CN114362239A - 一种综合考虑多因素的电网电源极限配置策略 - Google Patents

一种综合考虑多因素的电网电源极限配置策略 Download PDF

Info

Publication number
CN114362239A
CN114362239A CN202111476989.XA CN202111476989A CN114362239A CN 114362239 A CN114362239 A CN 114362239A CN 202111476989 A CN202111476989 A CN 202111476989A CN 114362239 A CN114362239 A CN 114362239A
Authority
CN
China
Prior art keywords
unit
frequency
capacity
power grid
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111476989.XA
Other languages
English (en)
Inventor
孙俊杰
张强
王超
袁鹏
李欣蔚
张晓珩
叶鹏
王欢
张政斌
贾祺
刘宛菘
曾辉
李平
张潇桐
谢冰
马欣彤
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 Corp of China SGCC
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111476989.XA priority Critical patent/CN114362239A/zh
Publication of CN114362239A publication Critical patent/CN114362239A/zh
Pending legal-status Critical Current

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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • 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

本发明属于电网运行与控制技术领域，尤其涉及一种综合考虑多因素的电网电源极限配置策略。本发明包括：步骤1.确定常规机组装机容量和新能源机组装机容量；步骤2.获取风光水荷场景数据；步骤3.以系统运行状态为约束条件；步骤4.建立机组配比方案综合评价指标；步骤5.建立机组容量配比多目标优化模型；步骤6.基于鲸鱼算法求解多目标优化模型；步骤7.基于主客观属性值一致化确定各评价指标权重；步骤8.计算各机组配比方案总得分；步骤9.确定新能源机组与常规机组极限配比。本发明能够提高机组配比方案的可靠性与环保效益，为多种能源共同参与下的电网稳定运行提供技术依据和实用方法，减小负荷波动性带来的影响，易于实施和开发。

