CN115603383B - 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法 - Google Patents

一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法 Download PDF

Info

Publication number
CN115603383B
CN115603383B CN202211523369.1A CN202211523369A CN115603383B CN 115603383 B CN115603383 B CN 115603383B CN 202211523369 A CN202211523369 A CN 202211523369A CN 115603383 B CN115603383 B CN 115603383B
Authority
CN
China
Prior art keywords
energy storage
representing
thermal power
power
constraint
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
CN202211523369.1A
Other languages
English (en)
Other versions
CN115603383A (zh
Inventor
邓杨
陈蔡辉
薛晓丹
徐敏
李博
包加祥
李飞
杨健
吴琼
徐静
陈浩亮
吴灵华
杨尹
颜世烨
叶季蕾
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.)
Nantong Power Plant of Huaneng International Power Jiangsu Energy Development Co Ltd
Original Assignee
Nantong Power Plant of Huaneng International Power Jiangsu Energy Development Co Ltd
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 Nantong Power Plant of Huaneng International Power Jiangsu Energy Development Co Ltd filed Critical Nantong Power Plant of Huaneng International Power Jiangsu Energy Development Co Ltd
Priority to CN202211523369.1A priority Critical patent/CN115603383B/zh
Publication of CN115603383A publication Critical patent/CN115603383A/zh
Application granted granted Critical
Publication of CN115603383B publication Critical patent/CN115603383B/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
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J3/28—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
    • 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
    • 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
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Abstract

本发明公开了一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，包括如下步骤：步骤1：以运行调度中火电机组的发电成本、负荷供电不足惩罚成本以及弃风损失惩罚成本最小化为优化目标，构建下层模型；步骤2：在下层模型的基础上，考虑系统容量配置中的储能投资成本，构建上层模型；步骤3：考虑火储联合系统容量配置与运行调度之间的耦合关系并实现协同最优，基于上层模型和下层模型，求解最优方案。本发明的目的在于针对现有技术不足，提出一种能够有效减低负荷供电不足并提高火电机组的供电可靠性，同时对火电机组调峰的容量配置及运行调度进行分层优化的方法。

