CN114707403A - 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 - Google Patents
基于抽水蓄能调节的地区配电网多能源协调优化调度方法 Download PDFInfo
- Publication number
- CN114707403A CN114707403A CN202210240702.1A CN202210240702A CN114707403A CN 114707403 A CN114707403 A CN 114707403A CN 202210240702 A CN202210240702 A CN 202210240702A CN 114707403 A CN114707403 A CN 114707403A
- Authority
- CN
- China
- Prior art keywords
- power
- pumped storage
- formula
- capacity
- cost
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 39
- 238000011144 upstream manufacturing Methods 0.000 claims description 32
- 238000005086 pumping Methods 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 230000000087 stabilizing effect Effects 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims description 4
- 238000011105 stabilization Methods 0.000 claims description 4
- 239000004820 Pressure-sensitive adhesive Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
- H02J3/28—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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于抽水蓄能调节的地区配电网多能源协调优化调度方法,包括以下步骤:构建风电、光伏、小水电、负荷在典型周的功率曲线;以系统总成本和抽蓄建设成本最小为目标,构建优化模型的目标函数1;抽水蓄能平抑风光和小水电入网波动后,基于抽水蓄能、风电、光伏、小水电入网后剩余负荷方差最小,构建优化模型的目标函数2;利用NSGA‑Ⅱ算法求解优化模型,得到优化模型的Pareto前沿;利用模糊隶属度函数,求解Pareto解集的折中解,通过选择偏好系数,得到满足用户意愿的容量配置最优解和各发电系统调度计划最优解。本发明所提出的方法能够通过抽水蓄能的调节平抑新能源入网后的负荷波动,其调度策略能够满足新能源地区电网经济性最优且最大程度消纳新能源。
Description
技术领域
本发明涉及配电网优化调度技术领域,具体为一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法。
背景技术
当前,抽水蓄能保障电网安全稳定运行和提升新能源消纳的作用已被广泛认可。在对抽蓄电站的规划研究中,通常是将抽蓄电站作为简单的调峰电源,仅考虑其对地区负荷的削峰填谷或是对单一风光电厂出力的平抑,未能从整个电网层面以提升新能源消纳为目的进行规划。随着新能源并网规模的不断加大,在抽蓄电站的容量规划中综合考虑地区负荷及新能源的情况也能够更好地实现抽蓄对新能源的消纳作用。因此亟需研究抽水蓄能服务电网的潜力并探索抽水蓄能在新能源电网中的合理配置,从而为合理利用抽水蓄能提供参考,为解决新能源消纳问题做出贡献。
我国西南地区清洁能源比较丰富,但负荷多以城乡居民电负荷为主,变化幅度较大,由于风电、光伏、水电和火电4类异质电源出力在季节上的差异性,很难去适应居民负荷的变化,容易造成电能调度的无序性和资源浪费。利用抽水蓄能消纳新能源是一种有效的途径,但由于目前缺乏实用化的研究方法,其优化调度策略和运行模式等关键技术问题没有得到有效解决。
发明内容
