CN115566680B - 一种新能源电力系统时序生产模拟运行优化方法及装置 - Google Patents

一种新能源电力系统时序生产模拟运行优化方法及装置 Download PDF

Info

Publication number
CN115566680B
CN115566680B CN202211551645.5A CN202211551645A CN115566680B CN 115566680 B CN115566680 B CN 115566680B CN 202211551645 A CN202211551645 A CN 202211551645A CN 115566680 B CN115566680 B CN 115566680B
Authority
CN
China
Prior art keywords
constraint
optimization
period
new energy
thermal power
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
Application number
CN202211551645.5A
Other languages
English (en)
Other versions
CN115566680A (zh
Inventor
刘纯
李湃
王伟胜
张金平
黄越辉
礼晓飞
李驰
刘思扬
韩培东
桑桢城
王晓蓉
王帅
孟娜
郭琳润
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202211551645.5A priority Critical patent/CN115566680B/zh
Publication of CN115566680A publication Critical patent/CN115566680A/zh
Application granted granted Critical
Publication of CN115566680B publication Critical patent/CN115566680B/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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

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

Abstract

本发明涉及新能源发电技术领域，具体提供了一种新能源电力系统时序生产模拟运行优化方法及装置，包括：将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；本发明提供的技术方案，通过两阶段分解计算，实现新能源与常规电源全年最优的电量和电力互补运行，获得新能源全年最优消纳量结果。

