CN115660222A - 一种抽水蓄能电站的容量优化方法、装置及设备 - Google Patents

一种抽水蓄能电站的容量优化方法、装置及设备 Download PDF

Info

Publication number
CN115660222A
CN115660222A CN202211564396.3A CN202211564396A CN115660222A CN 115660222 A CN115660222 A CN 115660222A CN 202211564396 A CN202211564396 A CN 202211564396A CN 115660222 A CN115660222 A CN 115660222A
Authority
CN
China
Prior art keywords
power station
pumped storage
benefit
storage power
capacity
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
Application number
CN202211564396.3A
Other languages
English (en)
Inventor
邱小波
巩宇
杨铭轩
于亚雄
黄中杰
严汉秋
徐开炜
叶力
刘欢
梁业全
陈涛
刘轩
胡文兴
万波
彭纬伟
俞家良
陈云云
陈旭腾
崔钰
骆树生
王思杰
闵邦辉
高玥颖
邓娅婷
梁宇杨
王嘉乐
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.)
Maintenance and Test Branch of Peaking FM Power Generation of Southern Power Grid Co Ltd
Original Assignee
Maintenance and Test Branch of Peaking FM Power Generation of Southern Power Grid 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 Maintenance and Test Branch of Peaking FM Power Generation of Southern Power Grid Co Ltd filed Critical Maintenance and Test Branch of Peaking FM Power Generation of Southern Power Grid Co Ltd
Priority to CN202211564396.3A priority Critical patent/CN115660222A/zh
Publication of CN115660222A publication Critical patent/CN115660222A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种抽水蓄能电站的容量优化方法、装置及设备。该方法包括根据抽水蓄能电站的动态效益、环保效益和静态效益生成抽水蓄能电站的效益目标函数;获取抽水蓄能电站的电站数据,对电站数据进行分词处理,基于分词结果进行主题分析,得到电站数据对应的电站特征;根据电站特征确定效益目标函数的约束条件,根据约束条件确定效益目标函数的最优解;根据最优解对应的约束条件确定预设的容量效益模型中参数对应的容量效益值,根据容量效益值生成抽水蓄能电站的容量效益,根据容量效益确定各类型的发电机组的安装数量。本发明实施例实现多类型电源系统抽水蓄能电站在电站的效益最大化时,根据电站的容量效益确定不同类型发电机组的安装数量。

