CN115296345B - 一种燃气发电机组启停-出力-备用联合优化方法及装置 - Google Patents
一种燃气发电机组启停-出力-备用联合优化方法及装置 Download PDFInfo
- Publication number
- CN115296345B CN115296345B CN202210648680.2A CN202210648680A CN115296345B CN 115296345 B CN115296345 B CN 115296345B CN 202210648680 A CN202210648680 A CN 202210648680A CN 115296345 B CN115296345 B CN 115296345B
- Authority
- CN
- China
- Prior art keywords
- output
- unit
- day
- constraint
- representing
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000009194 climbing Effects 0.000 claims description 64
- 238000010276 construction Methods 0.000 claims description 45
- 108010074506 Transfer Factor Proteins 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 239000007789 gas Substances 0.000 description 81
- 238000010248 power generation Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- 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
- H02J3/38—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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统运行控制技术领域,公开了一种燃气发电机组启停‑出力‑备用联合优化方法及装置。本发明通过获取电力系统的有功调度参数作为优化的基础数据,通过获取新能源出力预测误差的历史数据,构造计划日的新能源出力预测误差凸包络场景集,进而构建计及多阶段调度非预期性的燃气发电机日前有功计划模型,构建考虑该凸包络场景集的时序解耦日内有功调度模型,进而根据日前有功计划模型和日内有功调度模型得到燃气发电机组启停、出力和备用联合优化模型,最后根据对该联合优化模型的求解结果编制燃气发电机组启停、出力和备用计划。本发明提出的方法及装置能够适应概率化电力平衡模式,实现燃气发电机组日前计划的科学和精准编制。
Description
技术领域
本发明涉及电力系统运行控制技术领域,尤其涉及一种燃气发电机组启停-出力-备用联合优化方法及装置。
背景技术
大力发展风电和光伏等新能源发电是构建新型电力系统的必要举措。然而,风电和光伏等新能源的发电具有间歇性、波动性及随机性等特征。为可靠地保证电力系统的实时有功平衡,电力系统需要配套一定数量的灵活调节资源。燃气发电机组作为灵活调节资源的一种,具有启停灵活、爬坡速度快、调峰能力强等优点,其相比燃煤发电机组更具清洁性,且可以通过富余新能源制氢或制甲烷等方式减少发电的碳排放。因此,燃气发电机组将在新型电力系统中扮演重要的角色。
构建新型电力系统,除了需要在规划阶段配置足够的灵活调节资源,还需要在运行阶段的电力平衡过程中,充分考虑新能源发电的强不确定性及其给灵活调节资源调控引入的复杂性,并相应地改进有功计划和调度的模型或方法。在日前发电和备用计划编制过程中,考虑新能源发电的多个场景进行概率化的电力平衡,可以得到更加经济和可靠的调度方案,促进新能源的高效消纳。概率化电力平衡的难点之一是非预期性的建模。非预期性的含义是,在一个多时段的随机决策过程中,以当前时段为参考点,具有同样历史随机量实现值的场景必须对应同一个决策方案;非预期性也可以理解为,在一个多时段的随机决策问题中,决策方案的制定不能够以掌握整个时域过程的随机量实现值为假设和前提。
燃气发电机组的启停、出力和备用联合优化是一个典型的多时段决策问题。具体而言,在十五分钟时间尺度上,燃气发电机组的日内启停需要考虑最小开停机时间约束,燃气发电机组提供灵活爬坡备用的能力还受到启停和相邻时段出力计划的影响。目前,燃气发电机组的日前发电和备用计划编制均以确定性的预测场景为基础和假设,并没有考虑随机场景下燃气发电机组调控的非预期性。因此,在概率化电力平衡模式下,如何在燃气发电机组启停、出力和备用的联合优化过程中考虑非预期性,是实现日前发电和备用计划科学、精确编制必须解决的技术难题。
发明内容
本发明提供了一种燃气发电机组启停-出力-备用联合优化方法及装置,解决了目前燃气发电机组的日前发电和备用计划编制未考虑到随机场景下燃气发电机组调控的非预期性,计划编制的精确性有待提高的技术问题。
本发明第一方面提供一种燃气发电机组启停-出力-备用联合优化方法,包括:
获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据;
引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型;
根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型;
根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型;
采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划。
