CN114614469A - 电力系统备用预留方法、装置、电子设备及存储介质 - Google Patents

电力系统备用预留方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114614469A
CN114614469A CN202210525960.4A CN202210525960A CN114614469A CN 114614469 A CN114614469 A CN 114614469A CN 202210525960 A CN202210525960 A CN 202210525960A CN 114614469 A CN114614469 A CN 114614469A
Authority
CN
China
Prior art keywords
day
ahead
new energy
standby
reservation
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
CN202210525960.4A
Other languages
English (en)
Other versions
CN114614469B (zh
Inventor
熊志杰
王彦沣
张大伟
路轶
常政威
邓志森
杨小磊
刘海洋
郭果
温丽丽
席骊瑭
赵静
杨茜
张勤勤
喻显茂
郭亮
梁智
张国芳
孙永超
张祥龙
冯世林
罗荣森
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan 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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202210525960.4A priority Critical patent/CN114614469B/zh
Publication of CN114614469A publication Critical patent/CN114614469A/zh
Application granted granted Critical
Publication of CN114614469B publication Critical patent/CN114614469B/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
    • 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—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
    • H02J3/003—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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种电力系统备用预留方法、装置、电子设备及存储介质，其中，电力系统备用预留方法包括：获取日前系统负荷和日前新能源出力数据；基于日前系统负荷和日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；基于日前备用预留结果，确定火电机组组合结果；获取当前日内系统负荷和当前日内新能源出力数据；基于电力系统的火电机组组合结果、当前日内系统负荷和当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。通过日前‑日内多时序备用优化协调配合，在保证系统运行安全可靠性的同时，降低了功率预测误差，减少了备用预留容量，最终获得安全性和经济性权衡最佳的调度效果。

Description

电力系统备用预留方法、装置、电子设备及存储介质
技术领域
本发明涉及电力系统领域，具体涉及一种电力系统备用预留方法、装置、电子设备及存储介质。
背景技术
电力系统在进行日常供电时，除了需要满足预计负荷需求之外，还需要针对突发情况时为保障电能质量和系统安全稳定运行而进行有功功率储备的预留，这部分预留的有功功率储备即为备用容量。而随着风力发电和光伏发电技术的发展，风光新能源在电力系统中的比例不断提高，对于这类高比例新能源的新型电力系统，目前，国内新能源功率预测系统日前预测误差约为10%~25%，若按照新能源预测误差预留备用，则需在日前预留大量备用以应对新能源出力不确定性，系统运行成本大幅升高。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的新型电力系统由于随机波动性强，导致功率预测误差较大需要预留大量备用的缺陷，从而提供一种电力系统备用预留方法、装置、电子设备及存储介质。
根据第一方面，本发明实施例提供了一种电力系统备用预留方法，所述方法包括：
获取日前系统负荷和日前新能源出力数据；
基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；
基于所述日前备用预留结果，确定电力系统的火电机组组合结果；
获取当前日内系统负荷和当前日内新能源出力数据；
基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。
