CN114819341A - 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 - Google Patents

燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 Download PDF

Info

Publication number
CN114819341A
CN114819341A CN202210440240.8A CN202210440240A CN114819341A CN 114819341 A CN114819341 A CN 114819341A CN 202210440240 A CN202210440240 A CN 202210440240A CN 114819341 A CN114819341 A CN 114819341A
Authority
CN
China
Prior art keywords
day
scheduling
representing
power
control
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
CN202210440240.8A
Other languages
English (en)
Other versions
CN114819341B (zh
Inventor
吴啸
席涵
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202210440240.8A priority Critical patent/CN114819341B/zh
Publication of CN114819341A publication Critical patent/CN114819341A/zh
Application granted granted Critical
Publication of CN114819341B publication Critical patent/CN114819341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • H02J3/04—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
    • 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

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

Abstract

本发明公开了一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，涉及能源系统优化调度技术领域，解决了燃煤电站和碳捕集系统短时间尺度快速功率调整不够灵活的技术问题，其技术方案要点是通过构建燃煤电站与碳捕集系统组成的耦合系统多时间尺度调度框架，在保证经济性与低碳性的同时提升了系统短时间尺度功率调整的灵活性；同时，通过对耦合系统进行控制感知调度，考虑底层闭环控制的特性，实现了调度最优性与控制可行的协调。

