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 PDF

Info

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
Application number
CN202210022089.6A
Other languages
English (en)
Other versions
CN114336714A (zh
Inventor
孙磊
丁江
李明明
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 CN202210022089.6A priority Critical patent/CN114336714B/zh
Publication of CN114336714A publication Critical patent/CN114336714A/zh
Application granted granted Critical
Publication of CN114336714B publication Critical patent/CN114336714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种计及风储联合系统和冷负荷效应的负荷恢复方法
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：
Figure BDA0003463070200000011
Figure BDA0003463070200000021
Figure BDA0003463070200000022
式(1)-式(3)中，
Figure BDA0003463070200000023
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；
Figure BDA0003463070200000024
和
Figure BDA0003463070200000025
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；
Figure BDA0003463070200000026
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；
Figure BDA0003463070200000027
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：
Figure BDA0003463070200000028
Figure BDA0003463070200000029
Figure BDA00034630702000000210
式(4)-式(6)中，
Figure BDA00034630702000000211
为第i个节点上的第k个负荷点的额定无功功率；
Figure BDA00034630702000000212
和
Figure BDA00034630702000000213
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：
Figure BDA00034630702000000214
式(7)中，λi,k为第i个节点上的第k个负荷点的权重；
Figure BDA00034630702000000215
为位于第i个节点上的负荷点的集合；
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：
Figure BDA00034630702000000216
Figure BDA0003463070200000031
Figure BDA0003463070200000032
Figure BDA0003463070200000033
式(8)-式(11)中，
Figure BDA0003463070200000034
和
Figure BDA0003463070200000035
分别为第i个节点的并联电导和并联电纳；
Figure BDA0003463070200000036
和
Figure BDA0003463070200000037
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；
Figure BDA0003463070200000038
和
Figure BDA0003463070200000039
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；
Figure BDA00034630702000000310
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；
Figure BDA00034630702000000311
和
Figure BDA00034630702000000312
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；
Figure BDA00034630702000000313
和
Figure BDA00034630702000000314
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
Figure BDA00034630702000000315
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；
Figure BDA00034630702000000316
和
Figure BDA00034630702000000317
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：
Figure BDA00034630702000000318
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：
Figure BDA00034630702000000319
Figure BDA00034630702000000320
Figure BDA00034630702000000321
式(13)-式(15)中，
Figure BDA00034630702000000322
和Ri,g分别为位于第i个节点上的第g个机组发出有功功率的最小值/最大值、无功功率的最小值/最大值和机组的爬坡率；Δt为时步步长；
步骤2.5、利用式(16)建立电力线路传输功率约束：
Figure BDA00034630702000000323
式(16)中，
Figure BDA00034630702000000324
为电力线路li-j上允许流过的最大有功功率；
步骤2.6、利用式(17)建立负荷最大恢复量约束：
Figure BDA00034630702000000325
式(17)中，
Figure BDA0003463070200000041
为第t时步允许的最大负荷恢复量；
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束：
Figure BDA0003463070200000042
Figure BDA0003463070200000043
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：
Figure BDA0003463070200000044
式(20)中，
Figure BDA0003463070200000045
和
Figure BDA0003463070200000046
分别为第i个节点上的第w个风储联合系统调度出力的最小和最大阈值；
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：
Figure BDA0003463070200000047
式(21)中，
Figure BDA0003463070200000048
和
Figure BDA0003463070200000049
分别为位于第i个节点上的第w个风储联合系统调度能量的最小和最大阈值；
