CN114400698A - 一种高比例清洁能源电网电源最优降碳运行方法 - Google Patents

一种高比例清洁能源电网电源最优降碳运行方法 Download PDF

Info

Publication number
CN114400698A
CN114400698A CN202111475699.3A CN202111475699A CN114400698A CN 114400698 A CN114400698 A CN 114400698A CN 202111475699 A CN202111475699 A CN 202111475699A CN 114400698 A CN114400698 A CN 114400698A
Authority
CN
China
Prior art keywords
output
moment
thermal power
whole year
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.)
Granted
Application number
CN202111475699.3A
Other languages
English (en)
Other versions
CN114400698B (zh
Inventor
黄文涛
王歆智
何俊
罗杰
邓明辉
程肖达
朱理文
于华
张博凯
郑青青
王宇
叶泽力
刘子旻
刘宗
刘毅
何立勋
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.)
Hubei University of Technology
Original Assignee
Hubei 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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN202111475699.3A priority Critical patent/CN114400698B/zh
Publication of CN114400698A publication Critical patent/CN114400698A/zh
Application granted granted Critical
Publication of CN114400698B publication Critical patent/CN114400698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种高比例清洁能源电网电源最优降碳运行方法。引入全年每个时刻每个机组不同类型的电源出力和负荷，构建电网电源与负荷平衡模型、上网电价收益模型、发电成本模型、经济效益模型和碳排放目标模型；根据经济效益模型、碳排放目标模型构建电源最优降碳运行策略综合目标模型，构建系统约束条件模型。以电源最优降碳运行策略综合目标模型作为优化目标，以系统约束条件模型作为约束条件，通过NSGA‑Ⅱ算法对目标模型进行优化求解，得到优化后全年每个时刻各类型电源最优出力策略。本发明在满足高占比清洁能源电网内系统和各种电源约束条件下，将全年分为多个时段，分别优化选取每种电源的配置容量，使电网的碳排放最小并且经济效益最大化。

Description

一种高比例清洁能源电网电源最优降碳运行方法
技术领域
本发明涉及一种电网电源最优降碳运行的方法，尤其是涉及一种高比例清洁能源电网电源最优降碳运行方法。
背景技术
在实际电网中，包括多种能源形式协调运行，火电机组较为稳定一般充当基荷；水电机组受来水影响较大，分为枯水期和丰水期；光伏机组受日照以及昼夜因素影响较大；风电机组受季节性来风情况影响较大。每种能源形式发电特性以及发电并网成本有着差异性，如何在协调来水、来风、光照变化等情况下，满足电网负荷峰谷差要求，尽可能降碳运行且保障各种能源发电的综合效益成本是非常有必要的。
发明内容
本发明主要是解决现有策略所存在的技术问题，提出了一种高比例清洁能源电网电源最优降碳运行方法。针对高比例清洁能源电网运行的特点，考虑电网内电源与大电网传统电源的互补，计及风光水火各种类型电源出力的特性和负荷与电源之间的功率匹配特性，在满足系统约束和不同电源约束的条件下，优化选取每种类型电源的组合配置，使高比例清洁能源电网在经济效益最大化的同时排碳量最小。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种高比例清洁能源电网电源最优降碳运行方法，其特征在于，包括以下步骤：
步骤1：引入全年每个时刻每个机组的火电出力、全年每个时刻每个机组的风电出力、全每个时刻每个机组的光伏出力、全年每个时刻每个机组的水电出力、全年每个时刻的负荷，进一步构建电网电源与负荷平衡模型；
步骤2：构建上网电价收益模型、构建发电成本模型，进一步通过上网电价收益模型、发电成本模型构建经济效益模型；
步骤3：构建碳排放目标模型；
步骤4：根据经济效益模型、碳排放目标模型构建电源最优降碳运行策略综合目标模型；
步骤5：根据电源最优降碳运行策略综合目标模型作为优化目标模型，通过功率平衡约束、线路潮流安全约束、节点电压约束、火电机组约束、水电机组约束、光伏出力上限约束、风电出力上限约束、碳排放约束构建系统约束条件模型；
步骤6：以步骤4所述的电源最优降碳运行策略综合目标模型作为优化目标，以步骤5所述的系统约束条件模型作为约束条件，通过NSGA-Ⅱ算法对电源最优降碳运行策略综合目标模型进行优化求解，得到优化后全年每个时刻各类型电源的最优出力策略，该策略可用于高比例清洁能源电网实际调度运行过程中各类型电源的出力分配；
作为优选，步骤1所述全年每个时刻每个机组的火电出力为：
Figure BDA0003393140230000021
其中，
Figure BDA0003393140230000022
为全年第t个时刻第i组火电机组的出力,T表示全年时刻的数量， NG是火电机组的总数量；
步骤1所述全年每个时刻每个机组的风电出力为：
Figure BDA0003393140230000023
其中，
Figure BDA0003393140230000024
为全年第t个时刻第j组风电机组的出力,T表示全年时刻的数量， NW是风电机组的总数量；