Description

一种综合考虑多因素的电网电源极限配置策略
技术领域
本发明属于电网运行与控制技术领域，尤其涉及一种综合考虑多因素的电网电源极限配置策略，具体是一种综合考虑系统调峰能力、调频能力、暂态稳定性、频率稳定性等多因素的机组出力配比。
背景技术
煤炭、石油等传统化石能源不可再生，开发新能源、提高新能源出力、加强新能源机组与常规机组综合利用是能源发展的必然选择。一方面受新能源发电的随机波动性影响，电网对新能源的接纳能力不足；同时新能源机组替代常规机组的接入改变了系统的运行特性，影响电网安全，目前尚无有效应对策略。
优化新能源机组与常规机组容量的配比关系，是实现电网稳定运行的有效手段，也是实现节能减排效益最大化的有效支撑。
新能源机组替代常规机组并网能够有效地提高系统运行的经济性，提高可再生能源的消纳能力。随着新能源接入比例的不断增大，风电功率的间歇性、波动性和反调峰特性使得大规模风电并网时电力系统运行的不确定性显著增加，为电力系统调峰带来了新的挑战。
而目前国内外主流的火电调峰与水电调峰技术可以较好的解决这一问题，抽水蓄能是通过用电低谷时抽水至上水库，将富余的电能转化为势能，在用电高峰时放水至下水库，将储存的势能重新转化为电能，起到削峰填谷的作用。因此，多种新能源与常规机组联合运行不仅能够更好的促进新能源消纳，还有利于电网的稳定性。
在风电接入电网负荷较低的时候，其发电负荷的波动对电网调峰的影响较低，但当风电接入电网负荷提升到一定比例时，电网需要针对风电出力波动采取预控措施。尤其在某些特殊运行日中，当负荷实际曲线明显高于预测曲线、伴随风电功率实际曲线明显低于预测曲线时，净负荷将出现持续性大幅值的预测偏差，电网必须进行更快、更深的频率调节。然而由于我国现阶段的电源配比不合理，电网的调节手段和调峰能力不足，随着新能源的超常规发展，电网调峰、稳定性矛盾日益突出。新能源机组大规模并网反而抵消了部分新能源的经济、环保效益，影响系统的稳定性。
传统的电源配比策略方法，仅考虑新能源的环保效益，大量并入新能源机组的配置策略导致系统出现严重弃风弃电，电网消纳能力不足，反而抵消了部分新能源的环保效益，同时传统的电源配比策略未考虑系统的稳定性，系统极易发生严重过负荷或者暂态故障发生后机组相对振幅严重越限，甚至会出现系统崩溃的现象。
发明内容
针对上述现有技术中存在的不足之处，本发明提供了一种综合考虑多因素的电网电源极限配置策略。其目的是为了实现考虑统调峰能力、调频能力、暂态稳定性、频率稳定性等多种因素，能够更有效和可靠的提高配置方案的系统稳定性，为考虑多因素的电网电源极限配置策略提供技术依据和实用方法的发明目的。
本发明为实现上述目的所采用的技术方案是：
一种综合考虑多因素的电网电源极限配置策略，包括以下步骤：
步骤1.确定常规机组装机容量和新能源机组装机容量；
步骤2.获取风光水荷场景数据；
步骤3.以系统运行状态为约束条件；
步骤4.建立机组配比方案综合评价指标；
步骤5.建立机组容量配比多目标优化模型；
步骤6.基于鲸鱼算法求解多目标优化模型；
步骤7.基于主客观属性值一致化确定各评价指标权重；
步骤8.计算各机组配比方案总得分；
步骤9.确定新能源机组与常规机组极限配比。
进一步的，所述常规机组装机容量是指火电厂全部发电机额定功率的总和，新能源机组装机容量是指风电、光伏发电等多种新能源发电额定功率的总和。
进一步的，所述风光水荷场景数据是指风电、光伏、水能出力预测数据、负荷用电历预测数据及系统频率运行参数。
进一步的，所述建立机组配比方案综合评价指标，包括：
(1)确定系统负荷绝对峰谷差；
(2)确定系统出现频率波动到系统频率稳定期间频率最大值与最小值；
(3)把故障后机组偏离系统惯性中心的程度作为暂态稳定指标；
(4)计算系统频率偏移标准频率的方差；
所述建立机组配比方案综合评价指标是指以系统调峰能力、调频能力、暂态稳定性、频率稳定性为指标，按如下公式综合评价：
ΔP1＝Pmax-Pmin
Δfm＝fmax-fmin
Figure BDA0003393807860000031
Figure BDA0003393807860000032
其中，ΔP1为负荷绝对峰谷差；Pmax为负荷波动最大值；Pmin为负荷波动最小值；Δfm为系统出现频率波动到系统频率稳定期间频率最大值与最小值之差；fmax系统频率波动最大值；fmin系统频率波动最小值；n为采样点数；f0表示系统频率偏方差，fi为第i个采样点的频率；fN为标准频率；Its为故障后机组偏离系统惯性中心越限总和；S为故障后所有时间集合；E为所有故障集合；δi为某时刻机组i的功角；δCOI为系统在这一时刻的惯性中心；δ0为功角最大允许振幅。
进一步的，所述建立机组容量配比多目标优化模型，是指以指标综合最优为目标，输出量为机组配比，按如下公式建立数学模型：
minF＝(f1,f2,f3,f4)
Figure BDA0003393807860000033
其中，f1、f2、f3、f4分别表示系统调峰能力、调频能力、暂态稳定性、频率稳定性；F表示综合最优。
进一步的，所述基于鲸鱼算法求解多目标优化模型，包括：
(1)设置种群规模、迭代次数；
