CN114221338A - 考虑电源灵活性和互补性的多能源电力系统优化调度方法 - Google Patents
考虑电源灵活性和互补性的多能源电力系统优化调度方法 Download PDFInfo
- Publication number
- CN114221338A CN114221338A CN202111557472.3A CN202111557472A CN114221338A CN 114221338 A CN114221338 A CN 114221338A CN 202111557472 A CN202111557472 A CN 202111557472A CN 114221338 A CN114221338 A CN 114221338A
- Authority
- CN
- China
- Prior art keywords
- power
- formula
- load
- flexibility
- gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000006870 function Effects 0.000 claims abstract description 73
- 230000000295 complement effect Effects 0.000 claims abstract description 61
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 31
- 231100000719 pollutant Toxicity 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000008901 benefit Effects 0.000 claims abstract description 13
- 238000004146 energy storage Methods 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 32
- 238000010248 power generation Methods 0.000 claims description 24
- 230000003827 upregulation Effects 0.000 claims description 23
- 230000003828 downregulation Effects 0.000 claims description 22
- 150000001875 compounds Chemical class 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 14
- 239000003245 coal Substances 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000006116 polymerization reaction Methods 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000005622 photoelectricity Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 239000002803 fossil fuel Substances 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000005256 carbonitriding Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
-
- 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
-
- 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
-
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种考虑电源灵活性和互补性的多能源电力系统优化调度方法，其特点是，包括：建立电源灵活性和互补性供需模型；定义可再生能源互补电源和电源互补需求指标，充分发挥多能互补作用，以系统运行经济性和火电运行平稳性最优、污染物排放量最小为目标构建了风光水气火储多目标协调分层优化调度模型；采用基于启发式优先顺序法来确定火电启停机组集合来避免多变量耦合解空间下的“维数灾”问题；采用目标函数适应度差量排序法确定子目标函数的权重系数；通过引入动态概率和制定蜂群最优引导策略改进人工蜂群算法，并使用该改进人工蜂群算法对所建立的调度模型进行求解。具有科学合理，适用性强，效果佳的优点。
Description
技术领域
本发明涉及电力系统中的调度，是一种考虑电源灵活性和互补性的多能源电力系统优化 调度方法。
背景技术
含高比例可再生能源的多能源电力系统已成为未来电力系统重要发展趋势，随着可再生 能源的海量接入，其发电的间歇性、波动性给电力系统的优化运行带来的影响日益加剧；因 此，如何充分利用可再生能源电源与常规电源协调运行，在保证系统稳定运行的基础上同时 兼顾经济效益和环境保护已经成为电力系统优化调度的热点问题。
发明内容
本发明的目的是，克服现有技术的不足，建立一种科学合理，适用性强，效果佳的考虑 电源灵活性和互补性的多能源电力系统优化调度方法。
实现本发明目的所采用的技术方案是，一种考虑电源灵活性和互补性的多能源电力系统 优化调度方法，其特征是，它包括：建立电源灵活性和互补性供需模型、建立优化调度模型、 制定多能源电力系统协调调度的调度策略及求解方法，具体内容为：
1)建立电源灵活性供需和互补性需求模型
电力系统灵活性和互补性体现在电源侧，因此在电源侧引入应用于多能源电力系统协调优化运行的灵活性和互补性模型；
①建立电源灵活性供需模型
参与并网所有发电单元各个时段可调出力之和即为系统在该时段能够提供的灵活性，称 为电源灵活性供给，在空间上分为向上灵活性供给和向下灵活性供给，见公式(1)和公式(2)；
式中，
和
分别为系统在t时段的上、下调灵活性供给量；
分别为火电g、气电r、水电h在t时段的上、下调灵活性供给量；Pth,g,t、Pmt,r,t、Phy,h,t分别 为在t时段火电g、气电r、水电h的出力值；Pth,g,max、Pth,g,min、Pmt,r,max、Pmt,r,min、Phy,h,max、Phy,h,min分 别为火电机组g、气电机组r、水电机组h出力的上、下限值；
分别为火电g、气电r、水电h的上、下爬坡值；NG、NR、NH分别为火电机组、气电机 组、水电机组的个数；
多能源电力系统对灵活性的需求来自于可再生能源的不确定性，负荷的波动性以及预测 误差，分为系统的上调灵活性需求供给量和下调灵活性需求供给量，见公式(3)；
式中，