Description

一种新能源电力系统时序生产模拟运行优化方法及装置
技术领域
本发明涉及新能源发电技术领域，具体涉及一种新能源电力系统时序生产模拟运行优化方法及装置。
背景技术
评估电网未来年度的新能源消纳能力，能够科学指导系统年/月运行方式安排、新能源规划布局和并网时序，是提高电网新能源消纳能力的关键。新能源时序生产模拟技术通过逐时段的电力平衡仿真模拟，能够准确刻画大规模新能源接入的系统运行情况，是评估电网新能源消纳能力的有效技术手段。开展新能源时序生产模拟计算，需要建立以新能源或清洁能源最大化消纳为目标，考虑系统源、网、荷、储运行方式约束的时序生产模拟优化模型，然后以新能源与负荷全年逐时段（如8760h）的理论功率序列等为边界条件，通过求解优化模型得到新能源和常规电源的最优发电结果，进而获得新能源全年的最优消纳量。
开展新能源消纳能力评估计算的关键之一在于建立能够准确表征源、网、荷、储运行方式的时序生产模拟运行优化模型。由于实际电网新能源场站、常规电源机组、负荷节点等数量众多，系统运行方式复杂，全年优化计算时段数量长，并且需要对常规电源的机组组合状态进行优化，因此，时序生产模拟优化模型中包含了大量用以描述机组运行状态的整数变量和描述机组出力的连续变量，属于超大规模的混合整数规划问题，优化求解难度极大。目前，工程应用中主要采用CPLEX等商业求解器进行计算求解，但针对全年时序生产模拟运行优化模型，商业求解器难以在有效时间内得到计算结果。
为满足计算时效性需要，通常采用全年逐周/逐月仿真或者选取各月典型日场景仿真的方式进行计算。现有技术中，以新能源全年逐时段新能源理论出力、负荷序列为输入，将全年优化时段按照月或周进行分解，然后针对各周或各月优化时段，考虑源、网、荷、储各类运行方式约束，以各月或各周的新能源消纳量最大为目标建立12个月或52个周的时序生产模拟运行优化模型。然后，依次求解各优化模型，计算各月或各周的新能源消纳量，其中前一个月或前一周最后一个时刻的系统运行状态将作为下一个月或下一周初始时刻系统运行状态的边界条件，通过逐个求解12个月或52周的优化模型，最终实现全年的生产模拟仿真，得到全年的新能源消纳量结果。
由于该方法采用逐月或逐周计算的方式，各月或各周的生产模拟计算是相对独立优化仿真的，在进行前一个月或前一周生产模拟优化计算时无法考虑后一个月或后一周的可能发生的情况。因此，针对具有全年可调节能力的水电站或年发电小时数要求的火电机组，逐月或逐周计算的方式难以实现新能源与常规电源在全年内的最优互补运行。比如：针对具有全年可调节能力的水电站，有可能出现在前几个月或前几周为最大化消纳新能源，把水电站的调节能力用尽，造成后续时间内水电站无法调节的情况发生；再比如，针对具有全年利用小时数限制的火电机组，在逐月或逐周求解时，需要人为设定各月或各周的利用小时数范围，以保证全年利用小时数满足要求，由于人为设定无法做到火电发电小时数的最优分配，难以实现火电与新能源在全年的最优互补运行。上述不足均会导致得到的新能源全年消纳量结果并非理论上的最优消纳量结果，影响计算结果的准确性。
发明内容
为了克服上述缺陷，本发明提出了一种新能源电力系统时序生产模拟运行优化方法及装置。
第一方面，提供一种新能源电力系统时序生产模拟运行优化方法，所述新能源电力系统时序生产模拟运行优化方法包括：
将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。
优选的，所述新能源电力系统运行参数包括下述中的至少一种：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段的新能源理论最大发电功率和用电负荷。
优选的，所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件。
进一步的，所述第一目标函数的数学模型如下：
Figure 295473DEST_PATH_IMAGE001
上式中，T为全年内优化时段数量，∆t为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力。
进一步的，所述第一约束条件包括下述中的至少一种：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束。
进一步的，所述火电机组年利用小时数约束的数学模型如下：
Figure 686134DEST_PATH_IMAGE002
所述水电机组出力范围约束的数学模型如下：
Figure 936987DEST_PATH_IMAGE003
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg 为火电机组g的装机容量，
Figure 512324DEST_PATH_IMAGE004
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水 电机组h的出力，
Figure 848628DEST_PATH_IMAGE005
为优化时段t水电机组h的最大出力。
进一步的，所述系统负荷平衡约束的数学模型如下：
Figure 42980DEST_PATH_IMAGE006
所述系统正备用约束的数学模型如下：
Figure 148339DEST_PATH_IMAGE007
所述系统负备用约束的数学模型如下：
Figure 894578DEST_PATH_IMAGE008
所述火电机组出力范围约束的数学模型如下：
Figure 187019DEST_PATH_IMAGE009
所述火电机组爬坡约束的数学模型如下：
Figure 309696DEST_PATH_IMAGE010
所述水电机组爬坡约束的数学模型如下：
Figure 144928DEST_PATH_IMAGE011
所述水电年调节能力约束的数学模型如下：
Figure 62069DEST_PATH_IMAGE012
所述新能源出力约束的数学模型如下：
Figure 107385DEST_PATH_IMAGE013
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure 768173DEST_PATH_IMAGE014
为优化时段t火 电机组g的最大出力，
Figure 582546DEST_PATH_IMAGE015
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统 备用容量，
Figure 670587DEST_PATH_IMAGE016
为优化时段t火电机组g的最小出力，H为水电机组数量，∆g为火电机组g 的最大爬坡能力，∆h为水电机组h的最大爬坡能力，
Figure 78566DEST_PATH_IMAGE017
为水电机组h的全年最小发电量，
Figure 543046DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
优选的，所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件。
进一步的，所述第二目标函数的数学模型如下：
Figure 211924DEST_PATH_IMAGE019
上式中，θn为第n个优化周期，∆s为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力。
进一步的，所述第二约束条件包括下述中的至少一种：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束。
进一步的，所述火电机组利用小时数约束的数学模型如下：
Figure 470867DEST_PATH_IMAGE020
所述水电机组出力范围约束的数学模型如下：
Figure 490776DEST_PATH_IMAGE021