可选地，所述基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果，包括：
将所述日前系统负荷和所述日前新能源出力数据输入日前备用预留模型得到日前备用预测结果；
判断所述日前备用预测结果是否满足电力系统的第一运行要求；
当所述日前备用预测结果满足电力系统的运行要求时，将所述日前备用预测结果确定为日前备用结果。
可选地，所述判断所述日前备用预测结果是否满足电力系统的第一运行要求，包括：
判断所述日前备用预测结果是否满足备用预留约束条件；
当所述日前备用预测结果满足所述备用预留约束条件时，判断所述日前备用预测结果是否满足新能源出力约束条件，所述新能源出力约束条件包括新能源最大出力场景约束条件和新能源最小出力场景约束条件；
当所述日前备用预测结果满足所述新能源出力约束条件时，确定所述日前备用预测结果满足电力系统的第一运行要求。
可选地，所述新能源最大出力场景约束条件如下：
Figure DEST_PATH_IMAGE001
Figure 172689DEST_PATH_IMAGE002
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,up,t 为新能源最大出力场景下火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；r w 为规定的日前预留备用总量占新能源比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子；α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子。
可选地，所述新能源最小出力场景约束条件如下：
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,down,t 是新能源最小出力场景下火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；r w 为规定的日前预留备用总量占新能源比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子；α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子。
可选地，所述基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果，包括：
将所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据输入日内备用预留模型得到当前日内备用预测结果；
判断所述当前日内备用预测结果是否满足电力系统的第二运行要求，所述第二运行要求至少包括电力系统的安全约束要求；
当所述当前日内备用预测结果满足所述电力系统的所述第二运行要求时，将所述当前日内备用预测结果确定为当前日内备用结果。
可选地，所述电力系统的安全约束要求如下：
Figure 594050DEST_PATH_IMAGE005
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,t 为火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；F f 为线路f的潮流限值；α k,i,f 为设备k故障下火电机组i对线路f的转移分布因子；α k,w,f 为设备k故障下新能源机组w对线路f的转移分布因子；α k,d,f 为设备k故障下母线负荷d对线路f的转移分布因子。
根据第二方面，本发明实施例提供了一种电力系统备用预留装置，所述装置包括：
第一获取模块，用于获取日前系统负荷和日前新能源出力数据；
第一处理模块，用于基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；
第二处理模块，用于基于所述日前备用预留结果，确定电力系统的火电机组组合结果；
第二获取模块，用于获取当前日内系统负荷和当前日内新能源出力数据；
第三处理模块，用于基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。
根据第三方面，本发明实施例提供了一种电子设备，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
本发明技术方案，具有如下优点：
本发明提供的电力系统备用预留方法及装置，通过获取日前系统负荷和日前新能源出力数据；基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；基于所述日前备用预留结果，确定电力系统的火电机组组合结果；获取当前日内系统负荷和当前日内新能源出力数据；基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。通过将日前的电力系统数据输入至日前备用预留模型得到日前备用预留结果，根据日前备用预留结果确定电力系统的火电机组组合结果，通过日前备用预留结果和火电机组组合结果，保证了包含新能源的电力系统可以预留足够的备用以应对新能源出力的不确定性，再通过进行日内备用预留结果的计算，基于考虑新能源预测误差置信区间的场景，并结合机组N-1的事故备用对当前的日内备用预留结果进行评估，通过日前-日内多时序备用优化协调配合，在保证系统运行安全可靠性的同时，降低了功率预测误差，减少了备用预留容量，最终获得安全性和经济性权衡最佳的调度效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的电力系统备用预留方法的流程图；
