CN114548603A - 一种年度电量校核计算方法 - Google Patents

一种年度电量校核计算方法 Download PDF

Info

Publication number
CN114548603A
CN114548603A CN202210341623.XA CN202210341623A CN114548603A CN 114548603 A CN114548603 A CN 114548603A CN 202210341623 A CN202210341623 A CN 202210341623A CN 114548603 A CN114548603 A CN 114548603A
Authority
CN
China
Prior art keywords
electric quantity
calculation
annual
model
power plant
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
CN202210341623.XA
Other languages
English (en)
Inventor
涂杉杉
李利利
昌力
曹荣章
丁恰
涂孟夫
张彦涛
张小白
徐帆
王文
冷月
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.)
NARI Group Corp
NARI Nanjing Control System Co Ltd
Original Assignee
NARI Group Corp
NARI Nanjing Control System 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 NARI Group Corp, NARI Nanjing Control System Co Ltd filed Critical NARI Group Corp
Priority to CN202210341623.XA priority Critical patent/CN114548603A/zh
Publication of CN114548603A publication Critical patent/CN114548603A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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]
    • 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

Abstract

本发明公开了一种年度电量校核计算方法，具体流程包括：确定需要开展的年度电量校核计算的电网范围、计算周期以及其他计算边界；对电网年度计算数据进行多时段分解降维处理，将年度电量校核计算模型分解成多个子模型；循环计算各个子模型，开展相近时段归并分析，减少进入优化的时段数目；考虑到子模型之间机组组合状态的衔接，建立时段归并后的SCUC降维模型，求解获得机组组合结果；基于机组组合结果建立全时段SCED模型并求解，获得各个子模型下的电厂电量优化结果，完成基于多时段分解降维的年度电量校核计算。该种年度电量校核计算方法精确考虑实用化约束对电厂发电量的影响，提升电厂年度电量校核结果的准确性和计算效率。