所述设置种群规模、迭代次数是指输入包括常规机组装机容量、新能源机组装机容量、风光水荷场景数据等系统运行数据及求解迭代次数；
(2)随机初始化鲸鱼种群数量；
所述随机初始化鲸鱼种群数量，是指随机生成新能源机组与常规机组出力配比方案；
(3)以当前处在最佳围捕位置的鲸群位置为目标猎物；
所述以当前处在最佳围捕位置的鲸群位置为目标猎物，是指以当前最佳的机组配比方案，按如下数学表达式更新位置：
Figure BDA0003393807860000041
Figure BDA0003393807860000042
Figure BDA0003393807860000043
Figure BDA0003393807860000044
Figure BDA0003393807860000045
其中，t表示当前迭代次数；
Figure BDA0003393807860000046
表示当前鲸群个体的最佳的位置空间；
Figure BDA0003393807860000047
表示其余个体的位置空间；||表示绝对值；
Figure BDA0003393807860000048
代表系数；
Figure BDA0003393807860000049
表示在进行迭代时从2线性下降到0的向量；
Figure BDA00033938078600000410
表示个体位置和最优个体间的距离；
Figure BDA00033938078600000411
表示0～1之间的随机数；M为最大迭代次数；
(4)鲸鱼沿螺旋路径收缩狩猎猎物；
所述鲸鱼沿螺旋路径收缩狩猎猎物,是指找到最佳机组配比方案可行解，按如下数学表达式狩猎猎物：
Figure BDA00033938078600000412
Figure BDA0003393807860000051
其中，b是一个用来定义螺旋形状的常数，l是-1～1之间的一份随机数,e表示自然常数；
(5)多次迭代，输出非劣解集；
所述多次迭代，是指输出非劣解集是指多次重复生成并筛选配比方案，输出最优机组配比方案可行解。
进一步的，所述新能源机组与常规机组极限配比，是指在综合评价最优情况下，常规机组投入系统比例最小。
进一步的，所述建立机组配比方案综合评价指标，包括：系统调峰能力指标，系统调频能力指标，系统暂态稳定性指标以及系统频率稳定性指标。
进一步的，所述系统调峰能力指标，即峰谷差反映系统调节负荷的灵活性；
所述系统调频能力指标，即系统调频波动是反映系统稳定的重要指标之一；
所述系统暂态稳定性指标，反映预想故障发生后，机组偏离系统惯性中心的振幅越限程度；
所述系统频率稳定性指标，即系统频率偏移标准频率的方差是检验系统稳定性的重要指标之一。
一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现所述的一种综合考虑多因素的电网电源极限配置策略的步骤。
本发明具有以下有益效果及优点：
本发明综合考虑多因素的电网电源极限配置策略，能够提高该机组配比方案的可靠性与环保效益。通过考虑多种因素配置机组出力，能够有效和可靠的配置新能源机组与常规机组出力比例，为多种能源共同参与下的电网稳定运行提供技术依据和实用方法，以此来减小负荷波动性带来的影响，提高系统的可靠性。
本发明方法还有易于实施的特点。本发明方法是在原有机组配置的基础上，综合考虑多种因素，使得机组配比方案应对负荷的不确定性能力更强。从配置上易于实施；同时，各配比模型的求解有现成的算法，配置策略也易于实施。
本发明方法还有便于商业化开发的特点。随着新能源机组的增多，本发明配置策略的开发必然具有较大需求，具有较好的商业开发和应用前景。
本发明提出的这种综合考虑多因素的电网电源极限配置策略的基本思想是：建立机组容量配比多目标优化模型，基于多目标评价指标筛选出多个机组配比方案中的极限配比，从而较大的提高了机组配比方案的经济性。
本发明通过考虑系统稳定性等多种指标，构建机组容量配比多目标优化模型，基于多目标综合评价配比方案，找到常规机组出力最小配比方案。能够更有效和可靠的找到新能源机组与常规机组配比，为考虑多因素的电网电源极限配置策略提供技术依据和实用化方法。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明的总体流程图；
图2是本发明机组配比方案综合评价指标体系；
图3是本发明指标1，2，3的非劣解集在空间中的分布；
图4是本发明8组配比方案综合评价值。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面将结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1-图4描述本发明一些实施例的技术方案。
实施例1
本发明提供了一个实施例，是一种综合考虑多因素的电网电源极限配置策略，如图1所示，图1是本发明的总体流程图。从图中的流程可以看出，本发明方法是通过综合考虑多种指标体系，找到常规机组出力最小的极限配比。
