套调度流程图；
图2互补系统出力波动图(一次补偿结果)；
图3互补系统失负荷分布图(二次补偿结果)；
图4发电计划制定及滚动更新流程图。
具体实施例方式
下面结合附图和具体实施方式来详细说明本发明：为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
一种多时间尺度嵌套的风光水多能互补调度方法，包括以下步骤：
(1)建立以风光水联合发电效益最大为目标的风光水多能互补系统长期优化调度模型(以下简称长期模型)，充分利用风光对水电的电量补偿和水电对风光的容量补偿实现多能互补长期电量补偿效益最大化，并生成梯级水库日水位控制策略。
(2)建立以调峰能力最大/发电效益最大为目标的风光水多能互补系统短期优化调度模型(以下简称短期模型)，充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节，以指导制定多能互补系统日前联合发电计划。
(3)建立以水库余留蓄能最大和供电可靠性最高为目标的梯级水电站实时负荷优化分配模型(以下简称实时模型)，利用梯级水库的存储和调节能力对风光出力预测偏差进行二次补偿调节，以尽可能少的耗水量满足发电计划，同时为未来余留足够的发电能力。
(4)建立长期-短期-实时多时间尺度嵌套调度和逐级信息反馈，通过梯级水库水位实现长期模型与短期模型的嵌套，通过发电计划实现短期模型与实时模型的嵌套，同时实时调度将运行水位反馈至短期模型，短期模型将运行水位反馈至长期模型，实现考虑多重不确定性的电力/电量补偿协同的风光水多能多时间尺度嵌套互补调度。
(5)风光水多能互补长期调度的核心是利用风光对水电的电量补偿、水电对风光的容量补偿，改变水库长期水位控制方式，提高能源综合利用效益，为短期调度提供边界。
步骤(1)中，长期模型以日为调度时段、年为调度期、风光水联合发电效益最大为目标，以梯级水库水位(或库容)为决策变量，其目标函数见式(1)。
式中：Elong为调度期内多能互补系统长期发电效益；j为长期调度时段索引；f为梯级水库索引；分别为第f级电站第j日风电、光伏、水电日平均出力；cw，cs，ch分别为风电、光伏、水电上网电价；m，d分别为梯级水库个数、调度期内天数；△T为长期调度时段。
模型除了需要满足水电站水库调度的水量平衡、库容上下限、出库流量上下限、发电出力上下限、水库特征曲线等约束外，还需要满足风电、光伏装机容量约束以及电网外送通道约束等。
风光水多能互补短期调度的核心是利用水电对风光进行电力补偿调节，改善风光水打捆送电质量，提高电网对新能源的消纳。短期模型关键是利用梯级水电的存储和调节能力，对风光出力的随机性、间歇性、波动性等天然不确定性进行一次补偿调节，指导多能互补系统制定一个电网可接受的联合日前发电计划。
步骤(2)中，短期模型根据电网对风光水多能互补发电系统是否下达调峰任务，分别提出以调峰补偿模式和效益补偿模式两种电力补偿模式。
(21)调峰补偿模式：以日为调度期、小时/15min/5min或更短时间为调度时段，以剩余负荷方差最小为调度目标，以水电出力为决策变量，其目标函数见式(2)。
式(2)-(3)中：ji为第j日第i时段；Vj为第j日的剩余负荷方差；为第ji时段剩余负荷；/>为剩余负荷序列平均值；/>为第ji时段系统负荷；/> 分别为第f级水电站在第ji时段的风电、光伏、水电出力；n为日内时段数。
(22)效益补偿模式：以日为调度期、小时/15min/5min或更短时间为调度时段，风光水电联合日发电效益最大为目标，以水库库容为决策变量，其目标函数见式(4)。模型约束条件同调峰补偿模型，可采用DPSA进行求解。
式(4)中：Eshort为互补系统的日发电效益；△t为短期调度时段。
值得注意的是，短期模型除了需要满足长期调度提到的约束外，还需要以长期模型提供的梯级水库日水位调度过程作为水位控制边界。
风光水多能互补实时调度的核心是考虑梯级水库的联合运行与混合系统的互补运行，对风电、光伏的预测不确定性进行二次补偿调节，以保证系统的供电可靠性。当风光实际出力与预测出力相比存在增发/少发时，流域梯级水电站出力需要相应减发/增发，以满足风光水时段计划总出力。
步骤(3)中，梯级水电站实时负荷优化分配模型的目标函数见式(5)：
式(5)中：分别为互补系统的实测和预测出力；/>表征互补系统是否发生失负荷，1代表发生，0代表不发生；M为惩罚因子，为取值很大的正数；/>为梯级水库第ji时段余留蓄能。
式(5)中第一项为梯级水库余留蓄能，其值越大表示未来的潜在发电能力越大，是协调当前时段t与未来发电效益的关键指标；第二项为多能互补系统失负荷的惩罚，当存在失负荷时取值为较大的负数，当负荷能满足时取值为0，其值越小表示系统供电可靠性越低。目标函数(V)表示互补系统以尽可能少的耗水量满足当前计划出力，同时利用流域梯级水电站的存储能力，为未来余留足够发电能力。
