CN115566701A - 确定定速抽蓄容量和变速抽蓄容量的方法及装置 - Google Patents
确定定速抽蓄容量和变速抽蓄容量的方法及装置 Download PDFInfo
- Publication number
- CN115566701A CN115566701A CN202211034174.0A CN202211034174A CN115566701A CN 115566701 A CN115566701 A CN 115566701A CN 202211034174 A CN202211034174 A CN 202211034174A CN 115566701 A CN115566701 A CN 115566701A
- Authority
- CN
- China
- Prior art keywords
- capacity
- pumping
- determining
- cost
- speed
- 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
Links
- 238000005086 pumping Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 claims abstract description 207
- 238000005457 optimization Methods 0.000 claims abstract description 122
- 230000004044 response Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 27
- 230000002964 excitative effect Effects 0.000 claims description 25
- 238000005096 rolling process Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 230000009194 climbing Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009064 short-term regulation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010977 unit operation Methods 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种确定定速抽蓄容量和变速抽蓄容量的方法及装置,该方法包括:基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。通过该方法,解决了在变速抽蓄参与下的风火储联合运行系统的容量优化问题。
Description
技术领域
本发明涉及新能源电力系统技术领域,特别应用于电力系统电源规划与优化运行方向,尤其涉及一种确定定速抽蓄容量和变速抽蓄容量的方法及装置。
背景技术
随着可再生能源的大力发展,为进一步消纳和平抑海上风电,提高渗透率,通常都需要搭配一定容量的储能系统来维持系统的安全稳定。抽水蓄能(简称抽蓄)电站作为储能系统之一,具有容量大、技术成熟、经济性好的特点,常用来承担此项任务。
新型的变速抽蓄具有比常规定速抽蓄更加优越的技术特点,其在运行灵活性、稳定可靠性和反应速度方面均有非常巨大的提升。因此,在构建新型电力系统的大背景下,变速抽蓄技术在平抑和消纳大规模可再生能源方面逐渐受到人们重视,近几年已成为研究热点。但是,变速抽蓄相关发明专利主要集中在机组本体的制造工艺和联合电力系统的运行控制方面,而在变速抽蓄容量优化规划方面的研究成果不多,重视程度还不够。
发明内容
为解决现有技术中的问题,本发明提供了一种确定定速抽蓄容量和变速抽蓄容量的方法及装置。
第一方面,本发明提供了一种确定定速抽蓄容量和变速抽蓄容量的方法,包括:
基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;
依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;
若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;
基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
在一个可能的实现方式中,基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集,包括:
以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,以弃风率不大于预设阈值为约束条件,生成抽蓄拟配置容量方案集。
在一个可能的实现方式中,目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
其中,f1为系统总成本,Cf.c为定速抽蓄的投资成本,Cf.o为定速抽蓄的运维成本,Cv.c为变速抽蓄的投资成本,Cv.o为变速抽蓄的运维成本,Csys为系统运行成本。
在一个可能的实现方式中,预构建的抽蓄容量优化内层模型,包括:多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型;依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率,包括:
根据多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件;
基于第一确定条件和多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件;