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周 期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g 的装机容量，
Figure 368733DEST_PATH_IMAGE022
为第n个优化周期水电机组h的最小发电量，
Figure 157698DEST_PATH_IMAGE023
为第n个优化周期水电 机组h的最大发电量。
进一步的，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure 587542DEST_PATH_IMAGE024
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure 829167DEST_PATH_IMAGE025
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电 量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure 635449DEST_PATH_IMAGE017
为水电机组h的全年最 小发电量，
Figure 278920DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
第二方面，提供一种新能源电力系统时序生产模拟运行优化装置，所述新能源电力系统时序生产模拟运行优化装置包括：
第一分析模块，用于将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
第二分析模块，用于将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
第三分析模块，用于基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。
优选的，所述新能源电力系统运行参数包括下述中的至少一种：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段的新能源理论最大发电功率和用电负荷。
优选的，所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件。
进一步的，所述第一目标函数的数学模型如下：
Figure 755032DEST_PATH_IMAGE001
上式中，T为全年内优化时段数量，∆t为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力。
进一步的，所述第一约束条件包括下述中的至少一种：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束。
进一步的，所述火电机组年利用小时数约束的数学模型如下：
Figure 749533DEST_PATH_IMAGE002
所述水电机组出力范围约束的数学模型如下：
Figure 828347DEST_PATH_IMAGE003
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg 为火电机组g的装机容量，
Figure 591904DEST_PATH_IMAGE004
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水 电机组h的出力，
Figure 363551DEST_PATH_IMAGE005
为优化时段t水电机组h的最大出力。
进一步的，所述系统负荷平衡约束的数学模型如下：
Figure 579769DEST_PATH_IMAGE006
所述系统正备用约束的数学模型如下：
Figure 600290DEST_PATH_IMAGE007
所述系统负备用约束的数学模型如下：
Figure 218353DEST_PATH_IMAGE008
所述火电机组出力范围约束的数学模型如下：
Figure 160901DEST_PATH_IMAGE009
所述火电机组爬坡约束的数学模型如下：
Figure 864415DEST_PATH_IMAGE010
所述水电机组爬坡约束的数学模型如下：
Figure 285032DEST_PATH_IMAGE011
所述水电年调节能力约束的数学模型如下：
Figure 23181DEST_PATH_IMAGE012
所述新能源出力约束的数学模型如下：
Figure 11997DEST_PATH_IMAGE013
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure 937227DEST_PATH_IMAGE014
为优化时段t火 电机组g的最大出力，
Figure 427114DEST_PATH_IMAGE015
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统 备用容量，
Figure 19770DEST_PATH_IMAGE016
为优化时段t火电机组g的最小出力，H为水电机组数量，∆g为火电机组g 的最大爬坡能力，∆h为水电机组h的最大爬坡能力，
Figure 304121DEST_PATH_IMAGE017
为水电机组h的全年最小发电量，
Figure 982227DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
优选的，所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件。
进一步的，所述第二目标函数的数学模型如下：
Figure 885592DEST_PATH_IMAGE019
上式中，θn为第n个优化周期，∆s为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力。
进一步的，所述第二约束条件包括下述中的至少一种：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束。
进一步的，所述火电机组利用小时数约束的数学模型如下：
Figure 67174DEST_PATH_IMAGE020
所述水电机组出力范围约束的数学模型如下：
Figure 788006DEST_PATH_IMAGE021
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周 期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g 的装机容量，
Figure 953408DEST_PATH_IMAGE022
为第n个优化周期水电机组h的最小发电量，
Figure 519518DEST_PATH_IMAGE023
为第n个优化周期水电 机组h的最大发电量。
进一步的，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure 821187DEST_PATH_IMAGE024
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure 588286DEST_PATH_IMAGE025
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电 量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure 975405DEST_PATH_IMAGE017
为水电机组h的全年最 小发电量，
Figure 345206DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
