CN115587728A - 考虑N-k安全准则与CSP电站的电力系统调度方法及系统 - Google Patents
考虑N-k安全准则与CSP电站的电力系统调度方法及系统 Download PDFInfo
- Publication number
- CN115587728A CN115587728A CN202211034757.3A CN202211034757A CN115587728A CN 115587728 A CN115587728 A CN 115587728A CN 202211034757 A CN202211034757 A CN 202211034757A CN 115587728 A CN115587728 A CN 115587728A
- Authority
- CN
- China
- Prior art keywords
- power
- constraint
- csp
- power system
- unit
- 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 44
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000005338 heat storage Methods 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 15
- 230000009194 climbing Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统的稳定运行技术领域,提供了考虑N‑k安全准则与CSP电站的电力系统调度方法及系统,包括:获取电力系统参数;基于N‑k安全准则与CSP电站设置求解方案;将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。有效提高了调度决策应对偶发故障的扰动能力。
Description
技术领域
本发明属于电力系统的稳定运行技术领域,尤其涉及考虑N-k安全准则与CSP电站的电力系统调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
发电机组的偶发故障会在不同程度上影响电力系统的稳定运行,故需对电力系统中可能出现的故障进行排查。
因此,如何从现有数据中提取输电线路故障的统计信息,将N-k安全准则与CSP电站纳入机组组合的调度决策中,增强电力系统应对偶发线路故障扰动的能力,做出兼顾经济性和安全性的机组组合决策至关重要。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供考虑N-k安全准则与CSP电站的电力系统调度方法及系统,构造了考虑N-k安全准则及CSP电站的分布鲁棒电力系统机组组合模型,有效提高了调度决策应对偶发故障的扰动能力。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供考虑N-k安全准则与CSP电站的电力系统调度方法,其包括:
获取电力系统参数;
基于N-k安全准则与CSP电站设置求解方案;
将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
进一步地,基于所述分布鲁棒优化调度问题的模型的目标函数是在线路故障最坏情况下,使机组的启停成本、出力成本以及失负荷惩罚成本最小化。
进一步地,基于所述分布鲁棒优化调度问题的模型的约束条件包括:机组开停机状态约束、最小开停机时间约束、插值线性化发电成本约束。
进一步地,基于所述分布鲁棒优化调度问题的模型的约束条件包括:机组出力上下限约束、输电线路传输容量约束、节点相角约束、线路功率平衡约束、机组爬坡速率约束和节点负荷平衡约束。
进一步地,基于所述分布鲁棒优化调度问题的模型的约束条件包括:发电输出约束、荷电热状态约束、储热罐冲放功率约束、CSP电站爬坡约束、储能系统边界约束、储热容量初始时段等于末端时段的约束、最小开关时间周期约束和瞬时热功率约束。
进一步地,所述求解方案为:
考虑N-k安全准则的多时段独立不确定集合;
或者,考虑N-k安全准则与CSP电站的多时段独立不确定集合;
或者,考虑N-k安全准则的与时间无关不确定集合;
或者,考虑N-k安全准则与CSP电站的与时间无关不确定集合。
进一步地,采用大M法将子问题线进行性化表示。
本发明的第二个方面提供考虑N-k安全准则与CSP电站的电力系统调度系统,其包括:
数据获取模块,其被配置为:获取电力系统参数;
方案设置模块,其被配置为:基于N-k安全准则与CSP电站设置求解方案;