基于第一确定条件、第二确定条件和机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;
基于第一确定条件、第二确定条件和第三确定条件,确定第i个抽蓄拟配置容量方案的最低系统运行成本,并基于风电机组出力,确定弃风率。
第二方面,本发明提供了一种确定定速抽蓄容量和变速抽蓄容量的装置,该装置包括:
初始容量方案模块,用于基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;
处理模块,用于依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;
判断模块,用于若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;
抽蓄容量模块,用于基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
在一个可能的实现方式中,初始容量方案模块,具体用于以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,以弃风率为约束条件,生成抽蓄拟配置容量方案集。
在一个可能的实现方式中,目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
其中,f1为系统总成本,Cf.c为定速抽蓄的投资成本,Cf.o为定速抽蓄的运维成本,Cv.c为变速抽蓄的投资成本,Cv.o为变速抽蓄的运维成本,Csys为系统运行成本。
在一个可能的实现方式中,预构建的抽蓄容量优化内层模型,包括:多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型;处理模块,具体用于:
根据多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件;
基于第一确定条件和多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件;
基于第一确定条件、第二确定条件和机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;
基于第一确定条件、第二确定条件和第三确定条件,确定第i个抽蓄拟配置容量方案的最低系统运行成本,并基于风电机组出力,确定弃风率。
第三方面,本发明提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如第一方面任一项实施例所述的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其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第一方面任一项实施例所述的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
本发明实施例提供的上述技术方案与现有技术相比具有如下优点:
本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法,基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。解决了在变速抽蓄参与下的风火储联合运行系统的容量优化问题。
附图说明
图1为本发明实施例提供的一种确定定速抽蓄容量和变速抽蓄容量的方法流程示意图;
图2本发明实施例提供的抽蓄容量优化内层模型执行流程示意图;
图3为本发明实施例提供的一种确定定速抽蓄容量和变速抽蓄容量装置结构示意图;
图4为本发明提供的一种电子设备结构示意图。
具体实施方式
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他实施例,都属于本发明保护的范围。
为便于对本发明实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本发明实施例的限定。
在常规定速抽蓄或变速抽蓄容量优化配置研究方面,现阶段存在如下几个问题:
1)仅考虑了抽蓄与可再生能源的互补问题,而实际上系统中占比最高的常规火电机组才是消纳风电的主力。抽蓄虽然调节灵活,但容量占比不大,直接与风电互补效果并不明显,因此以常规机组作为基础电源,才能为发挥抽蓄更大的潜力。
2)作为影响规划方案最重要因素之一的投资成本因素,在相关研究中很少详细说明,一般将其归算为一个定常值,这会对容量优化计算带来较大误差。
3)电力系统具有显著的多时间尺度特性,而变速抽蓄机组相较于定速机组可以参与更小时间尺度的调节,响应速度也更快。因此,若从优化运行的角度研究抽蓄容量优化问题时,应充分考虑这一特性,比如让定速抽蓄机组参与日前小时级短期调节,让变速机组参与日内分钟级短期调节,以及引入不同时间尺度负荷侧需求响应等手段。
4)若仅从机组性能和运行效果来看,若要达到技术上的最优,则需要将全部抽蓄机组都替换为变速机组,不过考虑到目前阶段变速机组的成本劣势,不可能也没有必要全部采用变速机组。但是若变速机组容量过小,投入大电网之后很难体现出该有的效果。
针对存在的技术问题,本发明从配置抽蓄机组与火电机组协调运行的角度出发,以及抽蓄投资成本与系统对风电消纳需求,同时考虑风电和负荷的不确定性,以及不同类型机组和负荷侧需求响应的多时间尺度特性,建立了基于随机规划的抽蓄容量优化模型。模型包含内外两层,外层为投资决策,内层为优化决策,考虑机组和负荷需求响应的多时间尺度特性,内外两层相互传递,协调计算。
实施例1
下面详细介绍本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法,具体参见附图1,图1为本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法流程示意图。如图1所示,确定定速抽蓄容量和变速抽蓄容量的方法包括以下步骤:
步骤S1、基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集。
首先建立抽蓄容量优化模型,具体的,抽蓄容量优化模型为内外两层:抽蓄容量优化外层模型和抽蓄容量优化内层模型,分别简称外层模型和内层模型,即抽蓄容量优化模型为双层模型。其中,外层模型从1年的长时间尺度出发,以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,约束条件则为弃风率不大于预设阈值,即弃风率不得大于所设定的极限值,确定抽蓄拟配置容量方案集。具体的,外层模型为投策决策模型,需要输入常规机组、风电、负荷、最大弃风率等原始数据,确定抽蓄拟配置容量方案集,然后将确定的抽蓄拟配置容量方案集传递到内层,进行运行优化。需要说明的是,弃风率依据上级调度对各自电站的要求来定,比如10%、20%等等。
其中,目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
约束条件为:
式中,f1为系统总成本;Cf.c和Cv.c分别为定、变速抽蓄的投资成本;Cf.o和Cv.o分别为定、变速抽蓄的运维成本;Csys为系统运行成本,包括常规机组运行和启停成本、失电惩罚成本和弃风惩罚成本;AP(r,n)为资金回收系数,与利率r和设计年限n有关;cf.c和cv.c分别为定、变速抽蓄的单位投资成本;Pf.c和Pv.c分别为定、变速抽蓄容量;of.c和ov.c分别为定、变速抽蓄的单位容量维护费用;αw和为实际弃风率和最大允许弃风率。
可以看出,系统总成本包含2部分,一是抽蓄的投资成本和运维成本,二是不含抽蓄的系统运行成本,即系统总成本包括了定速、变速抽水蓄能的投资成本和运行成本以及系统运行成本(不含抽蓄),抽蓄投入前,系统运行成本为外层模型f1(0)=Csys(0);抽蓄投入后,系统运行总成本为外层模型f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys,其中前四项为抽蓄的投资成本和运维成本,最后一项为系统运行成本(不含抽蓄)。
因此,投入抽蓄后,会产生一个抽蓄的投资成本和运维成本;但是原来的系统运行成本(不含抽蓄)会减少,两者相加,总的来说,系统运行总成本是减少的,系统取得正收益,收益的大小即为抽蓄投入前后的系统总成本的减少量,即f1(0)-f1=Csys(0)-(Cf.c+Cf.o+Cv.c+Cv.o+Csys)。
在此需要说明的是,对于一次性投资(现值),还需要计算n年后的一次性本利和将来值,以及资金回收系数。对于一次性投资(现值)P,假设利率不变为r,则n年后的一次性本利和(将来值)F为F=P(1+r)n。
若将资金换算为按年等额支付的金额,即等年值A,那么在第n年末的将来值F等于n个现金流中每个A值的将来值的总和,即
F=A+A(1+r)+A(1+r)2+...+A(1+r)n-1
步骤S2、依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率。
下面,首先介绍需求响应和各资源的时间尺度划分:
负荷侧需求响应(DR)根据用户响应方式不同分为电价型(PDR)和激励型(IDR)两种,其中PDR可以通过制定不同的电价策略来改变用户的用电方式,常见的包括分时电价、实时电价和尖峰电价等;IDR是指DR实施机构制定优惠政策来激励用户响应调度信号。主要包括直接负荷控制、可中断负荷、需求侧竞价和紧急需求响应。生活中常见有智能家电、智能楼宇等。在调度容量上来说,PDR是大于IDR的,但是灵活性不如IDR,IDR可以作为PDR灵活性的补充。本发明中的电价采用动态的日前定价模式,因此PDR需要在日前调度中确定。IDR根据响应电网调度指令时间的长短来分类,又分为A~D四种,具体为:1)A类IDR,计划提前1天制定;2)B类IDR,响应时长15min~2h;3)C类IDR,响应时长5~15min;4)D类IDR,实时响应。这样分主要是为了对应电网调度的不同的时间尺度,A类至D类,IDR响应时间逐渐变快,响应量逐渐变少,单位响应量需支付的费用逐渐变大。
各资源的时间尺度划分为:
1)多场景日前优化时间尺度为1h,执行周期24h,最终将确定常规火电机组启停状态和出力、定速抽蓄机组出力、PDR响应量以及A类IDR调用量,并代入日内滚动优化;
2)多场景日内滚动优化时间尺度为15min,执行周期4h,最终将确定风电机组出力、变速抽蓄机组出力、B类IDR调用量;
3)机会约束实时优化的时间尺度为5min,执行周期15min,最终将确定C类和D类IDR调用量以及旋转备用容量。
内层模型为优化决策模型,基于机组和负荷的多时间尺度特性,建立考虑随机规划的优化模型,即抽蓄容量优化内层模型,包括多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型。为了考虑风电等可再生能源以及负荷的不确定性,多场景日前优化模型和多场景日内滚动优化模型采用多场景随机规划方法,机会约束实时优化模型采用机会约束随机规划方法。抽蓄容量优化内层模型包括了常规机组、定速及变速抽蓄机组、风电机组以及负荷侧需求响应成本等,同时考虑了弃风惩罚、失电惩罚和旋转备用预留成本等。约束条件主要包含功率平衡量约束、容量约束、爬坡约束、联络线热稳定约束、负荷侧资源调用约束和旋转备用约束等。
下面详细介绍本发明实施例提供的抽蓄容量优化内层模型执行流程,具体参见附图2,图2为本发明实施例提供的抽蓄容量优化内层模型执行流程示意图。如图2所示,抽蓄容量优化内层模型执行流程包括以下步骤:
步骤S2-1、根据多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件。