Description

一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法
技术领域
本发明具体涉及一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，属于能源优化利用技术领域。
背景技术
广泛地开发利用可再生能源发电有利于减缓化石能源枯竭，缓和气候变暖，海平面上升及气候变化等环境问题。然而，由于风资源的间歇性及波动性等特点，风电大规划并网对电力系统的安全稳定运行提出重大挑战，而且会导致大规模的弃风损失。
由于风电出力通常存在反调峰特性，风电并网后会导致电力系统净负荷峰谷差进一步增大。为了提高电力系统中可再生能源的渗透率，传统的火电机组需要更高的调峰容量及调节能力。但火电机组频繁深度调峰会极大地提高其运行成本，甚至会影响机组的运行健康状况。储能系统能够通过充放电过程减小电力系统净负荷的峰谷差，因此储能可以辅助火电机组运行并减轻其调峰压力。因此，如何设计火储联合系统的协同运行策略是实现净负荷经济可靠调节的关键研究问题。
关于火电机组的调峰运行优化问题，国内外已有许多相关的研究。崔杨等从电源-储能-负荷侧出发提出了利用储能容量及需求响应策略提高燃煤机组的调峰容量并最大化提高风电渗透率；李军徽等提出了火储联合系统优化调峰运行的三阶段优化框架。其中，一阶段模型以最小化净负荷峰谷差及总运行成本为优化目标，二阶段通过最小化调峰运行成本确定火电机组总出力，三阶段则求解火电机组组合问题。郭苏等基于最小化平准化度电成本及输电通道利用效率，研究了并网型系统中熔盐储热的多目标容量优化配置。然而，上述文献均未研究含不同电化学储能技术的火储联合发电系统调峰运行场景下的容量配置及运行调度协同优化问题，亟需一种含不同电化学储能技术的火储联合系统容量配置及调峰运行的分层优化方法。
发明内容
本发明的目的在于针对现有技术不足，提出一种能够有效减低负荷供电不足并提高火电机组的供电可靠性，同时对火电机组调峰的容量配置及运行调度进行分层优化的方法。
为解决上述技术问题，本发明采用的技术方案为：
一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，包括如下步骤：
步骤1：以运行调度中火电机组的发电成本、负荷供电不足惩罚成本以及弃风损失惩罚成本最小化为优化目标，构建下层模型；
步骤2：在下层模型的基础上，考虑系统容量配置中的储能投资成本，构建上层模型；
步骤3：考虑火储联合系统容量配置与运行调度之间的耦合关系并实现协同最优，基于上层模型和下层模型，求解最优方案。
进一步的，步骤1中下层模型的目标函数是：
（1）
（2）
（3）
（4）
其中，表示下层模型优化目标函数；表示火电机组发电成本；表示弃风损失惩罚成本；表示负荷供电不足惩罚成本；表示火电机组的实时出力；、和表示火电机组成本系数；表示火电机组数；表示运行仿真时段；表示弃风损失单位惩罚系数；表示实时弃风损失量；表示负荷供电不足单位惩罚系数；表示实时负荷供电不足量。
优选的，步骤1中下层模型的约束条件包括火电机组运行约束、储能运行约束、风电运行约束和功率平衡约束。
其中，火电机组运行约束为：
（5）
（6）
其中，式（5）表示火电机组功率约束，式（6）表示火电机组爬坡率约束，为二进制变量表示火电机组实时运行状态；和表示各机组的最小出力及最大出力；表示各机组的最大爬坡率。
储能运行约束为：
（7）
（8）
（9）
（10）
（11）
其中，式（7）和式（8）表示储能充放电功率约束，式（9）确保储能无法同时充放电，式（10）表示储能的可用容量变化，式（11）表示储能的容量约束，和分别表示二进制变量表示储能的实时充电状态和放电状态；表示储能实时可用容量；和分别表示储能实时充电功率和放电功率；和分别表示储能充电效率和放电效率；表示运行仿真时间间隔；表示放电深度；和表示储能的额定功率及额定容量。
风电运行约束为：
（12）
（13）
其中，式（12）根据风电机组参数及实时风速确定风电实时出力，式（13）表示弃风损失量的功率约束；表示风电实时出力；表示风电额定功率；表示实时风速；、和分别表示风电机组切入风速、切出风速和额定风速。
功率平衡约束为：
（14）
其中，式（14）确保供需侧电力平衡，约束左边均为下层运行模型的决策变量。
进一步的，步骤2中上层模型的目标函数为：
（15）
（16）
其中，表示摊销储能初始投资成本；和表示储能额定功率及容量单位投资成本；表示储能设计寿命；表示折现率。
进一步的，步骤2中上层模型的约束条件为：
（17）
（18）
其中，和表示储能最小及最大许可额定功率；和表示储能最小及最大许可额定容量，和为上层容量配置优化模型的决策变量。
