CN114759614A - 基于博弈论的多能源系统鲁棒优化调度策略 - Google Patents
基于博弈论的多能源系统鲁棒优化调度策略 Download PDFInfo
- Publication number
- CN114759614A CN114759614A CN202210589418.5A CN202210589418A CN114759614A CN 114759614 A CN114759614 A CN 114759614A CN 202210589418 A CN202210589418 A CN 202210589418A CN 114759614 A CN114759614 A CN 114759614A
- Authority
- CN
- China
- Prior art keywords
- power
- power station
- output
- scheduling
- wind
- 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 34
- 238000004146 energy storage Methods 0.000 claims abstract description 83
- 230000033228 biological regulation Effects 0.000 claims abstract description 48
- 238000005338 heat storage Methods 0.000 claims abstract description 40
- 238000010248 power generation Methods 0.000 claims description 61
- 238000003860 storage Methods 0.000 claims description 25
- 238000007599 discharging Methods 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000009987 spinning Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003828 downregulation Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- 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
- 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
- H02J2300/40—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于博弈论的多能源系统鲁棒优化调度策略,属于电力系统技术领域,包括多能源系统和调度策略,所述多能源系统包括火电机组。本发明中,通过光热电站、储能电站两级式调峰控制实现对不确定性风光出力和负荷需求的削峰填谷,进而平滑总电力输出,同时最大程度地消纳新能源,光热电站配置了储热系统,能够保证电能的稳定供应,因此具有缓冲能力,当配置的储热容量足够大时,能够作为调峰电厂参与多能源系统的调度,大幅度地平滑电力生产,能够有效促进新能源消纳,是实现高比例新能源并网的重要技术之一,采用分级调度,协调各类型电源的优化运行,在提高系统运行的灵活性和可靠性的同时最大程度提高新能源消纳。
Description
技术领域
本发明属于电力系统技术领域,尤其涉及一种基于博弈论的多能源系统鲁棒优化调度策略。
背景技术
可再生能源的固有特性使得电网调峰除了以往面临的负荷问题以外,还有着新能源的加入,常规电源不仅要跟随负荷变化,还需要平衡新能源的出力波动,新能源最大出力超过常规电源调节范围时,会产生弃风和弃光。
