CN115513997A - 一种中长时间尺度下新能源电源实时备用率的确定方法 - Google Patents
一种中长时间尺度下新能源电源实时备用率的确定方法 Download PDFInfo
- Publication number
- CN115513997A CN115513997A CN202211162479.XA CN202211162479A CN115513997A CN 115513997 A CN115513997 A CN 115513997A CN 202211162479 A CN202211162479 A CN 202211162479A CN 115513997 A CN115513997 A CN 115513997A
- Authority
- CN
- China
- Prior art keywords
- power
- output
- new energy
- formula
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010248 power generation Methods 0.000 claims description 99
- 238000003860 storage Methods 0.000 claims description 62
- 150000001875 compounds Chemical class 0.000 claims description 49
- 238000004146 energy storage Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 32
- 238000004519 manufacturing process Methods 0.000 claims description 30
- 238000005338 heat storage Methods 0.000 claims description 25
- 230000009194 climbing Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 23
- 238000005086 pumping Methods 0.000 claims description 20
- 208000028659 discharge Diseases 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000295 fuel oil Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 239000002737 fuel gas Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 4
- 230000005684 electric field Effects 0.000 claims description 3
- 238000012983 electrochemical energy storage Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000009987 spinning Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 16
- 230000035699 permeability Effects 0.000 description 16
- 239000003245 coal Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000010348 incorporation Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 230000009466 transformation 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
-
- 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