进一步的，步骤3最优方案选取不同案例在满足约束条件下，上层目标函数的最小值。
本发明与现有技术相比，具有如下有益效果：
本发明提出一种能够有效减低负荷供电不足并提高火电机组的供电可靠性，同时对火电机组调峰的容量配置及运行调度进行分层优化的方法。
1、本发明提供的储能辅助火电机组调峰的容量配置及运行调度分层优化方法，联合发电系统中储能技术可通过充放电循环调节风电-火电联合出力，通过功率时移特性有效实现供需侧电力平衡。
2、本发明的分层优化方法可考虑火储联合系统容量配置与运行调度问题之间的耦合关系并实现协同最优，从而有效降低联合系统的综合成本。
3、本发明的分层优化方法适用于含不同储能技术的火储联合系统，具有较高的适用性及可推广性，且该方法可应用于联合系统中设备的优化选型问题，可实现从系统设备选型-容量配置-运行调度的全过程集成优化。
4、本发明的联合发电系统可以有效缓解火电机组的调峰压力并有效提高联合系统的供电可靠性。
5、本发明的分层优化方法可以有效地看到储能容量配置和最优综合运营成本之间的关系，帮助决策者更好地决定联合发电系统经济性最优的储能技术。
附图说明
图1为本发明的的火储联合系统结构配置框图；
图2为本发明的分层优化模型框架示意图；
图3为单位MW的风电出力及负荷特性曲线；
图4为本发明实施例中不同研究案例优化结果的成本占比；
图5为本发明实施例中不同研究案例的优化运行结果；
图6为本发明实施例中案例1的火电机组的实时出力及运行状态；
图7为本发明实施例中不同研究案例中储能荷电状态变化；
图8为铅酸电池容量变化的经济敏感性分析；
图9为锂电池容量变化的经济敏感性分析；
图10为镍镉电池容量变化的经济敏感性分析。
具体实施方式
下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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条件下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种火电-储能联合发电系统，该联合发电系统由火电机组，风电场和储能所组成。火电机组以及风电场是联合发电系统的主要发电单元。
本发明中的储能包含铅酸电池储能，锂电池储能以及镍镉电池储能。储能的主要作用是缓解火电机组的调峰压力并有效提高联合系统的供电可靠性。储能可以在负荷低谷时段消纳多余的风电出力，并在负荷峰值时段释放电能，从而通过其功率时移特性缓解火电机组的调峰压力并有效提高联合系统的供电可靠性。
本发明还提出一种火电-储能联合发电系统分层优化方法，分层优化方法为本发明最核心设计；该分层优化方法可考虑火储联合系统容量配置与运行调度之间的耦合关系并实现协同最优；即该方法可获得不同容量配置下的最优运行调度策略，然后选取最优的容量配置。
本发明的难点在于：分层优化方法中需处理不同优化模型（容量配置/运行调度）之间的数据交互以反映模型间的耦合关系，同时优化求解算法需同时保证上下层模型的最优性。
具体的，如图2所示，分层优化方法包括以下步骤：
步骤1，以调峰运行优化模型（下层模型）中火电机组的发电成本、负荷供电不足惩罚成本以及弃风损失惩罚成本最小化为优化目标。本发明的联合发电系统的下层优化是以火电机组的发电成本、负荷供电不足惩罚成本以及弃风损失惩罚成本最小化为目标。
步骤1中，所述目标函数及详细成本如下：
（1）
（2）
（3）
（4）
其中，表示下层模型优化目标函数；表示火电机组发电成本；表示弃风损失惩罚成本；表示负荷供电不足惩罚成本；表示火电机组的实时出力；、和表示火电机组成本系数；表示火电机组数；表示运行仿真时段；表示弃风损失单位惩罚系数；表示实时弃风损失量；表示负荷供电不足单位惩罚系数；表示实时负荷供电不足量。
步骤1中，所述约束条件如下：
（1）火电机组运行约束：
（5）
（6）
其中，式（5）表示火电机组功率约束，式（6）表示火电机组爬坡率约束。为二进制变量表示火电机组实时运行状态；和表示各机组的最小出力及最大出力；表示各机组的最大爬坡率。
（2）储能运行约束：
（7）
（8）
（9）
（10）
（11）
其中，式（7）和式（8）表示储能充放电功率约束，式（9）确保储能无法同时充放电，式（10）表示储能的可用容量变化，式（11）表示储能的容量约束。为二进制变量表示储能的实时充放电状态；表示储能实时可用容量；和表示储能实时充放电功率；和表示储能充放电效率；表示运行仿真时间间隔；表示放电深度；和表示储能的额定功率及额定容量。
（3）风电运行约束：
（12）
（13）
其中，式（12）根据风电机组参数及实时风速确定风电实时出力，式（13）表示弃风损失量的功率约束。表示风电实时出力；表示风电额定功率；表示实时风速；、和分别表示风电机组切入风速、切出风速和额定风速。