为了增强电网的调节能力,促进可再生能源的消纳,改善电能品质,提高系统稳定性和可靠性,增加系统备用容量,改善和提高经济效益,需要增设储能调峰设施,目前常见的储能调峰的电源有:
(1)抽水储能机组调峰,优点是技术成熟可靠,容量很大,能够消峰填谷,设备投资不大,效率通常为70%-85%,缺点是选址比较困难,占地面积大;
(2)储能电站调峰,优点是占地面积少,消峰填谷效果明显,反应时间快,缺点是前期投资大,蓄电池寿命短;
(3)热能储能调峰,优点是几乎不存在寿命限制和衰减的问题,循环次数问题,热能储能应用最多的是熔盐储热,其可集中设置,也可分布设置,输出电力为交流可调节,清洁环保,在生产使用包括回收过程中都不会如储电那样产生很大的污染,成本低廉;
风力发电受自然来风的影响,出力波动性很大,具有较大的日变化率和季节变化率,呈现较强的季节性和间歇性,光伏发电系统的出力受太阳光照的直接影响,现有系统不具备有功输出调度调节能力,当太阳光强迅速变化时,输出功率会在大范围内快速波动,迫使系统中增加更多的旋转备用容量来快速补偿风电、光伏发电系统出力的波动。
基于此,本发明设计了一种基于博弈论的多能源系统鲁棒优化调度策略,以解决上述问题。
发明内容
本发明的目的在于:为了解决风力发电受自然来风的影响,出力波动性很大,具有较大的日变化率和季节变化率,呈现较强的季节性和间歇性,光伏发电系统的出力受太阳光照的直接影响,现有系统不具备有功输出调度调节能力,当太阳光强迅速变化时,输出功率会在大范围内快速波动,迫使系统中增加更多的旋转备用容量来快速补偿风电、光伏发电系统出力的波动的问题,而提出的一种基于博弈论的多能源系统鲁棒优化调度策略。
为了实现上述目的,本发明采用了如下技术方案:
一种基于博弈论的多能源系统鲁棒优化调度策略,包括多能源系统和调度策略;
所述多能源系统包括火电机组、风电站、光伏电站、光热电站、储能电站以及电网本身的旋转备用;
所述调度策略包括以下内容:
将光热电站作为主调峰电厂、储能电站作为次调峰电厂以及电网本身的旋转备用作为调峰手段;
将鲁棒优化问题的博弈模型应用在含光热电站的高比例风电-光伏多能源系统中进行经济调度;
考虑光热电站储热设备的储放热特性、储能电站的充放电特性以及传统火电机组的爬坡约束,以大自然决策为博弈一方,电网调度人员决策为博弈另一方;
将含光热电站的高比例风电-光伏多能源系统经济调度问题构建成二人零和博弈的min-max模型;
进而通过求解min-max模型的优化问题以得到不依赖于准确风光出力预测以及分布的鲁棒经济调度策略,并通过光热电站和储能电站两级式调峰控制实现对不确定性风光出力和负荷需求的削峰填谷,进而平滑总电力输出,同时最大程度地消纳新能。
作为上述技术方案的进一步描述:
所述电网调度人员的决策变量包含5个部分,所述决策变量的5个部分分别为传统火力发电出力、计划调度的光伏功率、计划调度的风功率、计划调度的光热功率以及储能电站的充放电功率;
所述大自然的决策变量为实际可用的光伏功率和风功率。
作为上述技术方案的进一步描述:
所述多能源系统经济调度的目的在于以最小的发电费用满足用户需求,选用发电成本作为调度的目标;
所述发电成本F包含5个部分,即传统火力发电的发电费用、光热电站的偏离计划出力费用、储能电站的充放电费用或收益以及电网调度人员高估或低估可用风光功率带来的备用或弃风和弃光成本:
式中,T为调度周期,PG为传统火电机组出力,f(PGi,t)为火电机组发电成本,g(PCSPj,t)为光热电站为调峰而偏离计划出力的惩罚费用,h(PSn,t)为储能电站充放电费用或收益,为光伏发电不确定性带来的成本,为风力发电不确定性带来的成本,PGi,t为第i台火电机组在t时刻的出力,PCSPj,t为光热汽轮机组j在t时刻的出力,NG为火电机组数,NC为光热汽轮机组数,PSn,t为第n个储能电站在t时刻的放电(充电)功率,NV为光伏电站数,NW为风电站数,为大自然实际光伏电站出力,为电网调度的光伏电站出力,为大自然实际风电站出力,为电网调度的风电站出力;
