CN114336781A - 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法 - Google Patents

考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法 Download PDF

Info

Publication number
CN114336781A
CN114336781A CN202210001735.0A CN202210001735A CN114336781A CN 114336781 A CN114336781 A CN 114336781A CN 202210001735 A CN202210001735 A CN 202210001735A CN 114336781 A CN114336781 A CN 114336781A
Authority
CN
China
Prior art keywords
formula
photovoltaic
output
unit
carbon
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
CN202210001735.0A
Other languages
English (en)
Other versions
CN114336781B (zh
Inventor
吴红斌
胡斌
唐龙江
张明星
徐斌
王小明
胡良焕
夏鹏
谢毓广
滕越
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.)
State Grid Anhui Electric Power Co ltd Lu'an Power Supply Co
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Hefei University of Technology
Original Assignee
State Grid Anhui Electric Power Co ltd Lu'an Power Supply Co
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
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 State Grid Anhui Electric Power Co ltd Lu'an Power Supply Co, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd, Hefei University of Technology filed Critical State Grid Anhui Electric Power Co ltd Lu'an Power Supply Co
Priority to CN202210001735.0A priority Critical patent/CN114336781B/zh
Publication of CN114336781A publication Critical patent/CN114336781A/zh
Application granted granted Critical
Publication of CN114336781B publication Critical patent/CN114336781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Abstract

本发明公开了一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法，其步骤包括：1.获取光伏发电出力场景；2.对光伏发电出力场景进行聚类；3.建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数；4.确定考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行约束条件；5.利用Cplex求解由所述目标函数和约束条件构成的电力系统低碳优化运行模型，得出在总功效系数最大时电力系统机组的开机、停机状态。本发明能够考虑光伏预测误差的时序相关性，促进碳捕集电厂与光伏发电的协同配合运行，提升电力系统整体运行效率。