步骤(4)建立长期-短期-实时多时间尺度嵌套调度(见图1)，实现考虑多重不确定性的电力/电量补偿协同的风光水多能多时间尺度嵌套互补调度。其中，长期与短期优化调度模型通过梯级水库日水位控制实现嵌套，长期优化调度模型是为了保证风光水联合调度的长期电量补偿效益，短期调度充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节；短期与实时优化调度模型通过出力计划实现嵌套，短期优化调度模型综合考虑风光水的电力补偿调节申报日前联合出力计划，实时调度模型以完成日前联合出力计划为目标，通过利用水库的存储和调节能力对风光出力预测偏差进行二次补偿调节。同时，实时调度将运行水位反馈至短期模型，短期模型将运行水位反馈至长期模型，实现不同时间尺度的逐级嵌套调度和信息反馈。
以雅砻江流域锦屏一级、锦屏二级、官地水电站与周围风光组成的风光水多能互补系统(参数见表1)为例，测试考虑多重不确定性的风光水多能多时间尺度嵌套互补调度技术的效果，结果表明：互补系统长期发电效益相较于水电单独运行提高了6.34％(长期模型效果)，系统出力更为平稳(短期模型效果，见图2)，系统失负荷概率仅为0.33％，具有很好的供电可靠性(实时模型效果，见图3)。
表1风光水多能互补系统参数表
表1风光水多能互补系统参数表
实施例
一种多时间尺度嵌套的风光水多能互补调度方法，包括如下步骤：
(1)建立风光水多能互补系统长期优化调度模型(以下简称长期模型)，实现多能互补长期电量补偿效益最大化，并生成梯级水库日水位控制策略。
(11)目标函数
风光水多能互补长期调度的核心是利用风光对水电的电量补偿、水电对风光的容量补偿，改变水库长期水位控制方式，提高能源综合利用效益，为短期调度提供边界。长期模型以日为调度时段、年为调度期、风光水联合发电效益最大为目标，以梯级水库水位(或库容)为决策变量，其目标函数见式(6)。
式中：Elong为全调度期内互补系统长期发电效益；j为长期调度时段索引；f为梯级水库索引；分别为第f级电站第j日风电、光伏、水电日平均出力；cw，cs，ch分别为风电、光伏、水电上网电价；m，d分别为梯级水库个数、调度期内天数；△T为长期调度时段。
(12)约束条件
风光水多能互补系统调度模型涉及到的约束条件众多，主要包括两大类：水资源系统约束及电力系统约束。
1)水资源系统约束
水资源系统约束条件，主要包括水量平衡约束、库容约束、水位约束、下泄流量约束及梯级水库间水力联系等：
①水量平衡约束
Vf,j+1＝Vf,j+(If,j-Qf,j)*△T (7)
式中：Vf,j+1,Vf,j分别为水电站f在第j+1、j时段末库容；Qf,j为水电站f在第j时段下泄流量；If,j为水电站f第j时段入库流量。
②初末水位约束
式中：Zf,j为水电站f第j时段水库水位；分别为水电站f调度期初始水位、末水位。
③库水位约束
式中：分别为水电站f第j时段水库水位上下限。
④水力联系约束
If+1,j＝Qf,j-τ+Bf+1,j (10)
式中：If+1,j水电站f+1第j时段入库流量；Qf,j-τ为水电站f在第j-τ时段下泄流量；τ为水流滞时；Bf+1,j水电站f+1第j时段区间入流。
⑤下泄流量约束
式中：分别为水电站f第j时段下泄流量上下限。
⑥发电流量约束
式中：为水电站f第j时段发电流量；/>为水电站f发电流量上限。
⑦水位/流量变幅约束
式中：△Zf，△Qf分别为水电站f允许的最大水位变幅和流量变幅。
2)电力系统约束
电力系统约束条件，主要包括电站出力上下限及输送通道约束等：
2.1)电站出力约束
式中：分别为水电站f第j时段出力上下限；/>分别为风电站f第j时段出力上下限；/>分别为光伏电站f第j时段出力上下限。
2.2)输送通道约束
式中：Nf,max为第f级电站风光水互补系输送通道上限。
(13)求解方法
多能互补长期调度属于典型多阶段决策过程，适合用动态规划求解，同时考虑到梯级水库间具有复杂的水力、电力联系，其联合调度是一个多约束、高维、动态的非线性问题，利用传统动态规划求解易出现维数灾问题，本发明采用离散微分动态规划(DPSA)将高维动态规划问题转为一系列一维问题，进而高效求解。其基本步骤为：
Step1：以梯级水库水位为决策变量，设定初始梯级水库水位序列和运行策略；
Step2：先对第一个水库进行优化，其余m-1个水库的水库水位和运行策略暂时保持不变，此时，采用动态规划算法求解第一个水库优化的水位调度过程；
Step3：再对第二个水库进行优化，除第一个水库保持新的水位调度过程，其余水库仍保持初始水库水位和运行策略，此时，采用动态规划算法求解第二个水库优化的水位调度过程；