Description

一种年度电量校核计算方法
技术领域
本发明属于电力系统调度自动化领域，具体涉及一种年度电量校核计算方法。
背景技术
中长期交易安全校核的核心，是在考虑电网安全约束的条件下，安排未来年月的电力、电量平衡，获得发电机组的开停机方案，以校验电厂电量计划是否能够物理执行。运行条件下电量交易的可执行性是中长期电量安全校核的关键内容。鉴于传统经验方法难以满足电网调度精益化要求，基于安全约束机组组合(SCUC)技术的中长期电量安全校核逐渐成为研究的热点。该类技术主要以月度机组组合技术为核心，协调考虑电力电量平衡、电网安全约束和机组运行约束等条件，将电量细化到有功出力与潮流层面，进行精细的电量安全校核。
年度电量校核优化模型需要根据电网年度边界数据进行计算，传统的年度计算需要简化很多数据和优化条件，并且计算时间过长。如今年度电量校核优化模型需要考虑更多实用化约束，因此，传统的年度电量校核计算方法无法满足上述需求，因此需要一种能够确保系统安全稳定且具有较高求解效率和可参考性的年度电量校核计算方法。
发明内容
发明目的：本发明的发明目的在于提供一种年度电量校核计算方法。
技术方案：本发明所述的一种年度电量校核计算方法，该方法包括步骤如下：
(1)确定需要开展年度电量校核计算的电网范围、计算周期和电厂年度电量校核的计算边界，并对电网年度计算数据依据时间进行多时段分解降维处理，形成多个计算子模型，每个子模型包含若干优化时段；
(2)将每个子模型的计算时间周期向后一个子模型延长设定时间段后，建立SCUC降维模型，以最小化电厂发电量与计划电量的差异为目标，求解获得机组组合结果；
(3)以缓冲机组的启停状态结果，以及必开必停机组的启停状态为基础，建立子模型的全时段SCED模型，采用线性规划算法进行求解，最终获得各个子模型下的电厂电量优化结果，完成基于多时段分解降维的年度电量校核计算。
优选的，步骤(1)中将1个自然年的电网年度计算数据按月分解形成12个子模型MPi(i＝1,2,…,12)，每个子模型的优化周期Ti＝{ti0,ti1,ti2,…,tin}，其中tin表示第i个子模型含有n个时段，每个时段以小时为计算粒度。
进一步的，步骤(1)中对降维处理后形成的每个子模型进行循环计算，将满足系统负荷在计算周期内的变化趋势要求的相近计算时段进行归并。
进一步的，当相近时段的系统负荷变化率小于设定阈值时，将两个连续的时段归并为一个新时段，所述的系统负荷变化率的具体计算公式如下：
Figure BDA0003579564060000021
式中，△Lt为相邻时段t和t+1的系统负荷变化率；Lt为时段t的系统负荷；Lt+1为时段t+1的系统负荷；
根据系统负荷的变化率，重复多轮时段归并，直至变化率△Lt的最小值大于设定阈值，或归并后剩下的时段数目达到预设数目，归并过程结束。
优选的，所述的步骤(2)中每个子模型的优化目标为在满足全部约束条件下，最小化电厂发电量与计划电量的差异，具体公式如下：
Figure BDA0003579564060000022
式中，M为具备电量合同的电厂总个数；Em为电厂m在优化周期的总发电量；Em,e为电厂m在优化周期的总计划电量，包含基数电量及各类市场交易电量；ωm为电厂电量偏差惩罚系数，实现对电厂电量偏差的优先级控制，默认取值为1，当电厂电量完成具有较高等级时取值大于1；
引入电量正、负偏差变量，将非线性公式转化为线性表达式，具体公式如下：
Figure BDA0003579564060000023
Em-Em,e＝Mm-Nm；Mm≥0，Nm≥0；
式中：Mm为电厂m的电量正偏差，Nm为电厂m的电量负偏差。
进一步的，步骤(2)中当子模型无法求解时，则对所需的约束进行松弛，在松弛约束情况下，优化目标考虑松弛约束惩罚成本，此时优化目标变为：
Figure BDA0003579564060000024
式中，Cf为各种松弛约束的松弛量，Kf为松弛约束的惩罚系数。
进一步的，松弛约束包括负荷平衡约束、备用约束和支路潮流约束。
优选的，步骤(2)中在利用SCUC降维模型求解每个子模型的机组组合结果时，统计各个机组最后的开停机持续时间，作为下一个子模型机组的初始开停机约束参与优化计算。
进一步的，步骤(2)中建立SCUC降维模型时，根据机组的可优化状态，辨识安全约束机组组合决策中的必开必停机组、缓冲机组。
进一步的，步骤(1)中首先完成数据准备，获取电网内的发电机组出力上下限、最小开停机时间等参数；获取电网的拓扑结构以及输电断面的组成设备、机组群的组成设备、电厂的组成设备、输电限值、机组群限值等参数信息；获取各类计划数据，包括负荷预测、检修计划、电厂电量计划、备用需求等信息，以确定电厂年度电量校核计算的边界。
进一步的，将年度数据按月分解，将庞大复杂的年度电厂电量校核计算模型分解成12个子模型，并且后续需要在考虑子模型的衔接情况下进行循环计算，以减小优化模型的计算规模并提升计算效率；
循环计算各个子模型，在考虑SCUC建模时，为了降低计算规模，减少整型变量的数量，根据系统负荷在计算周期内不同时段的变化趋势，对相近计算时段进行归并，减少进入优化的时段数目，缩小优化模型的计算时段规模；
SCUC建模时，安全约束机组组合决策中的必开必停机组为电网运行中的必开发电机组或者必停发电机组，不需要在安全约束机组组合中进行机组状态的优化决策；缓冲机组为无法提前确定开停机状态的发电机组，需要在安全约束机组组合中进行机组状态的优化决策。根据所提供的机组状态数据辨识缓冲机组与必开必停机组，以减少整型变量数量，缩小混合整数规划的优化范围，提升求解效率。
