CN114243692A - 一种源-网-荷协调优化调度方法 - Google Patents

一种源-网-荷协调优化调度方法 Download PDF

Info

Publication number
CN114243692A
CN114243692A CN202111536835.5A CN202111536835A CN114243692A CN 114243692 A CN114243692 A CN 114243692A CN 202111536835 A CN202111536835 A CN 202111536835A CN 114243692 A CN114243692 A CN 114243692A
Authority
CN
China
Prior art keywords
load
source
network
new energy
optimization scheduling
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
CN202111536835.5A
Other languages
English (en)
Inventor
程维杰
程韧俐
马伟哲
李祝昆
刘金生
陈择栖
陈洪云
齐晖
何晓峰
翁毅选
吴新
卢艺
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply 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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202111536835.5A priority Critical patent/CN114243692A/zh
Publication of CN114243692A publication Critical patent/CN114243692A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种源‑网‑荷协调优化调度方法。该方法包括：以常规机组、新能源、DSSC、用户负荷构建源‑网‑荷协调调度系统，并获取所述系统的基础数据，所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性；将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标源‑网‑荷协调优化调度模型进行求解，得到源‑网‑荷协调优化调度结果；根据所得到的源‑网‑荷协调优化调度结果对所述源‑网‑荷协调调度系统进行调度。如此，本发明能够在促进新能源消纳的同时减少系统的运行成本。

