CN113659566B - 一种基于CVaR的多能互补发电系统的容量配置优化方法 - Google Patents
一种基于CVaR的多能互补发电系统的容量配置优化方法 Download PDFInfo
- Publication number
- CN113659566B CN113659566B CN202110821828.3A CN202110821828A CN113659566B CN 113659566 B CN113659566 B CN 113659566B CN 202110821828 A CN202110821828 A CN 202110821828A CN 113659566 B CN113659566 B CN 113659566B
- Authority
- CN
- China
- Prior art keywords
- cvar
- power generation
- capacity
- model
- constraint
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000010248 power generation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000295 complement effect Effects 0.000 title claims abstract description 24
- 238000011426 transformation method Methods 0.000 claims abstract description 5
- 238000005086 pumping Methods 0.000 claims description 40
- 230000005611 electricity Effects 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 4
- 238000012502 risk assessment Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of 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
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于CVaR的多能互补发电系统的容量配置优化方法,涉及电力系统运行与规划领域,该发明基于系统的发电计划与系统备用计划的关系,考虑光伏在更短时间尺度内的不确定性以及波动性进行系统备用配置,能够保证分钟级时间尺度的系统可靠性,并利用CVaR对备用策略进行风险评估;利用离散阶跃变换法以及过求差卷积法将基于CVaR的系统备用优化模型线性化,得到标准的混合整数线性规划形式,与传统蒙特卡洛模拟方法求得CVaR值相比较,转化后的模型能够利用Cplex求解器高效快速求解,求解结果更加稳定。
Description
技术领域
本发明涉及电力系统运行与规划领域,具体涉及一种基于CVaR的多能互补发电系统的容量配置优化方法。
背景技术
在全球性能源短缺以及环境污染的双重压力下,以光伏等为代表的新能源以其清洁性以及可再生性等传统化石能源所不具备的特点而备受关注。然而由于新能源本身的间歇性和波动性等特点,大规模新能源接入下的电力系统供电可靠性将收到严重影响,尤其是在孤岛电力系统中,低供电可靠性往往会导致经常出现非计划停电的风险,对孤岛系统运行经济性造成较大影响。根据常规能源与新能源联合运行模式可得出一种基于鲁棒优化的日前发电容量模型。但是由于新能源本身的波动性以及不确定性,仅仅依靠日前发电计划将不可避免的出现缺电情况。而在高新能源渗透率孤岛系统中,备用策略作为日前发电计划的重要补充能够有效避免缺电现象,从而减小孤岛系统所面临的风险。传统系统备用策略主要考虑负荷的波动,未能将新能源不确定性所带来的非计划停电风险进行量化,从而给系统设置备用容量提供重要风险参考。后有人提出一种基于风险价值(value atrisk,VaR)的系统备用策略,可分析新能源的不确定性对系统备用设置的影响,但使用VaR无法计算超过所设定置信度下的风险值。因此,又提出了一种基于场景分析的系统备用策略方法,利用条件风险价值(conditional value at risk,CVaR)对新能源不确定性带来的风险价值进行量化,但由于其受限于所分析场景数量较少,无法充分体现随机变量的不确定性,而后又提出了蒙特卡洛模拟的高新能源渗透率系统备用容量优化模型,但为了获得不同的风险价值需要进行大量的模拟运算,求解时间较长。