针对能源转型背景下的系统调度面临的新能源消纳问题,本发明提供一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,通过抽水蓄能的调节平抑新能源入网后的负荷波动,以新能源入网后的余负荷均方差为优化目标,兼顾抽蓄电站的投资建设成本、系统运行成本等综合成本,考虑系统功率平衡约束、机组爬坡约束、抽蓄电站水力约束、联络线功率约束等各种运行约束条件,通过多目标优化确定抽蓄电站的容量配置,进一步确定地区配电网多能源协调优化调度策略,并最终实现新能源地区电网经济最优且最大程度消纳新能源。
本发明采取的技术方案为:
基于抽水蓄能调节的地区配电网多能源协调优化调度方法,包括以下步骤:
步骤一:采集风电、光伏、小水电、地区电网负荷在典型周的功率变化特征,构建风电、光伏、小水电、负荷在典型周的功率曲线;
步骤二:以系统总成本和抽蓄建设成本最小为目标,构建优化模型的目标函数1;
步骤三:抽水蓄能平抑风光和小水电入网波动后,基于抽水蓄能、风电、光伏、小水电入网后剩余负荷方差最小,构建优化模型的目标函数2;
步骤四:以各机组运行约束、功率平衡约束、水力约束和容量约束,构建优化模型的约束条件;
步骤五:利用NSGA-Ⅱ算法(快速非支配排序遗传算法)求解优化模型,得到优化模型的Pareto(帕累托)前沿;
步骤六:利用模糊隶属度函数,求解Pareto解集的折中解,通过选择偏好系数,得到满足用户意愿的容量配置最优解和各发电系统调度计划最优解;
通过上述步骤,获得地区配电网抽蓄容量最优配置方案和该方案下各发电系统调度计划。所述步骤二中,将抽水蓄能电站总成本CPS、火电机组燃料成本Cg、火电机组污染物排放惩罚成本CEN(环境成本)、联络线交易费用CTIE,引入到系统总成本函数f1中,以系统总成本最小为目标,构建目标函数1,如式(1)所示。
minf1=CPS+Cg+CEN+CTIE (1);
其中,抽水蓄能电站总成本CPS如式(2)所示。
式中,Cpc为上游库容每立方米单价;Cpp为水轮机装机容量每千瓦单价;Cre_pp为水轮机替换成本;Tpump为水轮机寿命周期;COM_pc为上游库容单位维护成本;COM_pp为装机容量单位运维成本;r为贴现率;Ta为项目周期,Vpcap为上游库容体积,Ppcap为装机容量,n为项目周期内的某一年。
所述步骤三中,目标函数2用抽水蓄能平抑系统净负荷波动的效果用平抑后的余负荷方差表示,如式(3)所示。
Pnet,t=Pt L-Pt WT-Pt PV-Pt HY;
△Pt L=Pnet,t-Pt T+Pt P;
式中,Pt L、Pnet,t和△Pt L分别代表t时刻系统负荷、净负荷和余负荷功率;Pt T,Pt P分别为t时刻抽蓄电站的发电功率和水泵输出功率;Pt WT,Pt PV,Pt HY分别为t时刻的风电、光伏、径流式小水电上网功率,T为调度时间尺度。
所述步骤四中,地区配电网容量优化配置的约束条件包括等式约束和不等式约束,具体如下:
(1)负荷功率平衡约束:
式中,Pt gi为火电厂i在t时刻的出力,Pt grid为与上级电网交互的联络线功率,Ng为火电厂数目。
(2)火电厂爬坡约束、上下限约束:
(3)联络线功率交互约束:
Pgrid.min≤Pt grid≤Pgrid.max (6);
式中,Pgrid.max、Pgrid.min分别为与上级电网交互的联络线交换功率的上限和下限。
(4)抽水蓄能电站约束:
①抽水蓄能电站上游库容容量约束:
0≤Vpcap≤Vp_pcapmax (7);
式中,Vp_capmax为抽水蓄能电站上游库容体积的上限,Vpcap为上游库容体积。
②抽水蓄能电站装机容量约束:
0≤Ppcap≤Pp_capmax (8);
式中,Pp_capmax为抽水蓄能电站水泵容量上限,Ppcap为装机容量。
③运行功率约束:
0≤Pt T,Pt P≤Ppcap (9);
④库容约束:
V(t+1)=V(t)+(QP(t)-QT(t))△t (10);
0≤V(t)≤Vpcap (11);
Pt P·Pt T=0 (12);
式中:QP(t)为抽水流量;QT(t)为发电流量;Δt为调度时间间隔,取1h;V(t)为t时刻上游库容,V(t+1)为t+1时刻的上游库容。在任意时刻,库容约束可以限制抽水蓄能电站上游库容所蓄水量不会超过设定的上游库容体积。
所述步骤五中,利用NSGA-Ⅱ算法求解优化模型,求解过程为:
S5.1:首先,随机生成一个包含N个个体的种群即父代种群,并对父代种群当中的个体进行非支配排序;
S5.2:然后,计算个体拥挤度,由个体拥挤度大小决定所在层级,采用选择算子选出适当的个体投入交配池中对池中的个体进行交叉、变异等操作产生新的下一代种群;
S5.3:最后,使用精英策略,按设定比例排除不达标的个体,让优秀的个体进入下一代优化,由此通过多次迭代来求得最后的Pareto最优解。
所述步骤六中,为了从非劣解集中挑选出折中解,在此使用模糊隶属度函数。通过隶属度的大小反映决策者对该目标优化的满意程度,综合各目标函数的模糊隶属度值来求取折中解,其步骤如下:
步骤6.1:记录下多目标问题对应的Pareto最优解集中的每个目标的最大值Fmax和最小值Fmin;
步骤6.2:利用式(14)计算Pareto最优解集中的每个解对应的每个目标函数对应的u值。
式中:Fi表示目标函数i的函数值,Fi min和Fi max分别表示目标函数i的最小值和最大值。
步骤6.3:最后,利用式(15)计算Pareto最优解集中的每个解对应的总的u值。
式中:k为非支配解序号,i为目标函数序号,uk为非支配解k对应的隶属度值,为非支配解k中目标函数i的隶属度值。N为该多目标问题中目标函数的个数,M为该多目标问题找到的Pareto最优解集中非支配解的个数。当通过以上步骤找到该Pareto最优解集对应的每个非支配解的u值,该多目标问题的折中解,即为最大u值对应的非支配解。从而获得最优的抽蓄容量配置方案和该方案下各发电系统的调度计划。
本发明一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,技术效果如下:
1)在本发明提供的方法中,构建地区配电网多目标抽蓄容量配置及多能源协调优化调度模型。以抽蓄投资建设成本、地区配电网系统运行总成本最小为优化目标之一,以抽蓄电站平抑新能源入网后的余负荷波动均方差最小为优化目标之二,结合抽蓄电站水力约束、火电运行约束、联络线功率限制等约束条件构建多目标优化模型。
2)本发明通过典型的NSGA-Ⅱ算法求解某一地区电网在典型场景下的多目标优化模型,通过Pareto前沿确定最终的配置容量,并进一步获得地区配电网各发电系统的运行调度策略。
3)仿真结果表明,本发明所提出的方法能够通过抽水蓄能的调节平抑新能源入网后的负荷波动,其调度策略能够满足新能源地区配电网经济性最优且最大程度消纳新能源。
附图说明
图1是基于抽水蓄能调节的风-光-水-火-网系统结构图。
图2是典型场景下的风电、光伏、径流式小水电、负荷曲线图。
图3是利用NSGA-Ⅱ求解本优化调度模型的流程图。
图4是典型场景下利用NSGA-Ⅱ求解获得的Pareto前沿图。
图5是最优解对应的抽蓄电站对清洁能源入网波动的抑制效果图。
图6是最优解对应的各机组计划出力曲线图。
具体实施方式
图1为基于抽水蓄能调节的风-光-水-火-网地区电力系统结构图。清洁能源由光伏发电、风力发电、径流式小水电构成,用户负荷接入地区电网中,通过配置抽蓄电站平抑清洁能源入网波动,剩余功率缺额由地区电网中的火电机组和与上级电网交互实现平衡。
构建配电网抽蓄容量及多能源运行多目标优化调度模型。目标函数1为抽蓄投资建设成本系统运行总成本,如式(1)所示,目标函数2为抽蓄电站平抑新能源入网后的余负荷波动均方差,如式(3)所示,约束条件考虑抽蓄电站水力约束、火电运行成本和爬坡约束、联络线功率限制等。通过NAGA-Ⅱ算法求解本优化模型,求得的抽蓄容量配置结果在满足建设成本最优的条件下最大程度平抑新能源波动。并进一步获得地区配电网各发电系统运行调度策略及联络线功率交换计划。其调度结果能满足新能源地区电网调度经济性最优且最大程度消纳新能源。具体实施方案如下所示:
步骤1:采集风电、光伏、径流式小水电、地区电网负荷在典型周的功率变化特征,构建风电、光伏、径流式小水电、负荷在典型周的功率曲线,如图2所示。典型周代表一年中最具表征清洁能源出力特征的调度时段。在图2中,光伏和负荷的功率变化特征以天为单位;径流式小水电出力在丰水期和枯水期出力特性比较明显,枯水期基本不具备发电条件,丰水期收到自然来水和流域水电下泄流量的影响,出力波动性在一周内表现较明显;风电的间歇性和波动性则表现最为明显,体现为较强的日变化率和周变化率。本发明的方法测试选取丰水期的某一周作为调度时段能够表征各清洁能源的出力特征。
步骤2:构建优化模型的目标函数1,具体为:
以抽水蓄能电站总成本CPS、火电机组燃料成本Cg、火电机组污染物排放惩罚成本CEN(环境成本)、联络线交易费用CTIE引入到系统总成本函数f1中,以系统总成本最小为目标函数。
minf1=CPS+Cg+CEN+CTIE (1);
(1)其中,抽蓄电站投资建设成本如式(2)所示:
式中,Cpc为上游库容每立方米单价;Cpp为水轮机装机容量每千瓦单价;Cre_pp为水轮机替换成本;Tpump为水轮机寿命周期;COM_pc为上游库容单位维护成本;COM_pp为装机容量单位运维成本;r为贴现率;Ta为项目周期,Vpcap为上游库容体积,Ppcap为装机容量。
(2)火电机组燃料成本:
式中,αi,βi,γi,ei,hi均为火电厂成本系数,Ng为火电厂数量,Pt gi为火电厂i在t时刻的出力,T为调度周期。
(3)火电机组污染物排放惩罚成本:
污染物惩罚成本一般考虑火电厂排放的NOX和SO2等气体,可表示为火电厂输出功率的二次函数和指数函数之和:
式中,ai0,ai1,ai2,ai3,ai4均为第i个火电厂的排放系数。qg为惩罚成本系数。
(4)联络线交互费用:
式中,Pr(t)为t时刻上级电网下发的实时电价,Pt grid表示t时段与上级电网交互的功率。
步骤3:构建优化模型的目标函数2:
考虑抽水蓄能平抑风光和小水电入网波动后,用抽蓄、风电、光伏、小水电入网后剩余负荷的标准差最小构建优化模型的目标函数f2,具体为:
Pnet,t=Pt L-Pt WT-Pt PV-Pt HY;
△Pt L=Pnet,t-Pt T+Pt P;
式中,Pt L、Pnet,t和△Pt L分别代表t时刻系统负荷、净负荷和余负荷功率;Pt T,Pt P分别为抽蓄电站在t时刻的发电功率和水泵输出功率;Pt WT,Pt PV,Pt HY分别为t时刻的风电、光伏、径流式小水电上网功率。
步骤4:构建多目标优化模型的约束条件,包括负荷功率平衡约束,火电机组运行爬坡约束,联络线功率约束,抽蓄电站水力及容量约束等:
(1)负荷功率平衡约束
(2)火电厂爬坡约束、上下限约束
(3)联络线功率交互约束
Pgrid.min≤Pt grid≤Pgrid.max (6);
式中,Pgrid.max、Pgrid.min分别为与上级电网交互的联络线交换功率的上限和下限。
(4)抽水蓄能电站约束
①抽水蓄能电站上游库容容量约束
0≤Vpcap≤Vp_pcapmax (7);
式中,Vp_capmax为抽水蓄能电站上游库容体积的上限。
②抽水蓄能电站装机容量约束
0≤Ppcap≤Pp_capmax (8);
式中,Pp_capmax为抽水蓄能电站水泵容量上限。
③运行功率约束:
0≤Pt T,Pt P≤Ppcap (9);
④流量出力约束
式中:QP(t)为抽水流量;QT(t)为发电流量;Δt为时间间隔,取1h;ηwp为管道效率;ηp为水泵效率;ηT为发电机组效率;ρ为水密度,取为1000kg/m3;g为重力加速度;h为水头高度;KP和KT分别为抽水工况和发电工况下的流速功率比。
⑤:库容约束
V(t+1)=V(t)+(QP(t)-QT(t))△t (10);
0≤V(t)≤Vpcap (11);
Pt P·Pt T=0 (12);
式中:V(t)为t时刻库容,限制在任意时刻,抽水蓄能电站上游库容所蓄水量不得超过设定的上游库容体积,且在初始时刻,抽水蓄能电站上游库容的水量设置为库容体积的一半。
步骤5:利用NSGA-Ⅱ算法求解多目标优化问题,得到优化模型的Pareto前沿,求解流程如图3所示,具体如下:
1)设置算法初始参数、调度模型相关参数;
2)随机产生初始种群P0,迭代次数k=1;
3)计算当前种群各个体目标函数值和约束违反值;
4)快速非支配排序;
5)根据非支配性排序结果计算每一层级的个体拥挤度;
6)计算比例因子,并按此比例从当前种群中挑选优势个体作为父代种群Pn;
7)对挑选出的父代种群进行交叉、变异操作,生成子代种群Qn;
8)实施精英策略,生成新种群:Nn=Pn∪Qn;
9)计算当前种群各个体目标函数值和约束违反值;
10)判断终止条件:如果迭代次数k达到最大进化代数,则进入步骤11,否则,回到步骤4)循环;
11)利用模糊隶属度函数挑选最优解。
步骤6:根据Pareto前沿和用户偏好系数,求出折中解,具体为:
根据步骤5的流程获得丰水期场景下的Pareto前沿,如图4所示。
为了从非劣解集中挑选出折中解,在此使用模糊隶属度函数。通过隶属度的大小反映决策者对该目标优化的满意程度,综合各目标函数的模糊隶属度来求取折中解,其步骤和计算公式如下所示:
(1):记录下多目标问题对应的Pareto最优解集中的每个目标的最大值Fmax和最小值Fmin。
(2)利用下式计算Pareto最优解集中的每个解对应的每个目标函数对应的u。
(3)最后利用下式计算Pareto最优解集中的每个解对应的总的u值。
其中:N为该多目标问题中目标函数的个数,M为该多目标问题找到的Pareto最优解集中非支配解的个数。当通过以上步骤找到该Pareto最优解集对应的每个非支配解的u值,该多目标问题的折中解即为最大u值对应的非支配解。
本优化调度模型求解过程可分为两个部分:
第一步,以抽蓄电站的出力、上游库容、装机容量、联络线功率、火电机组出力等作为寻优变量,以目标函数1和目标函数2和约束条件式(4)~式(13)建立多目标优化模型,通过NSGA-Ⅱ算法求取多目标优化问题的Pareto前沿。
第二步,根据用户偏好选择各目标函数的权重,利用模糊隶属度函数在非劣解集中挑选折中解。获取折中解对应的地方配电网抽蓄容量最优配置和各发电系统运行调度策略、联络线交换功率计划等。
验证实施例:
仿真算例是基于图1的地区电网结构,利用MATLAB平台进行仿真分析。模型采用1套总装机为180MW的风电集群,1套总装机为12.6MW的光伏集群,1套总装机为110MW的径流式小水电群,1个抽蓄电站,1个总装机为10MW的火电厂,负荷容量为120MW,与上级电网联络线功率限额为50MW,抽蓄电站规划的基本参数如下:工程年限20年,贴现率为0.05,水头高度为79米,发电机组效率0.64,水泵效率0.65,管道效率0.95,抽蓄电站蓄水池的最大和最小蓄水量分别为100%和30%,典型场景下的风电、光伏、径流式小水电、负荷曲线如图2所示。抽蓄电站的投资建设参数如表1所示,火电相关系数如表2所示,上级电网下发的分时电价如表3所示。NSGA-Ⅱ算法的种群数量为100,最大迭代次数为100000次,交叉率为0.9,变异率0.1。
表1抽蓄电站的投资建设成本系数
表2火电厂成本系数及运行范围
表3上级电网分时电价
根据抽蓄电站的投资建设成本及净负荷波动均方差,寻优获得地区电网中抽蓄电站容量配置的Pareto前沿如图4所示,暂取偏好系数均为0.5,对应的抽蓄电站容量最优配置如表4所示。
表4地区电网中抽蓄电站容量配置表
通过仿真得到该方案下对新能源入网后余负荷波动抑制情况,如图5所示,原始负荷峰谷差为64.898MW,负荷波动方差为10.20MW2,风光新能源入网后拉大了负荷峰谷差,净负荷方差一度增加至34.29MW2,峰谷差升至155.38MW;通过抽蓄的平抑控制,负荷波动方差降至12.82MW2,净负荷波动大幅度降低,峰谷差降至64.8984MW,平抑效果明显。本发明提供的方法能够针对新能源地区电网的负荷削峰填谷,平抑负荷波动均方差。
进一步获得该方案下各发电系统的调度计划,如图6所示。图6包括清洁能源接入下的抽蓄电站、火电厂和联络线交换功率每小时发电计划。从图6中各发电系统的调度出力计划来看,清洁能源出力占据主导地位,通过优化联合发电系统的综合成本和负荷波动方差,抽蓄电站在满足库容和流量的范围内最大限度平抑了新能源接入后的负荷波动,有效发挥了快速调节和削峰填谷的潜力。
Claims (7)
1.基于抽水蓄能调节的地区配电网多能源协调优化调度方法,其特征在于包括以下步骤:
步骤一:采集风电、光伏、小水电、地区电网负荷在典型周的功率变化特征,构建风电、光伏、小水电、负荷在典型周的功率曲线;
步骤二:以系统总成本和抽蓄建设成本最小为目标,构建优化模型的目标函数1;
步骤三:抽水蓄能平抑风光和小水电入网波动后,基于抽水蓄能、风电、光伏、小水电入网后剩余负荷方差最小,构建优化模型的目标函数2;
步骤四:以各机组运行约束、功率平衡约束、水力约束和容量约束,构建优化模型的约束条件;
步骤五:利用NSGA-Ⅱ算法求解优化模型,得到优化模型的Pareto前沿;
步骤六:利用模糊隶属度函数,求解Pareto解集的折中解,通过选择偏好系数,得到满足用户意愿的容量配置最优解和各发电系统调度计划最优解。
2.根据权利要求1所述一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,其特征在于:所述步骤二中,将抽水蓄能电站总成本CPS、火电机组燃料成本Cg、火电机组污染物排放惩罚成本CEN、联络线交易费用CTIE,引入到系统总成本函数f1中,以系统总成本最小为目标,构建目标函数1,如式(1)所示:
minf1=CPS+Cg+CEN+CTIE (1);
其中,抽水蓄能电站总成本CPS如式(2)所示;
式中,Cpc为上游库容每立方米单价;Cpp为水轮机装机容量每千瓦单价;Cre_pp为水轮机替换成本;Tpump为水轮机寿命周期;COM_pc为上游库容单位维护成本;COM_pp为装机容量单位运维成本;r为贴现率;Ta为项目周期,Vpcap为上游库容体积,Ppcap为装机容量,n为项目周期内的某一年。
4.根据权利要求1所述一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,其特征在于:所述步骤四中,约束条件包括等式约束和不等式约束,具体如下:
(1)负荷功率平衡约束:
式中,Pt gi为火电厂i在t时刻的出力,Pt grid为与上级电网交互的联络线功率,Ng为火电厂数目;
(2)火电厂爬坡约束、上下限约束:
(3)联络线功率交互约束:
式中,Pgrid.max、Pgrid.min分别代表与上级电网交互的联络线交换功率的上限和下限;
(4)抽水蓄能电站约束:
①抽水蓄能电站上游库容容量约束:
0≤Vpcap≤Vp_pcapmax (7);
式中,Vp_capmax为抽水蓄能电站上游库容体积的上限,Vpcap为上游库容体积;
②抽水蓄能电站装机容量约束:
0≤Ppcap≤Pp_capmax (8);
式中,Pp_capmax为抽水蓄能电站水泵容量上限,Ppcap为装机容量;
③运行功率约束:
0≤Pt T,Pt P≤Ppcap (9);
④库容约束:
V(t+1)=V(t)+(QP(t)-QT(t))△t (10);
0≤V(t)≤Vpcap (11);
Pt P·Pt T=0 (12);
式中:QP(t)为抽水流量;QT(t)为发电流量;Δt为调度时间间隔,取1h;V(t)为t时刻上游库容,V(t+1)为t+1时刻的上游库容;在任意时刻,库容约束可以限制抽水蓄能电站上游库容所蓄水量不会超过设定的上游库容体积。
5.根据权利要求1所述一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,其特征在于:所述步骤五中,利用典型的NSGA-Ⅱ算法求解优化模型,求解过程为:
S5.1:首先,随机生成一个包含N个个体的种群即父代种群,并对父代种群当中的个体进行非支配排序;
S5.2:然后,计算个体拥挤度,由个体拥挤度大小决定所在层级,采用选择算子选出适当的个体投入交配池中对池中的个体进行交叉、变异等操作产生新的下一代种群;
S5.3:最后,使用精英策略,按设定比例排除不达标的个体,让优秀的个体进入下一代优化,由此通过多次迭代来求得最后的Pareto最优解。
6.根据权利要求1所述一种基于抽水蓄能调节的地区配电网多能源协调优化调度方法,其特征在于:所述步骤六中,使用模糊隶属度函数,通过隶属度的大小反映决策者对该目标优化的满意程度,综合各目标函数的模糊隶属度来求取折中解,其步骤如下:
步骤6.1:记录下多目标问题对应的Pareto最优解集中的每个目标的最大值Fmax和最小值Fmin;
步骤6.2:利用式(14)计算Pareto最优解集中的每个解对应的每个目标函数对应的u值;
式中:Fi表示目标函数i的函数值,Fi min和Fi max分别表示目标函数i的最小值和最大值;
步骤6.3:最后,利用式(15)计算Pareto最优解集中的每个解对应的总的u值;
7.一种配电网抽蓄容量及多能源运行多目标优化调度模型,其特征在于:
该模型的目标函数1为抽蓄投资建设成本系统运行总成本,目标函数2为抽蓄电站平抑新能源入网后的余负荷波动均方差,约束条件考虑抽蓄电站水力约束、火电运行成本和爬坡约束、联络线功率限制;
将抽水蓄能电站总成本CPS、火电机组燃料成本Cg、火电机组污染物排放惩罚成本CEN、联络线交易费用CTIE,引入到系统总成本函数f1中,以系统总成本最小为目标,构建目标函数1,如式(1)所示:
minf1=CPS+Cg+CEN+CTIE (1);
其中,抽水蓄能电站总成本CPS如式(2)所示;
式中,Cpc为上游库容每立方米单价;Cpp为水轮机装机容量每千瓦单价;Cre_pp为水轮机替换成本;Tpump为水轮机寿命周期;COM_pc为上游库容单位维护成本;COM_pp为装机容量单位运维成本;r为贴现率;Ta为项目周期,Vpcap为上游库容体积,Ppcap为装机容量,n为项目周期内的某一年;
目标函数2用抽水蓄能平抑系统净负荷波动的效果用平抑后的余负荷方差表示,如式(3)所示;
Pnet,t=Pt L-Pt WT-Pt PV-Pt HY;
△Pt L=Pnet,t-Pt T+Pt P;
式中,Pt L、Pnet,t和△Pt L分别代表t时刻系统负荷、净负荷和余负荷功率;Pt T,Pt P分别为t时刻抽蓄电站的发电功率和水泵输出功率;Pt WT,Pt PV,Pt HY分别为t时刻的风电、光伏、径流式小水电上网功率,T为调度时间尺度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210240702.1A CN114707403A (zh) | 2022-03-10 | 2022-03-10 | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210240702.1A CN114707403A (zh) | 2022-03-10 | 2022-03-10 | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707403A true CN114707403A (zh) | 2022-07-05 |
Family
ID=82168078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210240702.1A Pending CN114707403A (zh) | 2022-03-10 | 2022-03-10 | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707403A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115566701A (zh) * | 2022-08-26 | 2023-01-03 | 中国长江三峡集团有限公司 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