- G06Q10/06313—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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统规划与运行调度技术领域,公开了一种中长时间尺度下新能源电源实时备用率的确定方法,通过获得新能源不确定性的时序出力、建立包含新能源电源的多源电力生产模拟模型、对多源电力生产模拟模型求解,得到各时段新能源可信预测出力的实时备用率三个步骤,将新能源部分出力纳入系统备用,来缓解大规模新能源接入电力系统造成备用不足的问题,为了消除新能源预测误差和不确定性对纳入备用的影响,引入新能源发电可信预测准确率概念,将预测时序数据乘以可信预测准确率得到新能源可信出力数据,将新能源可信出力纳入系统备用,以实时备用率的方法根据系统备用需求实时调整新能源纳入备用的容量。
Description
技术领域
本发明属于电力系统规划与运行调度技术领域,具体来说涉及一种中长时间尺度下新能源电源实时备用率的确定方法。
背景技术
随着“碳中和、碳达峰”战略目标的提出,我国对碳排放的管控将更加严格,风电、光伏发电等新能源电源装机将进一步增加。随着新能源电源渗透率的提高,系统灵活性资源严重不足,同时跨区域特高压直流闭锁故障、供电可靠性要求越来越高等因素增加了电力系统各个时间尺度上的备用需求。目前,通常采用水电、抽水蓄能、燃油燃气轮机等调峰机组、对火电机组进行改造或需求侧响应等措施以提高系统运行的灵活性。
随着新能源发电渗透率持续提高,传统旋转备用方式将无法满足系统需求,根据《GB38755-2019电力系统安全稳定导则》要求新能源发电侧提高调节能力,具备一次调频能力。因此随着新能源发电出力预测精度的提高及运行经验的积累,有必要也有条件将部分新能源发电纳入系统备用。已有学者基于统计学特征并兼顾新能源消纳和电网安全,在统计新能源可信预测准确率的基础上将多区域新能源以固定比例新能源纳入备用,给出失负荷风险、新能源预测准确率、负荷预测水平因素对备用比例的影响。将一定比例的新能源出力纳入系统备用中,可以提高系统运行安全性和可靠性,缓解系统备用不足的压力。受新能源出力随机性、波动性的影响,以固定比例新能源为备用并不能很好降低运行成本。以固定比例将新能源可信预测出力纳入系统备用,备用容量由新能源实时出力决定,当系统备用需求变化时只能通过调整传统机组备用容量,存在灵活性和经济性差等问题。现有方法在短期的日期调度模型中新能源纳入备用,未在中长期调度和规划的角度分析新能源纳入备用对大规模新能源电力系统中长期运行的影响。
发明内容
本发明的目的是提供一种中长时间尺度下新能源电源实时备用率的确定方法,将新能源电源可信出力纳入电力系统生产备用,根据新能源实时出力和系统调峰需求实时调整各个时段新能源纳入备用的比例,提高系统在中长期时间尺度下的运行灵活性和经济性。
本发明采取的技术方案是中长时间尺度下新能源电源实时备用率的确定方法,包括以下步骤:
S1、获得新能源不确定性的时序出力;
S2、建立包含新能源电源的多源电力生产模拟模型;
S3、对步骤S2的多源电力生产模拟模型求解,得到各时段新能源可信预测出力的实时备用率。
进一步地,所述步骤S1具体包括以下步骤:
S101、对历史数据进行抽样以建立新能源的随机性和不确定性模型;
S102、采用k-medoids聚类方法将相同或相似场景用代表性场景替代,消除数据的冗余;
S103、考虑误差和不确定性的影响,得到最终的预测时序出力。
进一步地,所述步骤S2具体包括:以生产模拟成本最优为目标,考虑系统内各类机组的出力特性和出力约束、功率平衡约束和以实时备用率将新能源纳入系统备用的备用约束,建立生产模拟模型。
进一步地,所述生产模拟成本包括发电机组的运行成本、开关机成本和排污治理成本及新能源弃电惩罚成本、切负荷惩罚成本,具体包括以下步骤:
A.采用下式计算系统总体运行成本f1:
式中,ft为t时段各类机组运行成本函数;λRC、Pt curW分别代表新能源弃电惩罚系数和新能源弃电量;λLC、Pt curL分别代表切负荷惩罚系数和切负荷电量;λCi,t、Si,t分别代表第i台发电机t时段发电对应的排污治理成本和排污量;
B.采用下式计算t时段各类机组运行成本函数ft:
C.采用下式计算新能源弃电量Pt curW:
D.采用下式计算切负荷电量Pt curL:
进一步地,系统内各类机组的出力约束表示为:
a.风电、光伏机组出力约束:
b.光热机组出力约束:
光热机组的出力约束包括集热场热量动态平衡约束、储热罐热量动态平衡约束、发电机出力的上下限约束和爬坡约束:
式中,RU/RD为分别为发电机最大上、下爬坡能力;