现有针对孤岛多能互补发电系统的备用研究大多数进行小时级备用优化,未考虑新能源高渗透率接入下的分钟级波动性和不确定性。而在新能源高渗透率孤岛电力系统中,随着光伏等新能源接入比例不断增加,其出力在更段时间尺度上的波动性和不确定性对孤岛系统备用配置的影响将会更加严重,从分钟级系统备用角度来看,小时级的系统备用配置结果往往会造成资源浪费或是备用不足的情况从而导致系统供电可靠性得不到保障。此外,针对CVaR优化问题的求解方法大多以蒙特卡洛模拟为主,需要进行大量的场景计算从而获得较为精准的风险值,需要大量的计算时间和计算空间。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于CVaR的多能互补发电系统的容量配置优化方法,包括以下步骤:
S1:获取孤岛水光蓄多能互补发电系统的抽蓄机组数量、水电机组数量、可转移负荷数量、水电机组单位电价、抽蓄机组发电单位电价、抽蓄机组抽水单位电价、可转移负荷转移时段电量单位价格;
S2:根据所获参数得出日前发电调度计划模型及模型的约束条件;
S3:基于CVaR的系统备用容量优化日前发电调度计划模型,得到基于CVaR的分钟级系统备用容量优化模型;
S4:利用离散阶跃变换法以及过求差卷积法对基于CVaR的分钟级系统备用容量优化模型进行离散化处理,将其转化为混合整数线性规划模型;
S5:利用Cplex求解器对转化后的混合整数线性规划模型求解,求解完毕后可得出在给定风险值下的系统备用容量,即备用优化策略。
优选的,所述步骤S2中日前发电调度计划模型的约束条件包括系统功率平衡约束,水位约束条件,水电机组流量约束条件,抽蓄机组出力约束,抽蓄机组的状态变量约束,抽蓄机组的日水量平衡约束条件,抽蓄机组的库容约束条件,潮流约束。
优选的,所述步骤S2中日前发电调度计划模型由总负荷与总光伏出力预测值之差决定。
优选的,所述步骤S3还包括以下步骤:
S31:依据给定的置信度水平,得出基于CVaR的分钟级系统备用容量优化模型以及模型的约束条件;
S32:利用CVaR方法得出系统备用风险值与置信度水平的函数关系;
S33:依据光伏出力最大值以及光伏阵列形状系数,得出光伏出力的概率分布模型;
S34:依据有功负荷值、平均值以及标准差,得出负荷的离散序列。
优选的,所述S32中基于CVaR的分钟级系统备用容量优化模型,在给定置信度水平下合理设置水电机组和抽蓄机组所提供的备用容量。
优选的,所述基于CVaR的分钟级系统备用容量优化模型的约束条件包括水电机组提供的备用容量约束,抽蓄机组提供的备用约束,系统N-1的安全约束。
优选的,所述水电机组提供的备用容量约束中,水电机组的响应速度取15分钟爬坡力。
优选的,所述步骤4还包括以下步骤:
S41:利用离散阶跃变方法将光伏出力的概率分布模型和负荷的不确定性模型离散化;
S42:利用求差卷积将所得到的光伏出力离散序列和负荷离散序列进行卷积计算,得到净负荷的离散序列;
S43:通过引入新的辅助变量将基于CVaR的分钟级系统备用容量优化模型线性化,得出混合整数线性规划模型。
通过上述方案,可以使不同模块间信息共享但独立决策,提高楼宇综合能源系统及配电网的策略制定效率。
本发明的有益效果是:
(1)本发明基于系统的发电计划与系统备用计划的关系,考虑光伏在更短时间尺度内的不确定性以及波动性进行系统备用配置,能够保证分钟级时间尺度的系统可靠性,并利用CVaR对备用策略进行风险评估;
(2)本发明利用离散阶跃变换法以及过求差卷积法将基于CVaR的系统备用优化模型线性化,得到标准的混合整数线性规划形式,与传统蒙特卡洛模拟方法求得CVaR值相比较,转化后的模型能够利用Cplex求解器高效快速求解,求解结果更加稳定。
附图说明
图1显示为一种基于CVaR的多能互补发电系统的容量配置优化方法的流程图;
图2显示为一种基于CVaR的多能互补发电系统的容量配置优化方法的不同置信度下备用的CVaR值变化的原理图;
图3显示为一种基于CVaR的多能互补发电系统的容量配置优化方法的不同置信度下系统备用容量值变化的原理图;
图4显示为一种基于CVaR的多能互补发电系统的容量配置优化方法的不同置信度下水电机组和抽蓄电站提供的备用容量变化的原理图;
图5显示为一种基于CVaR的多能互补发电系统的容量配置优化方法的系统备用变化风险值对比原理图。
具体实施方式
下面结合本发明的附图1~5,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,一种基于CVaR的多能互补发电系统的容量配置优化方法,包括以下步骤:
S1:获取孤岛水光蓄多能互补发电系统的抽蓄机组数量、水电机组数量、可转移负荷数量、水电机组单位电价、抽蓄机组发电单位电价、抽蓄机组抽水单位电价、可转移负荷转移时段电量单位价格;
S2:根据所获参数得出日前发电调度计划模型及模型的约束条件;
S3:基于CVaR的系统备用容量优化日前发电调度计划模型,得到基于CVaR的分钟级系统备用容量优化模型;
S4:利用离散阶跃变换法以及过求差卷积法对基于CVaR的分钟级系统备用容量优化模型进行离散化处理,将其转化为混合整数线性规划模型;
S5:利用Cplex求解器对转化后的混合整数线性规划模型求解,求解完毕后可得出在给定风险值下的系统备用容量,即备用优化策略。
步骤S2中日前发电调度计划模型的目标函数为:
其中,NP为抽蓄机组的数量,NH为水电机组的数量,NTr为可转移负荷的数量,T为总优化时间长度;CH i,t为水电机组i的单位电价,CEc j,t、CEd j,t分别为抽蓄机组j的发电与抽水单位电价,CTr k,t,t’为可转移负荷k从t时段转移到t’时段电量单位价格;
具体的,所述步骤S2中日前发电调度计划模型的约束条件包括系统功率平衡约束,水位约束条件,水电机组流量约束条件,抽蓄机组出力约束,抽蓄机组的状态变量约束,抽蓄机组的日水量平衡约束条件,抽蓄机组的库容约束条件,潮流约束。
系统功率平衡约束如下式所示:
常规水电机组的出力如下式所示:
其中,PH i,t和qi,t分别为水电机组i在t时段的出力、发电流量,而aH i、bH i和cH i分别为其水能-电能转换系数;
水位约束条件:
Wi,t=Wi,t-1+ri,t-qi,t
其中,Wi,t和ri,t分别为水电机组i在t时段的水库水量、天然来水量;
Wi,min≤Wi,t≤Wi,max
其中,Wi,max和Wi,min分别为水电机组i的最小和最大水库水量;
水电机组流量约束条件:
qi,min≤qi,t≤qi,max
其中,qi,min和qi,max分别为水电机组i的最小与最大发电流量;
水电机组出力约束:
其中,PH i,max和PH i,min分别为水电机组i的最小、最大出力;
抽蓄机组出力约束:
其中,PEc j,t和PEd j,t分别为抽蓄机组j在t时段的发电与抽水功率,PEc j,max和PEd j,max分别为最大发电与抽水功率,UEc j,t和UEd j,t分别为发电与抽水的0-1状态变量;
抽蓄机组的状态变量约束:
抽蓄机组的日水量平衡约束条件:
其中,ξEc和ξEd分别为抽蓄机组j的发电与抽水效率因数;
抽蓄机组的库容约束条件:
Vj,min≤Vj,t≤Vj,max
其中,Vj,t、Vj,base、Vj,max和Vj,min分别为抽蓄机组j在t时段的库容量、初始库容量以及库容量上下限;
可转移负荷模型如下式所示:
可转移负荷能够在实现负荷的跨时间尺度平移,能够削峰填谷,减小系统运行成本,提高系统运行效率,其中,LTr k,t,t’和Lk,MAX分别表示可转移负荷k从t时段转移到t’时段的电量及其上限,LTr k,MAX表示可转移负荷k在t时段内转出的电量最大值,tTr为最大允许转移时间值;
可中断负荷模型如下式所示:
调用可中断负荷能够使得系统备用配置更加灵活,减少系统峰谷差,提高系统运行经济性,其中,LIn l,t和LIn l,t,max分别表示可中断负荷l在t时段内的可中断电量及其上限;UIn l,t为0-1变量,当UIn l,t取0时表示未被调用,而当UIn l,t取1时表示被调用;Ton和Toff分别表示最大可中断持续时间以及最小可中断间隔时间;
潮流约束:
Bxθ=P
具体的,所述步骤S2中日前发电调度计划模型由总负荷与总光伏出力预测值之差决定。
E(PL t-PPV t)为总负荷与总光伏出力预测值之差,其中PL t和PPV t分别为总负荷与总光伏出力预测值;
具体的,所述步骤S3还包括以下步骤:
S31:依据给定的置信度水平,得出基于CVaR的分钟级系统备用容量优化模型以及模型的约束条件;
S32:利用CVaR方法得出系统备用风险值与置信度水平的函数关系;
S33:依据光伏出力最大值以及光伏阵列形状系数,得出光伏出力的概率分布模型;
S34:依据有功负荷值、平均值以及标准差,得出负荷的离散序列。
步骤S31中基于CVaR的分钟级系统备用容量优化模型为:
上式利用CVaR方法计算系统备用风险值,其中,β为置信度水平,基于CVaR的系统备用容量优化日前发电调度计划模型的目标函数的优化时间尺度为15min,T’取96,at为t时段系统备用的风险价值,为光伏出力以及负荷的联合概率密度函数;
