CN114221391A - 一种电力系统备用容量确定方法、装置及相关设备 - Google Patents
一种电力系统备用容量确定方法、装置及相关设备 Download PDFInfo
- Publication number
- CN114221391A CN114221391A CN202111523051.9A CN202111523051A CN114221391A CN 114221391 A CN114221391 A CN 114221391A CN 202111523051 A CN202111523051 A CN 202111523051A CN 114221391 A CN114221391 A CN 114221391A
- Authority
- CN
- China
- Prior art keywords
- power system
- probability
- capacity
- loss
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000084490 Esenbeckia delta Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000011664 signaling 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
- 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
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种电力系统备用容量确定方法、装置及相关设备,涉及电力系统技术领域。首先依据电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,概率与电力系统的失负荷概率关联,然后依据每个发电机组的发电出力与失负荷概率构建收益模型,再确定收益模型与损失模型确定总收益最大时对应的每个发电机组的发电量,最后依据每个发电机组的发电量确定电力系统的备用容量。本申请提供的电力系统备用容量确定方法、装置及相关设备具有收益更高的优点。
Description
技术领域
本申请涉及电力系统技术领域,具体而言,涉及一种电力系统备用容量确定方法、装置及相关设备。
背景技术
大规模风光等新能源发电并网,给电力系统带来大量清洁能源的同时,也给电力系统备用带来了巨大的挑战。
目前在进行电力系统的电量备用时,一般采用固定值进行备用,例如按照需求量的10%或20%备用。然而,利用该方式划分电力系统的备用容量的收益较低。
综上,现有技术中存在备用容量的收益较低的问题。
发明内容
本申请的目的在于提供一种电力系统备用容量确定方法、装置及相关设备,以解决现有技术中存在的备用容量的收益较低的问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种电力系统备用容量确定方法,应用于电力系统,所述电力系统用于为需求侧供电,所述方法包括:
依据所述电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,所述概率与电力系统的失负荷概率关联;
依据每个发电机组的发电出力与所述失负荷概率构建收益模型;
确定所述收益模型与所述损失模型确定总收益最大时对应的每个发电机组的发电量;
依据所述每个发电机组的发电量确定所述电力系统的备用容量。
第二方面,本申请实施例提供了一种电力系统备用容量确定装置,应用于电力系统,所述电力系统用于为需求侧供电,所述装置包括:
模型构建模块,用于依据所述电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,所述概率与电力系统的失负荷概率关联;
模型构建模块,还用于依据每个发电机组的发电出力与所述失负荷概率构建收益模型;
处理模块,用于确定所述收益模型与所述损失模型确定总收益最大时对应的每个发电机组的发电量;
处理模块,还用于依据所述每个发电机组的发电量确定所述电力系统的备用容量。
第三方面,本申请实施例提供一种电子设备,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现上述的电力系统备用容量确定方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的电力系统备用容量确定方法。
相对于现有技术,本申具有以下有益效果:
本申请提供了一种电力系统备用容量确定方法、装置及相关设备,首先依据电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,概率与电力系统的失负荷概率关联,然后依据每个发电机组的发电出力与失负荷概率构建收益模型,再确定收益模型与损失模型确定总收益最大时对应的每个发电机组的发电量,最后依据每个发电机组的发电量确定电力系统的备用容量。由于本申请利用损失模型与收益模型确定发电机组的发电量,能够结合失负荷价值与失负荷概率更加精确的确定电力系统的备用容量,避免了采用固定数值确定备用容量,使得收益更高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的模块示意图。
图2为本申请实施例提供的电力系统备用容量确定方法的流程示意图。
图3为本申请实施例提供的1h内净负荷变化示意图。
图4为本申请实施例提供的电力系统备用容量确定装置的模块示意图。