第三方面，提供一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现所述的新能源电力系统时序生产模拟运行优化方法。
第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现所述的新能源电力系统时序生产模拟运行优化方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明提供了一种新能源电力系统时序生产模拟运行优化方法及装置，包括：将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。本发明提供的技术方案，通过两阶段分解计算的方式开展新能源与常规电源的全年运行优化计算，评估电网全年的新能源消纳量。在第一阶段计算中，建立简化的全年时序生产模拟运行优化模型，不对常规电源机组组合状态进行优化，优化模型中不包含整数优化变量，在数学上属于线性规划模型，因而可以通过数学求解器实现快速求解。通过第一阶段的快速计算确定各时间周期内火电机组的最优利用小时数、水电机组的最优调节能力范围。在第二阶段计算中，以第一阶段确定的各时间周期的火电最优利用小时数和水电最优调节能力范围为输入，针对各时间周期建立详细的考虑常规电源机组组合的时序生产模拟运行优化模型，然后通过逐时间周期求解各模型计算全年的新能源最优消纳量结果。通过两阶段生产模拟计算，能够实现新能源与常规电源全年的最优互补运行，大大降低全年直接生产模拟计算的复杂度，满足工程实用性需求。
附图说明
图1是本发明实施例的新能源电力系统时序生产模拟运行优化方法的主要步骤流程示意图；
图2是本发明实施例的新能源电力系统时序生产模拟运行优化装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
如背景技术中所公开的，评估电网未来年度的新能源消纳能力，能够科学指导系统年/月运行方式安排、新能源规划布局和并网时序，是提高电网新能源消纳能力的关键。新能源时序生产模拟技术通过逐时段的电力平衡仿真模拟，能够准确刻画大规模新能源接入的系统运行情况，是评估电网新能源消纳能力的有效技术手段。开展新能源时序生产模拟计算，需要建立以新能源或清洁能源最大化消纳为目标，考虑系统源、网、荷、储运行方式约束的时序生产模拟优化模型，然后以新能源与负荷全年逐时段（如8760h）的理论功率序列等为边界条件，通过求解优化模型得到新能源和常规电源的最优发电结果，进而获得新能源全年的最优消纳量。
开展新能源消纳能力评估计算的关键之一在于建立能够准确表征源、网、荷、储运行方式的时序生产模拟运行优化模型。由于实际电网新能源场站、常规电源机组、负荷节点等数量众多，系统运行方式复杂，全年优化计算时段数量长，并且需要对常规电源的机组组合状态进行优化，因此，时序生产模拟优化模型中包含了大量用以描述机组运行状态的整数变量和描述机组出力的连续变量，属于超大规模的混合整数规划问题，优化求解难度极大。目前，工程应用中主要采用CPLEX等商业求解器进行计算求解，但针对全年时序生产模拟运行优化模型，商业求解器难以在有效时间内得到计算结果。
为满足计算时效性需要，通常采用全年逐周/逐月仿真或者选取各月典型日场景仿真的方式进行计算。现有技术中，以新能源全年逐时段新能源理论出力、负荷序列为输入，将全年优化时段按照月或周进行分解，然后针对各周或各月优化时段，考虑源、网、荷、储各类运行方式约束，以各月或各周的新能源消纳量最大为目标建立12个月或52个周的时序生产模拟运行优化模型。然后，依次求解各优化模型，计算各月或各周的新能源消纳量，其中前一个月或前一周最后一个时刻的系统运行状态将作为下一个月或下一周初始时刻系统运行状态的边界条件，通过逐个求解12个月或52周的优化模型，最终实现全年的生产模拟仿真，得到全年的新能源消纳量结果。
由于该方法采用逐月或逐周计算的方式，各月或各周的生产模拟计算是相对独立优化仿真的，在进行前一个月或前一周生产模拟优化计算时无法考虑后一个月或后一周的可能发生的情况。因此，针对具有全年可调节能力的水电站或年发电小时数要求的火电机组，逐月或逐周计算的方式难以实现新能源与常规电源在全年内的最优互补运行。比如：针对具有全年可调节能力的水电站，有可能出现在前几个月或前几周为最大化消纳新能源，把水电站的调节能力用尽，造成后续时间内水电站无法调节的情况发生；再比如，针对具有全年利用小时数限制的火电机组，在逐月或逐周求解时，需要人为设定各月或各周的利用小时数范围，以保证全年利用小时数满足要求，由于人为设定无法做到火电发电小时数的最优分配，难以实现火电与新能源在全年的最优互补运行。上述不足均会导致得到的新能源全年消纳量结果并非理论上的最优消纳量结果，影响计算结果的准确性。
为了改善上述问题，本发明提供了一种新能源电力系统时序生产模拟运行优化方法及装置，包括：将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。本发明提供的技术方案，通过两阶段分解计算的方式开展新能源与常规电源的全年运行优化计算，评估电网全年的新能源消纳量。在第一阶段计算中，建立简化的全年时序生产模拟运行优化模型，不对常规电源机组组合状态进行优化，优化模型中不包含整数优化变量，在数学上属于线性规划模型，因而可以通过数学求解器实现快速求解。通过第一阶段的快速计算确定各时间周期内火电机组的最优利用小时数、水电机组的最优调节能力范围。在第二阶段计算中，以第一阶段确定的各时间周期的火电最优利用小时数和水电最优调节能力范围为输入，针对各时间周期建立详细的考虑常规电源机组组合的时序生产模拟运行优化模型，然后通过逐时间周期求解各模型计算全年的新能源最优消纳量结果。通过两阶段生产模拟计算，能够实现新能源与常规电源全年的最优互补运行，大大降低全年直接生产模拟计算的复杂度，满足工程实用性需求。下面对上述方案进行详细阐述。
实施例1
参阅附图1，图1是本发明的一个实施例的新能源电力系统时序生产模拟运行优化方法的主要步骤流程示意图。如图1所示，本发明实施例中的新能源电力系统时序生产模拟运行优化方法主要包括以下步骤：
步骤S101：将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
步骤S102：将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
步骤S103：基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。每个优化周期可以为一个月或一周。
本实施例中，所述新能源电力系统运行参数包括下述中的至少一种：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段（如8760h）的新能源理论最大发电功率和用电负荷。
本实施例中，所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件。
在一个实施方式中，所述第一目标函数的数学模型如下：
Figure 766960DEST_PATH_IMAGE001
上式中，T为全年内优化时段数量，∆t为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力。
在一个实施方式中，所述第一约束条件包括下述中的至少一种：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束。
在一个实施方式中，所述火电机组年利用小时数约束的数学模型如下：
Figure 564015DEST_PATH_IMAGE002
所述水电机组出力范围约束的数学模型如下：
Figure 438430DEST_PATH_IMAGE003
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg 为火电机组g的装机容量，
Figure 752868DEST_PATH_IMAGE004
