CN114256886A - 一种基于置信间隙决策的机组恢复顺序优化方法 - Google Patents

一种基于置信间隙决策的机组恢复顺序优化方法 Download PDF

Info

Publication number
CN114256886A
CN114256886A CN202111581168.2A CN202111581168A CN114256886A CN 114256886 A CN114256886 A CN 114256886A CN 202111581168 A CN202111581168 A CN 202111581168A CN 114256886 A CN114256886 A CN 114256886A
Authority
CN
China
Prior art keywords
formula
unit
wind
new energy
power
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
Application number
CN202111581168.2A
Other languages
English (en)
Other versions
CN114256886B (zh
Inventor
孙磊
杨智超
刘宜楠
丁江
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202111581168.2A priority Critical patent/CN114256886B/zh
Publication of CN114256886A publication Critical patent/CN114256886A/zh
Application granted granted Critical
Publication of CN114256886B publication Critical patent/CN114256886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J3/007—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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/10—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]
    • 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
    • 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
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于置信间隙决策的机组恢复顺序优化方法，包括：1、综合考虑风‑光联合新能源系统参与以及机组恢复过程中关键输电路径的影响，提出机组恢复顺序确定性优化模型；2、引入置信间隙决策理论，以最大化偏差系数为目标函数，提出基于置信间隙决策理论的机组恢复顺序鲁棒优化模型，3、建模所涉及到的概率约束采用场景法进行处理；4、在AMPL平台上搭建模型，调用商用求解器CPLEX进行迭代求解，获取机组恢复顺序鲁棒最优方案。本发明能有效获取电力系统停电后考虑风‑光联合新能源系统参与的机组恢复顺序方案，从而有效提升停电系统恢复供电的速度，缩短电力系统的失电时间。