为系统在t时段的上、下灵活性需求供给量；qu、qd分别为因光伏功率预测误 差引起的上、下调灵活性系数；wu、wd分别为因风电功率预测误差引起的上、下调灵活性系 数；eu、ed分别为因系统负荷预测误差引起的上、下调灵活性系数；Pwd,t+1，Ppv,t+1、Pl,t+1分别 为在t+1时间段光伏、风电、负荷功率的预测值；Pl,t为t时间段内负荷功率的预测值；ΔPl,t为t+1 时段负荷与t时段负荷功率的差值；
评估总体灵活性余量；灵活性供给和灵活性需求的差值为电力系统电源灵活性裕度，分 为上调灵活性裕度和下调灵活性裕度，见公式(4)；
式中，
分别为系统在t时段的上调灵活性裕度和下调灵活性裕度；
②建立电源互补性需求模型
多能源电力系统电源的互补需求利用可控电源来补充和支持不可控电源；从电源输出与 系统负荷的关系出发，引入互补需求的数学模型；目标是多能源电力系统所追求的互补效应 和优化方向；基于多能源电力系统的互补机理，从提高可再生能源适应性和消纳能力的角度， 引入电源互补需求的数学模型，电源、负荷的功率变化率计算见公式(5)-(6)；
式中，
和
分别为电源、负荷的功率变化率；
和
分别为t时段电源、负荷的功率；
和
分别为是t-1时段电源、负荷的功率；Δt为时间间隔；
电源功率相对变化率和负荷输出功率相对变化率的计算见公式(7)和公式(8)；
式中，
是电源的输出功率相对变化率；
是负荷的输出功率相对变化率；
和
分别为电 源和负荷的功率变化率；PSC是电源的装机容量；Plmax,T是负荷的最大值，T为时段数；
通过负荷功率和电源功率相对变化率得到电源和负载之间的互补需求指标，见公式(9)；
式中，Dsl为互补需求指标；
2)建立优化调度模型
①建立目标函数
为激励电源充分发挥多元化作用，实现系统运行的经济性、对环境的友好性和火电出力 的平稳性，构建以总运行成本最低、污染气体排放量最小和火电出力方差最小的多目标函数；
总运行成本最低，由于风电、光伏、水电属于清洁能源，只有火电机组和燃气机组消耗 化石燃料，系统运行是产生的经济性一部分取决于燃煤和燃气费用，另一部分是储能系统的 运行成本，见公式(10)-(13)；
f1＝CTH+CMT+CS (13)
式中，f1为总运行成本；CTH为火电机组燃煤成本；CMT为燃气机组燃气成本；CS为储能系 统运行成本；uth,g,t、umt,r,t分别为火电机组g、燃气机组r的运行状态变量；ag、bg、cg为火 电机组g的燃煤费用系数；ar，br，cr为燃气机组r的燃气费用系数；cs为储能系统的成本系数；
为别为储能系统t时刻的充、放电功率；
对于污染物排放总量进行控制，实现污染物排放总量最小，见公式(14)；
式中，f2为污染物排放总量；ap、bp、cp、ξp、λp为火电机组g的污染物排放系数；
为保证各火电机组在调度周期内出力平稳，避免频繁调节，见公式(15)，优化目标式(15) 不仅能减小单台火电机组的出力波动，又能够使火电总体出力平稳，火电出力方差f3最小；
②确定约束条件
系统功率平衡约束，见公式(16)
式中，Ps,t为储能系统在时段t的出力值；
燃气机组约束，在制定和安排燃气机组的发电计划时必须充分考虑各台机组的发电特性 以及爬坡约束，燃气机组上升和下降爬坡率相等；为保证燃气机组的经济效益，将75％的负 荷率设置为燃气机组运行的出力下限，见公式(17)；
式中，Pmt,r,t-1和Pmt,r,t分别为燃气机组r在t-1时间段和t时间段的功率；
柔性约束见公式(18)
火电机组约束由于火电机组容量大，稳定性强，大型火电机组从停机到投入使用需要1 至3天时间，因此调度模型中不考虑火电机组日内启停，见公式(19)：
式中，Pth,g,t-1和Pth,g,t分别为火电机组g在t-1时间段和t时间段的功率；
储能约束见公式(20)
Socmin≤Soc,t≤Socmax (20)
式中，Socmin、Socmax分别储能系统荷电状态的最小值，最大值，Soc,t为t时刻的荷电状态，除要 满足荷电状态约束外，还要保证充放电不超过上、下限值；
水电站约束见公式(21)；
式中，Wmax和Wmin分别为水库调度部门根据防洪、灌溉综合利用后当日的最大和最小发电水量， ηhy是水力发电的转换效率，hh,t是水力发电站h在t时间段的水头高度，Qhy,h,t为第h个水电机 组在t时间段内的发电引用流量；
3)制定多能源电力系统协调调度的调度策略及求解方法
采用分层调度策略，将调度模型分为可再生能源调度层、水电调度层、气电调度层、储 能系统调度层和火电调度层；各调度层通过更新净负荷和灵活性裕度连接；利用风电、光伏 和水电之间的互补，减少系统净负荷的波动，间接提高系统的灵活性，再发挥气电和储能系 统的调节能力，平抑剩余负荷波动；
①制定可再生能源调度层策略
为满足多能源电力系统的互补需求，将风力发电、光伏发电和水电，不同类型的电源聚 合成为可再生能源互补电源(RECPS)；当互补需求指标为最优时，得到风电、光伏和水电的 综合比例；因此本层以互补需求DIR最小为目标函数，并将剩余净负荷传递给下一层，见公 式(22)；
式中，
为可再生能源互补电源的输出功率相对变化率；
②制定水电调度层策略，为平抑净负荷波动，水电调度层以水电站调峰后剩余负荷峰谷 差ΔPvl最小为目标，同时为实现可再生能源消纳的最大化，表现为水电站的总剩余水量ΔW最 小，最终将水电调度层的两个目标进行归一化处理，得到水电层的等效优化目标Q，公式见 (23)-(26)；
Psl,t＝Pl,t-PRECPS,t (24)
式中，Psl.t为总负荷扣除可再生能源调度层出力后在t时段的净负荷；PRECPS,t为满足互补需求 最优的聚合后风电，光电和参与聚合水电的出力和；
③制定气电调度层和储能系统调度层策略，由于燃气机组相比火电机组便于控制，可用 于调峰，因此对于气电调度层，以系统调峰为目标，以水电调度层的剩余净负荷方差最小为 优化目标先确定各时刻的燃气机组的总出力，再求解各机组出力，见公式(27)-(28)；储能系 统具有快速吞吐跟随的负荷波动的能力，可用于削峰填谷；因此对于储能系统调度层，采取 和气电调度层同样的策略，以上一层传递剩余净负荷的方差最小为本层的优化目标，并将优 化后的剩余负荷传递给下一层；
P'sl＝Psl,t-P'hy,t (28)
式中，P'sl,t为扣除风电、光电、水电后在t时段的净负荷；P'hy,t为水电调度层中水电输出功率；
④制定火电调度层策略，因火电机组的启停时间长，难以完成日内启停状态转换，将系 统优化调度分为两阶段；第一段采用启发式优先顺序法确定火电机组运行状态，第二段再对 各机组出力进行求解；优先顺序法是根据火电机组的经济性优先顺序进行排序；为降低污染 物排放，采用启发式优先顺序法来决定火电机组运行状态；
a.对火电机组依据最小比耗量由小到大的顺序进行经济排序；
b.按照机组单位污染气体排放量由小到大对火电机组排序，第一步机组比耗量相同时， 单位污染气体排放量低的机组优先投入使用；
c.剔除a和b排序中的检修机组和即将超发机组以及停机机组，将剩余机组依次累加火 电机组最大出力，根据峰荷时段的负荷确定机组；
d.计算火电机组的最小出力能否满足系统最低负荷备用需求；在第三步依据峰荷时段确 定的开机数在一些时段无法满足负旋转备用，对开机机组集合进行修正；考虑极端情况，其 他电源不能提供备用容量，则进行弃风、弃光操作以满足负荷；
⑤采用适应度差量排序法求解多目标函数，通过计算各单目标函数间的差量，得出综合 考虑系统经济性、清洁性和稳定性的权系数；