步骤2.10、利用式(22)建立风储联合系统的爬坡率约束：
Figure BDA00034630702000000410
式(22)中，
Figure BDA00034630702000000411
和
Figure BDA00034630702000000412
分别为位于第i个节点上的第w个风储联合系统向上和向下的爬坡率；
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：
Figure BDA00034630702000000413
式(23)中，Ws为风储联合系统调度模型的目标函数值；
Figure BDA00034630702000000414
和
Figure BDA00034630702000000415
分别为风储联合系统在风电场景s中第t时步的实际的有功出力和调度出力；ΩS为风电出力场景的集合；
步骤3.2、利用式(24)建立惩罚函数ψ(x)：
Figure BDA00034630702000000416
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：
Figure BDA0003463070200000051
式(25)中，
Figure BDA0003463070200000052
和
Figure BDA0003463070200000053
分别为在风电场景s中第t时步储能系统的充电过程变量、充电状态变量和放电状态变量；当
Figure BDA0003463070200000054
时，表示储能系统处于充电过程；当
Figure BDA0003463070200000055
时，表示储能系统处于放电过程；
步骤3.4、利用式(26)建立充电动作变量约束：
Figure BDA0003463070200000056
式(26)中，
Figure BDA0003463070200000057
为在风电场景s中第t时步储能系统开始充电的动作变量，当
Figure BDA0003463070200000058
时，表示储能系统在第t时步开始充电；当
Figure BDA0003463070200000059
时，表示储能系统在第t时步不充电；
步骤3.5、利用式(27)-式(29)建立储能系统的寿命约束：
Figure BDA00034630702000000510
Figure BDA00034630702000000511
Figure BDA00034630702000000512
式(27)-式(29)中，
Figure BDA00034630702000000513
为在风电场景s中第t时步储能系统的实际放电深度；
Figure BDA00034630702000000514
为在风电场景s中第t时步储能系统在放电深度为
Figure BDA00034630702000000515
条件下的等效全循环次数；
Figure BDA00034630702000000516
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：
Figure BDA00034630702000000517
式(30)中，
Figure BDA00034630702000000518
位于第i个节点的第w个风储联合系统在第t时步的调度出力；σt,s为约束(30)的对偶值；
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束：
Figure BDA00034630702000000519
Figure BDA00034630702000000520
Figure BDA00034630702000000521
式(31)-式(33)中，
Figure BDA00034630702000000522
和
Figure BDA00034630702000000523
分别为储能系统的充电功率最大值和放电功率最大值；
Figure BDA00034630702000000524
Figure BDA00034630702000000525
和
Figure BDA00034630702000000526
分别为在风电场景s中第t时步储能系统的输出功率、充电功率和放电功率；
步骤3.8、利用式(34)-式(36)建立储能系统的荷电状态约束：
Figure BDA0003463070200000061
Figure BDA0003463070200000062
Figure BDA0003463070200000063
式(34)-式(36)中，ηch、ηdisch、
Figure BDA0003463070200000064
和
Figure BDA0003463070200000065
分别为储能系统的充电效率、放电效率、额定容量、荷电状态最小值、荷电状态最大值、初始荷电状态和负荷恢复过程结束时的荷电状态；
步骤3.9、利用式(37)建立储能系统的充放电状态约束：
Figure BDA0003463070200000066
步骤3.10、利用式(38)-式(39)建立风储联合系统的功率约束：
Figure BDA0003463070200000067
Figure BDA0003463070200000068
式(38)-式(39)中，
Figure BDA0003463070200000069
和
Figure BDA00034630702000000610
分别为在风电场景s中第t时步的风电输出功率和弃风功率；
步骤3.11、利用式(40)建立风储联合系统的爬坡率约束：
Figure BDA00034630702000000611
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；
Figure BDA00034630702000000612
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：
Figure BDA0003463070200000071
Figure BDA0003463070200000072
Figure BDA0003463070200000073
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，
Figure BDA0003463070200000074
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；
Figure BDA0003463070200000075
和
Figure BDA0003463070200000076
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；
Figure BDA0003463070200000081
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；
Figure BDA0003463070200000082
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：
Figure BDA0003463070200000083
Figure BDA0003463070200000084
Figure BDA0003463070200000085
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，
Figure BDA0003463070200000086
为第i个节点上的第k个负荷点的额定无功功率；
Figure BDA0003463070200000087
和
Figure BDA0003463070200000088
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：
Figure BDA0003463070200000089
式(7)中，λi,k为第i个节点上的第k个负荷点的权重；
Figure BDA00034630702000000810
为位于第i个节点上的负荷点的集合；
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：
Figure BDA00034630702000000811