步骤1所述全年每个时刻每个机组的光伏出力为：
Figure BDA0003393140230000025
其中，
Figure BDA0003393140230000026
为全年第t个时刻第k组光伏机组的出力,T表示全年时刻的数量， NP是光伏机组的总数量；
步骤1所述全年每个时刻每个机组的水电出力为：
Figure BDA0003393140230000031
其中，
Figure BDA0003393140230000032
为全年第t个时刻第l组水电机组的出力,T表示全年时刻的数量， NH是水电机组的总数量；
步骤1所述全年每个时刻的负荷为：
PL,t，t＝1,2,...T
其中，PL,t为全年第t个时刻的负荷,T表示全年时刻的数量；
步骤1所述构建电网电源与负荷平衡模型为：
Figure BDA0003393140230000033
作为优选，步骤2所述上网电价收益模型为：
Figure BDA0003393140230000034
其中，
Figure BDA0003393140230000035
为全年第t个时刻第i组火电机组的出力，
Figure BDA0003393140230000036
为全年第t个时刻第 j组风电机组的出力，
Figure BDA0003393140230000037
为全年第t个时刻第k组光伏机组的出力，
Figure BDA0003393140230000038
为全年第t个时刻第l组水电机组的出力，ρG是火电的上网平均电价，ρW是风电的上网平均电价，ρP是光伏的上网平均电价，ρH是水电的上网平均电价,T表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤2所述构建发电成本模型为：
C＝C1+C2+C3+C4+C5
其中，C1表示火电机组的燃料成本，C2表示火电机组的启停成本，C3表示水电机组的发电成本，C4表示风电机组的发电成本，C5表示光伏机组的发电成本；
步骤2所述构建经济效益模型为：
maxF1＝S-C
其中，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益；
作为优选，步骤3所述构建碳排放目标模型为：
Figure BDA0003393140230000041
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure BDA0003393140230000042
为全年第t个时刻第i组火电机组的出力,T表示全年时刻的数量，NG是火电机组的总数量；
作为优选，步骤4所述构建电源最优降碳运行策略综合目标模型为：
Figure BDA0003393140230000043
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure BDA0003393140230000044
为全年第t个时刻第i组火电机组的出力,T 表示全年时刻的数量，NG是火电机组的总数量，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益；
作为优选，步骤5所述功率平衡约束为：
Figure BDA0003393140230000045
其中，
Figure BDA0003393140230000046
为全年第t个时刻第i组火电机组的出力，
Figure BDA0003393140230000047
为全年第t个时刻第 j组风电机组的出力，
Figure BDA0003393140230000048
为全年第t个时刻第k组光伏机组的出力，
Figure BDA0003393140230000049
为全年第t个时刻第l组水电机组的出力，T表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤5所述线路潮流安全约束为：
Pline,min≤Pline,t≤Pline,max
其中，Pline,min是线路潮流的下限，Pline,max是线路潮流的上限，Pline,t是线路在第t个时刻的潮流；
步骤5所述节点电压约束为：
Figure BDA0003393140230000051
其中，
Figure BDA0003393140230000052
是节点k在t时刻的电压上限，
Figure BDA0003393140230000053
是节点k在第t个时刻的电压下限，Vk,t是节点k在第t个时刻的电压；
步骤5所述火电机组出力上下限约束为；
ui,tPi,min≤Pi≤ui,tPi,max
其中，Pi,max是火电机组出力的上限，Pi,min是第i组火电机组的出力的下限， ui,t是第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组最小启停时间约束为：
Figure BDA0003393140230000054
Figure BDA0003393140230000055
其中，
Figure BDA0003393140230000056
是第t-1个时刻第i组火电机组的实际启动时间，
Figure BDA0003393140230000057
为第t-1 个时刻第i组火电机组的实际停止时间，
Figure BDA0003393140230000058
是第t个时刻第i组火电机组的最小启动时间，
Figure BDA0003393140230000059
是第i组火电机组的最小停止时间，ui,t是第t个时刻第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组爬坡约束为：
-RdΔt≤Pi,t-Pi,t-1≤RuΔt
其中，Ru是火电机组的爬坡速率，Rd是是火电机组的滑坡速率，Pi,t是第t 个时刻第i组火电机组的的出力，Δt是时间段间隔；
步骤5所述火电机组启停成本约束：
Figure BDA00033931402300000510
Figure BDA00033931402300000511
其中，ui,t是第t个时刻第i组火电机组的的状态变量，1是运行，0是停机，
Figure BDA0003393140230000061
是火电机组i的启动成本，
