CN113765098A - 一种基于需求侧负荷响应的荷源互动调峰控制方法 - Google Patents
一种基于需求侧负荷响应的荷源互动调峰控制方法 Download PDFInfo
- Publication number
- CN113765098A CN113765098A CN202110953274.2A CN202110953274A CN113765098A CN 113765098 A CN113765098 A CN 113765098A CN 202110953274 A CN202110953274 A CN 202110953274A CN 113765098 A CN113765098 A CN 113765098A
- Authority
- CN
- China
- Prior art keywords
- load
- day
- response
- constraint
- peak
- 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
- 230000004044 response Effects 0.000 title claims abstract description 122
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 22
- 230000002068 genetic effect Effects 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 8
- 238000011217 control strategy Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010248 power generation Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 241000779783 Darwinia Species 0.000 description 1
- 240000006023 Trichosanthes kirilowii Species 0.000 description 1
- 235000009818 Trichosanthes kirilowii Nutrition 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007105 physical stamina Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明的目的是提供一种基于需求侧负荷响应参与荷源互动调峰控制方法,设计了考虑日前日内两种时间尺度的荷源互动调峰模式。提出了考虑可离散响应负荷、可连续响应负荷、可时移响应负荷、可中断响应负荷以适用于现阶段的国内需求的调峰模式,对提高电网的调峰能力,削减电网成本,降低弃风电量具有重要的作用。
Description
技术领域
本发明属于电力技术领域,涉及一种荷源互动调峰控制方法。
背景技术
近年来,随着传统发电资源(主要是煤炭)的枯竭和环境污染等问题的加重,传统电网可持续发展遭遇莫大挑战,节能环保型发电日益受到提倡。当前,世界各国陆续出台法案增加可再生能源的发电比例,优化发电能源结构,智能电网在全球范围内掀起了新一轮研究和应用的热潮。国家电网公司在2009年的“特高压输电技术国际会议”上提出了“坚强智能电网”的发展规划。虽然大规模风电并网增加了电力的供应,有效缓解阶段性电力供需矛盾,减少了环境污染但由于风能、太阳能等新能源固有的随机性、间歇性和波动性等特点,新能源大规模开发面临接入、调度及消纳困难,电网调峰压力不断加大等诸多问题。电力负荷的需求响应(Demand Response,DR)作为解决问题的关键技术,可实现大规模的新能源消纳,促进电网的资产利用高效化与发电能源清洁化。
大规模新能源的接入导致了电网调峰资源的紧张,提高了电网的调峰成本,此亟需寻找除常规电源以外的调峰资源。国外现在己经有不少较为成功的需求侧负荷响应项目,用户参与的积极性也越来越高。我国已经具有容量可观的高载能负荷,电动汽车负荷与蓄热电锅炉负荷发展也很迅速。但在现有的对于多形态需求侧负荷响应参与荷源互动调峰控制方法的研究中,都只单一地考虑一种需求侧负荷,未考虑多种需求侧负荷同时参与调峰。同时,对于建立适应大规模风电并网的多形态需求侧负荷响应参与荷源互动调峰模式和模型尚缺乏系统性研究。
发明内容
本发明的目的是提供一种基于需求侧负荷响应参与荷源互动调峰控制方法,设计了考虑日前日内两种时间尺度的荷源互动调峰模式。提出了考虑可离散响应负荷、可连续响应负荷、可时移响应负荷、可中断响应负荷以适用于现阶段的国内需求的调峰模式,对提高电网的调峰能力,削减电网成本,降低弃风电量具有重要的作用。