a.求出目标函数式(13)、式(14)和式(15)的最优解，并将所求的子目标函数的最优解代入 其他子目标函数，求得对应的适应度值，见公式(29)；
fi,j＝fi(xj) (29)
式中，fi,j表示将第j个目标函数的最优解集带入到第i个目标函数的适应度值，fi(xj)为其 表现形式；xj为第j个目标函数的最优解集；i,j＝1,2,3；
b.比较适应度值与单目标的最优解适应度值，求得对应的差量Δfi,j越大，说明离最优解 差距越大，见公式(30)；
Δfi,j＝fi,j-fi,i (30)
式中，fi,i为目标函数i的最优适应度值；
c.求取第i个目标函数的偏差均值ηi，计算权系数λi；因偏差的取值均是与各子目标函数 的最优解，即最小值比较，均大于0；因此差量均值与权系数均为正，且权系数总和为1，见 公式(31)-(32)；
式中，n为目标函数个数，因目标函数自身最优解的偏差为0，故按n-1个子目标函数求取平 均偏差；ηi为第i个目标函数的差量值；λi为权系数；
d.配比各子目标的加权系数；根据偏差均值确定权系数，对于偏差均值大的子目标给予 小的权系数，偏差均值小的子目标给予大的权系数，再通过线性加权重新构造多目标聚合函 数f，见公式(33)
⑥采用改进的人工蜂群算法(Improve Dynamic Artificial Bee Colonyalgorithm，IDABC)， 且采用动态概率和最优引导策略，使位置更新参数随迭代次数变化而变化，增加收敛性和收 敛精度，具体公式见(34)-(36)；采用目标函数适应度差量排序法确定系统运行成本最低、火 电出力方差最小和污染物排放总量最小三个子目标函数的权重系数后，以总的目标函数最小 为优化目标，采用改进的人工蜂群算法求得各机组最优出力，在获取初始解和每次迭代更新 时，对不满足约束条件的粒子进行修正，使其满足约束条件，对于部分难以修正的约束，采 用罚函数法，使下次迭代时将蜂群吸引到有可行解的区域中；
式中，r1,r2,r3,iA∈{1,2,…SN}，SN为食物源的个数；r1≠r2≠r3≠iA，jA∈{1,2,…D}；D为问 题的维数；
λA和αA为相关控制参数；
为食物源位置参数； 
是此次迭代过程中具有最优适应度的个体；
为更新后食物源的位置；maxNA是最大迭 代次数；nA是当前迭代次数。
本发明是考虑电源灵活性和互补性的多能源电力系统优化调度方法，其特征是，首先建 立电源灵活性和互补性供需模型；然后，以系统运行的经济性和火电运行平稳性最优、污染 物排放总量最小为优化目标构建了风光水气火储多目标协调分层优化调度模型，其中为充分 发挥多能互补作用，定义了可再生能源互补电源和电源互补需求指标，并通过确定可再生能 源互补电源的聚合比使电源互补需求指标最小；为避免多变量耦合解空间下的“维数灾”问 题，采用了基于启发式优先顺序法来确定火电启停机组集合；为确定子目标函数的权重系数， 采用目标函数适应度差量排序法；最后，通过引入动态概率和制定蜂群最优引导策略改进了 人工蜂群算法，并使用该改进人工蜂群算法对所建立的优化调度模型进行求解；算例结果表 明了本方法具有科学合理，适用性强，效果佳的优点。
附图说明
图1为考虑电源特性的分层调度模型求解框架图；
图2为改进的人工蜂群算法流程图；
图3为典型日负荷、风电和光伏功率曲线图；
图4为可再生能源调度层图；
图5为风光水火气优化调度结果图；
图6为储能出力优化调度结果图；
图7为系统上调灵活性裕度图；
图8为系统下调灵活性裕度图；
图9为两种方案下各电源总输出功率对比图；
图10为两种方案下火电调度出力对比图。
具体实施方式
下面利用附图和具体实施方式对本发明进行进一步说明。
本发明的一种考虑电源灵活性和互补性的多能源电力系统优化调度方法，包括：建立电 源灵活性和互补性供需模型、建立优化调度模型、制定多能源电力系统协调调度的调度策略 及求解方法，具体内容为：
1)建立电源灵活性供需和互补性需求模型
电力系统灵活性和互补性体现在电源侧，因此本发明旨在电源侧引入应用于多能源电力系统协调优化运行的灵活性和互补性模型；
①建立电源灵活性供需模型
参与并网所有发电单元各个时段可调出力之和即为系统在该时段能够提供的灵活性，称 为电源灵活性供给，在空间上可以分为向上灵活性供给和向下灵活性供给，见公式(1)和公式 (2)；
式中，
和
分别为系统在t时段的上、下调灵活性供给量；
分别为火电g、气电r、水电h在t时段的上、下调灵活性供给量；Pth,g,t、Pmt,r,t、Phy,h,t分别 为在t时段火电g、气电r、水电h的出力值；Pth,g,max、Pth,g,min、Pmt,r,max、Pmt,r,min、Phy,h,max、Phy,h,min分 别为火电机组g、气电机组r、水电机组h出力的上、下限值；
分别为火电g、气电r、水电h的上、下爬坡值；NG、NR、NH分别为火电机组、气电机 组、水电机组的个数；
多能源电力系统对灵活性的需求来自于可再生能源的不确定性，负荷的波动性以及预测 误差，分为系统的上调灵活性需求供给量和下调灵活性需求供给量，见公式(3)；
式中，
为系统在t时段的上、下灵活性需求供给量；qu、qd分别为因光伏功率预测误 差引起的上、下调灵活性系数；wu、wd分别为因风电功率预测误差引起的上、下调灵活性系 数；eu、ed分别为因系统负荷预测误差引起的上、下调灵活性系数；Pwd,t+1，Ppv,t+1、Pl,t+1分别 为在t+1时间段光伏、风电、负荷功率的预测值；Pl,t为t时间段内负荷功率的预测值；ΔPl,t为t+1 时段负荷与t时段负荷功率的差值；
最后，评估总体灵活性余量；灵活性供给和灵活性需求的差值为电力系统电源灵活性裕 度，分为上调灵活性裕度和下调灵活性裕度，见公式(4)；
式中，
分别为系统在t时段的上调灵活性裕度和下调灵活性裕度；
②建立电源互补性需求模型
多能源电力系统电源的互补需求利用可控电源来补充和支持不可控电源；本发明从电源 输出与系统负荷的关系出发，引入互补需求的数学模型；目标是多能源电力系统所追求的互 补效应和优化方向；基于多能源电力系统的互补机理，从提高可再生能源适应性和消纳能力 的角度，引入电源互补需求的数学模型，电源、负荷的功率变化率计算方法见公式(5)-(6)；
式中，
和
分别为电源、负荷的功率变化率；
和
分别为t时段电源、负荷的功率；
和
分别为是t-1时段电源、负荷的功率；Δt为时间间隔；
电源功率相对变化率和负荷输出功率相对变化率的计算方法见公式(7)和公式(8)；
式中，
是电源的输出功率相对变化率；
是负荷的输出功率相对变化率；
和
分别为电 源和负荷的功率变化率；PSC是电源的装机容量；Plmax,T是负荷的最大值，T为时段数；
通过负荷功率和电源功率相对变化率可以得到电源和负载之间的互补需求指标，电源和 负荷之间的互补需求指标Dsl越小，电源和负荷在单位时间尺度上的变化趋势越接近，两者的 匹配性越好，见公式(9)；
式中，Dsl为互补需求指标；
2)建立优化调度模型
①建立目标函数
为激励电源充分发挥多元化作用，实现系统运行的经济性、对环境的友好性和火电出力 的平稳性，构建了以总运行成本最低、污染气体排放量最小和火电出力方差最小的多目标函 数；
