CN113947499A - 基于分层优化模型的水、风、光规划方案集优选方法 - Google Patents

基于分层优化模型的水、风、光规划方案集优选方法 Download PDF

Info

Publication number
CN113947499A
CN113947499A CN202111113246.6A CN202111113246A CN113947499A CN 113947499 A CN113947499 A CN 113947499A CN 202111113246 A CN202111113246 A CN 202111113246A CN 113947499 A CN113947499 A CN 113947499A
Authority
CN
China
Prior art keywords
wind
water
light
period
total
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.)
Pending
Application number
CN202111113246.6A
Other languages
English (en)
Inventor
钮新强
陈冲
刘海波
喻飞
何杰
张鹏
苏毅
叶任时
张旭
陈昕
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.)
Changjiang Institute of Survey Planning Design and Research Co Ltd
Original Assignee
Changjiang Institute of Survey Planning Design and Research 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 Changjiang Institute of Survey Planning Design and Research Co Ltd filed Critical Changjiang Institute of Survey Planning Design and Research Co Ltd
Priority to CN202111113246.6A priority Critical patent/CN113947499A/zh
Publication of CN113947499A publication Critical patent/CN113947499A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • 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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于分层优化模型的水、风、光规划方案集优选方法。它包括如下步骤：确定由风电站场址和光伏电站场址中的至少两个场址组成的风、光开发方案集；计算每组所述水、风、光规划方案的总初始投资成本；分别建立上层中长期优化调度模型及下层短期优化调度模型，确定水、风、光规划系统在考核期内的总上网电量与弃电量；获得每组所述水、风、光规划方案在考核期内的净收益；对比每组所述水、风、光规划方案的经济性与技术性评价，选择最优的水、风、光规划建设方案。该方法从工程实际中水电站互补风、光电站规划建设角度出发，采用分层优化方法，可以显著降低单次优化决策变量和约束条件数量，提高优化求解速度和收敛率。

Description

基于分层优化模型的水、风、光规划方案集优选方法
技术领域
本发明涉及新能源发电规划技术领域，具体地指一种基于分层优化模型的水、风、光规划方案集优选方法。
背景技术
随着能源需求的不断增长，以及化石燃料的长期使用对生态环境的巨大破坏作用日益凸显，可再生能源开发的重要性愈加明确。水电、风电、光伏是当前主要的可再生能源形式。由于上述三种发电站都受气候和天气状况的影响，因此水电站出力、风电站出力及光伏电站出力在不同时间尺度上均存在波动性和不确定性。其中，水电站在短期和长期有不同的调节能力，可以与风、光电站在出力和外送等方面互补，达到更好的安全经济效益。但水、风、光互补方案受水库库容、装机容量、水库调度原则、电网调度要求等多种限制条件的约束，以及风、光电站出力特性、分布、投资运行经济性的影响，确定水、风、光互补发电方案是一个复杂的问题。
专利CN107240932B公布了考虑水电、光伏上网电价和光伏弃电及备用机组出力偏离惩罚的水光系统中光伏容量优化方法；专利CN107256450B公布了一种简化了光伏电站投资运行费用模型和在水、光系统长期运行阶段考虑总发电量最大以及出力保证率约束；专利申请CN110838733A公布了一种基于典型日负荷和采用场景削减的光伏日出力概率模型的水光系统光伏容量配置方法；专利申请CN110729767A公布了一种基于春、夏、秋、冬典型日内场景的含水电电网的风光容量配置方法；专利申请CN112165123A 公开了一种基于不同天气概率模型的光伏出力和入库径流典型场景下日出力模拟分析的中小型水光互补系统光伏容量计算方法。专利申请CN112184016A公开了一种基于水电站互能力和外送通道估算的水、光互补一体化光伏规模的判断方法。当前工程实践中缺乏能有效考虑水、风、光规划系统建设及实际运行的优选方法。
在工程实际中，水电站周围可以建设风电、光电的位置及容量不同，每个风电站、光伏电站的出力特性也存在差别，汇集方案需根据实际风、光建设方案来确定，进而会影响水、风、光规划系统建设运行的经济性。水电站在长周期和短周期内存在不同性质的波动，水库的调度需要在一年或多年周期的时间尺度上考虑，而风、光出力的实时波动，又要求水、风、光规划系统规划时对短周期的运行状况进行准确的模拟。现有的模拟方法仅仅对水、风、光规划系统多年运行状态进行逐时仿真分析，存在决策变量和约束条件数量庞大而难以求解的问题。
发明内容
本发明的目的就是要提供一种基于分层优化模型的水、风、光规划方案集优选方法，能够在水、风、光互补工程建设时，基于对不同水、风、光规划方案进行经济性和技术性评估，确定最优的水电站互补风、光电站容量。
为实现上述目的，本发明研制出了一种基于分层优化模型的水、风、光规划方案集优选方法，包括如下步骤：
