CN114938040A - 源-网-荷-储交直流系统综合优化调控方法和装置 - Google Patents

源-网-荷-储交直流系统综合优化调控方法和装置 Download PDF

Info

Publication number
CN114938040A
CN114938040A CN202210653916.1A CN202210653916A CN114938040A CN 114938040 A CN114938040 A CN 114938040A CN 202210653916 A CN202210653916 A CN 202210653916A CN 114938040 A CN114938040 A CN 114938040A
Authority
CN
China
Prior art keywords
load
alternating current
direct current
power
scene
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
CN202210653916.1A
Other languages
English (en)
Other versions
CN114938040B (zh
Inventor
许烽
陆翌
裘鹏
陈骞
倪晓军
丁超
郑眉
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 Zhejiang Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Zhejiang 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 Zhejiang Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210653916.1A priority Critical patent/CN114938040B/zh
Publication of CN114938040A publication Critical patent/CN114938040A/zh
Application granted granted Critical
Publication of CN114938040B publication Critical patent/CN114938040B/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
    • H02J4/00—Circuit arrangements for mains or distribution networks not specified as ac or dc
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J5/00—Circuit arrangements for transfer of electric power between ac networks and dc 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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

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

Abstract

本发明公开了一种源‑网‑荷‑储交直流系统综合优化调控方法和装置。本发明的综合优化调控方法包括：建立源‑网‑荷‑储交直流系统典型运行场景，并确定各典型场景的概率；建立源‑网‑荷‑储交直流系统综合优化目标函数；确立源‑网‑荷‑储交直流系统的约束条件；基于粒子群算法建立源‑网‑荷‑储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；根据每个典型场景的优化计算结果确定源‑网‑荷‑储交直流系统的最终运行参数。本发明根据风电、光伏实时波动的特性，实现了对含有新能源、储能、燃气机组、交流负荷和直流负荷的交直流系统的优化运行，提升了整体交直流系统运行的经济性或减少碳排。