总运行成本最低，由于风电、光伏、水电属于清洁能源，只有火电机组和燃气机组消耗 化石燃料，系统运行是产生的经济性一部分取决于燃煤和燃气费用，另一部分是储能系统的 运行成本，见公式(10)-(13)；
f1＝CTH+CMT+CS (13)
式中，f1为总运行成本；CTH为火电机组燃煤成本；CMT为燃气机组燃气成本；CS为储能系 统运行成本；uth,g,t、umt,r,t分别为火电机组g、燃气机组r的运行状态变量；ag、bg、cg为火 电机组g的燃煤费用系数；ar，br，cr为燃气机组r的燃气费用系数；cs为储能系统的成本系数；
为别为储能系统t时刻的充、放电功率；
污染物排放总量最小，随着近年来对环境污染的重视，各国都不断加强对污染物排放量 的控制，见公式(14)；
式中，f2为污染物排放总量；ap、bp、cp、ξp、λp为火电机组g的污染物排放系数；
火电出力方差f3最小，火电机组具有一定的调峰能力，但响应速度较慢，成本高，因此 希望保证各火电机组在调度周期内出力平稳，避免频繁调节，见公式(15)，优化目标式(15) 不仅能减小单台火电机组的出力波动，又能够使火电总体出力平稳；
②确定约束条件
系统功率平衡约束，见公式(16)
式中，Ps,t为储能系统在时段t的出力；
燃气机组约束，在制定和安排燃气机组的发电计划时必须充分考虑各台机组的发电特性 以及爬坡约束，燃气机组上升和下降爬坡率相等；相关研究表明，当燃气机组负荷率在75％ 以上效率高、气耗率低；为保证燃气机组的经济效益，将75％的负荷率设置为燃气机组运行 的出力下限，见公式(17)；
式中，Pmt,r,t-1和Pmt,r,t分别为燃气机组r在t-1时间段和t时间段的功率；
柔性约束见公式(18)
火电机组约束由于火电机组容量大，稳定性强，大型火电机组从停机到投入使用需要很 长时间，甚至1到3天；因此调度模型中不考虑火电机组日内启停，见公式(19)：
式中，Pth,g,t-1和Pth,g,t分别为火电机组g在t-1时间段和t时间段的功率；
储能约束见公式(20)
Socmin≤Soc,t≤Socmax (20)
式中，Socmin、Socmax分别储能系统荷电状态的最小值，最大值，Soc,t为t时刻的荷电状态，除了 要满足荷电状态约束外还要保证充放电不超过上下限；
水电站约束，水电站调度是一个复杂的耦合约束问题，尤其是梯级水电站，包含上下游 水位关系、水电平衡约束、水库水位约束、终端水位约束等多种约束，流量约束、电站输出 的上限和下限约束，见公式(21)；
式中，Wmax和Wmin分别为水库调度部门根据防洪、灌溉等综合利用后当日的最大和最小发电水 量，ηhy是水力发电的转换效率，hh,t是水力发电站h在t时间段的水头高度，Qhy,h,t为第h个水 电机组在t时间段内的发电引用流量；
3)制定多能源电力系统协调调度的调度策略及求解方法
风光水气火储多能源电力系统的协调与调度是一个复杂的非线性问题，本发明采用分层 调度策略，将调度模型分为可再生能源调度层、水电调度层、气电调度层、储能系统调度层 和火电调度层；各调度层通过更新净负荷和灵活性裕度连接；利用风电、光伏和水电之间的 互补，减少系统净负荷的波动，间接提高系统的灵活性，再发挥气电和储能系统的调节能力， 平抑剩余负荷波动；
①制定可再生能源调度层策略
为了满足多能源电力系统的互补需求，考虑到多种异质能源的互补特性，在系统的优化 运行中，将几个互补后能很好地跟踪负荷波动的可再生电源聚合为一种电源，称为可再生能 源互补电源(RECPS)；可再生能源互补电源由不同类型的电源聚合而成；聚合策略基于多能 源电力系统的互补机制；在节能环保的前提下，优先考虑可再生能源，确定电源类型和容量， 以满足互补需求；可再生能源互补电源形成后，可以很好地跟踪负荷波动，提高系统的调峰 能力，可以与其他常规电源一起进行优化；本层的优化运行策略基于多能源电力系统的互补 性；风电和光伏发电优先接受，为充分利用水电在处理风能、太阳能等不确定电源带来的随 机性，将风力发电、光伏发电和水电聚合为可再生能源互补电源后，当互补需求指标为最优 时，得到风电、光伏和水电的综合比例；因此本层以互补需求DIR最小为目标函数，并将剩 余净负荷传递给下一层，见公式(22)；
式中，
为可再生能源互补电源的输出功率变化率，在此部分的互补电源包括风电、光 伏，和部分可调水电；
②制定水电调度层策略，为进一步平抑净负荷波动，水电调度层以水电站调峰后剩余 负荷峰谷差ΔPvl最小为目标，同时为实现可再生能源消纳的最大化，表现为水电站的总剩余 水量ΔW最小，最终将水电调度层的两个目标进行归一化处理，得到水电层的等效优化目标 Q，公式见(23)-(26)；
Psl,t＝Pl,t-PRECPS,t (24)
式中，Psl.t为总负荷扣除可再生能源调度层出力后在t时段的净负荷；PRECPS,t为满足互补需求 最优的聚合后风电，光电和参与聚合水电的出力和；
③制定气电调度层和储能系统调度层策略，由于燃气机组相比火电机组便于控制，可 用于调峰，因此对于气电调度层，以系统调峰为目标，以水电调度层的剩余净负荷方差最小 为优化目标先确定各时刻的燃气机组的总出力，再求解各机组出力，见公式(27)-(28)；储能 系统具有快速吞吐跟随的负荷波动的能力，可用于削峰填谷；因此对于储能系统调度层，采 取和气电调度层同样的策略，以上一层传递剩余净负荷的方差最小为本层的优化目标，并将 优化后的剩余负荷传递给下一层，在此不再赘述；
P'sl＝Psl,t-P'hy,t (28)
式中，P'sl,t为扣除风电、光电、水电后在t时段的净负荷；P'hy,t为水电调度层中水电输出功率；
④制定火电调度层策略，火电机组的启停时间较长，很难完成日内启停状态转换，为 保证机组运行效率，提升计算效率，将系统优化调度分为两阶段；第一段采用启发式优先顺 序法确定火电机组运行状态，第二段再对各机组出力进行求解；优先顺序法是根据火电机组 的经济性优先顺序进行排序；为降低污染物排放，本发明采用启发式优先顺序法来决定火电 机组运行状态；
a.对火电机组依据最小比耗量由小到大的顺序进行经济排序；
b.按照机组单位污染气体排放量由小到大对火电机组排序，第一步机组比耗量相同时， 单位污染气体排放量低的机组优先投入使用；
c.剔除上述排序表中的检修机组和即将超发机组以及停机机组，将剩余机组依次累加火 电机组最大出力，根据峰荷时段的负荷确定机组；若峰荷时段负荷和备用需求满足，那其他 时段也将满足；
d.计算火电机组的最小出力能否满足系统最低负荷备用需求；在第三步依据峰荷时段确 定的开机数在一些时段无法满足负旋转备用，对开机机组集合进行修正；考虑极端情况，其 他电源不能提供备用容量，则进行弃风、弃光操作以满足负荷；
⑤求解多目标函数优化问题，常用的多目标粒子群算法、非支配排序遗传算法等均需 要大量经验数据且对参数要求较高；本发明采用适应度差量排序法，通过计算各单目标函数 间的差量，得出综合考虑系统经济性、清洁性和稳定性的权系数；
a.求出目标函数式(13)、式(14)和式(15)的最优解，并将所求的几个子目标函数的最优解 代入其他子目标函数，求得对应的适应度值，见公式(29)；
fi,j＝fi(xj) (29)
式中，fi,j表示将第j个目标函数的最优解集带入到第i个目标函数的适应度值，fi(xj)为其 表现形式；xj为第j个目标函数的最优解集；i,j＝1,2,3；
