CN114362255A - 一种源网荷储电力系统多目标日前调度优化方法及系统 - Google Patents

一种源网荷储电力系统多目标日前调度优化方法及系统 Download PDF

Info

Publication number
CN114362255A
CN114362255A CN202210030055.1A CN202210030055A CN114362255A CN 114362255 A CN114362255 A CN 114362255A CN 202210030055 A CN202210030055 A CN 202210030055A CN 114362255 A CN114362255 A CN 114362255A
Authority
CN
China
Prior art keywords
cost
generating unit
thermal power
power generating
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.)
Pending
Application number
CN202210030055.1A
Other languages
English (en)
Inventor
臧鹏程
王辉
张磊
张燕飞
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.)
Wulanchabu Power Supply Branch Of Inner Mongolia Electric Power Group Co ltd
Original Assignee
Wulanchabu Power Supply Branch Of Inner Mongolia Electric Power Group 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 Wulanchabu Power Supply Branch Of Inner Mongolia Electric Power Group Co ltd filed Critical Wulanchabu Power Supply Branch Of Inner Mongolia Electric Power Group Co ltd
Priority to CN202210030055.1A priority Critical patent/CN114362255A/zh
Publication of CN114362255A publication Critical patent/CN114362255A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Analysis (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种源网荷储电力系统多目标日前调度优化方法及系统，属于电力系统技术领域，构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型，多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数，利用NSGA‑Ⅱ算法对所述多目标日前优化调度模型进行求解，根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。本发明建立了更全面的日前优化调度目标函数，提高了系统新能源的消纳率，缓解火电机组的调峰压力，降低系统运行总成本。

