CN114336714B - 一种计及风储联合系统和冷负荷效应的负荷恢复方法 - Google Patents
一种计及风储联合系统和冷负荷效应的负荷恢复方法 Download PDFInfo
- Publication number
- CN114336714B CN114336714B CN202210022089.6A CN202210022089A CN114336714B CN 114336714 B CN114336714 B CN 114336714B CN 202210022089 A CN202210022089 A CN 202210022089A CN 114336714 B CN114336714 B CN 114336714B
- Authority
- CN
- China
- Prior art keywords
- formula
- power
- load
- wind
- energy storage
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及风储联合系统和冷负荷效应的负荷恢复方法,其步骤包括:1建立基于停电时间的冷负荷模型;2计及冷负荷效应,以加权负荷恢复量最大为优化目标,建立了负荷恢复优化模型;3计及储能系统寿命约束,以最小化风储联合系统调度出力与实际出力偏差的惩罚函数为目标函数,建立风储联合系统调度模型;4在商业求解器上进行迭代求解,获取最优负荷恢复方案。本发明能有效反映恢复过程中停电时间对温控负荷需求的影响,有助于负荷恢复的顺利开展,并通过合理的储能控制策略,能够有助于加快负荷恢复的速度。
Description
技术领域
本发明涉及电力系统恢复领域,具体的说是一种计及风储联合系统(wind farm-battery energy storage system,WF-BESS)和冷负荷效应(cold load pickup,CLPU)的负荷恢复策略。
背景技术
近年来,因极端自然灾害、人为袭击和信息攻击等因素导致的电力系统停电事件频发。大面积的停电事件会对社会和经济等方面产生严重的负面影响,且这些负面影响会随着停电时间的延长而增大。合理高效的负荷恢复方法有助于加快负荷恢复进程,减少电力系统的停电时间。随着风电广泛接入电力系统,其出力的波动性、间歇性和随机性可能导致负荷恢复进程的延长,甚至恢复方案失败。因此,研究含风电的负荷恢复方法对减小停电损失具有重要意义。为风电机组配置一定容量的储能构成WF-BESS,有助于减少风电不确定性带给电力系统的影响。通过合理的储能系统控制策略,将WF-BESS应用于负荷恢复方法中,能够充分发挥风电对负荷恢复的积极作用并加快负荷恢复进程。虽然已有不少专家学者在电力系统恢复过程中考虑风电的相关研究,但在现有研究中风电是以“被动”的形式参与电力系统恢复,未能充分发挥风电对负荷恢复的积极作用。
冷负荷特性是负荷恢复过程中需要考虑的重要因素。在目前关于负荷恢复过程中冷负荷特性的研究中,都是采用固定的CLPU模型,并没有考虑停电时间对CLPU特性曲线的影响。因此,建立关于停电时间的CLPU模型有待进一步探索。
发明内容
本发明是为避免上述现有技术所存在的不足之处,提供一种计及风储联合系统和冷负荷效应的负荷恢复方法,以期能考虑停电时间对CLPU模型的影响,并充分发挥风电对负荷恢复的积极作用,获取停电时间最短的最优负荷恢复方案,从而加快电力系统恢复速度,减少系统停电时间。
为达到上述目的,本发明所采用的技术方案为:
本发明一种计及风储联合系统和冷负荷效应的负荷恢复方法的特点是按如下步骤进行;
步骤一、建立基于停电时间的冷负荷模型:
步骤1.1、利用式(1)-式(3)计算第i个节点上的第k个温控负荷点在第t时步上的有功功率:
式(1)-式(3)中,为第i个节点上的第k个负荷点的额定有功功率;ui,k,t为第i个节点上的第k个负荷点在第t时步因停电时间的延长所增加的最大负荷增长比例;wi,k,y,t为在恢复第i个节点上的第k个负荷点后的第y时步因停电时间的延长使得负荷衰减量在第t时步增加的负荷比例;xi,k,t表示第i个节点上的第k个负荷点在第t时步的恢复状态的布尔变量,其值为1表示第k个负荷点已恢复;其值为0表示第k个负荷点未恢复;和分别为第i个节点上的第k个负荷点在第t时步恢复时的有功功率最大值和有功功率;ΔPi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的有功负荷量;i∈ΩB;t∈ΩT;ΩT为负荷恢复时步的集合;ΩB为电力系统网络中的节点集合;为位于第i个节点上的温控负荷点的集合;