Description

源-网-荷-储交直流系统综合优化调控方法和装置
技术领域
本发明属于电力系统优化调控领域，涉及一种源-网-荷-储交直流系统综合优化调控方法和装置。
背景技术
能源危机和环境污染问题已经引起了世界各国的广泛关注，大力开发和利用可再生能源进行并网发电是解决上述问题的主要措施。在目前配电网中，交流配电网仍然为主流形式，其更加适合交流分布式电源接入，而接入直流分布式电源和储能单元时需要电力电子装置实现能量转换，增加了能量转换次数和投资成本，降低了工作效率。随着直流负荷的不断增加，直流配电网的研究得到了快速发展，与传统交流配电网相比，直流配电网具有转换次数少、效率高、成本低、控制结构简单、无需考虑频率和相位以及无功补偿设备等优势。未来，涵盖新能源、储能、交流负荷和直流负荷的源-网-荷-储交直流系统的建设和应用将成为常态。
为提升交直流系统实时、灵活、精准的运行能力，应对未来复杂多样的电网运行工况，如何根据实时汇集的各类电力信号及交互信息进行数据处理计算、交直流协调控制，并实时精准下放相关技术指令是未来交直流系统需要研究的重要研究方向。
发明内容
针对上述现有技术中存在的问题，本发明提供一种源-网-荷-储交直流系统综合优化调控方法和装置，其根据风电、光伏实时波动的特性，实现对含有新能源、储能、燃气机组、交流负荷和直流负荷的交直流系统的优化运行，以提升整体交直流系统运行的经济性或减少碳排。
为此，本发明采用的一种技术方案为：源-网-荷-储交直流系统综合优化调控方法，交流系统与直流系统通过AC/DC变换器互联，所述的源-网-荷-储交直流系统综合优化调控方法包括以下步骤：
1)建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
2)建立源-网-荷-储交直流系统综合优化目标函数；
3)确立源-网-荷-储交直流系统的约束条件；
4)基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
5)根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
优选地，所述的步骤1)中，首先，基于Canopy算法对N个风电的历史运行曲线进行粗聚类分析，得到每个风电出力的粗聚类中心数，计算得到所有粗聚类中心数中出现最多的值，并将此值作为风电典型运行场景的最佳聚类数；
然后，将此最佳聚类数作为下一步K-means聚类方法的输入参数，对风电运行场景进行统一的场景聚类，得到风电的典型运行场景；同时，根据风电每种典型运行场景中包含的历史场景数量，得到风电每种典型运行场景的出现概率PWT(i)，1≤i≤mWT，其中mWT为风电的典型运行场景个数。
光伏、交流负荷和直流负荷的典型运行场景生成过程与上述风电的典型运行场景生成过程类似，不再赘述，可以得到光伏每种典型运行场景的出现概率PPV(i)，1≤i≤mPV，其中mPV为光伏的典型运行场景个数；交流负荷每种典型运行场景的出现概率PAC(i)，1≤i≤mAC，其中mAC为交流负荷的典型运行场景个数；直流负荷每种典型运行场景的出现概率PDC(i)，1≤i≤mDC，其中mDC为直流负荷的典型运行场景个数，故而可以得到总的场景个数S为
S＝mWT×mPV×mAC×mDC
且每个场景的概率P(i)，1≤i≤S，为风机、光伏、交流负荷和直流负荷的概率乘积。
优选地，所述步骤2)中的目标函数，可以根据不同的目标进行设定，一般而言，有运行成本最小、碳排放最小等。
运行成本C最小的目标函数如下：
Figure BDA0003688507200000021
其中，Pin(t,s)为场景s下从外部交流网络购电功率，Pout(t,s)为场景s下向外部交流网络卖电功率，Fpc(t)为购电电价，Fsl(t)为卖电电价，G(t,s)为场景s下天然气消耗量，Fgp为天然气气价，Com为运维费用。
碳排放Ce最小的目标函数如下：
Figure BDA0003688507200000031
其中，σ为电力碳排因子。
优选地，所述的步骤3)中的约束条件包含电力平衡、燃气发电约束、储能约束、电网约束和AC/DC变换器约束。
(1)电力平衡：
交流母线的电力平衡方程如下：
Pg(t,s)+Pin(t,s)+Pinv(t,s)＝Plac(t,s)
直流母线的电力平衡方程如下：
PWT(t,s)+PPV(t,s)+PES(t,s)-Pinv(t,s)＝Pldc(t,s)
其中，Pg(t,s)为场景s下燃气发电功率，Pinv(t,s)为场景s下AC/DC变换器向交流系统发出功率，Plac(t,s)为场景s下交流负荷功率，PWT(t,s)为场景s下风机的发电功率，PPV(t,s)为场景s下光伏的发电功率，PES(t,s)为场景s下储能的发出功率，Pldc(t,s)为场景s下直流负荷功率。