Description

考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法
技术领域
本发明属于电力系统优化运行领域，具体地说是一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法。
背景技术
在“双碳”目标指引下，以碳捕集电厂为代表的减碳技术和以光伏发电为代表的清洁能源，将会成为助推电力系统低碳转型的重要力量。一方面，碳捕集电厂能够通过捕获CO2的方式降低机组出力，提升电力系统对光伏的接纳能力，但在进行CO2捕获时会额外增加发电煤耗。另一方面，光伏发电在大规模并网后，其随机性和波动性的特征，将会降低电力系统的运行可靠性。如何综合考虑碳捕集电厂与光伏发电的协同配合运行，实现电力系统综合运行效率的最大化，目前仍然缺乏相关研究。
对于含有碳捕集电厂与光伏发电两类电源的电力系统优化运行，现有成果主要集中在对碳捕集电厂减排特性方面，以及光伏发电对电力系统电压、频率的影响评估上，但未能有效处理光伏出力预测偏差问题，也未能有效解决电力系统保负荷供应与保新能源消纳之间的矛盾。因此，两类电源之间如何协同配合，以达到电力系统运行节能性、可靠性、低碳性的综合最优，需要进行进一步研究与改进。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法，以期能够科学制订电力系统运行方案，充分发挥碳捕集电厂调峰能力强的优势，减小光伏出力随机性、波动性带来的影响，从而达到电力系统发电煤耗最小、碳排放量最小、弃光量最小、切负荷量最小的目的，进而为含碳捕集电厂与光伏发电两类电源的电力系统安全高效运行提供依据和参考。
本发明为达到上述发明目的，采用如下技术方案：
本发明一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法的特点是：应用于包含碳捕集电厂与光伏发电两类电源的电力系统中，并按如下步骤进行：
步骤1、获取光伏发电出力场景；
步骤1.1、利用式(1)计算第i、第j时刻光伏预测误差之间的Person相关系数ρij：
Figure BDA0003454807870000011
式(1)中，N为光伏预测误差历史数据样本总数；eia、eja分别为第a个样本中第i、第j时刻的光伏预测误差；
Figure BDA0003454807870000021
分别为第i、第j时刻光伏预测误差的均值；
步骤1.2、利用式(2)计算第i、第j时刻光伏预测误差之间的协方差Gij，从而得到矩阵G：
Gij＝σiσjρij (2)
式(2)中，σi、σj分别为第i、第j时刻光伏预测误差的标准差；
步骤1.3、利用式(3)和式(4)对所述矩阵G进行Cholesky分解，得到G的下三角阵L中第v行第v列的对角元素Lvv和第u行第v列的非对角元素Luv：
Figure BDA0003454807870000022
Figure BDA0003454807870000023
式(3)和式(4)中，Gvv为G中第v行第v列的元素；Guv为G中第u行第v列的元素；Lvk为L中第v行第k列的元素；Luk为L中第u行第k列的元素；
步骤1.4、利用式(5)计算未来光伏预测误差场景集合X：
X＝LY+M (5)
式(5)中，Y为服从标准正态分布的随机向量集合；M为由光伏预测误差均值构成的向量集合；
步骤1.5、利用式(6)计算未来光伏发电出力场景集合Xoutput：
Xoutput＝Xpre+X (6)
式(6)中，Xpre为光伏预测功率构成的向量集合；
步骤2、对光伏发电出力场景进行聚类；
在所述未来光伏发电出力场景集合Xoutput中，所含场景总数记为w；设Xoutput,m为Xoutput中第m个场景，m∈[1,w]；设I为计数器；
步骤2.1、令I＝1；在未来光伏发电出力场景集合Xoutput中随机选取q个场景作为初始聚类中心，并记为{Zn(I)|n＝1,2,···,q}，Zn(I)表示第I次计算的第n个聚类中心；
步骤2.2、利用式(7)计算Xoutput中第m个场景Xoutput,m至{Zn(I)}的最小距离Dmin(Xoutput,m,Zn(I))：
Figure BDA0003454807870000024
步骤2.3、将所述最小距离对应的聚类中心记为Zr(I)，r∈[1,q]；令Xoutput,m∈Zr(I)，Zr(I)中所包含的元素总数记为Hr；
步骤2.4、利用式(8)更新第I+1次计算后的q个聚类中心{Zn(I+1)|n＝1,2,···,q}：
Figure BDA0003454807870000031
式(8)中，Zr,b(I)为Zr(I)中的第b个元素，b∈[1,Hr]；
步骤2.5、判断{Zn(I+1)}≠{Zn(I)}是否成立，若成立，则将I+1赋值给I，并返回步骤2.2，直至{Zn(I+1)}＝{Zn(I)}为止，从而得到的q个聚类中心即为q个典型光伏发电出力场景，其中，第c个典型场景记为sc，c∈[1,q]；
步骤3、建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数；
步骤3.1、利用式(9)计算典型场景sc下电力系统发电煤耗量
Figure BDA0003454807870000032
Figure BDA0003454807870000033
式(9)中，T为总时刻数；Ng为所述电力系统中碳捕集电厂机组数量；g为机组编号；ug,i为第i时刻机组g的运行状态，停机时ug,i＝0，开机时ug,i＝1；ag、bg、cg分别为机组g的发电煤耗二次项系数、一次项系数、常数项系数；
Figure BDA0003454807870000034
为典型场景sc下第i时刻机组g的总出力；Sg,i为第i时刻机组g的启停煤耗；
步骤3.2、利用式(10)计算典型场景sc下电力系统碳排放量
Figure BDA0003454807870000035
Figure BDA0003454807870000036
式(10)中，