（4）功率平衡约束：
（14）
其中，式（14）确保供需侧电力平衡。约束左边均为下层运行模型的决策变量。
步骤2，以容量配置优化模型（上层模型）中储能投资成本及下层模型综合成本最小化为目标，本发明的联合发电系统的上层优化是以储能投资成本最小化为目标。
步骤2中，所述目标函数如下：
（15）
（16）
其中，表示摊销储能初始投资成本；和表示储能额定功率及容量单位投资成本；表示储能设计寿命；表示折现率。
步骤b中，所述约束条件如下：
（17）
（18）
其中，和表示储能最小及最大许可额定功率；和表示储能最小及最大许可额定容量。和为上层容量配置优化模型的决策变量
步骤3，考虑火储联合系统容量配置与运行调度之间的耦合关系并实现协同最优，基于上层模型和下层模型，求解最优方案。
具体的，以下述实施例为示意，不同案例设置如下：
案例一，10台火电机组，无储能系统；
案例二，10台火电机组，配铅酸电池储能系统；
案例三，10台火电机组，配锂电池储能系统；
案例四，10台火电机组，配镍镉电池储能系统。
比较四种案例的综合成本，综合成本最低的案例即为最优结果。
（1）数据准备
根据当地的风资源得出单位MW风电出力及负荷特性曲线如图3所示。
（2）优化结果
（21）火电机组运行参数如表1所示。
表1
（22）不同电池技术经济参数如表2所示。
表2
（23）优化模型边界条件参数如表3所示。
表3
（24）设置容量优化模型中额定功率及额定容量的迭代步长分别为50 MW和500MWh，容量配置-运行调度协同优化结果及详细成本如表4所示。
表4
由于大量的负荷供电不足惩罚成本，Case 1的总成本最大（10.278 106 $）。即使新增了储能投资成本，其他三组含储能案例的总成本远低于Case 1，因此表明引入储能可有效减少系统负荷供电不足的惩罚成本。含镍镉电池Case 4的总成本最低（3.282 106 $），其后为含铅酸电池Case 2（3.499 106 $）。由于锂电池的单位投资成本较高，因此含锂电池Case 3的储能投资成本明显高于其他两组储能案例。由于镍镉电池的放电深度高，设计寿命长等优点，其储能投资成本最低。因此，镍镉电池是火储联合系统调峰运行场景下经济性最优的储能技术。
 同样，从附图也可以看出，如图4，为本发明实施例中不同研究案例优化结果的成本占比。由于大量的负荷供电不足惩罚成本，Case 1的总成本最大。即使新增了储能投资成本，其他三组含储能案例的总成本远低于Case 1，因此表明引入储能可有效减少系统负荷供电不足的惩罚成本。含镍镉电池Case 4的总成本最低，其后为含铅酸电池Case 2。由于锂电池的单位投资成本较高，因此含锂电池Case 3的储能投资成本明显高于其他两组储能案例。
图5为本发明实施例中不同研究案例的优化运行结果。由于峰荷高于火电机组及风电的最大出力，Case 1在负荷峰值时段10:00~21:00存在负荷供电不足。对于Case 2~Case 4，储能可在负荷低谷时段23:00~8:00以及16:00~17:00利用多余风电出力充电，然后在峰荷时段释放电能减少负荷供电不足。其中锂电池由于高充放电效率及高放电深度可实现净负荷完全调节，消除负荷供应不足。
图6为本发明实施例中案例1的火电机组的实时出力及运行状态。火电机组可通过机组间协调运行满足机组出力及爬坡约束，并实现经济最优运行。
图7为本发明实施例中不同研究案例中储能荷电状态变化。其变化趋势与运行结果中储能充放电状态一致。储能在负荷低谷时段充电至容量上限，然后在负荷峰值时刻经历两次放电过程，且调度末尾时刻储能容量回归初始状态，从而不影响联合系统的连续运行。
图8为铅酸电池容量变化的经济敏感性分析，图9为锂电池容量变化的经济敏感性分析，图10为镍镉电池容量变化的经济敏感性分析。如图8-图10，储能投资成本随额定功率及额定容量升高呈线性上升趋势，而负荷供电不足惩罚成本呈非线性趋势。随着额定功率或额定容量上升，由于惩罚成本降低导致系统综合成本显著下降。然后由于储能投资成本的不断上升但惩罚成本已无下降空间，系统综合成本呈上升趋势。此外，由于额定容量的迭代步长以及单位投资成本较高，综合成本对于额定容量变化的敏感性相对较高。当容量配置分别为（额定功率150 MW，额定容量1500 MWh）或（额定功率200 MW，额定容量2000 MWh）时，不同储能的综合成本曲面达到最低点，与容量-运行优化结果保持一致。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间，以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (9)