进一步的，在循环计算各个子模型时，由于机组需要满足实际运行最小开停时间需求，如果只单一考虑各个子模型的机组组合状态优化，没有考虑到后续时段的边界数据，在计算下一个自然月的子模型时，容易出现由于机组最小开停时间约束与组群开机台数约束、机组群出力约束、机组检修计划等约束冲突导致的优化不收敛问题，因此需要考虑子模型之间机组组合状态的衔接。
为解决多时段分解降维导致的数据断层问题，在按月分解的基础上，将每个子模型的计算周期延长几天，多考虑下一个子模型前d个时段的数据，此时第i个子模型含有n+d个优化时段。此外，在SCUC计算时统计各个机组最后的开停机持续时间，作为下一个子模型机组的初始开停机约束参与优化计算，以保证机组组合优化结果的合理衔接。
进一步的，中长期电量校核模型的约束条件包括系统平衡约束、机组运行约束、电网安全约束和各类实用化约束，中长期电量安全校核模型按需求支持对负荷平衡约束、备用约束和支路潮流约束的松弛。
进一步的，步骤(3)中各个子模型以电厂发电量与计划电量偏差最小为目标，约束条件包括负荷平衡约束、机组出力上下限约束、电网安全约束、系统备用容量约束、机组群出力约束、机组群开机台数约束等，求解得到各个子模型下电厂出力曲线及发电量，最终完成基于多时段分解降维的年度电量校核优化计算。
有益效果：本发明所述的技术方案通过将年度数据分解成多个子模型，并考虑子模型之间机组组合状态的衔接和机组实际调度运行中的安全问题，对电力系统的机组启停时序进行随机优化，得到机组开停计划曲线，并进一步计算得到电厂优化出力曲线及发电量，使年度优化模型在兼顾庞大数据的同时可以考虑各种实用化约束。该方法可在年度电量校核优化算法中精确考虑实用化约束对电厂发电量的影响，提升电厂年度电量校核结果的准确性和计算效率。
附图说明
图1为本发明中一种年度电量校核计算方法的流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步详细说明。
在年度电量校核优化计算过程中，需要采用安全约束机组组合技术，优化一个自然年度内的机组组合与电厂电量结果。优化过程既要求精细化考虑机组运行约束、电网安全约束、负荷平衡约束等电网运行中的各种安全约束限制，又要考虑机组群开机台数约束、机组群出力约束、电厂开机台数约束等实用化约束。为了达到上述要求，本实施例采用一种基于多时段分解降维的年度电量校核计算方法，如图1所示，具体计算流程如下：
步骤(1)，确定需要开展年度电量校核计算的电网范围和计算周期；同时进行数据准备，获取电网内的发电机组出力上下限、最小开停机时间等参数；获取电网的拓扑结构以及输电断面的组成设备、机组群的组成设备、电厂的组成设备、输电限值、机组群限值等参数信息；获取各类计划数据，包括负荷预测、检修计划、电厂电量计划、备用需求等信息，以确定电厂年度电量校核计算的边界。
步骤(2)，对电网年度计算数据进行多时段分解降维处理，设计年度电量校核计算的计算周期为1个自然年，以小时为计算粒度，即每日考虑24个优化时段，1个自然年365天总共考虑8760个优化时段；将1个自然年年度数据按月分解，总共可分解成12个子模型MPi(i＝1,2,…,12)，每个子模型考虑一个自然月的优化时段，即子模型的优化周期Ti＝{ti0,ti1,ti2,…,tin}，其中tin表示第i个子模型含有n个时段。
步骤(3)，对各个子模型进行优化时段归并，在考虑SCUC建模时，为了降低混合整数规划的计算规模，减少整型变量的数量，可根据系统负荷在计算周期内不同时段的变化趋势，对相近计算时段进行归并，时段归并的具体过程如下：
Figure BDA0003579564060000051
式中，△Lt为相邻时段t和t+1的系统负荷变化率；Lt为时段t的系统负荷；Lt+1为时段t+1的系统负荷；
根据系统负荷的变化率，重复多轮时段归并，直至变化率△Lt的最小值大于设定阈值，或归并后剩下的时段数目达到预设数目，归并过程结束。
同时，根据机组的可优化状态，辨识安全约束机组组合决策中的必开必停机组、缓冲机组；其中电网运行中的必开发电机组或者必停发电机组，不需要在安全约束机组组合中进行机组状态的优化决策；缓冲机组为无法提前确定开停机状态的发电机组，需要在安全约束机组组合中进行机组状态的优化决策。
步骤(4)，考虑子模型之间机组组合状态的衔接，建立时段归并后的SCUC降维模型，求解获得机组组合结果。本实施例中，步骤(3)中通过优化时段归并，减少进入优化的时段数目，缩小优化模型的计算时段规模。通过机组的可优化状态识别，减少整型变量数量，缩小混合整数规划的优化范围，提升SCUC降维模型求解效率；
进一步的，考虑子模型之间机组组合状态的衔接能够解决多时段分解降维导致的数据断层问题，本实施例中，以某一自然年的四月为例，四月有30天，考虑下一个自然月前5天的边界数据，此时四月子模型的优化周期为(30+5)*24＝840个时段，但四月子模型只有前30*24＝720个时段的机组组合状态结果才能有效存储，下一个自然月的前5天机组组合结果由下一个子模型决定，统计第720时段的机组开停机持续时间，作为下一个子模型机组的初始开停机约束参与下一轮计算，最终可以得到整个年度的机组组合状态结果。
步骤(5)，完成每个子模型的SCUC降维模型构建后，以最小化电厂发电量与计划电量的差异为目标，求解获得机组组合结果；具体优化目标如下：
Figure BDA0003579564060000052