(2)燃气发电约束
燃气发电的上下限功率限制为
0≤Pg(t,s)≤Pgmax
其中，Pgmax为燃气发电最大功率。
燃气发电上下功率爬坡限制为
Pg(t,s)-Pg(t+1,s)≤rdn
Pg(t+1,s)-Pg(t,s)≤rup
其中，rdn和rup为燃气发电下降率和上升率。
燃气发电的输出功率为
Pg(t,s)＝G(t,s)×H×η
其中，H为气电转换系数，η为发电效率。
(3)储能约束
储能电池功率约束为
-PESmax≤PES(t,s)≤PESmax
其中，PESmax为储能最大充电功率。
储能电池容量约束为
Figure BDA0003688507200000041
Esmin≤Es(t,s)≤Esmax
其中，Es(t,s)为场景s下储能电池电量，ε为储能电池自放电率，βdis和βch为储能电池放电效率和充电效率，Esmax和Esmin为储能电池剩余容量的上下限，Δt表示时间增量；
(4)电网约束
与外部交流网络购售电功率限制为
0≤Pin(t,s)≤Pexmax
0≤Pout(t,s)≤Pexmax
其中，Pexmax为最大交换功率。
(5)AC/DC变换器约束
-Pinvmax≤Pinv(t,s)≤Pinvmax
其中，Pinvmax为变换器最大功率。
优选地，所述步骤4)中的粒子群算法为现有常规方法，利用前述的目标函数和约束条件，即可计算出每个典型场景下的优化计算结果：Pg(t,s)、PES(t,s)、Pin(t,s)、Pout(t,s)，及其对应的目标函数C(s)和Ce(s)。
优选地，步骤5)中，根据每个典型场景得到的优化计算结果，根据下式，可以获得最终的运行参数：
Figure BDA0003688507200000042
Figure BDA0003688507200000043
Figure BDA0003688507200000051
Figure BDA0003688507200000052
式中，P(s)表示场景s出现的概率，Pg(t)为优化调控后燃气发电功率、PES(t)为优化调控后储能发出功率，Pin(t)为优化调控后从外部交流网络购电功率、Pout(t)为优化调控后向外部交流网络卖电功率。
本发明采用的另一种技术方案为：源-网-荷-储交直流系统综合优化调控装置，交流系统与直流系统通过AC/DC变换器互联，所述源-网-荷-储交直流系统综合优化调控装置包括：
典型场景概率确定单元，建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
目标函数建立单元，建立源-网-荷-储交直流系统综合优化目标函数；
约束条件确立单元，确立源-网-荷-储交直流系统的约束条件；
优化调控模型建立单元，基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
最终运行参数确定单元，根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
与现有技术相比，本发明具有的有益技术效果如下：
(1)本发明提出的源-网-荷-储交直流系统综合优化调控方法和装置，考虑了交直流系统内风电、光伏实时波动的特性，以及多个典型运行场景，实现了对含有新能源、储能、燃气机组、交流负荷和直流负荷的交直流系统的优化运行，提升了整体交直流系统运行的经济性。
(2)本发明提出的源-网-荷-储交直流系统综合优化调控方法和装置，实现了交直流系统碳排最优调控。
附图说明
图1为本发明交直流系统结构示意图；
图2为本发明源-网-荷-储交直流系统综合优化调控方法的流程示意图；
图3为本发明典型运行场景及其概率生成的流程示意图；
图4为本发明源-网-荷-储交直流系统综合优化调控装置的结构框图。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案及其相关原理进行详细说明。
图1所示为交直流系统结构示意图，从图中可以看出，交流系统与直流系统通过AC/DC变换器互联，交流系统含有外部交流网络、燃气发电机、交流负荷等设备，直流系统含有风机、光伏、储能、直流负荷等设备。
图2所示为源-网-荷-储交直流系统综合优化调控流程示意图，从图中可以看出，交直流系统综合优化调控方法包括以下步骤：
(1)建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
(2)建立源-网-荷-储交直流系统综合优化目标函数；
(3)确立源-网-荷-储交直流系统的约束条件；
(4)基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
(5)根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