Figure BDA0003454807870000037
为典型场景sc下第i时刻机组g的自适应烟气分流比；η为CO2捕集率；eg为机组g的单位碳排放强度；ε为单位碳排放分配系数；
步骤3.3、利用式(11)计算典型场景sc下电力系统弃光量
Figure BDA0003454807870000038
Figure BDA0003454807870000039
式(11)中，
Figure BDA00034548078700000310
为第i时刻的光伏出力预测值；
Figure BDA00034548078700000311
为典型场景sc下第i时刻的光伏出力；
步骤3.4、利用式(12)计算典型场景sc下电力系统切负荷量
Figure BDA00034548078700000312
Figure BDA00034548078700000313
式(12)中，
Figure BDA00034548078700000314
为第i时刻的负荷预测值；
Figure BDA00034548078700000315
为典型场景sc下第i时刻的负荷；
步骤3.5、利用式(13)计算典型场景sc下电力系统发电煤耗量
Figure BDA0003454807870000041
的功效系数
Figure BDA0003454807870000042
Figure BDA0003454807870000043
式(13)中，
Figure BDA0003454807870000044
分别为典型场景sc下电力系统发电煤耗量
Figure BDA0003454807870000045
的最小值、最大值；步骤3.6、利用式(14)计算典型场景sc下电力系统碳排放量
Figure BDA0003454807870000046
的功效系数
Figure BDA0003454807870000047
Figure BDA0003454807870000048
式(14)中，
Figure BDA0003454807870000049
分别为典型场景sc下电力系统碳排放量
Figure BDA00034548078700000410
的最小值、最大值；步骤3.7、利用式(15)计算典型场景sc下电力系统弃光量
Figure BDA00034548078700000411
的功效系数
Figure BDA00034548078700000412
Figure BDA00034548078700000413
式(15)中，
Figure BDA00034548078700000414
分别为典型场景sc下电力系统弃光量
Figure BDA00034548078700000415
的最小值、最大值；
步骤3.8、利用式(16)计算典型场景sc下电力系统切负荷量
Figure BDA00034548078700000416
的功效系数
Figure BDA00034548078700000417
Figure BDA00034548078700000418
式(16)中，
Figure BDA00034548078700000419
分别为典型场景sc下电力系统切负荷量
Figure BDA00034548078700000420
的最小值、最大值；步骤3.9、利用式(17)计算典型场景sc下总功效系数
Figure BDA00034548078700000421
Figure BDA00034548078700000422
步骤3.10、利用式(18)建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数，求最大总功效系数maxF：
Figure BDA00034548078700000423
式(18)中，pc为典型场景sc发生的概率；
步骤4、确定考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行约束条件；
步骤4.1、利用式(19)确定功率平衡约束：
Figure BDA00034548078700000424
式(19)中，
Figure BDA00034548078700000425
为典型场景sc下第i时刻机组g的净出力；
步骤4.2、利用式(20)确定碳捕集电厂机组净出力约束：
Figure BDA00034548078700000426
式(20)中，λ为单位CO2捕集能耗；Pg,min为机组g的最小技术出力；Pg,max为机组g的最大技术出力；
Figure BDA0003454807870000051
为机组g的基本运行能耗；
步骤4.3、利用式(21)和式(22)确定碳捕集电厂机组启停时间约束：
Figure BDA0003454807870000052
Figure BDA0003454807870000053
式(21)和式(22)中，
Figure BDA0003454807870000054
为机组g的连续开机时间；
Figure BDA0003454807870000055
为机组g的最小开机时间；
Figure BDA0003454807870000056
为机组g的连续停机时间；
Figure BDA0003454807870000057
为机组g的最小停机时间；
步骤4.4、利用式(23)和式(24)确定自适应烟气分流比约束：
Figure BDA0003454807870000058
Figure BDA0003454807870000059
式(23)和式(24)中，
Figure BDA00034548078700000510
为典型场景sc下第i时刻机组g的最大烟气分流比；
步骤4.5、利用式(25)确定光伏出力约束：
Figure BDA00034548078700000511
式(25)中，Ppv,max为光伏发电最大出力；
步骤5、利用Cplex求解由所述目标函数和约束条件构成的电力系统低碳优化运行模型，得出在总功效系数最大时电力系统机组的开机、停机状态，即为电力系统最优运行方案。
与现有技术相比，本发明的有益效果在于：