b.比较适应度值与单目标的最优解适应度值，求得对应的差量Δfi,j越大，说明离最优解 差距越大，见公式(30)；
Δfi,j＝fi,j-fi,i (30)
式中，fi,i为目标函数i的最优适应度值；
c.求取第i个目标函数的偏差均值ηi，计算权系数λi；因偏差的取值均是与各子目标函数 的最优解(最小值)比较，均大于0；因此差量均值与权系数均为正，且权系数总和为1，见公 式(31)-(32)；
式中，n为目标函数个数，因目标函数自身最优解的偏差为0，故按n-1个子目标函数求取平 均偏差；ηi为第i个目标函数的差量值；λi为权系数；
d.配比各子目标的加权系数；偏差均值较大的子目标给予较小的权系数，偏差均值较小 的子目标给予较大的权系数，再通过线性加权重新构造多目标聚合函数f，见公式(33)
⑥改进人工蜂群算法用于求解约束优化问题，标准的人工蜂群算法位置更新采用单一 的搜索方程，难以平衡种群的多样性和收敛性，导致算法陷入局部最优；因此对人工蜂群算 法进行改进，提出一种改进的人工蜂群算法(Improve Dynamic Artificial BeeColony algorithm， IDABC)，采用动态概率和最优引导策略，使位置更新参数随迭代次数变化而变化，增加收敛 性和收敛精度，具体公式见(34)-(36)；采用目标函数适应度差量排序法确定系统运行成本最 低、火电出力方差最小和污染物排放总量最小三个子目标函数的权重系数后，以总的目标函 数最小为优化目标，采用改进的人工蜂群算法求得各机组最优出力，在获取初始解和每次迭 代更新时，对不满足约束条件的粒子进行修正，使其满足约束条件，对于部分难以修正的约 束，采用罚函数法，使下次迭代时将蜂群吸引到有可行解的区域中；
式中，r1,r2,r3,iA∈{1,2,…SN}，SN为食物源的个数；r1≠r2≠r3≠iA，jA∈{1,2,…D}；D为问 题的维数；
λA和αA为相关控制参数；
为食物源位置参数； 
是此次迭代过程中具有最优适应度的个体；
为更新后食物源的位置；maxNA是最大迭 代次数；nA是当前迭代次数。
参照图1-图10，本发明是考虑电源灵活性和互补性的多能源电力系统优化调度方法，图 1为考虑电源特性的分层调度模型求解框架图，包括的具体内容有：
1)算例数据及参数设置
图2和图3分别为改进的人工蜂群算法流程图和典型日负荷、风电和光伏功率曲线图， 为研究算法和模型的有效性，以西北一省级电网数据为基础；算例包括火电装机容量2760MW；风电装机容量为2000MW；光伏装机容量为5800MW；水电装机容量为6000MW； 气电装机容量为320MW，储能系统400MW·h，调度周期为24小时，以一个小时为一个调度 时段进行优化调度；改进人工蜂群算法迭代次数为500次，蜂群数量为50。
表A1火电机组参数
表A2燃气机组参数
表A3水电主要参数
表A4储能系统主要参数
表A5其他主要参数
2)结果分析
为验证所提出优化调度模型和求解算法的有效性，本发明设定两种方案进行对比仿真； 方案1：多能源电力系统协调分层优化调度方法，即本发明的方法；方案2：多能源电力系统 联合调度方法。
利用本发明提出的功率聚合方法，将风电、光伏和匹配的水电资源聚合为可再生能源互 补电源，利用2.2节互补需求的数学模型求得它们的比例，如图4；从互补需求指数的计算结 果可以看出，当水电与风电光电容量之比为0.8附近时能很好地满足互补需求，实现可再生 能源互补电源(RECPS)对负载较好的跟踪效果，当容量比大于0.8时互补需求值降低效果 并不明显，并且受到水电装机容量和水流入量的限制，它始终不能完全满足互补需求。
图5为风光水火气各机组分层协调优化调度结果，由图中的折线可知，在本发明方法调 度结果中，可再生能源互补电源的出力曲线和负荷曲线变化趋势相似，能够很好地跟踪负载 的变化；水电也充分发挥了灵活调节能力，通过与气电、储能系统的调节和目标函数中对火 电出力方差的约束下，减少了火电出力的波动，使火电出力保持在较低水平，从而减少因频 繁调整产量而造成的额外成本，在平抑净负荷波动性的同时，还充分利用了可再生资源，体 现了分层优化方法的优势，实现了尽限利用可再生能源和保证火电平稳运行的目标。
由图6可以看出，在满足储能系统荷电状态等约束条件下，为使储能削峰填谷的效果达 到最佳，储能系统在低负荷时段23:00—4:00，13:00—15:00充电，实现对负荷低谷时段的“填 谷”，而在高峰时段开始放电，实现对负荷高峰时段的“削峰”，削弱负荷的波动，缓解了火 电机组的调峰压力。
由图7和图8可知，在方案2中，系统在负荷高峰时存在多数灵活性剩余，造成大量的 备用冗余，而在负荷低谷阶段存在灵活性不足的情况，在13点和14点时分别出现了98.23MW 和54.23MW的灵活性缺额情况，说明此时这些时段电源的下调能力缺乏，可能无法快速响应 负荷变化和风光功率预测偏差，会导致弃光弃风甚至机组停机；在方案1中，分层优化调度 时考虑了系统上下调灵活性裕度，充分利用了水电、气电、储能灵活性资源的调节作用，使 多能互补系统在各个时间段都能满足上调灵活性和下调灵活性裕度需求，并降低了系统备用 的冗余度。
由图9可知，所提的分层协调调度方法应用于多能源电力系统的优化运行，提高了电力 系统接受风电和光伏的能力，减少了弃光弃风；调度日内水电输出功率总和为101421.35MW， 相比常规方法水电利用率提高了2.45％；火电机组日内总输出功率降低了4247.42MW，减少 了系统煤耗和硝硫碳等污染物的排放；充分说明所提出的模型能够同时兼顾系统的经济效益 和环境效益。
图10是两种方案下火电调度出力的结果对比，在图中可以看出所提出的协调分层优化调 度模型可以降低火电机组的出力，使火电机组的出力更加平稳，相比常规调度方法火电机组 的最大出力由2598.13MW降为2280.39MW，出力峰谷差由1201.32MW降为932.54MW，说 明所提的分层协调调度模型在一定程度上也可以对火电出力进行优化，降低火电运行成本。
表1两种调度方案指标对比
在表1中可以看出，与常规联合调度方法相比，文中所提方法在调度周期内火电机组每 时段的平均出力由1772.08MW降为1597.10MW，可再生能源渗透率由74.92％提高到了77.41％，污染物排放总量减少了442.39吨，减排率达到了8.3％；这主要得益于两个方面，一方面因为对系统进行了分层优化，通过可再生能源调度层，水电调度层，气电、储能调度层和火电调度层的共同作用，降低了负荷的峰谷差，从而降低了火电机组的调峰成本，并带来了一定的环境收益；另一方面采用改进的人工蜂群算法对所建的调度模型进行求解，避免 陷入局部最优，确定了各机组最优出力。
表2两种方案成本对比
为了验证分层调度策略和改进人工蜂群算法的有效性，对两种方案采用不同的求解算法 进行对比，由表2可知IDABC算法的最优解优于PSO算法和ABC算法的最优解，结果证明 IDABC算法相比于传统的ABC算法和PSO算法在寻求最优解上能够跳出局部最优，提高准确性。
本发明中所用的特定实施例已对本发明的内容做出了详尽的说明，但不局限于本实施例， 本领域技术人员根据本发明的启示所做的任何显而易见的改动，都属于本发明权利保护的范 围。
Claims (1)
