CN115796501A - 一种梯级水电站群多层级多目标协同调度方法及系统 - Google Patents
一种梯级水电站群多层级多目标协同调度方法及系统 Download PDFInfo
- Publication number
- CN115796501A CN115796501A CN202211462358.7A CN202211462358A CN115796501A CN 115796501 A CN115796501 A CN 115796501A CN 202211462358 A CN202211462358 A CN 202211462358A CN 115796501 A CN115796501 A CN 115796501A
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- hydropower
- cascade
- station
- output
- 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
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种梯级水电站群多层级多目标协同调度方法及系统,该方法考虑电网、梯级和电站等三个层级,分别建立电网、梯级、电站不同调度层级的优化调度模型;在此基础上,提出多层级调度模型之间的嵌套耦合机制,通过不同层级之间相互嵌套,实现“电网‑梯级‑电站”不同调度目标的协同优化;针对不同调度层级模型采用了不同算法以实现模型高效求解,得到梯级水电站日前精细化调度方案。该方法在保障流域水量调度要求和清洁能源消纳要求前提下,实现了梯级水电站发电效益、火电运行平稳性、水电机组运行状态的协同优化。
Description
技术领域
本发明涉及水电调度技术领域,特别涉及一种梯级水电站群多层级多目标协同调度方法及系统。
背景技术
流域梯级水电站承担发电、供水、防洪等综合利用任务,既是双碳目标下新型电力系统建设的重要支撑,又是新时期流域水资源高效利用的可靠保障。近年来,随着新能源快速发展与流域水资源愈加精细和严格的管理要求,梯级水电站既面临更高强度和频次的电网调峰、调频任务,又在水库出库或流域关键断面面临更多的刚性流量、水位约束,同时来自水利、电力两方面的要求极大限制了梯级水电调度运行的优化空间,造成水位大幅波动、机组长时间低效运行等问题。如何更好地统筹电力调度和水量调度任务,进一步挖潜梯级水电站的联合优化空间,降低机组不利工况运行时间,是新时期保障梯级水电站科学调度和高效运行的关键。
梯级水电站短期优化调度通常是以日、时或分钟为尺度的调度决策,目前该领域的研究技术从对象来看,主要可分为跨区域多电网联合优化调度、区域电网优化调度、站间优化调度以及厂内经济运行。从优化目标上来看,主要是以发电、调峰、防洪、灌溉、防凌、航运等单目标或多目标问题为主。在新能源高比例接入的新形势下,如何应对短期风光不确定性成为近年来水电短期调度研究的热点,当前研究多是从缓解互补系统的出力波动方面出发,提出水电与新能源协同运行的短期调度模型。从模型求解方法上来看,短期优化调度涉及须考虑更多、更复杂的水力和电力耦合约束,使得优化模型呈现高维、非线性、非凸等特点,这对模型求解的精度和效率提出了更高的要求。综上,目前梯级水电短期调度主要以流域梯级电站、电网水电调峰或站内经济运行单一层级或两层级嵌套的研究为主,电网、流域、电站各类目标和要求相互组合影响,形成了极为复杂的高维时空互联和耦合关系,目前统筹电网、流域、电站多层级调度的研究仍不多见。
发明内容
本发明的目的在于提供一种梯级水电站群多层级多目标协同调度方法及系统,解决高强度调峰调频要求与流域严格水资源利用约束下,水调电调协调难、效益发挥不充分、机组长时间低效运行等问题,为复杂条件下梯级水电优化调度决策提供参考。
为解决上述技术问题,本发明采用的技术方案如下:
本发明提供一种梯级水电站群多层级多目标协同调度方法,包括:
建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型并求解,得到各水电站各机组出力过程。
进一步的,所述建立以火电负荷平均距最小为目标的水电火电协同优化模型,包括:
建立目标函数为:
其中,minF为水电火电协同优化模型的目标函数,t为时段序号,t=1,2,…T,T为调度时段总数,Pt th表示t时段火电负荷;
所述目标函数需满足如下约束条件:
A1、电力平衡约束:
Pt th=Pt load-Pt h-Pt w-Pt s;
其中,Pt load为t时段电网负荷,Pt h、Pt w、Pt s分别表示t时段内水电、风电、光电的聚合出力;
A2、水电站可调度电量约束:
其中,Eh为梯级水电站可调度电量,Δt为调度时段时长;
A3、出力约束:
Pth,min≤Pt th≤Pth,max;Ph,min≤Pt h≤Ph,max;
其中,Pth,min、Pth,max分别为火电出力下限和上限,Ph,min、Ph,max分别为水电出力下限和上限;
A4、爬坡能力约束:
其中,URth,max为火电最大爬坡能力;
A5、旋转备用容量约束:
其中,SRh为水电旋转备用容量,SRth为火电旋转备用容量;
A6、梯级水电站机组开机台数约束:
进一步的,所述建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型,包括:
建立目标函数如下:
所述目标函数需满足约束条件如下:
B1、梯级水电站水位约束:
B2、负荷形状约束:
其中,δt为梯级水电站负荷形状特征,根据水电火电协同优化模型的求解结果确定;
B3、水量平衡约束:
B4、水电站出力、发电流量、下泄流量、水库水位上下限约束:
其中,分别为水电站n出力的上限和下限,为t时段水电站n的发电流量,分别为水电站n发电流量上限和下限,分别为水电站n的下泄流量上限和下限,Zn,t为t时段水电站n的水库水位,分别为水电站n水库水位上限和下限;
B5、梯级水电站水力联系:
B6、水位变幅约束:
B7、水电站旋转备用容量约束:
其中,SRn为水电站n旋转备用容量,μn为水电站n的旋转备用容量系数。
进一步的,所述建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型,包括:
建立目标函数如下:
其中,minW为水电站站内负荷分配模型的目标函数,t为时段序号,t=1,2,…,T,T为调度时段总数,n为水电站序号,n=1,2,…,N,N为水电站数量,k为水电站n中机组序号,k=1,2,…,K,K为水电站n中机组数量,Qn,k,t表示在t时段水电站n中机组k的发电流量;
所述目标函数需满足约束条件如下:
C1、电力平衡约束:
其中,Pn,k,t表示在t时段水电站n中机组k的出力;
C2、机组出力、机组发电流量上下限约束:
C3、机组振动区约束:
C4、机组最短开停机持续时间约束:
其中,Sn,k,t为t时段水电站n中机组k的运行状态,Sn,k,t=1表示机组处于开机状态,否则Sn,k,t=0;为水电站n中机组k最短停机时间和最短开机时间;为机组开机操作变量,表示t时段水电站n中机组k进行了开机操作,否则 为机组关机操作变量,表示t时段水电站n中机组k进行了关机操作,否则
C5、机组开机台数约束:
进一步的,所述方法还包括:
求解过程中,将梯级水电站站间优化模型求解得到的梯级水电站最大发电量,作为电网层级的梯级水电站可调度电量,反馈至水电火电协同优化模型,以此为约束,对水电火电协同优化模型进行优化求解,更新梯级水电站总出力过程,并提取梯级水电站负荷形状特征传递至梯级水电站站间优化模型;
以梯级水电站负荷形状特征为约束对梯级水电站站间优化模型进行优化求解,优化梯级各水电站出力,并将梯级水电站最大发电量反馈至水电火电协同优化模型;
以此循环;
所述方法还包括:
求解过程中,将梯级水电站站间优化模型求解得到的各梯级水电站出力反馈至站内负荷分配模型,以此为约束,对站内负荷分配模型进行优化求解,得到各机组出力,并将各水电站发电流量反馈至梯级水电站站间优化模型;所述各水电站发电流量为各水电站中各机组发电流量之和;