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水 电机组h的出力，
Figure 763549DEST_PATH_IMAGE005
为优化时段t水电机组h的最大出力。
在一个实施方式中，所述系统负荷平衡约束的数学模型如下：
Figure 997084DEST_PATH_IMAGE006
所述系统正备用约束的数学模型如下：
Figure 358795DEST_PATH_IMAGE007
所述系统负备用约束的数学模型如下：
Figure 804820DEST_PATH_IMAGE008
所述火电机组出力范围约束的数学模型如下：
Figure 201167DEST_PATH_IMAGE009
所述火电机组爬坡约束的数学模型如下：
Figure 340024DEST_PATH_IMAGE010
所述水电机组爬坡约束的数学模型如下：
Figure 64397DEST_PATH_IMAGE011
所述水电年调节能力约束的数学模型如下：
Figure 579692DEST_PATH_IMAGE012
所述新能源出力约束的数学模型如下：
Figure 564966DEST_PATH_IMAGE013
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure 140304DEST_PATH_IMAGE014
为优化时段t火 电机组g的最大出力，
Figure 476607DEST_PATH_IMAGE015
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统 备用容量，
Figure 530014DEST_PATH_IMAGE026
为优化时段t火电机组g的最小出力，H为水电机组数量，∆g为火电机组g 的最大爬坡能力，∆h为水电机组h的最大爬坡能力，
Figure 510739DEST_PATH_IMAGE017
为水电机组h的全年最小发电量，
Figure 256978DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
本实施例中，所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件。
在一个实施方式中，所述第二目标函数的数学模型如下：
Figure 814999DEST_PATH_IMAGE019
上式中，θn为第n个优化周期，∆s为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力。
在一个实施方式中，所述第二约束条件包括下述中的至少一种：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束。
在一个实施方式中，所述火电机组利用小时数约束的数学模型如下：
Figure 672096DEST_PATH_IMAGE020
所述水电机组出力范围约束的数学模型如下：
Figure 631962DEST_PATH_IMAGE021
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周 期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g 的装机容量，
Figure 424469DEST_PATH_IMAGE022
为第n个优化周期水电机组h的最小发电量，
Figure 469785DEST_PATH_IMAGE023
为第n个优化周期水电 机组h的最大发电量。
在一个实施方式中，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure 130574DEST_PATH_IMAGE024
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure 944946DEST_PATH_IMAGE025
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电 量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure 32987DEST_PATH_IMAGE017
为水电机组h的全年最 小发电量，
Figure 565600DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
实施例2
基于同一种发明构思，本发明还提供了一种新能源电力系统时序生产模拟运行优化装置，如图2所示，所述新能源电力系统时序生产模拟运行优化装置包括：
第一分析模块，用于将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
第二分析模块，用于将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
第三分析模块，用于基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括下述中的至少一种：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括下述中的至少一种：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取。
优选的，所述新能源电力系统运行参数包括下述中的至少一种：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段的新能源理论最大发电功率和用电负荷。
优选的，所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件。
进一步的，所述第一目标函数的数学模型如下：
Figure 498921DEST_PATH_IMAGE001
上式中，T为全年内优化时段数量，∆t为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力。
进一步的，所述第一约束条件包括下述中的至少一种：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束。
进一步的，所述火电机组年利用小时数约束的数学模型如下：
Figure 305815DEST_PATH_IMAGE002
所述水电机组出力范围约束的数学模型如下：
Figure 830338DEST_PATH_IMAGE003
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg 为火电机组g的装机容量，
Figure 584667DEST_PATH_IMAGE004
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水 电机组h的出力，
Figure 587258DEST_PATH_IMAGE005
为优化时段t水电机组h的最大出力。
进一步的，所述系统负荷平衡约束的数学模型如下：
Figure 376223DEST_PATH_IMAGE006
所述系统正备用约束的数学模型如下：
Figure 681433DEST_PATH_IMAGE007
所述系统负备用约束的数学模型如下：
Figure 923059DEST_PATH_IMAGE008
所述火电机组出力范围约束的数学模型如下：
Figure 729341DEST_PATH_IMAGE009
所述火电机组爬坡约束的数学模型如下：
Figure 372811DEST_PATH_IMAGE010
所述水电机组爬坡约束的数学模型如下：
Figure 973557DEST_PATH_IMAGE011
所述水电年调节能力约束的数学模型如下：