Description

一种基于置信间隙决策的机组恢复顺序优化方法
技术领域
本发明涉及电力系统恢复领域，具体涉及一种综合考虑风-光联合新能源系统出力不确定性以及机组启动过程中关键输电路径的影响的机组恢复顺序鲁棒优化方法。
背景技术
国内外专家学者已经对新能源机组参与的电力系统恢复问题开展深入研究，但主要集中在大规模风电场，大容量光伏电站以及孤岛运行的微网等，考虑风-光联合新能源系统参与的黑启动应急响应预案的研究鲜有。尽管风-光联合新能源系统可以缓解风电机组和光伏电源固有的间歇性，但仍存在不确定性。此外，目前针对黑启动阶段的机组恢复顺序优化问题已经开展了广泛的研究，但是绝大多数文献在机组恢复顺序优化模型中没有考虑停电系统恢复供电过程中输电线路的恢复时间对机组恢复顺序模型的影响。因此，如何在机组启动过程中考虑关键输电路径的影响以及风-光联合新能源系统出力的不确定性，进而提高黑启动应急响应预案的鲁棒性是一个亟待解决的问题。
发明内容
本发明为克服上述现有技术中存在的不足之处，提供一种基于置信间隙决策的机组恢复顺序优化方法，以期能综合考虑机组启动过程中关键输电路径以及风-光联合新能源系统参与廷蒂纳系统恢复的影响，获取机组恢复顺序鲁棒最优方案，从而提升实际停电系统内机组恢复供电能力的速度，缩短电力系统的停电时间。
为了达到上述目的，本发明所采用的技术方案为：
本发明一种基于置信间隙决策的机组恢复顺序优化方法的特点是应用于停电系统恢复过程中的黑启动阶段，所述停电系统包括风-光联合新能源系统、有自启动能力的黑启动机组、无自启动能力的非黑启动机组以及节点间的输电线路，所述机组恢复顺序优化方法是按如下步骤进行：
步骤一、建立机组恢复顺序确定性优化模型：
步骤1.1、利用式(1)建立停电系统恢复供电期间最大化机组发电能力的目标函数：
Figure BDA0003427151500000011
式(1)中：Esys为停电系统在恢复供电期间发出的总有功电量；Egen，i为机组节点i在停电系统恢复供电期间发出的总有功电量；Estart，j为非黑启动机组j在停电系统恢复供电期间启动所需的有功电量；GEN为停电系统中机组节点的集合，包括有自启动能力的黑启动机组和无自启动能力的非黑启动机组；NBS为无自启动能力的非黑启动机组节点的集合；
步骤1.2、利用式(2)建立停电系统内非黑启动机组的最小临界恢复时间和最大临界恢复时间约束：
Figure BDA0003427151500000021
式(2)中：Tmin，j表示在冷启动条件下，非黑启动机组j的最小临界恢复时间；tstart，j为非黑启动机组j接收机组启动所需的有功功率的时刻；Tmax，j表示在热启动条件下，非黑启动机组j的最大临界恢复时间；CT为常数，表示离散化后的机组恢复时间间隔；
步骤1.3、利用式(3)建立在停电系统恢复供电过程中风-光联合新能源系统的并网时机约束：
Figure BDA0003427151500000022
式(3)中：sk，t表示停电系统恢复供电期间风-光联合新能源系统k是否在t时刻并网，若风-光联合新能源系统k在t时刻并网，则令sk，t＝1，且风-光联合新能源系统并网后不脱网，否则，令sk，t＝0；Pwp，k，t为风-光联合新能源系统k在t时刻向停电系统输出的有功功率实际值；
Figure BDA0003427151500000023
为风-光联合新能源系统k在t时刻向停电系统输出的有功功率预测值；twp，k为风-光联合新能源系统k的并网时刻；WP为风-光联合新能源系统的集合；T为停电系统内机组恢复所需时间；
步骤1.4、利用式(4)建立考虑风-光联合新能源系统的机组启动功率约束：
Figure BDA0003427151500000024
式(4)中：Pgen，i，t为机组节点i在t时刻向停电系统输出的有功功率；Pstart，j，t为非黑启动机组j在t时刻启动所需的有功功率；
步骤1.5、利用式(5)建立输电线路恢复的状态约束，表示电线路恢复后则不再开断：
Figure BDA0003427151500000025
式(5)中：ml，t表示在t时刻输电线路l的恢复状态，若输电线路l在t时刻已经恢复，则令ml，t＝1，否则，令ml，t＝0；LINE为停电系统内输电线路的集合；
步骤1.6、利用式(6)-式(10)建立输电线路恢复的条件约束，式(6)表示任意一条输电线路恢复的前提是至少有一条与之相邻的输电线路恢复；式(7)-式(10)表示任意一条输电线路恢复的前提是输电线路两端的节点必须被恢复：
Figure BDA0003427151500000026
Figure BDA0003427151500000031
Figure BDA0003427151500000032
Figure BDA0003427151500000033
Figure BDA0003427151500000034
式(6)-式(10)中：mn，t表示在t时刻与输电线路l直接相连的输电线路n的恢复状态，若输电线路n在t时刻已经恢复，则令mn，t＝1，否则，令mn，t＝0；LINE-l表示与输电线路l直接相连的输电线路的集合；ab，t表示节点b在t时刻的恢复状态，若节点b在t时刻已经恢复，则令ab，t＝1；否则，令ab，t＝0；BUS-l表示输电线路l所连节点的集合；BUS表示停电系统内节点的集合；
步骤1.7、利用式(11)-式(12)建立与非黑启动机组相连的输电线路恢复的条件约束，其中，式(11)表示非黑启动机组恢复的前提是至少有一条与非黑启动机组直接相连的输电线路恢复；式(12)表示若与非黑启动机组直接相连的输电线路超过一条时，仅恢复一条与非黑启动机组直接相连的输电线路：
Figure BDA0003427151500000035
Figure BDA0003427151500000036
式(11)-式(12)中：CTL为常数，表示离散化后的输电线路恢复时间间隔；TL为停电系统内输电线路恢复所需时段数；aj，t表示非黑启动机组j在t时刻的恢复状态，若非黑启动机组j在t时刻已经恢复，则令aj，t＝1；否则，令aj，t＝0；LINE-j表示与非黑启动机组j直接相连的输电线路的集合；
步骤1.9、利用式(13)-式(17)建立风-光联合新能源系统和黑启动机组的并网约束，表示若恢复与风-光联合新能源系统和黑启动机组直接相连的输电线路，恢复时间不小于黑启动机组和风-光联合新能源系统并网时间的最小值；
Figure BDA0003427151500000037
Figure BDA0003427151500000038
Figure BDA0003427151500000039
Figure BDA00034271515000000310
Figure BDA00034271515000000311
式(13)-式(17)中：引入辅助变量taux，d，k表示黑启动机组d与风-光联合新能源系统k并网时间的最小值；tstart，d为黑启动机组d接收机组启动所需的有功功率的时刻；Tctg,d为黑启动机组d等待并网时间；rd,k为布尔变量，若黑启动机组d并网，令rd,k＝1，若风-光联合新能源系统k并网，令rd,k＝0；BS表示停电系统内黑启动机组的集合；LINE-d表示停电系统内与黑启动机组直接相连的输电线路的集合；LINE-k表示停电系统内与风-光联合新能源系统直接相连的输电线路的集合；
步骤1.10、利用式(18)建立停电系统恢复的辐射状态约束：
Figure BDA0003427151500000041
步骤1.11、在停电系统恢复供电阶段，将机组启动过程等效为机组启动功率曲线和机组出力特性曲线，然后，分别对机组启动功率曲线和机组出力特性曲线进行建模：