Description

一种抽水蓄能电站的容量优化方法、装置及设备
技术领域
本发明涉及人工智能技术领域,尤其涉及一种抽水蓄能电站的容量优化方法、装置及设备。
背景技术
随着我国经济的发展,工业、农业及第三产业对电力的需求是与日俱增,使电网之间的负荷逐渐升高,负荷峰谷差逐渐拉大,电网中的调峰电源是越来越匮乏;同时,我国正积极努力地改革电源结构,火力发电机组仍然是占比重最大的一种电源,相对火电容量来说,水电所占比重较小,抽水蓄能电站容量的合理规划将有利于促进我国电网电源结构的调整与建设,将有利于促使电网的安全、稳定及可靠的运转,给电网带来更高的电能质量,使电力事故发生概率大大减小,促进我国的经济发展,有利于提高人民的生活水平。
目前,关于抽水蓄能电站的容量规划研究,通常是从单一的经济方面或性能方面出发研究抽水蓄能电站的容量规划,存在容量规划不准确而影响抽水蓄能电站的电站可靠性的问题,因此,如何优化容量效益确定方法,以准确地确定抽水蓄能电站的容量效益成为亟待解决的问题。
发明内容
本发明提供了一种抽水蓄能电站的容量优化方法、装置及设备,可以解决目前的容量规划方法的研究角度单一的问题,提高容量效益的准确度。
根据本发明的一方面,提供了一种抽水蓄能电站的容量优化方法,包括:
根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数,其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成;
获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征;
根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解;
根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
根据本发明的另一方面,提供了一种抽水蓄能电站的容量优化装置,包括:
目标函数生成模块,用于根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数,其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成;
电站特征获取模块,用于获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征;
约束条件确定模块,用于根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解;
容量效益确定模块,用于根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的抽水蓄能电站的容量优化方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的抽水蓄能电站的容量优化方法。
本发明实施例的技术方案,提供了一种定量的计算抽水蓄能电站的容量效益的方式。采用本发明可计算抽水蓄能电站参与多类型电源系统电力平衡的容量,既可避免由于低谷抽水蓄能电站的容量效益而导致系统装机过多,新能源发电消纳困难及火电利用小时数过低,造成一定程度的投资浪费的问题,也可避免由于高估抽水蓄能电站的容量效益而导致系统装机不足,造成系统电力紧缺,供电可靠性低的问题。本发明实施例能够定量计算抽水蓄能电站的容量效益,适用于多类型电源系统抽水蓄能的电站容量效益的评估、调度方式安排等场景,实现多类型电源系统抽水蓄能电站在电站的效益最大化时,根据电站的容量效益确定不同类型发电机组的安装数量。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供了一种抽水蓄能电站的容量优化方法的流程图;
图2为本发明实施例提供的另一种抽水蓄能电站的容量优化方法的流程图;
图3为本发明实施例提供的又一种抽水蓄能电站的容量优化方法的流程图;
图4为本发明实施例提供的一种抽水蓄能电站的容量优化装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供了一种抽水蓄能电站的容量优化方法的流程图,本实施例可适用于多类型电源系统抽水蓄能电站容量效益的评估、调度方式安排等情况,该方法可以由抽水蓄能电站的容量优化装置来执行,该抽水蓄能电站的容量优化装置可以采用硬件和/或软件的形式实现,该抽水蓄能电站的容量优化装置可配置于电子设备中。如图1所示,该方法包括:
S110、根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数。
其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成。
在本发明实施例中,所述抽水蓄能电站作为一种特殊的电源形式,它既是电源又是负荷。抽水蓄能电站在电力系统中不仅可以用作削峰填谷、旋转备用、负荷跟踪,还可以承担调频、调相、黑启动、增加系统可靠性等功能。为了使抽水蓄能电站的功能得到充分发挥,使在电力系统中的经济效益得到最大化,必须对它进行合理的电站容量效益计算。
详细地,抽水蓄能电站给电力系统带来的效益中,不仅包括静态效益,还含有明显的动态效益,除此之外,它还会带来一定的环保效益、社会效益等等,其中,所述初始容量效益隶属于所述静态效益。
进一步地,所述抽水蓄能电站的各种效益相互制约、相互影响的,只有考虑到所有的效益制约条件,才能确定所述抽水蓄能电站的各个效益值,亦即,在所述效益制约条件的限制下求解出所述抽水蓄能电站的最大经济效益,其中所述最大经济效益中的容量效益即为所求。
可选地,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
根据预设的容量效益模型生成所述抽水蓄能电站的初始容量效益。
所述预设的容量效益模型为:
Figure 100002_DEST_PATH_IMAGE001
其中,
Figure 108074DEST_PATH_IMAGE002
是容量效益,
Figure 556373DEST_PATH_IMAGE003
是中高压调峰机组固定投资及运行维护费用,
Figure 742635DEST_PATH_IMAGE004
是抽水蓄 能电站机组固定投资及运行维护费用,
Figure 403424DEST_PATH_IMAGE005
是中高压调峰机组单位容量的固定投资费用及运 行维护费用,
Figure 889900DEST_PATH_IMAGE006
是抽水蓄能电站机组单位容量的固定投资费用及运行维护费用,
Figure 243521DEST_PATH_IMAGE007
是抽水蓄 能电站的容量,
Figure 917079DEST_PATH_IMAGE008
是年发电利用小时数。
具体地,所述抽水蓄能电站的容量是可以人为确定的,当抽水蓄能电站还未建成时,所述容量是所述抽水蓄能电站的规划容量值;当所述抽水蓄能电站已建成,则所述容量是所述抽水蓄能电站的实际容量值。
进一步地,所述年发电利用小时数是一年内一个地区平均发电设备容量在满负荷运行条件下的运行小时数,即发电量与平均装机容量之比,反映了该地区发电设备利用率;当抽水蓄能电站还未建成时,所述年发电利用小时数是基于参考资料获取的;当所述抽水蓄能电站已建成,则所述年发电利用小时数是基于所述抽水蓄能电站的历史数据生成的。
详细地,电力系统中都会备有额定的容量与电量以便在负荷尖峰时刻进行紧急调峰,以免造成不必要的经济损失,这个备用调峰容量的固定投资及运行维护费用在电力系统中是一笔不小的费用,因为它的运行机组投入费用远远高于普通运行机组。而当电网中投入运行抽水蓄能电站机组去担当调峰容量时,它可以完全出色地展现出自身的优势——“削峰填谷”功能,就可以用它去顶替电力系统中使用其他机组作为电网调峰备用容量的机组,尤其是那些价格较昂贵的火电调峰机组,这样就可以为系统节省固定的投资费用,抽水蓄能电站所带来的这部分效益往往称之为抽水蓄能电站的初始容量效益。