CN117591396A (zh) * | 2023-10-25 | 2024-02-23 | 国网湖北省电力有限公司宜昌供电公司 | Modbus TCP协议的测试用例生成方法及系统 |
CN117728474A (zh) * | 2024-02-08 | 2024-03-19 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795846A (zh) * | 2015-04-24 | 2015-07-22 | 清华大学 | 一种抽水蓄能电站与风电的联合系统的优化运行方法 |
CN111799778A (zh) * | 2020-06-11 | 2020-10-20 | 国网山东省电力公司经济技术研究院 | 一种计及调峰需求的含风电电力系统储能容量优化方法 |
CN112418605A (zh) * | 2020-10-19 | 2021-02-26 | 国网上海市电力公司 | 一种光储式充电站储能系统优化运行方法 |
US20210365966A1 (en) * | 2020-01-16 | 2021-11-25 | Dalian University Of Technology | Multi-objective optimization method for power system peak-shaving based on index linkage analysis |
CN114156917A (zh) * | 2021-11-12 | 2022-03-08 | 国网新源控股有限公司 | 抽水蓄能电站的区域负荷频率控制方法与系统 |
-
2022
- 2022-03-10 CN CN202210240702.1A patent/CN114707403A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795846A (zh) * | 2015-04-24 | 2015-07-22 | 清华大学 | 一种抽水蓄能电站与风电的联合系统的优化运行方法 |
US20210365966A1 (en) * | 2020-01-16 | 2021-11-25 | Dalian University Of Technology | Multi-objective optimization method for power system peak-shaving based on index linkage analysis |
CN111799778A (zh) * | 2020-06-11 | 2020-10-20 | 国网山东省电力公司经济技术研究院 | 一种计及调峰需求的含风电电力系统储能容量优化方法 |
CN112418605A (zh) * | 2020-10-19 | 2021-02-26 | 国网上海市电力公司 | 一种光储式充电站储能系统优化运行方法 |
CN114156917A (zh) * | 2021-11-12 | 2022-03-08 | 国网新源控股有限公司 | 抽水蓄能电站的区域负荷频率控制方法与系统 |
Non-Patent Citations (2)
Title |
---|
刘艳峰: "基于抽水蓄能和光热电站的风光发电联合优化调度", 中国优秀硕士学位论文全文数据库, no. 4, 15 April 2020 (2020-04-15), pages 3 * |
王京景 等: "基于多目标模糊优化的抽蓄水火电联合调峰方法", 电气技术, vol. 20, no. 11, 15 November 2019 (2019-11-15), pages 33 - 38 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115566701A (zh) * | 2022-08-26 | 2023-01-03 | 中国长江三峡集团有限公司 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
CN115566701B (zh) * | 2022-08-26 | 2024-05-10 | 中国长江三峡集团有限公司 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