步骤S32中,系统备用风险价值与置信度水平的函数关系式如下:
上式为系统备用风险价值计算公式,表示在给定的置信水平β下,累积分布函数满足置信水平下的最小的风险值;
上式为系统备用的风险函数,本文中将其定义为系统备用成本与非计划失电惩罚费用;其中,τVOLL t和UPPFt为t时段非计划失电量以及相应的惩罚系数;
上式为系统备用成本公式,其中,Pit R代表t时段内水电机组i所提的备用容量,代表t时段内抽蓄机组j所提的备用容量,Ci,t R代表t时段内水电机组i所提供备用的价格,Cj,t P代表t时段抽蓄机组j所提供的备用价格,Ll,t In和Cl,t In分别为t时段内调用可中断负荷l的电量以及相应的价格;
UPPFγ(i),t=max(0,uγ(i),t-Rt-E′(Pt L-Pt PV)}
上式为计算由于光伏出力以及负荷不确定性所带来的系统非计划失电量,其中,z代表净负荷值;Rt为t时段系统备用容量;E’(PL t-PPV t)为分钟级总负荷和总光伏出力预测之差,与E(PL t-PPV t)对应;
z=Pt L-Pt PV (6)
步骤S33中,光伏阵列出力概率遵守beta分布,因此,可得光伏出力的概率分布模型如下式所示:
其中,PPV MAX、λ1和λ2分别为光伏出力最大值以及光伏阵列的形状系数,而G、μ和δ分别为伽马函数、光伏出力的平均值和标准差;
步骤S34中,负荷的不确定性模型如下式所示:
其中,PL、μL和δL分别为有功负荷值,平均值和以及标准差;
具体的,所述S32中基于CVaR的分钟级系统备用容量优化模型,在给定置信度水平下合理设置水电机组和抽蓄机组所提供的备用容量。
在给定置信度水平β下,在基于CVaR的分钟级系统备用容量优化模型中对水电机组和抽蓄机组所提供的备用容量进行优化,同时调用需求响应,即可转移负荷和可中断负荷,能够通过系统提供备用资源,从而减小系统风险。
具体的,所述基于CVaR的分钟级系统备用容量优化模型的约束条件包括水电机组提供的备用容量约束,抽蓄机组提供的备用约束,系统N-1的安全约束。
水电机组提供的备用容量约束:
其中,RH i,up为水电机组的爬坡率上限,Pj,t H为抽蓄机组j在t时段的出力值;
抽蓄机组提供的备用约束:
系统的N-1安全约束:
具体的,所述水电机组提供的备用容量约束中,水电机组的响应速度取15分钟爬坡力。
基于CVaR的系统备用容量优化日前发电调度计划模型时,取用15分钟为一个优化时段,因此取爬坡力为15分钟,可与基于CVaR的分钟级系统备用容量优化模型相匹配。
具体的,所述步骤4还包括以下步骤:
S41:利用离散阶跃变方法将光伏出力的概率分布模型和负荷的不确定性模型离散化;
S42:利用求差卷积将所得到的光伏出力离散序列和负荷离散序列进行卷积计算,得到净负荷的离散序列;
S43:通过引入新的辅助变量将基于CVaR的分钟级系统备用容量优化模型线性化,得出混合整数线性规划模型。
步驟S41中,在给定离散步长q下,离散阶跃变换运算过程如下式所示:
其中,fo(x)为某不确定性变量x的概率密度函数;
步驟S42中,将离散后的所得到的负荷以及光伏出力的概率序列α(i)以及β(i)通过求差卷积计算净负荷的离散概率序列,本文中净负荷定义为负荷与光伏出力之差,如下式所示:
其中,γ(i)以及Nγ分别为净负荷的概率序列及其长度;
步驟S43中,通过引入新的变量Yγ(i),t将CVaR的分钟级系统备用容量的目标函数性化,可得到下式:
当f(Rt,uγ(i),t,t)<at时,则根据上式可知,Yγ(i),t取0,表示此时的备用风险值小于风险价值值,不计入CVaR的计算;反之,当Yγ(i),t为非零时,表示此时备用风险值超过给定置信度下的平均风险值,将其计入CVaR的计算;
利用uγ(i)替代z可将式2、3和5转化为以下形式:
UPPFγ(i),t=max{0,uγ(i),t-Rt-D'(Pt L-Pt PV)}
通过上述过程可将本文所提出的高新能源渗透率孤岛多能互补发电系统备用容量优化模型线性化;
表1水电参数表