步骤1)，根据水电站周围待开发的若干个风电站场址和若干个光伏电站场址，确定由风电站场址和光伏电站场址中的至少两个场址组成的风、光开发方案集；
步骤2)将水电站与每组所述风、光开发方案互补，构成水、风、光规划方案；根据每组所述风、光开发方案中的场址构成因素，计算每组所述水、风、光规划方案的总初始投资成本；
步骤3)，针对每组所述水、风、光规划方案，分别建立上层中长期优化调度模型及下层短期优化调度模型；根据上层中长期调度目标，求解中长期调度模型的最优运行方式，确定水、风、光规划系统在中长期内的出力曲线及弃电功率；根据下层短期调度目标，求解短期调度模型的最优运行方式，确定水、风、光规划系统在短期内的出力曲线及弃电功率；最后确定水、风、光规划系统在考核期内的总上网电量与弃电量；
步骤4)，根据每组水、风、光规划系统在考核期内的总上网电量与弃电量，计算水、风、光规划系统的总售电收益；计算水、风、光规划系统在考核期内的总运行维护成本；根据水、风、光规划系统在考核期内的总售电收益、总运行维护成本与总初始投资成本，获得每组所述水、风、光规划方案在考核期内的净收益；
步骤5)，对比每组所述水、风、光规划方案的经济性与技术性评价，选择工程上最优的水、风、光规划方案。
进一步地，步骤2)中，所述场址的构成因素包括站址、发电容量、风电站的单位造价、光伏电站的单位造价、发电小时数、汇集线路的电压等级、汇集线路的长度及汇集线路的单位造价。
更进一步地，步骤2)中，所述总初始投资成本包括风电站、光伏电站、水电站及汇集网架的初始投资成本，所述总初始投资成本根据传统工程经验和方法确定。
更进一步地，步骤3)中，所述上层中长期调度目标有两个：第一个是水、风、光规划系统总发电量最大，第二个是水、风、光规划系统总出力偏离消纳市场负荷需求最小；所述下层短期调度目标有两个：第一个是水、风、光规划系统总发电量最大，第二个是水、风、光规划系统总出力偏离消纳市场负荷需求最小。
更进一步地，所述中长期调度模型表示为两个目标函数：
Figure RE-GDA0003406211150000031
Figure RE-GDA0003406211150000032
其中，F1为考核期内总上网电量，单位MWh；
F2为考核期内上网平均功率标幺值偏离负荷标幺值的累加值；
D为总的时段数；
ΔTd为d时段的小时数；
Nd为水、风、光规划系统在d时段内的平均上网功率，
Figure RE-GDA0003406211150000033
Figure RE-GDA0003406211150000034
分别为水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-GDA0003406211150000035
为在d 时段内的平均弃电功率，单位MW；
Figure RE-GDA0003406211150000036
为其标幺值，即为Nd除以外送输电通道容量；
Figure RE-GDA0003406211150000037
为消纳市场在d时段内负荷平均功率的标幺值；
所述短期调度模型表示为两个目标函数：
Figure RE-GDA0003406211150000038
Figure RE-GDA0003406211150000039
其中，F1'(d)为d时段(即[d，0～d，T])内总上网电量，单位MWh；
F′2(d)为d时段(即[d，0～d，T])内上网平均功率标幺值偏离负荷标幺值的累加值；
T为中长期调度周期d时段所含有的短期调度总时段数；
ΔTt为短期调度时间间隔，单位h；
Nd,t为水、风、光规划系统在d时段[d，t-1～d，t]的平均上网功率，
Figure RE-GDA0003406211150000041
Figure RE-GDA0003406211150000042
分别为水电站、风电站和光伏电站在d 时段[d，t-1～d，t]的平均出力，
Figure RE-GDA0003406211150000043
为在d时段[d，t-1～d，t]的平均弃电功率，单位MW；
Figure RE-GDA0003406211150000044
为其标幺值；
Figure RE-GDA0003406211150000045
为消纳市场在d时段[d，t-1～d，t]内的负荷平均功率的标幺值。
更进一步地，所述中长期调度模型的约束条件包括：
a)水量平衡约束：
Figure RE-GDA0003406211150000046
b)库容、水位约束：
Vmin＜Vd＜Vmax
V1＝V0
VD+1＝Vend
Figure RE-GDA0003406211150000047
c)下泄流量约束：
Figure RE-GDA0003406211150000048
d)水电出力约束：
Figure RE-GDA0003406211150000049
e)输电通道容量约束：
Figure RE-GDA00034062111500000410
其中，Vd为水库在d时段的初始库容；
Figure RE-GDA00034062111500000411
为d时段内水库平均入库流量；
Figure RE-GDA00034062111500000412
为d时段内的平均发电流量；
Figure RE-GDA00034062111500000413
为d时段内平均弃水流量；
Vmin和Vmax分别为水库在考核期受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在考核期初始和期末库容；
Figure RE-GDA00034062111500000414
和
Figure RE-GDA00034062111500000415
分别表示水库在考核期下界和上界约束；
Qmin和Qmax分别表示水库在考核期最小和最大下泄流量约束；
Figure RE-GDA0003406211150000051
和
Figure RE-GDA0003406211150000052
分别表示水电机组在考核期最小和最大发电功率约束；
Figure RE-GDA0003406211150000053
分别表示水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-GDA0003406211150000054
表示在d时段内的平均弃电功率；
Nmax为水、风、光规划系统输电通道最大外送容量；
所述短期调度模型的约束条件包括：
a)水量平衡约束：