Figure BDA00034630702000000812
Figure BDA00034630702000000813
Figure BDA00034630702000000814
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，
Figure BDA00034630702000000815
和
Figure BDA00034630702000000816
分别为第i个节点的并联电导和并联电纳；
Figure BDA00034630702000000817
和
Figure BDA00034630702000000818
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；
Figure BDA00034630702000000819
和
Figure BDA00034630702000000820
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；
Figure BDA0003463070200000091
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；
Figure BDA0003463070200000092
和
Figure BDA0003463070200000093
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；
Figure BDA0003463070200000094
和
Figure BDA0003463070200000095
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
Figure BDA0003463070200000096
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；
Figure BDA0003463070200000097
和
Figure BDA0003463070200000098
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：
Figure BDA0003463070200000099
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：
Figure BDA00034630702000000910
Figure BDA00034630702000000911
Figure BDA00034630702000000912
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；
式(13)-式(15)中，
Figure BDA00034630702000000913
和Ri,g分别为位于第i个节点上的第g个机组发出有功功率的最小值/最大值、无功功率的最小值/最大值和机组的爬坡率；Δt为时步步长；
步骤2.5、利用式(16)建立电力线路传输功率约束：
Figure BDA00034630702000000914
式(16)中，
Figure BDA00034630702000000915
为电力线路li-j上允许流过的最大有功功率；式(16)约束了机组在相邻时步的有功出力变化量；
步骤2.6、利用式(17)建立负荷最大恢复量约束：
Figure BDA00034630702000000916
式(17)中，
Figure BDA00034630702000000917
为第t时步允许的最大负荷恢复量；式(17)表示在第t时步负荷恢复量不超过当前时步允许的最大负荷恢复量；
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束：
Figure BDA0003463070200000101
Figure BDA0003463070200000102
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：
Figure BDA0003463070200000103
式(20)中，
Figure BDA0003463070200000104
和
Figure BDA0003463070200000105
分别为第i个节点上的第w个WF-BESS调度出力的最小和最大阈值；式(20)约束WF-BESS的调度出力；
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：
Figure BDA0003463070200000106
式(21)中，
Figure BDA0003463070200000107
和
Figure BDA0003463070200000108
分别为位于第i个节点上的第w个WF-BESS调度能量的最小和最大阈值；式(21)约束WF-BESS的调度能量的范围；
步骤2.10、利用式(22)建立WF-BESS的爬坡率约束：
Figure BDA0003463070200000109
式(22)中，
Figure BDA00034630702000001010
和
Figure BDA00034630702000001011
分别为位于第i个节点上的第w个WF-BESS向上和向下的爬坡率；式(22)约束了WF-BESS在相邻时步的调度出力变化量；
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：
Figure BDA00034630702000001012
式(23)中，Ws为风储联合系统调度模型的目标函数值；
Figure BDA00034630702000001013
和
Figure BDA00034630702000001014
分别为WF-BESS在风电场景s中第t时步的实际的有功出力和调度出力；ΩS为风电出力场景的集合；
步骤3.2、利用式(24)建立惩罚函数ψ(x)：
Figure BDA00034630702000001015
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：
Figure BDA0003463070200000111
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；
式(25)中，
Figure BDA0003463070200000112
和
Figure BDA0003463070200000113
分别为在风电场景s中第t时步储能系统的充电过程变量、充电状态变量和放电状态变量；当
Figure BDA0003463070200000114
时，表示储能系统处于充电过程；当
Figure BDA0003463070200000115
时，表示储能系统处于放电过程；
步骤3.4、利用式(26)建立充电动作变量约束：
Figure BDA0003463070200000116
式(26)中，
Figure BDA0003463070200000117
为在风电场景s中第t时步储能系统开始充电的动作变量，当
Figure BDA0003463070200000118
时，表示储能系统在第t时步开始充电；当
Figure BDA0003463070200000119
时，表示储能系统在第t时步不充电；
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：
Figure BDA00034630702000001110
Figure BDA00034630702000001111
Figure BDA00034630702000001112
式(27)表示等效全循环次数与实际放电深度的关系；放电深度的计算方法如式(28)所示，当且仅当
Figure BDA0003463070200000121
时储能系统的荷电状态与放电深度之和为1；式(29)表示储能系统总的等效全循环次数不能超过其阈值；
式(27)-式(29)中，
Figure BDA0003463070200000122
为在风电场景s中第t时步储能系统的实际放电深度；
Figure BDA0003463070200000123