图中:100-电子设备;101-处理器;102-存储器;103-通信接口;200-电力系统备用容量确定装置;210-模型构建模块;220-处理模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
新能源发电的发展,对于满足能源供应,促进地区经济发展,改善能源结构,节能减排等方面都有着重要意义。我国目前正处在能源转型的关键时期,传统的化石能源已日益枯竭,构建以新能源为核心的能源供需体系,引导电力行业转型升级,已成为我国能源发展的重要方向。现代电力工业呈现出规模大、技术新的两大典型特征,同时也面临着化石能源危机及环境污染两大世界难题。因此,发展新一代安全、经济、绿色、和谐的电力技术对国民经济发展、居民生活水平提高以及缓解能源紧张等诸多方面均具有重要意义,也是我国电力工业未来的发展方向之一。风、光等新能源具有资源丰富、环境友好等特点,发展风力发电、光伏发电等新能源发电技术已成为世界各国应对气候变化、保障能源供应安全、保护生态环境的共同选择,也将是推动绿色电力革命的重要手段。
风光的高比例渗透是未来电网发展的显著特征。由于风电光伏的随机性和波动性,大规模风光并网将导致电力系统电力电量平衡问题更加复杂,对系统的调度运行安全提出更加严峻的挑战。为了保证向用户连续提供可靠优质的电力,维持正常的系统运行频率,同时提高风光电源的消纳水平,电网调度除了要求时刻满足发电与负荷的功率平衡之外,还必须预留足够的旋转备用容量。
正如背景技术中所述,目前在进行电力系统的电量备用时,一般采用固定值进行备用,例如按照需求量的10%或20%备用,如当需求侧的需求电量为100KW时,电力系统可能供电120KW,其中20W为备用容量,利用该方式划分电力系统的备用容量的收益较低。
有鉴于此,为了解决上述问题,本申请提供了一种电力系统备用容量确定方法,通过构建损失模型与收益模型的方式,确定出收益最大备用容量。
需要说明的是,本申请提供的电力系统备用容量确定方法可以应用于电子设备100中,图1示出本申请实施例提供的电子设备100的一种示意性结构框图,电子设备100包括存储器102、处理器101和通信接口103,该存储器102、处理器101和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器102可用于存储软件程序及模块,如本申请实施例提供的电力系统备用容量确定装置对应的程序指令或模块,处理器101通过执行存储在存储器102内的软件程序及模块,从而执行各种功能应用以及数据处理,进而执行本申请实施例提供的电力系统备用容量确定方法的步骤。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器102可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器101可以是一种集成电路芯片,具有信号处理能力。该处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,图1所示的结构仅为示意,电子设备100还可以包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
下面以电子设备100作为示意性执行主体,对本申请实施例提供的电力系统备用容量确定方法进行示例性说明。
作为一种实现方式,请参阅图2,该电力系统备用容量确定方法包括:
S102,依据电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,概率与电力系统的失负荷概率关联;
S104,依据每个发电机组的发电出力与失负荷概率构建收益模型;
S106,确定收益模型与损失模型确定总收益最大时对应的每个发电机组的发电量;
S108,依据每个发电机组的发电量确定电力系统的备用容量。
作为一种实现方式,损失模型满足公式:
CORDC=(CVOLL-λMC)×P(R)
其中,CORDC表示损失量,CVOLL表示失负荷价值,λMC表示边际成本,P(R)表示需求侧的需求量低于最小应急备用水平的概率。其中,失负荷价值指当备用量少于需求量时带来的损失,失负荷概率指出现备用量少于需求量的概率。
其中,P(R)基于失负荷概率定义,代表系统中的备用水平小于或等于最小应急备用要求的概率。在曲线的水平段,系统可用备用水平不大于系统可靠性要求的备用最低要求,必定会削减负荷,备用价格达到设定的失负荷价值;在曲线的倾斜段,当备用量大于最小紧急备用需求时,需求曲线服从失负荷概率分布。对于一个给定的备用水平R,P(R)曲线公式为:
LLOLP(σ,μ,R)=1-CDF(σ,μ,R)
式中:LLOLP表示失负荷概率,R表示备用水平,X表示系统最小应急备用要求,CDF(σ,μ,R)表示在备用水平R下,均值为μ、标准差为σ的正态分布函数的累积分布函数。
可选地,收益模型满足公式:
θw:ΔPΣ,w≤ΔLΣ,w
πw:ΔPΣ,w≤r
其中,S表示收益量,ΔLΣ,w为系统因事件w产生的净波动;r为备用容量;ΔPi,w为资源i因为事件w产生的调度改变;ΔPΣ,w为系统调度变化量,且ΔPΣ,w等于ΔPi,w之和;Ci(x)表示发动机组的边际成本函数;θw和πw分别为对应约束的拉格朗日乘子,G表示所有发电机组的集合,Pi表示发电机组i的发电量。
并且,在确定最优解(即确定每个发电机组的最优发电量时),公式θw:ΔPΣ,w≤ΔLΣ,w表示调度修正量不超过系统净波动值,满足功率平衡约束;公式πw:ΔPΣ,w≤r表示调度修正不应超过备用容量,满足备用容量约束。拉格朗日乘子πw是对系统内部备用资源的一种客观估计,其大小客观反映备用资源在系统内的稀缺程度,经济含义为增加单位备用容量引起的社会福利增加量。