CN117591396A (zh) * | 2023-10-25 | 2024-02-23 | 国网湖北省电力有限公司宜昌供电公司 | Modbus TCP协议的测试用例生成方法及系统 |
CN117728474A (zh) * | 2024-02-08 | 2024-03-19 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
CN117728474B (zh) * | 2024-02-08 | 2024-04-26 | 河海大学 | 清洁能源基地储能容量优化配置方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Evaluation of the risk and benefit of the complementary operation of the large wind-photovoltaic-hydropower system considering forecast uncertainty | |
CN109347151B (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
CN114707403A (zh) | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 | |
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
CN109936170A (zh) | 考虑电源灵活性裕度的风光水火互补协调优化调度方法 | |
CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
CN112803499B (zh) | 电力/电量补偿协同的风光水多能互补容量优化配置方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN109936164A (zh) | 基于电源互补特性分析的多能源电力系统优化运行方法 | |
Cavazzini et al. | Techno-economic benefits deriving from optimal scheduling of a Virtual Power Plant: Pumped hydro combined with wind farms | |
CN109740808A (zh) | 一种风光水互补发电计划计算方法及系统 | |
CN110942212B (zh) | 一种基于梯级水库运行系数的梯级水库优化运行方法 | |
CN109412158A (zh) | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 | |
CN110909954A (zh) | 一种最大化可再生能源利用的多阶段电源规划方法 | |
Li et al. | Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity | |
Jia et al. | Optimal operation of cascade hydro-wind-photovoltaic complementary generation system with vibration avoidance strategy | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
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 | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
CN108062022A (zh) | 一种热电协同系统的优化控制方法 | |
Jing et al. | Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base | |
CN115730747A (zh) | 一种综合能源系统多主体利益分配方法及其应用 | |
CN115360745A (zh) | 一种电力市场环境下的水光蓄互补发电系统容量配置方法 | |
Meng et al. | A revenue-risk equilibrium model for distributed energy integrated virtual power plants considering uncertainties of wind and photovoltaic 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 |