Description

燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法
技术领域
本申请涉及能源系统优化调度技术领域，尤其涉及一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法。
背景技术
火电机组是目前CO2气体最主要的排放源，对温室效应造成了很大的影响。基于化学吸附的燃烧后CO2捕集技术是实现燃煤电站深度减排的重要措施。然而随着可再生电能的不断接入，为了抑制可再生的随机性，燃煤电站的频繁变工况运行将成为常态。研究表明，燃煤电站与碳捕集系统存在很强的耦合性：燃煤电站频繁变负荷运行的烟气波动将严重干扰碳捕集系统的平稳运行；而应对烟气变化过程中再沸器抽汽流量的持续改变又会影响碳捕集系统的捕集率以及上游燃煤电站的发电功率。考虑到燃煤电站对发电功率的影响很慢，而再沸器抽汽对电站功率影响很快，如何充分发挥碳捕集系统自身的灵活性以提升燃煤电站短时间尺度快速调整功率的能力对抑制可再生电能与负荷需求的频繁波动具有重要意义。
发明内容
本申请提供了一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，其技术目的是在保证系统经济性与低碳性的同时，提升燃煤电站和碳捕集系统短时间尺度快速功率调整的灵活性以及调度指令的控制可行性。
本申请的上述技术目的是通过以下技术方案得以实现的：
一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，该方法通过耦合系统实现，所述耦合系统包括燃煤电站和碳捕集系统，该方法包括：
S1：根据日前可再生出力与负荷需求的预测数据，以最小化日运行成本为目标而进行日前随机优化调度，并为下一个24小时的发电出力与捕集率出力提供日前调度功率指令；
S2：基于日内可再生出力与负荷需求的预测数据，通过碳捕集功率调整贡献率对所述日前调度功率指令进行滚动优化，以最小化日内电能供需不平衡为目标而进行日内调度，得到日内调度结果；其中，日内调度时间尺度为15分钟，日内调度滚动时域长度为4小时；
S3：基于控制感知调度时间尺度的可再生出力与负荷需求的预测数据对日内调度结果进行再调整，同时采用闭环动态模型进行控制感知调度，得到最终调度结果，将所述最终调度结果下达底层控制系统；其中，控制感知调度时间尺度为5分钟，控制感知调度滚动时域长度为1小时。
本申请的有益效果在于：本申请构建了燃煤电站与碳捕集系统组成的耦合系统多时间尺度调度框架，在保证经济性与低碳性的同时提升了系统短时间尺度功率调整的灵活性；同时，通过对耦合系统进行控制感知调度，考虑底层闭环控制的特性，实现了调度最优性与控制可行的协调。
附图说明
图1为本申请所述的多时间尺度控制感知调度方法的框架示意图。
图2为本申请所述的耦合系统流程示意图；
图3为本申请提供的耦合系统可行域示意图；
图4为本申请采用的碳捕集系统控制结构与传统碳捕集系统控制结构对比示意图；
图5为本申请具体实施例仿真参数设置图；
图6为本申请提供实施例日前随机优化调度结果示意图；
图7为本申请提供实施例在不同碳捕集功率调整贡献率下实际运行效果比较示意图；
图8为本申请提供实施例控制感知调度与稳态调度下实际运行效果比较示意图；
图9为本申请提供实施例在图4的两种碳捕集系统控制结构下的实际运行效果比较示意图。
具体实施方式
下面将结合附图对本申请技术方案进行详细说明。
如图1所示，本发明的一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，其调度分为三层：第一层为日前随机优化调度，以经济性和低碳性为导向，获取下一个24小时耦合系统的小时级出力；第二层为日内调度，根据最新的可再生出力与负荷需求预测信息对第一层调度结果进行修正，同时引入碳捕集功率调整贡献率指导日内调度，充分发挥了碳捕集系统灵活支撑功率的作用；第三层为动态感知调度，采用闭环动态模型进行调度，实现了调度指令的优化性与控制可行性的协调。此外，本申请同时设计了与调度框架更适配的碳捕集系统控制策略，采用抽汽流量控制CO2产量，贫液流量维持再沸器温度。
如图2所示，耦合系统包扩耦合系统输出功率、CO2捕集率、再沸器温度和机组给煤量、贫液流量及再沸器蒸汽流量等主要变量。一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，包括如下步骤：
S1：根据日前可再生出力与负荷需求的预测数据，以最小化日运行成本为目标而进行日前随机优化调度，并为下一个24小时的发电出力与捕集率出力提供日前调度功率指令。
具体地，所述日前随机优化调度的目标函数
Figure BDA0003613627550000021
为所有场景下日运行成本的期望，表示为：