步骤1.11.1、根据机组启动功率曲线和机组恢复特性曲线，将式(1)等效为式(19)：
Figure BDA0003427151500000042
式(19)中：Pmax,j表示非黑启动机组j向停电系统输出的最大有功功率；
步骤1.11.2、利用式(20)对机组启动功率曲线进行建模：
Figure BDA0003427151500000043
式(20)中：zj，t为布尔变量，若非黑启动机组j在t时刻未接收到机组启动所需的有功功率，则令zj，t＝1，否则，令zj，t＝0；
步骤1.11.3、利用式(21)-式(23)对机组出力特性曲线进行建模：
Figure BDA0003427151500000044
Figure BDA0003427151500000045
Figure BDA0003427151500000046
式(21)-式(23)中：tgen,1,i表示机组节点i开始向停电系统输出有功功率的时刻；tgen,2,i表示机组节点i达到向停电系统输出的最大有功功率的时刻；Pgen,1,i,t为辅助变量，用于处理机组出力特性曲线中的分段函数；Pgen,2,i,t为辅助变量，表示经过tgen,1,i，机组节点i在t时刻向系统输出的有功功率；Ri表示机组节点i的爬坡率；xi，t为布尔变量，若机组节点i在t时刻未向停电系统输出有功功率，则令xi，t＝1，否则，令xi，t＝0；yi，t为布尔变量，若机组节点i在t时刻未达到向停电系统输出的最大有功功率，则令yi，t＝1，否则，令yi，t＝0；Pmax,i表示机组节点i向停电系统输出的最大有功功率；
步骤1.12、由式(19)所示的目标函数以及式(2)-式(18)、式(20)-式(23)所示的约束条件共同构成考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤二、建立基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤2.1、利用式(24)定义目标函数为最大化偏差系数：
maxα (24)
式(24)中，α为偏差系数；
步骤2.2、利用式(25)建立偏差系数可行域约束：
0≤α≤1 (25)
步骤2.3、利用式(26)-式(27)建立考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型目标函数最大波动范围约束：
Figure BDA0003427151500000051
fc＝(1+σ)f0 (27)
式(26)-式(27)中：fc为决策者可接受的考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的目标函数值；f0为求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型获取的最优目标函数值；σ为偏差因子；
步骤2.4、利用式(28)建立考虑风-光联合新能源系统波动性后的有功出力约束：
Figure BDA0003427151500000052
式(28)中：Pwp,aux,k,t为辅助变量，表示风-光联合新能源系统k在t时刻的有功出力的预测值；
步骤2.5、利用式(29)建立风-光联合新能源系统发出的有功电量约束：
Figure BDA0003427151500000053
式(29)中：Hwp，min表示在停电系统恢复供电过程中风-光联合新能源系统发出的最小有功电量；Hwp，max表示在停电系统恢复供电过程中风-光联合新能源系统发出的最大有功电量；
步骤2.6、利用式(30)建立风-光联合新能源系统爬坡约束：
Figure BDA0003427151500000061
式(30)中：ΔPwp，dec为风-光联合新能源系统有功出力最大可减少量；ΔPwp，inc为风-光联合新能源系统有功出力最大可增加量；
步骤2.7、利用式(31)-式(32)建立场景发生的概率约束：
Figure BDA0003427151500000062
0≤ε≤1 (32)
式(31)-式(32)中：Pr{·}表示场景发生的概率；ε为置信度；U(Pwp,aux,k,t)表示含有不确定性参数Pwp,aux,k,t的等式和不等式约束；
步骤2.8、引入布尔变量cn，采用场景法处理步骤2.7中的概率约束，得到式(33)-式(38)：
Figure BDA0003427151500000063
Figure BDA0003427151500000064
Figure BDA0003427151500000065
Figure BDA0003427151500000066
Figure BDA0003427151500000067
Figure BDA0003427151500000068
式(33)-式(38)中：N表示场景数量；cn表示场景n是否发生，若cn＝1，则场景发生，否则，cn＝0；pn表示场景n发生的概率；
步骤2.9、利用Big-M法对式(33)-式(37)进行处理，得到式(39)-式(40)所示：
Figure BDA0003427151500000069
Figure BDA00034271515000000610
步骤2.10、由式(24)所示的目标函数以及式(2)-式(18)、式(20)-式(23)、式(25)-式(28)、式(32)、式(38)-式(40)共同构成所述基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤三、求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤3.1、获取风-光联合新能源系统出力场景：
步骤3.1.1、输入风电机组和光伏电源出力历史数据；
步骤3.1.2、利用非参数核密度估计法分别获取风电机组和光伏电源出力的概率密度函数；
步骤3.1.3、利用Frank-Copula函数计算风-光联合新能源系统出力的联合概率密度函数；
步骤3.1.4、获取风-光联合新能源系统出力典型场景；
步骤3.1.5、抽样获取A组风-光联合新能源系统出力场景，并利用k-means算法将场景削减至a组；
步骤3.2、获取考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的最优解；
步骤3.2.1、输入风-光联合新能源系统出力典型场景；
步骤3.2.2、求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤3.2.3、输出步骤3.2.2中获取的最优目标函数值；
步骤3.3、获取基于置信间隙决策理论的机组恢复顺序鲁棒优化模型的最优解；
步骤3.3.1、结合步骤3.1.5和步骤3.2.3的结果，求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤3.3.2、输出机组恢复顺序鲁棒最优方案。
与已有技术相比，本发明的有益效果体现在：
1、本发明考虑了机组启动过程中关键输电路径的影响，提出了考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型，实现机组恢复顺序与关键输电路径的协同优化，有效避免了因两者解耦导致机组恢复顺序无效或机组延迟启动的情况。
2、本发明考虑风-光联合新能源系统参与后明显提升机组启动速度，此外，基于置信间隙决策理论的机组恢复顺序鲁棒优化策略求解后可得到的机组恢复顺序鲁棒最优方案，该方案可以承受一定程度的风-光联合新能源系统的出力波动。