Description

一种源网荷储电力系统多目标日前调度优化方法及系统
技术领域
本发明涉及电力系统技术领域，特别是涉及一种源网荷储电力系统多目标日前调度优化方法及系统。
背景技术
近年来，可再生装机能源装机容量持续扩大，可再生能源发电量不断攀升，高比例可再生能源并网，给可再生能源消纳带来了一系列严峻挑战。
在多种能源的电力系统优化调度求解中，一般仅考虑火电运行成本最小化的单目标求解，以二次函数拟合火电燃煤成本，且并未将新能源消纳以及系统灵活性裕量考虑在内。但随着高比例新能源的并网，火电机组出现了深度调峰、频繁爬坡等运行新工况，加上污染物惩罚、弃电惩罚等相关政策的变化，传统的系统运行成本模型不再适用，须建立更加完善的系统运行总成本计算模型。
发明内容
本发明的目的是提供一种源网荷储电力系统多目标日前调度优化方法及系统，以提高系统新能源的消纳率，缓解火电机组的调峰压力，降低系统运行总成本。
为实现上述目的，本发明提供了如下方案：
一种源网荷储电力系统多目标日前调度优化方法，所述方法包括：
构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型；所述多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数；
获取待调度地区新能源电力系统中各个分布式电源日出力的预测值；
根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对所述多目标日前优化调度模型进行求解，确定Pareto最优集；
根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
可选的，所述构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型，具体包括：
建立最低系统运行成本目标函数为
Figure BDA0003465992760000021
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure BDA0003465992760000022
分别表示t运行时段风电场、光伏电站的预测出力，
Figure BDA0003465992760000023
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
建立最大风光出力目标函数为
Figure BDA0003465992760000024
其中，f2表示风、光联合出力大小；
建立最大火电机组灵活性裕量目标函数为
Figure BDA0003465992760000025
其中，f3表示火电机组灵活性裕量，
Figure BDA0003465992760000026
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure BDA0003465992760000027
分别表示系统t运行时段向上、下的需求量，
Figure BDA0003465992760000028
表示系统t运行时段向上的灵活性供给能力，
Figure BDA0003465992760000029
Figure BDA00034659927600000210
表示系统t运行时段向下的灵活性供给能力，
Figure BDA0003465992760000031
Figure BDA0003465992760000032
分别为第i台火电机组在t运行时刻的上、下调灵活性供给，
Figure BDA0003465992760000033
分别为抽水蓄能电站在t运行时刻的上、下调灵活性供给，
Figure BDA0003465992760000034
分别为第i台火电机组的向上、向下爬坡速率，
Figure BDA0003465992760000035
分别为火电机组的出力上下限，Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限，ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure BDA0003465992760000036
分别为抽水蓄能电站最大、最小充电功率；
确定各发电单元的约束条件为
Figure BDA0003465992760000037
其中，
Figure BDA0003465992760000038
分别表示第i台火电机组最小、最大出力，
Figure BDA0003465992760000039
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure BDA00034659927600000310
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure BDA00034659927600000311
表示抽水蓄能电站在t运行时段的功率值，
Figure BDA00034659927600000312
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
确定系统功率平衡约束条件为
Figure BDA00034659927600000313
其中，
Figure BDA00034659927600000314
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
可选的，所述建立最低系统运行成本目标函数，具体包括：
利用公式
Figure BDA0003465992760000041
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure BDA0003465992760000042
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
利用公式
Figure BDA0003465992760000043
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
利用公式
Figure BDA0003465992760000044
确定污染物排放惩罚成本；其中，
Figure BDA0003465992760000045
分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure BDA0003465992760000046
表示燃烧过程中SO2的转化率，
Figure BDA0003465992760000047
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure BDA0003465992760000048
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率；
将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
可选的，所述获取待调度地区新能源电力系统中各个分布式电源日出力的预测值，之前还包括：
根据待调度地区的资源分布情况，确定待调度地区中分布式电源的种类。
一种源网荷储电力系统多目标日前调度优化系统，所述系统包括：
多目标日前优化调度模型构建模块，用于构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型；所述多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数；
日出力预测值获取模块，用于获取待调度地区新能源电力系统中各个分布式电源日出力的预测值；
Pareto最优集确定模块，用于根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对所述多目标日前优化调度模型进行求解，确定Pareto最优集；
最佳用电计划确定模块，用于根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
可选的，所述多目标日前优化调度模型构建模块，具体包括：
成本目标函数建立子模块，用于建立最低系统运行成本目标函数为
Figure BDA0003465992760000051
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure BDA0003465992760000052
分别表示t运行时段风电场、光伏电站的预测出力，
Figure BDA0003465992760000053
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
风光出力目标函数建立子模块，用于建立最大风光出力目标函数为
Figure BDA0003465992760000054
其中，f2表示风、光联合出力大小；
灵活性裕量目标函数建立子模块，用于建立最大火电机组灵活性裕量目标函数为
Figure BDA0003465992760000061
其中，f3表示火电机组灵活性裕量，