Figure BDA0003613627550000022
其中，
Figure BDA0003613627550000023
表示燃煤电站运行成本；
Figure BDA0003613627550000024
表示碳捕集系统运行成本；
Figure BDA0003613627550000025
表示CO2交易成本；
Figure BDA0003613627550000026
表示电能供需不平衡惩罚；s表示第s个场景；πs表示第s个场景的概率；L1表示日前调度；
Figure BDA0003613627550000031
表示日前随机调度决策变量，
Figure BDA0003613627550000032
包括耦合系统日前输出功率
Figure BDA0003613627550000033
与碳捕集系统日前捕集率
Figure BDA0003613627550000034
燃煤电站运行成本
Figure BDA0003613627550000035
表示为：
Figure BDA0003613627550000036
其中，αcoal表示煤价；
Figure BDA0003613627550000037
表示日前第s个场景下t时刻的煤耗量；
Figure BDA0003613627550000038
表示燃煤电站的单位功率运维成本；
Figure BDA0003613627550000039
表示日前第s个场景下t时刻的燃煤电站的发电功率；
碳捕集系统运行成本
Figure BDA00036136275500000310
表示为：
Figure BDA00036136275500000311
其中，
Figure BDA00036136275500000312
表示捕集单位碳的运维成本；
Figure BDA00036136275500000313
表示日前第s个场景下t时刻的碳捕集系统的CO2产量；
CO2交易成本
Figure BDA00036136275500000314
表示为：
Figure BDA00036136275500000315
其中，
Figure BDA00036136275500000316
表示CO2的交易价格；σ表示该燃煤电站所获得的碳排放分配额度；
Figure BDA00036136275500000317
表示日前第s个场景下t时刻耦合系统的CO2排放量；
Figure BDA00036136275500000318
表示日前第s个场景下t时刻耦合系统的发电功率；
电能供需不平衡惩罚
Figure BDA00036136275500000319
表示为：
Figure BDA00036136275500000320
其中，
Figure BDA00036136275500000321
表示日前第s个场景下t时刻的切除电量；
Figure BDA00036136275500000322
表示日前第s个场景下t时刻的外网购电量；αcut表示切电惩罚；αbuy表示外网购电价格；
所述日前随机优化调度的约束包括日前功率平衡约束和日前耦合系统运行约束，所述日前功率平衡约束表示为：
Figure BDA00036136275500000323
其中，
Figure BDA00036136275500000324
表示日前第s个场景下t时刻风机预测；
Figure BDA00036136275500000325
表示日前第s个场景下t时刻光伏出力预测；
Figure BDA00036136275500000326
表示日前第s个场景下t时刻碳捕集系统自身电耗；
Figure BDA00036136275500000327
表示日前第s个场景下t时刻负荷需求预测；
所述日前耦合系统运行约束如图3所示，表示为：
Figure BDA00036136275500000328
Figure BDA00036136275500000329
其中，
Figure BDA00036136275500000330
表示日前第s个场景下t时刻捕集率；CLmax表示捕集率的上限；CLmin表示捕集率的下限；
Figure BDA00036136275500000331
表示日前第s个场景下t时刻的再沸器温度；
Figure BDA00036136275500000332
表示最佳再沸器温度。
S2：基于日内可再生出力与负荷需求的预测数据，通过碳捕集功率调整贡献率对所述日前调度功率指令进行滚动优化，以最小化日内电能供需不平衡为目标而进行日内调度，得到日内调度结果；其中，日内调度时间尺度为15分钟，日内调度滚动时域长度为4小时。
具体地，碳捕集功率调整贡献率
Figure BDA0003613627550000041
表示为：
Figure BDA0003613627550000042
其中，L2表示日内调度；