3、本发明所提出的模型均为混合整数线性规划模型，采用商业求解器求解可以保证解的质量，且求解时间短；针对大规模电力系统，所提出的模型仍可以保证求解速度，提高了实际电力系统恢复方案的准确性。
附图说明
图1为机组j的启动功率曲线；
图2为机组i的出力特性曲线；
图3为本发明方法流程图。
具体实施方式
本实施例中，如图3所示，一种基于置信间隙决策的机组恢复顺序鲁棒优化方法，是应用于电力系统恢复的黑启动阶段中，电力系统包括风-光联合新能源系统、有自启动能力的黑启动机组、无自启动能力的非黑启动机组以及节点间的关键输电路径，并根据各个机组节点的恢复特性建立机组启动功率曲线和机组出力特性曲线，该方法的主要步骤包括：获取风-光联合新能源系统典型出力场景，提出考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型，由于风-光联合新能源系统出力具有不确定性，进而提出基于置信间隙决策理论的机组恢复顺序鲁棒优化策略；在AMPL平台上建模并调用求解器CPLEX进行求解，获取机组恢复顺序鲁棒最优方案。具体的说，是按如下步骤进行：
步骤一、建立机组恢复顺序确定性优化模型：
步骤1.1、利用式(1)建立停电系统恢复供电期间最大化机组发电能力的目标函数：
Figure BDA0003427151500000081
式(1)中：Esys为停电系统在恢复供电期间发出的总有功电量；Egen，i为机组节点i在停电系统恢复供电期间发出的总有功电量；Estart，j为非黑启动机组j在停电系统恢复供电期间启动所需的有功电量；GEN为停电系统中机组节点的集合，包括有自启动能力的黑启动机组和无自启动能力的非黑启动机组；NBS为无自启动能力的非黑启动机组节点的集合；
步骤1.2、利用式(2)建立停电系统内非黑启动机组的最小临界恢复时间和最大临界恢复时间约束：
Figure BDA0003427151500000082
式(2)中：Tmin，j表示在冷启动条件下，非黑启动机组j的最小临界恢复时间；tstart，j为非黑启动机组j接收机组启动所需的有功功率的时刻；Tmax，j表示在热启动条件下，非黑启动机组j的最大临界恢复时间；CT为常数，表示离散化后的机组恢复时间间隔；
步骤1.3、利用式(3)建立在停电系统恢复供电过程中风-光联合新能源系统的并网时机约束：
Figure BDA0003427151500000083
式(3)中：sk，t表示停电系统恢复供电期间风-光联合新能源系统k是否在t时刻并网，若风-光联合新能源系统k在t时刻并网，则令sk，t＝1，且风-光联合新能源系统并网后不脱网，否则，令sk，t＝0；Pwp，k，t为风-光联合新能源系统k在t时刻向停电系统输出的有功功率实际值；
Figure BDA0003427151500000091
为风-光联合新能源系统k在t时刻向停电系统输出的有功功率预测值；twp，k为风-光联合新能源系统k的并网时刻；WP为风-光联合新能源系统的集合；T为停电系统内机组恢复所需时间；
步骤1.4、利用式(4)建立考虑风-光联合新能源系统的机组启动功率约束：
Figure BDA0003427151500000092
式(4)中：Pgen，i，t为机组节点i在t时刻向停电系统输出的有功功率；Pstart，j，t为非黑启动机组j在t时刻启动所需的有功功率；
步骤1.5、利用式(5)建立输电线路恢复的状态约束，表示电线路恢复后则不再开断：
Figure BDA0003427151500000093
式(5)中：ml，t表示在t时刻输电线路l的恢复状态，若输电线路l在t时刻已经恢复，则令ml，t＝1，否则，令ml，t＝0；LINE为停电系统内输电线路的集合；
步骤1.6、利用式(6)-式(10)建立输电线路恢复的条件约束，式(6)表示任意一条输电线路恢复的前提是至少有一条与之相邻的输电线路恢复；式(7)-式(10)表示任意一条输电线路恢复的前提是输电线路两端的节点必须被恢复：
Figure BDA0003427151500000094
Figure BDA0003427151500000095
Figure BDA0003427151500000096
Figure BDA0003427151500000097
Figure BDA0003427151500000098
式(6)-式(10)中：mn，t表示在t时刻与输电线路l直接相连的输电线路n的恢复状态，若输电线路n在t时刻已经恢复，则令mn，t＝1，否则，令mn，t＝0；LINE-l表示与输电线路l直接相连的输电线路的集合；au，t表示节点u在t时刻的恢复状态，若节点u在t时刻已经恢复，则令au，t＝1；否则，令au，t＝0；BUS-l表示输电线路l所连节点的集合；BUS表示停电系统内节点的集合；
步骤1.7、利用式(11)-式(12)建立与非黑启动机组相连的输电线路恢复的条件约束，其中，式(11)表示非黑启动机组恢复的前提是至少有一条与非黑启动机组直接相连的输电线路恢复；式(12)表示若与非黑启动机组直接相连的输电线路超过一条时，仅恢复一条与非黑启动机组直接相连的输电线路：
Figure BDA0003427151500000101
Figure BDA0003427151500000102
式(11)-式(12)中：CTL为常数，表示离散化后的输电线路恢复时间间隔；TL为停电系统内输电线路恢复所需时段数；LINE-j表示与非黑启动机组j直接相连的输电线路的集合；
步骤1.9、利用式(13)-式(17)建立风-光联合新能源系统和黑启动机组的并网约束，表示若恢复与风-光联合新能源系统和黑启动机组直接相连的输电线路，恢复时间不小于黑启动机组和风-光联合新能源系统并网时间的最小值；
Figure BDA0003427151500000103
Figure BDA0003427151500000104
Figure BDA0003427151500000105
Figure BDA0003427151500000106
Figure BDA0003427151500000107
式(13)-式(17)中：引入辅助变量taux，d，k，表示黑启动机组d与风-光联合新能源系统k并网时间的最小值；tstart，d为黑启动机组d接收机组启动所需的有功功率的时刻；Tctg,d为黑启动机组d等待并网时间；rd,k为布尔变量，若黑启动机组d并网，令rd,k＝1，若风-光联合新能源系统k并网，令rd,k＝0；BS表示停电系统内黑启动机组的集合；LINE-d表示停电系统内与黑启动机组直接相连的输电线路的集合；LINE-k表示停电系统内与风-光联合新能源系统直接相连的输电线路的集合；
步骤1.10、利用式(18)建立停电系统恢复的辐射状态约束：
Figure BDA0003427151500000108
步骤1.11、在停电系统恢复供电阶段，机组启动过程可等效为机组启动功率曲线和机组出力特性曲线，然后，分别对机组启动功率曲线和机组出力特性曲线进行建模：
步骤1.11.1、图1为非黑启动机组j的启动功率曲线，非黑启动机组恢复主要经历两个过程。由图1可知，在第I阶段，非黑启动机组j处于待恢复的状态，在此过程内，启动非黑启动机组j所需有功功率为0MW；在第II阶段，非黑启动机组开始接收启动功率，在此过程内，考虑到厂用电的功率需求，机组所需启动功率为Pstart，j。机组启动功率曲线可描述为式(19)：
Figure BDA0003427151500000109