求解模块,其被配置为:将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
本发明的第三个方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
本发明的第四个方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
与现有技术相比,本发明的有益效果是:
本发明提供了考虑N-k安全准则与CSP电站的电力系统调度方法,其所构造的考虑N-k安全准则及CSP电站的分布鲁棒电力系统机组组合模型,有效提高了调度决策应对偶发故障的扰动能力。
本发明提供了考虑N-k安全准则与CSP电站的电力系统调度方法,其模型中涉及到的CSP电站,可缓解常规发电机组的运行压力,防止其频繁启停,能够提高电力系统的灵活性。
本发明提供了考虑N-k安全准则与CSP电站的电力系统调度方法,其所提模型的多时段独立的不确定集合与时间无关的不确定集合对应决策结果相比具有更高的保守性且容易面临维数灾问题。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例一的基于C&CG算法的模型求解图;
图2(a)是本发明实施例一的k=0时方案1的机组组合决策结果示意图;
图2(b)是本发明实施例一的k=1时方案1的机组组合决策结果示意图;
图2(c)是本发明实施例一的k=2时方案1的机组组合决策结果示意图;
图2(d)是本发明实施例一的k=3时方案1的机组组合决策结果示意图;
图3(a)是本发明实施例一的k=0时方案2的机组组合决策结果示意图;
图3(b)是本发明实施例一的k=1时方案2的机组组合决策结果示意图;
图3(c)是本发明实施例一的k=2时方案2的机组组合决策结果示意图;
图3(d)是本发明实施例一的k=3时方案2的机组组合决策结果示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
术语解释:
N-k安全准则:在正常运行方式下,电力系统中的N个元件中的任意k个无故障或因故障断开,电力系统能保持稳定运行和正常供电,其他元件部过负荷,且系统电压和频率在允许范围之内,这种保持电力系统稳定和持续供电的能力和程度,称为N-k安全准则。
CSP电站:聚光太阳能热发电Concentrated Solar Power的简称,它是一个集热式的太阳能发电厂的发电系统。
鲁棒:鲁棒是健壮和强壮的意思,它是指系统在异常和危险的情况下生存的能力,这里指的是电力系统在一定的参数摄动下维持它平稳运行的能力。
经济调度:在发电机组间实时分配发电量,使整个系统总运行费用达到最小的调度功能,称为经济调度。
实施例一
本实施例提供了考虑N-k安全准则与CSP电站的电力系统调度方法,构造了以概率分布区间为表现形式的不确定集合,用来描述线路故障不确定性的最坏情况分布;然后,将原始的分布鲁棒优化调度问题转化为确定性概率分布条件下的两阶段鲁棒优化决策模型;使用大M法、C&CG算法对主问题、子问题分别进行转化,有效降低了模型的求解难度。
基于分布鲁棒优化调度问题的模型的目标函数是在线路故障最坏情况下,使机组的启停成本、出力成本以及失负荷惩罚成本最小化,可表示为:
式中:T为时段数;G为机组总数;I为节点总数;CVOLL为失负荷惩罚成本;Cg,U和Cg,D分别为机组g的开启和关闭成本;ug,t为t时段机组g的启动状态,其值为1表示机组启动,其值为0表示机组停运;vg,t为t时段机组g的关闭状态,其值为1表示机组停运,其值为0表示机组运行;λg为机组出力的线性成本系数;pg,t为机组g在t时刻的出力;di,t为t时段节点i的不平衡功率。
基于分布鲁棒优化调度问题的模型的约束条件包括:机组组合约束条件、经济调度约束条件和CSP电站运转内部约束。
机组组合约束条件包括:机组开停机状态约束及最小开停机时间约束、插值线性化发电成本约束。
机组开停机状态约束及最小开停机时间约束表示为:
yg,t-yg,t-1-ug,t≤0 (3)
yg,t-1-yg,t-vg,t≤0 (4)
yg,t,vg,t,ug,t∈{0,1} (7)
式中:Hg,on和Hg,off分别为机组g的最小启动时间和最小关闭时间;vg,t为t时段机组g停机与否的状态变量,其值为0表示机组运行,其值为1表示机组停运;yg,t为t时段机组g开机与否的状态变量,其值为1表示机组运行,其值为0表示机组停运。
因机组发电成本为二次函数,故此处使用插值线性化方法来处理,插值线性化发电成本约束的表达式为:
式中:r为插值点数;R为插值点总数;pr,g为插值点数为r时机组g的出力,λr,g,t为t时段插值点数为r时机组g的成本系数。