步骤S2-2、基于第一确定条件和多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件。
步骤S2-3、基于第一确定条件、第二确定条件和机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;
步骤S2-4、基于第一确定条件、第二确定条件和第三确定条件,确定第k个抽蓄拟配置容量方案的最低系统运行成本,并基于风电机组出力,确定弃风率。
下面就每个步骤涉及的细节进行详细介绍:
S2-1、短期优化模型:多场景日前优化模型
(1)目标函数
为提高可再生能源平抑水平和消纳能力,提高电网紧急模式下的供电可靠性,日前短期优化的目标函数应在系统总运行成本最小的基础上,计及弃风量和负荷缺电量的惩罚成本,以达到经济最优,进而提升可再生能源的消纳能力以及紧急模式下供电可靠性,有
式中f2为系统运行成本;fG,t、fES,t、fDG,t、fload,t分别代表t时刻常规火电机组、储能电站(包含定速抽蓄机组FPS和变速抽蓄机组VPS)、海上风电和用户负荷成本函数。
其中,
式中,Ns为场景数;ps为s场景发生的概率;NG为常规火电机组数量;PGi,t,s为第i个常规机组在场景s下t时刻的出力;ai、bi、ci分别为第i台常规机组发电成本系数;Si为第i台常规机组启停成本系数;uGi,t为第i台常规机组t时刻的启停状态,其中1表示启动,0表示停止。Nes为储能电站个数;PES,i,t,s为储能电站i在t时刻s场景下的出力;C(PES,i,t,s)为储能电站成本函数;W(PES,i,t,s)为储能电站维护成本函数;NDG代表风电机组数量;PDGi,t,s代表第i个风电在t时刻s场景下的出力;C(PDGi,t,s)代表风电机组t时刻s场景下的成本函数;kc,DG代表弃风惩罚成本系数;代表风电在场景s下t时刻的预测出力;kIDRA、kIDRB分别为A、B类IDR成本系数;Δ|PIDRA,t,s|、Δ|PIDRB,t,s|为A、B类IDR在t时刻s场景调用量;kc,load为负荷失电惩罚系数;Ploss,t,s为负荷t时刻s场景失电量。
(2)约束条件
1)功率平衡约束
2)常规机组运行约束
机组出力约束:
机组爬坡约束:
式中,Ri为第i台常规机组的爬坡率。
3)分布式风电机组出力约束
风力发电机组出力应当小于预测值。
4)抽水蓄能电站运行约束
常规抽水蓄能电站约束:主要为水库的可容纳水量约束,以及受抽放水速率影响的爬坡率约束。
式中,和分别表示定速抽水蓄能机组在水轮机和水泵工况下,第i台机组t时刻s场景下的出力,受机组自身的限制,定速机组在水泵工况下的出力为离散的常量;和分别为i机组在不同工况下的出力上下限(+代表水轮机工况,-代表水泵工况);和代表水库储水量的上下限VVPS,t,s表示t时刻s场景水库储能量;ΔPR”代表定速机组的爬坡率。
变速抽水蓄能电站约束:由于变速机组有着和电化学储能一样的响应速率,因此爬坡约束为冗余。此外,水泵工况下变速机组出力是连续平滑可调的,因此上式可简化修改为:
式中,下标VPS表示变速抽水蓄能机组,其他符号说明与定速机组类似。值得注意的是,即便是同一台水泵水轮机,当组成变速机组后,其出力的上下限也得到了拓宽,因为效率提高了,所以可以适当拓宽可运行范围。具体拓展范围需要结合水库条件、地理结构、变流器容量等综合确定。根据第三章变速范围的研究,变速抽水蓄能机组的典型可调范围为:0.3~1.0pu(水轮机工况)、0.7~1.0pu(水泵工况)。
5)输电功率约束
6)各场景调节约束
式中,PGi,t,bs和Pes,t,bs分别为常规机组和储能电站的基准场景下的出力值;ψGi和ψes分别为常规机组和储能电站的灵活调节能力。
具体的,PGi,t,bs是常规机组i机组,t时刻的基准场景下的出力值,基准场景是指,在众多调度计划运行场景中,比如风电反调峰场景、正调峰场景等等,取一种场景作为基准场景。
ψGi是常规机组的灵活调节能力,可以理解为其他场景出力相对于基准场景的偏差,偏差有多大,需要一个量化值,ψGi就是用来量化这个值的。储能电站的情况跟常规机组类似,不再赘述。
7)DR资源约束
(3)阶段优化结果
对多场景日前优化模型进行求解,确定的量包括各常规机组的启停状态和出力、定速抽水蓄能机组出力、PDR资源响应量以及A类IDR负荷的调用量。以上结果作为确定条件代入之后的多场景日内滚动优化模型和机会约束实时优化模型,其它量需要在下一规划阶段确定。
S2-2、超短期优化模型:多场景日内滚动优化模型
日内超短期滚动优化通常是将上一阶段已确定数据为基础,结合未来4h内时间尺度为15min的可再生能源和负荷的预测数据来求解。
(1)目标函数
目标函数同样为系统运行成本最小,有
其中,
式中kIDRC为C类IDR调用成本系数;Δ|PIDRC,t,s|为C类IDR在t时刻s场景的调用量。
(2)约束条件
多场景日内滚动优化模型同样采用了多场景随机规划方法来抑制不确定性,因此约束条件与多场景日前优化模型基本一致。多一条C类IDR资源约束条件,且在功率平衡约束中需要加入C类IDR资源,此处不再赘述。
(3)阶段优化结果
在多场景日前优化的基础上,多场景日内滚动优化最终确定量包括风电机组出力、变速抽水蓄能机组出力以及B类IDR资源的调用量。
S2-3、实时优化模型:机会约束实时优化模型
实时模拟过程的时间尺度为5min,因此对决策量鲁棒性要求更高,多场景日前优化模型和多场景日内滚动优化模型的多场景随机规划方法变得不再适用,对此模型采用机会约束的方法,通过设置相关约束条件,并要求该约束条件成立的概率不得小于某个置信水平。
(1)目标函数
相较于负荷预测来说,风功率预测的不确定性更大。实时优化阶段采用机会约束方法,确定系统所需旋转备用容量,目标函数依旧是系统运行成本最低,目标函数中也不再含有场景成本。该阶段的系统运行成本如下:
其中,
(2)约束条件
