CN113743809B - 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统 - Google Patents

一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统 Download PDF

Info

Publication number
CN113743809B
CN113743809B CN202111060043.5A CN202111060043A CN113743809B CN 113743809 B CN113743809 B CN 113743809B CN 202111060043 A CN202111060043 A CN 202111060043A CN 113743809 B CN113743809 B CN 113743809B
Authority
CN
China
Prior art keywords
energy storage
pumping
electrochemical energy
model
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111060043.5A
Other languages
English (en)
Other versions
CN113743809A (zh
Inventor
王磊
魏敏
赵锋
周泊宇
马实一
王新雷
徐彤
赵宇尘
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.)
State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
State Grid Xinyuan Co Ltd
Original Assignee
State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
State Grid Xinyuan 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 State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office, State Grid Xinyuan Co Ltd filed Critical State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
Priority to CN202111060043.5A priority Critical patent/CN113743809B/zh
Publication of CN113743809A publication Critical patent/CN113743809A/zh
Application granted granted Critical
Publication of CN113743809B publication Critical patent/CN113743809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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

本发明涉及一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统，其特征在于，包括：获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型；求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力；根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令；判断是否达到预先设定的调度周期，若是，则完成待测发电系统抽蓄与电化学储能的联合运行；若否，则重新确定抽蓄出力、电化学储能出力和火电机组出力并向待测发电系统下达对应的出力指令，直至调度周期结束，本发明可以广泛应用于电化学储能领域中。