Figure BDA0003393140230000062
是火电机组i的停止成本；
步骤5所述水电机组水电发电量约束为：
Figure BDA0003393140230000063
其中，WH是水电机组总发电量，Pl,t是第t个时刻第l组水电机组的出力，T 是调度总时段，NH是水电机组的总数量；
步骤5所述水电机组水库出库流量约束为：
Figure BDA0003393140230000064
其中，
Figure BDA0003393140230000065
是水电站hp在t时段内的出库流量，Qmax,t是水电站hp在t时段内的出库流量上限，Qmin,t是水电站hp在t时段内出库流量下限；
步骤5所述水电机组库容约束为：
Figure BDA0003393140230000066
其中，
Figure BDA0003393140230000067
是水电站hp的库存容量上限，
Figure BDA0003393140230000068
是水电站hp的库存容量下限，
Figure BDA0003393140230000069
是水电站hp在t时刻的库存容量；
步骤5所述水能电能转换约束为：
pl,t＝el,rql,t+fl,r
Figure BDA00033931402300000610
其中，el,r是水电机组l第r段库容下发电功率线性曲线一次项，fl,r是常数项；水库库容分为R段，r∈{1,2,...,R}，Vl,r是水电机组l第r段库容，并设定 Vl,0＝0；
步骤5所述光伏机组出力上限约束为：
Figure BDA00033931402300000611
其中，
Figure BDA00033931402300000612
是第t个时刻第k组光伏机组的出力上限，
Figure BDA00033931402300000613
是第t个时刻第k 组光伏机组的出力下限，Pk,t是光伏机组k在t时刻的出力；
步骤5所述风电机组出力上限约束为：
Figure BDA0003393140230000071
其中，
Figure BDA0003393140230000072
是第t个时刻第j组风电机组的出力上限，
Figure BDA0003393140230000073
为第t个时刻第j 组风电机组的出力下限，Pj,t是风电机组j在t时刻的出力；
步骤5所述碳排放约束为：
Figure BDA0003393140230000074
其中，Ei,t是火电机组i在t时刻的CO2排放量，T是调度总时段，NG是火电机组总数量，
Figure BDA0003393140230000075
是调度周期内允许排放的CO2最大量；
本发明具有如下优点：
针对高比例清洁能源电网的运行特点，考虑电网内各类型电源的运行特性和电源与负荷的匹配互补特性，计及风光资源的随机性、负荷的波动性等，在满足高占比清洁能源电网内系统和各种电源约束的条件下，将全年分为多个时段，分别优化选取每种电源的配置容量，使电网的碳排放最小并且经济效益最大化。
附图说明
图1：是本发明的方法流程示意图。
图2：是测试算例电网拓扑结构图。
图3：是前12个小时系统电源出力策略。
图4：是后12个小时系统电源出力策略。
图5：是前12个小时不同电源出力策略。
图6：是后12个小时不同电源出力策略。
图7：是不同调度方案比较图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
下面结合附图1-7，对本发明的技术方案作进一步具体的说明：
如图1所示，一种高比例清洁能源电网电源最优降碳运行方法，其特征在于：
步骤1：引入全年每个时刻每个机组的火电出力、全年每个时刻每个机组的风电出力、全每个时刻每个机组的光伏出力、全年每个时刻每个机组的水电出力、全年每个时刻的负荷，进一步构建电网电源与负荷平衡模型；
步骤1所述全年每个时刻每个机组的火电出力为：
Figure BDA0003393140230000081
其中，
Figure BDA0003393140230000082
为全年第t个时刻第i组火电机组的出力,T＝8760表示全年时刻的数量，NG是火电机组的总数量；
步骤1所述全年每个时刻每个机组的风电出力为：
Figure BDA0003393140230000083
其中，
Figure BDA0003393140230000084
为全年第t个时刻第j组风电机组的出力,T＝8760表示全年时刻的数量，NW是风电机组的总数量；
步骤1所述全年每个时刻每个机组的光伏出力为：
Figure BDA0003393140230000085
其中，
Figure BDA0003393140230000086
为全年第t个时刻第k组光伏机组的出力,T＝8760表示全年时刻的数量，NP是光伏机组的总数量；
步骤1所述全年每个时刻每个机组的水电出力为：
Figure BDA0003393140230000087
其中，
Figure BDA0003393140230000088
为全年第t个时刻第l组水电机组的出力,T＝8760表示全年时刻的数量，NH是水电机组的总数量；
步骤1所述全年每个时刻的负荷为：
PL,t，t＝1,2,…T
其中，PL,t为全年第t个时刻的负荷,T＝8760表示全年时刻的数量；
步骤1所述构建电网电源与负荷平衡模型为：
Figure BDA0003393140230000089
步骤2：构建上网电价收益模型、构建发电成本模型，进一步通过上网电价收益模型、发电成本模型构建经济效益模型；
步骤2所述上网电价收益模型为：
Figure BDA0003393140230000091
其中，
Figure BDA0003393140230000092
为全年第t个时刻第i组火电机组的出力，
Figure BDA0003393140230000093
为全年第t个时刻第 j组风电机组的出力，
Figure BDA0003393140230000094
为全年第t个时刻第k组光伏机组的出力，
Figure BDA0003393140230000095
为全年第t个时刻第l组水电机组的出力，ρG是火电的上网平均电价，ρW是风电的上网平均电价，ρP是光伏的上网平均电价，ρH是水电的上网平均电价,T＝8760 表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤2所述构建发电成本模型为：