c.火电机组出力约束:
火电机组出力约束包括最大最小技术出力约束及爬坡约束;
火电机组出力上下限约束:Pi,tmin≤Pi,t≤Pi,tmax
式中,Pi,tmin/Pi,tmax为火电机组最小/最大技术出力;
式中,Pi,t、Pi,t+1表示第i台火电机组t时段和t+1时段的出力大小;ΔPi,up/ΔPi,down为燃煤机组上坡/下坡速率;
d.水电机组出力约束:
式中,Qh(t)为水电机组i在t时段的发电流量;H(t)为t时刻的发电水头;ηG,i为在t时段水电机组i的水轮机效率;ηT,i为在t时段水电机组i的发电机效率;
其中,发电流量约束:Qh(t)=min(Qh,out(t),Qh,max),Qh,out(t)为水电机组在t时刻的出库容量;Qh,out,max为出库流量最大值;
出库容量等式约束:Qh,out(t)=Qh(t)+Qh,c(t),Qh,c(t)为限水流量;
出库流量上下限约束:0<Qh,out(t)<Qh,out,max,Qh,out,max为出库流量最大值;
库容等式约束:Ch(t)=Ch(t-1)+Qh,in(t)△T-Qh,out(t)△T,Ch(t)为水库在t时段的库容;Qh,in(t)为水电机组在t时段的入库流量;
库容最大最小约束:Ch,min(t)≤Ch(t)≤Ch,max(t),Ch,max/Ch,min为水库在t时段最大/最小库容限制;
e.核电机组约束:
f.电化学储能机组约束:
储能容量上下限约束:0≤SOCi,t≤SOCi,max
式中,SOCi,max、SOCi,t分别为储能电池最大容量和t时刻蓄电池电荷量;
式中:Pbat,i+min/Pbat,i+max代表储能电池放电过程最小、最大功率;Pbat,i-min/Pbat,i-max代表储能电池充电过程最小、最大功率;
g.抽水蓄能机组约束:
抽水蓄能电站库容约束:
式中,Qh,in(t)/Qh,out(t)代表t时段入库流量和出库流量;ηc,cx/ηd,cx代表抽水蓄能电站抽水、发电效率;Sh,max/Sh,min、Sh(t)代表抽蓄电站最大最小库容、t时段抽蓄库容。
进一步地,所述功率平衡约束表示如下:
式中,Pt csp、Pt pv、Pt wind、Pbat,i+(t)、Pt curW分别代表t时段燃煤火电发电功率、燃油发电功率、燃气发电功率、水电发电功率、核电发电功率、光热电站发电功率、抽蓄电站发电功率、光伏发电功率、风电发电功率、储能充放电功率、新能源弃电量;Pt load、Pbat,i-(t)、Pt curL分别代表t时段负荷功率、蓄电池充电功率、抽蓄抽水功率、切负荷电量。
进一步地,所述备用约束表示如下:
式中,Pi,max(i,t)代表t时段机组i的最大允许出力;P(i,t)代表t时段机组i的实时发电出力;表示t时段机组i的运行状态;βt为新能源发电实时备用率,η为新能源发电可信预测准确率;Pre,t代表t时段系统的旋转备用容量。
进一步地,还包括逻辑变量约束,所述逻辑变量约束表示如下:
进一步地,所述步骤S3具体包括:对步骤S2得到的多源电力生产模拟模型求解,得到电力系统运行最经济的条件下各个时段新能可信预测出力纳入实时备用率,将各个时段下新能源按照求得的实时备用例纳入电力系统备用中,得到最优目标下各个时段的各个机组出力情况。
进一步地,所述多源电力生产模拟模型求解方法为通过MATLAB调用CPLEX求解器进行求解。
本发明的有益效果在于:
通过将新能源部分出力纳入系统备用,来缓解大规模新能源接入电力系统造成备用不足的问题。为了消除新能源预测误差和不确定性对纳入备用的影响,引入新能源发电可信预测准确率概念,将预测时序数据乘以可信预测准确率得到新能源可信出力数据。新能源可信出力为新能源在模拟时段内能完全保证发出的功率,将新能源可信出力纳入系统备用,以实时备用率的方法根据系统备用需求实时调整新能源纳入备用的容量。
附图说明
图1为本发明方法的流程示意图。
图2为中长期尺度下新能源电源不确定性建模方法流程图。
图3为本发明中计算流程图。
图4为新能源渗透率为30%下新能源发电纳入系统备用720h的实时备用率图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参看图1,本发明实施过程分为以下三个步骤:
S1、采用时序模拟方法得到新能源不确定性的时序出力。首先对历史数据进行抽样以建立新能源的随机性和不确定性模型,其次采用k-medoids聚类方法将相同或相似场景用代表性场景替代,消除数据的冗余。最后考虑误差和不确定性的影响,得到最终的预测时序出力。