1、本发明建立的目标函数，综合考虑了在含有碳捕集电厂和光伏发电两类电源时电力系统运行技术特性，以电力系统发电煤耗、碳排放量、弃光量和切负荷量四类技术参数的总功效系数最大化为目标，相比常规的电力系统运行，该模型能够实现在含有碳捕集电厂和光伏发电两类电源接入时，电力系统节能性、可靠性、低碳性的综合最优。
2、本发明利用Person相关系数，对光伏预测误差的协方差矩阵作Cholesky分解，充分考虑了光伏预测误差之间的时序相关性；在此基础上采用聚类技术对光伏发电出力场景进行精简，有效降低了光伏出力预测偏差，对光伏随机性、波动性的预判更加精准。
3、本发明提出的目标函数中，在常规发电煤耗的基础上，增加了对电力系统碳排放量、弃光量、切负荷量的综合考虑，能够很好地处理碳捕集电厂能耗与捕碳之间的平衡，在满足电力系统可靠性要求的前提下，最大化提升了电力系统对光伏发电的接纳能力。
4、本发明提出的目标函数和约束条件中，在常规碳捕集电厂运行特性的基础上，增加了对每台机组自适应烟气分流比的灵活调节约束，可以根据光伏出力变化情况及时调节碳捕集电厂的净出力，降低边际发电煤耗，促进碳捕集电厂与光伏发电协同运行。
具体实施方式
本实施例中，一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法，是应用于包含碳捕集电厂与光伏发电两类电源的电力系统中，并按如下步骤进行：
步骤1、获取光伏发电出力场景；
步骤1.1、利用式(1)计算第i、第j时刻光伏预测误差之间的Person相关系数ρij：
Figure BDA0003454807870000061
式(1)中，N为光伏预测误差历史数据样本总数；eia、eja分别为第a个样本中第i、第j时刻的光伏预测误差；
Figure BDA0003454807870000062
分别为第i、第j时刻光伏预测误差的均值；ρij越大，第i、第j时刻的光伏预测误差的时序相关性越强。
步骤1.2、利用式(2)计算第i、第j时刻光伏预测误差之间的协方差Gij：
Gij＝σiσjρij (2)
式(2)中，σi、σj分别为第i、第j时刻光伏预测误差的标准差；由协方差Gij构成的矩阵记为G。
步骤1.3、利用式(3)和式(4)对所述矩阵G进行Cholesky分解，得到G的下三角阵L中第v行第v列的对角元素Lvv和第u行第v列的非对角元素Luv：
Figure BDA0003454807870000063
Figure BDA0003454807870000064
式(3)和式(4)中，Gvv为G中第v行第v列的元素；Guv为G中第u行第v列的元素；Lvk为L中第v行第k列的元素；Luk为L中第u行第k列的元素；在光伏发电出力场景计算时，保留了历史数据样本的预测误差时序相关性不失真。
步骤1.4、利用式(5)计算未来光伏预测误差场景集合X：
X＝LY+M (5)
式(5)中，Y为服从标准正态分布的随机向量集合；M为由光伏预测误差均值构成的向量集合；
步骤1.5、利用式(6)计算未来光伏发电出力场景集合Xoutput：
Xoutput＝Xpre+X (6)
式(6)中，Xpre为光伏预测功率构成的向量集合；
步骤2、对光伏发电出力场景进行聚类；
在所述未来光伏发电出力场景集合Xoutput中，所含场景总数记为w；设Xoutput,m为Xoutput中第m个场景，m∈[1,w]；设I为计数器；
步骤2.1、令I＝1；在未来光伏发电出力场景集合Xoutput中随机选取q个场景作为初始聚类中心，并记为{Zn(I)|n＝1,2,···,q}，Zn(I)表示第I次计算的第n个聚类中心；
步骤2.2、利用式(7)计算Xoutput中第m个场景Xoutput,m至{Zn(I)}的最小距离Dmin(Xoutput,m,Zn(I))：
Figure BDA0003454807870000071
步骤2.3、将所述最小距离对应的聚类中心记为Zr(I)，r∈[1,q]；令Xoutput,m∈Zr(I)，Zr(I)中所包含的元素总数记为Hr；
步骤2.4、利用式(8)更新第I+1次计算后的q个聚类中心{Zn(I+1)|n＝1,2,···,q}：
Figure BDA0003454807870000072
式(8)中，Zr,b(I)为Zr(I)中的第b个元素，b∈[1,Hr]；
步骤2.5、判断{Zn(I+1)}≠{Zn(I)}是否成立，若成立，则将I+1赋值给I，并返回步骤2.2，直至{Zn(I+1)}＝{Zn(I)}为止，此时得到的q个聚类中心即为q个典型光伏发电出力场景。其中，第c个典型场景记为sc，c∈[1,q]。对光伏发电出力场景进行精简后，能够有效降低某些极端场景的影响，进一步提升光伏出力预测的精准性。
步骤3、综合考虑电力系统运行的节能性、可靠性和低碳性，以总功效系数最大化为目标，建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数；
步骤3.1、利用式(9)计算典型场景sc下电力系统发电煤耗量
Figure BDA0003454807870000073
Figure BDA0003454807870000074
式(9)中，T为总时刻数；Ng为所述电力系统中碳捕集电厂机组数量；g为机组编号；ug,i为第i时刻机组g的运行状态，停机时ug,i＝0，开机时ug,i＝1；ag、bg、cg分别为机组g的发电煤耗二次项系数、一次项系数、常数项系数；
Figure BDA0003454807870000075
为典型场景sc下第i时刻机组g的总出力；Sg,i为第i时刻机组g的启停煤耗；
步骤3.2、利用式(10)计算典型场景sc下电力系统碳排放量
Figure BDA0003454807870000081
Figure BDA0003454807870000082
式(10)中，
Figure BDA0003454807870000083
为典型场景sc下第i时刻机组g的自适应烟气分流比；η为CO2捕集率；eg为机组g的单位碳排放强度；ε为单位碳排放分配系数；