本发明所采用的技术方案是,一种需求侧负荷响应参与荷源互动调峰控制方法,包括日前荷源互动调峰优化模型、日内荷源互动滚动修正调峰优化模型及其求解方法。
所述的日前荷源互动调峰优化模型,是指基于风电日前功率预测,建立以系统运行成本最小为目标函数,以系统功率平衡、常规机组、可离散响应负荷、可时移响应负荷、可中断响应负荷等为约束条件的日前荷源互动调峰优化模型。
所述的日内荷源互动调峰优化模型,是指基于风电日内功率预测,建立以风电日内预测值与日前风电出力计划值偏差最小为目标函数,以系统功率平衡、常规机组、可连续响应负荷等为约束条件的日内荷源互动滚动修正调峰优化模型。
所述的需求侧负荷响应参与荷源互动调峰模式控制策略是指利用这些负荷调节特性优异、形态各异、容量可观的特点,在大范围的需求侧负荷响应项目的实施下,面对大规模新能源的接入导致了电网调峰资源的紧张的问题,采用多种需求侧负荷同时参与调峰,建立了荷源互动的调峰模型,并基于遗传算法对该模型进行了求解,从而实现了电网的合理调峰,提高了系统调峰能力、降低了系统运行成本。
所述的模型求解方法,是指采用遗传算法对所建立的模型进行求解。在求解过程中,对不满足约束条件的个体进行修正,使其尽量满足约束条件,对于部分难以修正的约束,采用罚函数方法转化为无约束优化问题,可以在一定程度上减少传统遗传算法在求解具有复杂约束问题时存在可行解获取困难、易于陷入局部最优解等问题。
本发明的有益效果是,建立合理的多形态需求侧负荷响应参与荷源互动调峰模式,有利于实现电力公司损失最小,增强电网的风电消纳能力,削减电网成本。
附图说明
图1是遗传算法流程图,
图2是基于需求侧负荷响应的荷源互动调峰模型流程图;
图3是典型可离散响应负荷特性曲线;
图4是典型的可时移响应负荷特性曲线;
图5是日前荷源互动调峰模式图;
图6是日内荷源互动调峰模式图;
具体实施方式
一、基于需求侧负荷响应的荷源互动调峰模型
根据多形态需求侧负荷调节特性,将多形态需求侧负荷按照调节特性归纳为可离散响应负荷、可时移响应负荷、可连续响应负荷、可中断响应负荷。现将这几种负荷的调节特性及响应模型做以简单介绍。
(1)可离散响应负荷
典型可离散响应负荷特性曲线如图3所示。
那么,可得可离散负荷l的向上、向下爬坡时间为:
可离散响应负荷的响应电量可表示为:
式中,WH为可离散响应负荷l在调度周期内的总响应电量,M为调度周期内的总时段数,Δt为吋段h的时间间隔。
(2)可时移响应负荷
可时移响应负荷是在不影响整体生产流程的前提下,通过调整生产时间,将其用用电时移至风电大发时段,以消纳受阻风电。典型的可时移响应负荷特性曲线如下图4所示。
定义了可时移响负荷n的吋移时段:
ΔhSn=|hSn-hSn0|
式中hSn为可时移响应负荷n的响成启动时段,hSn0为可时移响应负荷n的原始启动时段。
可时移响应负荷n的响应电量可表示为:
式中,WSn为可时移响应负荷n在调度周期内的总响应电量。
(3)可连续响应负荷
可连续响应负荷调节特性好,能够连续响应,响应速度快,不受稳定生产时长的影响,但其响应范围较小。
可连续响应负荷m的响应电量可表示为:
(4)可中断响应负荷
可中断负荷是指在电网高峰时段或紧急状况下,用户负荷中心可以中断的部分。可中断负荷通常通过经济合同(协议)实现。它由电力公司与用户签订,在系统峰值时和紧急状态下,用户按照合同规定中断和削减负荷,电力公司给予用户一定的经济补偿。
可中断响应负荷k的响应电量可表示为:
WLk=PLkΔt
式中,WLk为可连续响应负荷k在调度周期内的总响应电量,PLk为签订协议允许中断容量,持续时间为Δt。
1、日前荷源互动调峰模式
日前时间尺度源荷互动调峰层:参与调节的电源和多形态需求侧负荷分别为常规电源机组、可离散负荷、可时移负荷、可中断负荷。日前时间尺度为24小时,分为96个时刻,每1个时间间隔为15min。对荷源进行日前互动调峰控制,从而得到常规电源机组日前出力计划和可离散负荷、可时移负荷、可中断负荷用电调节计划。日前荷源互动调峰模式如图5所示。
在日前时间尺度下,以多形态需求侧负荷系统运行成本最小为目标,建立日前荷源互动调峰优化模型。
(1)目标函数
minC1=Cgen+Cls+Csy+Czd