日前优化阶段确定了常规机组出力和启停状态、定速抽水蓄能机组出力、PDR响应量和A类IDR调用量;日内滚动优化阶段确定了分布式风电机组出力、B类IDR和变速抽水蓄能机组出力。由于采用了机会约束处理不确定性问题,因此余下C类和D类IDR调用量以及备用容量需要确定。响应的需要在IDR资源约束和功率平衡约束中稍作修改,此处不再赘述,只对目标函数中的备用容量的约束做出说明,即:
式中,符号CL{.}为置信度表达式;α和β分别是满足正、负旋转备用置信度,本发明默认取95%。
(3)最终优化结果
本阶段优化确定了旋转备用容量以及C类、D类IDR资源调用量,则最终所有变量均取得最优值。
基于上述每个阶段确定的最优变量,确定第k个抽蓄拟配置容量方案的最低系统运行成本,并基于日内滚动优化阶段确定的风电机组出力,确定弃风率,具体为。
S3、若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本。
S4、基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
在本发明中,外层模型为投资决策模型,以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,弃风率不大于预设阈值作为约束条件,生成抽蓄拟配置容量方案集,并将方案分别传递到内层模型。
而内层模型为运行优化模型,决策变量为具有不同时间尺度特性的机组和负荷的时序出力,目标函数为系统运行成本最小。具体而言,首先从1h级的短期时间尺度出发,采用多场景随机规划的方法,对不同负荷、可再生能源出力进行预测,考虑将常规机组作为基础电源,将定速抽蓄机组作为调节电源,以最大消纳可再生能源和系统运行成本最小为目标进行优化,最后将确定出各机组的启停和出力计划、定速抽蓄机组出力、PDR响应量和A类IDR调用量,并作为确定性条件导入日内短期优化模型;其次,从15min级的超短期时间尺度出发,并结合未来4h的预测数据,最后将确定风电和变速抽蓄机组的最优出力及B类IDR调用量,并作为实时优化模型的输入;最后以5min的时间尺度出发,采用机会约束的方法,使得某一约束条件成立的概率不得小于某一置信水平,最终对超短时间的优化曲线做最后的精细调整,得到C类和D类IDR调用量以及旋转备用容量。通过内层模型的优化运行,基于不同方案矩阵,计算得到的系统运行成本和弃风率的值返回给外层模型,通过弃风率来筛选当前容量方案是否合格,合格的容量矩阵存入容量备选方案集。周而复始地进行上述步骤,直到筛选出所有满足内、外层约束条件的容量方案,最后挑选出经济性最优的方案即为最终定变速抽蓄机组容量方案。
本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法,基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。解决了在变速抽蓄参与下的风火储联合运行系统的容量优化问题。
实施例2
实施例1为本发明所提供的确定定速抽蓄容量和变速抽蓄容量的方法实施例,下文中则介绍说明本发明所提供的确定定速抽蓄容量和变速抽蓄容量的装置的实施例,具体参见如下。
图3为本发明实施例提供的一种确定定速抽蓄容量和变速抽蓄容量的装置结构示意图,如图3所示,该结构包括:初始容量方案模块1、处理模块2、判断模块3和抽蓄容量模块4;其中,
初始容量方案模块1,用于基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;
处理模块2,用于依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;
判断模块3,用于若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;
抽蓄容量模块4,用于基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
在一个示例中,初始容量方案模块1,具体用于以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,以弃风率为约束条件,生成抽蓄拟配置容量方案集。
在一个示例中,目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
其中,f1为系统总成本,Cf.c为定速抽蓄的投资成本,Cf.o为定速抽蓄的运维成本,Cv.c为变速抽蓄的投资成本,Cv.o为变速抽蓄的运维成本,Csys为系统运行成本。
在一个示例中,预构建的抽蓄容量优化内层模型,包括:多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型;处理模块2,具体用于根据多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件;基于第一确定条件和多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件;基于第一确定条件、第二确定条件和机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;基于第一确定条件、第二确定条件和第三确定条件,确定第i个抽蓄拟配置容量方案的最低系统运行成本,并基于风电机组出力,确定弃风率。
本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的装置中各部件所执行的功能均已在上述任一方法实施例中做了详细的描述,因此这里不再赘述。