如图2所示,根据表1中参数可得,随着置信度β的不断增大,为了覆盖更大概率净负荷的不确定性,需要提供更多的系统备用,因此,系统备用变化CVaR值也不断增大,而在置信度β大于0.85后,由于净负荷的概率序列分布跨度较大,其最大值的概率虽然较小但必须考虑,因此,随着置信度β的不断增大,系统备用容量的增长速度逐渐变大,其系统备用变化CVaR值也几乎呈现指数增长形式,置信度β从0.98到0.99的过程中,其系统备用变化CVaR值增长最为明显;如图3所示,较大的置信度β会导致系统所需备用容量增加,但不同置信度β下系统备用需求变化基本一致;由于光伏出力中午12:00左右净负荷受到光伏出力波动较大的影响,在这段时间内的波动剧烈且变化较快速,需要更多的系统备用来保证其供电可靠性,且这段时间内系统备用容量需求变化迅速;然而在光伏停止出力时间短段,由于这段时间内负荷比较稳定,变化较小,因此,系统备用容量曲线在这段时间比较平稳;如图4所示,水电机组容量较大的原因为:提供系统大部分备用容量,其变化趋势与系统备用变化趋势基本相同;而抽蓄电站受制于其日电量平衡等约束,仅在白天提供系统备用,且由于其容量较小以及出力灵活等特性,系统备用首先考虑由抽蓄电站机组提供,因此,抽蓄电站提供的备用容量基本没有变化;如图5所示,可看出在利用CVaR评估的系统备用变化风险值偏大,但随着置信度β的增大,两者的越来约接近,特别是在置信度β大于0.95后,两者相差很小;这是由于CVaR能够评估超过阈值的平均风险损失,而随着置信度β的增大,其超过阈值的风险损失也随着变小,因此,两者的差距也越来约小,特别是置信度β取0.99时,两者基本一样;此外,由于无论基于CVaR和VaR的系统备用确定方法,其主要差异在于对风险值的评估,而对一定置信度β下系统备用容量几乎没有影响;因此,在相同置信度β下两种不同风险评估方法下的系统备用容量几乎一致。
Claims (8)
1.一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,包括以下步骤:
S1:获取孤岛水光蓄多能互补发电系统的抽蓄机组数量、水电机组数量、可转移负荷数量、水电机组单位电价、抽蓄机组发电单位电价、抽蓄机组抽水单位电价、可转移负荷转移时段电量单位价格;
S2:根据所获参数得出日前发电调度计划模型及模型的约束条件;
S3:基于CVaR的系统备用容量优化日前发电调度计划模型,得到基于CVaR的分钟级系统备用容量优化模型;
S4:利用离散阶跃变换法以及过求差卷积法对基于CVaR的分钟级系统备用容量优化模型进行离散化处理,将其转化为混合整数线性规划模型;
S5:利用Cplex求解器对转化后的混合整数线性规划模型求解,求解完毕后可得出在给定风险值下的系统备用容量,即备用优化策略;
其中基于CVaR的分钟级系统备用容量优化模型为:
上式利用CVaR方法计算系统备用风险值,其中,β为置信度水平,基于CVaR的系统备用容量优化日前发电调度计划模型的目标函数的优化时间尺度为15min,T’取96,at为t时段系统备用的风险价值,为光伏出力以及负荷的联合概率密度函数;
步骤S32中,系统备用风险价值与置信度水平的函数关系式如下:
上式为系统备用风险价值计算公式,表示在给定的置信水平β下,累积分布函数满足置信水平下的最小的风险值;
f(Rt,z,t)=CoRt+τt VoLLUPPFt
上式为系统备用的风险函数,本文中将其定义为系统备用成本与非计划失电惩罚费用;其中,τVOLL t和UPPFt为t时段非计划失电量以及相应的惩罚系数;
上式为系统备用成本公式,其中,Pi,t R代表t时段内水电机组i所提的备用容量,RP j,t代表t时段内抽蓄机组j所提的备用容量,Ci,t R代表t时段内水电机组i所提供备用的价格,Cj,t P代表t时段抽蓄机组j所提供的备用价格,Ll,t In和Cl,t In分别为t时段内调用可中断负荷l的电量以及相应的价格。
2.根据权利要求1所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述步骤S2中日前发电调度计划模型的约束条件包括系统功率平衡约束,水位约束条件,水电机组流量约束条件,抽蓄机组出力约束,抽蓄机组的状态变量约束,抽蓄机组的日水量平衡约束条件,抽蓄机组的库容约束条件,潮流约束。
3.根据权利要求1所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述步骤S2中日前发电调度计划模型由总负荷与总光伏出力预测值之差决定。
4.根据权利要求1所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述步骤S3还包括以下步骤:
S31:依据给定的置信度水平,得出基于CVaR的分钟级系统备用容量优化模型以及模型的约束条件;
S32:利用CVaR方法得出系统备用风险值与置信度水平的函数关系;
S33:依据光伏出力最大值以及光伏阵列形状系数,得出光伏出力的概率分布模型;
S34:依据有功负荷值、平均值以及标准差,得出负荷的离散序列。