以上优化问题的库恩-塔克(Karush–Kuhn–Tucker KKT)条件为:
1)原始可行性
2)对偶可行性
δw≥0,πw≥0
3)定常方程式
θw+πw=CVOLL-CΣ(∑i∈GPi+ΔPΣ,w)
4)互补松驰性
根据KKT条件式中的定常方程式,在备用资源充裕情况下(即ΔPΣ,w=ΔLΣ,w<r),πw=0,此时θw=CVOLL-CΣ(∑i∈GPi+ΔLΣ,w);在备用资源稀缺情况下(ΔPΣ,w=r<ΔLΣ,w),θw=0,此时πw=CVOLL-CΣ(∑i∈GPi+r)。
因此,πw的数学期望为:
其中,ρw是事件w发生的概率。
作为一种实现方式,电力系统的备用容量包括实时在线备用容量与实时离线备用容量,其中,实时在线备用容量指10min内响应的资源容量,实时离线备用容量指30min内响应的资源容量。1h内的负荷预测误差和可再生能源出力波动等不确定量(净负荷变化)如图3所示。鉴于不同类型备用资源的响应时间差异,其可处理的净负荷变化的时间间隔也不同。由于实时在线备用容量响应能力高于实时离线备用容量,可替代实时离线备用容量处理30~60min的变化量。因此,区间I的变化量仅可由rI满足,区间II的变化量可由rI与rII共同满足。
下面依据图3推导区间I的均值和方差。1h内的总净扰动为2个矩形面积之和,即ΔLΣ,w=δΔLI,Σ,w+(1-δ)ΔLII,Σ,ω,服从N(μ,τ)正态分布。进一步假设区间I、区间II的净扰动ΔLI,Σ,w、ΔLII,Σ,ω是2个独立的事件,服从相同的正态分布。此时区间内的净扰动的均值和方差满足以下公式:
Ew[ΔLΣ,w]=Ew[δΔLI,Σ,w+(1-δ)ΔLII,Σ,ω]
=Ew[ΔLI,Σ,w]=μ
Varw[ΔLΣ,w]=Varw[δΔLI,Σ,w+(1-δ)ΔLII,Σ,ω]
=[δ2+(1-δ)2]Varw[ΔLI,Σ,w]
因此,区间I内净扰动的均值和标准差为:
μI=Ew[ΔLΣ,w]=Ew[δzI,Σ,w]=δμ
因此,2类间隔下的失负荷概率分别为:
LLOLP,I(rI)=1-CDF(μI,τI,rI)
LLOLP,I+II(rI+rII)=1-CDF(μ,τ,rI+rII)
然后将两类失负荷概率代入上述的P(R)公式中。
在此基础上,电力系统的备用容量满足公式:
rI=∑(PHSL-PSCED+PDR+P10-Pnon-spin)
rII=rI+∑(P30+Pnon-spin)
其中,rI表示实时在线备用容量,rII表示实时离线备用容量,PHSL表示系统最大发电能力;PSCED表示所有发电资源电能量调度结果,且PSCED与每个发电机组的发电量关联;PDR表示需求响应量;P10表示在线备用容量对应的调节资源量;P30表示离线备用容量对应的调节资源量Pnon-spin表示非旋转备用资源容量。
可选地,PSCED满足公式:
PSCED=∑Pi
其中,Pi表示发电机组i的发电量。
基于上述实现方式,请参阅图4,本申请实施例还提供了一种电力系统备用容量确定装置200,应用于电力系统,电力系统用于为需求侧供电,装置包括:
模型构建模块210,用于依据电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,概率与电力系统的失负荷概率关联。
可以理解地,通过模型构建模块210可以执行S102。
模型构建模块210,还用于依据每个发电机组的发电出力与失负荷概率构建收益模型。
可以理解地,通过模型构建模块210可以执行S104。
处理模块220,用于确定收益模型与损失模型确定总收益最大时对应的每个发电机组的发电量。
可以理解地,通过处理模块220可以执行S106。
处理模块220,还用于依据每个发电机组的发电量确定电力系统的备用容量。
可以理解地,通过处理模块220可以执行S108。
可选地,损失模型满足公式:
CORDC=(CVOLL-λMC)×P(R)
其中,CORDC表示损失量,CVOLL表示失负荷价值,λMC表示边际成本,P(R)表示需求侧的需求量低于最小应急备用水平的概率。
综上所述,本申请提供了一种电力系统备用容量确定方法、装置及相关设备,首先依据电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,概率与电力系统的失负荷概率关联,然后依据每个发电机组的发电出力与失负荷概率构建收益模型,再确定收益模型与损失模型确定总收益最大时对应的每个发电机组的发电量,最后依据每个发电机组的发电量确定电力系统的备用容量。由于本申请利用损失模型与收益模型确定发电机组的发电量,能够结合失负荷价值与失负荷概率更加精确的确定电力系统的备用容量,避免了采用固定数值确定备用容量,使得收益更高。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和或流程图中的每个方框、以及框图和或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种电力系统备用容量确定方法,其特征在于,应用于电力系统,所述电力系统用于为需求侧供电,所述方法包括:
依据所述电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,所述概率与电力系统的失负荷概率关联;
依据每个发电机组的发电出力与所述失负荷概率构建收益模型;
确定所述收益模型与所述损失模型确定总收益最大时对应的每个发电机组的发电量;
依据所述每个发电机组的发电量确定所述电力系统的备用容量。
2.如权利要求1所述的电力系统备用容量确定方法,其特征在于,所述损失模型满足公式:
CORDC=(CVOLL-λMC)×P(R)