Figure BDA0003465992760000062
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure BDA0003465992760000063
分别表示系统t运行时段向上、下的需求量，
Figure BDA0003465992760000064
表示系统t运行时段向上的灵活性供给能力，
Figure BDA0003465992760000065
Figure BDA0003465992760000066
表示系统t运行时段向下的灵活性供给能力，
Figure BDA0003465992760000067
Figure BDA0003465992760000068
分别为第i台火电机组在t运行时刻的上、下调灵活性供给，
Figure BDA0003465992760000069
分别为抽水蓄能电站在t运行时刻的上、下调灵活性供给，
Figure BDA00034659927600000610
分别为第i台火电机组的向上、向下爬坡速率，
Figure BDA00034659927600000611
分别为火电机组的出力上下限，Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限，ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure BDA00034659927600000612
分别为抽水蓄能电站最大、最小充电功率；
发电单元约束条件确定子模块，用于确定各发电单元的约束条件为
Figure BDA00034659927600000613
其中，
Figure BDA00034659927600000614
分别表示第i台火电机组最小、最大出力，
Figure BDA00034659927600000615
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure BDA00034659927600000616
Figure BDA00034659927600000617
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure BDA0003465992760000071
表示抽水蓄能电站在t运行时段的功率值，
Figure BDA0003465992760000072
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
功率平衡约束条件确定子模块，用于确定系统功率平衡约束条件为
Figure BDA0003465992760000073
其中，
Figure BDA0003465992760000074
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
可选的，所述成本目标函数建立子模块，具体包括：
燃煤成本确定单元，用于利用公式
Figure BDA0003465992760000075
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure BDA0003465992760000076
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
爬坡成本确定单元，用于利用公式
Figure BDA0003465992760000077
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
污染物排放惩罚成本确定单元，用于利用公式
Figure BDA0003465992760000078
确定污染物排放惩罚成本；其中，
Figure BDA0003465992760000079
分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure BDA00034659927600000710
表示燃烧过程中SO2的转化率，
Figure BDA00034659927600000711
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure BDA00034659927600000712
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率；
火电机组运行成本确定单元，用于将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
系统运行成本最低目标函数确定单元，用于根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
可选的，所述系统还包括：
分布式电源种类确定模块，用于根据待调度地区的资源分布情况，确定待调度地区中分布式电源的种类。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种源网荷储电力系统多目标日前调度优化方法及系统，首先构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型，多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数，然后利用NSGA-Ⅱ算法对所述多目标日前优化调度模型进行求解，最后根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。本发明建立了更全面的日前优化调度目标函数，提高了系统新能源的消纳率，缓解火电机组的调峰压力，降低系统运行总成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种源网荷储电力系统多目标日前调度优化方法的流程图；
图2为本发明提供的一种源网荷储电力系统多目标日前调度优化方法的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种源网荷储电力系统多目标日前调度优化方法及系统，以提高系统新能源的消纳率，缓解火电机组的调峰压力，降低系统运行总成本。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种源网荷储电力系统多目标日前调度优化方法，如图1-2所示，方法包括：
步骤101，构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型。多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数。
具体包括：
(1)建立最低系统运行成本目标函数为
Figure BDA0003465992760000091
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure BDA0003465992760000092
分别表示t运行时段风电场、光伏电站的预测出力，
Figure BDA0003465992760000093
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
最低系统运行成本目标函数获得过程为：
利用公式
Figure BDA0003465992760000101
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure BDA0003465992760000102
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
利用公式
Figure BDA0003465992760000103
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
利用公式
Figure BDA0003465992760000104
确定污染物排放惩罚成本；其中，
Figure BDA0003465992760000105
QTSP,i分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure BDA0003465992760000106
表示燃烧过程中SO2的转化率，
Figure BDA0003465992760000107
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure BDA0003465992760000108
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率(取75％)；
Figure BDA0003465992760000109
表示SO2和S的分子量之比；
Figure BDA00034659927600001010
表示NOx和N的分子量之比；第i台火电机组的燃煤消耗量Mi均按一般工况下计算：
Figure BDA00034659927600001011