S2、以系统总体运行成本最优为目标,考虑风电、光伏发电、光热发电、水电、火电、核电、燃油发电、天然气发电、储能、抽水蓄能等多种电源发电的出力特性和运行约束,建立多源电力生产模拟模型。将新能源电源可信出力纳入电力系统生产备用。将各个时段下新能源预测出力中的可信预测出力纳入备用,给出实时备用率确定方法。
S3、对模型求解,得到电力系统运行最经济的条件下各个时段新能可信预测出力纳入实时备用率。将各个时段下新能源按照求得的实时备用例纳入电力系统备用中。得到最优目标下各个时段下各个机组出力情况。
在一个可行的实施例中,具体地,步骤S1的实现详细过程如下,参看图2:
(1)采用时序模拟方法得到新能源不确定性的时序出力;
(2)首先是输入历史数据,统计计算一个月下历史数据分别服从的分布参数;
(3)其次根据计算得到的分布参数进行拉丁立方抽样得到随机光伏、风电、负荷场景;
(4)其次采用k-medoids聚类方法将相同或相似场景用代表性场景替代,消除数据的冗余;
(5)下一步计算各个场景下的状态转移概率矩阵,根据状态转移概率矩阵对场景进行排序得到一个月长度的时序序列;
(6)最后重复以上步骤,得到生产模拟所需时长的时序出力。
在一个可行的实施例中,具体地,步骤S2的实施过程如下:
以生产模拟成本最优为目标,考虑火电、燃油、燃气、水电、核电、光热、储能、抽水蓄能等机组的出力特性和约束、考虑功率平衡约束和以实时备用率将新能源纳入系统备用的备用约束,建立生产模拟模型。
具体地,以生产模拟成本最小为优化目标。生产成本包括发电机组的运行成本、开关机成本和排污治理成本及新能源弃电惩罚成本、切负荷惩罚成本等。
系统总体运行成本:
式中,ft coal、ft oil、ft gas、ft hydro、ft nuclear、ft csp、ft bat、ft cx分别代表燃煤、燃油、燃气、水电、核电、光热、储能、抽水蓄能等机组的发电成本函数;λRC为新能源弃电惩罚系数取值为50美元/MW·h、Pt curW代表新能源弃电量,根据计算求得;λLC为切负荷惩罚系数取值为500美元/MW·h,Pt curL为切负荷电量,根据计算求得;λCi,t为第i台发电机t时段发电对应的排污治理成本,其中排污治理成本中二氧化碳治理成本为0.0153美元/磅,二氧化硫治理成本为25.1美元/磅,Si,t分别代表第i台发电机t时段发电对应的排污量。
新能源弃电量:
切负荷电量:
具体地,建立约束过程如下:
功率平衡约束:
式中,Pt csp、Pt pv、Pt wind、Pbat,i+(t)、Pt curW分别代表t时段燃煤火电发电功率、燃油发电功率、燃气发电功率、水电发电功率、核电发电功率、光热电站发电功率、抽蓄电站发电功率、光伏发电功率、风电发电功率、储能充放电功率、新能源弃电量。Pt load、Pbat,i-(t)、Pt curL分别代表t时段负荷功率、蓄电池充电功率、抽蓄抽水功率、切负荷电量。
通过将新能源部分出力纳入系统备用,来缓解大规模新能源接入电力系统造成备用不足的问题。为了消除新能源预测误差和不确定性对纳入备用的影响,引入新能源发电可信预测准确率概念,将预测时序数据乘以可信预测准确率得到新能源可信出力数据。新能源可信出力为新能源在模拟时段内能完全保证发出的功率,将新能源可信出力纳入系统备用,以实时备用率的方法根据系统备用需求实时调整新能源纳入备用的容量。
备用约束:
式中,Pi,max(i,t)代表t时段机组i的最大允许出力;P(i,t)代表t时段机组i的实时发电出力;表示t时段机组i的运行状态。βt为新能源发电实时备用率,η为新能源发电可信预测准确率;Pre,t代表t时段系统的旋转备用容量。
具体地,各类机组出力约束采用如下的表达式:
a.风电、光伏发电机组出力约束:
风电和光伏发电t时段发电出力和纳入备用功率之和在t时段下最大出力与0之间。
b.光热机组出力约束:
光热电站模型的约束包括集热场热量动态平衡、储热罐热量动态平衡、发电机出力的上下限限制和爬坡限制。
光热电站发电成本:
集热场热量平衡约束:
热罐热量平衡约束:
热电转换效率约束:
光热机组出力上下限约束:
储热罐容量约束:
光热电站发电机爬坡约束:
式中,RU/RD为分别为发电机最大上、下爬坡能力,取值为100MW/h。
c.火电机组出力约束:
火电机组根据燃料类型可分为燃煤火电、燃油机组、燃气机组等。考虑到运行安全,火电机组存在最大最小技术出力限制及爬坡约束。