1.一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，包括如下步骤：
步骤1：以运行调度中火电机组的发电成本、负荷供电不足惩罚成本以及弃风损失惩罚成本最小化为优化目标，构建下层模型；
步骤2：在下层模型的基础上，考虑系统容量配置中的储能投资成本，构建上层模型；
步骤3：考虑火储联合系统容量配置与运行调度之间的耦合关系并实现协同最优，基于上层模型和下层模型，求解最优方案；
其中，步骤1中下层模型的目标函数是：
objlower＝Cth+PCwc+PCum    (1)
Figure FDA0004107594830000011
Figure FDA0004107594830000012
Figure FDA0004107594830000013
其中，objlower表示下层模型优化目标函数；Cth表示火电机组发电成本；PCwc表示弃风损失惩罚成本；PCum表示负荷供电不足惩罚成本；Pth.i.t表示火电机组的实时出力；ai、bi和ci表示火电机组成本系数；N表示火电机组数；T表示运行仿真时段；λwc表示弃风损失单位惩罚系数；Pwc.t表示实时弃风损失量；λum表示负荷供电不足单位惩罚系数；Pum.t表示实时负荷供电不足量。
2.根据权利要求1所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于：
步骤1中下层模型的约束条件包括火电机组运行约束、储能运行约束、风电运行约束和功率平衡约束。
3.根据权利要求2所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于：
火电机组运行约束为：
uth.i.tPth.i.min≤Pth.i.t≤uth.i.tPth.i.max    (5)
Figure FDA0004107594830000021
其中，式(5)表示火电机组功率约束，式(6)表示火电机组爬坡率约束，uth.i.t为二进制变量表示火电机组实时运行状态；Pth.i.min和Pth.i.max表示各机组的最小出力及最大出力；
Figure FDA0004107594830000022
表示各机组的最大爬坡率。
4.根据权利要求3所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，
储能运行约束为：
0≤Pes.c.t≤ues.c.tPes   (7)
0≤Pes.d.t≤ues.d.tPes    (8)
ues.c.t+ues.d.t≤1    (9)
Figure FDA0004107594830000023
(1-DOD)Ces≤Ees.t≤Ces      (11)
其中，式(7)和式(8)表示储能充放电功率约束，式(9)确保储能无法同时充放电，式(10)表示储能的可用容量变化，式(11)表示储能的容量约束，ues.c.t和ues.d.t分别表示二进制变量表示储能的实时充电状态和放电状态；Ees.t表示储能实时可用容量；Pes.c.t和Pes.d.t分别表示储能实时充电功率和放电功率；ηes.c和ηes.d分别表示储能充电效率和放电效率；Δt表示运行仿真时间间隔；DOD表示放电深度；Pes和Ces表示储能的额定功率及额定容量。
5.根据权利要求4所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，
风电运行约束为：
Figure FDA0004107594830000024
0≤Pwc.t≤Pw.t    (13)
其中，式(12)根据风电机组参数及实时风速确定风电实时出力，式(13)表示弃风损失量的功率约束；Pw.t表示风电实时出力；PWR表示风电额定功率；vt表示实时风速；vci、vco和vr分别表示风电机组切入风速、切出风速和额定风速。
6.根据权利要求5所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，
功率平衡约束为：
Figure FDA0004107594830000031
其中，式(14)确保供需侧电力平衡，约束等式左侧为下层运行模型的决策变量。
7.根据权利要求6所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，
步骤2中上层模型的目标函数为：
objupper＝Cinv+objlower   (15)
Figure FDA0004107594830000032
其中，Cinv表示摊销储能初始投资成本；λes.p和λes.c表示储能额定功率及容量单位投资成本；life表示储能设计寿命；disc表示折现率。
8.根据权利要求7所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于，
步骤2中上层模型的约束条件为：
Pes.min≤Pes≤Pes.max    (17)
Ces.min≤Ces≤Ces.max    (18)
其中，Pes.min和Pes.max表示储能最小及最大许可额定功率；Ces.min和Ces.max表示储能最小及最大许可额定容量，Pes和Ces为上层容量配置优化模型的决策变量。
9.根据权利要求8所述一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法，其特征在于：步骤3最优方案选取不同案例在满足约束条件下，上层目标函数的最小值。
CN202211523369.1A 2022-11-30 2022-11-30 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法 Active CN115603383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211523369.1A CN115603383B (zh) 2022-11-30 2022-11-30 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211523369.1A CN115603383B (zh) 2022-11-30 2022-11-30 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法