图2为本发明实施例的电力系统备用预留方法的验证结果图；
图3为本发明实施例的电力系统备用预留装置的结构示意图；
图4为本发明实施例的一种电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种电力系统备用预留方法，如图1所示，该电力系统备用预留方法具体包括如下步骤：
步骤S101：获取日前系统负荷和日前新能源出力数据。具体地，在实际应用中，工作人员通过控制电力系统的控制按钮进行接收日前备用预留请求，当开始进行日前备用预留请求时，电力系统将获取日前系统负荷和日前新能源出力数据。
具体地，按照国家标准，备用是电力系统应具备有功功率备用容量，通过充分考虑跨省跨区支援能力及新能源利用，统筹安排备用容量，而备用包括负荷备用、事故备用、检修备用等。对于基于新能源接入的电力系统，如果只着重考虑事故备用，则需要在日前预留大量备用，不仅会导致出现大量的预留误差，还会使得电力系统的运行成本大幅提高。负荷备用是指接于母线且立即可以带负荷的系统备用容量，本发明实施例通过对负荷备用进行考虑，可以更好地平衡瞬间负荷或新能源引起的功率波动与预计之间的偏差，保证电力系统安全稳定运行的同时，还减少了日前备用容量，降低了电力系统的运行成本。
步骤S102：基于日前系统负荷和日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果。
具体地，日前备用预留模型主要考虑预测出力对应设置的置信区间，参考国家标准《电力系统技术导则》要求，按照系统负荷的2~5%和新能源出力的3~5%之和进行备用总量预留，同时在新能源最大和最小出力场景下保证网络安全约束，保证备用的可用性，但实际情况不限于此，为保证备用可用性而进行调整系统负荷和新能源出力各自比例进而改变备用总量数值的变化，也在本发明实施例提供的电力系统备用预留方法的保护范围之内。本发明实施例使用的日前备用预留模型为现有技术中已有的日前备用预留模型，其构建、训练和调用过程均可参照现有技术中的相关描述进行实施，在此不再进行赘述。
具体地，本发明实施例首先通过电力市场出清优化模型对整体购电成本进行了计算，通过进行各个电厂报价以后，给出个电厂的出力、预留备用和电价等买卖结果这一电力市场出清的考虑，保证了基于新能源接入的电力系统整体购电成本最小，整体购电成本计算公式如下：
Figure DEST_PATH_IMAGE006
（1）
其中，t为时段编号；T q 为日前时段总数；N为火电机组总数；p i,t 为火电机组i时刻t的出力；u i,t 为在火电机组i时刻t的启停状态，1为启动，0为停运；f(p i,t )为火电机组在出力为p i,t 时的运行成本；sc i,t 为火电机组i在时刻t的开机费用；c i,rup,t 为正备用费用系数；c i,rdown,t 为负备用费用系数；p i,rup,t 为火电机组i在时刻t的正备用容量；p i,rdown,t 为火电机组i在时刻t的负备用容量，其中，正备用为火电机组可以上调的功率，负备用为火电机组可以下调的功率。本发明实施例使用的电力市场出清优化模型为现有技术中已有的电力市场出清优化模型，其构建、训练和调用过程均可参照现有技术中的相关描述进行实施，在此不再进行赘述。
具体地，在一实施例中，上述步骤S102具体包括如下步骤：
步骤S201：将日前系统负荷和日前新能源出力数据输入日前备用预留模型得到日前备用预测结果。
在实际应用中，因为我国地形复杂、气候类型多样，而含有高比例新能源是新型电力系统的电力随机波动性强，导致对新型电力系统进行高精度功率预测更难。
步骤S202：判断日前备用预测结果是否满足电力系统的第一运行要求。具体地，在实际应用中，为保证电力系统的正常运行，需要对备用预测结果进行约束。
具体地，在一实施例中，上述步骤S202具体包括如下步骤：
步骤S301：判断日前备用预测结果是否满足备用预留约束条件。
具体地，在实际应用中，为满足电力系统的基本运行要求，需要满足以下约束条件：
（1）机组最小启停时间约束：
Figure DEST_PATH_IMAGE007
（2）
（2）机组发电容量约束和爬坡能力约束：
Figure 730633DEST_PATH_IMAGE008
（3）
（3）备用容量约束：
Figure DEST_PATH_IMAGE009
（4）
（4）电网功率平衡约束：
Figure 868354DEST_PATH_IMAGE010
（5）
（5）网络安全约束：
Figure DEST_PATH_IMAGE011
（6）