根据本发明第一方面的一种能够实现的方式,所述根据所述历史数据确定计划日的新能源出力预测误差集合,包括:
在新能源的所有历史出力预测值中确定与计划日新能源出力预测值相似度最大的数据子集;
将所述数据子集对应的历史出力真实值作为计划日可能的出力真实值,计算计划日可能的出力真实值与对应的计划日出力预测值的差值;
将所述差值作为新能源出力预测误差,构建计划日的新能源出力预测误差集合。
根据本发明第一方面的一种能够实现的方式,所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,包括:
引入二进制变量和和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
根据本发明第一方面的一种能够实现的方式,所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,还包括:
引入日前的二进制变量yg,t,当yg,t取1时表示机组g在日内的时段t允许停机,取0时表示机组g在日内的时段t不允许停机或者因为基准计划已经是停机状态而无法进行关停;引入日前的连续变量表示机组g在日内时段t出力的实际下限;
构建机组开机状态变量最小值的表达式:
式中,xg,t表示机组g在时段t开停机状态的基准计划;
构建机组开机状态变量最大值的表达式:
构建机组出力上下限关联关系约束:
式中,P g 表示机组g的最小技术出力,表示机组g的装机容量;
构建机组出力上爬坡约束:
其中,表示机组g在日内时段t-1出力的实际下限,表示机组g的最大上爬坡能力;
构建机组出力下爬坡约束:
式中,表示机组g的最大下爬坡能力;
构建机组出力实际下限的表达式:
构建旋转备用约束:
式中,表示机组g在时段t提供的旋转备用容量。
根据本发明第一方面的一种能够实现的方式,所述根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型,包括:
引入日内实时运行的二进制变量zg,t,当zg,t取1时表示机组g在时段t进行关停,取0时表示机组g在时段t保持开机运行状态;引入新能源出力预测误差随机向量ξ;引入连续变量pg,t(ξ),pg,t(ξ)表示在场景ξ发生的情况下,机组g在时段t的实际出力;
构建机组停机约束:
构建机组出力上下限约束:
根据本发明第一方面的一种能够实现的方式,所述根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,包括:
构建新能源出力削减约束为:
式中,表示在新能源出力场景ξ下系统需要削减的新能源功率,Ww,t表示新能源场站w在时段t的预测出力,ξw,t表示新能源场站w在时段t的实际出力预测误差,表示新能源场站的指标集合;
构建功率平衡约束为:
式中,Dd,t表示负荷节点d在时段t的负荷需求,表示负荷节点的指标集合;
构建线路潮流约束为:
式中,Fl表示线路l的潮流限值,表示机组到线路l的功率转移因子,表示负荷到线路l的功率转移因子,表示新能源场站到线路l的功率转移因子,表示输电线路的指标集合。
根据本发明第一方面的一种能够实现的方式,所述采用场景生成法求解所述联合优化模型,包括:
S701,考虑预测场景,形成一个松弛模型,调用最优化求解器获得一个待校验的日前计划方案;
S702,给定日前计划方案,在新能源出力预测值的基础上叠加预测误差场景集中的误差值,形成多个新能源出力场景,并调用最优化求解器逐个验证日内实时运行是否存在可行方案;
S703,如果存在不可行方案,则将产生不可行方案的新能源出力场景扩充到所述松弛模型中,更新得到新的待校验日前计划方案;
S704,重复步骤S702-S703,直至日前计划方案通过校验。
本发明第二方面提供一种燃气发电机组启停-出力-备用联合优化装置,包括:
获取模块,用于获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据;
第一模型构建模块,用于引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型;
第二模型构建模块,用于根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型;
模型联合模块,用于根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型;
优化求解模块,用于采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划。
根据本发明第二方面的一种能够实现的方式,所述第二模型构建模块包括:
确定单元,用于在新能源的所有历史出力预测值中确定与计划日新能源出力预测值相似度最大的数据子集;
计算单元,用于将所述数据子集对应的历史出力真实值作为计划日可能的出力真实值,计算计划日可能的出力真实值与对应的计划日出力预测值的差值;
构建单元,用于将所述差值作为新能源出力预测误差,构建计划日的新能源出力预测误差集合。
根据本发明第二方面的一种能够实现的方式,所述第一模型构建模块包括:
第一变量引入单元,用于引入二进制变量和和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
第一构建单元,用于构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
第二构建单元,用于构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
第三构建单元,用于构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
第四构建单元,用于构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
根据本发明第二方面的一种能够实现的方式,所述第一模型构建模块还包括:
第二变量引入单元,用于引入日前的二进制变量yg,t,当yg,t取1时表示机组g在日内的时段t允许停机,取0时表示机组g在日内的时段t不允许停机或者因为基准计划已经是停机状态而无法进行关停;引入日前的连续变量 表示机组g在日内时段t出力的实际下限;
第五构建单元,用于构建机组开机状态变量最小值的表达式:
式中,xg,t表示机组g在时段t开停机状态的基准计划;
第六构建单元,用于构建机组开机状态变量最大值的表达式:
第七构建单元,用于构建机组出力上下限关联关系约束:
式中,P g 表示机组g的最小技术出力,表示机组g的装机容量;
第八构建单元,用于构建机组出力上爬坡约束:
其中,表示机组g在日内时段t-1出力的实际下限,表示机组g的最大上爬坡能力;
第九构建单元,用于构建机组出力下爬坡约束:
式中,表示机组g的最大下爬坡能力;
第十构建单元,用于构建机组出力实际下限的表达式:
第十一构建单元,用于构建旋转备用约束:
式中,表示机组g在时段t提供的旋转备用容量。
根据本发明第二方面的一种能够实现的方式,所述第二模型构建模块包括:
第三变量引入单元,用于引入日内实时运行的二进制变量zg,t,当zg,t取1时表示机组g在时段t进行关停,取0时表示机组g在时段t保持开机运行状态;引入新能源出力预测误差随机向量ξ;引入连续变量pg,t(ξ),pg,t(ξ)表示在场景ξ发生的情况下,机组g在时段t的实际出力;
第十二构建单元,用于构建机组停机约束:
第十三构建单元,用于构建机组出力上下限约束:
根据本发明第二方面的一种能够实现的方式,所述模型联合模块包括:
第十四构建单元,用于构建新能源出力削减约束为:
式中,表示在新能源出力场景ξ下系统需要削减的新能源功率,Ww,t表示新能源场站w在时段t的预测出力,ξw,t表示新能源场站w在时段t的实际出力预测误差,表示新能源场站的指标集合;
第十五构建单元,用于构建功率平衡约束为:
式中,Dd,t表示负荷节点d在时段t的负荷需求,表示负荷节点的指标集合;
第十六构建单元,用于构建线路潮流约束为:
式中,Fl表示线路l的潮流限值,表示机组到线路l的功率转移因子,表示负荷到线路l的功率转移因子,表示新能源场站到线路l的功率转移因子,表示输电线路的指标集合。
根据本发明第二方面的一种能够实现的方式,所述优化求解模块具体用于:
S701,考虑预测场景,形成一个松弛模型,调用最优化求解器获得一个待校验的日前计划方案;
S702,给定日前计划方案,在新能源出力预测值的基础上叠加预测误差场景集中的误差值,形成多个新能源出力场景,并调用最优化求解器逐个验证日内实时运行是否存在可行方案;
S703,如果存在不可行方案,则将产生不可行方案的新能源出力场景扩充到所述松弛模型中,更新得到新的待校验日前计划方案;
S704,重复步骤S702-S703,直至日前计划方案通过校验。
本发明第三方面提供了一种燃气发电机组启停-出力-备用联合优化装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项能够实现的方式所述的燃气发电机组启停-出力-备用联合优化方法;
处理器,用于执行所述存储器中的指令。
本发明第四方面一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项能够实现的方式所述的燃气发电机组启停-出力-备用联合优化方法。
从以上技术方案可以看出,本发明具有以下优点:
1)本发明采用历史数据构建新能源出力预测误差的凸包络场景集,作为概率化电力平衡的基础,有助于高效应对新能源的预测误差;
2)在日前计划模型中引入了燃气发电机组是否允许日内停机的决策变量和最小开停机时间的精确约束,实现日内调度模型的时序解耦,进而有效计及了调控的非预期性,保证概率化电力平衡模式下燃气发电机组模型的精确性;
3)利用机组出力上下限基准决策变量构造向上和向下灵活爬坡备用容量,为概率化电力平衡模式下燃气发电机组调节贡献的评估提供了基础;
4)采用场景生成法求解日前-日内两阶段的燃气发电机组启停、出力和备用联合优化模型,有效提高了计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一个可选实施例提供的一种燃气发电机组启停-出力-备用联合优化方法的流程图;
图2为本发明一个可选实施例提供的凸包络场景集的示意图;
图3为本发明一个可选实施例提供的燃气发电机组启停-出力-备用联合优化装置的原理框图。
附图标记:
1-获取模块;2-第一模型构建模块;3-第二模型构建模块;4-模型联合模块;5-优化求解模块。
具体实施方式
本发明实施例提供了一种燃气发电机组启停-出力-备用联合优化方法及装置,用于解决目前燃气发电机组的日前发电和备用计划编制未考虑到随机场景下燃气发电机组调控的非预期性,计划编制的精确性有待提高的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供了一种燃气发电机组启停-出力-备用联合优化方法。
请参阅图1,图1示出了本发明实施例提供的一种燃气发电机组启停-出力-备用联合优化方法的流程图。
本发明实施例提供的一种燃气发电机组启停-出力-备用联合优化方法,包括步骤S1-S5。
步骤S1,获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据。
其中,新能源关于出力预测值和出力真实值的历史数据,包括各风电、光伏场站所有的历史出力预测值和真实值时序数据。
步骤S2,引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型。
在一种能够实现的方式中,所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,包括:
引入二进制变量和和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
该向上灵活爬坡备用约束的表达式表明,当为负数时,取0;当为正数时,取