为在风电场景s中第t时步储能系统在放电深度为
Figure BDA0003463070200000124
条件下的等效全循环次数；
Figure BDA0003463070200000125
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：
Figure BDA0003463070200000126
式(30)中，
Figure BDA0003463070200000127
位于第i个节点的第w个WF-BESS在第t时步的调度出力；σt,s为约束(30)的对偶值；式(30)表示WF-BESS的计划出力等于其调度出力；
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束：
Figure BDA0003463070200000128
Figure BDA0003463070200000129
Figure BDA00034630702000001210
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；
式(31)-式(33)中，
Figure BDA00034630702000001211
和
Figure BDA00034630702000001212
分别为储能系统的充电功率最大值和放电功率最大值；
Figure BDA00034630702000001213
Figure BDA00034630702000001214
和
Figure BDA00034630702000001215
分别为在风电场景s中第t时步储能系统的输出功率、充电功率和放电功率；
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；
Figure BDA00034630702000001216
Figure BDA00034630702000001217
Figure BDA00034630702000001218
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；
式(34)-式(36)中，ηch、ηdisch、
Figure BDA00034630702000001219
和
Figure BDA00034630702000001220
分别为储能系统的充电效率、放电效率、额定容量、荷电状态最小值、荷电状态最大值、初始荷电状态和负荷恢复过程结束时的荷电状态；
步骤3.9、利用式(37)建立储能系统的充放电状态约束：
Figure BDA0003463070200000131
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：
Figure BDA0003463070200000132
Figure BDA0003463070200000133
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；
式(38)-式(39)中，
Figure BDA0003463070200000134
和
Figure BDA0003463070200000135
分别为在风电场景s中第t时步的风电输出功率和弃风功率；
步骤3.11、利用式(40)建立WF-BESS的爬坡率约束：
Figure BDA0003463070200000136
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；
Figure BDA0003463070200000137

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：
Figure FDA0003463070190000011
Figure FDA0003463070190000012
Figure FDA0003463070190000013
式(1)-式(3)中，
Figure FDA0003463070190000014
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；
Figure FDA0003463070190000015
和
Figure FDA0003463070190000016
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；
Figure FDA0003463070190000017
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；
Figure FDA0003463070190000018
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：
Figure FDA0003463070190000019
Figure FDA00034630701900000110
Figure FDA00034630701900000111
式(4)-式(6)中，
Figure FDA00034630701900000112
为第i个节点上的第k个负荷点的额定无功功率；
Figure FDA00034630701900000113
和
Figure FDA00034630701900000114
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：
Figure FDA0003463070190000021
式(7)中，λi,k为第i个节点上的第k个负荷点的权重；
Figure FDA0003463070190000022
为位于第i个节点上的负荷点的集合；
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：
Figure FDA0003463070190000023
Figure FDA0003463070190000024
Figure FDA0003463070190000025
Figure FDA0003463070190000026
式(8)-式(11)中，
Figure FDA0003463070190000027
和
Figure FDA0003463070190000028
分别为第i个节点的并联电导和并联电纳；Qi C和
Figure FDA0003463070190000029
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；
Figure FDA00034630701900000210
和
Figure FDA00034630701900000211
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；
Figure FDA00034630701900000212
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；
Figure FDA00034630701900000213
和
Figure FDA00034630701900000214
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；
Figure FDA00034630701900000215
和
Figure FDA00034630701900000216
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
Figure FDA00034630701900000217
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；
Figure FDA00034630701900000218
和
Figure FDA00034630701900000219
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：
Figure FDA00034630701900000220
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：