步骤1.2、利用式(4)-式(6)计算第i个节点上的第k个温控负荷点在时间t的无功功率:
式(4)-式(6)中,为第i个节点上的第k个负荷点的额定无功功率;和分别为第i个节点上的第k个负荷点在第t时步恢复时的无功功率的最大值和无功功率;ΔQi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的无功负荷量;
步骤二、建立含风储联合系统参与的负荷恢复模型:
步骤2.1、利用式(7)定义最大化加权负荷量的目标函数:
步骤2.2、利用式(8)-式(11)建立节点平衡方程和网络潮流方程:
式(8)-式(11)中,和分别为第i个节点的并联电导和并联电纳;和分别为第i个节点的无功补偿器的总容量和无功补偿器的总数量;和分别为第i个节点的自电导、第i个节点的自电纳、第i个节点与第j个节点之间的互电导的负数和第i个节点与第j个节点之间的互电纳的负数;为位于第i个节点上的第w个风储联合系统在第t时步发出的有功功率;和分别为位于第i个节点上的第g个机组在第t时步发出的有功功率和无功功率;和分别为第i个节点和第j个节点之间的电力线路li-j在第t时步的有功功率和无功功率;Vi,t、θi,t和分别为第i个节点在第t时步的电压幅值、电压相角和投运的无功补偿器数量,j∈ΩB;和分别为位于第i个节点上的风储联合系统集合和火电机组集合;ΩL为输电线路集合;
步骤2.3、利用式(12)建立节点电压约束:
式(12)中,Vmin和Vmax分别为节点电压的最小和最大阈值;
步骤2.4、利用式(13)-式(15)建立发电机组出力约束:
步骤2.5、利用式(16)建立电力线路传输功率约束:
步骤2.6、利用式(17)建立负荷最大恢复量约束:
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束:
式(18)-式(19)中,T为负荷恢复方法的总时步数;
步骤2.8、利用式(20)建立风电-储能联合系统的调度功率约束:
步骤2.9、利用式(21)建立风电-储能联合系统的调度能量约束:
步骤2.10、利用式(22)建立风储联合系统的爬坡率约束:
步骤三、建立考虑储能寿命约束的风储联合系统调度模型:
步骤3.1、利用式(23)定义目标函数为最小化因风储联合系统的实际出力与调度出力偏差导致的惩罚函数:
步骤3.2、利用式(24)建立惩罚函数ψ(x):
式(24)中,γ为惩罚系数;μ为风储联合系统的实际出力与调度出力允许的最大差值;
步骤3.3、利用式(25)建立充电过程变量约束:
步骤3.4、利用式(26)建立充电动作变量约束:
步骤3.5、利用式(27)-式(29)建立储能系统的寿命约束:
式(27)-式(29)中,为在风电场景s中第t时步储能系统的实际放电深度;为在风电场景s中第t时步储能系统在放电深度为条件下的等效全循环次数;表示在风电场景s中第t时步储能系统的荷电状态;Nmax为负荷恢复过程中储能系统等效的最大循环次数;kp为通过实验得到的储能充放电次数与放电深度之间的关系曲线的拟合参数;
步骤3.6、利用式(30)建立风储联合系统的实际出力约束:
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束:
步骤3.8、利用式(34)-式(36)建立储能系统的荷电状态约束:
步骤3.9、利用式(37)建立储能系统的充放电状态约束:
步骤3.10、利用式(38)-式(39)建立风储联合系统的功率约束:
步骤3.11、利用式(40)建立风储联合系统的爬坡率约束:
式(40)中:Rwb,r为风储联合系统的爬坡率;
步骤四、求解计及风储联合系统和冷负荷效应的负荷恢复的模型:
步骤4.1、求解含风储联合系统和冷负荷效应的负荷恢复模型,得到负荷恢复方案和风储联合系统的调度出力;
步骤4.2、基于风储联合系统的调度出力,求解计及储能寿命约束的风储联合系统调度模型;
步骤4.3、如果风储联合系统调度模型的目标函数值为零,则表示求解过程结束,并输出最优的负荷恢复方案,否则,将约束(41)添加到负荷恢复模型中,并返回到步骤4.1;