其中，t、k为时段编号；、分别为机组的最小连续开机时间和最小连续停机时间；N为火电机组总数；D为母线负荷总数；W为新能源机组总数；p i,t 为火电机组i时刻t的出力；u i,t 为在火电机组i时刻t的启停状态，1为启动，0为停运；u i,k 为在火电机组i时刻k的启停状态，1为启动，0为停运；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；p i,max 、p i,min分别为机组i的最小、最大出力；p i,up 为机组i的最大爬坡速率；p i,down 为机组i的最大滑坡速率；p i,aup 为机组i的最大开机爬坡速率；p i,adown 为机组i的最大停机滑坡速率；r d 为规定的日前预留备用总量占负荷的比例；r w 为规定的日前预留备用总量占新能源的比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子； α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子；p i,up,t 为新能源最大出力场景下火电机组i时刻t的出力；p i,down,t 为新能源最小出力场景下火电机组i时刻t的出力。
步骤S302：当日前备用预测结果满足备用预留约束条件时，判断日前备用预测结果是否满足新能源出力约束条件，新能源出力约束条件包括新能源最大出力场景约束条件和新能源最小出力场景约束条件。具体地，新能源最大出力场景约束条件指的是新能源功率预测误差置信区间的上限；新能源最小出力场景约束条件指的是新能源功率预测误差置信区间的下限。
具体地，考虑新能源出力场景的约束条件如下：
（6）新能源预测最大出力场景下功率平衡约束
Figure 845406DEST_PATH_IMAGE012
（7）
（7）新能源预测最大出力场景下网络安全约束
Figure DEST_PATH_IMAGE013
（8）
（8）新能源预测最小出力场景下功率平衡约束
Figure 537418DEST_PATH_IMAGE014
（9）
（9）新能源预测最小出力场景下网络安全约束
Figure DEST_PATH_IMAGE015
（10）
其中，N为火电机组总数；D为电力系统的母线负荷总数；W为新能源机组总数；p i,up,t 为新能源最大出力场景下火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；r w 为规定的日前预留备用总量占新能源比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子；α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子。
步骤S303：当日前备用预测结果满足新能源出力约束条件时，确定日前备用预测结果满足电力系统的第一运行要求。
步骤S203：当日前备用预测结果满足电力系统的运行要求时，将日前备用预测结果确定为日前备用结果。
当日前备用预测结果不满足上述约束条件或不能保证电力系统平稳运行时，可对火电机组的数量或日前备用预测功率进行调整之后再执行上述步骤S101至步骤S103。
本发明实施例通过在约束条件中考虑新能源预测误差的置信区间的场景，基于新能源预测误差区间，提出了考虑新能源最大出力和最小出力场景的备用预留优化方案，不仅可以保证电力系统在新能源最小出力和最大出力场景中依然可以满足电力系统的基本运行要求，在有效保证了机组组合和备用分布的合理性的同时，避免在日前阶段过于保守，确保了电网运行的经济性。
步骤S103：基于日前备用预留结果，确定电力系统的火电机组组合结果。在实际应用中，根据日前备用预留结果，则电力系统的火电机组组合结果就可以进行确定，从而保证电力系统运行的平稳性。
在实际应用中，本发明实施例在日前备用留取时适当放松对供电可靠率的要求，按照现行标准的比例留取备用，降低旋转备用容量，提高了系统运行的经济性，与此同时，因为基于新能源预测误差具有随预测时间尺度的缩短逐渐减小的特性，在日内阶段随着时间的推移，部分更为准确的新信息将呈现出来，系统运行的不确定性会明显减小，因此，本发明实施例通过在日前备用预留方案进行调整，进行日前-日内多时序备用优化协调配合以保证系统运行的安全可靠性，最终可以获得安全性和经济性权衡最佳的调度效果。
步骤S104：获取当前日内系统负荷和当前日内新能源出力数据。
具体地，在实际应用中，本发明实施例会对当前的日内信息进行周期性获取，周期时长可由调度中心根据自身情况进行灵活调整，示例性地，可以为15分钟、1小时等。通过对日内信息进行周期性获取，可以最大程度上保证电力数据的准确性，从而更好地进行电力系统的备用预留。
步骤S105：基于电力系统的火电机组组合结果、当前日内系统负荷和当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。具体地，日内备用预留模型主要考虑更细致的新能源预测误差的正态分布，同时满足机组N-1安全约束，保证备用在概率模型下满足系统可靠性要求。本发明实施例使用的日内备用预留模型为现有技术中已有的日内备用预留模型，其构建、训练和调用过程均可参照现有技术中的相关描述进行实施，在此不再进行赘述。
具体地，本发明实施例基于日内信息，通过电力市场出清优化模型对整体购电成本进行了计算，计算公式如下：
Figure 743272DEST_PATH_IMAGE016
（11）
其中，T r 为日内时段总数；N为火电机组总数；p i,t 为火电机组i时刻t的出力；u i,t 为在火电机组i时刻t的启停状态，1为启动，0为停运；f(p i,t )为火电机组在出力为p i,t 时的运行成本；sc i,t 为火电机组i在时刻t的开机费用；c i,rup,t 为正备用费用系数；c i,rdown,t 为负备用费用系数；p i,rup,t 为火电机组i在时刻t的正备用容量；p i,rdown,t 为火电机组i在时刻t的负备用容量。