火电机组发电费用:
式中ai、bi、ci为火电机组i的煤耗成本参数;
光热电站为调峰而偏离计划出力的惩罚费用:
对于光热发电机组,由于其还承担了系统的调峰任务,应反映其偏离计划出力引起的新能源消纳变化,为了保证光热发电机组出力最大化程度达到日计划出力,同时保持一定的旋转备用,将采用价格惩罚将光热汽轮机组偏差日计划出力的部分纳入发电成本目标函数中:
式中,d为光热发电机组偏离计划出力的价格惩罚系数,其值为光热电站并网发电电价,PCSPj为光热电站j日计划出力;
储能电站的充放电费用或收益:
若干个储能电站组成的储能系统中所有的蓄电池分成NS组进行充放电控制,第n组储能单元在t时刻的充电费用为:
h(PSn,t)=βtPSn,t
式中βt为t时刻电价,若此时储能电站放电PSn,t≤0,则h(PSn,t)≤0,其相反数为放电收益;
光伏电站出力预测偏差费用:
由于光伏电站出力预测基于天气预报,电网制定的调度计划值往往与大自然决定的实际光伏电站出力不同,若调度的光伏电站出力大于实际出力,则需要经过光热电站、储能电站的调峰,依旧不足时需要投入旋转备用,而当调度的光伏电站出力小于实际出力时,则在经过光热电站、储能电站的调峰后弃掉依旧过剩的光伏电站出力,用下式表示高估和低估可用光伏功率带来的调度费用、备用费用和弃光费用:
式中,Co,Vk为高估光伏电站出力的价格惩罚系数,Cu,Vk为低估光伏电站出力的价格惩罚系数;
风电站出力预测偏差费用:
由于风电站出力难以准确预测,电网制定的调度计划值与大自然决定的实际风电站出力往往不一样,若调度的风电站出力大于实际出力,则需要经过光热电站、储能电站的调峰,依旧不足时需要投入旋转备用,而当调度的风电站出力小于实际出力时,则在经过光热电站、储能电站的调峰后弃掉依旧过剩的风电站出力,用下式表示高估和低估可用风功率带来的调度费用、备用费用和弃风费用:
式中,Co,wm,为高估风电站出力的价格惩罚系数,Cu,Wm为低估风电站出力的价格惩罚系数。
作为上述技术方案的进一步描述:
所述鲁棒经济调度的约束条件包括系统约束、传统火电机组约束、光热电站出力约束、储能电站充放电约束、光伏电站出力约束和风电站出力约束6个方面;
系统约束:
功率平衡约束(仅考虑有功功率平衡):
式中,PL,t为t时刻系统的电负荷;
线路传输约束:
-Pl,max≤Pl,t≤Pl,max,l=1,2,…,Nl
式中,Pl,max为第l条输电线路的容量,Pl,t为其在t时刻的传输功率,Nl为输电线路的总数;
传统火电机组约束:
出力约束:
爬坡约束:
光热电站出力约束:
储热装置约束:
式中:Qt为t时刻储能装置的储热量,ρ为储热能量损失率,分别表示t时刻储热装置储热、放热功率,ηcr、ηfr分别表示储热装置的储热、放热效率,和分别为储热装置的最大充热功率和最大放热功率,Qmin为熔盐储热装置为保证安全运行所需要的最低储热量,tfull为储热装置满负荷运行小时数,为该光热电站汽轮机组j最大输出电功率,ηh-e表示热电转化效率;
汽轮机约束:
储能电站充放电约束:
式中:Ct为t时刻蓄电池的储电量,为储电能量损失率,分别表示t时刻蓄电池充电、放电功率,ηcha、ηdis分别表示蓄电池的充电、放电效率,和分别为蓄电池的最大充电功率和最大放电功率,和为蓄电池容量约束;
光伏电站出力约束:
第k个光伏电站在t时刻的实际调度出力的变化范围可用闭区间 表示,其中分别为第k个光伏电站正常发电时出力的最小值和最大值,无论是电网调度人员计划调度的光伏出力还是大自然决定的可用光伏出力都在此区间内取值:
风电站出力约束:
作为上述技术方案的进一步描述:
所述鲁棒经济调度策略适用任何调度周期,能够令电网调度人员制定调度的策略最小化大自然对系统发电成本的最坏影响;
s.t.