Description

一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统
技术领域
本发明是关于一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统，属于电化学储能领域。
背景技术
电力系统在考虑调度运行时，需考虑碳交易带来的成本因素。碳交易的主要机理为将碳配额以免费的方式分配给各发电单位，发电单位可以进行碳排放权的交易，当碳排放量在碳排放配额以内，可以出售剩余的碳排放配额以获得收益；碳排放量大于碳排放配额，但是没有超出购买到的碳排放权，此时碳交易成本只需支付多于碳排放配额部分的交易成本；碳排放量超出分配到的碳排放权与购买得到的碳排放权之和，此时除需要支付购买的碳排放权的交易成本外，还需要支付超出部分的罚金。
因此，未来火电的碳排放将受到严格控制，而抽水蓄能和电化学储能在运行时的碳排放量较小，在实际调度运行中，可以通过联合运行，降低火电机组出力，进而降低碳排放和运行成本。但是同时，由于抽水蓄能和电化学储能在运行时，需要承担运维费用，因此在考虑碳交易的调度运行时，需综合多种目标及约束条件，进行优化求解。
在优化求解过程中，由于模型涉及多主体多约束，常规的计算方式难以求解，近年来人工智能优化算法发展迅速，此类问题多采用人工智能优化算法求解，但在应用中，容易出现局部最优问题，无法真正降低火电的输出功率，减小火电的运行成本和碳排放。
发明内容
针对上述问题，本发明的目的是提供一种能够降低火电的输出功率、减小火电的运行成本和碳排放的考虑碳交易的抽蓄与电化学储能联合运行方法及系统。
为实现上述目的，本发明采取以下技术方案：一方面，提供一种考虑碳交易的抽蓄与电化学储能联合运行方法，包括：
获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型；
求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力；
根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令；
判断是否达到预先设定的调度周期，若是，则完成待测发电系统抽蓄与电化学储能的联合运行；若否，则重新确定抽蓄出力、电化学储能出力和火电机组出力并向待测发电系统下达对应的出力指令，直至调度周期结束。
进一步地，所述获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型，包括：
获取待测发电系统的参数；
根据获取的参数，建立考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型。
进一步地，所述根据获取的参数，建立考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，包括：
根据获取的参数，建立火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型；
根据建立的火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型，确定考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，并确定联合调度运行模型的平衡约束。
进一步地，所述火电煤耗量成本模型为：
其中，F1为火电煤耗量成本费用；Pt为火电机组在t时刻的出力；a、b、c为煤耗量成本系数；T为总日前调度总时段数；
所述火电煤耗量成本模型的约束条件为：
Pmin≤Pt≤Pmax
其中，Pmax为火电最大出力；Pmin为火电最小出力；
所述碳交易模型为：
其中，F2为碳交易总费用；FCt为某一时刻碳交易费用；
所述电化学储能模型为：
其中，F3为电化学储能运维费用；为电化学储能运维成本；/>为电化学储能充放电功率；
所述电化学储能模型的电化学储能出力约束为：
SOCmin≤SOC(t)≤SOCmax
其中，为电化学储能的放电功率；/>为电化学储能的额定功率值；为电化学储能的充电功率；SOC(t)为电化学储能荷电状态；Pbess(t)为电化学储能的充电功率；ΔT为电化学储能每次充放电时长；E为储能的额定容量；SOCmin为电化学储能SOC的最小值；SOCmax为电化学储能SOC的最大值；
所述抽蓄模型为：
其中，F4为抽蓄运维费用；为抽蓄运维成本；/>为抽蓄的充放电功率；
所述抽蓄模型的约束条件为：
λm+λn≤1
其中，为抽蓄机组抽水功率；λm为抽水蓄能抽水标志；λn为发电标志；/>为抽蓄抽水额定功率；/>为抽蓄发电功率；/>为抽蓄发电额定功率；/>为抽蓄容量；分别为容量最小值和最大值；/>为上一时刻抽蓄的容量；/>为抽蓄工作时长；ηcs、ηfd为抽水和发电效率。