C＝C1+C2+C3+C4+C5
其中，C1表示火电机组的燃料成本，C2表示火电机组的启停成本，C3表示水电机组的发电成本，C4表示风电机组的发电成本，C5表示光伏机组的发电成本；
步骤2所述构建经济效益模型为：
maxF1＝S-C
其中，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益；
步骤3：构建碳排放目标模型；
步骤3所述构建碳排放目标模型为：
Figure BDA0003393140230000096
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure BDA0003393140230000097
为全年第t个时刻第i组火电机组的出力, T＝8760表示全年时刻的数量，NG是火电机组的总数量；
步骤4：根据经济效益模型、碳排放目标模型构建电源最优降碳运行策略综合目标模型；
步骤4所述构建电源最优降碳运行策略综合目标模型为：
Figure BDA0003393140230000101
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure BDA0003393140230000102
为全年第t个时刻第i组火电机组的出力, T＝8760表示全年时刻的数量，NG是火电机组的总数量，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益；
步骤5：根据电源最优降碳运行策略综合目标模型作为优化目标模型，通过功率平衡约束、线路潮流安全约束、节点电压约束、火电机组约束、水电机组约束、光伏出力上限约束、风电出力上限约束、碳排放约束构建系统约束条件模型；
步骤5所述功率平衡约束为：
Figure BDA0003393140230000103
其中，
Figure BDA0003393140230000104
为全年第t个时刻第i组火电机组的出力，
Figure BDA0003393140230000105
为全年第t个时刻第 j组风电机组的出力，
Figure BDA0003393140230000106
为全年第t个时刻第k组光伏机组的出力，
Figure BDA0003393140230000107
为全年第t个时刻第l组水电机组的出力，T＝8760表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤5所述线路潮流安全约束为：
Pline,min≤Pline,t≤Pline,max
其中，Pline,min是线路潮流的下限，Pline,max是线路潮流的上限，Pline,t是线路在第t个时刻的潮流；
步骤5所述节点电压约束为：
Figure BDA0003393140230000108
其中，
Figure BDA0003393140230000111
是节点k在t时刻的电压上限，
Figure BDA0003393140230000112
是节点k在第t个时刻的电压下限，Vk,t是节点k在第t个时刻的电压；
步骤5所述火电机组出力上下限约束为；
ui,tPi,min≤Pi≤ui,tPi,max
其中，Pi,max是火电机组出力的上限，Pi,min是第i组火电机组的出力的下限， ui,t是第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组最小启停时间约束为：
Figure BDA0003393140230000113
Figure BDA0003393140230000114
其中，
Figure BDA0003393140230000115
是第t-1个时刻第i组火电机组的实际启动时间，
Figure BDA0003393140230000116
为第t-1 个时刻第i组火电机组的实际停止时间，
Figure BDA0003393140230000117
是第t个时刻第i组火电机组的最小启动时间，
Figure BDA0003393140230000118
是第i组火电机组的最小停止时间，ui,t是第t个时刻第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组爬坡约束为：
-RdΔt≤Pi,t-Pi,t-1≤RuΔt
其中，Ru是火电机组的爬坡速率，Rd是是火电机组的滑坡速率，Pi,t是第t 个时刻第i组火电机组的的出力，Δt是时间段间隔；
步骤5所述火电机组启停成本约束：
Figure BDA0003393140230000119
Figure BDA00033931402300001110
其中，ui,t是第t个时刻第i组火电机组的的状态变量，1是运行，0是停机，
Figure BDA00033931402300001111
是火电机组i的启动成本，
Figure BDA00033931402300001112
是火电机组i的停止成本；
步骤5所述水电机组水电发电量约束为：
Figure BDA0003393140230000121
其中，WH是水电机组总发电量，Pl,t是第t个时刻第l组水电机组的出力， T＝8760是调度总时段，NH是水电机组的总数量；
步骤5所述水电机组水库出库流量约束为：
Figure BDA0003393140230000122
其中，
Figure BDA0003393140230000123
是水电站hp在t时段内的出库流量，Qmax,t是水电站hp在t时段内的出库流量上限，Qmin,t是水电站hp在t时段内出库流量下限；
步骤5所述水电机组库容约束为：
Figure BDA0003393140230000124
其中，
Figure BDA0003393140230000125
是水电站hp的库存容量上限，
Figure BDA0003393140230000126
是水电站hp的库存容量下限，
Figure BDA0003393140230000127
是水电站hp在t时刻的库存容量；
步骤5所述水能电能转换约束为：
pl,t＝el,rql,t+fl,r
Figure BDA0003393140230000128