Description

一种源-网-荷协调优化调度方法
技术领域
本发明涉及电网调度技术领域，具体涉及一种源-网-荷协调优化调度方法。
背景技术
随着新能源并网规模和负荷需求的快速增长，电网运行的安全性受到影响。而新能源间歇性和波动性的特性也为新能源消纳及电力系统调度带来了巨大的挑战。
近年来国内外学者针对上述问题提出的研究方案，主要从以下三个方向入手：1)超短期新能源预测调度，以研究新能源的高精度预测方法为突破，减少风电预测误差，缓解发电计划制定的偏差；2)多能互补优化调度，从“电源侧”角度考虑新能源与网内其他电源或储蓄装置互补，利用不同调节特性的“电源”进行协调调度；3)需求侧响应技术，利用需求响应消纳新能源的不确定性，通过调用需求侧资源，使用户与电力公司进行互动，参与电力系统的调度。上述研究均对新能源消纳起到积极作用，但都是从发电侧或负荷侧出发，并未充分发挥电网侧的柔性调控能力，使得传统调度策略较为保守。
发明内容
本发明实施例所要解决的技术问题在于，提供一种源-网-荷协调优化调度方法，能够在促进新能源消纳的同时减少系统的运行成本。
为解决上述技术问题，本发明实施例提供一种源-网-荷协调优化调度方法，包括：
步骤S1，以常规机组、新能源、DSSC、用户负荷构建源-网-荷协调调度系统，并获取所述系统的基础数据，所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性；
步骤S2，将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型进行求解，得到源-网-荷协调优化调度结果；
步骤S3，根据所得到的源-网-荷协调优化调度结果对所述源-网-荷协调调度系统进行调度。
进一步地，所述基础数据还包括所述常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元和系统备用的约束条件。
进一步地，所述步骤S1中，所述源-网-荷协调调度系统于电网侧通过DSSC的单相变流器向输电线路注入幅值连续可调的、相位和输电线路电流垂直的电压，形成所述DSSC的线路潮流调控特征。
进一步地，所述步骤S2中，所述新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型的建立，具体包括：
步骤S21，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线；
步骤S22，根据所述促进新能源消纳的日前预测叠加曲线，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型。
进一步地，所述步骤S21中，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线，具体包括：
获得所述系统中输电电路的潮流平衡方程；
根据日前新能源预测曲线和日前负荷预测曲线，计算初始日前预测叠加曲线，并对初始日前预测叠加曲线根据峰谷时段进行划分，得到峰谷时段划分结果；
根据所述峰谷时段划分结果，计算负荷转移后的负荷预测曲线，并以计算得到的负荷转移后的负荷预测曲线更新所述初始日前预测叠加曲线，得到促进新能源消纳的日前预测叠加曲线。
进一步地，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立系统运行成本最小的目标函数：
Figure BDA0003413302430000031
式中，Cgi,t、Cwj,t、Cpvk,t分别为t时刻第i台常规机组的发电成本、第j个风电场的弃风成本和第k个光伏电厂的弃光成本，
Figure BDA0003413302430000032
为t时刻s场景下第i台常规机组的出力，
Figure BDA0003413302430000033
为t时刻s场景下第j个风电场丢弃的功率，
Figure BDA0003413302430000034
为t时刻s场景下第k个光伏电厂丢弃的功率，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为单个优化周期。
进一步地，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立新能源丢弃量最小的目标函数：
Figure BDA0003413302430000035
式中，
Figure BDA0003413302430000036
分别为异常场景下t时刻第i个常规机组的丢弃功率、第j个风电场的弃风量和第k个光伏电厂的弃光量，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为优化周期。
进一步地，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立所述系统运行成本最小的目标函数和所述新能源丢弃量最小的目标函数的约束条件，包括：系统供电平衡约束、线路潮流约束、系统备用约束和DSSC物理运行约束，其中：
所述系统供电平衡约束为：
Figure BDA0003413302430000037
式中：
Figure BDA0003413302430000038
为场景s中t时刻线路k的传输功率；
Figure BDA0003413302430000039
为场景s中n节点在t时刻的负荷值；δ+(n)和δ-(n)分别为n节点线路的末端与首端；
Figure BDA00034133024300000310
分别是场景s中n节点在t时刻的常规机组的功率、风电场的功率和光伏电厂的功率；
所述线路潮流约束为：
Figure BDA00034133024300000311
式中：
Figure BDA0003413302430000041
分别为t时刻场景s中n、m节点的相角；
Figure BDA0003413302430000042
为DSSC在t时刻场景s中线路k上的注入电压；Bk为线路k的电纳；
所述系统备用约束为：
Figure BDA0003413302430000043
Figure BDA0003413302430000044
式中：RSVt sreq为t时刻场景s中系统运行所需的备用；
Figure BDA0003413302430000045
为t时刻场景s中系统的短时备用；Rgh为水电机组爬坡速率；η为水电机组爬坡速率与短时备用之间的比例系数；
所述DSSC物理运行约束为：
Figure BDA0003413302430000046
Figure BDA0003413302430000047
Figure BDA0003413302430000048
式中：Nk为DSSC在线路k上的安装数量，uk＝1和uk＝0分别表示线路k上是否能够安装DSSC，