步骤1.11.2、图2为机组i的出力特性曲线，机组从停运到保持正向有功出力主要经历四个过程。由图2可知，在第I阶段，机组处于停运状态，准备接收机组启动所需的有功功率；在第II阶段，在机组i接收启动功率，经过机组i等待并网时间Tctg，i，机组i开始向停电系统内输出有功功率；在第III阶段，机组i以一定的爬坡率Ri增加其有功出力；在第IV阶段，机组i达到有功出力稳定输出阶段，并假设在此过程中，机组i以最大有功出力Pmax,i持续向停电系统输出有功功率。机组出力特性曲线可描述为式(20)：
Figure BDA0003427151500000111
式(20)中：tgen，1，i为机组i开始向停电系统输出有功功率的时刻，其值满足tgen，1，i＝tstart，i+Tctg，i；tgen，2，i为机组i达到最大有功出力的时刻，其值满足tgen，2，i＝tstart，i+Tctg，i+Pmax,i/Ri；
步骤1.11.3、根据机组启动功率曲线和机组恢复特性曲线，将式(1)等效为式(21)：
Figure BDA0003427151500000112
式(21)中：Pmax,j表示非黑启动机组j向停电系统输出的最大有功功率；
步骤1.11.4、引入布尔变量zj，t，将式(19)采用Big-M法进行线性化处理，如式(22)：
Figure BDA0003427151500000113
式(22)中：zj，t为布尔变量，若非黑启动机组j在t时刻未接收到机组启动所需的有功功率，则令zj，t＝1，否则，令zj，t＝0；
步骤1.11.5、引入布尔变量xi，t和yi，t，将式(20)采用Big-M法进行线性化处理，如式(23)-式(25)：
Figure BDA0003427151500000114
Figure BDA0003427151500000115
Figure BDA0003427151500000121
式(23)-式(25)中：Pgen,1,i,t为辅助变量，用于处理机组出力特性曲线中的分段函数；Pgen,2,i,t为辅助变量，表示经过tgen,1,i，机组节点i在t时刻向系统输出的有功功率；Ri表示机组节点i的爬坡率；xi，t为布尔变量，若机组节点i在t时刻未向停电系统输出有功功率，则令xi，t＝1，否则，令xi，t＝0；yi，t为布尔变量，若机组节点i在t时刻未达到向停电系统输出的最大有功功率，则令yi，t＝1，否则，令yi，t＝0；Pmax,i表示机组节点i向停电系统输出的最大有功功率；
步骤1.12、由式(21)所示的目标函数以及式(2)-式(18)、式(22)-式(25)所示的约束条件共同构成考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤二、建立基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤2.1、利用式(26)定义目标函数为最大化偏差系数：
maxα (26)
式(24)中，α为偏差系数；
步骤2.2、利用式(27)建立偏差系数可行域约束：
0≤α≤1 (27)
步骤2.3、利用式(28)-式(29)建立考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型目标函数最大波动范围约束：
Figure BDA0003427151500000122
fc＝(1+σ)f0 (29)
式(28)-式(29)中：fc为决策者可接受的考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的目标函数值；f0为求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型获取的最优目标函数值；σ为偏差因子；
步骤2.4、利用式(30)建立考虑风-光联合新能源系统波动性后的有功出力约束：
Figure BDA0003427151500000123
式(30)中：Pwp,aux,k,t为辅助变量，表示风-光联合新能源系统k在t时刻的有功出力的预测值；
步骤2.5、利用式(31)建立风-光联合新能源系统发出的有功电量约束：
Figure BDA0003427151500000131
式(31)中：Hwp，min表示在停电系统恢复供电过程中风-光联合新能源系统发出的最小有功电量；Hwp，max表示在停电系统恢复供电过程中风-光联合新能源系统发出的最大有功电量；
步骤2.6、利用式(32)建立风-光联合新能源系统爬坡约束：
Figure BDA0003427151500000132
式(32)中：ΔPwp，dec为风-光联合新能源系统有功出力最大可减少量；ΔPwp，inc为风-光联合新能源系统有功出力最大可增加量；
步骤2.7、利用式(33)-式(34)建立场景发生的概率约束：
Figure BDA0003427151500000133
0≤ε≤1 (34)
式(33)-式(34)中：Pr{·}表示场景发生的概率；ε为置信度；U(Pwp,aux,k,t)表示含有不确定性参数Pwp,aux,k,t的等式和不等式约束；
步骤2.8、引入布尔变量cn，采用场景法处理步骤2.7中的概率约束，如式(35)-式(40)所示：
Figure BDA0003427151500000134
Figure BDA0003427151500000135
Figure BDA0003427151500000136
Figure BDA0003427151500000137
Figure BDA0003427151500000138
Figure BDA0003427151500000139
式(35)-式(40)中：N表示场景数量；cn表示场景n是否发生，若cn＝1，则场景发生，否则，cn＝0；pn表示场景n发生的概率；
步骤2.9、利用Big-M法对式(35)-式(39)进行处理，如式(41)-式(42)所示：
Figure BDA00034271515000001310
Figure BDA0003427151500000141
步骤2.10、由式(26)所示的目标函数以及式(2)-式(18)、式(22)-式(25)、式(27)-式(30)、式(34)、式(40)-式(42)共同构成所述基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤三、求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤3.1、获取风-光联合新能源系统出力场景：
步骤3.1.1、输入风电机组和光伏电源出力历史数据；
步骤3.1.2、利用非参数核密度估计法分别获取风电机组和光伏电源出力的概率密度函数；
步骤3.1.3、利用Frank-Copula函数计算风-光联合新能源系统出力的联合概率密度函数；
步骤3.1.4、获取风-光联合新能源系统出力典型场景；
步骤3.1.5、抽样获取A＝2000组风-光联合新能源系统出力场景，并利用k-means算法将场景削减至a＝100组；
步骤3.2、获取考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的最优解；
步骤3.2.1、输入风-光联合新能源系统出力典型场景；
步骤3.2.2、求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤3.2.3、输出步骤3.2.2中获取的最优目标函数值；
步骤3.3、获取基于置信间隙决策理论的机组恢复顺序鲁棒优化模型的最优解；
步骤3.3.1、结合步骤3.1.5和步骤3.2.3的结果，求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤3.3.2、输出机组恢复顺序鲁棒最优方案。