经济调度约束条件包括:机组出力上下限约束、输电线路传输容量约束、节点相角约束、线路功率平衡约束、机组爬坡速率约束和节点负荷平衡约束。
机组出力上下限约束表示为:
yg,tGg,min≤pg,t≤yg,tGg,max (9)
式中:Gg,max和Gg,min分别为发电机组g出力的上、下限。
输电线路传输容量约束表示为:
zlfij,min≤fij,t≤zlfij,max (10)
式中:fij,max和fij,min分别为线路(i,j)传输功率的上、下限;fij,t为时段t线路ij传输的功率;fij为t时段线路ij传输的功率。
节点相角约束表示为:
φi,min≤φi,t≤φi,max (11)
式中:φi,max和φi,min分别为节点i相角的上、下限;φi,t为时段t节点i的相角。
线路功率平衡约束表示为:
式中:xij为线路ij的电抗;B1和B2为足够大的数,使得式(12)与(13)仅对未发生故障的线路起作用。
机组爬坡速率约束表示为:
pg,t-pg,t-1≤Rg,upyg,t-1+Ug,up·(yg,t-yg,t-1)+Gg,max(1-yg,t) (14)
pg,t-1-pg,t≤Rg,dnyg,t+Dg,dn(yg,t-1-yg,t)+Gg,max(1-yg,t-1) (15)
式中:Rg,up和Rg,dn分别为常规机组g向上、向下爬坡速率(正常运行时);Ug,up和Dg,dn分别为机组g启动和关闭时的爬坡速率。
节点负荷平衡约束表示为:
式中:Di,t为t时段节点i的负荷;di,t为节点不平衡功率;I(·,i)为以节点i为起始节点的线路上的节点集合;I(i,·)为以节点i为终止节点的线路上的节点集合。在考虑N-k安全准则后,可能会产生节点负荷无法满足系统运行需要的情况,故引入节点不平衡功率。
CSP电站运转内部约束包括:发电输出约束、荷电热状态约束、储热罐冲放功率约束、CSP电站爬坡约束、储能系统边界约束、储热容量初始时段等于末端时段的约束、最小开关时间周期约束(最小开/关时间周期约束)、瞬时热功率约束。
发电输出约束表示为:
Ps,minIt,s≤Pt,s≤Ps,maxIt,s
It,s∈{0,1} (17)
式中:It,s为在时段t时CSP电站装置的开/关状态,这里用二进制变量表示;Pt,s为CSP电站在时段t的调度出力;Ps,min和Ps,max分别为CSP电站输出功率的下限与上限。
荷电热状态约束表示为:
Et,s=Et-1,s+ηTES,sPcha,t,s-Pdis,t,s/ηTES,s (18)
式中:Et,s为CSP电站装置中储热系统在时段t时的荷电状态;ηTES,s为储热系统效率系数;Pcha,t,s为CSP电站装置在t时段的充电输出功率;Pdis,t,s为t时段CSP电站装置中储热系统的排放量。
储热罐冲放功率约束表示为:
0≤Pcha,t,s≤ut,c,sPs,ch,max (19)
0≤Pdis,t,s≤ut,f,sPs,d,max (20)
ut,c,s+ut,f,s≤1 (21)
式中:Ps,ch,max和Ps,d,max分别是储热罐冲放功率的最大值,保证冲与放的状态,在某一时刻不能同时存在;ut,c,s和ut,f,s分别为储热系统充放、热状态的二元变量(1为动作,0为不动作)。
CSP电站爬坡约束表示为:
Pt,s-Pt-1,s+It-1,s(Ps,min-Rs,up)+It,s(Ps,max-Ps,min)≤Ps,max (22)
Pt-1,s-Pt,s+It,s(Ps,min-Rs,dn)+It-1,s(Ps,max-Ps,min)≤Ps,min (23)
式中:Rs,up和Rs,dn分别为CSP电站发电时出力爬坡速率上、下限。
储能系统边界约束表示为:
Es,min≤Es,t≤Es,max (24)
式中:Es为CSP电站装置中储热系统的荷电状态;Es,min和Es,max分别为CSP电站装置中储热系统荷电状态的下限与上限。
储热容量初始时段等于末端时段的约束表示为:
Es,t=Es,T (25)
式中:Es,t为初始时段CSP电站的储热容量;Es,T为末端时段CSP电站的储热容量。
最小开/关时间周期约束表示为:
式中:Ts,off为CSP电站机组关闭的时段;Ts,on为CSP电站机组开启的时段。
瞬时热功率约束表示为:
Pt,s/ηPB,s+Pcha,t,s-Pdis,t,s≤Pt,fore,s (27)
式中:ηPB,s为CSP电站装置的功率效率;Pcha,t,s为CSP电站装置在t时段的充电输出功率;Pdis,t,s为t时段CSP电站装置中储热系统的排放量;Pt,fore,s为在t时段可用的太阳热功率。