式中,C1为日前荷源互动调峰模型阶段系统运行成本,Cgen为常规电源调度成本,由机组运行成本和启停成本组成;Cls、Csy,Czd,分别为可离散响应负荷、可时移响应负荷、可中断响应负荷的调度成本。为常规机组i在t时段的启停状态变量,当时表示常规机组i在t时段处于停机状态,当时表示常规机组i在t时段处于开机状态;NG为常规发电机组的台数,为常规机组i在t时段的出力,αi、βi、γi分别为常规机组i的运行成本参数,SGi为常规电源机组i的启停成本;ωlsj、ρlsj、τlsj分别为可离散响应负荷、可时移响应负荷、可中断响应负荷的单位调节成本,分别为可离散响应负荷、可时移响应负荷、可中断响应负荷在j时段的调度状态,其值为1表示负荷j在t时段参与调度,为0表示负荷j在t时段未参与调度,Nls、Nsy、Nzd分别为可离散响应负荷、可时移响应负荷的数目、可中断响应负荷的数目。
(2)约束条件
约束条件包括系统功率平衡约束、常规机组出力约束、风电出力约束、可离散响应负荷约束等。
1)系统功率平衡约束
2)旋转备用
3)风电出力约束
4)常规机组输出功率上下限约束
式中:PGi.max、PGi.min分别为第i台常规电源机组出力上下限。
5)常规机组最小启停时间约束
(6)常规机组爬坡约束
式中:PGi,down和PGi.up分别为第i台常规电源机组减出力限制和增出力限制。
(7)可离散响应负约束
①可离散响应负荷容量约束
式中,Plsj.min和Plsj.max分别为可离散响应负荷j的离散容量上下限。
②可离散响应负荷调节次数约束
式中,Nlsj为可离散响应负荷j允许的最大投切次数。
③可离散响应负荷稳定运行时长约束
Tlsj.min≤Tlsj≤Tlsj.max
式中,Tlsj为可离散响应负荷j某次调节的稳定运行时长,Tlsj.max、Tlsj.min分别为可离散响应负荷j稳定运行时长的上下限。
(8)可时移响应负荷约束
①可时移响应负荷容量约束
式中,Psyj.max和Psyj.min分别为可时移响应负荷j时移容量上下限。
②可时移响应负荷时移量约束
在整个调度周期T内,可时移响应负荷j时移前后负荷总量保持不变。
式中,Wsyj0为可时移响应负荷j时移前负荷总量。
(9)可中断响应负荷约束
①可中断响应负荷容量约束
式中,Pzdj.max和Pzdj.min分别为可中断响应负荷j可中断容量上下限。
②可中断响应负荷稳定运行时长约束
Tzdj.min≤Tzdj≤Tzdj.max
式中,Tzdj为可离散响应负荷j某次调节的稳定运行时长,Tzdj.max、Tzdj.min分别为可离散响应负荷j稳定运行时长的上下限。
2、日内荷源互动调峰模式
日内时间尺度源荷互动调峰层:参与调节的电源和多形态需求侧负荷分别为常规电源机组、可连续响应负荷。日内时间尺度为4小时,分为16个时刻,每1个时间间隔为15min。在日前荷源互动调峰控制计划的基础上,根据日内风电预测和可连续响应负荷的调节能力,对日内调峰控制计划进行滚动修正,进一步地提高系统的调峰能力。日内荷源互动调峰模式如图6所示。
在日内时间尺度下,每15min启动一次滚动优化控制,安排未来4h可连续响应负荷用电计划和常规电源的出力修正计划。以风电日内预测值与日前风电出力值偏差最小为目标,建立日内荷源互动调峰优化模型。
(1)目标函数
式中:为风电日内预测值与日前风电计划出力值偏差,为风电日内预测值,Slxj为可连续响应负荷j的在t时段的调度状态,其值为1表示负荷j在t时段参与调度,为0表示负荷j在t时段未参与调度,Nlx为可连续响应负荷的数目,Plx′j为可连续响应负荷j在t时段调节量。
(2)约束条件
约束条件包栝系统功率平衡约束、常规机组出力约束、风电出力约束、可连续响应负荷约束。
1)系统功率平衡约束
2)风电出力约束条件
3)常规机组输出功率上下限约束
4)可连续响应负荷约束
①可连续响应负荷响应容量约束
式中,Plxj.max和Plxj.min分别为可连续响应负荷j的可响应容量上下限。
②可连续响应负荷响应容量升降约束
式中,ΔPlxj.down、ΔPlxj.up分别为可连续响应负荷j的单时段负荷升调节限值、下降调节限值。
二、基于遗传算法的模型求解
遗传算法是一种基于达尔文的生物进化学说所发展成的一种随机搜索算法,该算法是迄今为止被广泛运用的单目标算法之一。在该算法中,将一个生物个体视为搜索空间中的一个可行解,种群则由许多个体组成,是搜索空间中的一个子集,而适应度函数可以认为是目标函数。每代中适应度最高的个体即为当代优良个体。之后,对种群进行交叉变异等操作,对适应度低的个体进行淘汰,将适应度高的个体保留下来,并将其基因传递到下一代个体中。再经过多次迭代,当达到终止条件时停止该算法,其输出即为最优个体。
遗传算法大致上是由初始化种群、构造适应度函数、选择、交叉、变异等组成。现将利用遗传算法解决优化问题的基本步骤介绍如下。
(1)初始化种群:初始化的种群为(X1,X2,…,Xi,…XN),其中N为种群规模,Xi为第i个种群个体,为搜索域一个可行解。种群屮每个个体代表着一组优化变量,其中包含常规机组启停状态及有功出力、风电调度出力、可连续响应负荷、可时移响应负荷、可离散响应负荷、可中断响应负荷的投切状态及响应容量。