本发明实施例提供的确定定速抽蓄容量和变速抽蓄容量的装置,基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;若弃风率满足预设条件,则将第i个抽蓄拟配置容量方案存储到备选方案集中,并基于最低系统运行成本,确定第i个抽蓄拟配置容量方案的系统总成本;基于备选方案集和各个第i个抽蓄拟配置容量方案的系统总成本,确定备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。解决了在变速抽蓄参与下的风火储联合运行系统的容量优化问题,应用在抽蓄容量优化配置领域,可以有效提高整体工程投资的经济性。
实施例3
如图4所示,本发明实施例提供了一种电子设备,包括处理器111、通信接口112、存储器113和通信总线114,其中,处理器111,通信接口112,存储器113通过通信总线114完成相互间的通信。
存储器113,用于存放计算机程序;
在本发明一个实施例中,处理器111,用于执行存储器113上所存放的程序时,实现前述任意一个方法实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
实施例4
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如前述任意一个方法实施例提供的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种确定定速抽蓄容量和变速抽蓄容量的方法,其特征在于,包括:
基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;
依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定所述第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;
若所述弃风率满足预设条件,则将所述第i个抽蓄拟配置容量方案存储到备选方案集中,并基于所述最低系统运行成本,确定所述第i个抽蓄拟配置容量方案的系统总成本;
基于所述备选方案集和各个所述第i个抽蓄拟配置容量方案的系统总成本,确定所述备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
2.根据权利要求1所述的方法,其特征在于,所述基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集,包括:
以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,以弃风率不大于预设阈值为约束条件,生成所述抽蓄拟配置容量方案集。
3.根据权利要求2所述的方法,其特征在于,所述目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
其中,f1为系统总成本,Cf.c为定速抽蓄的投资成本,Cf.o为定速抽蓄的运维成本,Cv.c为变速抽蓄的投资成本,Cv.o为变速抽蓄的运维成本,Csys为系统运行成本。
4.根据权利要求1所述的方法,其特征在于,所述预构建的抽蓄容量优化内层模型,包括:多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型;所述依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定所述第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率,包括:
根据所述多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件;
基于所述第一确定条件和所述多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件;
基于所述第一确定条件、所述第二确定条件和所述机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;
基于所述第一确定条件、所述第二确定条件和所述第三确定条件,确定所述第i个抽蓄拟配置容量方案的最低系统运行成本,并基于所述风电机组出力,确定所述弃风率。
5.一种确定定速抽蓄容量和变速抽蓄容量的装置,其特征在于,所述装置包括:
初始容量方案模块,用于基于预构建的抽蓄容量优化外层模型,确定抽蓄拟配置容量方案集;
处理模块,用于依次根据第i个抽蓄拟配置容量方案,基于预构建的抽蓄容量优化内层模型,确定所述第i个抽蓄拟配置容量方案的最低系统运行成本及其对应的弃风率;
判断模块,用于若所述弃风率满足预设条件,则将所述第i个抽蓄拟配置容量方案存储到备选方案集中,并基于所述最低系统运行成本,确定所述第i个抽蓄拟配置容量方案的系统总成本;
抽蓄容量模块,用于基于所述备选方案集和各个所述第i个抽蓄拟配置容量方案的系统总成本,确定所述备选方案集中系统总成本最低时的定速抽蓄容量和变速抽蓄容量。
6.根据权利要求5所述的装置,其特征在于,所述初始容量方案模块,具体用于以定速抽蓄容量和变速抽蓄容量为决策变量,以系统总成本最小为目标函数,以弃风率不大于预设阈值为约束条件,生成所述抽蓄拟配置容量方案集。
7.根据权利要求6所述的装置,其特征在于,所述目标函数为:
f1=Cf.c+Cf.o+Cv.c+Cv.o+Csys
其中,f1为系统总成本,Cf.c为定速抽蓄的投资成本,Cf.o为定速抽蓄的运维成本,Cv.c为变速抽蓄的投资成本,Cv.o为变速抽蓄的运维成本,Csys为系统运行成本。
8.根据权利要求5所述的装置,其特征在于,所述预构建的抽蓄容量优化内层模型,包括:多场景日前优化模型、多场景日内滚动优化模型和机会约束实时优化模型;所述处理模块,具体用于:
根据所述多场景日前优化模型,确定第一系统运行成本最低时的常规机组启停状态和出力、定速抽蓄机组出力、价格型负荷需求响应量以及A类激励性负荷调用量,并作为第一确定条件;
基于所述第一确定条件和所述多场景日内滚动优化模型,确定第二系统运行成本最低时的风电机组出力、变速抽蓄机组出力以及B类激励性负荷调用量,并作为第二确定条件;