将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
(2)建立最大风光出力目标函数为
Figure BDA0003465992760000111
其中，f2表示风、光联合出力大小；
(3)建立最大火电机组灵活性裕量目标函数为
Figure BDA0003465992760000112
其中，f3表示火电机组灵活性裕量，
Figure BDA0003465992760000113
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure BDA0003465992760000114
分别表示系统t运行时段向上、下的灵活性供给能力，
Figure BDA0003465992760000115
分别表示系统t运行时段向上、下的需求量；
最大火电机组灵活性裕量目标函数各个字母的计算方法为：
电力系统灵活性裕量为相同时段同一方向的灵活性供给与需求的差值，运行时段t系统灵活性裕量如式
Figure BDA0003465992760000116
所示，当出现向上灵活性缺额时，系统会面临切负荷风险；当出现向下灵活性缺额时，系统将摒弃部分新能源出力。
灵活性需求计算公式如式
Figure BDA0003465992760000117
所示，电力系统灵活性需求可表征应对净负荷波动所需的系统调节能力，净负荷计算公式如
Figure BDA0003465992760000118
所示。其中，
FNE,t＝PNL,t+1-PNL,t
PNL,t＝Lt-PRE,t
其中，FNE,t为电力系统灵活性需求；PNL,t和PNL,t+1分别为系统t运行时刻和t+1运行时刻的净负荷功率，Lt为系统t运行时刻的用电负荷，PRE，t为系统t运行时刻的新能源总出力。
系统向上、向下灵活性供给能力分别如式
Figure BDA0003465992760000121
Figure BDA0003465992760000122
所示。
Figure BDA0003465992760000123
Figure BDA0003465992760000124
其中，
Figure BDA0003465992760000125
分别为系统t运行时刻向上、下的灵活性供给能力；Ng为系统中火电机组数量；
Figure BDA0003465992760000126
分别为火电第i台机组在t运行时刻的上、下调灵活性供给，
Figure BDA0003465992760000127
分别为抽水蓄能电站在t运行的上、下调灵活性供给；
Figure BDA0003465992760000128
为抽水蓄能在t运行时刻的出力；
Figure BDA0003465992760000129
及
Figure BDA00034659927600001210
分别为火电机组和抽水蓄能的出力上下限；
Figure BDA00034659927600001211
分别为第i台火电机组的向上、向下爬坡速率；Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限；ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure BDA00034659927600001212
分别为抽水蓄能电站最大、最小充电功率。
(4)确定各发电单元的约束条件为
Figure BDA00034659927600001213
其中，
Figure BDA00034659927600001214
Figure BDA0003465992760000131
分别表示第i台火电机组最小、最大出力，
Figure BDA0003465992760000132
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure BDA0003465992760000133
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure BDA0003465992760000134
表示抽水蓄能电站在t运行时段的功率值，
Figure BDA0003465992760000135
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
(5)确定系统功率平衡约束条件为
Figure BDA0003465992760000136
其中，
Figure BDA0003465992760000137
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
本发明选择次日24h作为该模型的调度周期，以小时为尺度。建立含风、光、火、蓄的高比例新能源电力系统多目标日前优化调模型，包括目标函数及约束条件。其中，日前调度是指前一日对次日24h的调度安排。
步骤102，获取待调度地区新能源电力系统中各个分布式电源日出力的预测值。
首先，根据某区域的资源分布，发用电负荷情况等综合考虑多种因素合理选择分布式电源。然后，将选择的各个分布式电源典型日出力的预测值作为模型输入。
步骤103，根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对多目标日前优化调度模型进行求解，确定Pareto最优集。
NSGA-Ⅱ算法计算步骤如下所示：
(1)随机产生规模为N的初始种群；
(2)非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；
(3)从第二代开始，将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群；
(4)通过遗传算法的基本操作产生新的子代种群：依此类推，直到满足程序结束的条件。
步骤104，根据待调度地区的当日调度优化目标，在Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
考虑抽水蓄能电站，兼顾系统净负荷波动的风、光、蓄联合互补运行多目标优化，火电机组进行调峰。
本发明以最小化火电机组运行成本、最大化新能源出力、最大化火电机组灵活性裕量为目标函数，同时通过分段函数拟合能反映火电低负荷运行工况的火电燃煤成本，建立了考虑更全面的日前优化调度目标函数。
本发明还提供了一种源网荷储电力系统多目标日前调度优化系统，系统包括：
多目标日前优化调度模型构建模块，用于构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型；多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数；
日出力预测值获取模块，用于获取待调度地区新能源电力系统中各个分布式电源日出力的预测值；
Pareto最优集确定模块，用于根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对多目标日前优化调度模型进行求解，确定Pareto最优集；
最佳用电计划确定模块，用于根据待调度地区的当日调度优化目标，在Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
多目标日前优化调度模型构建模块，具体包括：
成本目标函数建立子模块，用于建立最低系统运行成本目标函数为
Figure BDA0003465992760000141
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure BDA0003465992760000151
分别表示t运行时段风电场、光伏电站的预测出力，
Figure BDA0003465992760000152
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
风光出力目标函数建立子模块，用于建立最大风光出力目标函数为
Figure BDA0003465992760000153
其中，f2表示风、光联合出力大小；
灵活性裕量目标函数建立子模块，用于建立最大火电机组灵活性裕量目标函数为
Figure BDA0003465992760000154
其中，f3表示火电机组灵活性裕量，
Figure BDA0003465992760000155
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure BDA0003465992760000156
分别表示系统t运行时段向上、下的需求量，
Figure BDA0003465992760000157
表示系统t运行时段向上的灵活性供给能力，
Figure BDA0003465992760000158
Figure BDA0003465992760000159
表示系统t运行时段向下的灵活性供给能力，
Figure BDA00034659927600001510
Figure BDA00034659927600001511
分别为第i台火电机组在t运行时刻的上、下调灵活性供给，
Figure BDA00034659927600001512
分别为抽水蓄能电站在t运行时刻的上、下调灵活性供给，