Figure BDA0003613627550000043
表示耦合系统日内功率调整量，
Figure BDA0003613627550000044
表示为：
Figure BDA0003613627550000045
其中，
Figure BDA0003613627550000046
表示碳捕集系统日前造成的功率损失，
Figure BDA0003613627550000047
表示碳捕集系统日内造成的功率损失；
Figure BDA0003613627550000048
表示燃煤电站日内发电功率；
Figure BDA0003613627550000049
表示燃煤电站日前发电功率；
Figure BDA00036136275500000410
表示燃煤电站日内发电功率调整量；
Figure BDA00036136275500000411
表示碳捕集系统日内造成的功率损失的调整量；
日内调度的目标函数表示为：
Figure BDA00036136275500000412
Figure BDA00036136275500000413
其中，
Figure BDA00036136275500000414
表示日内调度的决策变量，
Figure BDA00036136275500000415
包括耦合系统日内输出功率
Figure BDA00036136275500000416
与碳捕集系统日内捕集率
Figure BDA00036136275500000417
表示日内t时刻切除电量；
Figure BDA00036136275500000418
表示日内t时刻外网购电量；
Figure BDA00036136275500000419
表示日内调度滚动时域t0+1至t0+Np之间的供需不平衡惩罚；
Figure BDA00036136275500000420
表示日内滚动时域t0+1至t0+Np之间的碳捕集功率调整贡献率之和；θ1和θ2均表示日内调度目标函数的权重系数；Np表示日内调度滚动时域长度；
所述日内调度的约束包括日内功率平衡约束、爬坡速率约束和日内耦合系统运行约束；所述日内功率平衡约束表示为：
Figure BDA00036136275500000421
其中，
Figure BDA00036136275500000422
表示日内t时刻光伏发电功率预测；
Figure BDA00036136275500000423
表示日内t时刻风力发电功率预测；
Figure BDA00036136275500000424
表示为日内t时刻碳捕集系统自身电耗；
Figure BDA00036136275500000425
表示为日内t时刻负荷需求预测；
所述爬坡速率约束表示为：
Figure BDA00036136275500000426
Figure BDA00036136275500000427
其中，
Figure BDA0003613627550000051
表示日内t时刻燃煤电站发电功率；
Figure BDA0003613627550000052
表示日内t时刻碳捕集系统捕集率；
Figure BDA0003613627550000053
表示燃煤电站最大爬升功率；ΔCLmax表示碳捕集系统最大爬升捕集率；
所述日内耦合系统运行约束如图3所示，表示为：
Figure BDA0003613627550000054
Figure BDA0003613627550000055
其中，
Figure BDA0003613627550000056
表示日内t时刻捕集率；ε表示捕集率松弛因子；
Figure BDA0003613627550000057
表示日内t时刻再沸器温度。
S3：基于控制感知调度时间尺度的可再生出力与负荷需求的预测数据对日内调度结果进行再调整，同时采用闭环动态模型进行控制感知调度，得到最终调度结果，将所述最终调度结果下达底层控制系统；其中，控制感知调度时间尺度为5分钟，控制感知调度滚动时域长度为1小时。
具体地，所述闭环动态模型表示为状态空间的形式，表示为：
Figure BDA0003613627550000058
其中，L3表示控制感知调度层；A，B，C，D均表示状态空间模型参数；z(t)表示t时刻的状态变量；r(t)表示下达到底层控制系统的调度指令，r(t)包括t时刻耦合系统输出功率设定值
Figure BDA0003613627550000059
CO2产量设定值
Figure BDA00036136275500000510
和再沸器温度设定值
Figure BDA00036136275500000511
y(t)表示状态空间模型的输出，y(t)包括t时刻耦合系统控制感知调度层输出功率
Figure BDA00036136275500000512
CO2产量
Figure BDA00036136275500000513