其中，el,r是水电机组l第r段库容下发电功率线性曲线一次项，fl,r是常数项；水库库容分为R段，r∈{1,2,...,R}，Vl,r是水电机组l第r段库容，并设定 Vl,0＝0；
步骤5所述光伏机组出力上限约束为：
Figure BDA0003393140230000129
其中，
Figure BDA00033931402300001210
是第t个时刻第k组光伏机组的出力上限，
Figure BDA00033931402300001211
是第t个时刻第k 组光伏机组的出力下限，Pk,t是光伏机组k在t时刻的出力；
步骤5所述风电机组出力上限约束为：
Figure BDA00033931402300001212
其中，
Figure BDA0003393140230000131
是第t个时刻第j组风电机组的出力上限，
Figure BDA0003393140230000132
为第t个时刻第j 组风电机组的出力下限，Pj,t是风电机组j在t时刻的出力；
步骤5所述碳排放约束为：
Figure BDA0003393140230000133
其中，Ei,t是火电机组i在t时刻的CO2排放量，T＝8760是调度总时段，NG是火电机组总数量，
Figure BDA0003393140230000134
是调度周期内允许排放的CO2最大量；
步骤6：以步骤4所述的电源最优降碳运行策略综合目标模型作为优化目标，以步骤5所述的系统约束条件模型作为约束条件，通过NSGA-Ⅱ算法对电源最优降碳运行策略综合目标模型进行优化求解，得到优化后各类型电源的最优出力方案，优化后的各类型电源的最优运行策略可用于高比例清洁能源电网实际调度运行过程中各类型电源的出力分配；
步骤6所述通过NSGA-Ⅱ算法对电源最优降碳运行策略综合目标模型进行优化求解具体如下：
步骤6.1：本文以年为尺度进行研究，一年365天，所以共8760个小时，然后输入算例地区电网数据，包括全年各类型电源每个时段的出力数据、每个时段的负荷，同时初始化NSGA-Ⅱ算法的种群数量，在排序值相同的情况下，保留拥挤距离更大的个体；
步骤6.2：确定经济效益模型和碳排放模型，根据年时段出力曲线、年时段负荷数据、算例系统中的各类型电源装机容量和上网平均电价等求解电源最优降碳运行策略综合目标模型；
步骤6.3：判断是否满足高比例清洁能源电网约束条件，并根据判断结果选择适应度函数来获取每个种群的适应度，所述适应度函数包括当前目标函数；
步骤6.4：输入最大迭代次数t和种群大小以及个体长度，根据步骤6.2中求得的各时段目标函数用NSGA-Ⅱ算法求解最优Pareto解和出力策略；
步骤6.5：根据步骤6.4得到的每组粒子的适应度选出最优种群，然后经过交叉、变异得到子代种群，最后使用精英策略对Rt进行非支配排序，产生了一系列非支配集并计算拥挤度，然后将非支配集放入新的父代种群中；
步骤6.6：判断迭代次数是否等于t，是则输出最终的Pareto解集和各时段最优出力策略，否则改变t后返回执行步骤5直至达到设定的迭代次数后输出最优解。
为了验证本发明方法的有益效果，进行了以下仿真实验：
表1某地区的火电机组参数
Figure BDA0003393140230000141
表2某地区的水电机组参数
Figure BDA0003393140230000142
结合Y地区电源特性应用修改后的IEEE30节点算例进行分析，如图2所示，是修改后的IEEE30测试算例电网拓扑图。测试算例包含两个总装机容量为 130MW的火电机组、总装机容量260MW的水电机组、一个装机容量90MW的风电场和一个装机容量60MW的光伏，优化后系统电源出力策略和不同电源出力策略如图3至图6。
可以看出装机容量最多的水电机组和火电机组承担了该测试系统的大部分出力任务，且系统发电机的出力策略与负荷曲线趋势大致相同，很好地满足了系统负荷需求。
最后为了验证本文发电机最优降碳运行策略的优势和特性，提出了三种调度方案进行对比。方案1：本文所优化的考虑经济效益最大化的发电机最优降碳运行策略；方案2：只考虑碳排放量最小的发电机环保运行策略；方案3：只考虑经济效益最大化的发电机经济运行策略。其中三个方案的算例参数和其他参数设定不变，只是目标函数不同，结果如下表所示：
表3不同方案下各发电机组出力对比
Figure BDA0003393140230000151
如图7所示，分析可知在方案1下由于重点考虑环保运行，所以系统中发电成本较高的火电机组出力减少，同时装机容量较多的清洁能源水电机组优先发电，导致系统的经济效益下降；方案3中，优先调度发电成本低的风电和光伏机组使系统的经济收益最大化，但此时排碳量高的机组获得优势使得系统总的碳排放量上升。方案2中，方案2的优化结果介于方案1和方案3之间，在保证碳排放不高的情况下使得经济效益有所提升，兼顾了系统发电机电能生产的经济效益和低碳性，实现了盈利和减排的双重目标。
本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种高比例清洁能源电网电源最优降碳运行方法，其特征在于，包括以下步骤：
步骤1：引入全年每个时刻每个机组的火电出力、全年每个时刻每个机组的风电出力、全每个时刻每个机组的光伏出力、全年每个时刻每个机组的水电出力、全年每个时刻的负荷，进一步构建电网电源与负荷平衡模型；
步骤2：构建上网电价收益模型、构建发电成本模型，进一步通过上网电价收益模型、发电成本模型构建经济效益模型；
步骤3：构建碳排放目标模型；
步骤4：根据经济效益模型、碳排放目标模型构建电源最优降碳运行策略综合目标模型；
步骤5：根据电源最优降碳运行策略综合目标模型作为优化目标模型，通过功率平衡约束、线路潮流安全约束、节点电压约束、火电机组约束、水电机组约束、光伏出力上限约束、风电出力上限约束、碳排放约束构建系统约束条件模型；
步骤6：以步骤4所述的电源最优降碳运行策略综合目标模型作为优化目标，以步骤5所述的系统约束条件模型作为约束条件，通过NSGA-Ⅱ算法对电源最优降碳运行策略综合目标模型进行优化求解，得到优化后全年每个时刻各类型电源的最优出力策略，该策略可用于高比例清洁能源电网实际调度运行过程中各类型电源的出力分配。
2.根据权利要求1所述的高比例清洁能源电网电源最优降碳运行方法，其特征在于，步骤1所述全年每个时刻每个机组的火电出力为：
Figure FDA0003393140220000011
其中，