Figure BDA0003413302430000049
和
Figure BDA00034133024300000410
分别为DSSC在线路k上安装数量的上、下限，NT为单个规划周期内线路安装DSSC总数量，
Figure BDA00034133024300000411
为DSSC在线路k上的注入电压的上、下限。
进一步地，所述步骤S2中，对所述多目标源-网-荷协调优化调度模型进行求解，具体为：利用改进的粒子群差分算法对所述多目标源-网-荷协调优化调度模型进行求解。
进一步地，所述步骤S2具体包括：
对所述多目标源-网-荷协调优化调度模型中的各优化变量进行初始化，所述优化变量包括日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性；
对PSO区域和DE区域内的粒子进行更新；
如果粒子在未达到设置的最大迭代次数时就停滞，那么该粒子将被一个新粒子取代，进行随机变异；
将计算得到的求解结果传输给所述多目标源-网-荷协调优化调度模型，继续进行PSODE算法的优化，直至达到最大迭代次数，得到所述源-网-荷协调优化调度结果。
实施本发明实施例，具有如下有益效果：本发明实施例的源-网-荷协调优化调度方法，以常规机组、新能源、DSSC、用户负荷构建源-网-荷协调调度系统，通过建立并求解新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，来对源-网-荷协调调度系统进行优化调度，达到提高新能源消纳能力以及降低系统运行成本的目的，本发明具有易于实现、应用灵活等优势，能够合理利用电网中发电设备、FACTS(柔性交流输电系统)设备、用户负荷等可调度资源，在促进新能源消纳的同时，减少系统的运行成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1为本发明实施例的源-网-荷协调优化调度方法的流程图。
图2为本发明实施例的DSSC接入输电线路的结构示意图。
图3为本发明一实施例中利用改进的粒子群差分算法对多目标源-网-荷协调优化调度模型进行求解的流程图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
本发明实施例提供一种源-网-荷协调优化调度方法，融合电网侧DSSC(Distributed Static Series Compensator，分布式静态串联补偿器)，形成源-网-荷协调优化调度模型，从源、网、荷三方面对电网进行优化调度，促进新能源消纳。
如图1所示，本发明实施例的源-网-荷协调优化调度方法包括下列步骤S1-S3。
在步骤S1，本发明实施例以常规机组、新能源(电源侧)、DSSC(电网侧)、用户负荷(负荷侧)构建源-网-荷协调调度系统，并获取该系统的基础数据。
具体地，常规机组可以包括火电机组和水电机组，新能源则可以包括风电场和光伏电厂，但不限于此。
源-网-荷协调调度系统的基础数据可以包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线、DSSC的线路潮流调控特性，还可以进一步包括接入系统的常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元、以及系统备用的约束条件。
在一实施例中，源-网-荷协调调度系统于电网侧通过DSSC的单相变流器向输电线路注入幅值连续可调的、相位和输电线路电流垂直的电压，形成DSSC的线路潮流调控特征。DSSC接入输电线路的一具体实施例的结构示意图可如图2所示，其中DSSC包括变压器、复合开关、单相变流器、滤波器、控制保护模块和通讯模块，通过通讯模块传达控制命令至DSSC可以实现电网潮流的统一控制。
在步骤S2，将在步骤S1中获取的基础数据，包括新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线、DSSC的线路潮流调控特性，输入预先建立的新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型进行求解，得到源-网-荷协调优化调度结果。
具体地，本发明实施例主要从三方面来对源-网-荷协调调度系统进行协调优化调度，以促进新能源消纳：
其一，在电网侧，通过DSSC的单相变流器向输电线路注入幅值连续可调的、相位和线路电流垂直的电压，从局部保证关键断面潮流的均衡性；
其二，在电源侧，通过调节常规机组的出力促进新能源消纳；
其三，在负荷侧，以改变用户负荷的大小为调控手段保证电网潮流的均衡性，满足源-网-荷协调调度系统调度的需求。
基于此，本发明实施例建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，以实现从上述三方面进行协调优化调度，促进新能源消纳。
建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括以下步骤：
步骤S21，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线。
进一步地，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线，可以具体包括如下步骤：
获得源-网-荷协调调度系统中输电电路的潮流平衡方程；
根据日前新能源预测曲线和日前负荷预测曲线，计算初始日前预测叠加曲线，并对初始日前预测叠加曲线根据峰谷时段进行划分，得到峰谷时段划分结果；
根据所得到的峰谷时段划分结果，计算负荷转移后的负荷预测曲线，并以计算得到的负荷转移后的负荷预测曲线更新初始日前预测叠加曲线，得到促进新能源消纳的日前预测叠加曲线。
步骤S22，根据得到的促进新能源消纳的日前预测叠加曲线，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型。
具体而言，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，包括：
1)建立目标函数：
建立系统运行成本最小的目标函数：
Figure BDA0003413302430000071
式中，Cgi,t、Cwj,t、Cpvk,t分别为t时刻第i台常规机组的发电成本、第j个风电场的弃风成本和第k个光伏电厂的弃光成本，
Figure BDA0003413302430000072
为t时刻s场景下第i台常规机组的出力，
Figure BDA0003413302430000073
为t时刻s场景下第j个风电场丢弃的功率，
Figure BDA0003413302430000074
为t时刻s场景下第k个光伏电厂丢弃的功率，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为单个优化周期。