5.根据权利要求4所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述S32中基于CVaR的分钟级系统备用容量优化模型,在给定置信度水平下合理设置水电机组和抽蓄机组所提供的备用容量。
6.根据权利要求4所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述基于CVaR的分钟级系统备用容量优化模型的约束条件包括水电机组提供的备用容量约束,抽蓄机组提供的备用约束,系统N-1的安全约束。
7.根据权利要求6所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述水电机组提供的备用容量约束中,水电机组的响应速度取15分钟爬坡力。
8.根据权利要求1所述的一种基于CVaR的多能互补发电系统的容量配置优化方法,其特征在于,所述步骤S4还包括以下步骤:
S41:利用离散阶跃变方法将光伏出力的概率分布模型和负荷的不确定性模型离散化;
S42:利用求差卷积将所得到的光伏出力离散序列和负荷离散序列进行卷积计算,得到净负荷的离散序列;
S43:通过引入新的辅助变量将基于CVaR的分钟级系统备用容量优化模型线性化,得出混合整数线性规划模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821828.3A CN113659566B (zh) | 2021-07-19 | 2021-07-19 | 一种基于CVaR的多能互补发电系统的容量配置优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821828.3A CN113659566B (zh) | 2021-07-19 | 2021-07-19 | 一种基于CVaR的多能互补发电系统的容量配置优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113659566A CN113659566A (zh) | 2021-11-16 |
CN113659566B true CN113659566B (zh) | 2024-03-26 |
Family
ID=78477609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110821828.3A Active CN113659566B (zh) | 2021-07-19 | 2021-07-19 | 一种基于CVaR的多能互补发电系统的容量配置优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113659566B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2616602B (en) * | 2022-03-11 | 2024-05-01 | Krakenflex Ltd | Active and reactive power service management |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014176930A1 (zh) * | 2013-05-03 | 2014-11-06 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN110661301A (zh) * | 2019-08-20 | 2020-01-07 | 四川大学 | 一种水光蓄多能互补发电系统的容量配置优化方法 |
CN110729721A (zh) * | 2019-10-22 | 2020-01-24 | 国网江西省电力有限公司经济技术研究院 | 电力系统全局备用容量计算方法 |
-
2021
- 2021-07-19 CN CN202110821828.3A patent/CN113659566B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014176930A1 (zh) * | 2013-05-03 | 2014-11-06 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN110661301A (zh) * | 2019-08-20 | 2020-01-07 | 四川大学 | 一种水光蓄多能互补发电系统的容量配置优化方法 |