具体地，在实际应用中，在日内阶段，机组组合可以在日前进行确定，即u i,t 是确定值，新能源预测误差也比日前显著减少，可以采用更为准确的新能源预测误差概率模型（即日内备用预留模型），并通过考虑机组N-1故障，充分保证系统备用可靠性。
具体地，在一实施例中，上述步骤S105具体包括如下步骤：
步骤S401：将电力系统的火电机组组合结果、当前日内系统负荷和当前日内新能源出力数据输入日内备用预留模型得到当前日内备用预测结果。
步骤S402：判断当前日内备用预测结果是否满足电力系统的第二运行要求，第二运行要求至少包括电力系统的安全约束要求。
具体地，在进行日内备用预测时，同样需要满足约束条件，其中，包括电力系统的安全约束要求。
（10）N-1故障下安全约束
Figure DEST_PATH_IMAGE017
（12）
其中，N为火电机组总数；D为电力系统的母线负荷总数；W为新能源机组总数；p i,t 为火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；F f 为线路f的潮流限值；α k,i,f 为设备k故障下火电机组i对线路f的转移分布因子；α k,w,f 为设备k故障下新能源机组w对线路f的转移分布因子；α k,d,f 为设备k故障下母线负荷d对线路f的转移分布因子。
此外，为保证电力系统平稳运行，还需要满足以下约束条件：
（11）机组发电容量约束和爬坡能力约束
Figure 689493DEST_PATH_IMAGE018
（13）
（12）考虑机组故障率的概率备用容量可靠性约束
Figure DEST_PATH_IMAGE019
（14）
（13）电网功率平衡约束
Figure 588179DEST_PATH_IMAGE020
（15）
（14）网络安全约束
Figure DEST_PATH_IMAGE021
（16）
其中，β i 为火电机组i的故障率；σ w,t 为新能源机组w在时刻t的预测误差标准差；Φ（）为标准正态分布函数；η为系统可靠性要求；α k,i,f 为设备k故障下火电机组i对线路f的转移分布因子；α k,d,f 为设备k故障下母线负荷d对线路f的转移分布因子；α k,w,f 为设备k故障下新能源机组w对线路f的转移分布因子。
具体地，在实际应用中，系统可靠性η的取值可由各调度中心进行灵活调整，取值范围可为0.01%-0.1%。
步骤S403：当当前日内备用预测结果满足电力系统的第二运行要求时，将当前日内备用预测结果确定为当前日内备用结果。
具体地，当当前日内备用预测结果不满足上述约束条件或不能保证电力系统平稳运行时，可对火电机组的数量或日内备用预测功率进行调整之后再执行上述步骤S104至步骤S105。
在日内阶段，基于电网可靠性要求，本发明实施例提出了考虑新能源正态分布概率模型和机组故障率的备用预留方法，利用日内阶段更高精度的新能源预测模型，有效保证了日内电网运行的安全性。
本发明实施例通过采用IEEE39算例进行验证，在日前阶段新能源预测误差为新能源出力15%的正态分布，在日内阶段新能源功率预测误差满足标准差为新能源出力5%的正态分布。验证过程中，本发明实施例对两种方案进行了对比，具体方案对比和验证结果如下：
方案1：采用传统方法，即按照新能源出力的一定比例（15%）进行预留备用；
方案2：采用本发明实施例提供的电力系统备用预留方法，示例性地，在日前阶段设置新能源预测误差置信区间为其装机容量的[-2%，2%]，在日内阶段基于更准确的日内新能源预测模型（即日内备用预测模型）进行精确化调整。
结果如图2所示，当风电穿透率由10%增加到30%，可以看出，随着风电穿透率的提高，传统方法的日前备用预留比例呈近似线性增长，而基于本发明实施例的日前备用预留比例增长相对缓慢，而在日内依然能满足电网运行要求。在各种风电穿透率下，本发明实施例与传统方法相比，备用预留比例有显著降低。
通过执行上述步骤，本发明实施例提供的电力系统备用预留方法，通过获取日前系统负荷和日前新能源出力数据；基于日前系统负荷和日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；基于日前备用预留结果，确定电力系统的火电机组组合结果；获取当前日内系统负荷和当前日内新能源出力数据；基于电力系统的火电机组组合结果、当前日内系统负荷和当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。通过将日前的电力系统数据输入至日前备用预留模型得到日前备用预留结果，根据日前备用预留结果确定电力系统的火电机组组合结果，通过日前备用预留结果和火电机组组合结果，保证了包含新能源的电力系统可以预留足够的备用以应对新能源出力的不确定性，再通过进行日内备用预留结果的计算，基于考虑新能源预测误差置信区间的场景，并结合机组N-1的事故备用对当前的日内备用预留结果进行评估，通过日前-日内多时序备用优化协调配合，在保证系统运行安全可靠性的同时，降低了功率预测误差，减少了备用预留容量，最终获得安全性和经济性权衡最佳的调度效果。
下面将结合具体应用示例，对本发明实施例提供的电力系统备用预留方法进行详细的说明。