该向下灵活爬坡备用约束的表达式表明,当为负数时,取0;当为正数时,取
本发明实施例中,构建机组最小开机时间精确约束和机组最小停机时间精确约束,是本发明考虑概率化电力平衡模式下燃气发电机组非预期性的关键技术。本发明进一步创建了向上灵活爬坡备用约束和向下灵活爬坡备用约束,该灵活爬坡备用约束是已有的机组组合模型中未有的约束,构建活爬坡备用是本发明考虑概率化电力平衡模式下燃气发电机组灵活性,以及量化评估燃气发电机组调节贡献的关键技术。通过构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,有利于提高概率化电力平衡模式下燃气发电机组模型的精确性。
在一种能够实现的方式中,所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,还包括:
引入日前的二进制变量yg,t,当yg,t取1时表示机组g在日内的时段t允许停机,取0时表示机组g在日内的时段t不允许停机或者因为基准计划已经是停机状态而无法进行关停;引入日前的连续变量表示机组g在日内时段t出力的实际下限;
构建机组开机状态变量最小值的表达式:
式中,xg,t表示机组g在时段t开停机状态的基准计划;
构建机组开机状态变量最大值的表达式:
构建机组出力上下限关联关系约束:
式中,P g 表示机组g的最小技术出力,表示机组g的装机容量;
构建机组出力上爬坡约束:
其中,表示机组g在日内时段t-1出力的实际下限,表示机组g的最大上爬坡能力;
构建机组出力下爬坡约束:
式中,表示机组g的最大下爬坡能力;
构建机组出力实际下限的表达式:
构建旋转备用约束:
式中,表示机组g在时段t提供的旋转备用容量。
本实施例中,机组开机状态变量最小值的表达式建立了机组g在时段t的开机状态变量实际可取得的最小值与xg,t、yg,t之间的关联关系,即当机组g在时段t的机组状态是开机,且允许在日内停机时,开机状态变量的值是0。其中,变量xg,t是常规机组组合模型中已有的决策变量。
本实施例中,机组开机状态变量最大值的表达式建立了机组g在时段t的开机状态变量实际可取得的最大值与开停机状态的基准计划变量xg,t的关系;机组出力上下限关联关系约束建立了机组g在日内时段t出力上下限和机组开机状态基准计划之间的关系。
本实施例中,机组出力实际下限的表达式建立了机组g在日内时段t的出力实际下限变量与基准下限变量、是否允许日内停机变量之间的关联关系,即当允许机组g在日内时段t停机时,出力的实际下限为0,否则出力的实际下限与基准下限一致。
本发明实施例,在构建机组最小开停机时间精确约束和灵活爬坡备用约束的基础上,进一步构建了其他日前有功计划约束,完善了燃气发电机日前有功计划模型,使得该日前有功计划模型能够在计及非预期性的基础上更加贴合实际应用需求。
步骤S3,根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型。
在一种能够实现的方式中,所述根据所述历史数据确定计划日的新能源出力预测误差集合,包括:
在新能源的所有历史出力预测值中确定与计划日新能源出力预测值相似度最大的数据子集;
将所述数据子集对应的历史出力真实值作为计划日可能的出力真实值,计算计划日可能的出力真实值与对应的计划日出力预测值的差值;
将所述差值作为新能源出力预测误差,构建计划日的新能源出力预测误差集合。
其中,可以以曼哈顿距离为度量,确定历史出力预测值与计划日新能源出力预测值的相似度。
需要说明的是,还可以以其他合适的距离参数例如欧式距离等为度量,来确定历史出力预测值与计划日新能源出力预测值的相似度。本发明实施例不限定于此。
本发明实施例,在所有历史出力预测值中找到与计划日新能源出力预测值较为接近的一个数据子集,进而将该数据子集对应的历史真实值作为计划日可能的出力真实值,通过求差值的方式,得到计划日的新能源出力预测误差集合,最后将计划日的新能源出力预测误差集合的高维凸包作为所述的凸包络场景集。作为示例,构建的凸包络场景集如图2所示。
本发明实施例中,计划日的新能源出力预测误差集合的构建方法简单便捷,且贴合新能源的实际出力情况。
在一种能够实现的方式中,所述根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型,包括:
引入日内实时运行的二进制变量zg,t,当zg,t取1时表示机组g在时段t进行关停,取0时表示机组g在时段t保持开机运行状态;引入新能源出力预测误差随机向量ξ;引入连续变量pg,t(ξ),pg,t(ξ)表示在场景ξ发生的情况下,机组g在时段t的实际出力;
构建机组停机约束:
构建机组出力上下限约束:
本发明实施例中,该机组停机约束的不等式表明,仅当机组g的时段t在日前计划中被设定为允许停机时,日内实时运行才可以停机。以上两条不等式用于描述机组出力pg,t(ξ)与日前计划变量及日内调控变量zg,t之间的关联关系。当zg,t取1,机组g在时段t进行关停时,pg,t(ξ)必须为0;当zg,t取0,机组g在时段t保持开机,pg,t(ξ)可以在到的范围内任意调控。
步骤S4,根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型。
在一种能够实现的方式中,所述根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,包括:
构建新能源出力削减约束为:
式中,表示在新能源出力场景ξ下系统需要削减的新能源功率,Ww,t表示新能源场站w在时段t的预测出力,ξw,t表示新能源场站w在时段t的实际出力预测误差,表示新能源场站的指标集合;
构建功率平衡约束为:
式中,Dd,t表示负荷节点d在时段t的负荷需求,表示负荷节点的指标集合;
构建线路潮流约束为:
式中,Fl表示线路l的潮流限值,表示机组到线路l的功率转移因子,表示负荷到线路l的功率转移因子,表示新能源场站到线路l的功率转移因子,表示输电线路的指标集合。