Figure FDA0003393140220000012
为全年第t个时刻第i组火电机组的出力,T表示全年时刻的数量，NG是火电机组的总数量；
步骤1所述全年每个时刻每个机组的风电出力为：
Figure FDA0003393140220000013
其中，
Figure FDA0003393140220000014
为全年第t个时刻第j组风电机组的出力,T表示全年时刻的数量，NW是风电机组的总数量；
步骤1所述全年每个时刻每个机组的光伏出力为：
Figure FDA0003393140220000021
其中，
Figure FDA0003393140220000022
为全年第t个时刻第k组光伏机组的出力,T表示全年时刻的数量，NP是光伏机组的总数量；
步骤1所述全年每个时刻每个机组的水电出力为：
Figure FDA0003393140220000023
其中，
Figure FDA0003393140220000024
为全年第t个时刻第l组水电机组的出力,T表示全年时刻的数量，NH是水电机组的总数量；
步骤1所述全年每个时刻的负荷为：
PL,t，t＝1,2,…T
其中，PL,t为全年第t个时刻的负荷,T表示全年时刻的数量；
步骤1所述构建电网电源与负荷平衡模型为：
Figure FDA0003393140220000025
3.根据权利要求1所述的高比例清洁能源电网电源最优降碳运行方法，其特征在于，步骤2所述上网电价收益模型为：
Figure FDA0003393140220000026
其中，
Figure FDA0003393140220000027
为全年第t个时刻第i组火电机组的出力，
Figure FDA0003393140220000028
为全年第t个时刻第j组风电机组的出力，
Figure FDA0003393140220000029
为全年第t个时刻第k组光伏机组的出力，
Figure FDA00033931402200000210
为全年第t个时刻第l组水电机组的出力，ρG是火电的上网平均电价，ρW是风电的上网平均电价，ρP是光伏的上网平均电价，ρH是水电的上网平均电价,T表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤2所述构建发电成本模型为：
C＝C1+C2+C3+C4+C5
其中，C1表示火电机组的燃料成本，C2表示火电机组的启停成本，C3表示水电机组的发电成本，C4表示风电机组的发电成本，C5表示光伏机组的发电成本；
步骤2所述构建经济效益模型为：
maxF1＝S-C
其中，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益。
4.根据权利要求1所述的高比例清洁能源电网电源最优降碳运行方法，其特征在于，步骤3所述构建碳排放目标模型为：
Figure FDA0003393140220000031
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure FDA0003393140220000032
为全年第t个时刻第i组火电机组的出力,T表示全年时刻的数量，NG是火电机组的总数量。
5.根据权利要求1所述的高比例清洁能源电网电源最优降碳运行方法，其特征在于，步骤4所述构建电源最优降碳运行策略综合目标模型为：
Figure FDA0003393140220000033
其中，MIN表示碳排放最小目标，F2表示电力系统碳排放量，αi是第i组火电机组的单位出力碳排放系数，
Figure FDA0003393140220000034
为全年第t个时刻第i组火电机组的出力,T表示全年时刻的数量，NG是火电机组的总数量，MAX表示经济收益最大化目标,S表示上网电价收益，C是总发电成本，F1表示经济效益。
6.根据权利要求1所述的高比例清洁能源电网电源最优降碳运行方法，其特征在于，步骤5所述功率平衡约束为：
Figure FDA0003393140220000035
其中，
Figure FDA0003393140220000036
为全年第t个时刻第i组火电机组的出力，
Figure FDA0003393140220000037
为全年第t个时刻第j组风电机组的出力，
Figure FDA0003393140220000038
为全年第t个时刻第k组光伏机组的出力，
Figure FDA0003393140220000039
为全年第t个时刻第l组水电机组的出力，T表示全年时刻的数量，NG是火电机组的总数量，NW是风电机组的总数量，NP是光伏机组的总数量，NH是水电机组的总数量；
步骤5所述线路潮流安全约束为：
Pline,min≤Pline,t≤Pline,max
其中，Pline,min是线路潮流的下限，Pline,max是线路潮流的上限，Pline,t是线路在第t个时刻的潮流；
步骤5所述节点电压约束为：
Figure FDA0003393140220000041
其中，
Figure FDA0003393140220000042
是节点k在t时刻的电压上限，
Figure FDA0003393140220000043
是节点k在第t个时刻的电压下限，Vk,t是节点k在第t个时刻的电压；
步骤5所述火电机组出力上下限约束为；
ui,tPi,min≤Pi≤ui,tPi,max
其中，Pi,max是火电机组出力的上限，Pi,min是第i组火电机组的出力的下限，ui,t是第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组最小启停时间约束为：
Figure FDA0003393140220000044
Figure FDA0003393140220000045
其中，
Figure FDA0003393140220000046
是第t-1个时刻第i组火电机组的实际启动时间，
Figure FDA0003393140220000047
为第t-1个时刻第i组火电机组的实际停止时间，
Figure FDA0003393140220000048
是第t个时刻第i组火电机组的最小启动时间，
Figure FDA0003393140220000049
是第i组火电机组的最小停止时间，ui,t是第t个时刻第i组火电机组的状态变量，1是运行，0是停机；