通过开始接收日前备用预留请求进行日前系统负荷、新能源出力数据和其他电力系统必要信息的获取，基于现行标准，按照负荷和新能源比例进行日前备用预留；基于考虑新能源预测误差置信区间的场景，对电力系统的日前备用预留预测结果进行约束，当日前备用预留预测结果满足约束条件时，将日前备用预留预测结果确定为日前备用预留结果，并作为第二日的电力系统备用预留基础；通过周期性获取日内系统负荷、新能源出力数据以及实时电力系统信息；基于考虑新能源预测误差置信区间的场景，对电力系统的当前日内备用预留预测结果进行约束，当当前日内备用预留预测结果满足约束条件时，将当前日内备用预留预测结果确定为日内备用预留结果；基于精细化的新能源预测误差正态分布概率函数，并结合机组N-1的事故备用对当前的日内备用预留结果进行评估，充分保证电力系统的可靠性。
本发明实施例充分考虑新能源功率预测误差随预测时间的缩短逐渐减小的特性，并结合现行实际生产标准和机组组合实际需求，提出了一种日前-日内备用预留协调优化策略，该策略将系统运行的经济性及安全可靠性分散到不同时间尺度分别侧重考虑，在日前机组组合中，基于现行标准，按照负荷和新能源比例进行预留，同时考虑网络安全约束进行合理分布预留；在日内阶段，考虑精细化的新能源预测误差正态分布概率函数，并结合机组N-1的事故备用，充分保证系统的可靠性。通过日前-日内调度的协调优化，一方面在日前降低含高比例新能源系统的发电成本，另一方面在日内阶段保证电网运行的安全性。与传统方法相比，本发明所提方法是对电网备用预留的精细化，更适用于未来高比例清洁能源接入下的新型电力系统。
本发明实施例提供了一种电力系统备用预留装置，如图3所示，该电力系统备用预留装置包括：
第一获取模块101，用于获取日前系统负荷和日前新能源出力数据。详细内容参见上述方法实施例中步骤S101的相关描述，在此不再进行赘述。
第一处理模块102，用于基于日前系统负荷和日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果。详细内容参见上述方法实施例中步骤S102的相关描述，在此不再进行赘述。
第二处理模块103，用于基于日前备用预留结果，确定电力系统的火电机组组合结果。详细内容参见上述方法实施例中步骤S103的相关描述，在此不再进行赘述。
第二获取模块104，用于获取当前日内系统负荷和当前日内新能源出力数据。详细内容参见上述方法实施例中步骤S104的相关描述，在此不再进行赘述。
第三处理模块105，用于基于电力系统的火电机组组合结果、当前日内系统负荷和当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。详细内容参见上述方法实施例中步骤S105的相关描述，在此不再进行赘述。
上述的电力系统备用预留装置的更进一步描述参见上述电力系统备用预留方法实施例的相关描述，在此不再进行赘述。
通过上述各个组成部分的协同合作，本发明实施例提供的电力系统备用预留装置，通过将日前的电力系统数据输入至日前备用预留模型得到日前备用预留结果，根据日前备用预留结果确定电力系统的火电机组组合结果，通过日前备用预留结果和火电机组组合结果，保证了包含新能源的电力系统可以预留足够的备用以应对新能源出力的不确定性，再通过进行日内备用预留结果的计算，基于考虑新能源预测误差置信区间的场景，并结合机组N-1的事故备用对当前的日内备用预留结果进行评估，通过日前-日内多时序备用优化协调配合，在保证系统运行安全可靠性的同时，降低了功率预测误差，减少了备用预留容量，最终获得安全性和经济性权衡最佳的调度效果。
本发明实施例提供了一种电子设备，如图4所示，该电子设备包括处理器901和存储器902，所述存储器902和所述处理器901之间互相通信连接，其中处理器901和存储器902可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器901可以为中央处理器（Central Processing Unit，CPU）。处理器901还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器901的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，实现的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种电力系统备用预留方法，其特征在于，包括：
获取日前系统负荷和日前新能源出力数据；
基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；
基于所述日前备用预留结果，确定电力系统的火电机组组合结果；
获取当前日内系统负荷和当前日内新能源出力数据；
基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果，包括：
将所述日前系统负荷和所述日前新能源出力数据输入日前备用预留模型得到日前备用预测结果；
判断所述日前备用预测结果是否满足电力系统的第一运行要求；
当所述日前备用预测结果满足电力系统的运行要求时，将所述日前备用预测结果确定为日前备用结果。
3.根据权利要求2所述的方法，其特征在于，所述判断所述日前备用预测结果是否满足电力系统的第一运行要求，包括：