本实施例提供的考虑N-k安全准则与CSP电站的电力系统调度方法,包括以下步骤:
步骤1、获取电力系统参数。
电力系统参数包括:火电机组成本参数、CSP电站参数、机组发电参数、线路参数等。
步骤2、基于N-k安全准则与CSP电站设置求解方案。
不确定集合Z为多时段独立的不确定集合Z1或与时间无关的不确定集合Z2。
多时段独立的不确定集合Z1为考虑时间对线路故障的影响,不考虑各故障线路之间的关联。可表示为:
kmin≤k≤kmax (29)
式中:L为输电线路总数;kmin和kmax分别为线路故障数k的最小值和最大值;zl,t为t时段线路l的运行状态,其值为1表示线路正常运行,其值为0表示线路发生故障。
与时间无关的不确定集合Z2为忽略时间对线路故障的影响,且不考虑各故障线路之间的关联,可表示为:
kmin≤k≤kmax (31)
式中:zl为线路l的运行状态,其值为1表示线路正常运行,其值为0表示线路发生故障。
求解方案为:方案1:考虑N-k安全准则的多时段独立不确定集合;或者,方案2:考虑N-k安全准则与CSP电站的多时段独立不确定集合;或者,方案3:考虑N-k安全准则的与时间无关不确定集合;或者,方案4:考虑N-k安全准则与CSP电站的与时间无关不确定集合。
步骤3、将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解。主问题对应的第一个阶段为线路故障前机组组合的启停决策。子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
因所构建的基于分布鲁棒优化调度问题的模型为min-max-min结构,无法直接求解,故此处对子问题进行对偶转化。
不确定集合为离散变量,本实施例选择C&CG算法,可将分布鲁棒优化调度问题转化为主问题及子问题,然后再对其迭代求解。
与主问题所对应的第一个阶段为线路故障前机组组合的启停决策,表达式为:
子问题是在最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本,表达式为:
式(34)的约束条件为式(28)和式(29),或者式(34)的约束条件为式(30)和式(31)、式(9)~式(27)。
由于子问题的构造形式是max-min,直接求解难度较大。针对这一问题,本实施例利用对偶理论,对内层min问题进行转化,得到所对应的max问题,同时合并外层的max问题进行计算。由于子问题的目标函数是非线性性质,为了改变混合整数规划问题的子问题,使模型更容易求解,可以采用大M法将子问题线性化表示为:
s.t.对偶约束如下:
C&CG算法的两阶段鲁棒自适应优化的一般形式为:
式中:y和x分别为C&CG算法第1阶段和第2阶段的决策变量所构成的矩阵;u为参数;U为参数集合;第2阶段优化约束条件F(y,u)是u的线性函数;矩阵A1,b,c,d均为第1阶段模型对应的常系数矩阵;矩阵A2,A3,A4,h均为第2阶段模型对应的常系数矩阵。
根据以上约束可构造割平面,形成C&CG算法。
C&CG算法的步骤如图1所示,通过将主问题与子问题均转化为混合整数规划函数后,采用C&CG算法对其进行求解,从而用相对应的求解器完成迭代求出结果。C&CG步骤如下:
步骤(1):数据初始化,设置LB为无穷大下界,UB为无穷大上界,迭代次数j=0,集合O为空集;
步骤(2):求解MP主问题
MP:
s.t.A1 Ty≥d
步骤(3):求解SP子问题
SP:
步骤(4):判断是否满足收敛条件:
否则:
η≥bTxk+1 (50)
返回到主问题(C1)中;通过查取数据库后可以求得问题(C2)的解;j=j+1,则O=O∪j+1,转至步骤(2)。
返回到主问题中,j=j+1,转步骤(2)。
本实施例中,整合四种基于N-k安全准则与CSP电站的不确定集合,通过仿真分析,证明了所提模型的正确性。
系统计算结果分析:
(1)IEEE14节点系统参数
IEEE 14节点测试系统涉及20条线路和5台常规发电机组。机组具体参数详见表1、表2、表3和表4。使用处理器为Intel Core i7-8700k的计算机中的GAMS软件进行编程求解,模型中B1取1.0e3,B2取1.0e4。将一组CSP电站取代一台常规火电发电机组。
表1、火电机组成本参数
表2、CSP电站参数
机组 | 节点 | 出力上限(MW) | 出力下限(MW) | 最小开机时间(h) | 最小停机时间(h) |
1 | 13 | 200 | 20 | 0 | 1 |
表3、机组发电参数
表4、线路参数
此算例分析中,模型所需要的时间间隔为1小时,长度为24小时;通过对各节点的负荷及相应的时间周期进行了测试,得出的测试结果如表5和6所示;此外,插值线性化插值点数r的数值为5;失负荷惩罚成本CVOLL为3000$/(MW·h)。