本发明为了解决现有技术中的问题，同时考虑系统调峰能力、调频能力、暂态稳定性、频率稳定性等多种因素，配置新能源机组与常规机组出力比例。本发明配置策略的复杂性在于，一方面，配置策略要适应多种运行工况的变动，如风光等新能源出现较大波动、系统发生故障时的暂态稳定性等等，运行工况不同，要求所配置机组配比仍能保证系统的稳定运行。另一方面，配置策略还需要找到常规机组出力最小的极限配比，以满足清洁低碳电网的运行要求。实现适应各种复杂工况的机组极限配比。
本发明基于系统多种运行因素为指标，建立机组容量配比多目标优化模型，基于鲸鱼算法求解多目标优化模型，并基于多目标评价指标筛选出机组极限配比方案，来实现系统稳定运行的同时火电出力最小，从而实现低碳运行。
本发明具体包括以下步骤：
步骤1.确定常规机组装机容量和新能源机组装机容量；
所述常规机组装机容量是指火电厂全部发电机额定功率的总和，新能源机组装机容量是指风电、光伏发电等多种新能源发电额定功率的总和；
步骤2.获取风光水荷场景数据；
所述风光水荷场景数据是指风电、光伏、水能出力预测数据、负荷用电历预测数据及系统频率等运行参数；
步骤3.以系统运行状态为约束条件；
所述以系统运行状态为约束条件，是指包括以火电机组出力上下限、爬坡率、新能源机组出力、弃风量等为约束条件。
步骤4.建立机组配比方案综合评价指标；
所述建立机组配比方案综合评价指标，具体包括：
(1)确定系统负荷绝对峰谷差；
(2)确定系统出现频率波动到系统频率稳定期间频率最大值与最小值；
(3)把故障后机组偏离系统惯性中心的程度作为暂态稳定指标；
(4)计算系统频率偏移标准频率的方差。
所述建立机组配比方案综合评价指标是指以系统调峰能力、调频能力、暂态稳定性、频率稳定性为指标，按如下公式综合评价：
ΔP1＝Pmax-Pmin
Δfm＝fmax-fmin
Figure BDA0003393807860000081
Figure BDA0003393807860000082
其中，ΔP1为负荷绝对峰谷差；Pmax为负荷波动最大值；Pmin为负荷波动最小值；Δfm为系统出现频率波动到系统频率稳定期间频率最大值与最小值之差；fmax系统频率波动最大值；fmin系统频率波动最小值；n为采样点数；f0表示系统频率偏方差，fi为第i个采样点的频率；fN为标准频率；Its为故障后机组偏离系统惯性中心越限总和；S为故障后所有时间集合；E为所有故障集合；δi为某时刻机组i的功角；δCOI为系统在这一时刻的惯性中心；δ0为功角最大允许振幅。
步骤5.建立机组容量配比多目标优化模型；
所述建立机组容量配比多目标优化模型，是指以指标综合最优为目标，输出量为机组配比，按如下公式建立数学模型：
minF＝(f1,f2,f3,f4)
Figure BDA0003393807860000083
其中，f1、f2、f3、f4分别表示系统调峰能力、调频能力、暂态稳定性、频率稳定性；F表示综合最优。
步骤6.基于鲸鱼算法求解多目标优化模型；
如图1中所示，所述基于鲸鱼算法求解多目标优化模型，具体包括：
(1)设置种群规模、迭代次数；
所述设置种群规模、迭代次数是指输入包括常规机组装机容量、新能源机组装机容量、风光水荷场景数据等系统运行数据及求解迭代次数。
(2)随机初始化鲸鱼种群数量；
所述随机初始化鲸鱼种群数量，是指随机生成新能源机组与常规机组出力配比方案。
(3)以当前处在最佳围捕位置的鲸群位置为目标猎物；
所述以当前处在最佳围捕位置的鲸群位置为目标猎物，是指以当前最佳的机组配比方案，按如下数学表达式更新位置：
Figure BDA0003393807860000091
Figure BDA0003393807860000092
Figure BDA0003393807860000093
Figure BDA0003393807860000094
Figure BDA0003393807860000095
其中，t表示当前迭代次数；
Figure BDA0003393807860000096
表示当前鲸群个体的最佳的位置空间；
Figure BDA0003393807860000097
表示其余个体的位置空间；||表示绝对值；
Figure BDA0003393807860000098
代表系数；
Figure BDA0003393807860000099
表示在进行迭代时从2线性下降到0的向量；
Figure BDA00033938078600000910
表示个体位置和最优个体间的距离；
Figure BDA00033938078600000911
表示0～1之间的随机数；M为最大迭代次数。
(4)鲸鱼沿螺旋路径收缩狩猎猎物；
所述鲸鱼沿螺旋路径收缩狩猎猎物,是指找到最佳机组配比方案可行解，按如下数学表达式狩猎猎物：
Figure BDA00033938078600000912
Figure BDA00033938078600000913
其中，b是一个用来定义螺旋形状的常数，l是-1～1之间的一份随机数,e表示自然常数。
(5)多次迭代，输出非劣解集；
所述多次迭代，是指输出非劣解集是指多次重复生成并筛选配比方案，输出最优机组配比方案可行解。
步骤7.基于主客观属性值一致化确定各评价指标权重；