基于所述第一确定条件、所述第二确定条件和所述机会约束实时优化模型,确定第三系统运行成本最低时的旋转备用容量,以及C类和D类激励性负荷调用量,并作为第三确定条件;
基于所述第一确定条件、所述第二确定条件和所述第三确定条件,确定所述第i个抽蓄拟配置容量方案的最低系统运行成本,并基于所述风电机组出力,确定所述弃风率。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如权利要求1-4任一项所述的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的确定定速抽蓄容量和变速抽蓄容量的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034174.0A CN115566701B (zh) | 2022-08-26 | 2022-08-26 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034174.0A CN115566701B (zh) | 2022-08-26 | 2022-08-26 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115566701A true CN115566701A (zh) | 2023-01-03 |
CN115566701B CN115566701B (zh) | 2024-05-10 |
Family
ID=84739031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211034174.0A Active CN115566701B (zh) | 2022-08-26 | 2022-08-26 | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115566701B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601260A (zh) * | 2019-09-11 | 2019-12-20 | 电子科技大学 | 一种限定联络线上功率波动的光-蓄系统容量优化方法 |
CN110932261A (zh) * | 2019-11-27 | 2020-03-27 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于全局效益最大化的多能源系统联合装机规划方法 |
CN111598295A (zh) * | 2020-04-13 | 2020-08-28 | 中国电建集团贵阳勘测设计研究院有限公司 | 促进风电消纳的电力系统抽水蓄能电站装机优化方法 |
CN112446141A (zh) * | 2020-11-12 | 2021-03-05 | 国网陕西省电力公司电力科学研究院 | 一种电热综合能源系统双层规划方法 |
CN113343478A (zh) * | 2021-06-24 | 2021-09-03 | 东北电力大学 | 考虑不确定性和需求响应的独立微网容量优化配置方法 |
CN113364051A (zh) * | 2021-06-22 | 2021-09-07 | 国网山东省电力公司经济技术研究院 | 考虑海上风电接入的多电源系统容量配置调度方法及装置 |
US20210376614A1 (en) * | 2019-12-12 | 2021-12-02 | State Grid Zhejiang Electric Power Co., Ltd. Taizhou power supply company | Hierarchical control method for island power grid energy storage system for increasing new energy generation fluctuation |
CN114336702A (zh) * | 2021-12-01 | 2022-04-12 | 中国长江三峡集团有限公司 | 基于双层随机规划的风光储场站群功率分配协同优化方法 |
CN114498638A (zh) * | 2022-04-14 | 2022-05-13 | 国网江西省电力有限公司经济技术研究院 | 计及源荷双侧不确定性的源网荷储协调规划方法及系统 |
CN114707403A (zh) * | 2022-03-10 | 2022-07-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 |
-
2022
- 2022-08-26 CN CN202211034174.0A patent/CN115566701B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601260A (zh) * | 2019-09-11 | 2019-12-20 | 电子科技大学 | 一种限定联络线上功率波动的光-蓄系统容量优化方法 |
CN110932261A (zh) * | 2019-11-27 | 2020-03-27 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于全局效益最大化的多能源系统联合装机规划方法 |
US20210376614A1 (en) * | 2019-12-12 | 2021-12-02 | State Grid Zhejiang Electric Power Co., Ltd. Taizhou power supply company | Hierarchical control method for island power grid energy storage system for increasing new energy generation fluctuation |