建立新能源丢弃量最小的目标函数：
Figure BDA0003413302430000081
式中，
Figure BDA0003413302430000082
分别为异常场景下t时刻第i个常规机组的丢弃功率、第j个风电场的弃风量和第k个光伏电厂的弃光量，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为优化周期。
2)建立目标函数的约束条件，约束条件包括系统供电平衡约束、线路潮流约束、系统备用约束和DSSC物理运行约束，其中：
系统供电平衡约束为：
Figure BDA0003413302430000083
式中：
Figure BDA0003413302430000084
为场景s中t时刻线路k的传输功率；
Figure BDA0003413302430000085
为场景s中n节点在t时刻的负荷值；δ+(n)和δ-(n)分别为n节点线路的末端与首端；
Figure BDA0003413302430000086
分别是场景s中n节点在t时刻的常规机组的功率、风电场的功率和光伏电厂的功率。
线路潮流约束为：
Figure BDA0003413302430000087
式中：
Figure BDA0003413302430000088
分别为t时刻场景s中n、m节点的相角；
Figure BDA0003413302430000089
为DSSC在t时刻场景s中线路k上的注入电压；Bk为线路k的电纳。
系统备用约束为：
Figure BDA00034133024300000810
Figure BDA00034133024300000811
式中：RSVt sreq为t时刻场景s中系统运行所需的备用；
Figure BDA00034133024300000812
为t时刻场景s中系统的短时备用；Rgh为水电机组爬坡速率；η为水电机组爬坡速率与短时备用之间的比例系数；。
DSSC物理运行约束为：
Figure BDA00034133024300000813
Figure BDA0003413302430000091
Figure BDA0003413302430000092
式中：Nk为DSSC在线路k上的安装数量，uk＝1和uk＝0分别表示线路k上是否能够安装DSSC，
Figure BDA0003413302430000093
和
Figure BDA0003413302430000094
分别为DSSC在线路k上安装数量的上、下限，NT为单个规划周期内线路安装DSSC总数量，
Figure BDA0003413302430000095
为DSSC在线路k上的注入电压的上、下限。
对所建立的新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型进行求解，具体地，在本发明一实施例中，利用改进的粒子群差分算法(ParticleSwarm Optimization Differential Evolution，PSODE)对多目标源-网-荷协调优化调度模型进行求解，求解时，可以包括下列步骤：
对多目标源-网-荷协调优化调度模型中的各优化变量进行初始化，优化变量包括日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，也就是，输入参数，在约束范围内不同区域初始化PSO和DE种群；
对PSO区域和DE区域内的粒子进行更新；
如果粒子在未达到设置的最大迭代次数时就停滞，那么该粒子将被一个新粒子取代，进行随机变异；
将计算得到的求解结果：新能源曲线、用户负荷的负荷曲线以及电网侧DSSC的注入功率调节，传输给多目标源-网-荷协调优化调度模型，继续进行粒子群差分算法(PSODE)的优化，直至达到最大迭代次数，得到源-网-荷协调优化调度结果。
利用改进的粒子群差分算法对多目标源-网-荷协调优化调度模型进行求解的过程还可以参见图3。
在步骤S3，根据所得到的源-网-荷协调优化调度结果对源-网-荷协调调度系统进行调度。
通过上述说明可知，本发明实施例的源-网-荷协调优化调度方法，以常规机组、新能源、DSSC、用户负荷构建源-网-荷协调调度系统，并基于日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，建立促进新能源消纳的日前预测叠加曲线，进而建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，再利用改进的粒子群差分算法和混合整数规划方法对模型进行多目标优化求解，来对源-网-荷协调调度系统进行优化调度，达到提高新能源消纳能力以及降低系统运行成本的目的。
与现有技术相比，本发明的有益效果在于：本发明具有易于实现、应用灵活等优势，能够合理利用电网中发电设备、FACTS(柔性交流输电系统)设备、用户负荷等可调度资源，在促进新能源消纳的同时，减少系统的运行成本；而且相比于静态串联补偿器(SSSC)，分布式静态串联补偿器(DSSC)具有灵活的潮流控制能力，因此融合电网侧DSSC的源-网-荷协调优化调度模型，在优化潮流、消纳新能源方面具有广阔的应用前景。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种源-网-荷协调优化调度方法，其特征在于，包括：
步骤S1，以常规机组、新能源、DSSC、用户负荷构建源-网-荷协调调度系统，并获取所述系统的基础数据，所述基础数据包括接入该系统的新能源的日前新能源预测曲线、用户负荷的日前负荷预测曲线以及DSSC的线路潮流调控特性；
步骤S2，将所述基础数据输入预先建立的新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型进行求解，得到源-网-荷协调优化调度结果；
步骤S3，根据所得到的源-网-荷协调优化调度结果对所述源-网-荷协调调度系统进行调度。
2.根据权利要求1所述的源-网-荷协调优化调度方法，其特征在于，所述基础数据还包括所述常规机组的日前常规机组预测曲线、电能成本数据、运行约束条件、新能源中各发电单元和系统备用的约束条件。
3.根据权利要求1所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S1中，所述源-网-荷协调调度系统于电网侧通过DSSC的单相变流器向输电线路注入幅值连续可调的、相位和输电线路电流垂直的电压，形成所述DSSC的线路潮流调控特征。
4.根据权利要求1所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S2中，所述新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型的建立，具体包括：