可选地,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量;获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量;根据所述低谷时期电网日节约煤耗量和高峰时期电网日节约煤耗量,确定所述抽水蓄能电站的日调节效益。
在本发明实施例中,所述日调节效益又称煤耗效益,所述煤耗效益是指是指抽水蓄能电站在削峰填谷时因为煤耗量减小给系统带来的经济效益;所述静态效益是指抽水蓄能电站在削峰填谷时给系统带来的节煤效益、抽水蓄能电站取代启停机组所节省的燃油耗量及蓄能机组工作于调峰容量时,还可以节省的固定投资费用及其运行维护费用。
详细地,由于电力系统在谷荷时段运行时,抽水蓄能电站就会“借用”火力发电机组腰荷中的闲置容量,将其转换为电能作为抽水蓄能电站进行抽水储能时的抽水电源,电源通过抽水泵将下游水库中的水抽到上游水库中以水体势能的形式进行库存,以便在峰荷时进行调用。由于抽水蓄能电站在抽水蓄能时将消耗掉电力系统火力发电机组中大部分的容量,就会使火电机组中的腰荷容量转变为基荷容量,其中它所消耗掉的这部分能量,及时填补了电网日负荷曲线图中的低谷部分,实现了自身的填谷作用,同时也提高了火电机组设备的使用效率,节约了一定量的煤耗,降低了厂用电量,节约的这部分燃料称之为煤耗效益。
详细地,所述电量日负荷低谷是指系统电量需求值在局部区域内为极小值;所述电量日负荷高峰是指系统电量需求值在局部区域内为极大值。
详细地,在负荷高峰时期,抽水蓄能电站就能够积极主动地去承担电力系统巅峰时期的负荷,它是将上游水库中的水量排放出来,冲发水轮发电机进行发电去及时弥补电力系统处于尖峰负荷时所需要的容量与电量,完成它的调峰任务,从而有效地取代了煤耗率高且发电成本昂贵的调峰火电机组,节约了大量的能源。
进一步地,所述根据所述低谷时期电网日节约煤耗量和所述高峰时期电网日节约煤耗量确定所述抽水蓄能电站的日调节效益是指将所述低谷时期电网日节约煤耗量加上所述高峰时期电网日节约煤耗量即可得到所述抽水蓄能电站的日调节效益,其中,所述日调节效益的正负反映了在引入抽水蓄能电站之后,它是否在削峰填谷时刻能够给电力系统带来大量地节煤,能否给系统带来一定的经济效益,如果所述日调节效益大于零,则表明抽水蓄能电站给电网节约了一定量煤炭,也就带来了数量的经济效益;如果所述日调节效益小于零,则恰恰相反,则进一步说明选取的抽水蓄能电站是失败的、不可取的。
可选地,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
获取所述抽水蓄能电站的系统装机容量,根据所述系统装机容量确定所述抽水蓄能电站的单位容量效益和单位电量效益;根据所述单位容量效益和单位电量效益生成所述抽水蓄能电站的单位效益;根据预设的动态效益模型和所述单位效益生成所述抽水蓄能电站的动态效益。
在本发明实施例中,由于抽水蓄能电站可以在电网中迅速启停、敏捷运转,可以与系统配合运行发挥出强大的功能,所以它往往在系统中担任多项“职务”,比如经常承担系统的调相、调频、事故备用、负荷跟踪等“动态职务”而带来一定量的所述动态效益。
详细地,所述系统装机容量指所述抽水蓄能电站中所装有的全部汽轮或水力发电机组额定功率的总和。
详细地,利用预设的调频效益模型和所述系统装机容量的占比生成所述抽水蓄能电站的调频效益;利用预设的调相效益模型和所述单位效益生成所述抽水蓄能电站的调相效益,其中,所述预设的动态效益模型包括:所述预设的调频效益算法和所述预设的调相效益算法,所述动态效益是所述调频效益和所述调相效益的总和,其中,所述系统装机容量的占比为经验数据,本发明实施例并不限定所述占比的具体取值。
在本发明实施例中,所述环保效益主要是指在抽水蓄能电站参与系统运行时,它可以顶替部分容量的火力发电机组及其他机组运行,并在运行中几乎是不产生硫氧化合物、碳氧化合物、氮氧化合物及碳氢化合物等,从而它对外界产生的污染排放量几乎为零的,基本上不产生污染,为当地政府和企业治理环境污染带来了很大便利,减少了他们在治理环境污染及其他污染的费用。
在本发明实施例中,所述根据所述动态效益、所述环保效益和所述静态效益生成所述抽水蓄能电站的效益目标函数,包括:
利用如下效益目标算法生成所述抽水蓄能电站的效益目标函数:
Figure 912716DEST_PATH_IMAGE009
其中,
Figure 988120DEST_PATH_IMAGE010
是所述效益目标函数的函数值,
Figure 653587DEST_PATH_IMAGE011
是抽水蓄能电站能在电网中的总经 济效益,
Figure 204655DEST_PATH_IMAGE012
是抽水蓄能电站静态效益,
Figure 348191DEST_PATH_IMAGE013
是抽水蓄能电站动态效益,
Figure 543680DEST_PATH_IMAGE014
是抽水蓄能电站环 保效益,
Figure 504683DEST_PATH_IMAGE015
是抽水蓄能电站能在电网中的最大经济效益值。
进一步地,所述环保效益主要是指在抽水蓄能电站参与系统运行时,它可以顶替部分容量的火力发电机组及其他机组运行,并在运行中几乎是不产生硫氧化合物、碳氧化合物、氮氧化合物及碳氢化合物等,从而它对外界产生的污染排放量几乎为零的,基本上不产生污染,为当地政府和企业治理环境污染带来了很大便利,减少了他们在治理环境污染及其他污染的费用。
详细地,所述环保效益可根据所述抽水蓄能电站的节省标准煤量、CO排放减少量、碳氢化合物排放减少量、氮氢化合物排放减少量和SO2排放减少量等方面进行确定。
详细地,当抽水蓄能电站在满足电力系统的正常运行及各种约束条件的情况下,如何规划出抽水蓄能电站在电网中的最优运行比例(即规划出抽水蓄能电站在电力系统中的最佳容量),使它在电力系统中的功能得到出色发挥,就很有必要对抽水蓄能电站的容量进行规划,建立一个优化函数模型,这个优化函数模型必须使抽水蓄能电站能在电网中的静态效益、动态效益及环保效益等经济效益要使之最大化,这个使经济效益达到最大化的抽水蓄能电站容量就是最佳容量。
S120、获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征。
在本发明实施例中,所述电站数据包括但不限于电网的可调容量值,电网总装机容量值,电网损耗、用户总负荷、发电机组厂用电、冷备用容量值、热备用容量值等。
详细地,所述对电站数据进行特征提取是便于对所述电站数据进行分类。
示例性地,所述对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征,包括:
对所述电站数据进行数据清洗,得到所述电站数据的标准数据;
对所述标准数据进行分词处理,得到所述标准数据的标准分词;
对所述标准分词进行聚类,得到所述标准分词的聚类分词;
对所述聚类分词进行主题分析,得到所述聚类分词的主题特征,确定所述主题特征为所述电站数据对应的电站特征。
具体地,所述数据清洗是为了用T检验、f检验等方式去除所述电站数据中的异常值;所述分词处理可以利用jieba分词工具进行;根据预设的距离公式对所述标准分词进行聚类,所述预设的距离公式包括但不限于:欧氏距离、皮尔森相似度算法。
S130、根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解。
在本发明实施例中,所述电站特征可以是电力平衡特征、电站最大出力特征、电站最小出力特征、电站电量平衡特征、系统备用容量特征、待建电站最早投入年限、机组的爬坡速度等。
详细地,所述根据所述约束条件确定所述效益目标函数的最优值,可以利用单纯形法来确定所述效益目标函数在所述约束条件下的最优值,所述单纯形法的基本思路是先找出可行域的一个顶点,据一定规则判断其是否最优;若否,则转换到与之相邻的另一顶点,并使目标函数值更优;如此下去,直到找到某最优解为止。
详细地,所述约束条件包括但不限于:电力平衡约束、电站最大出力约束、电站最小出力约束、抽水蓄能电站电量平衡约束、抽水蓄能电站的库容约束与备用容量约束、抽水蓄能电站整机抽水约束、系统备用容量约束、待建电站建设施工的约束条件、环保约束、机组的爬坡速度约束条件等,其中,所述待建电站建设施工的约束条件又可细分为待建电站各年最大装机容量约束、待建电站的总装机容量约束、待建电站最早投入年限约束。