进一步地，所述考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型为：
其中，F为目标函数，表示发电系统总费用；
所述联合调度运行模型的平衡约束为：
其中，为发电系统总出力。
进一步地，所述求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力，包括：
采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力；
计算该调度运行模式下的待测发电系统的总费用。
进一步地，所述改进的粒子群算法为考虑粒子和种群最优粒子之间的差值，根据差值控制惯性权重wj的取值得到的，当粒子和种群最优粒子之间的差距增大时，则增大惯性权重wj；当粒子和种群最优粒子之间的差距缩小时，则减小惯性权重wj，惯性权重wj为：
式中：ws、we为惯性权重初始值、结束值；zbest为种群最优粒子；pj为第j个粒子的值；pmax、pmin为粒子最大值、最小值。
另一方面，提供一种考虑碳交易的抽蓄与电化学储能联合运行系统，包括：
模型建立模块，用于获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型；
模型求解模块，用于求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组出力；
调度模块，用于根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令；
判断模块，用于判断是否达到预先设定的调度周期。
另一方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述考虑碳交易的抽蓄与电化学储能联合运行方法对应的步骤。
另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述考虑碳交易的抽蓄与电化学储能联合运行方法对应的步骤。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明在常规的联合运行基础上，考虑碳交易成本的因素，将碳交易机制引入联合运行中，对于未来电网运行具有很好的适应性，符合当前发展趋势。
2、在求解优化问题时，本发明采用改进粒子群算法，在普通粒子群算法的基础上，引入惯性权重计算方法，使算法在进行优化求解时，具有较好的搜索能力，可以根据与种群最优粒子的差距，对惯性权重进行调整，本发明可以广泛应用于电化学储能领域中。
附图说明
图1是本发明一实施例提供的方法流程示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
本发明实施例提供的考虑碳交易的抽蓄与电化学储能联合运行方法及系统，利用抽水蓄能和电化学储能，降低火电的输出功率，减小火电的运行成本和碳排放，在一定程度上提升系统经济性。
实施例1
如图1所示，本实施例提供一种考虑碳交易的抽蓄与电化学储能联合运行方法，包括以下步骤：
1)获取待测发电系统的火电煤耗、电化学储能容量和碳交易价格等参数。
2)根据获取的参数，建立考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，具体为：
2.1)根据获取的参数，建立火电煤耗量成本模型：
其中，F1为火电煤耗量成本费用；Pt为火电机组在t时刻的出力；a、b、c为煤耗量成本系数；T为总日前调度总时段数，取24。
火电煤耗量成本模型的约束条件为：
Pmin≤Pt≤Pmax (2)
其中，Pmax为火电最大出力；Pmin为火电最小出力。
2.2)根据获取的参数，建立碳交易模型，由于抽水蓄能和电化学储能在运行过程中的碳排放量较小，本发明实施例忽略二者的碳排放情况，建立的碳交易模型为：
其中，F2为碳交易总费用；FCt为某一时刻碳交易费用，且：
ECt＝σPt (6)
其中，KC为碳交易价格；为碳排放分配权；ECt为t时刻系统碳排放量；ECto为t时刻系统购买得到的碳排放权；Kcf为超额部分的罚金价格；μ为区域单位电量排放分配额；/>为t时段发电系统总的有功出力；σ常规火电的单位电量碳排放强度。
2.3)根据获取的参数，建立电化学储能模型：
电化学储能具有充电、放电两种功能，其充放电功率在0～100％范围内，一般情况下，电化学储能的充电功率与放电功率的绝对值相等。
建立的电化学储能模型为：
其中，F3为电化学储能运维费用；为电化学储能运维成本；/>为电化学储能充放电功率。
电化学储能模型的电化学储能出力约束为：
SOCmin≤SOC(t)≤SOCmax (11)
