CN114186429A - 利用火电机组灵活调节特性的发电优化调度方法 - Google Patents

利用火电机组灵活调节特性的发电优化调度方法 Download PDF

Info

Publication number
CN114186429A
CN114186429A CN202111542595.XA CN202111542595A CN114186429A CN 114186429 A CN114186429 A CN 114186429A CN 202111542595 A CN202111542595 A CN 202111542595A CN 114186429 A CN114186429 A CN 114186429A
Authority
CN
China
Prior art keywords
unit
generating unit
power generating
thermal power
power generation
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
CN202111542595.XA
Other languages
English (en)
Inventor
李明扬
张明瑞
曾卫东
林忠伟
张晟
李青
李军
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.)
North China Electric Power University
Xian Thermal Power Research Institute Co Ltd
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Taicang Power Generation Co Ltd
Original Assignee
North China Electric Power University
Xian Thermal Power Research Institute Co Ltd
Huaneng Group Technology Innovation Center 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 North China Electric Power University, Xian Thermal Power Research Institute Co Ltd, Huaneng Group Technology Innovation Center Co Ltd filed Critical North China Electric Power University
Priority to CN202111542595.XA priority Critical patent/CN114186429A/zh
Publication of CN114186429A publication Critical patent/CN114186429A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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—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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Control Of Eletrric Generators (AREA)
  • Wind Motors (AREA)

Abstract

本发明提出了一种利用火电机组灵活调节特性的发电优化调度方法，对典型火电机组的灵活调峰煤耗特性进行分析，基于曲线拟合方法，建立其煤耗曲线数值拟合模型，采用分段二次函数描述火电机组的发电成本，得到灵活调峰运行火电机组的分段二次发电费用函数。在此基础上建立包含灵活调峰火电机组和风电机组的电力系统日前机组组合优化模型，采用混合整数非线性规划(MINP)方法求解。