步骤S21，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线；
步骤S22，根据所述促进新能源消纳的日前预测叠加曲线，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型。
5.根据权利要求4所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S21中，根据日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性，得到促进新能源消纳的日前预测叠加曲线，具体包括：
获得所述系统中输电电路的潮流平衡方程；
根据日前新能源预测曲线和日前负荷预测曲线，计算初始日前预测叠加曲线，并对初始日前预测叠加曲线根据峰谷时段进行划分，得到峰谷时段划分结果；
根据所述峰谷时段划分结果，计算负荷转移后的负荷预测曲线，并以计算得到的负荷转移后的负荷预测曲线更新所述初始日前预测叠加曲线，得到促进新能源消纳的日前预测叠加曲线。
6.根据权利要求4所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立系统运行成本最小的目标函数：
Figure FDA0003413302420000021
式中，Cgi,t、Cwj,t、Cpvk,t分别为t时刻第i台常规机组的发电成本、第j个风电场的弃风成本和第k个光伏电厂的弃光成本，
Figure FDA0003413302420000022
为t时刻s场景下第i台常规机组的出力，
Figure FDA0003413302420000023
为t时刻s场景下第j个风电场丢弃的功率，
Figure FDA0003413302420000024
为t时刻s场景下第k个光伏电厂丢弃的功率，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为单个优化周期。
7.根据权利要求6所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立新能源丢弃量最小的目标函数：
Figure FDA0003413302420000025
式中，
Figure FDA0003413302420000026
分别为异常场景下t时刻第i个常规机组的丢弃功率、第j个风电场的弃风量和第k个光伏电厂的弃光量，NG、NW、NPV分别为常规机组、风电场和光伏电厂的数量，T为优化周期。
8.根据权利要求7所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S22中，建立新能源丢弃量和系统运行成本最小的多目标源-网-荷协调优化调度模型，具体包括：
建立所述系统运行成本最小的目标函数和所述新能源丢弃量最小的目标函数的约束条件，包括：系统供电平衡约束、线路潮流约束、系统备用约束和DSSC物理运行约束，其中：
所述系统供电平衡约束为：
Figure FDA0003413302420000031
式中：
Figure FDA0003413302420000032
为场景s中t时刻线路k的传输功率；
Figure FDA0003413302420000033
为场景s中n节点在t时刻的负荷值；δ+(n)和δ-(n)分别为n节点线路的末端与首端；
Figure FDA0003413302420000034
分别是场景s中n节点在t时刻的常规机组的功率、风电场的功率和光伏电厂的功率；
所述线路潮流约束为：
Figure FDA0003413302420000035
式中：
Figure FDA0003413302420000036
分别为t时刻场景s中n、m节点的相角；
Figure FDA0003413302420000037
为DSSC在t时刻场景s中线路k上的注入电压；Bk为线路k的电纳；
所述系统备用约束为：
Figure FDA0003413302420000038
Figure FDA0003413302420000039
式中：
Figure FDA00034133024200000310
为t时刻场景s中系统运行所需的备用；
Figure FDA00034133024200000311
为t时刻场景s中系统的短时备用；Rgh为水电机组爬坡速率；η为水电机组爬坡速率与短时备用之间的比例系数；
所述DSSC物理运行约束为：
Figure FDA00034133024200000312
Figure FDA00034133024200000313
Figure FDA00034133024200000314
式中：Nk为DSSC在线路k上的安装数量，uk＝1和uk＝0分别表示线路k上是否能够安装DSSC，
Figure FDA0003413302420000041
和
Figure FDA0003413302420000042
分别为DSSC在线路k上安装数量的上、下限，NT为单个规划周期内线路安装DSSC总数量，
Figure FDA0003413302420000043
为DSSC在线路k上的注入电压的上、下限。
9.根据权利要求1或8所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S2中，对所述多目标源-网-荷协调优化调度模型进行求解，具体为：
利用改进的粒子群差分算法对所述多目标源-网-荷协调优化调度模型进行求解。
10.根据权利要求9所述的源-网-荷协调优化调度方法，其特征在于，所述步骤S2具体包括：
对所述多目标源-网-荷协调优化调度模型中的各优化变量进行初始化，所述优化变量包括日前新能源预测曲线、日前负荷预测曲线以及DSSC的线路潮流调控特性；
对PSO区域和DE区域内的粒子进行更新；
如果粒子在未达到设置的最大迭代次数时就停滞，那么该粒子将被一个新粒子取代，进行随机变异；
将计算得到的求解结果传输给所述多目标源-网-荷协调优化调度模型，继续进行PSODE算法的优化，直至达到最大迭代次数，得到所述源-网-荷协调优化调度结果。
CN202111536835.5A 2021-12-15 2021-12-15 一种源-网-荷协调优化调度方法 Pending CN114243692A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111536835.5A CN114243692A (zh) 2021-12-15 2021-12-15 一种源-网-荷协调优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111536835.5A CN114243692A (zh) 2021-12-15 2021-12-15 一种源-网-荷协调优化调度方法