(2)初始化参数:对该算法中所需的基本参数根据经验并结合实际设置初始值。如种群规模N0、迭代次数E、交叉概率Pc、变异概率Pm等。
(3)选择。根据所选择的适应度函数对各个个体的适应度值进行计算,然后利用采用轮盘赌得到优良个体。
(4)交叉。选择任意两个个体进行单点交叉操作得到新的个体。
(5)变异。采用随机的方式在种群中选出一个个体,采用均匀变异进行变异操作,获得新个体。
(6)对算法所设置的终止条件做以判断,若符合设置的终止条件则输出最优个体,,若不满足则返回步骤(3)。
但遗传算法应用于此类有约束的优化问题时,一般采取两种方式处理各种约束条件:一种是在初始化和更新种群时只保留满足约束条件的个体,但该方法在解决约束繁多的问题时难以获取有效的可行解,往往因为获取的可行解较少而导致早熟;另一种是采用罚函数将约束问题转化为无约束问题,但是过多的罚函数会使得惩罚因子的选取和组合变得极为困难。针对以上难题,本发明提出的遗传算法采用一种复杂约束动态修补策略,该策略的主要思想为:在获取初始解和每次迭代更新时,对不满足约束条件的个体进行修正,使其尽量满足约束条件,对于部分难以修正的约束,采用罚函数方法转化为无约束优化问题。具体的修补原则如下:
①调整常规机组出力使其满足机组出力上下限约束
②当t时刻违反功率平衡约束时,计算功率偏差值
若ΔPt>0,标记t时刻出力值达到下限的机组序号(假设为k号,按照下式将功率偏差值分配到各个机组);若ΔPt<0,标记t时刻出力值达到上限的机组序号(假设为n,按照下式将分配功率偏差值)。
在分配完成后如若违反出力上下限,按照原则①调整机组出力。反复调整机组出力,直至ΔPt=0或r=Rset(r为截至当前的调整次数Rset为设定的最大调整次数),则停止迭代。
如果达到设定的调整次数,仍然不能满足功率平衡约朿,说明本次迭代得到的解并非可行解(但己经尽量靠近了可行解区域)。同样,系统正、负调峰裕度约束也难以同时满足,因此,本章在适应度函数中加入功率平衡约束和调峰裕度约束的罚函数,保证在下次迭代时各个体能尽可能吸引到可行解的区域中。相应的适应度函数为:
式中:λpb,λmn,λmd分别为功率平衡约束、正调峰裕度和负调峰裕度约束的惩罚因子。
若迭代至最后一代时,功率平衡约束或系统调峰裕度约束仍不满足,则搜索调峰容量不足的时段并采取弃风措施,以保障电网安全运行。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的内容和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,包括日前荷源互动调峰优化模型、日内荷源互动滚动修正调峰优化模型及其求解方法。
2.根据权利要求1所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的日前荷源互动调峰优化模型,是指基于风电日前功率预测,建立以系统运行成本最小为目标函数,以系统功率平衡、常规机组、可离散响应负荷、可时移响应负荷、可中断响应负荷等为约束条件的日前荷源互动调峰优化模型。
3.根据权利要求1所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的日内荷源互动调峰优化模型,是指基于风电日内功率预测,建立以风电日内预测值与日前风电出力计划值偏差最小为目标函数,以系统功率平衡、常规机组、可连续响应负荷等为约束条件的日内荷源互动滚动修正调峰优化模型。
4.根据权利要求1所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的需求侧负荷响应参与荷源互动调峰模式控制策略是指采用多种需求侧负荷同时参与调峰,建立荷源互动的调峰模型,并基于遗传算法对该模型进行了求解。
5.根据权利要求1所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的模型求解方法,是指采用遗传算法对所建立的模型进行求解,在求解过程中,对不满足约束条件的个体进行修正,使其尽量满足约束条件,对于部分难以修正的约束,采用罚函数方法转化为无约束优化问题。
6.根据权利要求2所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的日前荷源互动调峰优化模型构建方法为:日前时间尺度源荷互动调峰层:参与调节的电源和多形态需求侧负荷分别为常规电源机组、可离散负荷、可时移负荷、可中断负荷;
日前时间尺度为24小时,分为96个时刻,每1个时间间隔为15min;对荷源进行日前互动调峰控制,从而得到常规电源机组日前出力计划和可离散负荷、可时移负荷、可中断负荷用电调节计划;在日前时间尺度下,以多形态需求侧负荷系统运行成本最小为目标,建立日前荷源互动调峰优化模型。