Description

利用火电机组灵活调节特性的发电优化调度方法
技术领域
本发明属于电力系统优化领域，具体涉及一种利用火电机组灵活调节特性的发电优化调度方法。
背景技术
经济快速发展对能源消费需求持续增长，出于对环境保护与可持续发展的考虑以及在国家各项能源政策的扶持下，可再生能源的利用比例不断提高，如何更加充分的利用和开发可再生能源己成为世界研究的重要课题。然而新能源中风电、光伏具有明显的间歇性，不稳定性以及波动性，例如实际的风电出力与预测值出现了偏差，可能会导致发电侧供不应求的现象，致使需求侧被迫采取切负荷或其他措施。同时，风、光的不确定性大幅增加了系统的负荷峰谷差，严重制约着新能源的消纳能力。为了提高新能源的消纳能力，我国大力推进燃煤火电机组的灵活调峰运行，机组不断进行大范围调减出力和频繁启停，使得运行成本增加，使用寿命减少。因此有必要进一步挖掘有关火电机组灵活调节特性的发电优化调度方法，辅助火电机组调峰，从而减少弃风、弃光量。机组灵活特性是评价电力系统中不确定性因素和电力系统响应速度、安全稳定性的指标之一，研究系统灵活特性不仅可以在突发事件发生时及时应对，而且还能找到各参与者联合运行最经济的方式。
中国能源生产革命逐渐由黑色高碳转向绿色低碳发展，技术革命更是向智能化、高效化发展。根据我国特殊的电源结构，目前电力系统的电源结构仍以火电为主，如果能深入挖掘火电机组的灵活运行能力，将能较大程度地提升电力系统的调节空间。由于燃煤火电机组具备更灵活更良好的调峰调频能力，并且具有多年的燃煤机组调峰运行经验，使用燃煤机组参与灵活调峰是风能和太阳能等可再生能源最可行的方法。因此，为了提高清洁能源的消纳能力，缓解电力供需矛盾，本发明提出一种利用火电机组灵活调节特性的发电优化调度方法。
发明内容
针对上述问题，本发明提出了一种利用火电机组灵活调节特性的发电优化调度方法，研究火电机组灵活调峰对风电消纳的影响效果，基于对典型火电机组的灵活调峰煤耗特性的分析，建立其煤耗曲线数值拟合模型，采用分段二次函数描述火电机组的发电成本。将火电机组灵活调峰与风电机组组合优化，建立灵活调峰火电机组与风电机组的日前机组组合优化模型，该模型采用混合整数非线性规划方法即改进粒子群优化算法进行求解。
一种利用火电机组灵活调节特性的发电优化调度方法，包括如下步骤：
步骤1：根据火电机组灵活调峰时煤耗曲线，建立火电机组在深度调峰与基础调峰区间的发电费用函数；
步骤2：在考虑风电场的情况下，建立火电机组与风电机组的日前机组组合决策模型；
步骤3：采混合整数非线性规划方法对日前机组组合决策模型进行求解。
进一步，发电费用函数为：
Figure BDA0003414721040000021
其中，P为机组出力；a1、a2、b1、b2、c1、c2分别为各项特性系数，与机组类型、燃烧品质和煤价有关。
进一步，日前机组组合的总费用目标函数包括发电费用与机组启停费用，为：
Figure BDA0003414721040000022
其中，T为调度周期，N为系统母线总数，传输线路采用两端母线编号的有序对(i,j)表示，E为传输线集合，G为系统中火电机组的台数，W为风电场的个数，pg(t)为火电机组g在决策时段t的出力，Cg(·)为机组g的分段二次发电费用函数，cg，SU为机组g启动费用；cg，SD为机组g关停费用；cg，SD与wg(t)分别为机组启动和关停操作的0-1变量，其取值为1，表示在决策时段t内将机组g启动或关停，取值0表示关停，1表示启动；关停时wg(t)为1，vg(t)默认为0；启动时vg(t)为1，wg(t)默认为0。
进一步，日前机组组合的约束条件包括：发电与用电功率平衡约束、系统潮流传输容限约束、火电机组出力范围约束、火电机组爬坡率约束、风电机组出力约束和对3组0-1变量的约束。
更进一步，发电与用电功率平衡约束为：
Figure BDA0003414721040000031
Figure BDA0003414721040000032
式中，pw(t)为风电机组w的出力，di(t)为母线i的用电负荷，fi,j(t)和fj，i(t)表示线路(i,j)上方向不同的潮流，IG(i)与IW(i)分别为母线i上所连接的火电机组与风电场编号集。
更进一步，系统潮流传输容限约束为：
-Fi，j≤fi，j≤Fi，j≤(i，j)∈E，t＝1～T
式中，Fi,j为传输线(i,j)的有功功率最大容限。
更进一步，火电机组出力范围约束为：
ug(t)Pg，min≤pg(t)≤ug(t)Pg，max
g＝1～G，t＝1～T
式中，ug(t)表示机组g运行状态的0-1变量，其取值为1表示机组处于运行状态，为0表示停机状态；Pg,max和Pg,min分别为机组g的最大和最小出力。
更进一步，火电机组爬坡率约束为：
|pg(t)-pg(t-1)|≤ΔgPg，max，g＝1～G，t＝1～T
式中，Δg为火电机组g的爬坡率，其为常数。
更进一步，风电机组出力约束为：
0≤pw(t)≤pw，A(t)，w＝1～W，t＝1～T