1.一种考虑电源灵活性和互补性的多能源电力系统优化调度方法，其特征是，它包括：建立电源灵活性和互补性供需模型、建立优化调度模型、制定多能源电力系统协调调度的调度策略及求解方法，具体内容为：
1)建立电源灵活性供需和互补性需求模型
电力系统灵活性和互补性体现在电源侧，因此在电源侧引入应用于多能源电力系统协调优化运行的灵活性和互补性模型；
①建立电源灵活性供需模型
参与并网所有发电单元各个时段可调出力之和即为系统在该时段能够提供的灵活性，称为电源灵活性供给，在空间上分为向上灵活性供给和向下灵活性供给，见公式(1)和公式(2)；
式中，
和
分别为系统在t时段的上、下调灵活性供给量；
分别为火电g、气电r、水电h在t时段的上、下调灵活性供给量；Pth,g,t、Pmt,r,t、Phy,h,t分别为在t时段火电g、气电r、水电h的出力值；Pth,g,max、Pth,g,min、Pmt,r,max、Pmt,r,min、Phy,h,max、Phy,h,min分别为火电机组g、气电机组r、水电机组h出力的上、下限值；
分别为火电g、气电r、水电h的上、下爬坡值；NG、NR、NH分别为火电机组、气电机组、水电机组的个数；
多能源电力系统对灵活性的需求来自于可再生能源的不确定性，负荷的波动性以及预测误差，分为系统的上调灵活性需求供给量和下调灵活性需求供给量，见公式(3)；
式中，
为系统在t时段的上、下灵活性需求供给量；qu、qd分别为因光伏功率预测误差引起的上、下调灵活性系数；wu、wd分别为因风电功率预测误差引起的上、下调灵活性系数；eu、ed分别为因系统负荷预测误差引起的上、下调灵活性系数；Pwd,t+1，Ppv,t+1、Pl,t+1分别为在t+1时间段光伏、风电、负荷功率的预测值；Pl,t为t时间段内负荷功率的预测值；ΔPl,t为t+1时段负荷与t时段负荷功率的差值；
评估总体灵活性余量；灵活性供给和灵活性需求的差值为电力系统电源灵活性裕度，分为上调灵活性裕度和下调灵活性裕度，见公式(4)；
式中，
分别为系统在t时段的上调灵活性裕度和下调灵活性裕度；
②建立电源互补性需求模型
多能源电力系统电源的互补需求利用可控电源来补充和支持不可控电源；从电源输出与系统负荷的关系出发，引入互补需求的数学模型；目标是多能源电力系统所追求的互补效应和优化方向；基于多能源电力系统的互补机理，从提高可再生能源适应性和消纳能力的角度，引入电源互补需求的数学模型，电源、负荷的功率变化率计算见公式(5)-(6)；
式中，
和
分别为电源、负荷的功率变化率；
和
分别为t时段电源、负荷的功率；
和
分别为是t-1时段电源、负荷的功率；Δt为时间间隔；
电源功率相对变化率和负荷输出功率相对变化率的计算见公式(7)和公式(8)；
式中，
是电源的输出功率相对变化率；
是负荷的输出功率相对变化率；
和
分别为电源和负荷的功率变化率；PSC是电源的装机容量；Plmax,T是负荷的最大值，T为时段数；
通过负荷功率和电源功率相对变化率得到电源和负载之间的互补需求指标，见公式(9)；
式中，Dsl为互补需求指标；
2)建立优化调度模型
①建立目标函数
为激励电源充分发挥多元化作用，实现系统运行的经济性、对环境的友好性和火电出力的平稳性，构建以总运行成本最低、污染气体排放量最小和火电出力方差最小的多目标函数；
总运行成本最低，由于风电、光伏、水电属于清洁能源，只有火电机组和燃气机组消耗化石燃料，系统运行是产生的经济性一部分取决于燃煤和燃气费用，另一部分是储能系统的运行成本，见公式(10)-(13)；
f1＝CTH+CMT+CS (13)
式中，f1为总运行成本；CTH为火电机组燃煤成本；CMT为燃气机组燃气成本；CS为储能系统运行成本；uth,g,t、umt,r,t分别为火电机组g、燃气机组r的运行状态变量；ag、bg、cg为火电机组g的燃煤费用系数；ar，br，cr为燃气机组r的燃气费用系数；cs为储能系统的成本系数；
为别为储能系统t时刻的充、放电功率；
对于污染物排放总量进行控制，实现污染物排放总量最小，见公式(14)；
式中，f2为污染物排放总量；ap、bp、cp、ξp、λp为火电机组g的污染物排放系数；
为保证各火电机组在调度周期内出力平稳，避免频繁调节，见公式(15)，优化目标式(15)不仅能减小单台火电机组的出力波动，又能够使火电总体出力平稳，火电出力方差f3最小；
②确定约束条件
系统功率平衡约束，见公式(16)
式中，Ps,t为储能系统在时段t的出力值；
燃气机组约束，在制定和安排燃气机组的发电计划时必须充分考虑各台机组的发电特性以及爬坡约束，燃气机组上升和下降爬坡率相等；为保证燃气机组的经济效益，将75％的负荷率设置为燃气机组运行的出力下限，见公式(17)；
式中，Pmt,r,t-1和Pmt,r,t分别为燃气机组r在t-1时间段和t时间段的功率；
柔性约束见公式(18)
火电机组约束由于火电机组容量大，稳定性强，大型火电机组从停机到投入使用需要1至3天时间，因此调度模型中不考虑火电机组日内启停，见公式(19)：
式中，Pth,g,t-1和Pth,g,t分别为火电机组g在t-1时间段和t时间段的功率；
储能约束见公式(20)
Socmin≤Soc,t≤Socmax (20)
式中，Socmin、Socmax分别储能系统荷电状态的最小值，最大值，Soc,t为t时刻的荷电状态，除要满足荷电状态约束外，还要保证充放电不超过上、下限值；
水电站约束包含上下游水位关系、水电平衡约束、水库水位约束、终端水位约束、流量约束、电站输出的上限和下限约束，见公式(21)；
式中，Wmax和Wmin分别为水库调度部门根据防洪、灌溉综合利用后当日的最大和最小发电水量，ηhy是水力发电的转换效率，hh,t是水力发电站h在t时间段的水头高度，Qhy,h,t为第h个水电机组在t时间段内的发电引用流量；
3)制定多能源电力系统协调调度的调度策略及求解方法
采用分层调度策略，将调度模型分为可再生能源调度层、水电调度层、气电调度层、储能系统调度层和火电调度层；各调度层通过更新净负荷和灵活性裕度连接；利用风电、光伏和水电之间的互补，减少系统净负荷的波动，间接提高系统的灵活性，再发挥气电和储能系统的调节能力，平抑剩余负荷波动；
①制定可再生能源调度层策略
为满足多能源电力系统的互补需求，将风力发电、光伏发电和水电，不同类型的电源聚合成为可再生能源互补电源(RECPS)；当互补需求指标为最优时，得到风电、光伏和水电的综合比例；因此本层以互补需求DIR最小为目标函数，并将剩余净负荷传递给下一层，见公式(22)；
式中，
为可再生能源互补电源的输出功率相对变化率；
②制定水电调度层策略，为平抑净负荷波动，水电调度层以水电站调峰后剩余负荷峰谷差ΔPvl最小为目标，同时为实现可再生能源消纳的最大化，表现为水电站的总剩余水量ΔW最小，最终将水电调度层的两个目标进行归一化处理，得到水电层的等效优化目标Q，公式见(23)-(26)；
Psl,t＝Pl,t-PRECPS,t (24)
式中，Psl.t为总负荷扣除可再生能源调度层出力后在t时段的净负荷；PRECPS,t为满足互补需求最优的聚合后风电，光电和参与聚合水电的出力和；