CN111598295A (zh) * | 2020-04-13 | 2020-08-28 | 中国电建集团贵阳勘测设计研究院有限公司 | 促进风电消纳的电力系统抽水蓄能电站装机优化方法 |
CN112446141A (zh) * | 2020-11-12 | 2021-03-05 | 国网陕西省电力公司电力科学研究院 | 一种电热综合能源系统双层规划方法 |
CN113364051A (zh) * | 2021-06-22 | 2021-09-07 | 国网山东省电力公司经济技术研究院 | 考虑海上风电接入的多电源系统容量配置调度方法及装置 |
CN113343478A (zh) * | 2021-06-24 | 2021-09-03 | 东北电力大学 | 考虑不确定性和需求响应的独立微网容量优化配置方法 |
CN114336702A (zh) * | 2021-12-01 | 2022-04-12 | 中国长江三峡集团有限公司 | 基于双层随机规划的风光储场站群功率分配协同优化方法 |
CN114707403A (zh) * | 2022-03-10 | 2022-07-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于抽水蓄能调节的地区配电网多能源协调优化调度方法 |
CN114498638A (zh) * | 2022-04-14 | 2022-05-13 | 国网江西省电力有限公司经济技术研究院 | 计及源荷双侧不确定性的源网荷储协调规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
管志成;丁晓群;郑能;郑程拓;蒋煜;: "计及需求侧资源的主动配电系统两阶段优化调度", 智慧电力, no. 01, 20 January 2018 (2018-01-20), pages 20 - 27 * |
Also Published As
Publication number | Publication date |
---|---|
CN115566701B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109727158B (zh) | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN113193547B (zh) | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 | |
CN112103943B (zh) | 日前电力现货市场出清的安全校核方法、装置及存储介质 | |
CN110535132B (zh) | 一种基于鲁棒优化的电力系统建设规划方法 | |
CN103956773B (zh) | 含风电系统机组的备用配置优化方法 | |
CN110222938A (zh) | 一种梯级水电站群短期调峰调度协同优化方法和系统 | |
CN110707758A (zh) | 一种用于提高新能源消纳的分布式储能系统调度方法 | |
CN112636331A (zh) | 智能电网的动态经济调度分布式优化方法及系统 | |
CN111697578A (zh) | 多目标含储能区域电网运行控制方法 | |
CN116231655A (zh) | 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法 | |
CN108565869B (zh) | 低压配电网电压控制方法、装置、存储介质和计算机设备 | |
CN110247392B (zh) | 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法 | |
CN110189056B (zh) | 一种电力系统调度的方法、系统及设备 | |
CN109657898B (zh) | 一种基于凸松弛的可再生能源随机动态经济调度方法 | |
CN109066769B (zh) | 风电全消纳下虚拟电厂内部资源调度控制方法 | |
CN108053083B (zh) | 一种水库水电站非汛期联合优化发电调度方法 | |
CN105162173A (zh) | 一种接入风力发电的电力系统备用容量确定方法 | |
CN115566701B (zh) | 确定定速抽蓄容量和变速抽蓄容量的方法及装置 | |
CN115603308A (zh) | 一种考虑需求响应替代效益的源网协调规划方法及系统 | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
CN113659566B (zh) | 一种基于CVaR的多能互补发电系统的容量配置优化方法 | |
CN114389262A (zh) | 一种弹性环境下基于鲁棒优化的区域电网调度方法 | |
Yao et al. | Optimal capacity of variable-speed pumped storage for wind power consumption based on double-layer stochastic programming | |
Liang et al. | Adaptive robust energy management strategy for campus-based commercial buildings considering comprehensive comfort levels |
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 |