其中,CORDC表示损失量,CVOLL表示失负荷价值,λMC表示边际成本,P(R)表示需求侧的需求量低于最小应急备用水平的概率。
5.如权利要求1所述的电力系统备用容量确定方法,其特征在于,所述电力系统的备用容量包括实时在线备用容量与实时离线备用容量,所述电力系统的备用容量满足公式:
rI=∑(PHSL-PSCED+PDR+P10-Pnon-spin)
rII=rI+∑(P30+Pnon-spin)
其中,rI表示实时在线备用容量,rII表示实时离线备用容量,PHSL表示系统最大发电能力;PSCED表示所有发电资源电能量调度结果,且PSCED与所述每个发电机组的发电量关联;PDR表示需求响应量;P10表示在线备用容量对应的调节资源量;P30表示离线备用容量对应的调节资源量Pnon-spin表示非旋转备用资源容量。
6.如权利要求5所述的电力系统备用容量确定方法,其特征在于,所述所有发电资源电能量调度结果满足公式:
PSCED=∑Pi
其中,Pi表示发电机组i的发电量。
7.一种电力系统备用容量确定装置,其特征在于,应用于电力系统,所述电力系统用于为需求侧供电,所述装置包括:
模型构建模块,用于依据所述电力系统的失负荷价值、边际成本以及需求侧的需求量低于最小应急备用水平的概率构建损失模型,其中,所述概率与电力系统的失负荷概率关联;
模型构建模块,还用于依据每个发电机组的发电出力与所述失负荷概率构建收益模型;
处理模块,用于确定所述收益模型与所述损失模型确定总收益最大时对应的每个发电机组的发电量;
处理模块,还用于依据所述每个发电机组的发电量确定所述电力系统的备用容量。
8.如权利要求7所述的电力系统备用容量确定装置,其特征在于,所述损失模型满足公式:
CORDC=(CVOLL-λMC)×P(R)
其中,CORDC表示损失量,CVOLL表示失负荷价值,λMC表示边际成本,P(R)表示需求侧的需求量低于最小应急备用水平的概率。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523051.9A CN114221391B (zh) | 2021-12-13 | 2021-12-13 | 一种电力系统备用容量确定方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523051.9A CN114221391B (zh) | 2021-12-13 | 2021-12-13 | 一种电力系统备用容量确定方法、装置及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114221391A true CN114221391A (zh) | 2022-03-22 |
CN114221391B CN114221391B (zh) | 2024-02-06 |
Family
ID=80701764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111523051.9A Active CN114221391B (zh) | 2021-12-13 | 2021-12-13 | 一种电力系统备用容量确定方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114221391B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005856A (zh) * | 2015-07-10 | 2015-10-28 | 国网河南省电力公司电力科学研究院 | 一种大规模直流电力受入条件下的省网次日事故备用容量配置方法 |
CN106355293A (zh) * | 2016-09-23 | 2017-01-25 | 中国电力科学研究院 | 一种区域电网旋转备用容量优化配置方法及装置 |
CN106712005A (zh) * | 2017-01-11 | 2017-05-24 | 东南大学 | 一种计及需求响应的电网安全优化调度方法 |
CN109086922A (zh) * | 2018-07-19 | 2018-12-25 | 浙江大学 | 一种面向工商业用户的需求响应电力套餐优化设计方法 |
WO2019196427A1 (zh) * | 2018-04-11 | 2019-10-17 | 山东大学 | 基于支撑故障事件约束机组组合的备用优化方法和装置 |
-
2021
- 2021-12-13 CN CN202111523051.9A patent/CN114221391B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005856A (zh) * | 2015-07-10 | 2015-10-28 | 国网河南省电力公司电力科学研究院 | 一种大规模直流电力受入条件下的省网次日事故备用容量配置方法 |
CN106355293A (zh) * | 2016-09-23 | 2017-01-25 | 中国电力科学研究院 | 一种区域电网旋转备用容量优化配置方法及装置 |
CN106712005A (zh) * | 2017-01-11 | 2017-05-24 | 东南大学 | 一种计及需求响应的电网安全优化调度方法 |
WO2019196427A1 (zh) * | 2018-04-11 | 2019-10-17 | 山东大学 | 基于支撑故障事件约束机组组合的备用优化方法和装置 |
CN109086922A (zh) * | 2018-07-19 | 2018-12-25 | 浙江大学 | 一种面向工商业用户的需求响应电力套餐优化设计方法 |