与已有技术相比,本发明的有益效果体现在:
1、本发明针对温控负荷,建立了关于停电时间的冷负荷模型,能有效反映负荷恢复过程中停电时间对温控负荷需求的影响,有助于负荷恢复的顺利开展;
2、本发明在负荷恢复过程中引入风储联合系统,并通过合理的储能控制策略,能够有助于加快负荷恢复的速度;
3、本发明构建了考虑储能寿命约束的储能规划模型,能够在负荷恢复过程中减少储能系统的寿命损失。
附图说明
图1为本发明的求解流程图。
具体实施方式
本实施例中,如图1所示,含风储联合系统和冷负荷效应的负荷恢复模型和计及储能寿命约束的风储联合系统调度模型被用于负荷恢复阶段中,可调用商业求解器进行高效求解。具体求解步骤包括:首先,求解含风储联合系统和冷负荷效应的负荷恢复模型,得到负荷恢复方案和风储联合系统的调度出力。其次,基于风储联合系统的调度出力,求解计及储能寿命约束的风储联合系统调度模型。如果风储联合系统调度模型的目标函数值不为零,则将约束添加到负荷恢复模型中,并返回到第一步。否则,求解过程结束,输出最优的负荷恢复方案。具体的说,一种计及风储联合系统和冷负荷效应的负荷恢复方法,是按如下步骤进行:
步骤一、建立基于停电时间的冷负荷模型:
步骤1.1、利用式(1)-式(3)计算第i个节点上的第k个温控负荷点在第t时步上的有功功率:
式(1)表示冷负荷特性曲线中有功功率的最大值与负荷恢复状态的关系;式(2)为CLPU特性曲线中负荷恢复后的每一个时步的有功需求的衰减量;式(3)表示每一个时步负荷的有功需求;
式(1)-式(3)中,为第i个节点上的第k个负荷点的额定有功功率;ui,k,t为第i个节点上的第k个负荷点在第t时步因停电时间的延长所增加的最大负荷增长比例;wi,k,y,t为在恢复第i个节点上的第k个负荷点后的第y时步因停电时间的延长使得负荷衰减量在第t时步增加的负荷比例;xi,k,t表示第i个节点上的第k个负荷点在第t时步的恢复状态的布尔变量,其值为1表示第k个负荷点已恢复;其值为0表示第k个负荷点未恢复;和分别为第i个节点上的第k个负荷点在第t时步恢复时的有功功率最大值和有功功率;ΔPi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的有功负荷量;i∈ΩB;t∈ΩT;ΩT为负荷恢复时步的集合;ΩB为电力系统网络中的节点集合;为位于第i个节点上的温控负荷点的集合;
步骤1.2、利用式(4)-式(6)计算第i个节点上的第k个温控负荷点在时间t的无功功率:
式(4)表示冷负荷特性曲线中无功功率的最大值与负荷恢复状态的关系;式(5)为CLPU特性曲线中负荷恢复后的每一个时步的无功需求的衰减量;式(6)表示每一个时步负荷的无功需求;
式(4)-式(6)中,为第i个节点上的第k个负荷点的额定无功功率;和分别为第i个节点上的第k个负荷点在第t时步恢复时的无功功率的最大值和无功功率;ΔQi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的无功负荷量;
步骤二、建立含风储联合系统参与的负荷恢复模型:
步骤2.1、利用式(7)定义最大化加权负荷量的目标函数:
步骤2.2、利用式(8)-式(11)建立节点平衡方程和网络潮流方程:
式(8)和式(9)为节点平衡方程;式(10)和式(11)为输电线路潮流方程;
式(8)-式(11)中,和分别为第i个节点的并联电导和并联电纳;和分别为第i个节点的无功补偿器的总容量和无功补偿器的总数量;和分别为第i个节点的自电导、第i个节点的自电纳、第i个节点与第j个节点之间的互电导的负数和第i个节点与第j个节点之间的互电纳的负数;为位于第i个节点上的第w个WF-BESS在第t时步发出的有功功率;和分别为位于第i个节点上的第g个机组在第t时步发出的有功功率和无功功率;和分别为第i个节点和第j个节点之间的电力线路li-j在第t时步的有功功率和无功功率;Vi,t、θi,t和分别为第i个节点在第t时步的电压幅值、电压相角和投运的无功补偿器数量,j∈ΩB;和分别为位于第i个节点上的WF-BESS集合和火电机组集合;ΩL为输电线路集合;
步骤2.3、利用式(12)建立节点电压约束:
式(12)中,Vmin和Vmax分别为节点电压的最小和最大阈值;式(12)表示节点电压不能超过其阈值;
步骤2.4、利用式(13)-式(15)建立发电机组出力约束:
式(13)和式(14)分别表示机组的有功出力和无功出力应在给定的阈值范围内;式(15)约束了机组在相邻时步的有功出力变化量;
步骤2.5、利用式(16)建立电力线路传输功率约束:
步骤2.6、利用式(17)建立负荷最大恢复量约束:
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束:
式(18)表示在负荷恢复过程结束时所有的负荷都得以恢复;式(19)表示在恢复过程中,负荷一旦被恢复了,其恢复状态将保持不变;
式(18)-式(19)中,T为负荷恢复方法总时步数;
步骤2.8、利用式(20)建立风电-储能联合系统的调度功率约束:
步骤2.9、利用式(21)建立风电-储能联合系统的调度能量约束:
步骤2.10、利用式(22)建立WF-BESS的爬坡率约束:
步骤三、建立考虑储能寿命约束的风储联合系统调度模型:
步骤3.1、利用式(23)定义目标函数为最小化因WF-BESS的实际出力与调度出力偏差导致的惩罚函数:
步骤3.2、利用式(24)建立惩罚函数ψ(x):
式(24)中,γ为惩罚系数;μ为风储联合系统的实际出力与调度出力允许的最大差值;
步骤3.3、利用式(25)建立充电过程变量约束:
本发明将储能系统的状态分为3种,即充电状态、放电状态和既不充电也不放电状态;储能系统的充/放电过程定义如下:以其开始充/放电为起始时刻,以其开始放/充电为终止时刻,在此期间,储能系统处于充/放电或既不充电也不放电的状态;由式(25)所示可知,如果储能系统在第t时步处于充电状态,或在第t时步处于既不充电也不放电状态且在第t-1时步处于充电过程,则其在第t时步的充电过程变量等于1,表示储能系统在第t时步处于充电过程;如果储能系统在第t时步处于放电状态,或在第时步处于既不充电也不放电状态且在第t-1时步处于放电过程,则储能系统在第t时步的充电过程变量等于0,表示储能系统在第t时步处于放电过程;
步骤3.4、利用式(26)建立充电动作变量约束:
步骤3.5、利用式(27)-式(29)建立储能系统的寿命约束,储能系统的寿命可以用其最大充放电次数来表示,当储能系统的实际充放电次数超过其最大充放电次数时,认为储能系统的寿命耗尽;不同放电深度条件下的充放电对储能系统的寿命损耗程度也是不同的,因此,不能将任意放电深度条件下的一次充放电均视作100%放电深度条件下的一次充放电;对于不同放电深度条件下的一次充放电过程均可根据式(27)折算为等效的100%放电深度条件下的循环次数(也称为等效全循环次数);为减少储能系统的寿命损耗,需约束其在整个负荷恢复过程中等效全循环总次数:
式(27)-式(29)中,为在风电场景s中第t时步储能系统的实际放电深度;为在风电场景s中第t时步储能系统在放电深度为条件下的等效全循环次数;表示在风电场景s中第t时步储能系统的荷电状态;Nmax为负荷恢复过程中储能系统等效的最大循环次数;kp为通过实验得到的储能充放电次数与放电深度之间的关系曲线的拟合参数;
步骤3.6、利用式(30)建立WF-BESS实际出力约束:
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束:
式(31)表示储能系统的输出功率等于放电功率减去充电功率;式(32)和式(33)表示储能系统的充电功率和放电功率不能超过其阈值;
步骤3.8、利用式(34)-式(36)建立储能系统的荷电状态约束:
储能系统当前时步的荷电状态不仅与上一个时步的荷电状态有关还与当前时步的充电和放电功率有关,且应在储能系统给定的阈值范围内;
式(34)表示储能系统的荷电状态与充放电功率的关系;式(35)表示储能系统的荷电状态不能超过其阈值;式(36)表示在负荷恢复过程结束时储能系统的荷电状态不小于初始荷电状态;
步骤3.9、利用式(37)建立储能系统的充放电状态约束:
式(37)表示储能系统不能同时处于充电和放电状态;
步骤3.10、利用式(38)-式(39)建立WF-BESS功率约束:
式(38)表示WF-BESS的输出功率等于储能系统的输出功率与风电输出功率之和再减去弃风功率;式(39)表示弃风功率不大于风电输出功率;
步骤3.11、利用式(40)建立WF-BESS的爬坡率约束:
式(40)中:Rwb,r为WF-BESS的爬坡率;式(40)约束了WF-BESS在相邻时步的有功出力变化量;