Figure FDA0003463070190000031
Figure FDA0003463070190000032
Figure FDA0003463070190000033
式(13)-式(15)中，
Figure FDA0003463070190000034
和Ri,g分别为位于第i个节点上的第g个机组发出有功功率的最小值/最大值、无功功率的最小值/最大值和机组的爬坡率；Δt为时步步长；
步骤2.5、利用式(16)建立电力线路传输功率约束：
Figure FDA0003463070190000035
式(16)中，
Figure FDA0003463070190000036
为电力线路li-j上允许流过的最大有功功率；
步骤2.6、利用式(17)建立负荷最大恢复量约束：
Figure FDA0003463070190000037
式(17)中，
Figure FDA0003463070190000038
为第t时步允许的最大负荷恢复量；
步骤2.7、利用式(18)-式(19)建立负荷恢复状态约束：
Figure FDA0003463070190000039
Figure FDA00034630701900000310
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：
Figure FDA00034630701900000311
式(20)中，
Figure FDA00034630701900000312
和
Figure FDA00034630701900000313
分别为第i个节点上的第w个风储联合系统调度出力的最小和最大阈值；
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：
Figure FDA00034630701900000314
式(21)中，
Figure FDA00034630701900000315
和
Figure FDA00034630701900000316
分别为位于第i个节点上的第w个风储联合系统调度能量的最小和最大阈值；
步骤2.10、利用式(22)建立风储联合系统的爬坡率约束：
Figure FDA0003463070190000041
式(22)中，
Figure FDA0003463070190000042
和
Figure FDA0003463070190000043
分别为位于第i个节点上的第w个风储联合系统向上和向下的爬坡率；
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：
Figure FDA0003463070190000044
式(23)中，Ws为风储联合系统调度模型的目标函数值；
Figure FDA0003463070190000045
和
Figure FDA0003463070190000046
分别为风储联合系统在风电场景s中第t时步的实际的有功出力和调度出力；ΩS为风电出力场景的集合；
步骤3.2、利用式(24)建立惩罚函数ψ(x)：
Figure FDA0003463070190000047
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：
Figure FDA0003463070190000048
式(25)中，
Figure FDA0003463070190000049
和
Figure FDA00034630701900000410
分别为在风电场景s中第t时步储能系统的充电过程变量、充电状态变量和放电状态变量；当
Figure FDA00034630701900000411
时，表示储能系统处于充电过程；当
Figure FDA00034630701900000412
时，表示储能系统处于放电过程；
步骤3.4、利用式(26)建立充电动作变量约束：
Figure FDA00034630701900000413
式(26)中，
Figure FDA00034630701900000414
为在风电场景s中第t时步储能系统开始充电的动作变量，当
Figure FDA00034630701900000415
时，表示储能系统在第t时步开始充电；当
Figure FDA00034630701900000416
时，表示储能系统在第t时步不充电；
步骤3.5、利用式(27)-式(29)建立储能系统的寿命约束：
Figure FDA00034630701900000417
Figure FDA0003463070190000051
Figure FDA0003463070190000052
式(27)-式(29)中，
Figure FDA0003463070190000053
为在风电场景s中第t时步储能系统的实际放电深度；
Figure FDA0003463070190000054
为在风电场景s中第t时步储能系统在放电深度为
Figure FDA0003463070190000055
条件下的等效全循环次数；
Figure FDA0003463070190000056
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：
Figure FDA0003463070190000057
式(30)中，
Figure FDA0003463070190000058
位于第i个节点的第w个风储联合系统在第t时步的调度出力；σt,s为约束(30)的对偶值；
步骤3.7、利用式(31)-式(33)建立储能系统的充放电功率约束：
Figure FDA0003463070190000059
Figure FDA00034630701900000510
Figure FDA00034630701900000511
式(31)-式(33)中，
Figure FDA00034630701900000512
和
Figure FDA00034630701900000513
分别为储能系统的充电功率最大值和放电功率最大值；
Figure FDA00034630701900000514
Figure FDA00034630701900000515
和
Figure FDA00034630701900000516
分别为在风电场景s中第t时步储能系统的输出功率、充电功率和放电功率；
步骤3.8、利用式(34)-式(36)建立储能系统的荷电状态约束：
Figure FDA00034630701900000517
Figure FDA00034630701900000518
Figure FDA00034630701900000519
式(34)-式(36)中，ηch、ηdisch、
Figure FDA00034630701900000520
和
Figure FDA00034630701900000521
分别为储能系统的充电效率、放电效率、额定容量、荷电状态最小值、荷电状态最大值、初始荷电状态和负荷恢复过程结束时的荷电状态；
步骤3.9、利用式(37)建立储能系统的充放电状态约束：
Figure FDA0003463070190000061
步骤3.10、利用式(38)-式(39)建立风储联合系统的功率约束：
Figure FDA0003463070190000062
Figure FDA0003463070190000063
式(38)-式(39)中，
Figure FDA0003463070190000064
和
Figure FDA0003463070190000065
分别为在风电场景s中第t时步的风电输出功率和弃风功率；
步骤3.11、利用式(40)建立风储联合系统的爬坡率约束：
Figure FDA0003463070190000066
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；
Figure FDA0003463070190000067
CN202210022089.6A 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 Active CN114336714B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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