Figure BDA00034659927600001513
分别为第i台火电机组的向上、向下爬坡速率，
Figure BDA00034659927600001514
分别为火电机组的出力上下限，Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限，ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure BDA00034659927600001515
分别为抽水蓄能电站最大、最小充电功率；
发电单元约束条件确定子模块，用于确定各发电单元的约束条件为
Figure BDA0003465992760000161
其中，
Figure BDA0003465992760000162
分别表示第i台火电机组最小、最大出力，
Figure BDA0003465992760000163
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure BDA0003465992760000164
Figure BDA0003465992760000165
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure BDA0003465992760000166
表示抽水蓄能电站在t运行时段的功率值，
Figure BDA0003465992760000167
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
功率平衡约束条件确定子模块，用于确定系统功率平衡约束条件为
Figure BDA0003465992760000168
其中，
Figure BDA0003465992760000169
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
成本目标函数建立子模块，具体包括：
燃煤成本确定单元，用于利用公式
Figure BDA00034659927600001610
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure BDA00034659927600001611
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
爬坡成本确定单元，用于利用公式
Figure BDA00034659927600001612
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
污染物排放惩罚成本确定单元，用于利用公式
Figure BDA0003465992760000171
确定污染物排放惩罚成本；其中，
Figure BDA0003465992760000172
QTSP,i分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure BDA0003465992760000173
表示燃烧过程中SO2的转化率，
Figure BDA0003465992760000174
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure BDA0003465992760000175
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率；
火电机组运行成本确定单元，用于将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
系统运行成本最低目标函数确定单元，用于根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
系统还包括：
分布式电源种类确定模块，用于根据待调度地区的资源分布情况，确定待调度地区中分布式电源的种类。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种源网荷储电力系统多目标日前调度优化方法，其特征在于，所述方法包括：
构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型；所述多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数；
获取待调度地区新能源电力系统中各个分布式电源日出力的预测值；
根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对所述多目标日前优化调度模型进行求解，确定Pareto最优集；
根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
2.根据权利要求1所述的源网荷储电力系统多目标日前调度优化方法，其特征在于，所述构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型，具体包括：
建立最低系统运行成本目标函数为
Figure FDA0003465992750000011
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure FDA0003465992750000012
分别表示t运行时段风电场、光伏电站的预测出力，
Figure FDA0003465992750000013
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
建立最大风光出力目标函数为
Figure FDA0003465992750000014
其中，f2表示风、光联合出力大小；
建立最大火电机组灵活性裕量目标函数为
Figure FDA0003465992750000021
其中，f3表示火电机组灵活性裕量，
Figure FDA0003465992750000022
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure FDA0003465992750000023
分别表示系统t运行时段向上、下的需求量，
Figure FDA0003465992750000024
表示系统t运行时段向上的灵活性供给能力，
Figure FDA0003465992750000025
Figure FDA0003465992750000026
表示系统t运行时段向下的灵活性供给能力，
Figure FDA0003465992750000027
Figure FDA0003465992750000028
分别为第i台火电机组在t运行时刻的上、下调灵活性供给，Ft PH,up、Ft PH,dn分别为抽水蓄能电站在t运行时刻的上、下调灵活性供给，
Figure FDA0003465992750000029
分别为第i台火电机组的向上、向下爬坡速率，
Figure FDA00034659927500000210
分别为火电机组的出力上下限，Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限，ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure FDA00034659927500000211
分别为抽水蓄能电站最大、最小充电功率；
确定各发电单元的约束条件为
Figure FDA00034659927500000212
其中，
Figure FDA00034659927500000213
分别表示第i台火电机组最小、最大出力，
Figure FDA00034659927500000214
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure FDA00034659927500000215
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure FDA0003465992750000031
表示抽水蓄能电站在t运行时段的功率值，
Figure FDA0003465992750000032
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
确定系统功率平衡约束条件为
Figure FDA0003465992750000033
其中，
Figure FDA0003465992750000034
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
3.根据权利要求2所述的源网荷储电力系统多目标日前调度优化方法，其特征在于，所述建立最低系统运行成本目标函数，具体包括：
利用公式
Figure FDA0003465992750000035
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure FDA0003465992750000036