③制定气电调度层和储能系统调度层策略，由于燃气机组相比火电机组便于控制，可用于调峰，因此对于气电调度层，以系统调峰为目标，以水电调度层的剩余净负荷方差最小为优化目标先确定各时刻的燃气机组的总出力，再求解各机组出力，见公式(27)-(28)；储能系统具有快速吞吐跟随的负荷波动的能力，可用于削峰填谷；因此对于储能系统调度层，采取和气电调度层同样的策略，以上一层传递剩余净负荷的方差最小为本层的优化目标，并将优化后的剩余负荷传递给下一层；
式中，P′sl,t为扣除风电、光电、水电后在t时段的净负荷；P′hy,t为水电调度层中水电输出功率；
④制定火电调度层策略，因火电机组的启停时间长，难以完成日内启停状态转换，将系统优化调度分为两阶段；第一段采用启发式优先顺序法确定火电机组运行状态，第二段再对各机组出力进行求解；优先顺序法是根据火电机组的经济性优先顺序进行排序；为降低污染物排放，采用启发式优先顺序法来决定火电机组运行状态；
a.对火电机组依据最小比耗量由小到大的顺序进行经济排序；
b.按照机组单位污染气体排放量由小到大对火电机组排序，第一步机组比耗量相同时，单位污染气体排放量低的机组优先投入使用；
c.剔除a和b排序中的检修机组和即将超发机组以及停机机组，将剩余机组依次累加火电机组最大出力，根据峰荷时段的负荷确定机组；
d.计算火电机组的最小出力能否满足系统最低负荷备用需求；在第三步依据峰荷时段确定的开机数在一些时段无法满足负旋转备用，对开机机组集合进行修正；考虑极端情况，其他电源不能提供备用容量，则进行弃风、弃光操作以满足负荷；
⑤采用适应度差量排序法求解多目标函数，通过计算各单目标函数间的差量，得出综合考虑系统经济性、清洁性和稳定性的权系数；
a.求出目标函数式(13)、式(14)和式(15)的最优解，并将所求的子目标函数的最优解代入其他子目标函数，求得对应的适应度值，见公式(29)；
fi,j＝fi(xj) (29)
式中，fi,j表示将第j个目标函数的最优解集带入到第i个目标函数的适应度值，fi(xj)为其表现形式；xj为第j个目标函数的最优解集；i,j＝1,2,3；
b.比较适应度值与单目标的最优解适应度值，求得对应的差量Δfi,j越大，说明离最优解差距越大，见公式(30)；
Δfi,j＝fi,j-fi,i (30)
式中，fi,i为目标函数i的最优适应度值；
c.求取第i个目标函数的偏差均值ηi，计算权系数λi；因偏差的取值均是与各子目标函数的最优解，即最小值比较，均大于0；因此差量均值与权系数均为正，且权系数总和为1，见公式(31)-(32)；
式中，n为目标函数个数，因目标函数自身最优解的偏差为0，故按n-1个子目标函数求取平均偏差；ηi为第i个目标函数的差量值；λi为权系数；
d.配比各子目标的加权系数；根据偏差均值确定权系数，对于偏差均值大的子目标给予小的权系数，偏差均值小的子目标给予大的权系数，再通过线性加权重新构造多目标聚合函数f，见公式(33)
⑥采用改进的人工蜂群算法(Improve Dynamic Artificial Bee Colony algorithm，IDABC)，且采用动态概率和最优引导策略，使位置更新参数随迭代次数变化而变化，增加收敛性和收敛精度，具体公式见(34)-(36)；采用目标函数适应度差量排序法确定系统运行成本最低、火电出力方差最小和污染物排放总量最小三个子目标函数的权重系数后，以总的目标函数最小为优化目标，采用改进的人工蜂群算法求得各机组最优出力，在获取初始解和每次迭代更新时，对不满足约束条件的粒子进行修正，使其满足约束条件，对于部分难以修正的约束，采用罚函数法，使下次迭代时将蜂群吸引到有可行解的区域中；
式中，r1,r2,r3,iA∈{1,2,…SN}，SN为食物源的个数；r1≠r2≠r3≠iA，jA∈{1,2,…D}；D为问题的维数；
λA和αA为相关控制参数；
为食物源位置参数；
是此次迭代过程中具有最优适应度的个体；
为更新后食物源的位置；maxNA是最大迭代次数；nA是当前迭代次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111557472.3A CN114221338B (zh) | 2021-12-19 | 2021-12-19 | 考虑电源灵活性和互补性的多能源电力系统优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111557472.3A CN114221338B (zh) | 2021-12-19 | 2021-12-19 | 考虑电源灵活性和互补性的多能源电力系统优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114221338A true CN114221338A (zh) | 2022-03-22 |
| CN114221338B CN114221338B (zh) | 2023-10-13 |
Family
ID=80704001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111557472.3A Active CN114221338B (zh) | 2021-12-19 | 2021-12-19 | 考虑电源灵活性和互补性的多能源电力系统优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114221338B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114861546A (zh) * | 2022-05-20 | 2022-08-05 | 华北电力大学 | 一种基于燃氢燃气轮机的电热氢多能互补调度方法及系统 |
| CN115441512A (zh) * | 2022-06-16 | 2022-12-06 | 国网新疆电力有限公司喀什供电公司 | 一种多能互补电力平衡调配方法 |
| CN115511386A (zh) * | 2022-11-09 | 2022-12-23 | 武汉大学 | 基于多目标混合非洲秃鹫优化算法的多能系统调度方法 |
| CN116646994A (zh) * | 2023-07-27 | 2023-08-25 | 长江三峡集团实业发展(北京)有限公司 | 一种电力系统优化调度方法及装置 |
| CN117728474A (zh) * | 2024-02-08 | 2024-03-19 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
| CN118074236A (zh) * | 2024-04-17 | 2024-05-24 | 浙江大学 | 基于广义多项式混沌的电力系统灵活性评估方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109936164A (zh) * | 2019-03-31 | 2019-06-25 | 东北电力大学 | 基于电源互补特性分析的多能源电力系统优化运行方法 |
| CN109936170A (zh) * | 2019-04-08 | 2019-06-25 | 东北电力大学 | 考虑电源灵活性裕度的风光水火互补协调优化调度方法 |
-
2021