Figure RE-GDA0003406211150000055
b)库容、水位约束：
Vt,min＜Vd,t＜Vt,max
Vt,1＝V0 Vt,T+1＝Vend
Figure RE-GDA0003406211150000056
c)下泄流量约束：
Figure RE-GDA0003406211150000057
d)水电出力约束：
Figure RE-GDA0003406211150000058
e)输电通道容量约束：
Figure RE-GDA0003406211150000059
其中，Vd,t为水库在d时段中t时段的的初始库容；
Figure RE-GDA00034062111500000510
为t时段内水库平均入库流量；
Figure RE-GDA00034062111500000511
为t时段内平均弃水流量；
Vt,min和Vt,max分别为水库在t时段受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在d时段初始和期末库容；
Figure RE-GDA00034062111500000512
和
Figure RE-GDA00034062111500000513
分别表示水库在t时段下界和上界约束；
Qt,min和Qt,max分别表示水库在t时段最小和最大下泄流量约束；
Figure RE-GDA00034062111500000514
和
Figure RE-GDA00034062111500000515
分别表示水电机组在t时段最小和最大发电功率约束；
Nmax为水、风、光规划系统输电通道最大外送容量。
更进一步地，所述短期调度期末水库的库容需要与中长期调度结果保持一致性，即：
|V′d+1-Vd,T|/V′d+1＜ε
其中，V′d+1为中长期调度在d+1时段初始水库水量；Vd,T为短期调度在t＝d+T时水库水量，即d时段末水库水量；ε为短期调度结果与中长期调度结果容许偏差。
更进一步地，步骤4)中，所述总运行维护成本包括在所述水、风、光规划方案下的风电站、光伏电站、水电站及网架运行维护成本，所述水电站及网架的运行维护成本估算方法根据传统工程经验和方法确定。
更进一步地，步骤5)中，所述经济性评价包括对所述水、风、光规划方案下的度电成本、总投资收益率、资本金投资益率进行评价；所述技术性评价包括对所述水、风、光规划方案下的水电站备用容量、调峰能力进行评价。
更进一步地，所述分层优化模型包括上层中长期优化调度模型和下层短期优化调度模型。
本发明的优点在于：
1、能够综合考虑水电站周围实际情况及工程可行性，提供实际可行的由风电站场址和光伏电站场址中的至少两个场址组成的风、光开发方案集，减少方案评价工作量，提高优化结果可行性；
2、通过对每组水、风、光规划方案建立长、短期协调运行分层优化模型，分别获得该组水、风、光规划系统长、短期逐时最优运行工况，进而得到不同规划方案在考核期内的准确上网电量和弃电量；
3、长、短期协调运行模型采用分层优化方法，可以显著降低单次优化决策变量和约束条件数量，提高优化求解速度和收敛率。
本发明的基于分层优化模型的水、风、光规划方案集优选方法从工程实际中水电站互补风、光电站规划建设角度出发，分别对不同水、风、光规划系统长、短周期的运行状况进行准确模拟，并进行经济性和技术性评估，确定最优的水、风、光规划建设方案。
附图说明
图1是本发明所提出的基于分层优化模型的水风光规划方案集优选方法的较佳实施例的流程图；
图2是实施例中水的电站周围可开发风、光电站场址、装机容量以及汇集方案示意图；
图3是图2中的光伏电站逐时出力曲线；
图4是图2中的风电站逐时出力曲线；
图5是图2中的水电站逐旬水位曲线；
图6是图2中的水、风、光规划方案[x1，x2，y1]中的水、风、光规划系统逐旬总出力曲线；
图7是图6中的水、风、光规划系统在第1旬水、风、光逐时出力和逐时弃电功率曲线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“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和简化描述，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，因此不能理解为对发明的限制。
本发明基于分层优化模型的水、风、光规划方案集优选方法，如图1所示，包括如下步骤：
步骤1)，根据水电站周围待开发的若干个风电站场址和若干个光伏电站场址，确定由风电站场址和光伏电站场址中的至少两个场址组成的风、光开发方案集。
例如，某水电站坝址多年平均流量144m3/s，多年平均径流量45.4亿m3，水库正常蓄水位1140m，主汛期6-8月运行控制水位1138m，后汛期9-10月运行控制水位1140m，死水位1076m，总库容49.47亿m3，调节库容33.61亿m3，总装机容量600MW (3*200MW)，多年平均发电量15.59亿kWh，保证出力159.1MW。
根据上述水电站位置以及周围风光资源量和分布情况，通过地图调查、收资、实地勘察、限制性因素排查等工作，该水电站周围可开发的风、光电站位置和最大装机容量如图2所示，有三个光伏电站，场址为[x1，x2，x3]和两个风电站，场址为[y1，y2]。汇集站及汇集线路示意如图2所示。根据场址位置和容量组合，五个场址可以组成的风、光开发方案集包括26个风、光开发方案[X，Y]，具体如下：[x1，x2]、[x1，x3]、[x2， x3]、[x1，x2，x3]、[y1，y2]、[x1，y1]、[x2，y1]、[x3，y1]、[x1，y2]、[x2，y2]、[x3，y2]、[x1，x2，y1]、[x1，x3，y1]、[x2，x3，y1]、[x1，x2，y2]、[x1，x3，y2]、[x2， x3，y2]、[x1，x2，x3，y1]、[x1，x2，x3，y2]、[x1，x2，y1，y2]、[x1，x3，y1，y2]、 [x2，x3，y1，y2]、[x1，x2，x3，y1，y2]。
步骤2)，将水电站与每组所述风、光开发方案互补，构成水、风、光规划方案；根据每组所述水、风、光规划方案中的风、光场址构成因素，确定风、光汇集方案，计算每组所述水、风、光规划方案的总初始投资成本。
上述实施例中，每个场址的构成因素包括站址、发电容量、风电站或光伏电站的单位造价、发电小时数、汇集线路的电压等级、汇集线路的长度(场址到汇集站的距离) 及汇集线路的单位造价。上述三个光伏电站和两个风电站的容量、单位造价、发电小时数如表1所示。