其中，为电化学储能的放电功率，单位为MW；/>为电化学储能的额定功率值，单位为MW；/>为电化学储能的充电功率，单位为MW；SOC(t)为电化学储能荷电状态；Pbess(t)为电化学储能充放电功率，当电化学储能充电时，Pbess(t)为负值，SOC增大，表示电量增多，当电化学储能放电时，Pbess(t)为正值，SOC减小，表示电量降低；ΔT为电化学储能每次充放电时长，考虑电化学储能在ΔT时间段内功率不变；E为储能的额定容量，单位为MWh；SOCmin为电化学储能SOC的最小值；SOCmax为电化学储能SOC的最大值，电化学储能在工作中不能超过SOC设定的最大值和最小值。
2.4)根据获取的参数，建立抽蓄模型：
其中，F4为抽蓄运维费用；为抽蓄运维成本；/>为抽蓄的充放电功率。
抽蓄模型的约束条件为：
λm+λn≤1 (15)
其中，为抽蓄机组抽水功率；λm、λn为0-1变量，λm为抽水蓄能抽水标志，值为1时抽水；λn为发电标志，值为1时发电；/>为抽蓄抽水额定功率；/>为抽蓄发电功率；/>为抽蓄发电额定功率；/>为抽蓄容量；/>分别为容量最小值和最大值；/>为上一时刻抽蓄的容量；/>为抽蓄工作时长；ηcs、ηfd为抽水和发电效率。
2.5)根据建立的火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型，确定考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型：
其中，F为目标函数，表示发电系统总费用。
2.6)确定联合调度运行模型的平衡约束：
其中，为发电系统总出力，为给定值；/>为变量，即采用下述的改进的粒子群算法求解得到。
3)采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力，具体为：
上述建立的目标函数为维数高、非线性、多约束的目标函数，需用采用人工智能算法进行优化求解。但是在实际应用中，容易出现局部最优问题。因此，通常还需对优化算法进行一定程度改进。粒子群优化(particle swarm optimizer，PSO)算法是一种随机进化算法，在该算法中，每一粒子的位置均可看成需要求解的目标函数的一个解，通过吸收自身和其他粒子的速度向量和位置向量的经验，对自身的状态进行调整，获得全局最优解。
3.1)在粒子群算法的实际应用中，常会对其进行改进，使其具有很好的收敛性能。本发明实施例考虑粒子和种群最优粒子之间的差值，根据差值控制惯性权重wj的取值，得到改进的粒子群算法：
当粒子和种群最优粒子之间的差距增大时，此时应增大惯性权重wj，增强其搜索能力；当粒子和种群最优粒子之间的差距缩小时，此时应减小惯性权重wj，其中，惯性权重wj为：
式中：ws、we为惯性权重初始值、结束值；zbest为种群最优粒子；pj为第j个粒子的值；pmax、pmin为粒子最大值、最小值。
3.2)采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力Pt。
3.3)计算该调度运行模式下的待测发电系统的总费用F。
4)根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令。
5)判断是否达到预先设定的调度周期，若是，则完成待测发电系统抽蓄与电化学储能的联合运行；若否，则进入步骤1)重新获取待测发电系统的参数进行下一调度时刻的计算，直至调度周期结束。
实施例2
本实施例提供一种考虑碳交易的抽蓄与电化学储能联合运行系统，包括：
模型建立模块，用于获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型。
模型求解模块，用于采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组出力。
调度模块，用于根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令。
判断模块，用于判断是否达到预先设定的调度周期。
实施例3
本实施例提供一种与本实施例1所提供的考虑碳交易的抽蓄与电化学储能联合运行方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理设备上运行的计算机程序，处理设备运行计算机程序时执行本实施例1所提供的考虑碳交易的抽蓄与电化学储能联合运行方法。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例4
本实施例提供一种与本实施例1所提供的考虑碳交易的抽蓄与电化学储能联合运行方法对应的计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的考虑碳交易的抽蓄与电化学储能联合运行方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (4)