-Pl,max≤Pl,t≤Pl,max,l=1,2,…,Nl
t=0,1,…,T-1
该模型可适用任何调度周期,能够令电网调度人员制定调度的策略最小化大自然对系统发电成本的最坏影响,该调度策略为鲁棒经济调度策略,所得发电成本为最大可能成本,即采用本发明所述调度策略时,无论实际的可调度风光出力如何,均能够保证实际发电成本不大于上式最优解下的值。
作为上述技术方案的进一步描述:
所述min-max模型采用二阶段松弛算法,将最大化自然策略作为约束条件,对多能源系统调度策略进行优化,把原来的双层优化问题等效为对偶的单阶段优化问题;
Step1:初始化大自然的策略w1,将电网调度人员的决策变量,风光调度出力、光热出力、储能电站出力、火电出力初始化为x1,迭代次数u=1;
Step2:引入对偶变量λ,求解松弛后的极大值问题;
s.t.w∈W,i=1,2,…u
λ≥0
式中W为大自然策略集合,在满足大自然控制的光伏风电实际可调度出力约束的条件下,迭代u次后求解到最优解(wu,λu),该模型中只有大自然的控制量w为优化变量;
Step3:引入辅助变量σ,求解松弛后的极小值问题;
s.t.F(x,wu)-λG(x,wu)≤σ
x∈X
式中,X为电网调度人员控制策略的集合,代入Step2中所得目标函数值(wu,λu)求解得到电网控制变量xu+1;
Step4:检验算法是否结束;
若(wu,λu)≤σ+θ,则算法终止,(xu+1,wu)即为所求最优解,此处θ为一个很小的正数,否则,记u=u+1,重复Step2。
作为上述技术方案的进一步描述:
所述调度策略的调度控制过程包括:
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比;
其次,采集光热电站储热罐的温度数据并传递到主控端与预设数据进行对比判断光热电站的现存容量,决定是否能够参与调峰;
若光热电站不能参与调峰或由于功率限制依旧有功率缺口,采集储能电站蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件,决定是否能够参与调频;
最后,若功率依旧不平衡,投入旋转备用或弃风、弃光以保证电网的安全稳定运行。
作为上述技术方案的进一步描述:
所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力小于预测出力:
此时,风电、光伏发出的电能首先给负载供电,同时,判断光热电站是否能够调峰,若可则提高光热电站输出功率开始调峰,若不能够进入二次调峰;
计算对比光热电站调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P1<PL,判断储能电站蓄电池是否可放电,若可则储能电站参与调峰,若不可则投入旋转备用直至功率平衡,调度周期结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P2<PL,则投入旋转备用直至功率平衡,调度周期结束,如果P2=PL,则系统功率已经平衡,调度周期结束。
作为上述技术方案的进一步描述:
所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力大于预测出力:
此时,首先判断光热电站是否能够限电调峰,若可则降低光热电站输出功率开始调峰,若储热已达上限不可调峰则进入二次调峰;
计算对比光热调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P1>PL,判断储能电站蓄电池是否可充电,若可则储能电站参与调峰,若不可则弃风、弃光直至功率平衡,调度结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P2>PL,则弃风、弃光直至功率平衡,调度周期结束,如果P2=PL,则系统功率已经平衡,调度周期结束。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明中,为保证多能源调度系统安全可靠运行,最大程度地抑制风光出力地不确定性对系统带来的有害影响,将鲁棒优化问题的博弈模型应用在含光热电站的高比例风电-光伏多能源系统经济调度,该调度策略考虑光热电站储热设备的储放热特性、储能电站的充放电特性以及传统发电机组的爬坡约束,以大自然决策为博弈一方,人工调度决策为博弈另一方,将含光热电站的高比例风电-光伏多能源系统经济调度问题构建成二人零和博弈的min-max模型,为考虑风电、光伏出力不确定性的电力系统提供基于博弈论的鲁棒经济调度的新思路,进而通过求解min-max模型的优化问题以得到不依赖于准确风光出力预测以及分布的鲁棒经济调度策略,并通过光热电站、储能电站两级式调峰控制实现对不确定性风光出力和负荷需求的削峰填谷,进而平滑总电力输出,同时最大程度地消纳新能源,光热电站配置了储热系统,能够保证电能的稳定供应,因此具有缓冲能力,当配置的储热容量足够大时,能够作为调峰电厂参与多能源系统的调度,大幅度地平滑电力生产,抵消风光出力短期变化,能够有效促进新能源消纳,是实现高比例新能源并网的重要技术之一,采用分级调度,协调各类型电源的优化运行,在提高系统运行的灵活性和可靠性的同时最大程度提高新能源消纳。