火电运行成本函数:
火电机组出力上下限约束:
Pi,tmin≤Pi,t≤Pi,tmax (17)
式中,Pi,tmin/Pi,tmax为火电机组最小/最大技术出力,取值见表1。
火电机组爬坡约束:
式中,Pi,t、Pi,t+1表示第i台火电机组t时段和t+1时段的出力大小;ΔPi,up/ΔPi,down为燃煤机组上坡/下坡速率,取值见表1。
d.水电机组出力约束:
考虑到运行安全性,水电机组运行中出力大小在短时间变化必须在一定范围内,受库容大小、出库流量和入库流量、强迫出库流量大小的限制。
水电运行成本函数:
水电机组爬坡约束:
水电机组出力约束:
式中,Qh(t)为水电机组i在t时段的发电流量;H(t)为t时刻的发电水头取值为39米;ηG,i为在t时段水电机组i的水轮机效率为80%;ηT,i为在t时段水电机组i的发电机效率为80%;
发电流量约束:
Qh(t)=min(Qh,out(t),Qh,max) (23)
式中,Qh,out(t)为水电机组在t时刻的出库容量;Qh,out,max为出库流量最大值取值为0.735m3/s;
出库容量等式约束:
Qh,out(t)=Qh(t)+Qh,c(t) (24)
式中,Qh,c(t)为限水流量(弃水流量);
库容等式约束:
Ch(t)=Ch(t-1)+Qh,in(t)△T-Qh,out(t)△T (25)
式中,Ch(t)为水库在t时段的库容;Qh,in(t)为水电机组在t时段的入库流量。
出库流量约束:
0<Qh,out(t)<Qh,out,max (26)
式中,Qh,out,max为出库流量最大值;
Ch,min(t)≤Ch(t)≤Ch,max(t) (27)
式中,Ch,max/Ch,min为水库在t时段最小、最大库容限制,取值分别为1.4亿立方米、2.73亿立方米。
e.核电机组出力约束:
核电机组运行成本:
核电机组出力上下限约束:
核电机组爬坡约束:
f.电化学储能机组出力约束:
储能运行成本函数:
式中,fj(Pbat,i+(t))代表储能电池放电过程中运行成本函数;
储能容量约束:
0≤SOCi,t≤SOCi,max (32)式中,SOCi,max为储能电池最大容量取值为100MW.h,SOCi,t为t时刻蓄电池电荷量;
储能容量平衡约束:
储能充放电功率约束:
式中:Pbat,i+min/Pbat,i+max代表储能电池放电过程最小、最大功率,取值分别为0MW、40MW;Pbat,i-min/Pbat,i-max代表储能电池充电过程最小、最大功率,取值分别为0MW、40MW。
g.抽水蓄能机组出力约束:
抽水蓄能电站运行成本:
抽水蓄能机组爬坡约束:
抽水、发电过程功率约束:
抽水蓄能电站库容约束:
Sh,min≤Sh,t≤Sh,max (40)
式中,Qh,in(t)/Qh,out(t)代表t时段入库流量和出库流量;ηc,cx/ηd,cx代表抽水蓄能电站抽水、发电效率,取值分别为85%、84%;Sh,max/Sh,min、Sh(t)代表抽蓄电站最大最小库容、t时段抽蓄库容,取值分别为4940万立方米、717万立方米。
进一步地,在一个可行的实施例中,还包括逻辑变量约束,采用如下的表达式:
表1常规机组参数
在一个可行的实施例中,具体地,步骤S3的详细流程为:
步骤S3对模型求解,得到电力系统运行最经济的条件下各个时段新能可信预测出力纳入实时备用率。参看图3:
(1)首先输入数据。数据包括网架结构信息、机组及其运行成本信息和风速、光照、负荷等数据。
(2)根据输入的风速、光照、负荷采用步骤S1中不确定性建模方法得到新能源出力、负荷等时序序列。
(3)建立步骤S2所述目标函数、等式约束和不等式约束。
(4)采用CPLEX求解器单次进行168小时时间长度的电力生产模拟求解计算。
(5)判断求解最后时段T与整个生产模拟时间长度720小时的大小。
(6)若T小于720小时,则以计算最后时段T的机组开关机状态为下一计算周期机组状态的初始条件,继续进行求解计算。
(7)若T大于720小时,则计算完成,退出循环。
(8)输出整个计算周期下各个时段机组出力大小和最终最优计算结果。根据计算得到各时段新能源可信出力纳入备用的实时备用率。