Claims (1)

1.一种基于置信间隙决策的机组恢复顺序优化方法，其特征是应用于停电系统恢复过程中的黑启动阶段，所述停电系统包括风-光联合新能源系统、有自启动能力的黑启动机组、无自启动能力的非黑启动机组以及节点间的输电线路，所述机组恢复顺序优化方法是按如下步骤进行：
步骤一、建立机组恢复顺序确定性优化模型：
步骤1.1、利用式(1)建立停电系统恢复供电期间最大化机组发电能力的目标函数：
Figure FDA0003427151490000011
式(1)中：Esys为停电系统在恢复供电期间发出的总有功电量；Egen，i为机组节点i在停电系统恢复供电期间发出的总有功电量；Estart，j为非黑启动机组j在停电系统恢复供电期间启动所需的有功电量；GEN为停电系统中机组节点的集合，包括有自启动能力的黑启动机组和无自启动能力的非黑启动机组；NBS为无自启动能力的非黑启动机组节点的集合；
步骤1.2、利用式(2)建立停电系统内非黑启动机组的最小临界恢复时间和最大临界恢复时间约束：
Figure FDA0003427151490000012
式(2)中：Tmin，j表示在冷启动条件下，非黑启动机组j的最小临界恢复时间；tstart，j为非黑启动机组j接收机组启动所需的有功功率的时刻；Tmax，j表示在热启动条件下，非黑启动机组j的最大临界恢复时间；CT为常数，表示离散化后的机组恢复时间间隔；
步骤1.3、利用式(3)建立在停电系统恢复供电过程中风-光联合新能源系统的并网时机约束：
Figure FDA0003427151490000013
式(3)中：sk，t表示停电系统恢复供电期间风-光联合新能源系统k是否在t时刻并网，若风-光联合新能源系统k在t时刻并网，则令sk，t＝1，且风-光联合新能源系统并网后不脱网，否则，令sk，t＝0；Pwp，k，t为风-光联合新能源系统k在t时刻向停电系统输出的有功功率实际值；
Figure FDA0003427151490000014
为风-光联合新能源系统k在t时刻向停电系统输出的有功功率预测值；twp，k为风-光联合新能源系统k的并网时刻；WP为风-光联合新能源系统的集合；T为停电系统内机组恢复所需时间；
步骤1.4、利用式(4)建立考虑风-光联合新能源系统的机组启动功率约束：
Figure FDA0003427151490000021
式(4)中：Pgen，i，t为机组节点i在t时刻向停电系统输出的有功功率；Pstart，j，t为非黑启动机组j在t时刻启动所需的有功功率；
步骤1.5、利用式(5)建立输电线路恢复的状态约束，表示电线路恢复后则不再开断：
Figure FDA0003427151490000022
式(5)中：ml，t表示在t时刻输电线路l的恢复状态，若输电线路l在t时刻已经恢复，则令ml，t＝1，否则，令ml，t＝0；LINE为停电系统内输电线路的集合；
步骤1.6、利用式(6)-式(10)建立输电线路恢复的条件约束，式(6)表示任意一条输电线路恢复的前提是至少有一条与之相邻的输电线路恢复；式(7)-式(10)表示任意一条输电线路恢复的前提是输电线路两端的节点必须被恢复：
Figure FDA0003427151490000023
Figure FDA0003427151490000024
Figure FDA0003427151490000025
Figure FDA0003427151490000026
Figure FDA0003427151490000027
式(6)-式(10)中：mn，t表示在t时刻与输电线路l直接相连的输电线路n的恢复状态，若输电线路n在t时刻已经恢复，则令mn，t＝1，否则，令mn，t＝0；LINE-l表示与输电线路l直接相连的输电线路的集合；ab，t表示节点b在t时刻的恢复状态，若节点b在t时刻已经恢复，则令ab，t＝1；否则，令ab，t＝0；BUS-l表示输电线路l所连节点的集合；BUS表示停电系统内节点的集合；
步骤1.7、利用式(11)-式(12)建立与非黑启动机组相连的输电线路恢复的条件约束，其中，式(11)表示非黑启动机组恢复的前提是至少有一条与非黑启动机组直接相连的输电线路恢复；式(12)表示若与非黑启动机组直接相连的输电线路超过一条时，仅恢复一条与非黑启动机组直接相连的输电线路：
Figure FDA0003427151490000028
Figure FDA0003427151490000029
式(11)-式(12)中：CTL为常数，表示离散化后的输电线路恢复时间间隔；TL为停电系统内输电线路恢复所需时段数；aj，t表示非黑启动机组j在t时刻的恢复状态，若非黑启动机组j在t时刻已经恢复，则令aj，t＝1；否则，令aj，t＝0；LINE-j表示与非黑启动机组j直接相连的输电线路的集合；
步骤1.9、利用式(13)-式(17)建立风-光联合新能源系统和黑启动机组的并网约束，表示若恢复与风-光联合新能源系统和黑启动机组直接相连的输电线路，恢复时间不小于黑启动机组和风-光联合新能源系统并网时间的最小值；
Figure FDA0003427151490000031
Figure FDA0003427151490000032
Figure FDA0003427151490000033
Figure FDA0003427151490000034
Figure FDA0003427151490000035
式(13)-式(17)中：引入辅助变量taux，d，k表示黑启动机组d与风-光联合新能源系统k并网时间的最小值；tstart，d为黑启动机组d接收机组启动所需的有功功率的时刻；Tctg,d为黑启动机组d等待并网时间；rd,k为布尔变量，若黑启动机组d并网，令rd,k＝1，若风-光联合新能源系统k并网，令rd,k＝0；BS表示停电系统内黑启动机组的集合；LINE-d表示停电系统内与黑启动机组直接相连的输电线路的集合；LINE-k表示停电系统内与风-光联合新能源系统直接相连的输电线路的集合；
步骤1.10、利用式(18)建立停电系统恢复的辐射状态约束：
Figure FDA0003427151490000036
步骤1.11、在停电系统恢复供电阶段，将机组启动过程等效为机组启动功率曲线和机组出力特性曲线，然后，分别对机组启动功率曲线和机组出力特性曲线进行建模：
步骤1.11.1、根据机组启动功率曲线和机组恢复特性曲线，将式(1)等效为式(19)：
Figure FDA0003427151490000037
式(19)中：Pmax,j表示非黑启动机组j向停电系统输出的最大有功功率；
步骤1.11.2、利用式(20)对机组启动功率曲线进行建模：
Figure FDA0003427151490000038
式(20)中：zj，t为布尔变量，若非黑启动机组j在t时刻未接收到机组启动所需的有功功率，则令zj，t＝1，否则，令zj，t＝0；
步骤1.11.3、利用式(21)-式(23)对机组出力特性曲线进行建模：