再沸器温度
Figure BDA00036136275500000514
和捕集率
Figure BDA00036136275500000515
u(t)表示底层控制系统调节量，u(t)包括t时刻燃煤电站给煤量
Figure BDA00036136275500000516
碳捕集系统再沸器抽汽流量
Figure BDA00036136275500000517
以及吸收剂循环流量
Figure BDA00036136275500000518
所述控制感知调度的目标函数表示为：
Figure BDA00036136275500000519
Figure BDA00036136275500000520
其中，
Figure BDA00036136275500000521
表示控制感知调度指令，
Figure BDA00036136275500000522
包括耦合系统输出功率设定值序列
Figure BDA00036136275500000523
和CO2产量序列
Figure BDA0003613627550000061
θ3、θ4与θ5均表示控制感知调度目标函数的权重系数；
Figure BDA0003613627550000062
表示控制感知调度滚动时域t0+1至t0+Ns之间的供需不平衡惩罚；
Figure BDA0003613627550000063
表示控制感知调度t时刻切除电量；
Figure BDA0003613627550000064
表示控制感知调度t时刻外网购电量；
Figure BDA0003613627550000065
表示控制感知调度滚动时域t0+1至t0+Ns之间的碳捕集功率调整贡献率之和，
Figure BDA0003613627550000066
表示控制感知调度t时刻碳捕集功率调整贡献率；
Figure BDA0003613627550000067
表示控制感知调度滚动时域t0+1至t0+Ns之间设定值与闭环动态模型输出的偏差；ω1、ω2、ω3均表示误差权重；Ns表示控制感知调度滚动时域长度；
所述控制感知调度的约束包括控制感知调度功率平衡约束和控制感知调度运行约束，所述控制感知调度功率平衡约束表示为：
Figure BDA0003613627550000068
其中，
Figure BDA0003613627550000069
表示控制感知调度t时刻光伏发电功率预测；
Figure BDA00036136275500000610
表示控制感知调度t时刻风力发电功率预测；
Figure BDA00036136275500000611
表示控制感知调度t时刻碳捕集系统自身电耗；
Figure BDA00036136275500000612
表示控制感知调度t时刻负荷需求预测；
所述控制感知调度运行约束如图3所示，表示为：
Figure BDA00036136275500000613
Figure BDA00036136275500000614
其中，
Figure BDA00036136275500000615
为控制感知调度t时刻捕集率；
Figure BDA00036136275500000616
表示控制感知调度t时刻再沸器温度。
优化后的控制感知调度指令
Figure BDA00036136275500000617
下达到底层控制系统，本申请底层控制系统如图4中(b)所示，碳捕集系统采用抽汽流量控制CO2产量，吸收剂循环流量维持再沸器温度，烟气流量作为前馈。
本申请在图5所示仿真参数设置下对图2所示的耦合系统进行优化调度，优化基于Gurobi求解器进行。图6为本申请所提调度框架下日前随机优化调度结果示意图，在负荷峰值时刻，碳捕集系统降低捕集率来提升机组输出以降低系统对外购买电量；在负荷谷值时刻，碳捕集系统提升捕集率以消纳可再生出力；本调度方式充分发挥了碳捕集系统的灵活性，实现了日期燃煤电站碳捕集系统经济低碳运行。图7为本申请所提调度方法在不同碳捕集功率调整贡献率下燃煤电站功率实际运行情况对比示意图，可以看出，本申请通过引入并提升碳捕集功率调整贡献率，让碳捕集系统通过调整再沸器抽汽流量来主动参与功率调整，取得了更快的功率爬升效果，同时并不会损害总的CO2减排效果。图8为本申请所提调度方法中控制感知调度与稳态调度的功率运行效果对比示意图，可以看出，稳态调度下功率实际运行值与设定值存在较大的偏差，而控制感知调度下功率的运行偏差较小，运行效果更好。图9为本申请所提调度框架下碳捕集控制策略与常规碳捕集控制策略功率运行情况对比示意图，由于再沸器抽汽对CO2产量的影响快于CO2捕集率，将CO2产量作为控制量能实现功率的快速响应，进而进一步提升了燃煤电站功率的爬升速度。
通过图7～图9，足以证明本申请所述控制感知调度方法的有效性。
以上为本申请示范性实施例，本申请的保护范围由权利要求书及其等效物限定。