Figure 702479DEST_PATH_IMAGE012
所述新能源出力约束的数学模型如下：
Figure 187818DEST_PATH_IMAGE013
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure 685795DEST_PATH_IMAGE014
为优化时段t火 电机组g的最大出力，
Figure 457442DEST_PATH_IMAGE015
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统 备用容量，
Figure 939239DEST_PATH_IMAGE026
为优化时段t火电机组g的最小出力，H为水电机组数量，∆g为火电机组g 的最大爬坡能力，∆h为水电机组h的最大爬坡能力，
Figure 821744DEST_PATH_IMAGE017
为水电机组h的全年最小发电量，
Figure 439808DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
优选的，所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件。
进一步的，所述第二目标函数的数学模型如下：
Figure 257722DEST_PATH_IMAGE019
上式中，θn为第n个优化周期，∆s为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力。
进一步的，所述第二约束条件包括下述中的至少一种：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束。
进一步的，所述火电机组利用小时数约束的数学模型如下：
Figure 695657DEST_PATH_IMAGE020
所述水电机组出力范围约束的数学模型如下：
Figure 647432DEST_PATH_IMAGE021
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周 期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g 的装机容量，
Figure 120002DEST_PATH_IMAGE022
为第n个优化周期水电机组h的最小发电量，
Figure 233451DEST_PATH_IMAGE023
为第n个优化周期水电 机组h的最大发电量。
进一步的，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure 424261DEST_PATH_IMAGE024
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure 648569DEST_PATH_IMAGE025
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电 量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure 116591DEST_PATH_IMAGE017
为水电机组h的全年最 小发电量，
Figure 666521DEST_PATH_IMAGE018
为水电机组h的全年最大发电量。
实施例3
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种新能源电力系统时序生产模拟运行优化方法的步骤。
实施例4
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质（Memory），所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序（包括程序代码）。需要说明的是，此处的计算机可读存储介质可以是高速RAM 存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种新能源电力系统时序生产模拟运行优化方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种新能源电力系统时序生产模拟运行优化方法，其特征在于，所述方法包括：
将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取；
所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件；
所述第一目标函数的数学模型如下：
Figure QLYQS_1
上式中，T为全年内优化时段数量，
Figure QLYQS_2
为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力；
所述第一约束条件包括：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束；
所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件；
所述第二目标函数的数学模型如下：
Figure QLYQS_3
上式中，θn为第n个优化周期，
Figure QLYQS_4
为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力；
所述第二约束条件包括：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束；
所述火电机组年利用小时数约束的数学模型如下：
Figure QLYQS_5
所述水电机组出力范围约束的数学模型如下：
Figure QLYQS_6
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg为火电机组g的装机容量，
Figure QLYQS_7
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水电机组h的出力，
Figure QLYQS_8
为优化时段t水电机组h的最大出力；
所述系统负荷平衡约束的数学模型如下：
Figure QLYQS_9
所述系统正备用约束的数学模型如下：
Figure QLYQS_10
所述系统负备用约束的数学模型如下：
Figure QLYQS_11
所述火电机组出力范围约束的数学模型如下：
Figure QLYQS_12
所述火电机组爬坡约束的数学模型如下：
Figure QLYQS_13
所述水电机组爬坡约束的数学模型如下：
Figure QLYQS_14
所述水电年调节能力约束的数学模型如下：
Figure QLYQS_15
所述新能源出力约束的数学模型如下：
Figure QLYQS_16
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure QLYQS_17
为优化时段t火电机组g的最大出力，
Figure QLYQS_18
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统备用容量，
Figure QLYQS_19
为优化时段t火电机组g的最小出力，H为水电机组数量，
Figure QLYQS_20
为火电机组g的最大爬坡能力，
Figure QLYQS_21
为水电机组h的最大爬坡能力，
Figure QLYQS_22
为水电机组h的全年最小发电量，
Figure QLYQS_23
为水电机组h的全年最大发电量；
所述火电机组利用小时数约束的数学模型如下：
Figure QLYQS_24
所述水电机组出力范围约束的数学模型如下：
Figure QLYQS_25