式中，pw，A(t)为风电机组w在t时段的预测可用出力。
更进一步，对3组0-1变量的约束为：
vg(t)-wg(t)＝ug(t)-ug(t-1)，g＝1～G，t＝1～T
Figure BDA0003414721040000041
Figure BDA0003414721040000042
分别表示0-1变量的状态转换关系、约束机组g的最短运行时间UTg和最短停机时间DTg。
本发明的有益效果在于：本发明所采用的分段二次数据拟合方法可以更好地表示机组煤耗率与出力的关系，拟合程度更高，灵活调峰火电机组与风电机组的日前机组组合优化运行有助于降低系统运行总费用，提高系统新能源的消纳率，缓解火电机组的调峰压力，减少弃风电量，指导火电机组灵活性改造。
附图说明
图1是拟合的火电机组灵活调峰时的煤耗曲线。
具体实施方式
下面结合附图，对本发明内容作详细说明。
图1所示为拟合的火电机组灵活调峰时的煤耗曲线，其中Pmax为最大出力，Pmin为深度调峰最小出力，Pb为基础调峰最小出力，即传统意义的机组最小出力。灵活调峰运行区间可分为基础调峰区间[Pb,Pmax]与深度调峰区间[Pmin,Pb]。在基础调峰区间，机组煤耗率变化较平缓，一般为随负荷增大而减小的线性关系；在深度调峰区间，机组煤耗率变化很快，且稳定性较基础调峰区间小。
在传统发电调度模型中，机组在调峰区间的煤耗率通常表示为出力的线性函数形式，相应的发电费用为出力的二次函数。本发明将机组在深度调峰与基础调峰区间的发电费用函数表示为
Figure BDA0003414721040000051
式中：P为机组出力；a1、a2、b1、b2、c1、c2分别为各项特性系数，与机组类型、燃烧品质和煤价有关。该二次函数采用分段拟合，拟合程度更高，方差较小，决定系数更接近1。
本发明中采用火电机组日前机组组合决策模型，调度周期为T。系统母线总数为N，传输线路采用两端母线编号的有序对(i，j)表示，传输线路集合记为E。系统中共有G台火电机组和W个风电场。优化目标函数为日前机组组合的总费用，包括发电费用与机组启停费用：
Figure BDA0003414721040000052
式中：pg(t)为火电机组g在决策时段t的出力；Cg(·)为机组g的分段二次发电费用函数；cg，SU为机组g启动费用；cg，SD为机组g关停费用；vg(t)与wg(t)分别为机组启动和关停操作的0-1变量，表示在决策时段t内将机组g启动或关停。取值0表示关停，1表示启动。关停时wg(t)为1，vg(t)默认为0；启动时vg(t)为1，wg(t)默认为0。
日前机组组合问题考虑的约束条件包括以下方面。
(1)发电与用电功率平衡约束
Figure BDA0003414721040000053
i＝1～N，t＝1～T
式中：pw(t)为风电机组w的出力，di(t)为母线i的用电负荷，fi，j(t)与fj，i(t)表示传输线路(i，j)上方向不同的潮流，IG(i)与IW(i)分别为母线i上所连接的火电机组与风电场编号集。
(2)系统潮流传输容限约束
-Fi，j≤fi，j≤Fi，j，(i，j)∈E，t＝1～T (4)
式中Fi，j为传输线路(i，j)的有功功率最大容限。
(3)火电机组出力范围约束
ug(t)Pg，min≤pg(t)≤ug(t)Pg，max (5)
g＝1～G，t＝1～T
式中：ug(t)表示机组g运行状态的0-1变量，其取值为1表示机组处于运行状态，取值为0表示停机状态；Pg，max和Pg，min分别为机组g的最大和最小出力。
(4)火电机组爬坡率约束
为模型简单起见，此处忽略火电机组爬坡速率在不同出力水平下的差异，而将其设置为常数，即
|pg(t)-pg(t-1)|≤ΔgPg，max，g＝1～G，t＝1～T (6)
式中Δg为火电机组g的爬坡速率，即为常数。
(5)风电机组出力约束
0≤pw(t)≤pw，A(t)，w＝1～W，t＝1～T (7)
式中pw，A(t)为风电机组w在t时段的预测可用出力。
(6)对3组0-1变量的约束
vg(t)-wg(t)＝ug(t)-ug(t-1)，g＝1～G，t＝1～T (8)
Figure BDA0003414721040000061
Figure BDA0003414721040000062
式(8)表示0-1变量的状态转换关系，式(9)和式(10)分别表示约束机组g的最短运行时间UTg和最短停机时间DTg。上述目标函数式(2)和约束条件式(3)—式(10)构成了考虑灵活调峰火电机组的日前机组调度模型。该问题的目标函数为分段二次函数形式，故可采用粒子群优化算法等混合整数非线性规划方法进行求解。利用改进粒子群优化算法求解，对粒子群优化模型的速度方程和位置方程进行改进，加入了动态约束处理技术以提高选择最优点的能力，加入了粒子的邻域加速寻优策略以提高局部优化能力。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种利用火电机组灵活调节特性的发电优化调度方法，包括如下步骤：