步骤3.3、利用式(11)计算典型场景sc下电力系统弃光量
Figure BDA0003454807870000084
Figure BDA0003454807870000085
式(11)中，
Figure BDA0003454807870000086
为第i时刻的光伏出力预测值；
Figure BDA0003454807870000087
为典型场景sc下第i时刻的光伏出力；步骤3.4、利用式(12)计算典型场景sc下电力系统切负荷量
Figure BDA0003454807870000088
Figure BDA0003454807870000089
式(12)中，
Figure BDA00034548078700000810
为第i时刻的负荷预测值；
Figure BDA00034548078700000811
为典型场景sc下第i时刻的负荷；
步骤3.5、利用式(13)计算典型场景sc下电力系统发电煤耗量
Figure BDA00034548078700000812
的功效系数
Figure BDA00034548078700000813
Figure BDA00034548078700000814
式(13)中，
Figure BDA00034548078700000815
分别为典型场景sc下电力系统发电煤耗量
Figure BDA00034548078700000816
的最小值、最大值；步骤3.6、利用式(14)计算典型场景sc下电力系统碳排放量
Figure BDA00034548078700000817
的功效系数
Figure BDA00034548078700000818
Figure BDA00034548078700000819
式(14)中，
Figure BDA00034548078700000820
分别为典型场景sc下电力系统碳排放量
Figure BDA00034548078700000821
的最小值、最大值；步骤3.7、利用式(15)计算典型场景sc下电力系统弃光量
Figure BDA00034548078700000822
的功效系数
Figure BDA00034548078700000823
Figure BDA00034548078700000824
式(15)中，
Figure BDA00034548078700000825
分别为典型场景sc下电力系统弃光量
Figure BDA00034548078700000826
的最小值、最大值；
步骤3.8、利用式(16)计算典型场景sc下电力系统切负荷量
Figure BDA00034548078700000827
的功效系数
Figure BDA00034548078700000828
Figure BDA00034548078700000829
式(16)中，
Figure BDA00034548078700000830
分别为典型场景sc下电力系统切负荷量
Figure BDA00034548078700000831
的最小值、最大值；
步骤3.9、利用式(17)计算典型场景sc下总功效系数
Figure BDA0003454807870000091
Figure BDA0003454807870000092
步骤3.10、利用式(18)建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数，求最大总功效系数maxF：
Figure BDA0003454807870000093
式(18)中，pc为典型场景sc发生的概率。
式(18)表示当总功效系数达到最大时，发电煤耗、碳排放量、弃光量、切负荷量4项指标达到综合最优状态，电力系统实现整体运行效率最大化。
步骤4、确定考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行约束条件；
步骤4.1、利用式(19)确定功率平衡约束：
Figure BDA0003454807870000094
式(19)中，
Figure BDA0003454807870000095
为典型场景sc下第i时刻机组g的净出力；
步骤4.2、利用式(20)确定碳捕集电厂机组净出力约束：
Figure BDA0003454807870000096
式(20)中，λ为单位CO2捕集能耗；Pg,min为机组g的最小技术出力；Pg,max为机组g的最大技术出力；
Figure BDA0003454807870000097
为机组g的基本运行能耗；
步骤4.3、利用式(21)和式(22)确定碳捕集电厂机组启停时间约束：
Figure BDA0003454807870000098
Figure BDA0003454807870000099
式(21)和式(22)中，
Figure BDA00034548078700000910
为机组g的连续开机时间；
Figure BDA00034548078700000911
为机组g的最小开机时间；
Figure BDA00034548078700000912
为机组g的连续停机时间；
Figure BDA00034548078700000913
为机组g的最小停机时间；
步骤4.4、利用式(23)和式(24)确定自适应烟气分流比约束：
Figure BDA00034548078700000914
Figure BDA00034548078700000915
式(23)和式(24)中，
Figure BDA00034548078700000916
为典型场景sc下第i时刻机组g的最大烟气分流比；通过自适应烟气分流比的灵活调节，能够根据光伏出力变化及时改变碳捕集电厂净出力，进一步提升光伏消纳空间。
步骤4.5、利用式(25)确定光伏出力约束：
Figure BDA0003454807870000101
式(25)中，Ppv,max为光伏发电最大出力。
步骤5、利用Cplex求解由所述目标函数和约束条件构成的电力系统低碳优化运行模型，得出在总功效系数最大时电力系统机组的开机、停机状态，即为电力系统最优运行方案。