式中，M为具备电量合同的电厂总个数；Em为电厂m在优化周期的总发电量；Em,e为电厂m在优化周期的总计划电量，包含基数电量及各类市场交易电量；ωm为电厂电量偏差惩罚系数，实现对电厂电量偏差的优先级控制，默认取值为1，当电厂电量完成具有较高等级时取值大于1；
由于上述优化目标表达式中包括绝对值建模，该表达式为非线性表达形式，因此引入电量正、负偏差变量，将非线性公式转化为线性表达式，具体公式如下：
Figure BDA0003579564060000061
Em-Em,e＝Mm-Nm；Mm≥0，Nm≥0；
式中：Mm为电厂m的电量正偏差，Nm为电厂m的电量负偏差。
当原问题无法求解时，则对所需的约束进行松弛，以保障模型的收敛性，同时可以发现影响模型收敛的因素。在松弛约束情况下，优化目标考虑松弛约束惩罚成本，此时优化目标变为：
Figure BDA0003579564060000062
式中，Cf为各种松弛约束的松弛量，Kf为松弛约束的惩罚系数。
本实施例中，年度电量校核优化属于中长期电量校核，中长期电量校核模型的约束条件包括系统平衡约束、机组运行约束、电网安全约束和各类实用化约束，主要分为：
(a)分区系统负荷平衡约束；在分区平衡统一优化的方式下，每个区域的发电机组出力、联络线出力与区域系统负荷保持平衡：
Figure BDA0003579564060000063
式中：Aa为区域a的设备集合；I为系统中发电机组总个数；D为系统中联络线总个数；Pi,t为机组i在t时段的有功功率；Pd,t为联络线d在时段t的有功功率；La,t为区域a在时段t的系统负荷。
(b)分省备用约束；包括每个省份的正备用约束和负备用约束；具体如下：
正备用约束：
Figure BDA0003579564060000064
负备用约束：
Figure BDA0003579564060000065
式中：Pi,max、Pi,min分别为机组i的出力上限与下限；Ra,t,u为省份a在时段t的正备用容量下限；Ra,t,d为省份a在时段t的负备用容量下限。
(c)电网安全约束；所有交流输电设备潮流需要满足输电限额约束，该约束内的交流输电设备除了各区域内部的交流输电设备外，还包括跨区交流输电设备。通过节点注入功率对支路的有功灵敏度，从而构建电网安全约束模型：
Figure BDA0003579564060000071
式中：pl为第l个输电断面的潮流上下限，N为电网计算节点集合，Pn,t为电网计算节点n在时段t的发电功率，ln,t为电网计算节点n在时段t的负荷功率，Sn,l,t为电网计算节点n在时段t的注入功率对第l个输电断面的灵敏度。
(d)发电机组运行约束；发电机组的运行约束包括机组出力上下限约束、机组爬坡速率约束、火电机组最小开停机时间约束等；
机组出力上下限约束：
Pi,minui,t≤Pi,t≤Pi,maxui,t
式中：ui,t为机组i在t时段的启停状态。
机组爬坡速率约束：
-△i≤Pi,t-Pi,t-1≤△i
式中：Δi为火电机组i每时段爬坡速率的最大值。
机组最小开停机时间约束：
Figure BDA0003579564060000072
Figure BDA0003579564060000073
yi,t-zi,t＝ui,t-ui,t-1
式中：UTi和DTi分别为机组i的最小开机时间和最小停机时间；yi,t为机组i在时段t是否有停机到开机状态变化的标志；zi,t为机组i在时段t是否有开机到停机状态变化的标志。
(e)机组固定计划约束
u(i,t)＝1(i,t)∈Φon
u(i,t)＝0(i,t)∈Φoff
p(i,t)＝P(i,t)(i,t)∈Φplan
式中：Φon为必开机组时间集合；Φoff为必停机组时间集合；Pi,t为机组i在时段t的固定出力计划；Φplan为固定计划机组时间集合。
(f)电厂电量约束；电厂发电量为电厂所含机组的有功出力在调度周期内的累加，电厂电量平衡约束表达为：
Figure BDA0003579564060000081
式中：Am为电厂m包含的发电机组集合，Em为电厂m在优化周期的总发电量，β为调度时段所包含的分钟数。
(g)机组群运行约束；机组群的运行约束包括机组群出力上下限约束、机组群开机台数约束等；
机组群出力上下限约束：
Figure BDA0003579564060000082
式中：Ag为电厂g包含的发电机组集合；Pg,min、Pg,max分别为机组群g的出力下限和上限。
机组群开机台数约束：
Figure BDA0003579564060000083
式中：Qg,min、Qg,max分别为机组群g的开机台数下限和上限。
本实施例中，中长期电量安全校核模型按照需求支持对负荷平衡约束、备用约束和支路潮流约束的松弛。
步骤(6)，以缓冲机组的启停状态结果，以及必开必停机组的启停状态为基础，建立子模型的全时段SCED模型，采用线性规划算法进行求解，求解得到各个子模型下机组开停计划曲线，并进一步计算得到电厂优化出力曲线及发电量，最终完成基于多时段分解降维的年度电量校核优化计算。
综上，本实施例公开的一种基于多时段分解降维的年度电量校核计算方法，通过对年度数据进行预处理，考虑到电力设备运行特点，利用多时段分解降维技术得到多个子模型并考虑子模型之间的衔接问题，归并相似计算时段，识别无效的整型变量，降低求解规模，缩小混合整数规划的优化范围和电厂电量校核计算的迭代次数，能够有效提高求解效率和有效性，使计算过程能够在运行人员能够接受的时间内结束，使得计算精度和计算时间满足工程实际要求。