附图说明
图1为本发明提出的一种基于博弈论的多能源系统鲁棒优化调度策略的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种基于博弈论的多能源系统鲁棒优化调度策略,包括多能源系统和调度策略;
所述多能源系统包括火电机组、风电站、光伏电站、光热电站、储能电站以及电网本身的旋转备用;
所述调度策略包括以下内容:
将光热电站作为主调峰电厂、储能电站作为次调峰电厂以及电网本身的旋转备用作为调峰手段;
将鲁棒优化问题的博弈模型应用在含光热电站的高比例风电-光伏多能源系统中进行经济调度;
考虑光热电站储热设备的储放热特性、储能电站的充放电特性以及传统火电机组的爬坡约束,以大自然决策为博弈一方,电网调度人员决策为博弈另一方;
将含光热电站的高比例风电-光伏多能源系统经济调度问题构建成二人零和博弈的min-max模型;
进而通过求解min-max模型的优化问题以得到不依赖于准确风光出力预测以及分布的鲁棒经济调度策略,并通过光热电站和储能电站两级式调峰控制实现对不确定性风光出力和负荷需求的削峰填谷,进而平滑总电力输出,同时最大程度地消纳新能。
具体的,所述电网调度人员的决策变量包含5个部分,所述决策变量的5个部分分别为传统火力发电出力、计划调度的光伏功率、计划调度的风功率、计划调度的光热功率以及储能电站的充放电功率;
所述大自然的决策变量为实际可用的光伏功率和风功率。
具体的,所述多能源系统经济调度的目的在于以最小的发电费用满足用户需求,选用发电成本作为调度的目标;
所述发电成本F包含5个部分,即传统火力发电的发电费用、光热电站的偏离计划出力费用、储能电站的充放电费用或收益以及电网调度人员高估或低估可用风光功率带来的备用或弃风和弃光成本:
式中,T为调度周期,PG为传统火电机组出力,f(PGi,t)为火电机组发电成本,g(PCSPj,t)为光热电站为调峰而偏离计划出力的惩罚费用,h(PSn,t)为储能电站充放电费用或收益,为光伏发电不确定性带来的成本,为风力发电不确定性带来的成本,PGi,t为第i台火电机组在t时刻的出力,PCSPj,t为光热汽轮机组j在t时刻的出力,NG为火电机组数,NC为光热汽轮机组数,PSn,t为第n个储能电站在t时刻的放电(充电)功率,NV为光伏电站数,NW为风电站数,为大自然实际光伏电站出力,为电网调度的光伏电站出力,为大自然实际风电站出力,为电网调度的风电站出力;
火电机组发电费用:
式中ai、bi、ci为火电机组i的煤耗成本参数;
光热电站为调峰而偏离计划出力的惩罚费用:
对于光热发电机组,由于其还承担了系统的调峰任务,应反映其偏离计划出力引起的新能源消纳变化,为了保证光热发电机组出力最大化程度达到日计划出力,同时保持一定的旋转备用,将采用价格惩罚将光热汽轮机组偏差日计划出力的部分纳入发电成本目标函数中:
式中,d为光热发电机组偏离计划出力的价格惩罚系数,其值为光热电站并网发电电价,PCSPj为光热电站j日计划出力;
储能电站的充放电费用或收益:
若干个储能电站组成的储能系统中所有的蓄电池分成NS组进行充放电控制,第n组储能单元在t时刻的充电费用为:
h(PSn,t)=βtPSn,t
式中βt为t时刻电价,若此时储能电站放电PSn,t≤0,则h(PSn,t)≤0,其相反数为放电收益;
光伏电站出力预测偏差费用:
由于光伏电站出力预测基于天气预报,电网制定的调度计划值往往与大自然决定的实际光伏电站出力不同,若调度的光伏电站出力大于实际出力,则需要经过光热电站、储能电站的调峰,依旧不足时需要投入旋转备用,而当调度的光伏电站出力小于实际出力时,则在经过光热电站、储能电站的调峰后弃掉依旧过剩的光伏电站出力,用下式表示高估和低估可用光伏功率带来的调度费用、备用费用和弃光费用:
式中,Co,Vk为高估光伏电站出力的价格惩罚系数,Cu,Vk为低估光伏电站出力的价格惩罚系数;
风电站出力预测偏差费用:
由于风电站出力难以准确预测,电网制定的调度计划值与大自然决定的实际风电站出力往往不一样,若调度的风电站出力大于实际出力,则需要经过光热电站、储能电站的调峰,依旧不足时需要投入旋转备用,而当调度的风电站出力小于实际出力时,则在经过光热电站、储能电站的调峰后弃掉依旧过剩的风电站出力,用下式表示高估和低估可用风功率带来的调度费用、备用费用和弃风费用:
式中,Co,Wm,为高估风电站出力的价格惩罚系数,Cu,Wm为低估风电站出力的价格惩罚系数。
具体的,所述鲁棒经济调度的约束条件包括系统约束、传统火电机组约束、光热电站出力约束、储能电站充放电约束、光伏电站出力约束和风电站出力约束6个方面;
系统约束:
功率平衡约束(仅考虑有功功率平衡):
式中,PL,t为t时刻系统的电负荷;
线路传输约束:
-Pl,max≤Pl,t≤Pl,max,l=1,2,…,Nl
式中,Pl,max为第l条输电线路的容量,Pl,t为其在t时刻的传输功率,Nl为输电线路的总数;
传统火电机组约束:
出力约束:
爬坡约束:
光热电站出力约束:
储热装置约束:
式中:Qt为t时刻储能装置的储热量,ρ为储热能量损失率,分别表示t时刻储热装置储热、放热功率,ηcr、ηfr分别表示储热装置的储热、放热效率,和分别为储热装置的最大充热功率和最大放热功率,Qmin为熔盐储热装置为保证安全运行所需要的最低储热量,tfull为储热装置满负荷运行小时数,为该光热电站汽轮机组j最大输出电功率,ηh-e表示热电转化效率;
汽轮机约束:
储能电站充放电约束:
式中:Ct为t时刻蓄电池的储电量,为储电能量损失率,分别表示t时刻蓄电池充电、放电功率,ηcha、ηdis分别表示蓄电池的充电、放电效率,和分别为蓄电池的最大充电功率和最大放电功率,和为蓄电池容量约束;
光伏电站出力约束:
第k个光伏电站在t时刻的实际调度出力的变化范围可用闭区间 表示,其中分别为第k个光伏电站正常发电时出力的最小值和最大值,无论是电网调度人员计划调度的光伏出力还是大自然决定的可用光伏出力都在此区间内取值:
风电站出力约束:
具体的,所述鲁棒经济调度策略适用任何调度周期,能够令电网调度人员制定调度的策略最小化大自然对系统发电成本的最坏影响;
s.t.
-Pl,max≤Pl,t≤Pl,max,l=1,2,…,Nl
t=0,1,…,T-1
该模型可适用任何调度周期,能够令电网调度人员制定调度的策略最小化大自然对系统发电成本的最坏影响,该调度策略为鲁棒经济调度策略,所得发电成本为最大可能成本,即采用本发明所述调度策略时,无论实际的可调度风光出力如何,均能够保证实际发电成本不大于上式最优解下的值。
具体的,所述min-max模型采用二阶段松弛算法,将最大化自然策略作为约束条件,对多能源系统调度策略进行优化,把原来的双层优化问题等效为对偶的单阶段优化问题;
Step1:初始化大自然的策略w1,将电网调度人员的决策变量,风光调度出力、光热出力、储能电站出力、火电出力初始化为x1,迭代次数u=1;
Step2:引入对偶变量λ,求解松弛后的极大值问题;
s.t.w∈W,i=1,2,…u
λ≥0
式中W为大自然策略集合,在满足大自然控制的光伏风电实际可调度出力约束的条件下,迭代u次后求解到最优解(wu,λu),该模型中只有大自然的控制量w为优化变量;
Step3:引入辅助变量σ,求解松弛后的极小值问题;
s.t.F(x,wu)-λG(x,wu)≤σ
x∈X
式中,X为电网调度人员控制策略的集合,代入Step2中所得目标函数值(wu,λu)求解得到电网控制变量xu+1;
Step4:检验算法是否结束;
若(wu,λu)≤σ+θ,则算法终止,(xu+1,wu)即为所求最优解,此处θ为一个很小的正数,否则,记u=u+1,重复Step2。
具体的,所述调度策略的调度控制过程包括:
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比;
其次,采集光热电站储热罐的温度数据并传递到主控端与预设数据进行对比判断光热电站的现存容量,决定是否能够参与调峰;
若光热电站不能参与调峰或由于功率限制依旧有功率缺口,采集储能电站蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件,决定是否能够参与调频;
最后,若功率依旧不平衡,投入旋转备用或弃风、弃光以保证电网的安全稳定运行。
具体的,所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力小于预测出力:
此时,风电、光伏发出的电能首先给负载供电,同时,判断光热电站是否能够调峰,若可则提高光热电站输出功率开始调峰,若不能够进入二次调峰;
计算对比光热电站调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P1<PL,判断储能电站蓄电池是否可放电,若可则储能电站参与调峰,若不可则投入旋转备用直至功率平衡,调度周期结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P2<PL,则投入旋转备用直至功率平衡,调度周期结束,如果P2=PL,则系统功率已经平衡,调度周期结束。
具体的,所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力大于预测出力:
此时,首先判断光热电站是否能够限电调峰,若可则降低光热电站输出功率开始调峰,若储热已达上限不可调峰则进入二次调峰;
计算对比光热调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P1>PL,判断储能电站蓄电池是否可充电,若可则储能电站参与调峰,若不可则弃风、弃光直至功率平衡,调度结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P2>PL,则弃风、弃光直至功率平衡,调度周期结束,如果P2=PL,则系统功率已经平衡,调度周期结束。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于博弈论的多能源系统鲁棒优化调度策略,包括多能源系统和调度策略,其特征在于:
所述多能源系统包括火电机组、风电站、光伏电站、光热电站、储能电站以及电网本身的旋转备用;
所述调度策略包括以下内容:
将光热电站作为主调峰电厂、储能电站作为次调峰电厂以及电网本身的旋转备用作为调峰手段;
将鲁棒优化问题的博弈模型应用在含光热电站的高比例风电-光伏多能源系统中进行经济调度;
考虑光热电站储热设备的储放热特性、储能电站的充放电特性以及传统火电机组的爬坡约束,以大自然决策为博弈一方,电网调度人员决策为博弈另一方;
将含光热电站的高比例风电-光伏多能源系统经济调度问题构建成二人零和博弈的min-max模型;
进而通过求解min-max模型的优化问题以得到不依赖于准确风光出力预测以及分布的鲁棒经济调度策略,并通过光热电站和储能电站两级式调峰控制实现对不确定性风光出力和负荷需求的削峰填谷,进而平滑总电力输出,同时最大程度地消纳新能。
2.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述电网调度人员的决策变量包含5个部分,所述决策变量的5个部分分别为传统火力发电出力、计划调度的光伏功率、计划调度的风功率、计划调度的光热功率以及储能电站的充放电功率;
所述大自然的决策变量为实际可用的光伏功率和风功率。
3.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述多能源系统经济调度的目的在于以最小的发电费用满足用户需求,选用发电成本作为调度的目标;
所述发电成本F包含5个部分,即传统火力发电的发电费用、光热电站的偏离计划出力费用、储能电站的充放电费用或收益以及电网调度人员高估或低估可用风光功率带来的备用或弃风和弃光成本。
4.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述鲁棒经济调度的约束条件包括系统约束、传统火电机组约束、光热电站出力约束、储能电站充放电约束、光伏电站出力约束和风电站出力约束6个方面。
5.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述鲁棒经济调度策略适用任何调度周期,能够令电网调度人员制定调度的策略最小化大自然对系统发电成本的最坏影响。
6.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述min-max模型采用二阶段松弛算法,将最大化自然策略作为约束条件,对多能源系统调度策略进行优化,把原来的双层优化问题等效为对偶的单阶段优化问题。
7.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述调度策略的调度控制过程包括:
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比;
其次,采集光热电站储热罐的温度数据并传递到主控端与预设数据进行对比判断光热电站的现存容量,决定是否能够参与调峰;
若光热电站不能参与调峰或由于功率限制依旧有功率缺口,采集储能电站蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件,决定是否能够参与调频;
最后,若功率依旧不平衡,投入旋转备用或弃风、弃光以保证电网的安全稳定运行。
8.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力小于预测出力:
此时,风电、光伏发出的电能首先给负载供电,同时,判断光热电站是否能够调峰,若可则提高光热电站输出功率开始调峰,若不能够进入二次调峰;
计算对比光热电站调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P 1<P L,判断储能电站蓄电池是否可放电,若可则储能电站参与调峰,若不可则投入旋转备用直至功率平衡,调度周期结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P 2<P L,则投入旋转备用直至功率平衡,调度周期结束,如果P 2=P L,则系统功率已经平衡,调度周期结束。
9.根据权利要求1所述的基于博弈论的多能源系统鲁棒优化调度策略,其特征在于,所述风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比中,若风光调度出力大于预测出力:
此时,首先判断光热电站是否能够限电调峰,若可则降低光热电站输出功率开始调峰,若储热已达上限不可调峰则进入二次调峰;
计算对比光热调峰后系统功率P1与负载功率PL,如果P1=PL,则系统功率已经平衡,调度结束,如果P 1>P L,判断储能电站蓄电池是否可充电,若可则储能电站参与调峰,若不可则弃风、弃光直至功率平衡,调度结束;