Claims (5)

1.一种燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法，其特征在于，该方法通过耦合系统实现，所述耦合系统包括燃煤电站和碳捕集系统，该方法包括：
S1：根据日前可再生出力与负荷需求的预测数据，以最小化日运行成本为目标而进行日前随机优化调度，并为下一个24小时的发电出力与捕集率出力提供日前调度功率指令；
S2：基于日内可再生出力与负荷需求的预测数据，通过碳捕集功率调整贡献率对所述日前调度功率指令进行滚动优化，以最小化日内电能供需不平衡为目标而进行日内调度，得到日内调度结果；其中，日内调度时间尺度为15分钟，日内调度滚动时域长度为4小时；
S3：基于控制感知调度时间尺度的可再生出力与负荷需求的预测数据对日内调度结果进行再调整，同时采用闭环动态模型进行控制感知调度，得到最终调度结果，将所述最终调度结果下达底层控制系统；其中，控制感知调度时间尺度为5分钟，控制感知调度滚动时域长度为1小时。
2.如权利要求1所述的多时间尺度控制感知调度方法，其特征在于，所述步骤S1中，所述日前随机优化调度的目标函数
Figure FDA0003613627540000011
为所有场景下日运行成本的期望，表示为：
Figure FDA0003613627540000012
其中，
Figure FDA0003613627540000013
表示燃煤电站运行成本；
Figure FDA0003613627540000014
表示碳捕集系统运行成本；
Figure FDA0003613627540000015
表示CO2交易成本；
Figure FDA0003613627540000016
表示电能供需不平衡惩罚；s表示第s个场景；πs表示第s个场景的概率；L1表示日前调度；
Figure FDA0003613627540000017
表示日前随机调度决策变量，
Figure FDA0003613627540000018
包括耦合系统日前输出功率
Figure FDA0003613627540000019
与碳捕集系统日前捕集率
Figure FDA00036136275400000110
燃煤电站运行成本
Figure FDA00036136275400000111
表示为：
Figure FDA00036136275400000112
其中，αcoal表示煤价；
Figure FDA00036136275400000113
表示日前第s个场景下t时刻的煤耗量；
Figure FDA00036136275400000114
表示燃煤电站的单位功率运维成本；
Figure FDA00036136275400000115
表示日前第s个场景下t时刻的燃煤电站的发电功率；
碳捕集系统运行成本
Figure FDA00036136275400000116
表示为：
Figure FDA00036136275400000117
其中，
Figure FDA00036136275400000118
表示捕集单位碳的运维成本；
Figure FDA00036136275400000119
表示日前第s个场景下t时刻的碳捕集系统的CO2产量；
CO2交易成本
Figure FDA00036136275400000120
表示为：
Figure FDA00036136275400000121
其中，
Figure FDA00036136275400000122
表示CO2的交易价格；σ表示该燃煤电站所获得的碳排放分配额度；
Figure FDA00036136275400000123
表示日前第s个场景下t时刻耦合系统的CO2排放量；
Figure FDA00036136275400000124
表示日前第s个场景下t时刻耦合系统的发电功率；
电能供需不平衡惩罚
Figure FDA0003613627540000021
表示为：
Figure FDA0003613627540000022
其中，
Figure FDA0003613627540000023
表示日前第s个场景下t时刻的切除电量；
Figure FDA0003613627540000024
表示日前第s个场景下t时刻的外网购电量；αcut表示切电惩罚；αbuy表示外网购电价格；
所述日前随机优化调度的约束包括日前功率平衡约束和日前耦合系统运行约束，所述日前功率平衡约束表示为：
Figure FDA0003613627540000025
其中，
Figure FDA0003613627540000026
表示日前第s个场景下t时刻风机预测；
Figure FDA0003613627540000027
表示日前第s个场景下t时刻光伏出力预测；
Figure FDA0003613627540000028
表示日前第s个场景下t时刻碳捕集系统自身电耗；
Figure FDA0003613627540000029
表示日前第s个场景下t时刻负荷需求预测；
所述日前耦合系统运行约束表示为：
Figure FDA00036136275400000210
Figure FDA00036136275400000211
其中，
Figure FDA00036136275400000212
表示日前第s个场景下t时刻捕集率；CLmax表示捕集率的上限；CLmin表示捕集率的下限；
Figure FDA00036136275400000213
表示日前第s个场景下t时刻的再沸器温度；
Figure FDA00036136275400000214
表示最佳再沸器温度。
3.如权利要求2所述的多时间尺度控制感知调度方法，其特征在于，所述步骤S2中，碳捕集功率调整贡献率
Figure FDA00036136275400000215
表示为：
Figure FDA00036136275400000216
其中，L2表示日内调度；
Figure FDA00036136275400000217
表示耦合系统日内功率调整量，
Figure FDA00036136275400000218
表示为：
Figure FDA00036136275400000219
其中，
Figure FDA00036136275400000220
表示碳捕集系统日前造成的功率损失，
Figure FDA00036136275400000221
表示碳捕集系统日内造成的功率损失；
Figure FDA00036136275400000222
表示燃煤电站日内发电功率；
Figure FDA00036136275400000223
表示燃煤电站日前发电功率；
Figure FDA00036136275400000224
表示燃煤电站日内发电功率调整量；
Figure FDA00036136275400000225
表示碳捕集系统日内造成的功率损失的调整量；
日内调度的目标函数表示为：
Figure FDA0003613627540000031
其中，
Figure FDA0003613627540000032
表示日内调度的决策变量，
Figure FDA0003613627540000033
包括耦合系统日内输出功率
Figure FDA0003613627540000034
与碳捕集系统日内捕集率
Figure FDA0003613627540000035
Figure FDA0003613627540000036