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g的装机容量，
Figure QLYQS_26
为第n个优化周期水电机组h的最小发电量，
Figure QLYQS_27
为第n个优化周期水电机组h的最大发电量。
2.如权利要求1所述的方法，其特征在于，所述新能源电力系统运行参数包括：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段的新能源理论最大发电功率和用电负荷。
3.如权利要求1所述的方法，其特征在于，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure QLYQS_28
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure QLYQS_29
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure QLYQS_30
为水电机组h的全年最小发电量，
Figure QLYQS_31
为水电机组h的全年最大发电量。
4.一种新能源电力系统时序生产模拟运行优化装置，其特征在于，所述装置包括：
第一分析模块，用于将新能源电力系统运行参数代入预先构建的全年时序生产模拟运行优化模型并求解，得到第一优化结果；
第二分析模块，用于将所述第一优化结果代入预先构建的优化周期时序生产模拟运行优化模型并求解，得到第二优化结果；
第三分析模块，用于基于所述第二优化结果，得到新能源电力系统时序生产模拟运行优化方案；
其中，所述第一优化结果包括：火电机组的年利用小时数、新能源电力系统全年内各优化时段水电机组的发电量、最大发电量和最小发电量、新能源电力系统全年内各优化时段火电机组的发电量；所述第二优化结果包括：新能源电力系统全年内各优化周期火电机组出力、水电机组出力、新能源出力；所述优化周期由所述优化时段分解获取；
所述预先构建的全年时序生产模拟运行优化模型包括：
以新能源全年发电量最大为目标的第一目标函数以及为新能源电力系统时序生产模拟运行优化的第一约束条件；
所述第一目标函数的数学模型如下：
Figure QLYQS_32
上式中，T为全年内优化时段数量，
Figure QLYQS_33
为单位优化时段长度，t为优化时段序号，pw(t)为优化时段t的新能源出力；
所述第一约束条件包括：系统负荷平衡约束、系统正备用约束、系统负备用约束、火电机组出力范围约束、火电机组爬坡约束、火电机组年利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电年调节能力约束、新能源出力约束；
所述预先构建的优化周期时序生产模拟运行优化模型包括：
以新能源优化周期总发电量最大为目标的第二目标函数以及为新能源电力系统时序生产模拟运行优化的第二约束条件；
所述第二目标函数的数学模型如下：
Figure QLYQS_34
上式中，θn为第n个优化周期，
Figure QLYQS_35
为单位优化周期长度，s为优化周期内时刻序号，pwn(s)为第n个优化周期内时刻s的新能源出力；
所述第二约束条件包括：系统负荷平衡约束、系统备用约束、火电机组出力范围约束、火电机组运行状态逻辑约束、火电机组最小开机和关机时间约束、火电机组爬坡约束、火电机组利用小时数约束、水电机组出力范围约束、水电机组爬坡约束、水电调节能力约束、新能源出力约束；
所述火电机组年利用小时数约束的数学模型如下：
Figure QLYQS_36
所述水电机组出力范围约束的数学模型如下：
Figure QLYQS_37
上式中，pg(t)为优化时段t火电机组g的出力，Kg为火电机组g的年利用小时数，Sg为火电机组g的装机容量，
Figure QLYQS_38
为优化时段t水电机组h的最小出力，ph(t)为优化时段t水电机组h的出力，
Figure QLYQS_39
为优化时段t水电机组h的最大出力；
所述系统负荷平衡约束的数学模型如下：
Figure QLYQS_40
所述系统正备用约束的数学模型如下：
Figure QLYQS_41
所述系统负备用约束的数学模型如下：
Figure QLYQS_42
所述火电机组出力范围约束的数学模型如下：
Figure QLYQS_43
所述火电机组爬坡约束的数学模型如下：
Figure QLYQS_44
所述水电机组爬坡约束的数学模型如下：
Figure QLYQS_45
所述水电年调节能力约束的数学模型如下：
Figure QLYQS_46
所述新能源出力约束的数学模型如下：
Figure QLYQS_47
上式中，G为火电机组数量，pd(t)为优化时段t的用电负荷，
Figure QLYQS_48
为优化时段t火电机组g的最大出力，
Figure QLYQS_49
为优化时段t新能源机组的理论最大发电功率，pr(t)为系统备用容量，
Figure QLYQS_50
为优化时段t火电机组g的最小出力，H为水电机组数量，
Figure QLYQS_51
为火电机组g的最大爬坡能力，
Figure QLYQS_52
为水电机组h的最大爬坡能力，
Figure QLYQS_53
为水电机组h的全年最小发电量，
Figure QLYQS_54
为水电机组h的全年最大发电量；
所述火电机组利用小时数约束的数学模型如下：
Figure QLYQS_55
所述水电机组出力范围约束的数学模型如下：
Figure QLYQS_56
上式中，pgn(s)为第n个优化周期内时刻s的火电机组g出力，phn(s)为第n个优化周期内时刻s的水电机组h出力，Kgn为第n个优化周期火电机组g的利用小时数，Sg为火电机组g的装机容量，
Figure QLYQS_57
为第n个优化周期水电机组h的最小发电量，
Figure QLYQS_58
为第n个优化周期水电机组h的最大发电量。
5.如权利要求4所述的装置，其特征在于，所述新能源电力系统运行参数包括：火电机组最大和最小技术出力、最大爬坡能力、年利用小时数，各水电机组最大和最小技术出力、最大爬坡能力、全年最大和最小发电量，全年逐时段的新能源理论最大发电功率和用电负荷。
6.如权利要求4所述的装置，其特征在于，所述第n个优化周期火电机组g的利用小时数的计算式如下：
Figure QLYQS_59
所述第n个优化周期水电机组h的最大发电量和第n个优化周期水电机组h的最小发电量的计算式如下：
Figure QLYQS_60
上式中，Kg为火电机组g的年利用小时数，Egn为第n个优化周期火电机组g的发电量，N为优化周期数量，Ehn为第n个优化周期水电机组h的发电量，
Figure QLYQS_61
为水电机组h的全年最小发电量，
Figure QLYQS_62
为水电机组h的全年最大发电量。
7.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至3中任意一项所述的新能源电力系统时序生产模拟运行优化方法。
8.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至3中任意一项所述的新能源电力系统时序生产模拟运行优化方法。
CN202211551645.5A 2022-12-05 2022-12-05 一种新能源电力系统时序生产模拟运行优化方法及装置 Active CN115566680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211551645.5A CN115566680B (zh) 2022-12-05 2022-12-05 一种新能源电力系统时序生产模拟运行优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211551645.5A CN115566680B (zh) 2022-12-05 2022-12-05 一种新能源电力系统时序生产模拟运行优化方法及装置