Figure FDA0003427151490000041
Figure FDA0003427151490000042
Figure FDA0003427151490000043
式(21)-式(23)中：tgen,1,i表示机组节点i开始向停电系统输出有功功率的时刻；tgen,2,i表示机组节点i达到向停电系统输出的最大有功功率的时刻；Pgen,1,i,t为辅助变量，用于处理机组出力特性曲线中的分段函数；Pgen,2,i,t为辅助变量，表示经过tgen,1,i，机组节点i在t时刻向系统输出的有功功率；Ri表示机组节点i的爬坡率；xi，t为布尔变量，若机组节点i在t时刻未向停电系统输出有功功率，则令xi，t＝1，否则，令xi，t＝0；yi，t为布尔变量，若机组节点i在t时刻未达到向停电系统输出的最大有功功率，则令yi，t＝1，否则，令yi，t＝0；Pmax,i表示机组节点i向停电系统输出的最大有功功率；
步骤1.12、由式(19)所示的目标函数以及式(2)-式(18)、式(20)-式(23)所示的约束条件共同构成考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤二、建立基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤2.1、利用式(24)定义目标函数为最大化偏差系数：
maxα (24)
式(24)中，α为偏差系数；
步骤2.2、利用式(25)建立偏差系数可行域约束：
0≤α≤1 (25)
步骤2.3、利用式(26)-式(27)建立考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型目标函数最大波动范围约束：
Figure FDA0003427151490000044
fc＝(1+σ)f0 (27)
式(26)-式(27)中：fc为决策者可接受的考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的目标函数值；f0为求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型获取的最优目标函数值；σ为偏差因子；
步骤2.4、利用式(28)建立考虑风-光联合新能源系统波动性后的有功出力约束：
Figure FDA0003427151490000051
式(28)中：Pwp,aux,k,t为辅助变量，表示风-光联合新能源系统k在t时刻的有功出力的预测值；
步骤2.5、利用式(29)建立风-光联合新能源系统发出的有功电量约束：
Figure FDA0003427151490000052
式(29)中：Hwp，min表示在停电系统恢复供电过程中风-光联合新能源系统发出的最小有功电量；Hwp，max表示在停电系统恢复供电过程中风-光联合新能源系统发出的最大有功电量；
步骤2.6、利用式(30)建立风-光联合新能源系统爬坡约束：
Figure FDA0003427151490000053
式(30)中：ΔPwp，dec为风-光联合新能源系统有功出力最大可减少量；ΔPwp，inc为风-光联合新能源系统有功出力最大可增加量；
步骤2.7、利用式(31)-式(32)建立场景发生的概率约束：
Figure FDA0003427151490000054
0≤ε≤1 (32)
式(31)-式(32)中：Pr{·}表示场景发生的概率；ε为置信度；U(Pwp,aux,k,t)表示含有不确定性参数Pwp,aux,k,t的等式和不等式约束；
步骤2.8、引入布尔变量cn，采用场景法处理步骤2.7中的概率约束，得到式(33)-式(38)：
Figure FDA0003427151490000055
Figure FDA0003427151490000056
Figure FDA0003427151490000057
Figure FDA0003427151490000058
Figure FDA0003427151490000059
Figure FDA00034271514900000510
式(33)-式(38)中：N表示场景数量；cn表示场景n是否发生，若cn＝1，则场景发生，否则，cn＝0；pn表示场景n发生的概率；
步骤2.9、利用Big-M法对式(33)-式(37)进行处理，得到式(39)-式(40)所示：
Figure FDA0003427151490000061
Figure FDA0003427151490000062
步骤2.10、由式(24)所示的目标函数以及式(2)-式(18)、式(20)-式(23)、式(25)-式(28)、式(32)、式(38)-式(40)共同构成所述基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤三、求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型：
步骤3.1、获取风-光联合新能源系统出力场景：
步骤3.1.1、输入风电机组和光伏电源出力历史数据；
步骤3.1.2、利用非参数核密度估计法分别获取风电机组和光伏电源出力的概率密度函数；
步骤3.1.3、利用Frank-Copula函数计算风-光联合新能源系统出力的联合概率密度函数；
步骤3.1.4、获取风-光联合新能源系统出力典型场景；
步骤3.1.5、抽样获取A组风-光联合新能源系统出力场景，并利用k-means算法将场景削减至a组；
步骤3.2、获取考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型的最优解；
步骤3.2.1、输入风-光联合新能源系统出力典型场景；
步骤3.2.2、求解考虑风-光联合新能源系统参与的机组恢复顺序确定性优化模型；
步骤3.2.3、输出步骤3.2.2中获取的最优目标函数值；
步骤3.3、获取基于置信间隙决策理论的机组恢复顺序鲁棒优化模型的最优解；
步骤3.3.1、结合步骤3.1.5和步骤3.2.3的结果，求解基于置信间隙决策理论的机组恢复顺序鲁棒优化模型；
步骤3.3.2、输出机组恢复顺序鲁棒最优方案。
CN202111581168.2A 2021-12-22 2021-12-22 一种基于置信间隙决策的机组恢复顺序优化方法 Active CN114256886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111581168.2A CN114256886B (zh) 2021-12-22 2021-12-22 一种基于置信间隙决策的机组恢复顺序优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111581168.2A CN114256886B (zh) 2021-12-22 2021-12-22 一种基于置信间隙决策的机组恢复顺序优化方法