Claims (1)

1.一种考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法，其特征是：应用于包含碳捕集电厂与光伏发电两类电源的电力系统中，并按如下步骤进行：
步骤1、获取光伏发电出力场景；
步骤1.1、利用式(1)计算第i、第j时刻光伏预测误差之间的Person相关系数ρij：
Figure FDA0003454807860000011
式(1)中，N为光伏预测误差历史数据样本总数；eia、eja分别为第a个样本中第i、第j时刻的光伏预测误差；
Figure FDA0003454807860000012
分别为第i、第j时刻光伏预测误差的均值；
步骤1.2、利用式(2)计算第i、第j时刻光伏预测误差之间的协方差Gij，从而得到矩阵G：
Gij＝σiσjρij (2)
式(2)中，σi、σj分别为第i、第j时刻光伏预测误差的标准差；
步骤1.3、利用式(3)和式(4)对所述矩阵G进行Cholesky分解，得到G的下三角阵L中第v行第v列的对角元素Lvv和第u行第v列的非对角元素Luv：
Figure FDA0003454807860000013
Figure FDA0003454807860000014
式(3)和式(4)中，Gvv为G中第v行第v列的元素；Guv为G中第u行第v列的元素；Lvk为L中第v行第k列的元素；Luk为L中第u行第k列的元素；
步骤1.4、利用式(5)计算未来光伏预测误差场景集合X：
X＝LY+M (5)
式(5)中，Y为服从标准正态分布的随机向量集合；M为由光伏预测误差均值构成的向量集合；
步骤1.5、利用式(6)计算未来光伏发电出力场景集合Xoutput：
Xoutput＝Xpre+X (6)
式(6)中，Xpre为光伏预测功率构成的向量集合；
步骤2、对光伏发电出力场景进行聚类；
在所述未来光伏发电出力场景集合Xoutput中，所含场景总数记为w；设Xoutput,m为Xoutput中第m个场景，m∈[1,w]；设I为计数器；
步骤2.1、令I＝1；在未来光伏发电出力场景集合Xoutput中随机选取q个场景作为初始聚类中心，并记为{Zn(I)|n＝1,2,···,q}，Zn(I)表示第I次计算的第n个聚类中心；
步骤2.2、利用式(7)计算Xoutput中第m个场景Xoutput,m至{Zn(I)}的最小距离Dmin(Xoutput,m,Zn(I))：
Figure FDA0003454807860000021
步骤2.3、将所述最小距离对应的聚类中心记为Zr(I)，r∈[1,q]；令Xoutput,m∈Zr(I)，Zr(I)中所包含的元素总数记为Hr；
步骤2.4、利用式(8)更新第I+1次计算后的q个聚类中心{Zn(I+1)|n＝1,2,···,q}：
Figure FDA0003454807860000022
式(8)中，Zr,b(I)为Zr(I)中的第b个元素，b∈[1,Hr]；
步骤2.5、判断{Zn(I+1)}≠{Zn(I)}是否成立，若成立，则将I+1赋值给I，并返回步骤2.2，直至{Zn(I+1)}＝{Zn(I)}为止，从而得到的q个聚类中心即为q个典型光伏发电出力场景，其中，第c个典型场景记为sc，c∈[1,q]；
步骤3、建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数；
步骤3.1、利用式(9)计算典型场景sc下电力系统发电煤耗量
Figure FDA0003454807860000023
Figure FDA0003454807860000024
式(9)中，T为总时刻数；Ng为所述电力系统中碳捕集电厂机组数量；g为机组编号；ug,i为第i时刻机组g的运行状态，停机时ug,i＝0，开机时ug,i＝1；ag、bg、cg分别为机组g的发电煤耗二次项系数、一次项系数、常数项系数；
Figure FDA0003454807860000025
为典型场景sc下第i时刻机组g的总出力；Sg,i为第i时刻机组g的启停煤耗；
步骤3.2、利用式(10)计算典型场景sc下电力系统碳排放量
Figure FDA0003454807860000026
Figure FDA0003454807860000027
式(10)中，
Figure FDA0003454807860000028
为典型场景sc下第i时刻机组g的自适应烟气分流比；η为CO2捕集率；eg为机组g的单位碳排放强度；ε为单位碳排放分配系数；
步骤3.3、利用式(11)计算典型场景sc下电力系统弃光量
Figure FDA0003454807860000031
Figure FDA0003454807860000032
式(11)中，
Figure FDA0003454807860000033
为第i时刻的光伏出力预测值；
Figure FDA0003454807860000034
为典型场景sc下第i时刻的光伏出力；
步骤3.4、利用式(12)计算典型场景sc下电力系统切负荷量
Figure FDA0003454807860000035
Figure FDA0003454807860000036
式(12)中，
Figure FDA0003454807860000037
为第i时刻的负荷预测值；
Figure FDA0003454807860000038
为典型场景sc下第i时刻的负荷；
步骤3.5、利用式(13)计算典型场景sc下电力系统发电煤耗量
Figure FDA0003454807860000039
的功效系数