表示日内t时刻切除电量；
Figure FDA0003613627540000037
表示日内t时刻外网购电量；
Figure FDA0003613627540000038
表示日内调度滚动时域t0+1至t0+Np之间的供需不平衡惩罚；
Figure FDA0003613627540000039
表示日内滚动时域t0+1至t0+Np之间的碳捕集功率调整贡献率之和；θ1和θ2均表示日内调度目标函数的权重系数；Np表示日内调度滚动时域长度；
所述日内调度的约束包括日内功率平衡约束、爬坡速率约束和日内耦合系统运行约束；所述日内功率平衡约束表示为：
Figure FDA00036136275400000310
其中，
Figure FDA00036136275400000311
表示日内t时刻光伏发电功率预测；
Figure FDA00036136275400000312
表示日内t时刻风力发电功率预测；
Figure FDA00036136275400000313
表示为日内t时刻碳捕集系统自身电耗；
Figure FDA00036136275400000314
表示为日内t时刻负荷需求预测；
所述爬坡速率约束表示为：
Figure FDA00036136275400000315
Figure FDA00036136275400000316
其中，
Figure FDA00036136275400000317
表示日内t时刻燃煤电站发电功率；
Figure FDA00036136275400000318
表示日内t时刻碳捕集系统捕集率；
Figure FDA00036136275400000319
表示燃煤电站最大爬升功率；ΔCLmax表示碳捕集系统最大爬升捕集率；
所述日内耦合系统运行约束表示为：
Figure FDA00036136275400000320
Figure FDA00036136275400000321
其中，
Figure FDA00036136275400000322
表示日内t时刻捕集率；ε表示捕集率松弛因子；
Figure FDA00036136275400000323
表示日内t时刻再沸器温度。
4.如权利要求3所述的多时间尺度控制感知调度方法，其特征在于，所述步骤S3中，所述闭环动态模型表示为状态空间的形式，表示为：
Figure FDA00036136275400000324
其中，L3表示控制感知调度层；A，B，C，D均表示状态空间模型参数；z(t)表示t时刻的状态变量；r(t)表示下达到底层控制系统的调度指令，r(t)包括t时刻耦合系统输出功率设定值
Figure FDA0003613627540000041
CO2产量设定值
Figure FDA0003613627540000042
和再沸器温度设定值
Figure FDA0003613627540000043
y(t)表示状态空间模型的输出，y(t)包括t时刻耦合系统控制感知调度层输出功率
Figure FDA0003613627540000044
CO2产量
Figure FDA0003613627540000045
再沸器温度
Figure FDA0003613627540000046
和捕集率
Figure FDA0003613627540000047
u(t)表示底层控制系统调节量，u(t)包括t时刻燃煤电站给煤量
Figure FDA0003613627540000048
碳捕集系统再沸器抽汽流量
Figure FDA0003613627540000049
以及吸收剂循环流量
Figure FDA00036136275400000410
所述控制感知调度的目标函数表示为：
Figure FDA00036136275400000411
其中，
Figure FDA00036136275400000412
表示控制感知调度指令，
Figure FDA00036136275400000413
包括耦合系统输出功率设定值序列
Figure FDA00036136275400000414
和CO2产量序列
Figure FDA00036136275400000415
θ3、θ4与θ5均表示控制感知调度目标函数的权重系数；
Figure FDA00036136275400000416
表示控制感知调度滚动时域t0+1至t0+Ns之间的供需不平衡惩罚；
Figure FDA00036136275400000417
表示控制感知调度t时刻切除电量；
Figure FDA00036136275400000418
表示控制感知调度t时刻外网购电量；
Figure FDA00036136275400000419
表示控制感知调度滚动时域t0+1至t0+Ns之间的碳捕集功率调整贡献率之和，
Figure FDA00036136275400000420
表示控制感知调度t时刻碳捕集功率调整贡献率；
Figure FDA00036136275400000421
表示控制感知调度滚动时域t0+1至t0+Ns之间设定值与闭环动态模型输出的偏差；ω1、ω2、ω3均表示误差权重；Ns表示控制感知调度滚动时域长度；
所述控制感知调度的约束包括控制感知调度功率平衡约束和控制感知调度运行约束，所述控制感知调度功率平衡约束表示为：
Figure FDA00036136275400000422
其中，
Figure FDA00036136275400000423
表示控制感知调度t时刻光伏发电功率预测；
Figure FDA00036136275400000424
表示控制感知调度t时刻风力发电功率预测；
Figure FDA00036136275400000425
表示控制感知调度t时刻碳捕集系统自身电耗；
Figure FDA00036136275400000426
表示控制感知调度t时刻负荷需求预测；
所述控制感知调度运行约束表示为：
Figure FDA00036136275400000427
Figure FDA00036136275400000428
其中，
Figure FDA00036136275400000429
为控制感知调度t时刻捕集率；
Figure FDA00036136275400000430
表示控制感知调度t时刻再沸器温度。
5.如权利要求4所述的多时间尺度控制感知调度方法，其特征在于，所述步骤S3中，碳捕集系统的控制策略为：通过再沸器抽汽流量控制CO2产量，通过贫液流量维持再沸器温度，烟气流量作为前馈。
CN202210440240.8A 2022-04-25 2022-04-25 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法 Active CN114819341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210440240.8A CN114819341B (zh) 2022-04-25 2022-04-25 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210440240.8A CN114819341B (zh) 2022-04-25 2022-04-25 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法