判断所述日前备用预测结果是否满足备用预留约束条件；
当所述日前备用预测结果满足所述备用预留约束条件时，判断所述日前备用预测结果是否满足新能源出力约束条件，所述新能源出力约束条件包括新能源最大出力场景约束条件和新能源最小出力场景约束条件；
当所述日前备用预测结果满足所述新能源出力约束条件时，确定所述日前备用预测结果满足电力系统的第一运行要求。
4.根据权利要求3所述的方法，其特征在于，所述新能源最大出力场景约束条件如下：
Figure 400570DEST_PATH_IMAGE001
Figure 35820DEST_PATH_IMAGE003
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,up,t 为新能源最大出力场景下火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；r w 为规定的日前预留备用总量占新能源比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子；α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子。
5.根据权利要求3所述的方法，其特征在于，所述新能源最小出力场景约束条件如下：
Figure 18819DEST_PATH_IMAGE004
Figure 679608DEST_PATH_IMAGE006
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,down,t 是新能源最小出力场景下火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；r w 为规定的日前预留备用总量占新能源比例；F f 为线路f的潮流限值；α i,f 为火电机组i对线路f的转移分布因子；α d,f 为母线负荷d对线路f的转移分布因子；α w,f 为新能源机组w对线路f的转移分布因子。
6.根据权利要求1所述的方法，其特征在于，所述基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果，包括：
将所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据输入日内备用预留模型得到当前日内备用预测结果；
判断所述当前日内备用预测结果是否满足电力系统的第二运行要求，所述第二运行要求至少包括电力系统的安全约束要求；
当所述当前日内备用预测结果满足所述电力系统的所述第二运行要求时，将所述当前日内备用预测结果确定为当前日内备用结果。
7.根据权利要求6所述的方法，其特征在于，所述电力系统的安全约束要求如下：
Figure 697242DEST_PATH_IMAGE007
其中，N为火电机组总数；D为所述电力系统的母线负荷总数；W为新能源机组总数；p i,t 为火电机组i时刻t的出力；p w,t 为在新能源机组w在t时段的计划功率；p d,t 为在时段t的母线负荷d的预测功率；F f 为线路f的潮流限值；α k,i,f 为设备k故障下火电机组i对线路f的转移分布因子；α k,w,f 为设备k故障下新能源机组w对线路f的转移分布因子；α k,d,f 为设备k故障下母线负荷d对线路f的转移分布因子。
8.一种电力系统备用预留装置，其特征在于，包括：
第一获取模块，用于获取日前系统负荷和日前新能源出力数据；
第一处理模块，用于基于所述日前系统负荷和所述日前新能源出力数据，调用日前备用预留模型计算得到日前备用预留结果；
第二处理模块，用于基于所述日前备用预留结果，确定电力系统的火电机组组合结果；
第二获取模块，用于获取当前日内系统负荷和当前日内新能源出力数据；
第三处理模块，用于基于所述电力系统的火电机组组合结果、所述当前日内系统负荷和所述当前日内新能源出力数据，调用日内备用预留模型计算得到日内备用预留结果。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行如权利要求1-7中任一项所述的方法。
CN202210525960.4A 2022-05-16 2022-05-16 电力系统备用预留方法、装置、电子设备及存储介质 Active CN114614469B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210525960.4A CN114614469B (zh) 2022-05-16 2022-05-16 电力系统备用预留方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210525960.4A CN114614469B (zh) 2022-05-16 2022-05-16 电力系统备用预留方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114614469A true CN114614469A (zh) 2022-06-10
CN114614469B CN114614469B (zh) 2022-08-02

Family