表1
场址 容量(MW) 单位造价(万元/MW) 发电小时数(h)
x<sub>1</sub> 300 350 917
x<sub>2</sub> 350 340 917
x<sub>3</sub> 260 355 917
y<sub>1</sub> 200 720 2272
y<sub>2</sub> 250 730 2272
上述三个光伏电站和两个风电站的汇集线路电压等级、汇集线路的长度、和汇集线路的单位造价如表2所示。
表2
场址 容量(MW) 距离(km) 电压等级(kV) 单位造价(万元/km)
x<sub>1</sub> 300 6 220 240
x<sub>2</sub> 350 15 220 250
x<sub>3</sub> 260 15 220 220
y<sub>1</sub> 200 7 220 200
y<sub>2</sub> 250 18 220 210
上述26个风、光开发方案[X，Y]分别与水电站互补组合，构成26个水、风、光规划方案。每组水、风、光规划方案的总初始投资成本Cin([X,Y])，包括风电站、光伏电站、水电站、和汇集网架的初始投资成本，可表示为：
Figure RE-GDA0003406211150000091
其中
Figure RE-GDA0003406211150000092
表示在风、光开发方案[X,Y]下风电站的初始投资成本，
Figure RE-GDA0003406211150000093
表示在风、光开发方案[X,Y]下光伏电站的初始投资成本，
Figure RE-GDA0003406211150000094
和
Figure RE-GDA0003406211150000095
分别表示在风、光开发方案[X,Y]下水电站和网架初始投资成本，水电站初始投资成本可以根据依据水电站项目投资估算结果等信息确定。
步骤3)，针对每组所述水、风、光规划方案，分别建立上层中长期优化调度模型及下层短期优化调度模型；根据上层中长期调度目标，求解中长期调度模型的最优运行方式，确定水、风、光规划系统在中长期内的出力曲线及弃电功率；根据下层短期调度目标，求解短期调度模型的最优运行方式，确定水、风、光规划系统在短期内的出力曲线及弃电功率；最后确定水、风、光规划系统在考核期内的总上网电量与弃电量。
上述实施例中，水电站2014年12月27日～2015年12月31日共370天，37日历旬为仿真对象，该时段内水库月均径流量如表3所示。该时段内光伏电站和风电站逐时出力数据分别如图3和图4所示。
表3
Figure RE-GDA0003406211150000096
针对每组所述水、风、光规划方案，建立水、风、光规划系统上层中长期优化调度模型如下：
上层中长期调度目标有两个：第一个目标是水、风、光规划系统总发电量最大，第二个目标是水、风、光规划系统总出力偏离消纳市场负荷需求最小，当水、风、光发电售电电价不同时，第一个目标可修改为发电量与电价的乘积，具体的数学模型可表示为：
Figure RE-GDA0003406211150000097
Figure RE-GDA0003406211150000098
其中，
Figure RE-GDA0003406211150000101
Figure RE-GDA0003406211150000102
Figure RE-GDA0003406211150000103
F1为考核期内总上网电量，单位MWh；
F2为考核期内上网平均功率标幺值偏离负荷标幺值的累加值；
D为总的时段数；
ΔTd为d时段的小时数；
Nd为水、风、光规划系统在d时段内的平均上网功率，
Figure RE-GDA0003406211150000104
分别为水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-GDA0003406211150000105
为在d时段内的平均弃电功率，单位MW；
Figure RE-GDA0003406211150000106
为其标幺值，即为Nd除以外送输电通道容量；
Figure RE-GDA0003406211150000107
为消纳市场在d时段内负荷平均功率的标幺值；
K是水电综合出力系数；
Figure RE-GDA0003406211150000108
为d时段内的平均发电流量；
Hd为d时段内的平均水头；
Cw、Cp分别为风电站和光伏电站规划容，单位MW；
Figure RE-GDA0003406211150000109
分别为在规划场址区域内单位MW风电和光伏在d时段的出力功率。
该中长期优化调度的模型的约束条件包括：
a)水量平衡约束：
Figure RE-GDA00034062111500001010
b)库容、水位约束：
Vmin＜Vd＜Vmax
V1＝V0
VD+1＝Vend
Figure RE-GDA00034062111500001011
c)下泄流量约束：
Figure RE-GDA0003406211150000111
d)水电出力约束：
Figure RE-GDA0003406211150000112
e)输电通道容量约束：
Figure RE-GDA0003406211150000113
其中，
Vd为水库在d时段的初始库容；
Figure RE-GDA0003406211150000114
为d时段内水库平均入库流量；
Figure RE-GDA0003406211150000115
为d时段内的平均发电流量；
Figure RE-GDA0003406211150000116
为d时段内平均弃水流量；
Vmin和Vmax分别为水库在考核期受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在考核期初始和期末库容；
Figure RE-GDA0003406211150000117
和
Figure RE-GDA0003406211150000118
分别表示水库在考核期下界和上界约束；
Qmin和Qmax分别表示水库在考核期最小和最大下泄流量约束；
Figure RE-GDA0003406211150000119
和
Figure RE-GDA00034062111500001110
分别表示水电机组在考核期最小和最大发电功率约束；
Figure RE-GDA00034062111500001111