本发明以IEEE-24节点系统为例,用IEEE-GMLC中的核电、燃气火电、燃油火电、水电、光热电站、抽水蓄能电站、风电、光伏等电站替换部分火电机组构成改进的24节点系统进行仿真计算。利用步骤S1和步骤S2得到年度风速、光照、负荷的模拟数据和生产模拟模型进行电力生产模拟计算。采用CPLEX求解器进行求解计算,求解间隙设为0.005%,单次求解时间上限为1500秒。在计算中,设定负荷削减成本为500美元/MW·h,弃风弃光成本为50美元/MW·h,抽水蓄能电站发电成本20美元/MW·h,蓄电池放电成本40美元/MW·h,排污治理成本中二氧化碳治理成本为0.0153美元/磅,二氧化硫治理成本为25.1美元/磅,新能源备用成本为弃风弃光成本。
为验证本方法的有效性,分别在三种不同的方案下进行计算分析:
方案一:新能源不纳入备用时的运行的计算成本;
方案二:新能源以固定比例纳入备用时的运行成本;
方案三:不同渗透率下新能源实时备用时的运行成本;
由表2可见,不将新能源电源纳入系统备用时,随着新能源渗透率的提高,系统总体运行成本逐渐增大。当新能源发电渗透率为50%时,虽然火电机组的煤耗和污染治理成本较低,但弃电、弃负荷成本几乎与总运行成本相当。总的生产成本居高不下,不利于新能源消纳。随着我国电力系统新能源渗透率的增加,在新型电力系统中,有必要考虑将新能源电源纳入系统旋转备用。
表2新能源不纳入备用时不同新能源渗透率下的电力生产模拟运行成本
表3分别为以新能源实时发电出力的5%、10%、15%、20%和30%纳入备用,与不考虑新能源发电做备用情况相比总成本提高0.53%、71.1%、1.3%、1.52%、1.32%。随着纳入备用比例的提高,系统运行总成本呈现升高的趋势,但煤耗成本、储能运行成本、开关机成本降低。系统运行总成本升高的主要原因是新能源备用成本提高,可见以固定比例将新能源纳入备用经济性较差,且新能源备用率越高,系统经济性越差。因此选择合适新能源纳入备用比例和合理的纳入备用方式对系统运行经济性尤为重要。
表3新能源以不同的固定比例纳入备用时的力生产模拟运行成本
由表4可见,随着新能源渗透率的提高,储能运行成本和机组开关机成本会明显增加。这是因为新能源渗透率的提高增大了系统运行的不确定性和波动性,但新能源作为备用的容量也更大,系统中的火电机组利用小时数将下降,煤耗成本和污染排放量会随之降低。
表4不同渗透率下新能源实时备用时的生产模拟运行成本
与表2不考虑新能源备用情况相比,随着新能源渗透率的不断提高,新能源纳入备用时的成本下降程度愈加明显。新能源发电渗透率分别为15%、20%、25%、30%、40%、50%时,利用本发明新能源实时备用的方法得到的运行总成本将分别降低-15.48%、-8.09%、-8.35%、9.66%、54.72%、84.87%,综合参看图4,为本发明的新能源渗透率为30%下新能源发电纳入系统备用720h的实时备用率图,由此可见,在新能源渗透率低于30%下,将新能源纳入备用运行经济性不佳,但在新能源渗透率30%以上时,新能源纳入实时备用在提高运行经济性方面具有重要作用。在以新能源为主体的新型电力系统中,本发明方法的经济性将越来越好。
Claims (10)
1.一种中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,包括以下步骤:
S1、获得新能源不确定性的时序出力;
S2、建立包含新能源电源的多源电力生产模拟模型;
S3、对步骤S2的多源电力生产模拟模型求解,得到各时段新能源可信预测出力的实时备用率。
2.根据权利要求1所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,所述步骤S1具体包括以下步骤:
S101、对历史数据进行抽样以建立新能源的随机性和不确定性模型;
S102、采用k-medoids聚类方法将相同或相似场景用代表性场景替代,消除数据的冗余;
S103、考虑误差和不确定性的影响,得到最终的预测时序出力。
3.根据权利要求1所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,所述步骤S2具体包括:以生产模拟成本最优为目标,考虑系统内各类机组的出力特性和出力约束、功率平衡约束和以实时备用率将新能源纳入系统备用的备用约束,建立生产模拟模型。
4.根据权利要求3所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,所述生产模拟成本包括发电机组的运行成本、开关机成本和排污治理成本及新能源弃电惩罚成本、切负荷惩罚成本,具体包括以下步骤:
A.采用下式计算系统总体运行成本f1:
式中,ft为t时段各类机组运行成本函数;λRC、Pt curW分别代表新能源弃电惩罚系数和新能源弃电量;λLC、分别代表切负荷惩罚系数和切负荷电量;λCi,t、Si,t分别代表第i台发电机t时段发电对应的排污治理成本和排污量;
B.采用下式计算t时段各类机组运行成本函数ft:
C.采用下式计算新能源弃电量Pt curW:
D.采用下式计算切负荷电量Pt curL:
5.根据权利要求3所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,系统内各类机组的出力约束表示为:
a.风电、光伏机组出力约束:
b.光热机组出力约束:
光热机组的出力约束包括集热场热量动态平衡约束、储热罐热量动态平衡约束、发电机出力的上下限约束和爬坡约束:
式中,RU/RD为分别为发电机最大上、下爬坡能力;
c.火电机组出力约束:
火电机组出力约束包括最大最小技术出力约束及爬坡约束;
火电机组出力上下限约束:Pi,tmin≤Pi,t≤Pi,tmax
式中,Pi,tmin/Pi,tmax为火电机组最小/最大技术出力;
式中,Pi,t、Pi,t+1表示第i台火电机组t时段和t+1时段的出力大小;ΔPi,up/ΔPi,down为燃煤机组上坡/下坡速率;
d.水电机组出力约束:
式中,Qh(t)为水电机组i在t时段的发电流量;H(t)为t时刻的发电水头;ηG,i为在t时段水电机组i的水轮机效率;ηT,i为在t时段水电机组i的发电机效率;
其中,发电流量约束:Qh(t)=min(Qh,out(t),Qh,max),Qh,out(t)为水电机组在t时刻的出库容量;Qh,out,max为出库流量最大值;
出库容量等式约束:Qh,out(t)=Qh(t)+Qh,c(t),Qh,c(t)为限水流量;
出库流量上下限约束:0<Qh,out(t)<Qh,out,max,Qh,out,max为出库流量最大值;
库容等式约束:Ch(t)=Ch(t-1)+Qh,in(t)△T-Qh,out(t)△T,Ch(t)为水库在t时段的库容;Qh,in(t)为水电机组在t时段的入库流量;
库容最大最小约束:Ch,min(t)≤Ch(t)≤Ch,max(t),Ch,max/Ch,min为水库在t时段最大/最小库容限制;
e.核电机组约束:
f.电化学储能机组约束:
储能容量上下限约束:0≤SOCi,t≤SOCi,max
式中,SOCi,max、SOCi,t分别为储能电池最大容量和t时刻蓄电池电荷量;
式中:Pbat,i+min/Pbat,i+max代表储能电池放电过程最小、最大功率;Pbat,i-min/Pbat,i-max代表储能电池充电过程最小、最大功率;
g.抽水蓄能机组约束:
抽水蓄能电站库容约束:
式中,Qh,in(t)/Qh,out(t)代表t时段入库流量和出库流量;ηc,cx/ηd,cx代表抽水蓄能电站抽水、发电效率;Sh,max/Sh,min、Sh(t)代表抽蓄电站最大最小库容、t时段抽蓄库容。
9.根据权利要求1所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,所述步骤S3具体包括:对步骤S2得到的多源电力生产模拟模型求解,得到电力系统运行最经济的条件下各个时段新能可信预测出力纳入实时备用率,将各个时段下新能源按照求得的实时备用例纳入电力系统备用中,得到最优目标下各个时段的各个机组出力情况。
10.根据权利要求1-9任一项所述的中长时间尺度下新能源电源实时备用率的确定方法,其特征在于,所述多源电力生产模拟模型求解方法为通过MATLAB调用CPLEX求解器进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162479.XA CN115513997A (zh) | 2022-09-23 | 2022-09-23 | 一种中长时间尺度下新能源电源实时备用率的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162479.XA CN115513997A (zh) | 2022-09-23 | 2022-09-23 | 一种中长时间尺度下新能源电源实时备用率的确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115513997A true CN115513997A (zh) | 2022-12-23 |
Family