Non-Patent Citations (3)
Title |
---|
何永秀, 黄文杰, 谭忠富, 王怡, 黄辉: "电力备用市场化运营需求研究", 中国电机工程学报, vol. 24, no. 03, pages 46 - 50 * |
李智;张新松;郭晓丽;: "大规模风电接入火电系统的最优旋转备用容量研究", 电力系统保护与控制, no. 13, pages 116 - 120 * |
梁文举;罗滇生;李军;李辉;彭信淞;: "电力市场环境下备用容量的社会效益分析", 电力系统及其自动化学报, no. 04, pages 131 - 135 * |
Also Published As
Publication number | Publication date |
---|---|
CN114221391B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9639642B2 (en) | Time series forecasting ensemble | |
Yang et al. | Data center holistic demand response algorithm to smooth microgrid tie-line power fluctuation | |
CN104933516A (zh) | 一种多时间尺度的电力系统鲁棒调度系统设计方法 | |
CN112104005B (zh) | 一种考虑新能源预测不确定性的电网调度方法和系统 | |
TWI696972B (zh) | 智慧電力分配系統與方法 | |
WO2019196427A1 (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
Cao et al. | UPS node-based workload management for data centers considering flexible service requirements | |
Yang et al. | A fast calculation method for long-term security-constrained unit commitment of large-scale power systems with renewable energy | |
Zhu et al. | Energy optimal dispatch of the data center microgrid based on stochastic model predictive control | |
CN114221353B (zh) | 电网调控方法、装置、设备、存储介质和计算机程序产品 | |
CN116111597A (zh) | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 | |
Liu et al. | Optimal planning of internet data centers decarbonized by hydrogen-water-based energy systems | |
CN110580538A (zh) | 一种电力系统备用需求的预测方法及装置 | |
Wang et al. | Air conditioner fast dispatching model based on load aggregator and direct load control | |
CN114784882A (zh) | 机组组合优化处理方法及装置 | |
CN114709878A (zh) | 应用于光储直柔建筑的光储协同配置方法、设备及介质 | |
US20230068308A1 (en) | Multi-layer architecture for control of distributed energy resources | |
Kumar et al. | An optimized framework of the integrated renewable energy and power quality model for the smart grid | |
CN109787217B (zh) | 基于风电多状态模型及机会成本修正的备用出清方法 | |
CN114221391A (zh) | 一种电力系统备用容量确定方法、装置及相关设备 | |
CN116345565A (zh) | 一种新能源与储能容量联合优化方法、系统、设备和介质 | |
US20230259086A1 (en) | Adaptive Knowledge-Based Energy Management System and Method | |
CN114611805A (zh) | 一种净负荷预测方法、装置、电子设备及存储介质 | |
Chin et al. | Formation of ad hoc microgrids for prompt critical load pickup during blackouts by leveraging stochastic distributed energy resources | |
CN111754129A (zh) | 一种基于分布式新能源发电的算力管理系统 |
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 |