步骤S5,采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划。
在一种能够实现的方式中,所述采用场景生成法求解所述联合优化模型,包括:
S701,考虑预测场景,形成一个松弛模型,调用最优化求解器获得一个待校验的日前计划方案;
S702,给定日前计划方案,在新能源出力预测值的基础上叠加预测误差场景集中的误差值,形成多个新能源出力场景,并调用最优化求解器逐个验证日内实时运行是否存在可行方案;
S703,如果存在不可行方案,则将产生不可行方案的新能源出力场景扩充到所述松弛模型中,更新得到新的待校验日前计划方案;
S704,重复步骤S702-S703,直至日前计划方案通过校验。
作为优选,可采用gurobi求解器作为该最优化求解器。
作为示例,采用场景生成法求解所述联合优化模型,得到的求解结果如表1所示。
表1:
本发明实施例中,采用场景生成法求解日前-日内两阶段的燃气发电机组启停、出力和备用联合优化模型,能够有效提高计算效率。
本发明还提供了一种燃气发电机组启停-出力-备用联合优化装置,该装置可以用于实施本发明上述任一项实施例所述的燃气发电机组启停-出力-备用联合优化方法。
请参阅图3,图3示出了本发明实施例提供的一种燃气发电机组启停-出力-备用联合优化装置的原理框图。
本发明实施例提供了一种燃气发电机组启停-出力-备用联合优化装置,包括:
获取模块1,用于获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据;
第一模型构建模块2,用于引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型;
第二模型构建模块3,用于根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型;
模型联合模块4,用于根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型;
优化求解模块5,用于采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划。
在一种能够实现的方式中,所述第二模型构建模块3包括:
确定单元,用于在新能源的所有历史出力预测值中确定与计划日新能源出力预测值相似度最大的数据子集;
计算单元,用于将所述数据子集对应的历史出力真实值作为计划日可能的出力真实值,计算计划日可能的出力真实值与对应的计划日出力预测值的差值;
构建单元,用于将所述差值作为新能源出力预测误差,构建计划日的新能源出力预测误差集合。
在一种能够实现的方式中,所述第一模型构建模块2包括:
第一变量引入单元,用于引入二进制变量和和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
第一构建单元,用于构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
第二构建单元,用于构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
第三构建单元,用于构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
第四构建单元,用于构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
在一种能够实现的方式中,所述第一模型构建模块2还包括:
第二变量引入单元,用于引入日前的二进制变量yg,t,当yg,t取1时表示机组g在日内的时段t允许停机,取0时表示机组g在日内的时段t不允许停机或者因为基准计划已经是停机状态而无法进行关停;引入日前的连续变量 表示机组g在日内时段t出力的实际下限;
第五构建单元,用于构建机组开机状态变量最小值的表达式:
式中,xg,t表示机组g在时段t开停机状态的基准计划;
第六构建单元,用于构建机组开机状态变量最大值的表达式:
第七构建单元,用于构建机组出力上下限关联关系约束:
式中,P g 表示机组g的最小技术出力,表示机组g的装机容量;
第八构建单元,用于构建机组出力上爬坡约束:
其中,表示机组g在日内时段t-1出力的实际下限,表示机组g的最大上爬坡能力;
第九构建单元,用于构建机组出力下爬坡约束:
式中,表示机组g的最大下爬坡能力;
第十构建单元,用于构建机组出力实际下限的表达式:
第十一构建单元,用于构建旋转备用约束:
式中,表示机组g在时段t提供的旋转备用容量。
在一种能够实现的方式中,所述第二模型构建模块3包括:
第三变量引入单元,用于引入日内实时运行的二进制变量zg,t,当zg,t取1时表示机组g在时段t进行关停,取0时表示机组g在时段t保持开机运行状态;引入新能源出力预测误差随机向量ξ;引入连续变量pg,t(ξ),pg,t(ξ)表示在场景ξ发生的情况下,机组g在时段t的实际出力;
第十二构建单元,用于构建机组停机约束:
第十三构建单元,用于构建机组出力上下限约束:
在一种能够实现的方式中,所述模型联合模块4包括:
第十四构建单元,用于构建新能源出力削减约束为:
式中,表示在新能源出力场景ξ下系统需要削减的新能源功率,Ww,t表示新能源场站w在时段t的预测出力,ξw,t表示新能源场站w在时段t的实际出力预测误差,表示新能源场站的指标集合;
第十五构建单元,用于构建功率平衡约束为:
式中,Dd,t表示负荷节点d在时段t的负荷需求,表示负荷节点的指标集合;
第十六构建单元,用于构建线路潮流约束为:
式中,Fl表示线路l的潮流限值,表示机组到线路l的功率转移因子,表示负荷到线路l的功率转移因子,表示新能源场站到线路l的功率转移因子,表示输电线路的指标集合。
在一种能够实现的方式中,所述优化求解模块5具体用于:
S701,考虑预测场景,形成一个松弛模型,调用最优化求解器获得一个待校验的日前计划方案;
S702,给定日前计划方案,在新能源出力预测值的基础上叠加预测误差场景集中的误差值,形成多个新能源出力场景,并调用最优化求解器逐个验证日内实时运行是否存在可行方案;