分别表示水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-GDA00034062111500001112
表示在d时段内的平均弃电功率；
Nmax为水、风、光规划系统输电通道最大外送容量。
对于上层中长期调度第二个目标函数(2)，系统总出力偏离消纳负荷需求最小，可以转化成约束条件，进而中长期优化调度模型可转化成单目标函数(1)。
对上述单目标函数(1)的最优运行方式进行求解，获得水、风、光规划系统上层逐旬出力曲线与逐旬弃电功率。
针对每组所述水、风、光规划方案，建立水、风、光规划系统下层短期优化调度模型如下：
短期调度目标与中长期调度目标相同：第一个目标是水、风、光规划系统总发电量最大，第二个目标是水、风、光规划系统总出力偏离消纳市场负荷需求最小，当水、风、光发电售电电价不同时，第一个目标可修改为发电量与电价的乘积，具体的数学模型可表示为：
Figure RE-GDA0003406211150000121
Figure RE-GDA0003406211150000122
其中，
F1'(d)为d时段(即[d，0～d，T])内总上网电量，单位MWh；
F′2(d)为d时段(即[d，0～d，T])内上网平均功率标幺值偏离负荷标幺值的累加值；
T为中长期调度周期d时段所含有的短期调度总时段数；
ΔTt为短期调度时间间隔，单位h；
Nd,t为水、风、光规划系统在d时段[d，t-1～d，t]的平均上网功率，，
Figure RE-GDA0003406211150000123
Figure RE-GDA0003406211150000124
分别为水电站、风电站和光伏电站在d时段[d，t-1～d，t]的平均出力，
Figure RE-GDA0003406211150000125
为在d 时段[d，t-1～d，t]的平均弃电功率，单位MW；
Figure RE-GDA0003406211150000126
为其标幺值；
Figure RE-GDA0003406211150000127
为消纳市场在d时段[d，t-1～d，t]内的负荷平均功率的标幺值。
该短期优化调度的模型的约束条件包括：
a)水量平衡约束：
Figure RE-GDA0003406211150000128
b)库容、水位约束：
Vt,min＜Vd,t＜Vt,max
Vt,1＝V0 Vt,T+1＝Vend
Figure RE-GDA0003406211150000129
c)下泄流量约束：
Figure RE-GDA00034062111500001210
d)水电出力约束：
Figure RE-GDA00034062111500001211
e)输电通道容量约束：
Figure RE-GDA00034062111500001212
其中，Vd,t为水库在d时段中t时段的的初始库容；
Figure RE-GDA00034062111500001213
为t时段内水库平均入库流量；
Figure RE-GDA00034062111500001214
为t时段内平均弃水流量；
Vt,min和Vt,max分别为水库在t时段受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在d时段初始和期末库容；
Figure RE-GDA0003406211150000131
和
Figure RE-GDA0003406211150000132
分别表示水库在t时段下界和上界约束；
Qt,min和Qt,max分别表示水库在t时段最小和最大下泄流量约束；
Figure RE-GDA0003406211150000133
和
Figure RE-GDA0003406211150000134
分别表示水电机组在t时段最小和最大发电功率约束；
Nmax为水、风、光规划系统输电通道最大外送容量。
短期调度在水量平衡、库容与水位、下泄流量、水电出力和输电通道容量的约束与中长期调度相同，并对相应时间间隔进行对应更改。
另外，短期调度期末水库的库容(即对应的水库水位)需要与中长期调度结果保持一定的一致性，即：
|V′d+1-Vd,T|/V′d+1＜ε
其中，V′d+1为中长期调度在d+1时段初始水库水量；Vd,T为短期调度在t＝d+T时水库水量，即d时段末水库水量；ε为短期调度结果与中长期调度结果容许偏差。
对于短期优化调度模型第二个目标函数(4)，系统总出力偏离消纳负荷需求最小，可以转化成约束条件，进而短期优化调度模型可转化成单目标函数(3)。
对上述单目标函数(3)的最优运行方式进行求解，获得水、风、光规划系统下层逐时出力曲线与逐时弃电功率。
根据水、风、光规划系统上层逐旬出力曲线、逐旬弃电功率与水、风、光规划系统下层逐时出力曲线、逐时弃电功率，确定水、风、光规划系统该时段内总上网电量与弃电量。
以水、风、光规划方案[x1，x2，y1]为例：风、光装机容量分别为x1：300MW，x2：300MW，y1：200MW为例，优化求解获得系统该年最优运行方式。水电站逐旬水位曲线如图5所示；水、风、光规划系统逐旬总出力曲线如图6所示；第1旬水、风、光规划系统和弃电逐时功率曲线如图7所示。该水、风、光规划方案[x1，x2，y1]在2014 年12月27日～2015年12月31日期间，总上网电量为23.404亿kWh，其中水电发电量 13.423亿kWh，弃电量为670万kWh。水电站在此期间，历史上网电量为13.1亿kWh。
步骤4)，根据每组水、风、光规划系统在考核期内的总上网电量与弃电量，计算水、风、光规划系统的总售电收益；计算水、风、光规划系统在考核期内的总运行维护成本；根据水、风、光规划系统在考核期内的总售电收益、总运行维护成本与总初始投资成本，获得每组所述水、风、光规划方案在考核期内的净收益。
每组所述水、风、光规划方案的净收益为总售电收益减去总初始投资成本(包括风电站、光伏电站、水电站、和汇集网架的初始投资成本)及运行维护成本，可表示为：
P＝Cf([X,Y])-Cin([X,Y])-Com([X,Y])
Figure RE-GDA0003406211150000141
Figure RE-GDA0003406211150000142
其中，[X，Y]表示一组风、光开发方案，包括场址、容量等信息；Cf([X,Y])与Com([X,Y])分别表示在风、光开发方案[X,Y]下的总售电收益与运行维护成本；fT表示上网电价，F1'(d,[X,Y])表示在风、光开发方案[X,Y]下d时段的上网电量；