7.根据权利要求3所述的一种基于需求侧负荷响应参与荷源互动调峰控制方法,其特征在于,所述的日内荷源互动调峰优化模型构建方法为:
日内时间尺度源荷互动调峰层:参与调节的电源和多形态需求侧负荷分别为常规电源机组、可连续响应负荷;
日内时间尺度为4小时,分为16个时刻,每1个时间间隔为15min;在日前荷源互动调峰控制计划的基础上,根据日内风电预测和可连续响应负荷的调节能力,对日内调峰控制计划进行滚动修正,进一步地提高系统的调峰能力;
在日内时间尺度下,每15min启动一次滚动优化控制,安排未来4h可连续响应负荷用电计划和常规电源的出力修正计划;以风电日内预测值与日前风电出力值偏差最小为目标,建立日内荷源互动调峰优化模型。
8.一种复杂约束动态修补策略遗传算法,其特征在于,在获取初始解和每次迭代更新时,对不满足约束条件的个体进行修正,使其尽量满足约束条件,对于部分难以修正的约束,采用罚函数方法转化为无约束优化问题。
9.根据权利要求9所述的一种复杂约束动态修补策略遗传算法,其特征在于,具体的修补原则如下:
①调整常规机组出力使其满足机组出力上下限约束
②当t时刻违反功率平衡约束时,计算功率偏差值
若ΔPt>0,标记t时刻出力值达到下限的机组序号;其中假设为k号,按照下式将功率偏差值分配到各个机组;若ΔPt<0,标记t时刻出力值达到上限的机组序号假设为n,按照下式将分配功率偏差值;
在分配完成后如若违反出力上下限,按照原则①调整机组出力。反复调整机组出力,直至ΔPt=0或r=Rset;r为截至当前的调整次数Rset为设定的最大调整次数,则停止迭代;
如果达到设定的调整次数,仍然不能满足功率平衡约朿,说明本次迭代得到的解并非可行解;同样,系统正、负调峰裕度约束也难以同时满足,此时,在适应度函数中加入功率平衡约束和调峰裕度约束的罚函数,保证在下次迭代时各个体能尽可能吸引到可行解的区域中。相应的适应度函数为:
式中:λpb,λmn,λmd分别为功率平衡约束、正调峰裕度和负调峰裕度约束的惩罚因子;
若迭代至最后一代时,功率平衡约束或系统调峰裕度约束仍不满足,则搜索调峰容量不足的时段并采取弃风措施,以保障电网安全运行。
10.根据权利要求8所述的一种复杂约束动态修补策略遗传算法,其特征在于,该算法用于基于需求侧负荷响应参与荷源互动调峰控制方法的模型求解中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110953274.2A CN113765098B (zh) | 2021-08-19 | 2021-08-19 | 一种基于需求侧负荷响应的荷源互动调峰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110953274.2A CN113765098B (zh) | 2021-08-19 | 2021-08-19 | 一种基于需求侧负荷响应的荷源互动调峰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113765098A true CN113765098A (zh) | 2021-12-07 |
CN113765098B CN113765098B (zh) | 2024-03-05 |
Family
ID=78790410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110953274.2A Active CN113765098B (zh) | 2021-08-19 | 2021-08-19 | 一种基于需求侧负荷响应的荷源互动调峰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113765098B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115207906A (zh) * | 2022-07-14 | 2022-10-18 | 东北电力大学 | 一种考虑高载能负荷参与调控的多时间尺度调度方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179196A (zh) * | 2007-11-15 | 2008-05-14 | 上海交通大学 | 基于确定性二层规划模型的输电网规划方法 |
KR20100047069A (ko) * | 2008-10-28 | 2010-05-07 | 한국전력공사 | 고객기준부하 기반의 상시 부하 저감 시스템 |