表5、节点负荷参数
节点编号 | 负荷/MW | 节点编号 | 负荷/MW |
1 | 0.0 | 8 | 0.0 |
2 | 21.7 | 9 | 29.5 |
3 | 94.2 | 10 | 9.0 |
4 | 47.8 | 11 | 3.5 |
5 | 7.6 | 12 | 6.1 |
6 | 11.2 | 13 | 13.5 |
7 | 0.0 | 14 | 14.9 |
表6、节点负荷变化参数
设置以下4种求解方案进行测试:
方案1:考虑N-k安全准则的多时段独立不确定集合;
方案2:考虑N-k安全准则与CSP电站的多时段独立不确定集合;
方案3:考虑N-k安全准则的与时间无关不确定集合;
方案4:考虑N-k安全准则与CSP电站的与时间无关不确定集合。
(2)多时段独立集合结果分析
1)、方案1计算结果
当k取不同数值时,优化所得机组运行成本结果如表7所示。
表7、方案1的机组运行成本
由表7可见,随着k值增加,失负荷成本也在增加。其主要原因是电力系统线路功率的输送通道因故障而发生阻塞,导致大容量机组电力输送受限,部分负荷的要求难以得到满足,故失负荷惩罚成本逐渐提高,从而不能满足部分负荷的需求,产生失负荷惩罚成本。此外,当k=1时,机组的启停成本不变,只是调整了机组的出力情况,启用了部分经济性不佳的机组以满足负荷的需求,因而发电成本有所增加。随着k的不断增加,系统的总成本随之不断提高,因此集合所包含线路故障的种类较多,所以其决策结果偏于保守。
表8、方案1对应的最坏线路故障结果
图2(a)、图2(b)、图2(c)和图2(d)和表8给出了上述场景下系统的运行结果和线路最坏故障的情况。在不同场景或不同集合下,机组的发电情况及启停情况不同,这是为了满足负荷需求系统调整的结果。同时,由表8看出,线路4与线路10出现的频率较高,说明了这两条线路故障与否对系统的影响较大,说明这两条线路在系统占有比较重要的地位。
2)、方案2计算结果
在多时段独立的不确定性集合中,将一组CSP电站取代一台常规火电发电机组,系统的决策结果如表9所示。
表9、方案2的机组运行成本的机组运行成本
由表9与表7可知,与方案1的决策结果相比较,引入CSP电站后系统的启停成本、发电成本以及失负荷惩罚成本都得到了大幅度降低,说明CSP电站利用其自身的调节性能对电能进行储存和释放,取代了经济性能不佳的火电机组,减少了火电机组的启动和停机次数,减轻了传统机组的调峰压力,降低了电网的运行成本。
图3(a)、图3(b)、图3(c)和图3(d)给出了方案2场景下机组运行的决策结果。在不同场景或不同集合下,机组的发电情况及启停情况不同,这是为了满足负荷需求系统调整的结果。引入了CSP电站代替常规机组G5后,常规机组的启停及运行情况明显减少,说明了CSP电站能够降低传统机组的调峰压力,增加了电力系统的灵活性,提高了其经济效益,促进了能源转换和太阳能的高效利用。
(3)与时间无关集合的结果分析
1)、方案3计算结果
当k取不同数值时,优化得到的系统运行成本结果如表10所示。
表10方案3的机组运行成本
表11、方案3对应的最坏线路故障结果
由表10可见,当k=0且不考虑CSP电站时,多时段独立集合和与时间无关集合所对应的系统运行结果完全相同,这表明在不考虑线路故障的情况下该模型决策结果的正确性。但是,当k较大时,由于线路出现故障,发电机的出力受到限制,对应的发电成本有所下降。对比表7和表10可见,多时段独立集合比与时间无关的集合决策结果所得的运行成本更高,这也进一步证明后者决策结果的保守程度较轻。此外,k取不同值时系统决策出的线路最坏故障情况如表11所示,可见线路L10在系统中占有较为重要的地位。
2)、方案4计算结果
在与时间无关的不确定集合中,将一组CSP电站取代一台常规火电发电机组,系统的决策结果如表12所示。
表12、方案4的机组运行成本
表13、方案4对应的最坏线路故障结果
由表10和表12可以看出,在与时间无关的不确定集合中,引入CSP电站,系统总成本发生了大幅度下降,说明了CSP电站对于电力系统的经济性起到了积极作用。具体来看,启停成本和机组的发电成本都有所降低,说明了CSP电站的调节功能使得常规机组的调峰压力得到了一定的缓解,减轻了火电机组调度和分配的压力。此外,失负荷惩罚成本也在计及CSP电站后有了一定程度的下降,说明CSP电站减少了失负荷现象出现的频次,缓解了输电线路传输功率的阻塞程度,提高了电网调度的灵活性。表13给出了方案4场景下线路最坏故障的情况,因其不确定集合与时间无关,故无法量化评估线路故障发生的时间对调度决策产生的影响。
(4)失负荷惩罚成本系数对计算结果的影响