1.一种考虑碳交易的抽蓄与电化学储能联合运行方法，其特征在于，包括：
获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型，包括：
获取待测发电系统的参数；
根据获取的参数，建立考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，包括：
根据获取的参数，建立火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型；
根据建立的火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型，确定考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，并确定联合调度运行模型的平衡约束；
求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力，包括：
采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力；
计算该调度运行模式下的待测发电系统的总费用；
根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令；
判断是否达到预先设定的调度周期，若是，则完成待测发电系统抽蓄与电化学储能的联合运行；若否，则重新确定抽蓄出力、电化学储能出力和火电机组出力并向待测发电系统下达对应的出力指令，直至调度周期结束；
所述火电煤耗量成本模型为：
其中，F1为火电煤耗量成本费用；Pt为火电机组在t时刻的出力；a、b、c为煤耗量成本系数；T为总日前调度总时段数；
所述火电煤耗量成本模型的约束条件为：
Pmin≤Pt≤Pmax
其中，Pmax为火电最大出力；Pmin为火电最小出力；
所述碳交易模型为：
其中，F2为碳交易总费用；FCt为某一时刻碳交易费用；
所述电化学储能模型为：
其中，F3为电化学储能运维费用；为电化学储能运维成本；/>为电化学储能充放电功率；
所述电化学储能模型的电化学储能出力约束为：
SOCmin≤SOC(t)≤SOCmax
其中，为电化学储能的放电功率；/>为电化学储能的额定功率值；/>为电化学储能的充电功率；SOC(t)为电化学储能荷电状态；Pbess(t)为电化学储能的充电功率；ΔT为电化学储能每次充放电时长；E为储能的额定容量；SOCmin为电化学储能SOC的最小值；SOCmax为电化学储能SOC的最大值；
所述抽蓄模型为：
其中，F4为抽蓄运维费用；为抽蓄运维成本；/>为抽蓄的充放电功率；
所述抽蓄模型的约束条件为：
λm+λn≤1
其中，为抽蓄机组抽水功率；λm为抽水蓄能抽水标志；λn为发电标志；/>为抽蓄抽水额定功率；/>为抽蓄发电功率；/>为抽蓄发电额定功率；/>为抽蓄容量；分别为容量最小值和最大值；/>为上一时刻抽蓄的容量；/>为抽蓄工作时长；ηcs、ηfd为抽水和发电效率；
所述考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型为：
其中，F为目标函数，表示发电系统总费用；
所述联合调度运行模型的平衡约束为：
其中，为发电系统总出力；
所述改进的粒子群算法为考虑粒子和种群最优粒子之间的差值，根据差值控制惯性权重wj的取值得到的，当粒子和种群最优粒子之间的差距增大时，则增大惯性权重wj；当粒子和种群最优粒子之间的差距缩小时，则减小惯性权重wj，惯性权重wj为：
式中：ws、we为惯性权重初始值、结束值；zbest为种群最优粒子；pj为第j个粒子的值；pmax、pmin为粒子最大值、最小值。
2.一种考虑碳交易的抽蓄与电化学储能联合运行系统，其特征在于，包括：
模型建立模块，用于获取待测发电系统的参数，并建立待测发电系统的联合调度运行模型，包括：
获取待测发电系统的参数；
根据获取的参数，建立考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，包括：
根据获取的参数，建立火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型；
根据建立的火电煤耗量成本模型、碳交易模型、电化学储能模型和抽蓄模型，确定考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型，并确定联合调度运行模型的平衡约束；
模型求解模块，用于求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组出力，包括：
采用改进的粒子群算法，求解建立的联合调度运行模型，确定使联合调度运行模型目标函数最小的抽蓄出力和电化学储能出力，并计算火电机组的出力；
计算该调度运行模式下的待测发电系统的总费用；
调度模块，用于根据得到的抽蓄出力、电化学储能出力和火电机组出力，向待测发电系统的对应抽水蓄能、电化学储能和火电下达出力指令；
判断模块，用于判断是否达到预先设定的调度周期；
所述火电煤耗量成本模型为：
其中，F1为火电煤耗量成本费用；Pt为火电机组在t时刻的出力；a、b、c为煤耗量成本系数；T为总日前调度总时段数；
所述火电煤耗量成本模型的约束条件为：
Pmin≤Pt≤Pmax
其中，Pmax为火电最大出力；Pmin为火电最小出力；
所述碳交易模型为：
其中，F2为碳交易总费用；FCt为某一时刻碳交易费用；
所述电化学储能模型为：
其中，F3为电化学储能运维费用；为电化学储能运维成本；/>为电化学储能充放电功率；
所述电化学储能模型的电化学储能出力约束为：
SOCmin≤SOC(t)≤SOCmax
其中，为电化学储能的放电功率；/>为电化学储能的额定功率值；/>为电化学储能的充电功率；SOC(t)为电化学储能荷电状态；Pbess(t)为电化学储能的充电功率；ΔT为电化学储能每次充放电时长；E为储能的额定容量；SOCmin为电化学储能SOC的最小值；SOCmax为电化学储能SOC的最大值；
所述抽蓄模型为：
其中，F4为抽蓄运维费用；为抽蓄运维成本；/>为抽蓄的充放电功率；
所述抽蓄模型的约束条件为：
λm+λn≤1
其中，为抽蓄机组抽水功率；λm为抽水蓄能抽水标志；λn为发电标志；/>为抽蓄抽水额定功率；/>为抽蓄发电功率；/>为抽蓄发电额定功率；/>为抽蓄容量；分别为容量最小值和最大值；/>为上一时刻抽蓄的容量；/>为抽蓄工作时长；ηcs、ηfd为抽水和发电效率；
所述考虑碳交易的火电-抽蓄-电化学储能发电系统成本的联合调度运行模型为：
其中，F为目标函数，表示发电系统总费用；
所述联合调度运行模型的平衡约束为：
其中，为发电系统总出力；
所述改进的粒子群算法为考虑粒子和种群最优粒子之间的差值，根据差值控制惯性权重wj的取值得到的，当粒子和种群最优粒子之间的差距增大时，则增大惯性权重wj；当粒子和种群最优粒子之间的差距缩小时，则减小惯性权重wj，惯性权重wj为：
式中：ws、we为惯性权重初始值、结束值；zbest为种群最优粒子；pj为第j个粒子的值；pmax、pmin为粒子最大值、最小值。
3.一种处理设备，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现权利要求1所述的考虑碳交易的抽蓄与电化学储能联合运行方法对应的步骤。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1所述的考虑碳交易的抽蓄与电化学储能联合运行方法对应的步骤。
CN202111060043.5A 2021-09-10 2021-09-10 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统 Active CN113743809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111060043.5A CN113743809B (zh) 2021-09-10 2021-09-10 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111060043.5A CN113743809B (zh) 2021-09-10 2021-09-10 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统