详细地,所述最优值是在满足所述约束条件的情况下生成的,亦即,所述确定最优值的离散变量是属于所述约束条件形成的可行域内的,可通过控制变量法确定所述离散变量,所述离散变量可以是当所述年发电利用小时数固定时的所述抽水蓄能电站的容量,也可是当所述抽水蓄能电站的容量固定时的所述年发电利用小时数,所述离散变量就是所述预设的容量效益算法中的参数。
进一步地,假设所述离散变量是抽水蓄能电站的容量,根据某一确定的满足所述约束条件的离散变量值,可以使得所述抽水蓄能电站的获得最大效益,亦即,所述参数所对应的容量效益值就是所述离散变量值。
详细地,根据所述离散变量值可以计算所述抽水蓄能电站的效益最大值,获取所述容量效益在所述抽水蓄能电站效益中的占比,根据所述占比和所述效益最大值生成所述抽水蓄能电站的容量效益,所述抽水蓄能电站的效益最大值是所述效益目标函数的最优值,其中,由于环保政策不同、公司其他成本差异,故所述容量效益在所述抽水蓄能电站效益中的占比是根据实际情况确定。
S140、根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
当获得所述最优值时,确定所述最优值所对应的约束条件,根据所述约束条件确定所述预设的容量效益算法中的参数所对应的容量效益值,根据容量效益值生成所述抽水蓄能电站的容量效益。
具体地,所述预设的容量效益算法中的参数为确定最优解的离散变量,离散变量属于所述约束条件形成的可行域内的,可通过控制变量法确定所述离散变量,所述离散变量可以是当所述年发电利用小时数固定时的所述抽水蓄能电站的容量,也可是当所述抽水蓄能电站的容量固定时的所述年发电利用小时数。
本发明实施例提供一种定量的计算抽水蓄能电站的容量效益的方式。采用本发明可计算抽水蓄能电站参与多类型电源系统电力平衡的容量,既可避免由于低谷抽水蓄能电站的容量效益而导致系统装机过多,新能源发电消纳困难及火电利用小时数过低,造成一定程度的投资浪费的问题,也可避免由于高估抽水蓄能电站的容量效益而导致系统装机不足,造成系统电力紧缺,供电可靠性低的问题。本发明实施例能够定量计算抽水蓄能电站的容量效益,适用于多类型电源系统抽水蓄能的电站容量效益的评估、调度方式安排等场景,实现多类型电源系统抽水蓄能电站在电站的效益最大化时,根据电站的容量效益确定不同类型发电机组的安装数量。
图2为本发明实施例提供的另一种抽水蓄能电站的容量优化方法的流程图,本实施例在上述实施例的基础上,进一步限定了根据预设的容量效益模型生成所述抽水蓄能电站的初始容量效益。如图2所示,该方法包括:
S210、确定所述抽水蓄能电站在容量为单位容量时的中高压调峰机组的年运行维护费率。
S220、确定所述抽水蓄能电站在容量为单位容量时的抽水蓄能电站机组的年运行维护费率。
S230、根据所述抽水蓄能电站的贴现率和使用年限,确定所述抽水蓄能电站所需投资的抽水蓄能电站机组和中高压调峰机组的年投资费用率。
示例性地,利用如下年投资费用率算法确定所述抽水蓄能电站所需要投资的抽水蓄能电站机组和中高压调峰机组的年投资费用率:
Figure 173341DEST_PATH_IMAGE016
其中,
Figure 979623DEST_PATH_IMAGE017
是所述年投资费用率,
Figure 295198DEST_PATH_IMAGE018
是所述抽水蓄能电站的贴现率,
Figure 161523DEST_PATH_IMAGE019
是所述抽水蓄能 电站的使用年限。
S240、根据所述中高压调峰机组的年运行维护费率、所述抽水蓄能电站机组的年运行维护费率以及所述年投资费用率,生成所述抽水蓄能电站的年固定费用。
具体地,所述年固定费用包括:中高压调峰机组单位容量的固定投资费用及运行 维护费用
Figure 296969DEST_PATH_IMAGE005
和抽水蓄能电站机组单位容量的固定投资费用及运行维护费用
Figure 47887DEST_PATH_IMAGE006
;所述年运行 维护费率是指容量为单位容量时,中高压调峰机组、抽水蓄能电站的运行维护费率。
采用如下公式计算所述抽水蓄能电站的年固定费用:
Figure 342602DEST_PATH_IMAGE020
其中,
Figure 786353DEST_PATH_IMAGE021
是所述抽水蓄能电站的年固定费用,
Figure 409095DEST_PATH_IMAGE022
是所述年运行维护费率,
Figure DEST_PATH_IMAGE023
是每单 位千瓦的中高压调峰机组、抽水蓄能电站机组所需要投资的设备费用,
Figure 494863DEST_PATH_IMAGE017
是年投资费用率。
将年运行维护费率和年投资费用率代入上述公式,计算得到抽水蓄能电站的年固定费用。
进一步地,用来计算
Figure 253872DEST_PATH_IMAGE021
的年固定费用公式可以用来计算
Figure 993158DEST_PATH_IMAGE005
Figure 100266DEST_PATH_IMAGE006
,当所述年固定费用 公式用来计算
Figure 927408DEST_PATH_IMAGE021
时,
Figure 196715DEST_PATH_IMAGE017
代入中高压调峰机组和抽水蓄能电站机组的年投资费用率,
Figure 716689DEST_PATH_IMAGE022
代入中 高压调峰机组和抽水蓄能电站机组的年运行维护费率,
Figure 314024DEST_PATH_IMAGE023
是每单位千瓦的中高压调峰机 组、抽水蓄能电站机组所需要投资的设备费用;当年固定费用公式用来计算时,
Figure 69490DEST_PATH_IMAGE017
代入中高 压调峰机组的年投资费用率,
Figure 803091DEST_PATH_IMAGE022
代入中高压调峰机组年运行维护费率,
Figure 618600DEST_PATH_IMAGE023
是每单位千瓦的 中高压调峰机组所需要投资的设备费用;当年固定费用公式用来计算
Figure 703231DEST_PATH_IMAGE006
时,
Figure 403334DEST_PATH_IMAGE017
代入抽水蓄能 电站机组的年投资费用率,
Figure 116075DEST_PATH_IMAGE022
代入抽水蓄能电站机组年运行维护费率,
Figure 977852DEST_PATH_IMAGE023
是每单位千瓦的 抽水蓄能电站机组所需要投资的设备费用。
S250、采用所述预设的容量效益模型基于所述年固定费用,生成所述抽水蓄能电站的初始容量效益。
通过年固定费用公式分别计算得到
Figure 281270DEST_PATH_IMAGE005
Figure 644118DEST_PATH_IMAGE006
,然后,将
Figure 617890DEST_PATH_IMAGE005
Figure 384989DEST_PATH_IMAGE006
代入预设的容量效益模 型,得到抽水蓄能电站的初始容量效益。
本发明实施例提供一种计算抽水蓄能电站的初始容量效益的方式,能够定量的计算初始容量效益,丰富了后续构建抽水蓄能电站的效益目标函数的研究角度,实现从多角度出发确定抽水蓄能电站的容量效益。
图3为本发明实施例提供的又一种抽水蓄能电站的容量优化方法的流程图,本实施例在上述实施例的基础上,进一步限定了低谷时期电网日节约煤耗量和高峰时期电网日节约煤耗量的计算方式。如图3所示,该方法包括:
S301、计算所述抽水蓄能电站在未抽水蓄能时的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第一乘法运算结果。
S302、获取所述抽水蓄能电站的电量日负荷低谷时的开始时间和终止时间构成的第一时间区间,计算所述第一乘法运算结果在所述第一时间区间上的第一积分运算结果。
S303、根据所述抽水蓄能电站在未抽水蓄能时的所有机组的所述第一积分运算结果,确定所述抽水蓄能电站在未抽水蓄能时的一级煤耗量。
具体地,采用如下一级煤耗量公式计算所述抽水蓄能电站在未抽水蓄能时的一级煤耗量:
Figure 568846DEST_PATH_IMAGE024
其中,