Figure RE-GDA0003406211150000143
和
Figure RE-GDA0003406211150000144
分别表示在风、光开发方案[X,Y]下风电站、光伏电站、水电站和网架运行维护成本，水电站和网架的运行维护成本估算方法与初始投资成本类似，可根据传统工程经验和方法确定。
本实施例中，光伏电站、风电站和输电线路的年运行维护费用按照表4来计算。
表4
Figure RE-GDA0003406211150000145
本实施例中水电站已经建成多年，其总初始投资成本、运行维护成本，及水电售电收益可以确定，且将弃电电量全部计为风、光弃电。以水、风、光规划方案[x1，x2， y1]为例：风、光装机容量分别为x1:300MW，x2:300MW，y1:200MW，在水、风、光规划系统最优运行模式下的总初始投资成本为35.708亿元，按全投20年运行期限计算，年均投资1.7854亿元；年售电收益为3.9656亿元(风光上网电价统一为0.4元/kWh)；年运行维护成本为0.5291亿元。
步骤5)，对比每组所述水、风、光规划方案的经济性与技术性评价，选择技术性能满足要、且经济性最优的水、风、光规划建设方案。
基于获得的每组所述水、风、光规划方案的总初始投资成本、年上网电量、年运行维护成本和净收益数据，可得到每组所述水、风、光规划方案的度电成本、总投资收益率、资本金投资益率等经济性参数，并分析该组所述水、风、光规划方案对水电站备用容量、调峰能力等技术性的影响。
综合分析上述26组所述水、风、光规划方案的经济性与技术性的影响，选择技术性方面能够满足要求，经济性方面最优的水、风、光规划方案作为水电站互补风、光电站的最优建设方案。
本实施例中通过对5个场址构成的26个水、风、光规划方案进行经济性计算与技术性影响分析，得到的最优建设方案为：水、风、光规划方案[x1，x2，y1]，风、光装机容量分别为x1：300MW，x2：300MW，y1：200MW，对应的网架方案如图2中粗线线路部分。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于分层优化模型的水、风、光规划方案集优选方法，其特征在于，包括如下步骤：
步骤1)，根据水电站周围待开发的若干个风电站场址和若干个光伏电站场址，确定由风电站场址和光伏电站场址中的至少两个场址组成的风、光开发方案集；
步骤2)将水电站与每组所述风、光开发方案互补，构成水、风、光规划方案；根据每组所述风、光开发方案中的场址构成因素，计算每组所述水、风、光规划方案的总初始投资成本；
步骤3)，针对每组所述水、风、光规划方案，分别建立上层中长期优化调度模型及下层短期优化调度模型；根据上层中长期调度目标，求解中长期调度模型的最优运行方式，确定水、风、光规划系统在中长期内的出力曲线及弃电功率；根据下层短期调度目标，求解短期调度模型的最优运行方式，确定水、风、光规划系统在短期内的出力曲线及弃电功率；最后确定水、风、光规划系统在考核期内的总上网电量与弃电量；
步骤4)，根据每组水、风、光规划系统在考核期内的总上网电量与弃电量，计算水、风、光规划系统的总售电收益；计算水、风、光规划系统在考核期内的总运行维护成本；根据水、风、光规划系统在考核期内的总售电收益、总运行维护成本与总初始投资成本，获得每组所述水、风、光规划方案在考核期内的净收益；
步骤5)，对比每组所述水、风、光规划方案的经济性与技术性评价，选择技术性能满足要、且经济性最优的水、风、光规划建设方案。
2.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：步骤2)中，所述场址的构成因素包括站址、发电容量、风电站的单位造价、光伏电站的单位造价、发电小时数、汇集线路的电压等级、汇集线路的长度及汇集线路的单位造价。
3.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：步骤2)中，所述总初始投资成本包括风电站、光伏电站、水电站及汇集网架的初始投资成本，所述总初始投资成本根据传统工程经验和方法确定。
4.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：步骤3)中，所述上层中长期调度目标有两个：第一个是水、风、光规划系统总发电量最大，第二个是水、风、光规划系统总出力偏离消纳市场负荷需求最小；所述下层短期调度目标有两个：第一个是水、风、光规划系统总发电量最大，第二个是水、风、光规划系统总出力偏离消纳市场负荷需求最小。
5.根据权利要求4所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于，所述中长期调度模型表示为两个目标函数：
Figure RE-FDA0003406211140000021
Figure RE-FDA0003406211140000022
其中，F1为考核期内总上网电量，单位MWh；
F2为考核期内上网平均功率标幺值偏离负荷标幺值的累加值；
D为总的时段数；
ΔTd为d时段的小时数；
Nd为水、风、光规划系统在d时段内的平均上网功率，
Figure RE-FDA0003406211140000023
Figure RE-FDA0003406211140000024
分别为水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-FDA0003406211140000025
为在d时段内的平均弃电功率，单位MW；
Figure RE-FDA0003406211140000026
为其标幺值，即为Nd除以外送输电通道容量；
Figure RE-FDA0003406211140000027
为消纳市场在d时段内负荷平均功率的标幺值；
所述短期调度模型表示为两个目标函数：
Figure RE-FDA0003406211140000028
Figure RE-FDA0003406211140000029
其中，F′1(d)为d时段内总上网电量，单位MWh；
F′2(d)为d时段内上网平均功率标幺值偏离负荷标幺值的累加值；
T为中长期调度周期d时段所含有的短期调度总时段数；
ΔTt为短期调度时间间隔，单位h；
Nd,t为水、风、光规划系统在d时段中t时段的平均上网功率，
Figure RE-FDA00034062111400000210