Step4：用同样的方法对剩下的水库分别进行优化，得到各个水库的新的水位调度过程；
Step5：重复Step1～Step4直至梯级发电效益收敛为止。
(2)建立以调峰能力最大/发电效益最大为目标的风光水多能互补系统短期优化调度模型(以下简称短期模型)，对风光出力的天然不确定性进行一次补偿调节，指导多能互补系统日前联合发电计划的制定。
风光水多能互补短期调度的核心是利用水电对风光进行电力补偿调节，改善风光水打捆送电质量，提高电网对新能源的消纳。通过利用梯级水电的存储和调节能力，对风光出力的随机性、间歇性、波动性等天然不确定性进行一次补偿调节，指导多能互补系统制定一个电网可接受的联合日前发电计划。短期模型根据电网对风光水多能互补发电系统是否下达调峰任务，分别提出以调峰补偿模式和效益补偿模式两种电力补偿模式。
(21)调峰补偿模式
①目标函数：为了尽可能使电网剩余负荷平稳，为火电、核电等在基荷运行创造有利条件，调峰补偿模式以日为调度期、小时/15min/5min或更短时间为调度时段，以剩余负荷方差最小为调度目标，以水电出力为决策变量
式中：ji为第j日第i时段；Vj为第j日的剩余负荷方差；为第ji时段剩余负荷；为剩余负荷序列平均值；/>为第ji时段系统负荷；/> 分别为第f级水电站在第ji时段的风电、光伏、水电出力；n为日内时段数。
②约束条件：短期模型除了需要满足长期调度提到的约束外，还需要以长期模型提供的梯级水库日水位调度过程作为水位控制边界。
式中：为日前调度模型第j日末时刻水位约束；Zf,j+1为中长期优化调度模型提供的水库第j日末的控制水位。
③求解方法
调峰补偿模型的目标函数为剩余负荷均方差最小，此情况下的水库调度决策过程具有后效性，不在适宜用动态规划求解。近年来，快速发展的群体智能优化算法如差分进化算法(DE)、遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等具备较强的全局搜索能力，针对此类问题具有较好的解决效果。因此，选择粒子群算法(PSO)求解此数学模型，具体步骤为：
Step1：以梯级水电站发电流量为决策变量，按照随机方式生成初始粒子群体，并初始化粒子飞行速度；
Step2：计算每个粒子当前适应度值(剩余负荷方差)，并更新每个粒子当前最优值及种群当前平均值；
Step3：更新每个粒子位置和速度；
Step4：判断种群最优值与种群平均值是否收敛。若不收敛，则转入Step2；否则，计算结束。
(22)效益补偿模式
①以日为调度期、小时/15min/5min或更短时间为调度时段，风光水电联合日发电效益最大为目标，以水库库容为决策变量，其目标函数见式(21)。模型约束条件同调峰补偿模型，可采用DPSA进行求解。
式中：Eshort为互补系统的日发电效益；△t为短期调度时段。
②约束条件：与调峰补偿模式的约束条件相同。
③求解方法：效益补偿模式求解方法同长期模型。
(3)建立梯级水电站实时负荷优化分配模型(以下简称实时模型)，指导梯级水库利用存储和调节能力对风光出力预测偏差进行二次补偿调节。
(31)目标函数
当风光实际出力与预测出力相比存在增发/少发时，流域梯级水电站出力需要相应减发/增发，以满足风光水时段计划总出力。为了以尽可能少的耗水量满足当前计划出力，同时利用流域梯级水电站的存储能力，为未来余留足够发电能力，实时调度以水库余留蓄能最大和供电可靠性最高为目标，见式(22)。目标函数第一项为梯级水库余留蓄能，其值越大表示未来的潜在发电能力越大，是协调当前时段t与未来发电效益的关键指标；第二项为多能互补系统失负荷的惩罚，当存在失负荷时取值为较大的负数，当负荷能满足时取值为0，其值越小表示系统供电可靠性越低。
式中：分别为水电站f第ji时段预测出力，与其接入的风电、光伏预测出力；/>分别为互补系统的实测和预测出力；ε为出力偏差阈值；/>表征互补系统是否发生失负荷，1代表发生，0代表不发生；M为惩罚因子，为取值很大的正数；为梯级水库第ji时段余留蓄能；/>为第f级水库第ji时段余留蓄能；为第f级水库第ji时段最小库容；ηf为第f级水库出力系数；/>代表第j级第ji时段水库净水头，是余留库容的函数。
目标函数(22)表示互补系统以尽可能少的耗水量满足当前计划出力，同时利用流域梯级水电站的存储能力，为未来余留足够发电能力。第一项为梯级水库余留蓄能，其值越大表示未来的潜在发电能力越大，是协调当前时段t与未来发电效益的关键指标；第二项为多能互补系统失负荷的惩罚，当存在失负荷时取值为较大的负数，当负荷能满足时取值为0，其值越小表示系统供电可靠性越低。
(32)约束条件
同短期模型一致。
(33)求解方法
实时负荷优化分配模型采用差分进化算法(DE)求解，具体步骤为：