ID=81870595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210525960.4A Active CN114614469B (zh) 2022-05-16 2022-05-16 电力系统备用预留方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114614469B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341601A (zh) * 2017-06-26 2017-11-10 南方电网科学研究院有限责任公司 基于日前、日内时间尺度的电力资源调度方法和系统
CN108416536A (zh) * 2018-04-10 2018-08-17 国网江苏省电力有限公司电力科学研究院 一种消纳新能源的需求响应资源多时间尺度滚动调度方法
CN111553536A (zh) * 2020-05-06 2020-08-18 国网安徽省电力有限公司滁州供电公司 一种基于多种能源结构下的电网负荷预测方法
CN111628503A (zh) * 2020-06-20 2020-09-04 东北电力大学 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341601A (zh) * 2017-06-26 2017-11-10 南方电网科学研究院有限责任公司 基于日前、日内时间尺度的电力资源调度方法和系统
CN108416536A (zh) * 2018-04-10 2018-08-17 国网江苏省电力有限公司电力科学研究院 一种消纳新能源的需求响应资源多时间尺度滚动调度方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111553536A (zh) * 2020-05-06 2020-08-18 国网安徽省电力有限公司滁州供电公司 一种基于多种能源结构下的电网负荷预测方法
CN111628503A (zh) * 2020-06-20 2020-09-04 东北电力大学 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李滨等: "基于DFT的多时间尺度系统备用需求分析", 《电力电容器与无功补偿》 *

Also Published As

Publication number Publication date
CN114614469B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
US11757404B2 (en) Coordinated control of renewable electric generation resource and charge storage device
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN104915737A (zh) 基于风险控制含大规模风电的电力系统协调经济调度方法
CN110061492B (zh) 考虑配电网供电可靠性的储能系统容量优化配置方法
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
CN110649598B (zh) 一种计及区域内虚拟电厂调节节点电价的方法及系统
KR20190140296A (ko) 위험도 분석을 이용한 가상발전소 운영시스템 및 방법
CN115258861A (zh) 电梯能源管理方法、系统、装置及存储介质
CN110752598B (zh) 多点分布式储能系统灵活性评价方法和装置
CN112383086A (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN116565874A (zh) 一种考虑光储用户并网的配电网多时间尺度优化调度方法
CN114648179A (zh) 电网输电线检修计划生成方法、装置、设备及存储介质
CN111008463A (zh) 一种考虑发电侧储能的容量配置优化方法、装置及设备
CN110866647A (zh) 用户侧储能控制方法、装置、设备及存储介质
CN112348274B (zh) 考虑调峰的电力现货市场出清方法、系统、设备及介质
CN114614469B (zh) 电力系统备用预留方法、装置、电子设备及存储介质
CN105914780B (zh) 风储联合发电系统发电指标跟踪方法及装置
CN116581794A (zh) 一种储能调控方法及系统
CN114243796B (zh) 区域互联电网的分区域备用预留容量确定方法和系统
CN114938015A (zh) 一种计及新能源消纳的储能控制方法及系统
CN115310678A (zh) 电力市场出清优化方法、装置、终端设备及存储介质
CN108258734B (zh) 基于风功率区间预测的鲁棒最优调度方法
CN116308301B (zh) 协调多区域的输电检修方法、装置、计算机设备及介质
CN115860163B (zh) 基于系统运行指标的新能源发电偏差评估方法及系统
CN115473251A (zh) 一种电池储能系统的功率优化控制方法、装置及电子设备

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