在故障线路数一定的情况下(令k=1),改变CVOLL的取值,再次对模型进行测试分析,所得的决策结果分别见表14、表15。
表14、多时段独立不确定集合对应机组运行成本
表15、与时间无关不确定集合机组运行成本
由表14可知,失负荷惩罚成本系数由1000美元/(MW·h)增至3000$/(MW·h)时,机组的启停成本与发电成本均发生变化,这是为了满足电力系统负荷运行的需要,机组组合调整的结果。若CVOLL取值达到一定阈值,那么机组的启停成本、发电成本会保持稳定。
由表15可见,若失负荷惩罚成本系数从1500美元/(MW·h)增加到3000$/(MW·h),机组的启停成本及发电成本都未改变,仅CVOLL取值会随着失负荷成本发生改变,其原因是一旦CVOLL达到一定大小,所有机组都能充分发挥其可调节的性能,很难通过调节机组的运行方式来降低运行费用。
(5)IEEE 118节点系统运行结果
为检验所建模型在较大规模电网中具备适用性,对IEEE 118节点系统进行了测试与分析,该系统共涉及54台常规发电机组、186条线路及91个负荷节点,使用5组CSP电站替代54台常规机组中的任意5台机组,所使用的CSP电站参数见表16,所运行出的系统决策结果见表17。
表16、IEEE 118节点系统CSP电站机组参数
机组 | 节点 | 出力上限(MW) | 出力下限(MW) | 最小停机时间(h) | 最小开机时间(h) |
1 | 110 | 200 | 20 | 0 | 1 |
2 | 111 | 200 | 20 | 0 | 1 |
3 | 112 | 200 | 20 | 0 | 1 |
4 | 113 | 200 | 20 | 0 | 1 |
5 | 116 | 200 | 20 | 0 | 1 |
表17、IEEE 118节点机组运行成本
由表17可知,在IEEE 118节点系统中,引入CSP电站后各成本都低于未考虑CSP电站前系统的运行成本,说明在该系统中,CSP电站依然起到了缓解常规机组调度运行的压力,具有提高系统运行经济性和灵活性的作用。此外,多时段独立的不确定集合较与时间无关的不确定集合成本略高,说明了此集合的故障组合方式较多,致使运行结果较为保守。综上可得,IEEE 118节点系统所得结果与IEEE 14节点系统一致,说明了所提模型对各节点系统具有很好的适用性。
模型计算效率:在k值不同时,对上述四种集合的求解时间进行集中对比,所得的结果见表18与表19。
表18、IEEE14节点系统的计算时间
表19、IEEE118节点系统的计算时间
与多时段独立集合相比,与时间无关集合模型的计算效率较高。且当k值逐渐增大时,计算所需的时间迅速增加,这是由于故障组合方式不断增长导致的。尽管该类模型具有较高的计算效率,但无法量化评估线路故障发生的时间对调度决策产生的影响。针对多时段独立集合,当k值较小时,运用上述的计算测试平台很难在较短时间内对子问题进行求解。为此,限制单次主、子问题的求解时间的最大值分别为1800s与7200s,从而获得迭代求解结果。由表18与表19可知,与时间无关集合相比,多时段独立集合的故障种类较多,所以需要较长的计算时间,决策结果也较为保守。
实施例二
本实施例提供了考虑N-k安全准则与CSP电站的电力系统调度系统,其具体包括如下模块:
数据获取模块,其被配置为:获取电力系统参数;
方案设置模块,其被配置为:基于N-k安全准则与CSP电站设置求解方案;
求解模块,其被配置为:将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
此处需要说明的是,本实施例中的各个模块与实施例一中的各个步骤一一对应,其具体实施过程相同,此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
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,本发明可采用硬件实施例、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和光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,包括:
获取电力系统参数;
基于N-k安全准则与CSP电站设置求解方案;
将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
2.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,基于所述分布鲁棒优化调度问题的模型的目标函数是在线路故障最坏情况下,使机组的启停成本、出力成本以及失负荷惩罚成本最小化。