图3所示为步骤(1)中典型运行场景及其概率生成的流程示意图，从图中可以看出，首先基于Canopy算法对N个风电的历史运行曲线进行粗聚类分析，得到每个风电出力的粗聚类中心数，计算得到所有粗聚类中心数中出现最多的值，并将此值作为风电典型运行场景的最佳聚类数，然后，将此最佳聚类数作为下一步K-means聚类方法的输入参数，对风电运行场景进行统一的场景聚类，得到风电的典型运行场景。同时，可以根据风电每种典型运行场景中包含的历史场景数量，得到风电每种典型运行场景的出现概率PWT(i)，1≤i≤mWT，其中mWT为风电的典型运行场景个数。
光伏、交流负荷和直流负荷的典型运行场景生成过程与上述风电的过程类似，不再赘述，可以得到光伏每种典型运行场景的出现概率PPV(i)，1≤i≤mPV，其中mPV为光伏的典型运行场景个数；交流负荷每种典型运行场景的出现概率PAC(i)，1≤i≤mAC，其中mAC为交流负荷的典型运行场景个数；直流负荷每种典型运行场景的出现概率PDC(i)，1≤i≤mDC，其中mDC为直流负荷的典型运行场景个数。故而可以得到总的场景个数S为
S＝mWT×mPV×mAC×mDC
且每个场景的概率P(i)，1≤i≤S，为风机、光伏、交流负荷和直流负荷的概率乘积。
步骤(2)中的目标函数，可以根据不同的目标进行设定，一般而言，有运行成本最少、碳排放最小等。
运行成本C最小的目标函数如下：
Figure BDA0003688507200000071
其中，Pin(t,s)为场景s下从外部交流网络购电功率，Pout(t,s)为场景s下向外部交流网络卖电功率，Fpc(t)为购电电价，Fsl(t)为卖电电价，G(t,s)为场景s下天然气消耗量，Fgp为天然气气价，Com为运维费用。
碳排放Ce最小的目标函数如下：
Figure BDA0003688507200000072
其中，σ为电力碳排因子。
步骤(3)中的约束条件包含电力平衡、燃气发电约束、储能约束、电网约束和AC/DC变换器约束。
(1)电力平衡：
交流母线的电力平衡方程如下：
Pg(t,s)+Pin(t,s)+Pinv(t,s)＝Plac(t,s)
直流母线的电力平衡方程如下：
PWT(t,s)+PPV(t,s)+PES(t,s)-Pinv(t,s)＝Pldc(t,s)
其中，Pg(t,s)为场景s下燃气发电功率，Pinv(t,s)为场景s下AC/DC变换器向交流系统发出功率，Plac(t,s)为场景s下交流负荷功率，PWT(t,s)为场景s下风机的发电功率，PPV(t,s)为场景s下光伏的发电功率，PES(t,s)为场景s下储能的发出功率，Pldc(t,s)为场景s下直流负荷功率。
(2)燃气发电约束
燃气发电的上下限功率限制为
0≤Pg(t,s)≤Pgmax
其中，Pgmax为燃气发电最大功率。
燃气发电上下功率爬坡限制为
Pg(t,s)-Pg(t+1,s)≤rdn
Pg(t+1,s)-Pg(t,s)≤rup
其中，rdn和rup为燃气发电下降率和上升率。
燃气发电的输出功率为
Pg(t,s)＝G(t,s)×H×η
其中，H为气电转换系数，η为发电效率。
(3)储能约束
储能电池功率约束为
-PESmax≤PES(t,s)≤PESmax
其中，PESmax为储能最大充电功率。
储能电池容量约束为
Figure BDA0003688507200000081
Esmin≤Es(t,s)≤Esmax
其中，Es(t,s)为场景s下储能电池电量，ε为储能电池自放电率，βdis和βch为储能电池放电效率和充电效率，Esmax和Esmin为储能电池剩余容量的上下限。
(4)电网约束
与外部交流网络购售电功率限制为
0≤Pin(t,s)≤Pexmax
0≤Pout(t,s)≤Pexmax
其中，Pexmax为最大交换功率。
(5)AC/DC变换器约束
-Pinvmax≤Pinv(t,s)≤Pinvmax
其中，Pinvmax为变换器最大功率。
步骤(4)中的粒子群算法为现有常规方法，利用前述的目标函数和约束条件，即可计算出每个典型场景下优化计算结果：Pg(t,s)，PES(t,s)，Pin(t,s)，Pout(t,s)，及其对应的目标函数C(s)和Ce(s)。
步骤(5)中，根据每个典型场景得到的优化计算结果，根据下式，可以获得最终的运行参数：
Figure BDA0003688507200000091
Figure BDA0003688507200000092
Figure BDA0003688507200000093
Figure BDA0003688507200000094
式中，P(s)表示场景s出现的概率，Pg(t)为优化调控后燃气发电功率、PES(t)为优化调控后储能发出功率，Pin(t)为优化调控后从外部交流网络购电功率、Pout(t)为优化调控后向外部交流网络卖电功率。