Figure FDA00034548078600000310
Figure FDA00034548078600000311
式(13)中，
Figure FDA00034548078600000312
分别为典型场景sc下电力系统发电煤耗量
Figure FDA00034548078600000313
的最小值、最大值；
步骤3.6、利用式(14)计算典型场景sc下电力系统碳排放量
Figure FDA00034548078600000314
的功效系数
Figure FDA00034548078600000315
Figure FDA00034548078600000316
式(14)中，
Figure FDA00034548078600000317
分别为典型场景sc下电力系统碳排放量
Figure FDA00034548078600000318
的最小值、最大值；
步骤3.7、利用式(15)计算典型场景sc下电力系统弃光量
Figure FDA00034548078600000319
的功效系数
Figure FDA00034548078600000320
Figure FDA00034548078600000321
式(15)中，
Figure FDA00034548078600000322
分别为典型场景sc下电力系统弃光量
Figure FDA00034548078600000323
的最小值、最大值；
步骤3.8、利用式(16)计算典型场景sc下电力系统切负荷量
Figure FDA00034548078600000324
的功效系数
Figure FDA00034548078600000325
Figure FDA00034548078600000326
式(16)中，
Figure FDA00034548078600000327
分别为典型场景sc下电力系统切负荷量
Figure FDA00034548078600000328
的最小值、最大值；
步骤3.9、利用式(17)计算典型场景sc下总功效系数
Figure FDA00034548078600000329
Figure FDA00034548078600000330
步骤3.10、利用式(18)建立考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行目标函数，求最大总功效系数maxF：
Figure FDA00034548078600000331
式(18)中，pc为典型场景sc发生的概率；
步骤4、确定考虑碳捕集电厂与光伏发电协同配合的电力系统低碳优化运行约束条件；
步骤4.1、利用式(19)确定功率平衡约束：
Figure FDA0003454807860000041
式(19)中，
Figure FDA0003454807860000042
为典型场景sc下第i时刻机组g的净出力；
步骤4.2、利用式(20)确定碳捕集电厂机组净出力约束：
Figure FDA0003454807860000043
式(20)中，λ为单位CO2捕集能耗；Pg,min为机组g的最小技术出力；Pg,max为机组g的最大技术出力；
Figure FDA0003454807860000044
为机组g的基本运行能耗；
步骤4.3、利用式(21)和式(22)确定碳捕集电厂机组启停时间约束：
Figure FDA0003454807860000045
Figure FDA0003454807860000046
式(21)和式(22)中，
Figure FDA0003454807860000047
为机组g的连续开机时间；
Figure FDA0003454807860000048
为机组g的最小开机时间；
Figure FDA0003454807860000049
为机组g的连续停机时间；
Figure FDA00034548078600000410
为机组g的最小停机时间；
步骤4.4、利用式(23)和式(24)确定自适应烟气分流比约束：
Figure FDA00034548078600000411
Figure FDA00034548078600000412
式(23)和式(24)中，
Figure FDA00034548078600000413
为典型场景sc下第i时刻机组g的最大烟气分流比；
步骤4.5、利用式(25)确定光伏出力约束：
Figure FDA00034548078600000414
式(25)中，Ppv,max为光伏发电最大出力；
步骤5、利用Cplex求解由所述目标函数和约束条件构成的电力系统低碳优化运行模型，得出在总功效系数最大时电力系统机组的开机、停机状态，即为电力系统最优运行方案。
CN202210001735.0A 2022-01-04 2022-01-04 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法 Active CN114336781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210001735.0A CN114336781B (zh) 2022-01-04 2022-01-04 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210001735.0A CN114336781B (zh) 2022-01-04 2022-01-04 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法