步骤四、求解计及风储联合系统和冷负荷效应的负荷恢复的模型:
步骤4.1、求解计及风储联合系统和冷负荷效应的负荷恢复模型,得到负荷恢复方案和风储联合系统的调度出力;
步骤4.2、基于风储联合系统的调度出力,求解计及储能寿命约束的风储联合系统调度模型;
步骤4.3、如果风储联合系统调度模型的目标函数值为零,则表示求解过程结束,并输出最优的负荷恢复方案,否则,将约束(41)添加到负荷恢复模型中,并返回到步骤4.1;
Claims (1)
1.一种计及风储联合系统和冷负荷效应的负荷恢复方法,其特征是按如下步骤进行;
步骤一、建立基于停电时间的冷负荷模型:
步骤1.1、利用式(1)-式(3)计算第i个节点上的第k个温控负荷点在第t时步上的有功功率:
式(1)-式(3)中,为第i个节点上的第k个负荷点的额定有功功率;ui,k,t为第i个节点上的第k个负荷点在第t时步因停电时间的延长所增加的最大负荷增长比例;wi,k,y,t为在恢复第i个节点上的第k个负荷点后的第y时步因停电时间的延长使得负荷衰减量在第t时步增加的负荷比例;xi,k,t表示第i个节点上的第k个负荷点在第t时步的恢复状态的布尔变量,其值为1表示第k个负荷点已恢复;其值为0表示第k个负荷点未恢复;和分别为第i个节点上的第k个负荷点在第t时步恢复时的有功功率最大值和有功功率;ΔPi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的有功负荷量;i∈ΩB;t∈ΩT;ΩT为负荷恢复时步的集合;ΩB为电力系统网络中的节点集合;为位于第i个节点上的温控负荷点的集合;
步骤1.2、利用式(4)-式(6)计算第i个节点上的第k个温控负荷点在时间t的无功功率:
式(4)-式(6)中,为第i个节点上的第k个负荷点的额定无功功率;和分别为第i个节点上的第k个负荷点在第t时步恢复时的无功功率的最大值和无功功率;ΔQi,k,y为在恢复第i个节点上的第k个负荷点后的第y时步衰减的无功负荷量;
步骤二、建立含风储联合系统参与的负荷恢复模型:
步骤2.1、利用式(7)定义最大化加权负荷量的目标函数:
步骤2.2、利用式(8)-式(11)建立节点平衡方程和网络潮流方程:
式(8)-式(11)中,和分别为第i个节点的并联电导和并联电纳;Qi C和分别为第i个节点的无功补偿器的总容量和无功补偿器的总数量;和分别为第i个节点的自电导、第i个节点的自电纳、第i个节点与第j个节点之间的互电导的负数和第i个节点与第j个节点之间的互电纳的负数;为位于第i个节点上的第w个风储联合系统在第t时步发出的有功功率;和分别为位于第i个节点上的第g个机组在第t时步发出的有功功率和无功功率;和分别为第i个节点和第j个节点之间的电力线路li-j在第t时步的有功功率和无功功率;Vi,t、θi,t和分别为第i个节点在第t时步的电压幅值、电压相角和投运的无功补偿器数量,j∈ΩB;和分别为位于第i个节点上的风储联合系统集合和火电机组集合;ΩL为输电线路集合;
步骤2.3、利用式(12)建立节点电压约束:
式(12)中,Vmin和Vmax分别为节点电压的最小和最大阈值;
步骤2.4、利用式(13)-式(15)建立发电机组出力约束:
步骤2.5、利用式(16)建立电力线路传输功率约束:
步骤2.6、利用式(17)建立负荷最大恢复量约束:
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束:
式(18)-式(19)中,T为负荷恢复方法的总时步数;
步骤2.8、利用式(20)建立风电-储能联合系统的调度功率约束:
步骤2.9、利用式(21)建立风电-储能联合系统的调度能量约束:
步骤2.10、利用式(22)建立风储联合系统的爬坡率约束:
步骤三、建立考虑储能寿命约束的风储联合系统调度模型:
步骤3.1、利用式(23)定义目标函数为最小化因风储联合系统的实际出力与调度出力偏差导致的惩罚函数:
步骤3.2、利用式(24)建立惩罚函数ψ(x):
式(24)中,γ为惩罚系数;μ为风储联合系统的实际出力与调度出力允许的最大差值;
步骤3.3、利用式(25)建立充电过程变量约束:
步骤3.4、利用式(26)建立充电动作变量约束:
步骤3.5、利用式(27)-式(29)建立储能系统的寿命约束:
式(27)-式(29)中,为在风电场景s中第t时步储能系统的实际放电深度;为在风电场景s中第t时步储能系统在放电深度为条件下的等效全循环次数;表示在风电场景s中第t时步储能系统的荷电状态;Nmax为负荷恢复过程中储能系统等效的最大循环次数;kp为通过实验得到的储能充放电次数与放电深度之间的关系曲线的拟合参数;
步骤3.6、利用式(30)建立风储联合系统的实际出力约束:
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束:
步骤3.8、利用式(34)-式(36)建立储能系统的荷电状态约束:
步骤3.9、利用式(37)建立储能系统的充放电状态约束:
步骤3.10、利用式(38)-式(39)建立风储联合系统的功率约束:
步骤3.11、利用式(40)建立风储联合系统的爬坡率约束:
式(40)中:Rwb,r为风储联合系统的爬坡率;
步骤四、求解计及风储联合系统和冷负荷效应的负荷恢复的模型:
步骤4.1、求解含风储联合系统和冷负荷效应的负荷恢复模型,得到负荷恢复方案和风储联合系统的调度出力;
步骤4.2、基于风储联合系统的调度出力,求解计及储能寿命约束的风储联合系统调度模型;
步骤4.3、如果风储联合系统调度模型的目标函数值为零,则表示求解过程结束,并输出最优的负荷恢复方案,否则,将约束(41)添加到负荷恢复模型中,并返回到步骤4.1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022089.6A CN114336714B (zh) | 2022-01-10 | 2022-01-10 | 一种计及风储联合系统和冷负荷效应的负荷恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022089.6A CN114336714B (zh) | 2022-01-10 | 2022-01-10 | 一种计及风储联合系统和冷负荷效应的负荷恢复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114336714A CN114336714A (zh) | 2022-04-12 |
CN114336714B true CN114336714B (zh) | 2023-03-21 |
Family
ID=81026922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210022089.6A Active CN114336714B (zh) | 2022-01-10 | 2022-01-10 | 一种计及风储联合系统和冷负荷效应的负荷恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114336714B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115036963B (zh) * | 2022-04-14 | 2023-12-15 | 东南大学 | 一种提升配电网韧性的两阶段需求响应策略 |
CN115995815B (zh) * | 2023-03-23 | 2023-06-13 | 国网山西省电力公司电力科学研究院 | 一种基于多模块嵌套迭代的负荷故障恢复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112054520A (zh) * | 2020-09-08 | 2020-12-08 | 国网上海市电力公司电力科学研究院 | 一种考虑冷负荷启动特性的城市电网负荷恢复方法 |
CN113270903A (zh) * | 2021-06-25 | 2021-08-17 | 合肥工业大学 | 一种考虑变时步步长的负荷恢复双层优化方法 |
-
2022
- 2022-01-10 CN CN202210022089.6A patent/CN114336714B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112054520A (zh) * | 2020-09-08 | 2020-12-08 | 国网上海市电力公司电力科学研究院 | 一种考虑冷负荷启动特性的城市电网负荷恢复方法 |