所述基于主客观属性值一致化确定各评价指标权重，是指同时考虑评价的主观性与可观性，按如下公式确定组合权重：
Figure BDA0003393807860000101
其中，
Figure BDA0003393807860000102
表示采用层次分析法确定指标的主关权重；
Figure BDA0003393807860000103
表示采用反熵权法确定的指标客观权重；wi表示基于主客观属性值一致化确定的组合权重。
步骤8.计算各机组配比方案总得分；
步骤9.确定新能源机组与常规机组极限配比。
所述新能源机组与常规机组极限配比，是指在综合评价最优情况下，常规机组投入系统比例最小。
实施例2
本发明又提供了一个实施例，是一种综合考虑多因素的电网电源极限配置策略，如图2所示，图2是本发明机组配比方案综合评价指标体系。
为保证本发明策略输出配比在保证常规机组出力最小的同时，系统运行状态最优，本发明建立四个指标体系综合筛选出常规机组出力最小的极限配比，分别为系统调峰能力指标、系统调频能力指标、系统暂态稳定性指标、系统频率稳定性指标。
所述建立机组配比方案综合评价指标，包括：
①系统调峰能力指标，即峰谷差反映系统调节负荷的灵活性；
②系统调频能力指标，即系统调频波动是反映系统稳定的重要指标之一；
③系统暂态稳定性指标，反映预想故障发生后，机组偏离系统惯性中心的振幅越限程度；
④系统频率稳定性指标，即系统频率偏移标准频率的方差是检验系统稳定性的重要指标之一。
实施例3
本发明又提供了一个实施例，是一种综合考虑多因素的电网电源极限配置策略，如图3所示，图3是本发明指标1，2，3的非劣解集在空间中的分布。
由于一张三维坐标图最多只能反映3个指标的筛选结果，因此选取系统调峰能力、调频能力、暂态稳定性来反映筛选结果，从三维图中可以清晰地看出非劣解集在空间中的分布情况。
实施例4
本发明又提供了一个实施例，是一种综合考虑多因素的电网电源极限配置策略，如图4所示，图4是本发明8组配比方案综合评价值。
选取某110kv电网试点区域为例，年度负荷时间序列取自IEEE-RTS的标准负荷数据，峰荷为10MW.通过求解多目标规划模型，将所求解非劣解集，基于主客观属性值一致化确定各评价指标权重a1、a2、a3、a4分别为0.1208，0.2735，0.1667，0.4390。综合评价值y1、y2、y3、y4、y5、y6、y7、y8分别为0.6412，0.9012，0.7445，0.8251，0.0878，0.6879，0.1577，0.9204。
对各方案的综合评价值由小到大排序，越大越好，符号＞表示优于，初始排序结果为S8＞S2＞S4＞S3＞S6＞S1＞S7＞S5。
可以看到方案S8的常规机组出力比例小，在此方案下能够取得较好的系统稳定性，同时保证有较好的系统调峰能力、调频能力、暂态稳定性、频率稳定性，即此方案为电网电源极限配比。
实施例5
基于同一发明构思，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现实施例1或2或3或4或5所述的一种综合考虑多因素的电网电源极限配置策略的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种综合考虑多因素的电网电源极限配置策略，其特征是：包括以下步骤：
步骤1.确定常规机组装机容量和新能源机组装机容量；
步骤2.获取风光水荷场景数据；
步骤3.以系统运行状态为约束条件；
步骤4.建立机组配比方案综合评价指标；
步骤5.建立机组容量配比多目标优化模型；
步骤6.基于鲸鱼算法求解多目标优化模型；
步骤7.基于主客观属性值一致化确定各评价指标权重；
步骤8.计算各机组配比方案总得分；
步骤9.确定新能源机组与常规机组极限配比。
2.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述常规机组装机容量是指火电厂全部发电机额定功率的总和，新能源机组装机容量是指风电、光伏发电等多种新能源发电额定功率的总和。
3.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述风光水荷场景数据是指风电、光伏、水能出力预测数据、负荷用电历预测数据及系统频率运行参数。
4.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述建立机组配比方案综合评价指标，包括：
(1)确定系统负荷绝对峰谷差；
(2)确定系统出现频率波动到系统频率稳定期间频率最大值与最小值；
(3)把故障后机组偏离系统惯性中心的程度作为暂态稳定指标；
(4)计算系统频率偏移标准频率的方差；
所述建立机组配比方案综合评价指标是指以系统调峰能力、调频能力、暂态稳定性、频率稳定性为指标，按如下公式综合评价：
ΔP1＝Pmax-Pmin
Δfm＝fmax-fmin
Figure FDA0003393807850000021
Figure FDA0003393807850000022