US20120130556A1 (en) * | 2010-11-18 | 2012-05-24 | Marhoefer John J | Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization |
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
CN107392420A (zh) * | 2017-06-12 | 2017-11-24 | 上海电力学院 | 一种基于需求响应的家庭能量管理系统智能控制方法 |
WO2017221241A1 (en) * | 2016-06-21 | 2017-12-28 | Foresight Energy Ltd | System and method for management and disaggregation of power consumption data |
US20180357577A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (eldr) optimization |
CN110112767A (zh) * | 2019-03-19 | 2019-08-09 | 华北电力大学 | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
CN111628503A (zh) * | 2020-06-20 | 2020-09-04 | 东北电力大学 | 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法 |
CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
-
2021
- 2021-08-19 CN CN202110953274.2A patent/CN113765098B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179196A (zh) * | 2007-11-15 | 2008-05-14 | 上海交通大学 | 基于确定性二层规划模型的输电网规划方法 |
KR20100047069A (ko) * | 2008-10-28 | 2010-05-07 | 한국전력공사 | 고객기준부하 기반의 상시 부하 저감 시스템 |
US20120130556A1 (en) * | 2010-11-18 | 2012-05-24 | Marhoefer John J | Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization |
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
WO2017221241A1 (en) * | 2016-06-21 | 2017-12-28 | Foresight Energy Ltd | System and method for management and disaggregation of power consumption data |
US20180357577A1 (en) * | 2017-06-07 | 2018-12-13 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (eldr) optimization |
CN107392420A (zh) * | 2017-06-12 | 2017-11-24 | 上海电力学院 | 一种基于需求响应的家庭能量管理系统智能控制方法 |
CN110112767A (zh) * | 2019-03-19 | 2019-08-09 | 华北电力大学 | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
CN111628503A (zh) * | 2020-06-20 | 2020-09-04 | 东北电力大学 | 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法 |
CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
Non-Patent Citations (7)
Title |
---|
LUO FAN: "Research on Load Characteristic Modeling and Optimization Control Method Based on Demand Response", 2018 IEEE 4TH INFORMATION TECHNOLOGY AND MECHATRONICS ENGINEERING CONFERENCE (ITOEC 2018) * |