CN113270903A (zh) * | 2021-06-25 | 2021-08-17 | 合肥工业大学 | 一种考虑变时步步长的负荷恢复双层优化方法 |
Non-Patent Citations (2)
Title |
---|
Multi-Time Step Service Restoration for Advanced Distribution Systems and Microgrids;B. Chen, C. Chen, J. Wang and K. L. Butler-Purry;《IEEE Transactions on Smart Grid》;20170707;第6793-6805页 * |
结合多目标优化与灰色关联决策的负荷恢复方法;顾雪平 等;《电力自动化设备》;20150930;第6-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114336714A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114336714B (zh) | 一种计及风储联合系统和冷负荷效应的负荷恢复方法 | |
CN108376999B (zh) | 一种考虑孤岛运行时间不确定性的多微网故障管理方法 | |
CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
CN103779869A (zh) | 考虑荷电状态动态调整的储能电站容量优化计算方法 | |
CN109510234B (zh) | 一种微电网储能电站的混合储能容量优化配置方法及装置 | |
CN113241803B (zh) | 一种基于新能源消纳的储能调度方法及计算机介质 | |
CN106992519B (zh) | 一种基于信息间隙决策理论的电网负荷恢复鲁棒优化方法 | |
CN105262117A (zh) | 一种风电爬坡优化控制方法 | |
Li et al. | Coordinated control and energy management strategies for hundred megawatt-level battery energy storage stations based on multi-agent theory | |
CN114188970A (zh) | 考虑光储系统作为黑启动电源的机组顺序恢复优化方法 | |
CN105680478A (zh) | 基于超短期预测的储能系统平滑新能源发电控制方法 | |
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 | |
CN107425541A (zh) | 一种主动配电网风储联合调度方法 | |
CN116341241A (zh) | 电力市场调度需求下混合储能多时间尺度优化调度策略 | |
CN107482657A (zh) | 风电爬坡率实时平抑方法和系统 | |
CN107622332A (zh) | 一种基于静态安全性约束的电网侧储能容量优化配置方法 | |
CN113361078B (zh) | 一种考虑光伏发电不确定性的配电网云边协同调控方法 | |
CN108695903B (zh) | 基于粒子群优化算法的微电网优化调度方法 | |
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 | |
CN115021241A (zh) | 基于分布式资源的配电网自我恢复方法 | |
CN116565894A (zh) | 一种用于平抑风电波动的混合储能出力控制方法 | |
CN115333085A (zh) | 考虑灵活性约束的含分布式新能源配电网双层优化调度方法 | |
CN116131318A (zh) | 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 | |
CN114398777A (zh) | 一种基于巴什博弈理论的电力系统灵活性资源配置方法 | |
CN115021336A (zh) | 一种面向高比例新能源电力系统惯量不足场景的优化方法 |
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 |