步骤5所述火电机组爬坡约束为：
-RdΔt≤Pi,t-Pi,t-1≤RuΔt
其中，Ru是火电机组的爬坡速率，Rd是是火电机组的滑坡速率，Pi,t是第t个时刻第i组火电机组的的出力，Δt是时间段间隔；
步骤5所述火电机组启停成本约束：
Figure FDA0003393140220000051
Figure FDA0003393140220000052
其中，ui,t是第t个时刻第i组火电机组的的状态变量，1是运行，0是停机，
Figure FDA0003393140220000053
是火电机组i的启动成本，
Figure FDA0003393140220000054
是火电机组i的停止成本；
步骤5所述水电机组水电发电量约束为：
Figure FDA0003393140220000055
其中，WH是水电机组总发电量，Pl,t是第t个时刻第l组水电机组的出力，T是调度总时段，NH是水电机组的总数量；
步骤5所述水电机组水库出库流量约束为：
Figure FDA0003393140220000056
其中，
Figure FDA0003393140220000057
是水电站hp在t时段内的出库流量，Qmax,t是水电站hp在t时段内的出库流量上限，Qmin,t是水电站hp在t时段内出库流量下限；
步骤5所述水电机组库容约束为：
Figure FDA0003393140220000058
其中，
Figure FDA0003393140220000059
是水电站hp的库存容量上限，
Figure FDA00033931402200000510
是水电站hp的库存容量下限，
Figure FDA00033931402200000511
是水电站hp在t时刻的库存容量；
步骤5所述水能电能转换约束为：
pl,t＝el,rql,t+fl,r
Vl,r-1≤Vhp,t≤Vl,r
其中，el,r是水电机组l第r段库容下发电功率线性曲线一次项，fl,r是常数项；水库库容分为R段，r∈{1,2,...,R}，Vl,r是水电机组l第r段库容，并设定Vl,0＝0；
步骤5所述光伏机组出力上限约束为：
Figure FDA0003393140220000061
其中，
Figure FDA0003393140220000062
是第t个时刻第k组光伏机组的出力上限，
Figure FDA0003393140220000063
是第t个时刻第k组光伏机组的出力下限，Pk,t是光伏机组k在t时刻的出力；
步骤5所述风电机组出力上限约束为：
Figure FDA0003393140220000064
其中，
Figure FDA0003393140220000065
是第t个时刻第j组风电机组的出力上限，
Figure FDA0003393140220000066
为第t个时刻第j组风电机组的出力下限，Pj,t是风电机组j在t时刻的出力；
步骤5所述碳排放约束为：
Figure FDA0003393140220000067
其中，Ei,t是火电机组i在t时刻的CO2排放量，T是调度总时段，NG是火电机组总数量，
Figure FDA0003393140220000068
是调度周期内允许排放的CO2最大量。
CN202111475699.3A 2021-12-06 2021-12-06 一种高比例清洁能源电网电源最优降碳运行方法 Active CN114400698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111475699.3A CN114400698B (zh) 2021-12-06 2021-12-06 一种高比例清洁能源电网电源最优降碳运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111475699.3A CN114400698B (zh) 2021-12-06 2021-12-06 一种高比例清洁能源电网电源最优降碳运行方法

Publications (2)

Publication Number Publication Date
CN114400698A true CN114400698A (zh) 2022-04-26
CN114400698B CN114400698B (zh) 2022-11-01

Family

ID=81225715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111475699.3A Active CN114400698B (zh) 2021-12-06 2021-12-06 一种高比例清洁能源电网电源最优降碳运行方法

Country Status (1)

Country Link
CN (1) CN114400698B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115130848A (zh) * 2022-06-22 2022-09-30 国网经济技术研究院有限公司 考虑长时间断面的外送新能源低碳效益提升方法及系统
CN117239844A (zh) * 2023-11-15 2023-12-15 广东电网有限责任公司广州供电局 基于碳排放责任的电力系统调度方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727158A (zh) * 2019-01-25 2019-05-07 燕山大学 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN111340274A (zh) * 2020-02-17 2020-06-26 国网冀北电力有限公司 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN111600298A (zh) * 2020-04-29 2020-08-28 国网宁夏电力有限公司电力科学研究院 适用于多区域清洁能源协同的日前经济调度方法