Publications (2)

Publication Number Publication Date
CN114819341A true CN114819341A (zh) 2022-07-29
CN114819341B CN114819341B (zh) 2024-07-09

Family

ID=82507905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210440240.8A Active CN114819341B (zh) 2022-04-25 2022-04-25 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法

Country Status (1)

Country Link
CN (1) CN114819341B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116681311A (zh) * 2023-07-28 2023-09-01 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277005A (zh) * 2020-02-19 2020-06-12 东北电力大学 考虑源-荷协调优化的多源电力系统多时间尺度调度方法
CN113341716A (zh) * 2021-06-10 2021-09-03 江苏舜高智能科技有限公司 一种基于人工智能的大型燃煤电站co2捕集系统优化调度方法
CN114362152A (zh) * 2021-12-24 2022-04-15 江苏科能电力工程咨询有限公司 综合能源系统多时间尺度调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277005A (zh) * 2020-02-19 2020-06-12 东北电力大学 考虑源-荷协调优化的多源电力系统多时间尺度调度方法
CN113341716A (zh) * 2021-06-10 2021-09-03 江苏舜高智能科技有限公司 一种基于人工智能的大型燃煤电站co2捕集系统优化调度方法
CN114362152A (zh) * 2021-12-24 2022-04-15 江苏科能电力工程咨询有限公司 综合能源系统多时间尺度调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116681311A (zh) * 2023-07-28 2023-09-01 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质
CN116681311B (zh) * 2023-07-28 2023-10-10 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质

Also Published As

Publication number Publication date
CN114819341B (zh) 2024-07-09

Similar Documents

Publication Publication Date Title
CN110417006B (zh) 一种综合能源系统多时间尺度能量调度方法
CN106992556B (zh) 一种基于混合电源多时间尺度互补的优化调度方法
CN112751348B (zh) 考虑风电调度和调频极限的储能优化控制方法
CN103296682B (zh) 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN103872694B (zh) 区域风电场群储能电站的容量优化及其辅助调峰方法
CN102075014B (zh) 消纳风电接入的大电网实时调度方法
CN108039737B (zh) 一种源网荷协调运行模拟系统
CN115241931B (zh) 基于时变电碳因子曲线的园区综合能源系统调度方法
CN112398115B (zh) 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN102969740A (zh) 一种电厂实时发电计划修正方法
CN108280556B (zh) 基于热负荷调节的供电量双阶段优化调度方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN112417652A (zh) 一种电-气-热综合能源系统优化调度方法及系统
CN108258733A (zh) 新能源电力系统运行的多源协调调度和控制域的划分方法
CN102856931A (zh) 风电场有功功率的动态分群控制方法
CN111682531B (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN108336768B (zh) 一种风电场有功功率优化控制方法
CN114819341A (zh) 燃煤电站耦合碳捕集系统的多时间尺度控制感知调度方法
CN115271264A (zh) 一种工业园区能源系统调配方法及计算设备
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN114336592B (zh) 一种基于模型预测控制的风电场agc控制方法
WO2022054442A1 (ja) 電力調整方法および電力調整装置
CN115099509A (zh) 一种源网荷储多目标协同调控方法及系统
CN117436773B (zh) 一种含可中断负荷的独立微网资源规划方法和系统

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
GR01 Patent grant