Figure 345172DEST_PATH_IMAGE025
是所述抽水蓄能电站在未抽水蓄能时的一级煤耗量,
Figure 766926DEST_PATH_IMAGE026
是所述抽水蓄 能电站在未抽水蓄能时的第
Figure 236084DEST_PATH_IMAGE027
个机组的子一级煤耗量,
Figure 251445DEST_PATH_IMAGE027
是所述机组的标识,
Figure 362620DEST_PATH_IMAGE028
是所述机组的 总数,
Figure 904460DEST_PATH_IMAGE029
是所述抽水蓄能电站在电量日负荷低谷时的起始时间,
Figure 544520DEST_PATH_IMAGE030
是所述抽水蓄能电站在 电量日负荷低谷时的终止时间,
Figure 171810DEST_PATH_IMAGE031
是所述抽水蓄能电站在未抽水蓄能时的第
Figure 552589DEST_PATH_IMAGE027
个机组 的煤耗率,
Figure 89880DEST_PATH_IMAGE032
是所述抽水蓄能电站在未抽水蓄能时的第
Figure 759896DEST_PATH_IMAGE027
个机组随时间变化的负荷函 数,
Figure 15428DEST_PATH_IMAGE033
是所述负荷函数的自变量。
S304、计算所述抽水蓄能电站在抽水蓄能时承担抽水负荷的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第二乘法运算结果。
S305、计算所述第二乘法运算结果在所述第一时间区间上的第二积分运算结果。
S306、根据所述抽水蓄能电站在抽水蓄能时承担抽水负荷的所有机组的所述第二积分运算结果,确定所述抽水蓄能电站在抽水蓄能时的二级煤耗量。
具体地,采用如下二级煤耗量公式计算所述抽水蓄能电站在抽水蓄能时的二级煤耗量:
Figure 937248DEST_PATH_IMAGE034
其中,
Figure 453680DEST_PATH_IMAGE035
是所述抽水蓄能电站在抽水蓄能时的二级煤耗量,
Figure 169963DEST_PATH_IMAGE036
是所述抽水蓄能电 站在未抽水蓄能时的第
Figure 178370DEST_PATH_IMAGE027
个机组的子二级煤耗量,
Figure 903881DEST_PATH_IMAGE027
是所述机组的标识,
Figure 274819DEST_PATH_IMAGE028
是所述机组的总 数,
Figure 427583DEST_PATH_IMAGE029
是所述抽水蓄能电站在电量日负荷低谷时的起始时间,
Figure 251183DEST_PATH_IMAGE030
是所述抽水蓄能电站在电 量日负荷低谷时的终止时间,
Figure 777454DEST_PATH_IMAGE037
是所述抽水蓄能电站在抽水蓄能时承担抽水负 荷的第
Figure 878266DEST_PATH_IMAGE027
个机组的煤耗率,
Figure 326564DEST_PATH_IMAGE038
是所述抽水蓄能电站在抽水蓄能时承担抽水负荷 的第
Figure 778405DEST_PATH_IMAGE027
个机组随时间变化的负荷函数,
Figure 111298DEST_PATH_IMAGE033
是所述负荷函数的自变量,
Figure 191249DEST_PATH_IMAGE039
是每个机组所承担 的抽水蓄能符合,
Figure 951395DEST_PATH_IMAGE040
是所述机组是否用于抽水蓄能的标志。
S307、根据所述一级煤耗量和二级煤耗量获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量。
示例性地,将一级煤耗量和二级煤耗量相加,得到所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量。
详细地,所述根据所述一级煤耗量和所述二级煤耗量生成所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量是指在考虑输电平均线损率的基础上,利用所述一级煤耗量和所述二级煤耗量得到所述低谷时期电网日节约煤耗量。
S308、计算在电量日负荷高峰时机组的煤耗率与机组承担发电负荷时的煤耗率的减法运算结果,计算所述减法运算结果与高峰时机组中的负荷函数的第三乘法运算结果。
S309、获取所述抽水蓄能电站的电量日负荷高峰时的开始时间和终止时间构成的第二时间区间,计算所述第三乘法运算结果在所述第二时间区间上的第三积分运算结果。
S310、计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第三积分运算结果的第一累加运算结果。
S311、计算电量日负荷高峰时机组承担发电负荷时的煤耗率与高峰时所述抽水蓄能电站的发电功率的第四乘法运算结果。
S312、计算所述第四乘法运算结果在所述第二时间区间上的第四积分运算结果。
S313、计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第四积分运算结果的第二累加运算结果。
S314、根据所述第一累加运算结果和第二累加运算结果获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量。
具体地,采用如下煤耗公式计算所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量:
Figure 890532DEST_PATH_IMAGE041
其中,
Figure 761536DEST_PATH_IMAGE042
所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗 量,
Figure 961573DEST_PATH_IMAGE043
是所述抽水蓄能电站在电量日负荷高峰时的起始时间,
Figure 892620DEST_PATH_IMAGE044
是所述抽水蓄能电站在电 量日负荷高峰时的终止时间,
Figure DEST_PATH_IMAGE045
是在电量日负荷高峰时所述机组的标识,
Figure 988228DEST_PATH_IMAGE046
是在电量日负荷 高峰时所述机组的总数,
Figure 256398DEST_PATH_IMAGE047
是高峰时机组的煤耗率,
Figure 451887DEST_PATH_IMAGE048
是高峰时机组中的负荷函 数,
Figure 412890DEST_PATH_IMAGE049
是每个机组所降低的发电功率,
Figure 61040DEST_PATH_IMAGE050
是机组中承担发电负荷时的负荷,
Figure 8267DEST_PATH_IMAGE051
是机组承担发电负荷时的煤耗率,
Figure 182897DEST_PATH_IMAGE052
是高峰时所述抽水蓄能电站的发 电功率,
Figure 924588DEST_PATH_IMAGE053
是电网无抽水蓄能时的输电平均线损率,
Figure 184668DEST_PATH_IMAGE054
是超参数,
Figure 670007DEST_PATH_IMAGE055
是所述负荷函数的自变量。
需要说明的是,S301- S307为计算所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量的步骤,S308- S314为计算所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量的步骤,上述示例仅给出了一种示例性的执行方式,S301-S307与S308- S314并没有固定的执行顺序,可以采用上述实施例所述的方式执行,也可以并列执行,或者先执行计算所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量的步骤,本发明并不作具体限定。