Publications (2)

Publication Number Publication Date
CN113743809A CN113743809A (zh) 2021-12-03
CN113743809B true CN113743809B (zh) 2024-03-29

Family

ID=78737922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111060043.5A Active CN113743809B (zh) 2021-09-10 2021-09-10 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统

Country Status (1)

Country Link
CN (1) CN113743809B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108964128A (zh) * 2018-08-07 2018-12-07 燕山大学 基于电锅炉与储热装置协调供热的低碳经济调度求解方法
CN110334856A (zh) * 2019-06-18 2019-10-15 国网浙江省电力有限公司湖州供电公司 一种基于碳交易机制的风光储容量规划方法
CN112398115A (zh) * 2019-08-14 2021-02-23 海南电网有限责任公司 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案
CN112653180A (zh) * 2020-09-24 2021-04-13 北京信息科技大学 一种风火储联合系统环境经济调度方法及系统
CN113013928A (zh) * 2021-04-13 2021-06-22 上海电机学院 一种风-火-抽蓄联合系统的优化调度方法
CN113222465A (zh) * 2021-06-01 2021-08-06 昆明理工大学 一种计及碳-绿色证书交易机制的综合能源系统优化运行方法
CN113315151A (zh) * 2021-05-28 2021-08-27 北京能高自动化技术股份有限公司 一种基于相变储能构建的综合能源调峰站及调峰方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108964128A (zh) * 2018-08-07 2018-12-07 燕山大学 基于电锅炉与储热装置协调供热的低碳经济调度求解方法
CN110334856A (zh) * 2019-06-18 2019-10-15 国网浙江省电力有限公司湖州供电公司 一种基于碳交易机制的风光储容量规划方法
CN112398115A (zh) * 2019-08-14 2021-02-23 海南电网有限责任公司 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案
CN112653180A (zh) * 2020-09-24 2021-04-13 北京信息科技大学 一种风火储联合系统环境经济调度方法及系统
CN113013928A (zh) * 2021-04-13 2021-06-22 上海电机学院 一种风-火-抽蓄联合系统的优化调度方法
CN113315151A (zh) * 2021-05-28 2021-08-27 北京能高自动化技术股份有限公司 一种基于相变储能构建的综合能源调峰站及调峰方法
CN113222465A (zh) * 2021-06-01 2021-08-06 昆明理工大学 一种计及碳-绿色证书交易机制的综合能源系统优化运行方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal configuration of pumped storage capacity in power systems with high penetration of wind power;Min Wei 等;《2020 IEEE 4th conference on Energy internet and energy system integration》;第1-6页 *
计及抽水蓄能和火电深度调峰效益的抽蓄-火电联合调峰调用顺序及策略;林立 等;《电网技术》;第20-29页 *

Also Published As

Publication number Publication date
CN113743809A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN113538066B (zh) 虚拟电厂参与电力市场的控制方法、系统、设备及介质
CN108446967A (zh) 虚拟电厂竞价方法
CN110866647A (zh) 用户侧储能控制方法、装置、设备及存储介质
CN108964048B (zh) 微电网容量配置与运行调度方法及装置
CN114239956A (zh) 虚拟电厂的资源配置方法、装置及终端
CN113743809B (zh) 一种考虑碳交易的抽蓄与电化学储能联合运行方法及系统
CN110661277B (zh) 一种基于敏感负荷接入的虚拟电厂日前调度方法
CN109823223A (zh) 一种电动汽车充电站的储能容量配置方法及系统
CN112671022A (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
CN114123278B (zh) 一种基于电化学储能的风电预测偏差修正方法及系统
CN116316713A (zh) 一种含风光和光伏的电网储能配置方法及装置
Zhou et al. Optimal energy management of internet data center with distributed energy resources
CN114552610A (zh) 储能配置方法及系统、电子设备及存储介质
CN115238992A (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN112909976B (zh) 一种基于社区电动汽车充电站储能配置方法
CN115482026A (zh) 一种计及新能源随机波动特性的备用容量确定及其成本分摊方法
CN112018799A (zh) 一种储能电池的运行调度方法及装置
CN112928755B (zh) 光伏储能系统的控制方法、装置及存储介质
Peng et al. Commercial Optimized Operation Strategy of Distributed Energy Storage
CN113922422B (zh) 一种恒功率柔性运行控制方法、系统、设备和存储介质
CN116995685A (zh) 一种可调节负荷聚合管理优化调度方法及终端设备
CN111882146B (zh) 火电机组改造的费用分摊方法及计算设备
JP7151570B2 (ja) 電力制御装置
CN112350322B (zh) 一种计及用电舒适度的住宅社区需求响应方法、系统及计算机可读存储介质
Chen et al. Effects of battery energy storage system on the operating schedule of a renewable energy based TOU rate industrial user under competitive environment

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