计算对比储能电站调峰后系统功率P2与负载功率PL,如果P 2>P L,则弃风、弃光直至功率平衡,调度周期结束,如果P 2=P L,则系统功率已经平衡,调度周期结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210589418.5A CN114759614A (zh) | 2022-05-26 | 2022-05-26 | 基于博弈论的多能源系统鲁棒优化调度策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210589418.5A CN114759614A (zh) | 2022-05-26 | 2022-05-26 | 基于博弈论的多能源系统鲁棒优化调度策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114759614A true CN114759614A (zh) | 2022-07-15 |
Family
ID=82336708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210589418.5A Pending CN114759614A (zh) | 2022-05-26 | 2022-05-26 | 基于博弈论的多能源系统鲁棒优化调度策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114759614A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115912431A (zh) * | 2023-02-03 | 2023-04-04 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
-
2022
- 2022-05-26 CN CN202210589418.5A patent/CN114759614A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115912431A (zh) * | 2023-02-03 | 2023-04-04 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
CN115912431B (zh) * | 2023-02-03 | 2023-11-07 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN109858711B (zh) | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 | |
CN112990523B (zh) | 区域综合能源系统分层优化运行方法 | |
CN113988444A (zh) | 一种光储系统的电费优化控制系统及方法 | |
CN111384719A (zh) | 一种光伏并网时的分布式储能电站削峰填谷优化调度方法 | |
CN112381424A (zh) | 新能源及负荷不确定性的多时间尺度有功优化决策方法 | |
CN115065104B (zh) | 一种微电网多能源集成调度系统 | |
CN112736952A (zh) | 考虑日历寿命的海上风电配置储能系统容量优化方法 | |
CN113627762B (zh) | 一种基于激励电价的虚拟电厂调峰方法 | |
CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 | |
CN116109076A (zh) | 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法 | |
CN112366684A (zh) | 一种海岛微电网系统 | |
CN110880761A (zh) | 一种基于p2p平台的风光抽蓄混合系统的联合调度方法 | |
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 | |
CN116760008A (zh) | 一种考虑负荷特性的多时间尺度有功无功协调调度方法 | |
CN115036914A (zh) | 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 | |
CN114759614A (zh) | 基于博弈论的多能源系统鲁棒优化调度策略 | |
CN108075471A (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
CN116760025B (zh) | 电力系统的风险调度优化方法和系统 | |
CN116683461A (zh) | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 | |
CN116805192A (zh) | 考虑最优弃能率的综合能源系统双层规划优化方法及应用 | |
CN113595104B (zh) | 一种风储联合调频系统的储能容量配置方法 | |
Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 |
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 |