3.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,基于所述分布鲁棒优化调度问题的模型的约束条件包括:机组开停机状态约束、最小开停机时间约束、插值线性化发电成本约束。
4.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,基于所述分布鲁棒优化调度问题的模型的约束条件包括:机组出力上下限约束、输电线路传输容量约束、节点相角约束、线路功率平衡约束、机组爬坡速率约束和节点负荷平衡约束。
5.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,基于所述分布鲁棒优化调度问题的模型的约束条件包括:发电输出约束、荷电热状态约束、储热罐冲放功率约束、CSP电站爬坡约束、储能系统边界约束、储热容量初始时段等于末端时段的约束、最小开关时间周期约束和瞬时热功率约束。
6.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,所述求解方案为:
考虑N-k安全准则的多时段独立不确定集合;
或者,考虑N-k安全准则与CSP电站的多时段独立不确定集合;
或者,考虑N-k安全准则的与时间无关不确定集合;
或者,考虑N-k安全准则与CSP电站的与时间无关不确定集合。
7.如权利要求1所述的考虑N-k安全准则与CSP电站的电力系统调度方法,其特征在于,采用大M法将子问题线进行性化表示。
8.考虑N-k安全准则与CSP电站的电力系统调度系统,其特征在于,包括:
数据获取模块,其被配置为:获取电力系统参数;
方案设置模块,其被配置为:基于N-k安全准则与CSP电站设置求解方案;
求解模块,其被配置为:将分布鲁棒优化调度问题转化为主问题及子问题后,基于电力系统参数和求解方案,采用C&CG算法对主问题及子问题迭代求解;所述主问题对应的第一个阶段为线路故障前机组组合的启停决策;所述子问题对应的第二个阶段为最坏线路故障情况发生后进行的经济调度问题,通过调整机组出力,以减少发电成本与失负荷惩罚成本。
9.一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,该程序被处理器执行时实现如权利要求1-7中任一项所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的考虑N-k安全准则与CSP电站的电力系统调度方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034757.3A CN115587728A (zh) | 2022-08-26 | 2022-08-26 | 考虑N-k安全准则与CSP电站的电力系统调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034757.3A CN115587728A (zh) | 2022-08-26 | 2022-08-26 | 考虑N-k安全准则与CSP电站的电力系统调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115587728A true CN115587728A (zh) | 2023-01-10 |
Family
ID=84771120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211034757.3A Pending CN115587728A (zh) | 2022-08-26 | 2022-08-26 | 考虑N-k安全准则与CSP电站的电力系统调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587728A (zh) |
-
2022
- 2022-08-26 CN CN202211034757.3A patent/CN115587728A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322372B (zh) | 区域电力系统中多级电网联动的机组组合调度方法 | |
Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
CN114139780A (zh) | 含分布式电源的虚拟电厂与配电网协调优化方法及系统 | |