本实施例还提供一种源-网-荷-储交直流系统综合优化调控装置，如图4所示，包括：
典型场景概率确定单元，建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
目标函数建立单元，建立源-网-荷-储交直流系统综合优化目标函数；
约束条件确立单元，确立源-网-荷-储交直流系统的约束条件；
优化调控模型建立单元，基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
最终运行参数确定单元，根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
本实施例还提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述源-网-荷-储交直流系统综合优化调控方法。
本实施例还提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令用于执行上述的源-网-荷-储交直流系统综合优化调控方法。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.源-网-荷-储交直流系统综合优化调控方法，其特征在于，交流系统与直流系统通过AC/DC变换器互联，所述源-网-荷-储交直流系统综合优化调控方法包括：
步骤1)，建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
步骤2)，建立源-网-荷-储交直流系统综合优化目标函数；
步骤3)，确立源-网-荷-储交直流系统的约束条件；
步骤4)，基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
步骤5)，根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
2.根据权利要求1所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述的步骤1)中，
首先，基于Canopy算法对N个风电的历史运行曲线进行粗聚类分析，得到每个风电出力的粗聚类中心数，计算得到所有粗聚类中心数中出现最多的值，并将此值作为风电典型运行场景的最佳聚类数；
然后，将此最佳聚类数作为下一步K-means聚类方法的输入参数，对风电运行场景进行统一的场景聚类，得到风电的典型运行场景；同时，根据风电每种典型运行场景中包含的历史场景数量，得到风电每种典型运行场景的出现概率PWT(i)，1≤i≤mWT，其中mWT为风电的典型运行场景个数。
3.根据权利要求1所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述的步骤1)中，
光伏、交流负荷和直流负荷的典型运行场景生成过程与上述风电的典型运行场景生成过程类似，得到光伏每种典型运行场景的出现概率PPV(i)，1≤i≤mPV，其中mPV为光伏的典型运行场景个数；交流负荷每种典型运行场景的出现概率PAC(i)，1≤i≤mAC，其中mAC为交流负荷的典型运行场景个数；直流负荷每种典型运行场景的出现概率PDC(i)，1≤i≤mDC，其中mDC为直流负荷的典型运行场景个数，故得到总的场景个数S为：
S＝mWT×mPV×mAC×mDC，
且每个场景的概率P(i)，1≤i≤S，为风机、光伏、交流负荷和直流负荷的概率乘积。
4.根据权利要求1所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述步骤2)中的目标函数，根据不同的目标进行设定，为运行成本C最小或碳排放Ce最小。
5.根据权利要求4所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述运行成本C最小的目标函数如下：
Figure FDA0003688507190000021
其中，Pin(t,s)为场景s下从外部交流网络购电功率，Pout(t,s)为场景s下向外部交流网络卖电功率，Fpc(t)为购电电价，Fsl(t)为卖电电价，G(t,s)为场景s下天然气消耗量，Fgp为天然气气价，Com为运维费用。
6.根据权利要求4所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述碳排放Ce最小的目标函数如下：
Figure FDA0003688507190000022
其中，σ为电力碳排因子，Pin(t,s)为场景s下从外部交流网络购电功率，Pout(t,s)为场景s下向外部交流网络卖电功率。