以各水电站发电流量为约束对梯级水电站站间优化模型进行优化求解,更新各梯级水电站出力并反馈至站内负荷分配模型;
以此循环。
进一步的,对水电火电协同优化模型进行求解,包括:
S11、依据次日负荷预报Pt load、新能源功率预测Pt w,确定次日等效负荷Pt eq,t=1…T;
S12、以梯级水电站前一调度周期总发电量Eh作为初始电量,采用逐次切负荷方法获得梯级水电站负荷指令Pt h;
S13、判断梯级水电站负荷指令Pt h是否满足出力约束,若不满足则考虑火电爬坡能力对t该时段及附近时段梯级水电站出力过程进行修正,修正量由其余时段均摊,直至梯级水电站负荷指令全部满足出力约束;
S14、基于下式提取梯级水电站负荷形状特征δt,反馈至梯级水电站站间优化模型,优化梯级水电站可调度电量Eh',
S15、判断梯级水电站可调度电量增加值Eh'-Eh是否满足预设精度ε;若满足,结束迭代,输出火电出力过程、各梯级水电站出力过程、及水电站站内各机组出力过程;若不满足,更新梯级水电站可调度电量,返回步骤S12,迭代计算直至梯级水电站可调度电量增加值满足预设精度。
进一步的,对梯级水电站站间优化模型进行求解,包括:
S211、基于各水电站综合出力系数An和龙头水电站出库水量计划Wplan估算各水电站调度期总电量En;
S212、基于各水电站调度期总电量En和水电站负荷形状特征δt,采用同步调峰策略生成各水电站出力过程线,如下:
Pn,t=En*δt;
S213、以最小开机台数原则确定各水电站机组开机方案mn,并按照机组开停机约束记性修正;
S215、判断水电站总水量/末水位是否满足梯级水电站水位约束,若不满足则根据水量/水位偏差按照一定步长ΔE调整水电站调度期总电量,返回S212,重新计算,直至梯级水电站全部计算完成,得到梯级各水电站出力初始解;
S221、将调度周期以机组开停机时间为优化步长进行分解,起始时刻后每两个优化时段组合成新的子问题;
S223、确定不同水量限制下梯级各水电站可行开机台数mn,组成梯级水电站开机方案(mn,i)N×I,mn,i为水电站n库容状态i下的开机台数;
S224、将优化时段内各水电站出力初始解之和按照水电站开机容量在水电站间进行分配,采用站内负荷分配模型确定发电流量并计算是否满足水量限制若不满足水量限制,则按照负荷形状调整出力过程,直至满足水量限制计算精度;
S225、将两个优化时段开机方案集中的开机方案一一组合,将满足机组开停机约束的方案存入子问题开机组合方案集合中,并存储对应的出力过程;
S231、将子问题间按照机组开停机约束对开机组合方案集合进行连接,次序检索发电量最大方案;
S232、将起始时段向后顺延一个优化步长,返回步骤S221重新分配子问题并求解;
S233、循环交错迭代直至满足电量增加值小于预设精度。
进一步的,对水电站内负荷分配模型进行求解,包括:
采用动态规划算法对站内负荷分配模型进行求解。
本发明还提供一种梯级水电站群多层级多目标协同调度系统,其特征在于,用于实现前述的梯级水电站群多层级多目标协同调度方法,所述系统包括:
电网层级调度模块,用于建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
梯级层级调度模块,用于以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
电站层级调度模块,用于以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型并求解,得到各水电站各机组出力过程。
本发明的有益效果为:
(1)本发明从电网、梯级和电站等三个层级对各类调度目标和要求进行分类,分别建立电网、梯级、电站不同层级的优化调度模型,并提出了多层级多目标协同优化机制,通过不同层级之间相互嵌套解决高强度调峰调频要求与流域刚性水量调度约束下,水调电调协调难、效益发挥不充分、机组长时间低效运行等问题。