其中，ΔP1为负荷绝对峰谷差；Pmax为负荷波动最大值；Pmin为负荷波动最小值；Δfm为系统出现频率波动到系统频率稳定期间频率最大值与最小值之差；fmax系统频率波动最大值；fmin系统频率波动最小值；n为采样点数；f0表示系统频率偏方差，fi为第i个采样点的频率；fN为标准频率；Its为故障后机组偏离系统惯性中心越限总和；S为故障后所有时间集合；E为所有故障集合；δi为某时刻机组i的功角；δCOI为系统在这一时刻的惯性中心；δ0为功角最大允许振幅。
5.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述建立机组容量配比多目标优化模型，是指以指标综合最优为目标，输出量为机组配比，按如下公式建立数学模型：
minF＝(f1,f2,f3,f4)
Figure FDA0003393807850000023
其中，f1、f2、f3、f4分别表示系统调峰能力、调频能力、暂态稳定性、频率稳定性；F表示综合最优。
6.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述基于鲸鱼算法求解多目标优化模型，包括：
(1)设置种群规模、迭代次数；
所述设置种群规模、迭代次数是指输入包括常规机组装机容量、新能源机组装机容量、风光水荷场景数据等系统运行数据及求解迭代次数；
(2)随机初始化鲸鱼种群数量；
所述随机初始化鲸鱼种群数量，是指随机生成新能源机组与常规机组出力配比方案；
(3)以当前处在最佳围捕位置的鲸群位置为目标猎物；
所述以当前处在最佳围捕位置的鲸群位置为目标猎物，是指以当前最佳的机组配比方案，按如下数学表达式更新位置：
Figure FDA0003393807850000031
Figure FDA0003393807850000032
Figure FDA0003393807850000033
Figure FDA0003393807850000034
Figure FDA0003393807850000035
其中，t表示当前迭代次数；
Figure FDA0003393807850000036
表示当前鲸群个体的最佳的位置空间；
Figure FDA0003393807850000037
表示其余个体的位置空间；||表示绝对值；
Figure FDA0003393807850000038
代表系数；
Figure FDA0003393807850000039
表示在进行迭代时从2线性下降到0的向量；
Figure FDA00033938078500000310
表示个体位置和最优个体间的距离；
Figure FDA00033938078500000311
表示0～1之间的随机数；M为最大迭代次数。
(4)鲸鱼沿螺旋路径收缩狩猎猎物；
所述鲸鱼沿螺旋路径收缩狩猎猎物,是指找到最佳机组配比方案可行解，按如下数学表达式狩猎猎物：
Figure FDA00033938078500000312
Figure FDA00033938078500000313
其中，b是一个用来定义螺旋形状的常数，l是-1～1之间的一份随机数,e表示自然常数；
(5)多次迭代，输出非劣解集；
所述多次迭代，是指输出非劣解集是指多次重复生成并筛选配比方案，输出最优机组配比方案可行解。
7.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述新能源机组与常规机组极限配比，是指在综合评价最优情况下，常规机组投入系统比例最小。
8.根据权利要求1所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述建立机组配比方案综合评价指标，包括：系统调峰能力指标，系统调频能力指标，系统暂态稳定性指标以及系统频率稳定性指标。
9.根据权利要求8所述的一种综合考虑多因素的电网电源极限配置策略，其特征是：所述系统调峰能力指标，即峰谷差反映系统调节负荷的灵活性；
所述系统调频能力指标，即系统调频波动是反映系统稳定的重要指标之一；
所述系统暂态稳定性指标，反映预想故障发生后，机组偏离系统惯性中心的振幅越限程度；
所述系统频率稳定性指标，即系统频率偏移标准频率的方差是检验系统稳定性的重要指标之一。
10.一种计算机存储介质，其特征是：所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9所述的一种综合考虑多因素的电网电源极限配置策略的步骤。
CN202111476989.XA 2021-12-06 2021-12-06 一种综合考虑多因素的电网电源极限配置策略 Pending CN114362239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111476989.XA CN114362239A (zh) 2021-12-06 2021-12-06 一种综合考虑多因素的电网电源极限配置策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111476989.XA CN114362239A (zh) 2021-12-06 2021-12-06 一种综合考虑多因素的电网电源极限配置策略