Publications (1)

Publication Number Publication Date
CN114243692A true CN114243692A (zh) 2022-03-25

Family

ID=80756523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111536835.5A Pending CN114243692A (zh) 2021-12-15 2021-12-15 一种源-网-荷协调优化调度方法

Country Status (1)

Country Link
CN (1) CN114243692A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456466A (zh) * 2022-10-08 2022-12-09 东南大学溧阳研究院 一种提升新能源电网承载能力的dssc优化配置方法
CN115640982A (zh) * 2022-11-18 2023-01-24 武汉大学 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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN107633333A (zh) * 2017-10-16 2018-01-26 国家电网公司 柔性变电站区域电网的源‑荷‑储调度优化方法及系统
CN113725916A (zh) * 2021-08-31 2021-11-30 南京邮电大学 促进高渗透率新能源消纳的dpfc优化配置方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563676A (zh) * 2017-10-11 2018-01-09 华中科技大学 考虑多时间尺度多类型需求响应的源荷协调运行调度方法
CN107633333A (zh) * 2017-10-16 2018-01-26 国家电网公司 柔性变电站区域电网的源‑荷‑储调度优化方法及系统
CN113725916A (zh) * 2021-08-31 2021-11-30 南京邮电大学 促进高渗透率新能源消纳的dpfc优化配置方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456466A (zh) * 2022-10-08 2022-12-09 东南大学溧阳研究院 一种提升新能源电网承载能力的dssc优化配置方法
CN115640982A (zh) * 2022-11-18 2023-01-24 武汉大学 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
CN115640982B (zh) * 2022-11-18 2023-03-31 武汉大学 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

Similar Documents

Publication Publication Date Title
WO2020063144A1 (zh) 一种柔性直流电网的能源外送能力评估方法及系统
CN111030123B (zh) 一种基于边缘计算的多智能体负荷调控方法
CN106921164B (zh) 配网电压无功协同优化的混合整数二阶锥规划方法与系统
CN109687510B (zh) 一种计及不确定性的配电网多时间尺度优化运行方法
CN106786799B (zh) 一种直流联络线功率阶梯化发电计划优化方法
CN103199542B (zh) 一种风电场无功电压优化控制方法
CN114243692A (zh) 一种源-网-荷协调优化调度方法
CN106099960A (zh) 一种小水电机群组成分布式储能系统的方法
CN103219751A (zh) 一种集群风电场有功功率控制方法
CN110034587B (zh) 一种优化调度方法
CN106549380A (zh) 多模态微电网能量协调优化控制方法
CN102185332A (zh) 微网与大电网的交换功率控制方法
CN110148964B (zh) 一种面向煤改电工程的分布式光伏发电系统的控制方法
CN106600022B (zh) 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法
CN102684201A (zh) 一种基于电压越限概率的含风电场电网无功优化方法
CN107546763A (zh) 一种计及不同调压策略的配电网中光伏发电最大接纳能力计算方法
CN104037805A (zh) 一种计及电网安全约束的光伏电站可发电裕度分配方法
CN209250260U (zh) 一种基于柔性直流互联的大规模风光电源并网系统
CN111667136A (zh) 一种区域电力市场的出清方法、装置及存储介质
CN105071410A (zh) 基于虚拟发电厂的配电网无功功率优化调度方法及系统
CN107196316A (zh) 主动配电网内多级无功电压协调控制方法
CN104332985B (zh) 基于混合控制策略的直流配网运行控制与优化调度方法
CN108695875A (zh) 智能软开关和储能装置联合接入的配电网运行优化方法
CN106340893A (zh) 一种基于虚拟发电厂的分布式光伏发电功率控制方法
CN112134307A (zh) 多能互补系统的电储能/热储能容量联合优化方法及系统

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