7.根据权利要求6所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述步骤3)中的约束条件包含电力平衡、燃气发电约束、储能约束、电网约束和AC/DC变换器约束；
(1)电力平衡
交流母线的电力平衡方程如下：
Pg(t,s)+Pin(t,s)+Pinv(t,s)＝Plac(t,s)
直流母线的电力平衡方程如下：
PWT(t,s)+PPV(t,s)+PES(t,s)-Pinv(t,s)＝Pldc(t,s)
其中，Pg(t,s)为场景s下燃气发电功率，Pinv(t,s)为场景s下AC/DC变换器向交流系统发出功率，Plac(t,s)为场景s下交流负荷功率，PWT(t,s)为场景s下风机的发电功率，PPV(t,s)为场景s下光伏的发电功率，PES(t,s)为场景s下储能的发出功率，Pldc(t,s)为场景s下直流负荷功率，Pin(t,s)为场景s下从外部交流网络购电功率；
(2)燃气发电约束
燃气发电的上下限功率限制为：
0≤Pg(t,s)≤Pgmax
其中，Pgmax为燃气发电最大功率；
燃气发电上下功率爬坡限制为：
Pg(t,s)-Pg(t+1,s)≤rdn
Pg(t+1,s)-Pg(t,s)≤rup
其中，rdn和rup为燃气发电下降率和上升率；
燃气发电的输出功率为：
Pg(t,s)＝G(t,s)×H×η
其中，H为气电转换系数，η为发电效率；
(3)储能约束
储能电池功率约束为：
-PESmax≤PES(t,s)≤PESmax
其中，PESmax为储能最大充电功率；
储能电池容量约束为：
Figure FDA0003688507190000031
Esmin≤Es(t,s)≤Esmax
其中，Es(t,s)为场景s下储能电池电量，ε为储能电池自放电率，βdis和βch为储能电池放电效率和充电效率，Esmax和Esmin为储能电池剩余容量的上下限；Δt表示时间增量；
(4)电网约束
与外部交流网络购售电功率限制为：
0≤Pin(t,s)≤Pexmax
0≤Pout(t,s)≤Pexmax
其中，Pexmax为最大交换功率；
(5)AC/DC变换器约束
-Pinvmax≤Pinv(t,s)≤Pinvmax
其中，Pinvmax为变换器最大功率。
8.根据权利要求7所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，所述的步骤4)中，
利用前述的目标函数和约束条件，计算出每个典型场景下的优化计算结果：Pg(t,s)、PES(t,s)、Pin(t,s)、Pout(t,s)，及其对应的目标函数C(s)和Ce(s)。
9.根据权利要求1所述的源-网-荷-储交直流系统综合优化调控方法，其特征在于，步骤5)中，根据每个典型场景得到的优化计算结果，根据下式，获得最终的运行参数：
Figure FDA0003688507190000041
Figure FDA0003688507190000042
Figure FDA0003688507190000043
Figure FDA0003688507190000044
式中，P(s)表示场景s出现的概率，Pg(t)为优化调控后燃气发电功率、PES(t)为优化调控后储能发出功率，Pin(t)为优化调控后从外部交流网络购电功率、Pout(t)为优化调控后向外部交流网络卖电功率。
10.源-网-荷-储交直流系统综合优化调控装置，其特征在于，交流系统与直流系统通过AC/DC变换器互联，所述源-网-荷-储交直流系统综合优化调控装置包括：
典型场景概率确定单元，建立源-网-荷-储交直流系统典型运行场景，并确定各典型场景的概率；
目标函数建立单元，建立源-网-荷-储交直流系统综合优化目标函数；
约束条件确立单元，确立源-网-荷-储交直流系统的约束条件；
优化调控模型建立单元，基于粒子群算法建立源-网-荷-储交直流系统优化调控模型，获取每个典型场景下的优化计算结果；
最终运行参数确定单元，根据每个典型场景的优化计算结果确定源-网-荷-储交直流系统的最终运行参数。
CN202210653916.1A 2022-06-10 2022-06-10 源-网-荷-储交直流系统综合优化调控方法和装置 Active CN114938040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210653916.1A CN114938040B (zh) 2022-06-10 2022-06-10 源-网-荷-储交直流系统综合优化调控方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210653916.1A CN114938040B (zh) 2022-06-10 2022-06-10 源-网-荷-储交直流系统综合优化调控方法和装置