- 2021-12-19 CN CN202111557472.3A patent/CN114221338B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109936164A (zh) * | 2019-03-31 | 2019-06-25 | 东北电力大学 | 基于电源互补特性分析的多能源电力系统优化运行方法 |
| CN109936170A (zh) * | 2019-04-08 | 2019-06-25 | 东北电力大学 | 考虑电源灵活性裕度的风光水火互补协调优化调度方法 |
Non-Patent Citations (4)
| Title |
|---|
| 于龙泽;刘洪波;肖白;杨洪志: "考虑电源灵活性的多能源电力系统协调分层日前优化调度", 吉林电力, vol. 49, no. 004, pages 15 - 20 * |
| 苏承国;申建建;王沛霖;周凌安;程春田;: "基于电源灵活性裕度的含风电电力系统多源协调调度方法", 电力系统自动化, no. 17, pages 173 - 184 * |
| 蔡志远;戈阳阳;李洋;马少华;: "多微电源混合系统在微电网中最优定位和规划研究", 电机与控制学报, no. 05, pages 46 - 54 * |
| 邓海潮;毛弋;彭文强;刘小丽;梁杉;范幸;: "基于改进人工蜂群算法的配电网重构", 电力系统及其自动化学报, no. 07, pages 125 - 129 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114861546A (zh) * | 2022-05-20 | 2022-08-05 | 华北电力大学 | 一种基于燃氢燃气轮机的电热氢多能互补调度方法及系统 |
| CN114861546B (zh) * | 2022-05-20 | 2024-05-24 | 华北电力大学 | 一种基于燃氢燃气轮机的电热氢多能互补调度方法及系统 |
| CN115441512A (zh) * | 2022-06-16 | 2022-12-06 | 国网新疆电力有限公司喀什供电公司 | 一种多能互补电力平衡调配方法 |
| CN115511386A (zh) * | 2022-11-09 | 2022-12-23 | 武汉大学 | 基于多目标混合非洲秃鹫优化算法的多能系统调度方法 |
| CN115511386B (zh) * | 2022-11-09 | 2023-04-07 | 武汉大学 | 基于多目标混合非洲秃鹫优化算法的多能系统调度方法 |
| CN116646994A (zh) * | 2023-07-27 | 2023-08-25 | 长江三峡集团实业发展(北京)有限公司 | 一种电力系统优化调度方法及装置 |
| CN116646994B (zh) * | 2023-07-27 | 2024-01-05 | 长江三峡集团实业发展(北京)有限公司 | 一种电力系统优化调度方法及装置 |
| CN117728474A (zh) * | 2024-02-08 | 2024-03-19 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
| CN117728474B (zh) * | 2024-02-08 | 2024-04-26 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
| CN118074236A (zh) * | 2024-04-17 | 2024-05-24 | 浙江大学 | 基于广义多项式混沌的电力系统灵活性评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114221338B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114221338A (zh) | 考虑电源灵活性和互补性的多能源电力系统优化调度方法 | |
| CN106992556B (zh) | 一种基于混合电源多时间尺度互补的优化调度方法 | |
| CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
| CN111969593B (zh) | 基于混合储能的热电联供微网模型预测控制优化调度方法 | |
| CN111030188B (zh) | 一种含分布式和储能的分层分级控制策略 | |
| CN112234658B (zh) | 一种基于ddr-mpc的微网时域滚动优化调度方法 | |
| CN115640982B (zh) | 基于抽水蓄能优先调节的多能互补系统日前优化调度方法 | |
| CN110994606B (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
| CN113346555B (zh) | 一种考虑电量协调的日内滚动调度方法 | |
| CN115102159A (zh) | 计及碳排放流的共享储能优化运行方法 | |
| CN113408962A (zh) | 一种电网多时间尺度多目标能量优化调度方法 | |
| CN110796373A (zh) | 面向风电消纳的多阶段场景生成电热系统优化调度方法 | |
| CN112990523A (zh) | 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 | |
| CN116805803A (zh) | 基于自适应mpc的风光储离网制氢系统能量调度方法 | |
| CN111884263A (zh) | 多目标配电网优化方法 | |
| CN115860413A (zh) | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法 | |
| CN115689233A (zh) | 计及调峰主动性的风光水火储系统互补协调优化调度方法 | |
| CN112886645A (zh) | 一种基于氢能超高比例的新能源电力系统运行模拟方法 | |
| 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 | |
| CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
| CN109636000B (zh) | 面向光伏消纳的水-火-光联合优化调度方法 | |
| CN111934361A (zh) | 一种源网协调调峰优化策略评估方法 | |
| CN114759616B (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
| CN116979611A (zh) | 一种源网荷储分层优化调度方法 | |
| CN113809780B (zh) | 一种基于改进q学习惩罚选择的微电网优化调度方法 |
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 |