Publications (2)

Publication Number Publication Date
CN115566680A CN115566680A (zh) 2023-01-03
CN115566680B true CN115566680B (zh) 2023-05-23

Family

ID=84770328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211551645.5A Active CN115566680B (zh) 2022-12-05 2022-12-05 一种新能源电力系统时序生产模拟运行优化方法及装置

Country Status (1)

Country Link
CN (1) CN115566680B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115864397B (zh) * 2023-02-03 2023-05-02 国网山东省电力公司东营市东营区供电公司 一种电网新能源资源规划优化方法、系统、终端及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485352B (zh) * 2016-09-30 2019-06-25 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
CN112288130B (zh) * 2020-09-24 2023-09-05 国网内蒙古东部电力有限公司 一种基于两阶段多目标优化的新能源消纳计算方法
CN114792994A (zh) * 2022-02-18 2022-07-26 中国电力科学研究院有限公司 一种新能源与外送联络线时序生产模拟优化方法和系统
CN114899880A (zh) * 2022-04-22 2022-08-12 国网江苏省电力有限公司经济技术研究院 基于线性化求解方法的灵活性电力系统时序生产模拟方法
CN115425668A (zh) * 2022-09-23 2022-12-02 湖北省电力勘测设计院有限公司 一种基于电力系统时序生产模拟的储能容量优化配置方法

Also Published As

Publication number Publication date
CN115566680A (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
CN110854932B (zh) 一种交直流配电网多时间尺度优化调度方法及系统
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN109066744B (zh) 一种含储能配电网协调调度方法和系统
CN103324848B (zh) 基于诱导目标函数的含电量约束月度机组组合优化方法
CN109447379B (zh) 一种中长期电量安全校正的分步优化方法及系统
CN115313378A (zh) 一种风光储发电站日前有功出力优化调度方法及系统
CN112308411B (zh) 基于动态碳交易模型的综合能源站随机规划方法及系统
CN115566680B (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
CN109286208A (zh) 一种综合能源系统调度方法和系统
CN108767855B (zh) 一种时序持续混合的电力系统随机生产模拟方法
CN112186734B (zh) 一种电力系统中长期运行模拟方法、储存介质及计算设备
CN111047077A (zh) 一种新能源年度交易电量优化分解方法及系统
CN117540767A (zh) 一种水风光蓄短期多目标调度模型求解的pso-dp耦合嵌套算法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN117277444B (zh) 一种新能源基地电源容量优化配置方法及装置
Qiu et al. Multistage mixed-integer robust optimization for power grid scheduling: An efficient reformulation algorithm
CN117526282A (zh) 一种用于电力系统的源荷协调优化方法及相关系统
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
CN116341816A (zh) 一种中长期调度计划多业务统筹协调方法、装置、存储器及设备
CN115774833A (zh) 省级电网供电综合碳排放因子的计算方法、系统及介质
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
CN114844119A (zh) 一种储能发电装机和容量优化配置方法及系统
CN113452081A (zh) 一种新能源消纳提升量后评估方法及装置
CN113629781A (zh) 一种基于empc的多vpp日前日内协调优化方法及装置

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