本发明实施例提供一种计算抽水蓄能电站的日调节效益的方式,能够定量的计算日调节效益,丰富了后续构建抽水蓄能电站的效益目标函数的研究角度,实现从多角度出发确定抽水蓄能电站的容量效益。
图4为本发明实施例提供的一种抽水蓄能电站的容量优化装置的结构示意图。该抽水蓄能电站的容量优化装置可以采用硬件和/或软件的形式实现,该抽水蓄能电站的容量优化装置可配置于电子设备中。如图4所示,该装置包括:目标函数生成模块410、电站特征获取模块420、约束条件确定模块430和容量效益确定模块440。
目标函数生成模块410,用于根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数,其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成;
电站特征获取模块420,用于获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征;
约束条件确定模块430,用于根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解;
容量效益确定模块440,用于根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
可选地,所述装置还包括:
初始容量效益生成模块,用于在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,根据预设的容量效益模型生成所述抽水蓄能电站的初始容量效益;
所述预设的容量效益模型为:
Figure 964722DEST_PATH_IMAGE001
其中,
Figure 877314DEST_PATH_IMAGE002
是容量效益,
Figure 624691DEST_PATH_IMAGE003
是中高压调峰机组固定投资及运行维护费用,
Figure 176370DEST_PATH_IMAGE004
是抽水蓄 能电站机组固定投资及运行维护费用,
Figure 794433DEST_PATH_IMAGE005
是中高压调峰机组单位容量的固定投资费用及运 行维护费用,
Figure 409085DEST_PATH_IMAGE006
是抽水蓄能电站机组单位容量的固定投资费用及运行维护费用,
Figure 112599DEST_PATH_IMAGE007
是抽水蓄 能电站的容量,
Figure 939741DEST_PATH_IMAGE008
是年发电利用小时数。
可选地,初始容量效益生成模块具体用于:
确定所述抽水蓄能电站在容量为单位容量时的中高压调峰机组的年运行维护费率;
确定所述抽水蓄能电站在容量为单位容量时的抽水蓄能电站机组的年运行维护费率;
根据所述抽水蓄能电站的贴现率和使用年限,确定所述抽水蓄能电站所需投资的抽水蓄能电站机组和中高压调峰机组的年投资费用率;
根据所述中高压调峰机组的年运行维护费率、所述抽水蓄能电站机组的年运行维护费率以及所述年投资费用率,生成所述抽水蓄能电站的年固定费用;
采用所述预设的容量效益模型基于所述年固定费用,生成所述抽水蓄能电站的初始容量效益。
可选地,所述装置还包括:
第一煤耗量获取模块,用于在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量;
第二煤耗量获取模块,用于获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量;
日调节效益确定模块,用于根据所述低谷时期电网日节约煤耗量和高峰时期电网日节约煤耗量,确定所述抽水蓄能电站的日调节效益。
进一步地,第一煤耗量获取模块具体用于:
计算所述抽水蓄能电站在未抽水蓄能时的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第一乘法运算结果;
获取所述抽水蓄能电站的电量日负荷低谷时的开始时间和终止时间构成的第一时间区间,计算所述第一乘法运算结果在所述第一时间区间上的第一积分运算结果;
根据所述抽水蓄能电站在未抽水蓄能时的所有机组的所述第一积分运算结果,确定所述抽水蓄能电站在未抽水蓄能时的一级煤耗量;
计算所述抽水蓄能电站在抽水蓄能时承担抽水负荷的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第二乘法运算结果;
计算所述第二乘法运算结果在所述第一时间区间上的第二积分运算结果;
根据所述抽水蓄能电站在抽水蓄能时承担抽水负荷的所有机组的所述第二积分运算结果,确定所述抽水蓄能电站在抽水蓄能时的二级煤耗量;
根据所述一级煤耗量和二级煤耗量获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量。
进一步地,第二煤耗量获取模块具体用于:
计算在电量日负荷高峰时机组的煤耗率与机组承担发电负荷时的煤耗率的减法运算结果,计算所述减法运算结果与高峰时机组中的负荷函数的第三乘法运算结果;
获取所述抽水蓄能电站的电量日负荷高峰时的开始时间和终止时间构成的第二时间区间,计算所述第三乘法运算结果在所述第二时间区间上的第三积分运算结果;
计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第三积分运算结果的第一累加运算结果;
计算电量日负荷高峰时机组承担发电负荷时的煤耗率与高峰时所述抽水蓄能电站的发电功率的第四乘法运算结果;
计算所述第四乘法运算结果在所述第二时间区间上的第四积分运算结果;
计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第四积分运算结果的第二累加运算结果;
根据所述第一累加运算结果和第二累加运算结果获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量。
可选地,所述装置还包括:
动态效益生成模块,用于在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,获取所述抽水蓄能电站的系统装机容量,根据所述系统装机容量确定所述抽水蓄能电站的单位容量效益和单位电量效益;根据所述单位容量效益和单位电量效益生成所述抽水蓄能电站的单位效益;根据预设的动态效益模型和所述单位效益生成所述抽水蓄能电站的动态效益。
可选地,电站特征获取模块具体用于:
对所述电站数据进行数据清洗,得到所述电站数据的标准数据;
对所述标准数据进行分词处理,得到所述标准数据的标准分词;
对所述标准分词进行聚类,得到所述标准分词的聚类分词;
对所述聚类分词进行主题分析,得到所述聚类分词的主题特征,确定所述主题特征为所述电站数据对应的电站特征。
需要说明的是,本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
本发明实施例所提供的抽水蓄能电站的容量优化装置可执行本发明任意实施例所提供的抽水蓄能电站的容量优化方法,具备执行方法相应的功能模块和有益效果。
图5为本发明实施例提供的一种电子设备的结构示意图。图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备为本发明任意实施例提供的一种抽水蓄能电站的容量优化方法的执行主体,包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述多类型电源系统抽水蓄能电站容量效益计算方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如抽水蓄能电站的容量优化方法。
在一些实施例中,抽水蓄能电站的容量优化方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的抽水蓄能电站的容量优化方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行抽水蓄能电站的容量优化方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种抽水蓄能电站的容量优化方法,其特征在于,包括:
根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数,其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成;
获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征;
根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解;
根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
2.根据权利要求1所述的方法,其特征在于,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
根据预设的容量效益模型生成所述抽水蓄能电站的初始容量效益;
所述预设的容量效益模型为:
Figure DEST_PATH_IMAGE001
其中,
Figure 502582DEST_PATH_IMAGE002
是容量效益,
Figure 19626DEST_PATH_IMAGE004
是中高压调峰机组固定投资及运行维护费用,
Figure 741594DEST_PATH_IMAGE006
是抽水蓄能电 站机组固定投资及运行维护费用,
Figure 372427DEST_PATH_IMAGE007
是中高压调峰机组单位容量的固定投资费用及运行维 护费用,
Figure 371607DEST_PATH_IMAGE008
是抽水蓄能电站机组单位容量的固定投资费用及运行维护费用,
Figure 187116DEST_PATH_IMAGE009
是抽水蓄能电 站的容量,
Figure 271747DEST_PATH_IMAGE010
是年发电利用小时数。
3.根据权利要求2所述的方法,其特征在于,所述根据预设的容量效益模型生成所述抽水蓄能电站的初始容量效益,包括:
确定所述抽水蓄能电站在容量为单位容量时的中高压调峰机组的年运行维护费率;
确定所述抽水蓄能电站在容量为单位容量时的抽水蓄能电站机组的年运行维护费率;
根据所述抽水蓄能电站的贴现率和使用年限,确定所述抽水蓄能电站所需投资的抽水蓄能电站机组和中高压调峰机组的年投资费用率;
根据所述中高压调峰机组的年运行维护费率、所述抽水蓄能电站机组的年运行维护费率以及所述年投资费用率,生成所述抽水蓄能电站的年固定费用;
采用所述预设的容量效益模型基于所述年固定费用,生成所述抽水蓄能电站的初始容量效益。
4.根据权利要求1所述的方法,其特征在于,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量;
获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量;
根据所述低谷时期电网日节约煤耗量和高峰时期电网日节约煤耗量,确定所述抽水蓄能电站的日调节效益。
5.根据权利要求4所述的方法,其特征在于,所述获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量,包括:
计算所述抽水蓄能电站在未抽水蓄能时的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第一乘法运算结果;
获取所述抽水蓄能电站的电量日负荷低谷时的开始时间和终止时间构成的第一时间区间,计算所述第一乘法运算结果在所述第一时间区间上的第一积分运算结果;
根据所述抽水蓄能电站在未抽水蓄能时的所有机组的所述第一积分运算结果,确定所述抽水蓄能电站在未抽水蓄能时的一级煤耗量;
计算所述抽水蓄能电站在抽水蓄能时承担抽水负荷的第i个机组的耗煤率与所述第i个机组随时间变化的负荷函数的第二乘法运算结果;
计算所述第二乘法运算结果在所述第一时间区间上的第二积分运算结果;
根据所述抽水蓄能电站在抽水蓄能时承担抽水负荷的所有机组的所述第二积分运算结果,确定所述抽水蓄能电站在抽水蓄能时的二级煤耗量;
根据所述一级煤耗量和二级煤耗量获取所述抽水蓄能电站在电量日负荷低谷时的低谷时期电网日节约煤耗量。
6.根据权利要求4所述的方法,其特征在于,所述获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量,包括:
计算在电量日负荷高峰时机组的煤耗率与机组承担发电负荷时的煤耗率的减法运算结果,计算所述减法运算结果与高峰时机组中的负荷函数的第三乘法运算结果;
获取所述抽水蓄能电站的电量日负荷高峰时的开始时间和终止时间构成的第二时间区间,计算所述第三乘法运算结果在所述第二时间区间上的第三积分运算结果;
计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第三积分运算结果的第一累加运算结果;
计算电量日负荷高峰时机组承担发电负荷时的煤耗率与高峰时所述抽水蓄能电站的发电功率的第四乘法运算结果;
计算所述第四乘法运算结果在所述第二时间区间上的第四积分运算结果;
计算所述抽水蓄能电站在电量日负荷高峰时的所有机组的所述第四积分运算结果的第二累加运算结果;
根据所述第一累加运算结果和第二累加运算结果获取所述抽水蓄能电站在电量日负荷高峰时的高峰时期电网日节约煤耗量。
7.根据权利要求1所述的方法,其特征在于,在根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数之前,还包括:
获取所述抽水蓄能电站的系统装机容量,根据所述系统装机容量确定所述抽水蓄能电站的单位容量效益和单位电量效益;
根据所述单位容量效益和单位电量效益生成所述抽水蓄能电站的单位效益;
根据预设的动态效益模型和所述单位效益生成所述抽水蓄能电站的动态效益。
8.根据权利要求1所述的方法,其特征在于,所述对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征,包括:
对所述电站数据进行数据清洗,得到所述电站数据的标准数据;
对所述标准数据进行分词处理,得到所述标准数据的标准分词;
对所述标准分词进行聚类,得到所述标准分词的聚类分词;
对所述聚类分词进行主题分析,得到所述聚类分词的主题特征,确定所述主题特征为所述电站数据对应的电站特征。
9.一种抽水蓄能电站的容量优化装置,其特征在于,包括:
目标函数生成模块,用于根据抽水蓄能电站的动态效益、环保效益和静态效益生成所述抽水蓄能电站的效益目标函数,其中,所述动态效益为抽水蓄能机组投入使用后与其它类型的电站配合带来的效益,环保效益为所述抽水蓄能机组投入使用带来的节能减排方面的效益,所述静态效益基于所述抽水蓄能电站的日调节效益与初始容量效益确定,所述初始容量效益基于预设的容量效益模型生成;
电站特征获取模块,用于获取所述抽水蓄能电站的电站数据,对所述电站数据进行分词处理,基于分词结果进行主题分析,得到所述电站数据对应的电站特征;
约束条件确定模块,用于根据所述电站特征确定所述效益目标函数的约束条件,根据所述约束条件确定所述效益目标函数的最优解;
容量效益确定模块,用于根据所述最优解确定所述预设的容量效益模型中参数对应的容量效益值,根据所述容量效益值生成所述抽水蓄能电站的容量效益,根据所述容量效益确定各类型的发电机组的安装数量。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的抽水蓄能电站的容量优化方法。
CN202211564396.3A 2022-12-07 2022-12-07 一种抽水蓄能电站的容量优化方法、装置及设备 Pending CN115660222A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211564396.3A CN115660222A (zh) 2022-12-07 2022-12-07 一种抽水蓄能电站的容量优化方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211564396.3A CN115660222A (zh) 2022-12-07 2022-12-07 一种抽水蓄能电站的容量优化方法、装置及设备