Figure RE-FDA00034062111400000211
分别为水电站、风电站和光伏电站在d时段中t时段的平均出力，
Figure RE-FDA00034062111400000212
为在d时段中t时段的平均弃电功率，单位MW；
Figure RE-FDA0003406211140000031
为其标幺值；
Figure RE-FDA0003406211140000032
为消纳市场在d时段[d，t-1～d，t]内的负荷平均功率的标幺值。
6.根据权利要求5所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于，所述中长期调度模型的约束条件包括：
a)水量平衡约束：
Figure RE-FDA0003406211140000033
b)库容、水位约束：
Vmin＜Vd＜Vmax
V1＝V0
VD+1＝Vend
Figure RE-FDA0003406211140000034
c)下泄流量约束：
Figure RE-FDA0003406211140000035
d)水电出力约束：
Figure RE-FDA0003406211140000036
e)输电通道容量约束：
Figure RE-FDA0003406211140000037
其中，Vd为水库在d时段的初始库容；
Figure RE-FDA0003406211140000038
为d时段内水库平均入库流量；
Figure RE-FDA0003406211140000039
为d时段内的平均发电流量；
Figure RE-FDA00034062111400000310
为d时段内平均弃水流量；
Vmin和Vmax分别为水库在考核期受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在考核期初始和期末库容；
Figure RE-FDA00034062111400000311
和
Figure RE-FDA00034062111400000312
分别表示水库在考核期下界和上界约束；
Qmin和Qmax分别表示水库在考核期最小和最大下泄流量约束；
Figure RE-FDA00034062111400000313
和
Figure RE-FDA00034062111400000314
分别表示水电机组在考核期最小和最大发电功率约束；
Figure RE-FDA0003406211140000041
分别表示水电站、风电站和光伏电站在d时段内的平均出力，
Figure RE-FDA0003406211140000042
表示在d时段内的平均弃电功率；
Nmax为水、风、光规划系统输电通道最大外送容量；
所述短期调度模型的约束条件包括：
a)水量平衡约束：
Figure RE-FDA0003406211140000043
b)库容、水位约束：
Vt,min＜Vd,t＜Vt,max
Vt,1＝V0 Vt,T+1＝Vend
Figure RE-FDA0003406211140000044
c)下泄流量约束：
Figure RE-FDA0003406211140000045
d)水电出力约束：
Figure RE-FDA0003406211140000046
e)输电通道容量约束：
Figure RE-FDA0003406211140000047
其中，Vd,t为水库在d时段中t时段的的初始库容；
Figure RE-FDA0003406211140000048
为t时段内水库平均入库流量；
Figure RE-FDA0003406211140000049
为t时段内平均弃水流量；
Vt,min和Vt,max分别为水库在t时段受到水位上下界约束的最小和最大库容；
V0和Vend分别为水库在d时段初始和期末库容；
Figure RE-FDA00034062111400000410
和
Figure RE-FDA00034062111400000411
分别表示水库在t时段下界和上界约束；
Qt,min和Qt,max分别表示水库在t时段最小和最大下泄流量约束；
Figure RE-FDA00034062111400000412
和
Figure RE-FDA00034062111400000413
分别表示水电机组在t时段最小和最大发电功率约束；
Nmax为水、风、光规划系统输电通道最大外送容量。
7.根据权利要求6所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于，所述短期调度期末水库的库容需要与中长期调度结果保持一致性，即：
|V′d+1-Vd,T|/V′d+1＜ε
其中，V′d+1为中长期调度在d+1时段初始水库水量；
Vd,T为短期调度在t＝d+T时水库水量，即d时段末水库水量；
ε为短期调度结果与中长期调度结果容许偏差。
8.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：步骤4)中，所述总运行维护成本包括在所述水、风、光规划方案下的风电站、光伏电站、水电站及网架运行维护成本，所述水电站及网架的运行维护成本估算方法根据传统工程经验和方法确定。
9.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：步骤5)中，所述经济性评价包括对所述水、风、光规划方案下的度电成本、总投资收益率、资本金投资益率进行评价；所述技术性评价包括对所述水、风、光规划方案下的水电站备用容量、调峰能力进行评价。
10.根据权利要求1所述的基于分层优化模型的水、风、光规划方案集优选方法，其特征在于：所述分层优化模型包括上层中长期优化调度模型和下层短期优化调度模型。
CN202111113246.6A 2021-09-23 2021-09-23 基于分层优化模型的水、风、光规划方案集优选方法 Pending CN113947499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111113246.6A CN113947499A (zh) 2021-09-23 2021-09-23 基于分层优化模型的水、风、光规划方案集优选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111113246.6A CN113947499A (zh) 2021-09-23 2021-09-23 基于分层优化模型的水、风、光规划方案集优选方法