Claims (9)

1.一种年度电量校核计算方法，其特征在于：该方法包括步骤如下：
(1)确定需要开展年度电量校核计算的电网范围、计算周期和电厂年度电量校核的计算边界，并对电网年度计算数据依据时间进行多时段分解降维处理，形成多个计算子模型，每个子模型包含若干优化时段；
(2)将每个子模型的计算时间周期向后一个子模型延长设定时间段后，建立SCUC降维模型，以最小化电厂发电量与计划电量的差异为目标，求解获得机组组合结果；
(3)以缓冲机组的启停状态结果，以及必开必停机组的启停状态为基础，建立子模型的全时段SCED模型，采用线性规划算法进行求解，最终获得各个子模型下的电厂电量优化结果，完成基于多时段分解降维的年度电量校核计算。
2.根据权利要求1所述的一种年度电量校核计算方法，其特征在于：所述的步骤(1)中将1个自然年的电网年度计算数据按月分解形成12个子模型MPi(i＝1,2,…,12)，每个子模型的优化周期Ti＝{ti0,ti1,ti2,…,tin}，其中tin表示第i个子模型含有n个时段，每个时段以小时为计算粒度。
3.根据权利要求2所述的一种年度电量校核计算方法，其特征在于：所述的步骤(1)中对降维处理后形成的每个子模型进行循环计算，将满足系统负荷在计算周期内的变化趋势要求的相近计算时段进行归并。
4.根据权利要求3所述的一种年度电量校核计算方法，其特征在于：当相近时段的系统负荷变化率小于设定阈值时，将两个连续的时段归并为一个新时段，所述的系统负荷变化率的具体计算公式如下：
Figure FDA0003579564050000011
式中，△Lt为相邻时段t和t+1的系统负荷变化率；Lt为时段t的系统负荷；Lt+1为时段t+1的系统负荷；
根据系统负荷的变化率，重复多轮时段归并，直至变化率△Lt的最小值大于设定阈值，或归并后剩下的时段数目达到预设数目，归并过程结束。
5.根据权利要求1所述的一种年度电量校核计算方法，其特征在于：所述的步骤(2)中每个子模型的优化目标为在满足全部约束条件下，最小化电厂发电量与计划电量的差异，具体公式如下：
Figure FDA0003579564050000012
式中，M为具备电量合同的电厂总个数；Em为电厂m在优化周期的总发电量；Em,e为电厂m在优化周期的总计划电量，包含基数电量及各类市场交易电量；ωm为电厂电量偏差惩罚系数，实现对电厂电量偏差的优先级控制，默认取值为1，当电厂电量完成具有较高等级时取值大于1；
引入电量正、负偏差变量，将非线性公式转化为线性表达式，具体公式如下：
Figure FDA0003579564050000021
Em-Em,e＝Mm-Nm；Mm≥0，Nm≥0；
式中：Mm为电厂m的电量正偏差，Nm为电厂m的电量负偏差。
6.根据权利要求5所述的一种年度电量校核计算方法，其特征在于：所述的步骤(2)中当子模型无法求解时，则对所需的约束进行松弛，在松弛约束情况下，优化目标考虑松弛约束惩罚成本，此时优化目标变为：
Figure FDA0003579564050000022
式中，Cf为各种松弛约束的松弛量，Kf为松弛约束的惩罚系数。
7.根据权利要求6所述的一种年度电量校核计算方法，其特征在于：所述的松弛约束包括负荷平衡约束、备用约束和支路潮流约束。
8.根据权利要求1所述的一种年度电量校核计算方法，其特征在于：所述的步骤(2)中在利用SCUC降维模型求解每个子模型的机组组合结果时，统计各个机组最后的开停机持续时间，作为下一个子模型机组的初始开停机约束参与优化计算。
9.根据权利要求1所述的一种年度电量校核计算方法，其特征在于：所述的步骤(2)中建立SCUC降维模型时，根据机组的可优化状态，辨识安全约束机组组合决策中的必开必停机组、缓冲机组。
CN202210341623.XA 2022-04-02 2022-04-02 一种年度电量校核计算方法 Pending CN114548603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210341623.XA CN114548603A (zh) 2022-04-02 2022-04-02 一种年度电量校核计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210341623.XA CN114548603A (zh) 2022-04-02 2022-04-02 一种年度电量校核计算方法