Publications (1)

Publication Number Publication Date
CN115660222A true CN115660222A (zh) 2023-01-31

Family

ID=85020117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211564396.3A Pending CN115660222A (zh) 2022-12-07 2022-12-07 一种抽水蓄能电站的容量优化方法、装置及设备

Country Status (1)

Country Link
CN (1) CN115660222A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116147921A (zh) * 2023-04-21 2023-05-23 南方电网调峰调频发电有限公司检修试验分公司 一种抽水蓄能发动机的抽水启动测试方法、装置及设备
CN116307935A (zh) * 2023-05-16 2023-06-23 南方电网调峰调频发电有限公司储能科研院 一种电力系统运行模拟的抽水蓄能价值评价方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107046298A (zh) * 2017-04-20 2017-08-15 国家电网公司 一种含风电电力系统的抽水蓄能电站容量配置方法
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107046298A (zh) * 2017-04-20 2017-08-15 国家电网公司 一种含风电电力系统的抽水蓄能电站容量配置方法
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

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
刘君瑶: "考虑"源荷储"协调互动的并网型光伏微电网调度策略研究" *
刘宁等: "土壤铅和镉溶出伏安法检测中影响因素及其削弱方法研究进展" *
刘紫煊等: "基于多特征融合的BiLSTM恶意代码分类" *
唐淇等: "基于 LightGBM 算法的癫痫状态识别" *
崔继纯等: "抽水蓄能电站经济环保效益分析" *
张培: "火电电网中抽水蓄能电站容量优化研究" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116147921A (zh) * 2023-04-21 2023-05-23 南方电网调峰调频发电有限公司检修试验分公司 一种抽水蓄能发动机的抽水启动测试方法、装置及设备
CN116147921B (zh) * 2023-04-21 2023-07-07 南方电网调峰调频发电有限公司检修试验分公司 一种抽水蓄能发动机的抽水启动测试方法、装置及设备
CN116307935A (zh) * 2023-05-16 2023-06-23 南方电网调峰调频发电有限公司储能科研院 一种电力系统运行模拟的抽水蓄能价值评价方法及系统
CN116307935B (zh) * 2023-05-16 2023-08-29 南方电网调峰调频发电有限公司储能科研院 一种电力系统运行模拟的抽水蓄能价值评价方法及系统

Similar Documents

Publication Publication Date Title
CN115660222A (zh) 一种抽水蓄能电站的容量优化方法、装置及设备
Wang et al. Optimal planning of stand-alone microgrids incorporating reliability
Lu et al. Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network
Guo et al. Evaluating effects of battery storage on day-ahead generation scheduling of large hydro–wind–photovoltaic complementary systems
CN107730076B (zh) 一种区域配电网设备综合利用效率分析方法
CN110929428B (zh) 一种电力系统发电容量充裕度确定方法及系统
CN114498679A (zh) 计及调频速率与容量的电力系统储能需求量化方法及系统
CN104392282A (zh) 一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法
CN115864376A (zh) 一种多时间尺度电力保供分析方法及系统
CN115456406A (zh) 一种综合能源系统的评估方法、装置、设备以及存储介质
CN110866647A (zh) 用户侧储能控制方法、装置、设备及存储介质
CN115204944A (zh) 一种计及全寿命周期的储能最优峰谷价差测算方法及装置
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
CN112736969A (zh) 基于新能源经济调度的分布式光伏数据处理方法及系统
Zhao et al. A capacity planning method for wind power based on cooperative game theory in carbon trading process
CN116307935B (zh) 一种电力系统运行模拟的抽水蓄能价值评价方法及系统
CN112257926B (zh) 一种基于分区电价的能量块电力交易系统和出清方法
Wang et al. Intraday net load reserve demand assessment based on catboost and kernel density estimation
Chen et al. Different Impacts of Positive Error and Negative Error of Wind Power Forecasting on Power System Economical Operation
Zhou et al. Analysis of Energy Storage Operation Configuration of Power System Based on Multi-Objective Optimization
CN110930010B (zh) 基于燃气机组的能源市场调度方法、系统和存储介质
CN115630797A (zh) 一种电力现货市场对新能源利用的影响分析方法
CN117977626A (zh) 一种虚拟电厂是否参与调频的分析决策方法及系统
Zhang et al. Research on Demand Side Resources Planning Strategy of Load Aggregator Considering CVaR
Wang et al. Research on the Application of Machine Learning in the Construction of Power Demand Response Model for Edge Computing

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230131

RJ01 Rejection of invention patent application after publication