Cai et al. | Active and reactive power coordinated two-stage MG scheduling for resilient distribution systems under uncertainties | |
CN104037765A (zh) | 基于改进遗传算法选取有源配电网供电恢复方案的方法 | |
Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
CN113705962A (zh) | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 | |
CN115995790A (zh) | 一种配电网故障恢复方法、系统、设备及介质 | |
CN111092455A (zh) | 一种储能系统与已恢复机组联合运行的负荷恢复优化方法 | |
CN112103941A (zh) | 考虑电网灵活性的储能配置双层优化方法 | |
Hassanzadeh et al. | Hierarchical optimal allocation of BESS using APT-FPSO based on stochastic programming model considering voltage sensitivity and eigenvalues analyses | |
CN111371090B (zh) | 用于主动配电网的故障自愈方法、装置、设备和存储介质 | |
Baziar et al. | Evolutionary algorithm-based adaptive robust optimization for AC security constrained unit commitment considering renewable energy sources and shunt FACTS devices | |
Haddi et al. | Improved optimal power flow for a power system incorporating wind power generation by using Grey Wolf Optimizer algorithm | |
CN115587728A (zh) | 考虑N-k安全准则与CSP电站的电力系统调度方法及系统 | |
CN115545340A (zh) | 一种考虑双重不确定性的综合能源站-网协同规划方法 | |
Xiong et al. | Robust scheduling with temporal decomposition of integrated electrical-heating system based on dynamic programming formulation | |
CN115377968A (zh) | 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法 | |
Mahdad et al. | Optimal coordination and penetration of distributed generation with shunt FACTS using GA/fuzzy rules | |
CN114649826A (zh) | 一种考虑风电场的黑启动分区方法及系统 | |
Zaery et al. | Distributed cooperative control with lower generation cost for dc microgrid | |
Deng et al. | A distribution network reconfiguration method based on the representative daily load curve | |
Ghasemi et al. | Robust security constrained optimal power flow considering load and wind power generation uncertainties by applying Taguchi method | |
Liu et al. | Control of Large-Scale Battery Storage Systems in Different Areas of Multi-area Power Systems | |
CN117875161B (zh) | 考虑多故障不确定性的源网荷协同弹性提升方法及系统 |
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 |