S703,如果存在不可行方案,则将产生不可行方案的新能源出力场景扩充到所述松弛模型中,更新得到新的待校验日前计划方案;
S704,重复步骤S702-S703,直至日前计划方案通过校验。
本发明还提供了一种燃气发电机组启停-出力-备用联合优化装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项实施例所述的燃气发电机组启停-出力-备用联合优化方法;
处理器,用于执行所述存储器中的指令。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项实施例所述的燃气发电机组启停-出力-备用联合优化方法。
本发明上述实施例,能够适应概率化电力平衡模式,实现燃气发电机组日前计划的科学和精准编制,解决目前燃气发电机组的日前发电和备用计划编制未考虑到随机场景下燃气发电机组调控的非预期性,计划编制的精确性有待提高的技术问题,具体的优点包括:
1)本发明采用历史数据构建新能源出力预测误差的凸包络场景集,作为概率化电力平衡的基础,有助于高效应对新能源的预测误差;
2)在日前计划模型中引入了燃气发电机组是否允许日内停机的决策变量和最小开停机时间的精确约束,实现日内调度模型的时序解耦,进而有效计及了调控的非预期性,保证概率化电力平衡模式下燃气发电机组模型的精确性;
3)利用机组出力上下限基准决策变量构造向上和向下灵活爬坡备用容量,为概率化电力平衡模式下燃气发电机组调节贡献的评估提供了基础;
4)采用场景生成法求解日前-日内两阶段的燃气发电机组启停、出力和备用联合优化模型,有效提高了计算效率。
所属领域的技术人员可以清楚地了解到,为描述地方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,上述描述的系统、装置和模块的具体有益效果,可以参考前述方法实施例中的对应有益效果,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种燃气发电机组启停-出力-备用联合优化方法,其特征在于,包括:
获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据;
引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型;
根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型;
根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型;
采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划;
所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,包括:
引入二进制变量和 和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和 和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和 和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
2.根据权利要求1所述的燃气发电机组启停-出力-备用联合优化方法,其特征在于,所述根据所述历史数据确定计划日的新能源出力预测误差集合,包括:
在新能源的所有历史出力预测值中确定与计划日新能源出力预测值相似度最大的数据子集;
将所述数据子集对应的历史出力真实值作为计划日可能的出力真实值,计算计划日可能的出力真实值与对应的计划日出力预测值的差值;
将所述差值作为新能源出力预测误差,构建计划日的新能源出力预测误差集合。
3.根据权利要求1所述的燃气发电机组启停-出力-备用联合优化方法,其特征在于,所述引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,还包括:
引入日前的二进制变量yg,t,当yg,t取1时表示机组g在日内的时段t允许停机,取0时表示机组g在日内的时段t不允许停机或者因为基准计划已经是停机状态而无法进行关停;引入日前的连续变量 表示机组g在日内时段t出力的实际下限;
构建机组开机状态变量最小值的表达式:
式中,xg,t表示机组g在时段t开停机状态的基准计划;
构建机组开机状态变量最大值的表达式:
构建机组出力上下限关联关系约束:
式中,P g 表示机组g的最小技术出力,表示机组g的装机容量;
构建机组出力上爬坡约束:
其中,表示机组g在日内时段t-1出力的实际下限,表示机组g的最大上爬坡能力;
构建机组出力下爬坡约束:
式中,表示机组g的最大下爬坡能力;
构建机组出力实际下限的表达式:
构建旋转备用约束:
式中,表示机组g在时段t提供的旋转备用容量。
4.根据权利要求3所述的燃气发电机组启停-出力-备用联合优化方法,其特征在于,所述根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型,包括:
引入日内实时运行的二进制变量zg,t,当zg,t取1时表示机组g在时段t进行关停,取0时表示机组g在时段t保持开机运行状态;引入新能源出力预测误差随机向量ξ;引入连续变量pg,t(ξ),pg,t(ξ)表示在场景ξ发生的情况下,机组g在时段t的实际出力;
构建机组停机约束:
构建机组出力上下限约束:
5.根据权利要求4所述的燃气发电机组启停-出力-备用联合优化方法,其特征在于,所述根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,包括:
构建新能源出力削减约束为:
式中,表示在新能源出力场景ξ下系统需要削减的新能源功率,Ww,t表示新能源场站w在时段t的预测出力,ξw,t表示新能源场站w在时段t的实际出力预测误差,表示新能源场站的指标集合;