Publications (2)

Publication Number Publication Date
CN114938040A true CN114938040A (zh) 2022-08-23
CN114938040B CN114938040B (zh) 2023-12-29

Family

ID=82865650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210653916.1A Active CN114938040B (zh) 2022-06-10 2022-06-10 源-网-荷-储交直流系统综合优化调控方法和装置

Country Status (1)

Country Link
CN (1) CN114938040B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116581735A (zh) * 2023-07-13 2023-08-11 中国建筑西南设计研究院有限公司 一种建立光储直柔系统架构的方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN110323785A (zh) * 2019-07-26 2019-10-11 东北电力大学 基于源-网-荷-储互动的多电压等级直流配电网优化调度方法
CN111293718A (zh) * 2020-02-28 2020-06-16 华北电力大学（保定） 基于场景分析的交直流混合微网分区二层优化运行方法
CN111815025A (zh) * 2020-06-09 2020-10-23 国网山东省电力公司经济技术研究院 考虑风光与负荷不确定性综合能源系统柔性优化调度方法
CN112072641A (zh) * 2020-08-19 2020-12-11 国网江苏省电力有限公司扬州供电分公司 一种源网荷储柔性协调控制和运行优化方法
CN112531689A (zh) * 2020-11-26 2021-03-19 国网湖南省电力有限公司 受端电力系统的源网荷储协调控制能力评估方法和设备
CN112651634A (zh) * 2020-12-28 2021-04-13 天津大学合肥创新发展研究院 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN113872253A (zh) * 2021-10-29 2021-12-31 国网新源控股有限公司 抽水蓄能电站联合新能源发电优化调度方法及装置
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法
CN114444754A (zh) * 2021-11-15 2022-05-06 中国长江三峡集团有限公司 基于二氧化碳排放权交易的园区源网荷储优化调度方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN110323785A (zh) * 2019-07-26 2019-10-11 东北电力大学 基于源-网-荷-储互动的多电压等级直流配电网优化调度方法
CN111293718A (zh) * 2020-02-28 2020-06-16 华北电力大学（保定） 基于场景分析的交直流混合微网分区二层优化运行方法
CN111815025A (zh) * 2020-06-09 2020-10-23 国网山东省电力公司经济技术研究院 考虑风光与负荷不确定性综合能源系统柔性优化调度方法
CN112072641A (zh) * 2020-08-19 2020-12-11 国网江苏省电力有限公司扬州供电分公司 一种源网荷储柔性协调控制和运行优化方法
CN112531689A (zh) * 2020-11-26 2021-03-19 国网湖南省电力有限公司 受端电力系统的源网荷储协调控制能力评估方法和设备
CN112651634A (zh) * 2020-12-28 2021-04-13 天津大学合肥创新发展研究院 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN113872253A (zh) * 2021-10-29 2021-12-31 国网新源控股有限公司 抽水蓄能电站联合新能源发电优化调度方法及装置
CN114444754A (zh) * 2021-11-15 2022-05-06 中国长江三峡集团有限公司 基于二氧化碳排放权交易的园区源网荷储优化调度方法
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李枫: ""基于源—网—荷—储的主动配电系统优化运行研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 4, pages 9 - 60 *
游广增 等: ""基于典型运行场景聚类的电力系统灵活性评估方法"", 《上海交通大学学报》, vol. 55, no. 7, pages 803 - 804 *
王鲁浩 等: ""可再生能源微网鲁棒多目标优化调度"", 《电工技术学报》, vol. 32, no. 05, pages 186 - 188 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116581735A (zh) * 2023-07-13 2023-08-11 中国建筑西南设计研究院有限公司 一种建立光储直柔系统架构的方法
CN116581735B (zh) * 2023-07-13 2023-10-03 中国建筑西南设计研究院有限公司 一种建立光储直柔系统架构的方法

Also Published As

Publication number Publication date
CN114938040B (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
Wang et al. Application of energy storage in integrated energy systems—A solution to fluctuation and uncertainty of renewable energy
CN108599206B (zh) 高比例不确定电源场景下的配电网混合储能配置方法
Shahirinia et al. Optimal sizing of hybrid power system using genetic algorithm
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN110336274B (zh) 增设虚拟电厂调节器的虚拟电厂运行方法
CN104377724A (zh) 提高风电/光伏混合储能系统经济性的协调优化控制方法
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
CN110808597A (zh) 主动配电网中考虑三相不平衡的分布式电源规划方法
CN112366684A (zh) 一种海岛微电网系统
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统
CN114938040B (zh) 源-网-荷-储交直流系统综合优化调控方法和装置
CN117436773B (zh) 一种含可中断负荷的独立微网资源规划方法和系统
CN113644674A (zh) 基于量子粒子群的氢混合储能容量配置系统、方法及应用
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
CN114298383A (zh) 一种虚拟电厂储能容量配置方法及装置
CN115313349A (zh) 电动船舶直流微电网充电系统控制方法、系统及存储介质
CN115085227A (zh) 一种微电网源储容量配置方法及装置
CN113011718A (zh) 基于和声搜索算法的配电网有功-无功联合优化调度方法
Ali et al. Hierarchical control combined with higher order sliding mode control for integrating wind/tidal/battery/hydrogen powered DC offshore microgrid
CN116054133B (zh) 一种光伏电解铝直流微电网动态仿真建模方法及系统
CN117748622B (zh) 一种微电网多态协调控制方法及系统
CN115640894B (zh) 一种基于双时间尺度的综合能源系统优化调度方法
Liu et al. Research on low-carbon operation strategy of double-layered coordination of flexible direct current interconnected system

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