步骤1：根据火电机组灵活调峰时煤耗曲线，建立火电机组在深度调峰与基础调峰区间的发电费用函数；
步骤2：在考虑风电场的情况下，建立火电机组与风电机组的日前机组组合决策模型；
步骤3：采混合整数非线性规划方法对所述日前机组组合决策模型进行求解。
2.根据权利要求1所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述发电费用函数为：
Figure FDA0003414721030000011
其中，P为机组出力；a1、a2、b1、b2、c1、c2分别为各项特性系数，与机组类型、燃烧品质和煤价有关。
3.根据权利要求1所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述日前机组组合的总费用目标函数包括发电费用与机组启停费用，为：
Figure FDA0003414721030000012
其中，T为调度周期，N为系统母线总数，传输线路采用两端母线编号的有序对(i，j)表示，E为传输线集合，G为系统中火电机组的台数，W为风电场的个数，pg(t)为火电机组g在决策时段t的出力，Cg(·)为机组g的分段二次发电费用函数，cg，SU为机组g启动费用；cg，SD为机组g关停费用；cg，SD与wg(t)分别为机组启动和关停操作的0-1变量，其取值为1，表示在决策时段t内将机组g启动或关停，取值0表示关停，1表示启动；关停时wg(t)为1，vg(t)默认为0；启动时vg(t)为1，wg(t)默认为0。
4.根据权利要求3所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，日前机组组合的约束条件包括：发电与用电功率平衡约束、系统潮流传输容限约束、火电机组出力范围约束、火电机组爬坡率约束、风电机组出力约束和对3组0-1变量的约束。
5.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述发电与用电功率平衡约束为：
Figure FDA0003414721030000021
i＝1～N，t＝1～T
式中，pw(t)为风电机组w的出力，di(t)为母线i的用电负荷，fi，j(t)和fj，i(t)表示线路(i，j)上方向不同的潮流，IG(i)与IW(i)分别为母线i上所连接的火电机组与风电场编号集。
6.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述系统潮流传输容限约束为：
-Fi，j≤fi，j≤Fi，j，(i，j)∈E，t＝1～T
式中，Fi，j为传输线(i，j)的有功功率最大容限。
7.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述火电机组出力范围约束为：
ug(t)Pg，min≤pg(t)≤ug(t)Pg，max
g＝1～G，t＝1～T
式中，ug(t)表示机组g运行状态的0-1变量，其取值为1表示机组处于运行状态，为0表示停机状态；Pg，max和Pg，min分别为机组g的最大和最小出力。
8.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述火电机组爬坡率约束为：
|pg(t)-pg(t-1)|≤ΔgPg，max，g＝1～G，t＝1～T
式中，Δg为火电机组g的爬坡率，其为常数。
9.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述风电机组出力约束为：
0≤pw(t)≤pw，A(t)，w＝1～W，t＝1～T
式中，pw，A(t)为风电机组w在t时段的预测可用出力。
10.根据权利要求4所述的一种利用火电机组灵活调节特性的发电优化调度方法，其特征在于，所述对3组0-1变量的约束为：
vg(t)-wg(t)＝ug(t)-ug(t-1)，g＝1～G，t＝1～T
Figure FDA0003414721030000031
Figure FDA0003414721030000032
分别表示0-1变量的状态转换关系、约束机组g的最短运行时间UTg和最短停机时间DTg。
CN202111542595.XA 2021-12-16 2021-12-16 利用火电机组灵活调节特性的发电优化调度方法 Pending CN114186429A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111542595.XA CN114186429A (zh) 2021-12-16 2021-12-16 利用火电机组灵活调节特性的发电优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111542595.XA CN114186429A (zh) 2021-12-16 2021-12-16 利用火电机组灵活调节特性的发电优化调度方法