构建功率平衡约束为:
式中,Dd,t表示负荷节点d在时段t的负荷需求,表示负荷节点的指标集合;
构建线路潮流约束为:
式中,Fl表示线路l的潮流限值,表示机组到线路l的功率转移因子,表示负荷到线路l的功率转移因子,表示新能源场站到线路l的功率转移因子,表示输电线路的指标集合。
6.根据权利要求1所述的燃气发电机组启停-出力-备用联合优化方法,其特征在于,所述采用场景生成法求解所述联合优化模型,包括:
S701,考虑预测场景,形成一个松弛模型,调用最优化求解器获得一个待校验的日前计划方案;
S702,给定日前计划方案,在新能源出力预测值的基础上叠加预测误差场景集中的误差值,形成多个新能源出力场景,并调用最优化求解器逐个验证日内实时运行是否存在可行方案;
S703,如果存在不可行方案,则将产生不可行方案的新能源出力场景扩充到所述松弛模型中,更新得到新的待校验日前计划方案;
S704,重复步骤S702-S703,直至日前计划方案通过校验。
7.一种燃气发电机组启停-出力-备用联合优化装置,其特征在于,包括:
获取模块,用于获取电力系统的有功调度参数以及新能源关于出力预测值和出力真实值的历史数据;
第一模型构建模块,用于引入燃气发电机组关于启停、出力和备用的决策变量,基于所述决策变量和所述有功调度参数,构建包含机组最小开停机时间精确约束和灵活爬坡备用约束在内的日前有功计划约束,根据所述日前有功计划约束建立燃气发电机组日前有功计划模型;
第二模型构建模块,用于根据所述历史数据确定计划日的新能源出力预测误差集合,将所述新能源出力预测误差集合的高维凸包作为凸包络场景集,根据所述有功调度参数构建考虑所述凸包络场景集的时序解耦日内有功调度模型;
模型联合模块,用于根据新能源出力削减约束、功率平衡约束和线路潮流约束建立系统侧模型,联合所述燃气发电机组日前有功计划模型、所述时序解耦日内有功调度模型和所述系统侧模型,以计划成本加新能源出力预测场景下的运行成本之和最小为优化目标,构建燃气发电机组启停、出力和备用的联合优化模型;
优化求解模块,用于采用场景生成法求解所述联合优化模型,根据得到的求解结果生成燃气发电机组的启停、出力和备用计划;
所述第一模型构建模块包括:
第一变量引入单元,用于引入二进制变量和 和分别表示机组g在时段t开机状态变量实际可取得的最小值和最大值;引入日前的连续变量和 和分别表示机组g在日内时段t出力的基准上限和基准下限;引入日前的连续变量和 和分别表示机组g在时段t提供的向上灵活爬坡备用容量和向下灵活爬坡备用容量;
第一构建单元,用于构建机组最小开机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最小值,表示机组g在时段t-1开机状态变量实际可取得的最小值,表示燃气发电机组的指标集合,T表示计划时段的指标集合,表示机组g的最小开机时间;
第二构建单元,用于构建机组最小停机时间精确约束:
式中,表示机组g在时段t+τ开机状态变量实际可取得的最大值,表示机组g在时段t-1开机状态变量实际可取得的最大值,表示机组g的最小停机时间;
第三构建单元,用于构建向上灵活爬坡备用约束:
式中,表示机组g在日内时段t-1出力的基准下限;
第四构建单元,用于构建向下灵活爬坡备用约束:
式中,示机组g在日内时段t-1出力的基准上限。
8.一种燃气发电机组启停-出力-备用联合优化装置,其特征在于,包括:
存储器,用于存储指令;其中,所述指令用于实现如权利要求1-6任意一项所述的燃气发电机组启停-出力-备用联合优化方法;
处理器,用于执行所述存储器中的指令。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述的燃气发电机组启停-出力-备用联合优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648680.2A CN115296345B (zh) | 2022-06-09 | 2022-06-09 | 一种燃气发电机组启停-出力-备用联合优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648680.2A CN115296345B (zh) | 2022-06-09 | 2022-06-09 | 一种燃气发电机组启停-出力-备用联合优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115296345A CN115296345A (zh) | 2022-11-04 |
CN115296345B true CN115296345B (zh) | 2023-08-22 |
Family
ID=83820400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210648680.2A Active CN115296345B (zh) | 2022-06-09 | 2022-06-09 | 一种燃气发电机组启停-出力-备用联合优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115296345B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116526468B (zh) * | 2023-05-09 | 2024-04-26 | 国网湖北省电力有限公司经济技术研究院 | 考虑多类型备用辅助服务的高比例可再生能源电力系统优化调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006180673A (ja) * | 2004-12-24 | 2006-07-06 | Mitsubishi Electric Corp | 発電機の運用計画作成装置 |