Step1：以梯级水电站水库水位为决策变量，按照随机方式生成初始种群；
Step2：计算各个个体的目标函数，并进行适应度变换；
Step3：依次执行选择、交叉、变异运算，得到新的种群，并更新种群当前最优值及种群当前平均值；
Step4：判断种群最优值与种群平均值是否收敛。若不收敛，则转入Step2；否则，计算结束。
(4)建立长期-短期-实时多时间尺度嵌套调度和逐级信息反馈，实现考虑多重不确定性的电力/电量补偿协同的风光水多能多时间尺度嵌套互补调度。
长期-短期-实时多时间尺度嵌套调度见图1。其中，长期与短期优化调度模型通过梯级水库日水位控制实现嵌套，长期优化调度模型是为了保证风光水联合调度的长期电量补偿效益，短期调度充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节；短期与实时优化调度模型通过出力计划实现嵌套，短期优化调度模型综合考虑风光水的电力补偿调节申报日前联合出力计划，实时调度模型以完成日前联合出力计划为目标，通过利用水库的存储和调节能力对风光出力预测偏差进行二次补偿调节。同时，实时调度将运行水位反馈至短期模型，短期模型将运行水位反馈至长期模型，实现不同时间尺度的逐级嵌套调度和信息反馈。多能互补系统的发电计划申报、调整、更新具体流程见图4：
①开始；
② j＝1；
③将第j日风光预测出力、径流数据及第j日初、末水库水位数据输入到长期模型，制定互补系统发电计划。
④结合第j日风光实测出力、径流数据，采用负荷实时优化分配模型重新调整风光水出力过程及水库调度决策。
⑤以更新后的第j日末水库水位作为第j+1日的初始水位，j＝j+1。
⑥重复步骤③，④，⑤直至满足j>d条件后跳出循环。
⑦结束。
Claims (3)
1.一种多时间尺度嵌套的风光水多能互补调度方法，其特征在于，包括以下步骤：
(1)建立以风光水联合发电效益最大为目标的风光水多能互补系统长期优化调度模型，利用风光对水电的电量补偿和水电对风光的容量补偿实现多能互补长期电量补偿效益最大化，并生成梯级水库日水位控制策略；
(2)建立以调峰能力最大和发电效益最大为目标的风光水多能互补系统短期优化调度模型，发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节，以指导制定多能互补系统日前联合发电计划；
(3)建立以水库余留蓄能最大和供电可靠性最高为目标的梯级水电站实时负荷优化分配模型，利用梯级水库的存储和调节能力对风光出力预测偏差进行二次补偿调节，满足发电计划，同时为未来余留发电能力；
(4)建立长期-短期-实时多时间尺度嵌套调度和逐级信息反馈，通过梯级水库水位实现长期优化调度模型与短期优化调度模型的嵌套，通过发电计划实现短期优化调度模型与实时负荷优化分配模型的嵌套，同时实时调度将运行水位反馈至短期优化调度模型，短期优化调度模型将运行水位反馈至长期优化调度模型，实现考虑多重不确定性的电力和电量补偿协同的风光水多能多时间尺度嵌套互补调度；
(5)风光水多能互补长期调度的是利用风光对水电的电量补偿、水电对风光的容量补偿，改变水库长期水位控制方式，为短期调度提供边界，
所述的步骤(1)中，长期优化调度模型以日为调度时段、年为调度期、风光水联合发电效益最大为目标，以梯级水库水位或库容为决策变量，其目标函数见式(I)；
式中：Elong为调度期内多能互补系统长期发电效益；j为长期调度时段索引；f为梯级水库索引；分别为第f级电站第j日风电、光伏、水电日平均出力；cw，cs，ch分别为风电、光伏、水电上网电价；m，d分别为梯级水库个数、调度期内天数；△T为长期调度时段；
模型除了需要满足水电站水库调度的水量平衡、库容上下限、出库流量上下限、发电出力上下限、水库特征曲线约束外，还需要满足风电、光伏装机容量约束以及电网外送通道约束；
风光水多能互补短期调度的核心是利用水电对风光进行电力补偿调节，改善风光水打捆送电质量，提高电网对新能源的消纳；短期优化调度模型关键是利用梯级水电的存储和调节能力，对风光出力的随机性、间歇性、波动性天然不确定性进行一次补偿调节，指导多能互补系统制定一个电网可接受的联合日前发电计划，
所述的步骤(2)中，短期优化调度模型根据电网对风光水多能互补发电系统是否下达调峰任务，分别提出以调峰补偿模式和效益补偿模式两种电力补偿模式；
(21)调峰补偿模式：以△t为短期调度时段，以剩余负荷方差最小为调度目标，以水电出力为决策变量，其目标函数见式(II)；
式(II)-(III)中：ji为第j日第i时段；Vj为第j日的剩余负荷方差；为第ji时段剩余负荷；/>为剩余负荷序列平均值；/>为第ji时段系统负荷；/> 分别为第f级水电站在第ji时段的风电、光伏、水电出力；n为日内时段数；