Publications (1)

Publication Number Publication Date
CN114186429A true CN114186429A (zh) 2022-03-15

Family

ID=80544151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111542595.XA Pending CN114186429A (zh) 2021-12-16 2021-12-16 利用火电机组灵活调节特性的发电优化调度方法

Country Status (1)

Country Link
CN (1) CN114186429A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114884134A (zh) * 2022-05-25 2022-08-09 华北电力大学 基于区间优化的火电机组灵活性调节调度方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110336334A (zh) * 2019-08-01 2019-10-15 国网能源研究院有限公司 基于火电机组调峰能力报价的日前调峰资源优化调度方法
CN112910013A (zh) * 2021-03-02 2021-06-04 国网辽宁省电力有限公司电力科学研究院 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110336334A (zh) * 2019-08-01 2019-10-15 国网能源研究院有限公司 基于火电机组调峰能力报价的日前调峰资源优化调度方法
CN112910013A (zh) * 2021-03-02 2021-06-04 国网辽宁省电力有限公司电力科学研究院 考虑“深度调峰消纳-煤耗”联合约束的机组优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李明扬 等: "考虑煤耗率的火电机组灵活调峰对风电消纳的影响效果研究", 热力发电, vol. 49, no. 2, 29 February 2020 (2020-02-29), pages 45 - 51 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114884134A (zh) * 2022-05-25 2022-08-09 华北电力大学 基于区间优化的火电机组灵活性调节调度方法

Similar Documents

Publication Publication Date Title
CN110163443B (zh) 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN109284878B (zh) 一种考虑风电、核电、抽水蓄能协调的多源优化调度方法
CN101576055B (zh) 抑制“挤出效应”的风电场群发电控制方法
CN103580063A (zh) 一种基于需方响应消纳大规模并网风电的方法
CN112583051B (zh) 变速抽水蓄能机组在区域电网中的优化调度模型构建方法
CN109842151A (zh) 一种抽水蓄能电站广域发电控制系统的控制方法
CN110829503A (zh) 风光水火储的多能互补微电网联合优化调度方法及系统
CN112994051A (zh) 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN114186429A (zh) 利用火电机组灵活调节特性的发电优化调度方法
CN109672226A (zh) 一种抽水蓄能电站广域发电控制系统的调节端控制方法
Liu et al. The effects of wind turbine and energy storage participating in frequency regulation on system frequency response
CN117175593A (zh) 考虑振动区跨越约束下梯级水电机组灵活性支撑方法
CN117040031A (zh) 一种变速抽水蓄能机组参与电网一次调频的控制方法
CN114389262B (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
CN112600202B (zh) 计及新能源随机性的含可控移相器电网最优潮流计算方法
CN115719132A (zh) 含多座抽蓄电站的省级电网日前计划分层递进优化方法
CN113595105A (zh) 一种利用绝热压缩空气储能实现电网调频的方法和系统
CN114399162A (zh) 一种基于能源调度时间自适应变化的滚动优化调度方法
CN113346487A (zh) 一种基于多源互补的源荷匹配方法、系统及设备
Lu et al. Unit commitment of power system with wind power and photovoltaic considering frequency safety constraint
Zhang et al. Joint optimal dispatching strategy of pumped storage and thermal power units with large-scale wind power integration
CN113363978B (zh) 一种考虑区外来电的电力系统时序生产模拟方法
CN116937551B (zh) 一种电-气互联虚拟电厂优化调度方法及终端
CN116316740B (zh) 一种考虑新能源影响的储能代替火电容量效率计算方法
CN112186737B (zh) 水电机组在水电-风电互补系统调控中使用寿命评估方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231211

Address after: 100096 No. 2, Beinong Road, Huilongguan, Changping District, Beijing

Applicant after: NORTH CHINA ELECTRIC POWER University

Applicant after: HUANENG TAICANG POWER GENERATION Co.,Ltd.

Applicant after: Xi'an Thermal Power Research Institute Co.,Ltd.

Applicant after: Huaneng Group R&D Center Co., Ltd.

Address before: 102206 No. 2 Nong Road, Changping District, Beijing

Applicant before: NORTH CHINA ELECTRIC POWER University

Applicant before: Xi'an Thermal Power Research Institute Co.,Ltd.

Applicant before: Huaneng Group R&D Center Co., Ltd.