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
利用公式
Figure FDA0003465992750000037
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
利用公式
Figure FDA0003465992750000038
确定污染物排放惩罚成本；其中，
Figure FDA0003465992750000039
QTSP,i分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure FDA00034659927500000310
表示燃烧过程中SO2的转化率，
Figure FDA00034659927500000311
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure FDA00034659927500000312
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率；
将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
4.根据权利要求1所述的源网荷储电力系统多目标日前调度优化方法，其特征在于，所述获取待调度地区新能源电力系统中各个分布式电源日出力的预测值，之前还包括：
根据待调度地区的资源分布情况，确定待调度地区中分布式电源的种类。
5.一种源网荷储电力系统多目标日前调度优化系统，其特征在于，所述系统包括：
多目标日前优化调度模型构建模块，用于构建考虑火电机组在深度调峰和频繁爬坡工况下的新能源电力系统的多目标日前优化调度模型；所述多目标日前优化调度模型以发电单元的运行状态为决策变量，以最小化火电机组运行成本、最大化风光出力、最大化火电机组灵活性裕量为目标函数；
日出力预测值获取模块，用于获取待调度地区新能源电力系统中各个分布式电源日出力的预测值；
Pareto最优集确定模块，用于根据各个分布式电源日出力的预测值，利用NSGA-Ⅱ算法对所述多目标日前优化调度模型进行求解，确定Pareto最优集；
最佳用电计划确定模块，用于根据待调度地区的当日调度优化目标，在所述Pareto最优集中选取满足当日调度优化目标的最优解，作为待调度地区当日的最佳用电计划。
6.根据权利要求5所述的源网荷储电力系统多目标日前调度优化系统，其特征在于，所述多目标日前优化调度模型构建模块，具体包括：
成本目标函数建立子模块，用于建立最低系统运行成本目标函数为
Figure FDA0003465992750000051
其中，f1表示系统运行成本，zt1表示火电机组运行成本，zt2表示弃电惩罚成本，zt11、zt12和zt13分别表示火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本，
Figure FDA0003465992750000052
分别表示t运行时段风电场、光伏电站的预测出力，
Figure FDA0003465992750000053
分别表示t运行时刻风电、光电的实际出力，ζw、ζpv为弃风、弃光电量的惩罚费用，T表示调度周期；
风光出力目标函数建立子模块，用于建立最大风光出力目标函数为
Figure FDA0003465992750000054
其中，f2表示风、光联合出力大小；
灵活性裕量目标函数建立子模块，用于建立最大火电机组灵活性裕量目标函数为
Figure FDA0003465992750000055
其中，f3表示火电机组灵活性裕量，
Figure FDA0003465992750000056
分别表示t运行时段同一方向的灵活性供给与需求量，
Figure FDA0003465992750000057
分别表示系统t运行时段向上、下的需求量，
Figure FDA0003465992750000058
表示系统t运行时段向上的灵活性供给能力，
Figure FDA0003465992750000059
Figure FDA00034659927500000510
表示系统t运行时段向下的灵活性供给能力，
Figure FDA00034659927500000511
Figure FDA00034659927500000512
分别为第i台火电机组在t运行时刻的上、下调灵活性供给，Ft PH,up、Ft PH,dn分别为抽水蓄能电站在t运行时刻的上、下调灵活性供给，
Figure FDA00034659927500000513
分别为第i台火电机组的向上、向下爬坡速率，
Figure FDA00034659927500000514
分别为火电机组的出力上下限，Et、Emax、Emin分别为抽水蓄能电站在t运行时段的存储电量及其上、下限，ηC、ηD分别为抽水蓄能电站的充电、放电效率，
Figure FDA0003465992750000061
分别为抽水蓄能电站最大、最小充电功率；
发电单元约束条件确定子模块，用于确定各发电单元的约束条件为
Figure FDA0003465992750000062
其中，
Figure FDA0003465992750000063
分别表示第i台火电机组最小、最大出力，
Figure FDA0003465992750000064
分别表示第i台火电机组在t、t-1运行时刻的输出功率，
Figure FDA0003465992750000065
Figure FDA0003465992750000066
分别表示第i台火电机组在t运行时段内向上爬坡、向下爬坡速率限值，Δt表示调节时间间隔，
Figure FDA0003465992750000067
表示抽水蓄能电站在t运行时段的功率值，
Figure FDA0003465992750000068
为抽水蓄能电站最大功率值，ηG表示抽水蓄能转换效率，TG表示抽水蓄能电站发电工况运行时段；
功率平衡约束条件确定子模块，用于确定系统功率平衡约束条件为
Figure FDA0003465992750000069
其中，
Figure FDA00034659927500000610
表示t运行时段的负荷值，Ng表示系统中火电机组数量。
7.根据权利要求6所述的源网荷储电力系统多目标日前调度优化系统，其特征在于，所述成本目标函数建立子模块，具体包括：
燃煤成本确定单元，用于利用公式
Figure FDA00034659927500000611
确定火电机组燃煤成本；其中，w表示煤价，ai、bi、ci分别表示第i台火电机组的第一、第二、第三煤耗系数，α表示低负荷工况边界限定，
Figure FDA00034659927500000612
分别表示第i台火电机组的最大、最小输出功率，pi、qi、mi、ni分别表示第i台火电机组的第一、第二、第三、第四低负荷工况成本因子；
爬坡成本确定单元，用于利用公式
Figure FDA0003465992750000071
确定火电机组爬坡成本；其中，σi表示第i台火电机组的爬坡成本因子；
污染物排放惩罚成本确定单元，用于利用公式
Figure FDA0003465992750000072
确定污染物排放惩罚成本；其中，
Figure FDA0003465992750000073
QTSP,i分别表示SO2、NOx以及粉尘排放成本，q1、q2、q3分别表示SO2、NOx、粉尘排放收费标准，Mi表示第i台火电机组的燃煤消耗量，Sar表示燃煤收到基含硫量，
Figure FDA0003465992750000074
表示燃烧过程中SO2的转化率，
Figure FDA0003465992750000075
表示脱硫装置的脱硫效率，Nar表示燃煤收到基含氮量，
Figure FDA0003465992750000076
表示燃烧过程中NOx的转化率，m表示燃料中氮生成的NOx占全部NOx排放量的比例，ηN表示脱硝装置的脱硝效率，μ表示粉尘排放系数；ηc表示除尘效率；
火电机组运行成本确定单元，用于将调度周期内火电机组燃煤成本、火电机组爬坡成本和污染物排放惩罚成本的和作为火电机组运行成本；
系统运行成本最低目标函数确定单元，用于根据火电机组运行成本和弃电惩罚成本，确定系统运行成本最低目标函数。
8.根据权利要求5所述的源网荷储电力系统多目标日前调度优化系统，其特征在于，所述系统还包括：
分布式电源种类确定模块，用于根据待调度地区的资源分布情况，确定待调度地区中分布式电源的种类。
CN202210030055.1A 2022-01-12 2022-01-12 一种源网荷储电力系统多目标日前调度优化方法及系统 Pending CN114362255A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210030055.1A CN114362255A (zh) 2022-01-12 2022-01-12 一种源网荷储电力系统多目标日前调度优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210030055.1A CN114362255A (zh) 2022-01-12 2022-01-12 一种源网荷储电力系统多目标日前调度优化方法及系统