Publications (2)

Publication Number Publication Date
CN114336781A true CN114336781A (zh) 2022-04-12
CN114336781B CN114336781B (zh) 2023-03-21

Family

ID=81022090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210001735.0A Active CN114336781B (zh) 2022-01-04 2022-01-04 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法

Country Status (1)

Country Link
CN (1) CN114336781B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN113205273A (zh) * 2021-05-20 2021-08-03 国网山西省电力公司经济技术研究院 一种计及区外电能交易的低碳化电源规划方法及系统
CN113689312A (zh) * 2021-10-26 2021-11-23 国网江西省电力有限公司电力科学研究院 考虑碳排放权价格随机性的虚拟电厂双阶段优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN113205273A (zh) * 2021-05-20 2021-08-03 国网山西省电力公司经济技术研究院 一种计及区外电能交易的低碳化电源规划方法及系统
CN113689312A (zh) * 2021-10-26 2021-11-23 国网江西省电力有限公司电力科学研究院 考虑碳排放权价格随机性的虚拟电厂双阶段优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
檀勤良 等: "碳交易及模糊预算下火电企业碳减排最优策略研究" *

Also Published As

Publication number Publication date
CN114336781B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
WO2023274425A1 (zh) 一种风光水火储系统的多能容量优化配置方法
CN110676885B (zh) 一种以新能源为核心的调峰方法
CN111092451B (zh) 一种基于配电网网格的光伏消纳预警方法
CN113452033B (zh) 分区自治的含高比例光伏配电网电压控制方法及存储介质
CN111262242A (zh) 基于多场景技术的冷热电虚拟电厂运行方法
CN110137952A (zh) 一种实现源-荷-储协调运行的优化模型与方法
CN110247428A (zh) 一种基于源网荷协同优化的配电网光储联合配置方法
CN113659627A (zh) 一种含光伏发电和液态空气储能的微电网优化调度方法
CN114221338A (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN116470513A (zh) 一种响应电网需求的多类型光热电站协调调度运行方法
CN107565880B (zh) 优化型风光互补混合发电系统
CN115640902A (zh) 计及碳价不确定性的园区综合能源系统低碳优化调度方法
CN114336781B (zh) 考虑碳捕集电厂与光伏发电协同配合的低碳优化运行方法
CN107171317A (zh) 含有新能源发电的外送电网火电机组利用小时数预测方法
CN110135094B (zh) 一种基于收缩空间和声算法的虚拟电厂优化调度方法
CN117252425A (zh) 一种考虑碳排放和电力平衡风险的电源规划和火电改造决策建模方法
CN116611628A (zh) 计及动态性能的综合能源生产单元两阶段容量配置方法
CN116191493A (zh) 一种火电机组深度调峰和复合储能协同规划方法与装置
CN115860788A (zh) 含柔性电热负荷综合能源系统日前随机优化方法及系统
CN116418001A (zh) 应对新能源不确定性的水库群多能互补调度方法与系统
CN115912420A (zh) 计及循环寿命和运营策略的风电汇集区储能优化配置方法
CN115374993A (zh) 一种考虑最优建设时序的区域综合能源系统低碳规划方法
CN115169966A (zh) 考虑储能运营模式的生产模拟及新能源消纳能力评估方法
CN112600248B (zh) 一种光柴储复合供电控制方法
CN117318182B (zh) 一种火风光储一体化基地容量优化配置方法

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