Publications (2)

Publication Number Publication Date
CN115603383A CN115603383A (zh) 2023-01-13
CN115603383B true CN115603383B (zh) 2023-05-16

Family

ID=84852439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211523369.1A Active CN115603383B (zh) 2022-11-30 2022-11-30 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法

Country Status (1)

Country Link
CN (1) CN115603383B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117109345B (zh) * 2023-08-24 2024-04-26 华北电力大学 耦合火电机组的高温熔盐储热装置的优化配置方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163450A (zh) * 2019-05-31 2019-08-23 国网山东省电力公司经济技术研究院 一种基于运行受限的配电网规划双层优化模型构建方法
CN111740413B (zh) * 2020-06-28 2021-11-30 东北电力大学 一种考虑火电调峰主动性的含储能电力系统优化调度方法
CN114938011B (zh) * 2022-07-07 2022-10-14 中国长江三峡集团有限公司 一种考虑储能优化配置的风光火储系统联合运行方法

Also Published As

Publication number Publication date
CN115603383A (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
Javed et al. Hybrid pumped hydro and battery storage for renewable energy based power supply system
CN103793758B (zh) 含光伏发电系统的电动汽车充电站的多目标优化调度方法
CN105048516B (zh) 一种风光水火多源互补优化调度方法
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
US7227275B2 (en) Method for retrofitting wind turbine farms
CN103151798B (zh) 独立微网系统的优化方法
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN110245794B (zh) 考虑灵活性的多能源汇集中心火储容量双层优化方法
CN113541205B (zh) 基于集群学习的低碳csp系统协同优化方法及装置
CN102593855B (zh) 平抑电力系统中可再生能源电源输出功率波动的方法
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN111355270B (zh) 一种海岛微电网群容量优化配置方法
CN103187784B (zh) 一种优化光伏充电站集成系统的方法及装置
CN108695871A (zh) 含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法
CN106549419A (zh) 基于万有引力算法的独立微网系统设计方法
CN103956773A (zh) 含风电系统机组的备用配置优化方法
CN115603383B (zh) 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法
CN103226735A (zh) 一种基于风电分段的电力系统优化调度方法
Dagdougui et al. Power management strategy for sizing battery system for peak load limiting in a university campus
CN107104462A (zh) 一种用于风电场储能调度的方法
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
CN104616071B (zh) 一种风光储互补发电系统优化配置方法
CN103915851A (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN108110800A (zh) 风、光、储、热多能柔性互补的有源配电负荷重构方法

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