Publications (2)

Publication Number Publication Date
CN114256886A true CN114256886A (zh) 2022-03-29
CN114256886B CN114256886B (zh) 2023-08-08

Family

ID=80794245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111581168.2A Active CN114256886B (zh) 2021-12-22 2021-12-22 一种基于置信间隙决策的机组恢复顺序优化方法

Country Status (1)

Country Link
CN (1) CN114256886B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862405A (zh) * 2017-10-27 2018-03-30 广东电网有限责任公司电力调度控制中心 计及微网作为黑启动电源的电力系统网架重构优化方法
CN110334862A (zh) * 2019-06-30 2019-10-15 南京理工大学 考虑恢复时间的电力系统分区优化算法
US20200127457A1 (en) * 2018-03-29 2020-04-23 Shandong University Method and system for online decision making of generator start-up
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法
CN113644653A (zh) * 2021-08-20 2021-11-12 西安交通大学 新能源与储能协同配合的电力系统黑启动路径恢复方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862405A (zh) * 2017-10-27 2018-03-30 广东电网有限责任公司电力调度控制中心 计及微网作为黑启动电源的电力系统网架重构优化方法
US20200127457A1 (en) * 2018-03-29 2020-04-23 Shandong University Method and system for online decision making of generator start-up
CN110334862A (zh) * 2019-06-30 2019-10-15 南京理工大学 考虑恢复时间的电力系统分区优化算法
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法
CN113644653A (zh) * 2021-08-20 2021-11-12 西安交通大学 新能源与储能协同配合的电力系统黑启动路径恢复方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JIAN ZHANG;DONG WANG;CHANGQING XU;CHANGCHENG LI;NING ZHANG: "Greedy Algorithm for Generator Start-Up Sequence Optimization in Power System Restoration Considering Transmission Path", 《2019 IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES EUROPE (ISGT-EUROPE)》 *
JIAN ZHANG;DONG WANG;CHANGQING XU;CHANGCHENG LI;NING ZHANG: "Greedy Algorithm for Generator Start-Up Sequence Optimization in Power System Restoration Considering Transmission Path", 《2019 IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES EUROPE (ISGT-EUROPE)》, 21 November 2019 (2019-11-21), pages 1 - 5 *
杨智超 等: "计及关键恢复路径的机组启动次序优化策略", 《电力建设》 *
杨智超 等: "计及关键恢复路径的机组启动次序优化策略", 《电力建设》, 31 October 2019 (2019-10-31), pages 28 - 35 *

Also Published As

Publication number Publication date
CN114256886B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
CN107240933A (zh) 一种考虑风电功率特性的风火协调滚动调度方法
Xie et al. Mixed-stage energy management for decentralized microgrid cluster based on enhanced tube model predictive control
CN105529701B (zh) 一种基于人工蜂群算法的含直流换流站电源恢复路径优化方法
CN109886446B (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN115995790A (zh) 一种配电网故障恢复方法、系统、设备及介质
CN108322139A (zh) 一种计及综合成本的风电-光伏-光热发电的联合调度方法
CN111313475A (zh) 一种功率平衡约束考虑预测误差不确定变量的电力系统调度方法
CN114649814A (zh) 一种柔性互联配电系统两阶段鲁棒优化方法
CN108964051B (zh) 一种电力系统预防调度与恢复调度协调优化策略构建方法
CN113241803A (zh) 一种基于新能源消纳的储能调度方法及计算机介质
Guo et al. Coordinated voltage control scheme for VSC‐HVDC connected wind power plants
CN113644653A (zh) 新能源与储能协同配合的电力系统黑启动路径恢复方法
CN111092455A (zh) 一种储能系统与已恢复机组联合运行的负荷恢复优化方法
CN110889540B (zh) 电力市场环境下系统备用需求的优化方法及装置
CN113346484B (zh) 一种考虑暂态不确定性的配电网弹性提升方法及系统
CN114256886A (zh) 一种基于置信间隙决策的机组恢复顺序优化方法
CN111092427B (zh) 电力系统并行恢复的路径优化方法
CN112865090B (zh) 一种基于生物体免疫机制的智能配电网故障恢复方法
CN114050609A (zh) 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
CN116934021A (zh) 考虑n-1安全约束的电-热综合能源系统优化调度方法
Sun et al. Determining optimal generator start-up sequence in bulk power system restoration considering uncertainties: A confidence gap decision theory based robust optimization approach
CN112332460A (zh) 一种考虑能流特性差异的电-气互联系统异步调度方法
CN115995815B (zh) 一种基于多模块嵌套迭代的负荷故障恢复方法
CN114638433B (zh) 一种考虑风电不确定性的负荷恢复分布鲁棒优化方法

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