CN109242366A (zh) * | 2018-11-06 | 2019-01-18 | 国电南瑞科技股份有限公司 | 一种电-气互联综合能源系统的多时段潮流优化方法 |
CN111525625A (zh) * | 2020-04-01 | 2020-08-11 | 国网天津市电力公司 | 一种考虑燃气机组的日前计划制定方法及系统 |
-
2022
- 2022-06-09 CN CN202210648680.2A patent/CN115296345B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006180673A (ja) * | 2004-12-24 | 2006-07-06 | Mitsubishi Electric Corp | 発電機の運用計画作成装置 |
CN109242366A (zh) * | 2018-11-06 | 2019-01-18 | 国电南瑞科技股份有限公司 | 一种电-气互联综合能源系统的多时段潮流优化方法 |
CN111525625A (zh) * | 2020-04-01 | 2020-08-11 | 国网天津市电力公司 | 一种考虑燃气机组的日前计划制定方法及系统 |
Non-Patent Citations (1)
Title |
---|
高比例可再生能源电力系统的输配协同优化调度方法;张旭、王洪涛;《电力系统自动化》;第43卷(第3期);第67~74页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115296345A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khooban et al. | A novel deep reinforcement learning controller based type-II fuzzy system: Frequency regulation in microgrids | |
CN110854932B (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
Yang et al. | Fluctuation reduction of wind power and sizing of battery energy storage systems in microgrids | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
Lima et al. | On the computational studies of deterministic global optimization of head dependent short-term hydro scheduling | |
CN109713713A (zh) | 一种基于机会约束凸松弛的机组启停随机优化方法 | |
CN115296345B (zh) | 一种燃气发电机组启停-出力-备用联合优化方法及装置 | |
CN108288132B (zh) | 一种基于源荷互动电力系统调度的建模方法 | |
CN114094609A (zh) | 电网储能系统的优化配置方法 | |
Bai et al. | Robust online operation of power systems with advanced adiabatic compressed air energy storage and renewable generation | |
CN111509784A (zh) | 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置 | |
CN107769266A (zh) | 一种多时间尺度发电与备用联合优化方法 | |
CN112510690A (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN115907140A (zh) | 电力现货出清方案优化方法、装置、计算机设备和介质 | |
CN115566680A (zh) | 一种新能源电力系统时序生产模拟运行优化方法及装置 | |
CN116128193A (zh) | 一种基于区块链技术的园区微网调度方法及调度系统 | |
CN113344316A (zh) | 一种电网与气网协调运行调度策略确定方法和系统 | |
CN108418213B (zh) | 一种基于源荷互动电力系统调度的方法 | |
Trigkas et al. | Supervisory control of energy distribution at autonomous RES-powered smart-grids using a finite state machine approach | |
CN112054553A (zh) | 电热气互联系统协调优化运行方法、系统、介质及设备 | |
CN118316034B (zh) | 一种多节点系统的碳排放因子动态计算方法及装置 | |
CN117638944B (zh) | 基于源荷储互动的电网容量裕度动态配置方法及系统 | |
CN114386236A (zh) | 一种新能源消纳合理利用率的规划方法及系统 | |
Yang et al. | A Multistage Semianticipativity Model for UC via Distributionally Robust Optimization Combined With Principal Component Analysis | |
CN117526331A (zh) | 计及分布式储能的配电网灵活运行鲁棒优化方法和系统 |
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 | ||
GR01 | Patent grant |