Publications (1)

Publication Number Publication Date
CN114362239A true CN114362239A (zh) 2022-04-15

Family

ID=81097179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111476989.XA Pending CN114362239A (zh) 2021-12-06 2021-12-06 一种综合考虑多因素的电网电源极限配置策略

Country Status (1)

Country Link
CN (1) CN114362239A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940152A (zh) * 2023-02-22 2023-04-07 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115940152A (zh) * 2023-02-22 2023-04-07 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质
CN115940152B (zh) * 2023-02-22 2023-08-18 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质

Similar Documents

Publication Publication Date Title
Moradi et al. Transmission Expansion Planning in the presence of wind farms with a mixed AC and DC power flow model using an Imperialist Competitive Algorithm
CN108565874B (zh) 一种基于负荷频率控制模型的源荷协同调频方法
CN105071433B (zh) 一种分布式电源的优化配置方案
CN106570579B (zh) 一种基于改进量子粒子群算法的水火电经济调度方法
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN107994582A (zh) 含分布式电源的配电网重构方法和系统
Li et al. Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity
CN110570015A (zh) 一种配电网多目标规划方法
Yang et al. Multidimensional firefly algorithm for solving day-ahead scheduling optimization in microgrid
CN115102200B (zh) 一种储能系统模型辨识方法和系统
CN110009141A (zh) 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统
CN116468168A (zh) 一种基于改进白鲸优化算法的分布式电源多目标分层规划方法
Ma et al. Optimal economic operation of islanded microgrid by using a modified pso algorithm
CN112564160B (zh) 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质
CN114362239A (zh) 一种综合考虑多因素的电网电源极限配置策略
Lopes et al. Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems
CN114386323A (zh) 基于改进蝴蝶算法的含分布式电源的配电网无功优化方法
Abrishambaf et al. Energy resource scheduling in an agriculture system using a decision tree approach
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN113346501B (zh) 基于头脑风暴算法的配电网电压优化方法及其系统
Slimani et al. Long-Term Wind Power Development in Morocco: Optimality Assessment using Bottom-up Modeling
CN115796533A (zh) 考虑清洁能源消纳的虚拟电厂双层优化调度方法及装置
CN115036936A (zh) 一种基于线损的风电集群参与电力系统调频方法
Mohammadhosseini et al. A combination of genetic algorithm and particle swarm optimization for power systems planning subject to energy storage
CN104217302B (zh) 面向碳足迹最小化的有源配电网二阶段规划方法及装置

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