Publications (1)

Publication Number Publication Date
CN114548603A true CN114548603A (zh) 2022-05-27

Family

ID=81665218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210341623.XA Pending CN114548603A (zh) 2022-04-02 2022-04-02 一种年度电量校核计算方法

Country Status (1)

Country Link
CN (1) CN114548603A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907140A (zh) * 2022-11-18 2023-04-04 中国南方电网有限责任公司 电力现货出清方案优化方法、装置、计算机设备和介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907140A (zh) * 2022-11-18 2023-04-04 中国南方电网有限责任公司 电力现货出清方案优化方法、装置、计算机设备和介质

Similar Documents

Publication Publication Date Title
CN105790265B (zh) 一种考虑交流潮流约束的不确定性机组组合模型及求解方法
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
CN107491867B (zh) 一种用于多周期发输变检修计划的安全校核及评估方法
US20160169202A1 (en) Short-term operation optimization method of electric power system including large-scale wind power
CN114897247B (zh) 一种基于大数据的智能电网配网调度运行管理方法
CN104537428B (zh) 一种计及风电接入不确定性的经济运行评估方法
CN106446383A (zh) 一种基于改进约束序优化的带安全约束的不确定性机组组合问题求解方法
CN109447379B (zh) 一种中长期电量安全校正的分步优化方法及系统
CN108808740A (zh) 多区域互联电网的多时间尺度的调度方法、装置以及存储介质
CN110751383B (zh) 一种基于多策略融合降维的电力现货市场出清计算方法
CN109802437B (zh) 一种基于分布鲁棒机会约束的机组组合优化方法
CN112186734B (zh) 一种电力系统中长期运行模拟方法、储存介质及计算设备
CN114548603A (zh) 一种年度电量校核计算方法
CN112104005A (zh) 一种考虑新能源预测不确定性的电网调度方法和系统
CN112039127B (zh) 一种考虑风功率预测误差相关特征的日前调度方法及系统
CN110556823B (zh) 基于模型降维的安全约束机组组合快速计算方法及系统
CN107844652A (zh) 一种含电量调节层的电力系统生产模拟方法
CN110098638B (zh) 一种基于负荷状态转移曲线的快速机组组合方法
CN111799793A (zh) 一种源网荷协同的输电网规划方法与系统
CN109980698B (zh) 长周期细粒度机组组合计算方法及系统
AU2021104984A4 (en) Step-by-step safety checking method and system for medium and long-term electric power transactions
Chen et al. STOCHASTIC UNIT COMMITMENT INCORPORATIING WIND POWER USING IMPROVED GENETIC ALGORITHM
Wang et al. Intraday net load reserve demand assessment based on catboost and kernel density estimation
Ge et al. Monthly unit commitment with the consideration of wind farms correlation
CN117937495A (zh) 分布式光伏参与电网电量平衡调节需求分析方法及系统

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