ID=84505414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162479.XA Pending CN115513997A (zh) | 2022-09-23 | 2022-09-23 | 一种中长时间尺度下新能源电源实时备用率的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115513997A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
-
2022
- 2022-09-23 CN CN202211162479.XA patent/CN115513997A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
CN117494909B (zh) * | 2023-12-29 | 2024-05-28 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
CN103580063B (zh) | 一种基于需方响应消纳大规模并网风电的方法 | |
CN111541244B (zh) | 考虑储能装置度电成本的电网侧储能装置容量计算方法 | |
CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
CN115640982B (zh) | 基于抽水蓄能优先调节的多能互补系统日前优化调度方法 | |
CN113644670B (zh) | 一种储能容量优化配置的方法及系统 | |
CN116780646A (zh) | 一种计及灵活性的电力系统资源优化调度方法及终端 | |
CN103956773A (zh) | 含风电系统机组的备用配置优化方法 | |
CN112234604A (zh) | 一种多能互补电源基地优化配置方法、存储介质及设备 | |
CN115511180A (zh) | 电力系统灵活性资源的优化配置方法及系统 | |
CN115513997A (zh) | 一种中长时间尺度下新能源电源实时备用率的确定方法 | |
CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及系统 | |
CN112653137A (zh) | 计及碳交易的光热电站与风电系统、低碳调度方法及系统 | |
CN112418537A (zh) | 一种面向多能源云储能系统的优化调度方法 | |
CN115642620A (zh) | 一种储能参与低碳灵活调峰的双层优化方法 | |
CN115882483A (zh) | 一种利用容量弹性实现系统最优储能容量配置的方法 | |
CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
Guoqiang et al. | A Multi-Source Dispatching Model with Considering the Nuclear Power Plants Dispatching and Wind Power Accommodation | |
CN112149339A (zh) | 风电-光伏-光热-电加热器互补发电系统容量优化模型 | |
Hu et al. | Short-term Optimization of Multi-source System with High Proportion of Wind Power and Photovoltaic | |
CN114069714B (zh) | 一种包含可再生能源的分布式电力系统机组调度方法及装置 | |
Wang et al. | Considering Low-Carbon Economic Dispatch of Power Systems with the Participation of Large-Scale Energy Storage and Multiple Types of Regulation Resources | |
HU et al. | Coordination and Optimal Scheduling of Multi-energy Complementary System for New Energy Consumption |
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 |