CN112163711A (zh) * 2020-10-10 2021-01-01 湘南学院 一种基于mopso/cc的综合能源系统优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109727158A (zh) * 2019-01-25 2019-05-07 燕山大学 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN111340274A (zh) * 2020-02-17 2020-06-26 国网冀北电力有限公司 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN111600298A (zh) * 2020-04-29 2020-08-28 国网宁夏电力有限公司电力科学研究院 适用于多区域清洁能源协同的日前经济调度方法
CN112163711A (zh) * 2020-10-10 2021-01-01 湘南学院 一种基于mopso/cc的综合能源系统优化调度方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115130848A (zh) * 2022-06-22 2022-09-30 国网经济技术研究院有限公司 考虑长时间断面的外送新能源低碳效益提升方法及系统
CN117239844A (zh) * 2023-11-15 2023-12-15 广东电网有限责任公司广州供电局 基于碳排放责任的电力系统调度方法、装置及存储介质
CN117239844B (zh) * 2023-11-15 2024-04-05 广东电网有限责任公司广州供电局 基于碳排放责任的电力系统调度方法、装置及存储介质

Also Published As

Publication number Publication date
CN114400698B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源系统优化方法和系统
Zhao et al. Optimal sizing of isolated microgrid containing photovoltaic/photothermal/wind/diesel/battery
CN114400698B (zh) 一种高比例清洁能源电网电源最优降碳运行方法
Sánchez et al. Optimal sizing of a hybrid renewable system
CN104166877A (zh) 基于改进二进制粒子群优化算法的微网优化运行方法
CN112508221A (zh) 一种有限储能下考虑源-荷不确定性的日前调度决策方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN114204550A (zh) 一种含多类型新能源的电力系统绿色调度方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
Ren et al. Analysis of the performance of the multi-objective hybrid hydropower-photovoltaic-wind system to reduce variance and maximum power generation by developed owl search algorithm
Lopes et al. Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems
Su et al. Enhancing wind-solar hybrid hydrogen production through multi-state electrolyzer management and complementary energy optimization
Suryoatmojo Artificial intelligence based optimal configuration of hybrid power generation system
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN113937767B (zh) 一种基于改进鲸鱼算法的微电网容量优化配置方法
Rouhani et al. A teaching learning based optimization for optimal design of a hybrid energy system
Paliwal et al. Energy scheduling of Wind-Battery-Hydro based hybrid microgrid system using heuristic techniques
CN114884101A (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
Alam et al. Unit commitment of thermal units in integration with wind and solar energy considering ancillary service management using priority list (IC) based genetic algorithm
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
CN112653195A (zh) 一种并网型微电网鲁棒优化容量配置方法
Dash et al. Cost Optimization of Pumped Hydro Storage and PV Plant for Hybrid Mode of Operation using FPA
Wenyue et al. Optimal scheduling strategy for virtual power plant considering voltage control
CN117559391A (zh) 考虑电力系统灵活性供需平衡的混合储能联合规划方法

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