任小宇;孟琦斌;盛青;: "考虑可中断负荷的多时段配电网故障恢复", 电气应用, no. 11 * |
刘涌;侯志俭;蒋传文;: "求解经济调度问题的改进粒子群算法", 继电器, no. 20 * |
张鸿鹄,张刚: "大规模新能源并网后用户参与调峰及系统仿真", 电力科技与环保, vol. 31, no. 4 * |
肖斐;艾芊;: "基于模型预测控制的微电网多时间尺度需求响应资源优化调度", 电力自动化设备, no. 05 * |
苏适;刘晓丽;王飞;任惠;陆海;严玉廷;: "基于BIPV功率与负荷预测的智能建筑EMS双时间尺度多能互补优化模型", 华北电力大学学报(自然科学版), no. 01 * |
裴玥瑶: "考虑需求响应和风电供热的电热联合优化调度", 太原理工大学学报, vol. 51, no. 6 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115207906A (zh) * | 2022-07-14 | 2022-10-18 | 东北电力大学 | 一种考虑高载能负荷参与调控的多时间尺度调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113765098B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106300336B (zh) | 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法 | |
Shen et al. | Energy storage optimization method for microgrid considering multi-energy coupling demand response | |
CN111291942B (zh) | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 | |
CN109449971A (zh) | 一种新能源消纳的多目标电力系统源荷互动优化调度方法 | |
CN107508328A (zh) | 考虑风电消纳的联合系统能量优化方法 | |
CN109742812A (zh) | 一种提高新能源消纳的源-荷-储协调调度方法 | |
CN109390981B (zh) | 新能源参与电量平衡的送端电网机组组合运行控制方法 | |
CN112615370B (zh) | 一种基于电熔镁负荷的风电消纳协调控制方法 | |
CN109325621B (zh) | 一种园区能源互联网两阶段优化调度控制方法 | |
CN107332286A (zh) | 一种含储热的热电联产与风电协调调度方法 | |
CN110209135B (zh) | 基于微型热电联产多时间尺度的家庭能源优化调度方法 | |
CN111049192B (zh) | 一种考虑可再生能源同台竞价的发电控制方法 | |
CN100499310C (zh) | 一种电力系统自动发电控制的超前控制方法 | |
CN110165665A (zh) | 一种基于改进多目标粒子群算法的源-荷-储调度方法 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN109617052B (zh) | 一种大规模电储热单元智能化分层控制方法 | |
CN115051388A (zh) | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 | |
CN113765098A (zh) | 一种基于需求侧负荷响应的荷源互动调峰控制方法 | |
CN108155644A (zh) | 计及辅助服务的动态供热系统与电力系统耦合调度方法 | |
CN112365034A (zh) | 一种电热综合能源系统调度方法及系统 | |
CN107565548A (zh) | 一种基于负荷侧灵活消纳弃风电量市场交易方法 | |
CN113627720B (zh) | 基于电能替代的综合园区风光储系统配置方法 | |
CN107086579B (zh) | 一种基于回滞效应的空调用户对实时电价的响应方法 | |
CN112332456A (zh) | 一种蓄热式电采暖负荷参与电网运行的优化控制方法及装置 | |
CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 |
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 |