(22)效益补偿模式：以△t为短期调度时段，风光水电联合日发电效益最大为目标，以水库库容为决策变量，其目标函数见式(IV)；模型约束条件同调峰补偿模型，可采用DPSA进行求解；
式(IV)中：Eshort为互补系统的日发电效益，
所述的步骤(3)中，梯级水电站实时负荷优化分配模型的目标函数见式(V)：
式(V)中：分别为互补系统的实测和预测出力；/>表征互补系统是否发生失负荷，1代表发生，0代表不发生；M为惩罚因子，取值为正数；/>为梯级水库第ji时段余留蓄能。
2.根据权利要求1所述的一种多时间尺度嵌套的风光水多能互补调度方法，其特征在于，所述的短期优化调度模型以长期优化调度模型提供的梯级水库日水位调度过程作为水位控制边界；风光水多能互补实时调度的核心是考虑梯级水库的联合运行与混合系统的互补运行，对风电、光伏的预测不确定性进行二次补偿调节，以保证系统的供电可靠性；当风光实际出力与预测出力相比存在增发或少发时，流域梯级水电站出力需要相应减发或增发，以满足风光水时段计划总出力。
3.根据权利要求1所述的一种多时间尺度嵌套的风光水多能互补调度方法，其特征在于，所述的步骤(4)中，通过建立长期-短期-实时多时间尺度嵌套调度，实现考虑多重不确定性的电力和电量补偿协同的风光水多能多时间尺度嵌套互补调度；其中，长期与短期优化调度模型通过梯级水库日水位控制实现嵌套，长期优化调度模型是为了保证风光水联合调度的长期电量补偿效益，短期调度充分发挥水电对风光的电力补偿作用，对风光出力的天然不确定性进行一次补偿调节；短期与实时优化调度模型通过出力计划实现嵌套，短期优化调度模型综合考虑风光水的电力补偿调节申报日前联合出力计划，实时调度模型以完成日前联合出力计划为目标，通过利用水库的存储和调节能力对风光出力预测偏差进行二次补偿调节；同时，实时调度将运行水位反馈至短期优化调度模型，短期优化调度模型将运行水位反馈至长期优化调度模型，实现不同时间尺度的逐级嵌套调度和信息反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110928706.4A CN113610411B (zh) | 2021-08-13 | 2021-08-13 | 一种多时间尺度嵌套的风光水多能互补调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110928706.4A CN113610411B (zh) | 2021-08-13 | 2021-08-13 | 一种多时间尺度嵌套的风光水多能互补调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610411A CN113610411A (zh) | 2021-11-05 |
| CN113610411B true CN113610411B (zh) | 2023-10-24 |
Family
ID=78308457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110928706.4A Active CN113610411B (zh) | 2021-08-13 | 2021-08-13 | 一种多时间尺度嵌套的风光水多能互补调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610411B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110942212A (zh) * | 2019-12-13 | 2020-03-31 | 国网青海省电力公司电力科学研究院 | 一种基于梯级水库运行系数的梯级水库优化运行方法 |
| CN111429024A (zh) * | 2020-04-09 | 2020-07-17 | 云南电网有限责任公司 | 一种考虑灵活性平衡机理的水-风-光短期联合调度方法 |
| CN112803499A (zh) * | 2021-03-17 | 2021-05-14 | 河海大学 | 电力/电量补偿协同的风光水多能互补容量优化配置方法 |
-
2021
- 2021-08-13 CN CN202110928706.4A patent/CN113610411B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110942212A (zh) * | 2019-12-13 | 2020-03-31 | 国网青海省电力公司电力科学研究院 | 一种基于梯级水库运行系数的梯级水库优化运行方法 |