Publications (1)

Publication Number Publication Date
CN114362255A true CN114362255A (zh) 2022-04-15

Family

ID=81108776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210030055.1A Pending CN114362255A (zh) 2022-01-12 2022-01-12 一种源网荷储电力系统多目标日前调度优化方法及系统

Country Status (1)

Country Link
CN (1) CN114362255A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117638874A (zh) * 2023-11-07 2024-03-01 国网四川省电力公司经济技术研究院 一种基于源网荷储协同优化的新能源系统成本确定方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117638874A (zh) * 2023-11-07 2024-03-01 国网四川省电力公司经济技术研究院 一种基于源网荷储协同优化的新能源系统成本确定方法

Similar Documents

Publication Publication Date Title
CN109256799B (zh) 一种基于样本熵的新能源电力系统优化调度方法
CN106786799B (zh) 一种直流联络线功率阶梯化发电计划优化方法
CN107276122B (zh) 适应大规模可再生能源并网的调峰资源调用决策方法
WO2023065113A1 (zh) 风光水多能互补系统灵活性需求量化及协调优化方法
CN110009244B (zh) 一种考虑抗灾恢复的区域综合能源系统优化调度方法
CN109586284B (zh) 考虑弃能约束的送端电力系统随机生产模拟方法及应用
CN109347152B (zh) 考虑多类型电源参与调峰的随机生产模拟方法及应用
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN112564183A (zh) 电网规划中风光火储的容量优化配置方法
CN114221338B (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
CN114243794B (zh) 风光水多能互补系统灵活性需求量化及协调优化方法
CN110336329A (zh) 特高压直流以及新能源参与后的受端电网调峰控制方法
CN113937819A (zh) 一种多能源短期优化调度方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN114400698B (zh) 一种高比例清洁能源电网电源最优降碳运行方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN115360706A (zh) 考虑dr和灵活性供需平衡的源荷储联合调度方法及系统
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN114362255A (zh) 一种源网荷储电力系统多目标日前调度优化方法及系统
CN110571868B (zh) 微电网的优化配置方法
CN112736903A (zh) 一种海岛微网能量优化调度方法及装置
CN110601233A (zh) 一种电力系统中储能电站的调峰调度方法
CN113394820B (zh) 一种新能源并网电力系统的优化调度方法
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
Ma et al. Multi-objective optimal scheduling of power system considering the coordinated operation of photovoltaic-wind-pumped storage hybrid power

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