Publications (1)

Publication Number Publication Date
CN113947499A true CN113947499A (zh) 2022-01-18

Family

ID=79328965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111113246.6A Pending CN113947499A (zh) 2021-09-23 2021-09-23 基于分层优化模型的水、风、光规划方案集优选方法

Country Status (1)

Country Link
CN (1) CN113947499A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723219A (zh) * 2022-02-28 2022-07-08 国网河北省电力有限公司经济技术研究院 变电站建筑建造方式及造价评估方法、装置及电子设备
CN116205079A (zh) * 2023-03-23 2023-06-02 盛东如东海上风力发电有限责任公司 风电场重复设计方案筛选方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723219A (zh) * 2022-02-28 2022-07-08 国网河北省电力有限公司经济技术研究院 变电站建筑建造方式及造价评估方法、装置及电子设备
CN116205079A (zh) * 2023-03-23 2023-06-02 盛东如东海上风力发电有限责任公司 风电场重复设计方案筛选方法及系统
CN116205079B (zh) * 2023-03-23 2024-05-31 盛东如东海上风力发电有限责任公司 风电场重复设计方案筛选方法及系统

Similar Documents

Publication Publication Date Title
Yuan et al. Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming
CN107832905B (zh) 一种适应分布式发电和储能站发展的配电网规划方法
CN103683326B (zh) 一种区域电网风电多点接入最佳接纳能力的计算方法
Papavasiliou et al. Reserve requirements for wind power integration: A scenario-based stochastic programming framework
CN106351793A (zh) 用于改进风力发电的系统和方法
Monforti et al. Comparing the impact of uncertainties on technical and meteorological parameters in wind power time series modelling in the European Union
Killinger et al. A regional optimisation of renewable energy supply from wind and photovoltaics with respect to three key energy-political objectives
CN109978242A (zh) 基于统计升尺度的光伏发电集群功率预测方法及装置
CN105656026B (zh) 可再生能源的设备建设资源配置方法和系统
CN113947499A (zh) 基于分层优化模型的水、风、光规划方案集优选方法
CN110110912A (zh) 一种光伏功率多模型区间预测方法
CN110350527A (zh) 一种含分布式电源的增量配电网双层优化配置方法
CN115456406A (zh) 一种综合能源系统的评估方法、装置、设备以及存储介质
CN108960522A (zh) 一种光伏发电量预测分析方法
CN108694475B (zh) 基于混合模型的短时间尺度光伏电池发电量预测方法
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
Lange et al. State-of-the-art in wind power prediction in germany and international developments
Deng et al. A survey of the researches on grid-connected solar power generation systems and power forecasting methods based on ground-based cloud atlas
CN105896535A (zh) 用于最小化弃风电量的风电场发电权置换电量评估的方法
CN115765044A (zh) 风光水电系统联合运行及风险分析方法和系统
Obersteiner et al. Influence of market rules on the economic value of wind power: an Austrian case study
Parvini et al. An analytical framework for operational reliability studies of highly wind integrated power systems
Milligan et al. Reliability benefits of dispersed wind resource development
Ding et al. Optimal intra-day coordination of wind farm and pumped-hydro-storage plant
Romano et al. Spatial carbon and price spillovers among EU countries on their pathway toward net-zero electricity supply

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