| CN111429024A (zh) * | 2020-04-09 | 2020-07-17 | 云南电网有限责任公司 | 一种考虑灵活性平衡机理的水-风-光短期联合调度方法 |
| CN112803499A (zh) * | 2021-03-17 | 2021-05-14 | 河海大学 | 电力/电量补偿协同的风光水多能互补容量优化配置方法 |
Non-Patent Citations (3)
| Title |
|---|
| "风光水"互补发电系统的调度策略;陈丽媛等;《电力建设》;第第34卷卷(第第12期期);全文 * |
| 多时间尺度下风、火、水联合多目标优化调度研究;吴舒鋈等;《计算机科学与探索》;全文 * |
| 考虑预测不确定性的风–光–水多能互补系统调度风险和效益分析;闻昕等;《工程科学与技术》;第第52卷卷(第第3期期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610411A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tan et al. | Evaluation of the risk and benefit of the complementary operation of the large wind-photovoltaic-hydropower system considering forecast uncertainty | |
| CN108123492B (zh) | 一种考虑火电电蓄热联合调峰的日前发电计划优化方法 | |
| CN108092324B (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
| CN112615399A (zh) | 一种储能系统参与电网调频优化控制方法、系统及存储介质 | |
| CN109936170A (zh) | 考虑电源灵活性裕度的风光水火互补协调优化调度方法 | |
| CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
| CN112381424A (zh) | 新能源及负荷不确定性的多时间尺度有功优化决策方法 | |
| CN112886645B (zh) | 一种基于氢能超高比例的新能源电力系统运行模拟方法 | |
| CN112990523A (zh) | 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 | |
| CN110880761A (zh) | 一种基于p2p平台的风光抽蓄混合系统的联合调度方法 | |
| CN110942212A (zh) | 一种基于梯级水库运行系数的梯级水库优化运行方法 | |
| CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
| CN116805803A (zh) | 基于自适应mpc的风光储离网制氢系统能量调度方法 | |
| CN113610411B (zh) | 一种多时间尺度嵌套的风光水多能互补调度方法 | |
| CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源系统调度优化方法 | |
| CN116436039A (zh) | 一种虚拟电厂辅助电网二次调频优化调度方法及装置 | |
| CN116014797A (zh) | 一种配网新能源接纳能力提升的评估方法 | |
| CN115473282B (zh) | 一种梯级水电与光伏互补发电系统及控制方法 | |
| CN113394820B (zh) | 一种新能源并网电力系统的优化调度方法 | |
| CN115271244A (zh) | 一种基于两阶段分布鲁棒优化的梯级水电站短期调峰模型 | |
| Huang et al. | A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system | |
| CN114336703A (zh) | 一种大规模风光储电站自动协同控制方法 | |
| CN117353387A (zh) | 一种日前市场下水风光联合互补优化调度方法 | |
| Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
| CN116799872B (zh) | 一种基于梯级水电功能改造的水光泵互补调度方法及系统 |
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 |