CN110729721A (zh) * | 2019-10-22 | 2020-01-24 | 国网江西省电力有限公司经济技术研究院 | 电力系统全局备用容量计算方法 |
Non-Patent Citations (3)
Title |
---|
泸州电网实时可视化分析与预警系统;高剑;余兴祥;刘友波;;四川电力技术(第06期);1-8 * |
离网条件下考虑短时间尺度的水光蓄多能互补发电系统备用容量确定方法;蒋万枭;刘继春;韩晓言;丁理杰;胡灿;杨芳;彭钰祥;冯麒铭;;电网技术(第07期);1-8 * |
考虑风电不确定性的电气能源系统两阶段分布鲁棒协同调度;税月;刘俊勇;高红均;邱高;胥威汀;苟竞;;电力系统自动化(第13期);1-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN113659566A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113452020B (zh) | 一种考虑柔性氢需求的电氢能源系统调度方法 | |
Hajipour et al. | Stochastic capacity expansion planning of remote microgrids with wind farms and energy storage | |
Chen et al. | Key technologies for integration of multitype renewable energy sources—Research on multi-timeframe robust scheduling/dispatch | |
CN107240932B (zh) | 一种水光互补系统中光伏电站容量优化方法 | |
CN105046395A (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN110909954A (zh) | 一种最大化可再生能源利用的多阶段电源规划方法 | |
CN103956773A (zh) | 含风电系统机组的备用配置优化方法 | |
CN113904382A (zh) | 一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质 | |
CN116565874A (zh) | 一种考虑光储用户并网的配电网多时间尺度优化调度方法 | |
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 | |
CN115360706A (zh) | 考虑dr和灵活性供需平衡的源荷储联合调度方法及系统 | |
CN113659566B (zh) | 一种基于CVaR的多能互补发电系统的容量配置优化方法 | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
CN113541195B (zh) | 一种未来电力系统中高比例可再生能源的消纳方法 | |
CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
CN113919676A (zh) | 计及需求响应与电制氢系统的虚拟电厂运行效果评估方法 | |
CN117913914A (zh) | 基于电量分类的一体化项目并网多时段调度方法及装置 | |
CN117391445A (zh) | 考虑条件风险价值的电–热–氢综合能源系统优化运行方法 | |
CN116562554A (zh) | 一种考虑灵活性供需平衡的长短期储能联合规划方法 | |
CN116742664A (zh) | 一种短期电池储能和季节性储氢协同规划方法及系统 | |
Lei et al. | Optimal scheduling of a renewable energy-based park power system: a novel hybrid SDDP/MPC approach | |
CN114548536A (zh) | 一种电力市场环境下考虑储能影响的可再生能源规划方法 | |
Alamri et al. | Multi-Objective Unit Commitment Economic Dispatch for Power Systems Reliability Assessment | |
CN111404180A (zh) | 综合能源系统的优化调度方法和系统 |
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 |