(2)本发明针对不同层级调度模型的目标约束形式和计算规模,分别采用不同的优化算法对各层级调度模型进行求解,破解梯级水电站“电网-梯级-电站”多层次多目标优化调度模型求解难题。
附图说明
图1为本发明实施例1提供的一种梯级水电站群多层级多目标协同调度方法流程图;
图2为本发明中“电网-梯级-电站”多层级多目标优化调度模型框架;
图3为本发明中的多层级嵌套优化机制;
图4为本发明中的交错逐步优化算法流程图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本实施例提供一种梯级水电站群多层级多目标协同调度方法,参见图1,包括:
建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站站内负荷分配模型并求解,得到水电站各机组出力过程。
本实施例中,建立以火电负荷平均距最小为目标的水电火电协同优化模型,目标函数为:
其中,minF为水电火电协同优化模型的目标函数,t为时段序号,t=1,2,…T,T为调度时段总数,Pt th表示t时段火电负荷。
上述目标函数需满足:电力平衡约束、水电站可调度电量约束、出力约束、爬坡能力约束、旋转备用容量约束和梯级水电站机组开机台数约束。
本实施例中,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型,目标函数为:
上述目标函数需满足:梯级水电站水位约束,负荷形状约束,水量平衡约束,水电站出力、发电流量、下泄流量、水库水位上下限约束,梯级水电站水力联系约束,水位变幅约束和水电站旋转备用容量约束。
本实施例中,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型,目标函数为:
其中,minW为水电站站内负荷分配模型的目标函数,t为时段序号,t=1,2,…,T,T为调度时段总数,n为水电站序号,n=1,2,…,N,N为水电站数量,k为水电站n中机组序号,k=1,2,…,K,K为水电站n中机组数量,Qn,k,t表示在t时段水电站n中机组k的发电流量。
上述目标函数需满足:电力平衡约束,机组出力、机组发电流量上下限约束,机组振动区约束,机组最短开停机持续时间约束和机组开机台数约束。
实施例2
作为实施例1的一种具体实施方式,本实施例提供一种梯级水电站群多层级多目标协同调度方法,具体实现过程参见图2,包括:
(1)在电网层级,建立以火电负荷平均距最小为目标的水电火电协同优化模型,考虑电网安全运行和清洁能源消纳要求,利用梯级水电站平滑电网负荷剔除风光出力后的等效负荷过程,生成水电总电量范围、总出力过程形状和各时段机组开机数量要求。具体如下:
水电火电协同优化模型以火电负荷平均距最小为目标,以新能源全额消纳作为边界条件,通过优化水电出力过程,平滑火电出力过程。目标函数表示为:
式中,minF为水电火电协同优化模型的目标函数,t为时段序号,t=1,2,…T;T为调度时段总数;Pt th表示t时段火电负荷,kW。
该模型须满足以下约束条件:
A1、电力平衡约束:
Pt th=Pt load-Pt h-Pt w-Pt s (2)
式中,Pt load为t时段电网负荷,kW;Pt h、Pt w、Pt s分别表示t时段内水电、风电、光电聚合出力,kW。
A2、水电站可调度电量约束
式中:Eh为梯级水电站可调度电量,kW·h;Δt为调度时段时长。
A3、出力约束
Pth,min≤Pt th≤Pth,max;Ph,min≤Pt h≤Ph,max (4)
式中:Pth,min、Pth,max分别为火电出力下限和上限,kW;Ph,min、Ph,max分别为水电出力下限和上限,kW。
A4、爬坡能力约束
式中:URth,max为火电最大爬坡能力,kW。
A5、旋转备用容量约束
Pth,max-Pt th≥SRth;Ph,max-Pt h≥SRh (6)
式中:SRh为水电旋转备用容量,kW;SRth为火电旋转备用容量,kW。
A6、梯级水电站机组开机台数约束
为了满足大规模新能源并网条件下电网调相要求,按照电力设备实测参数、运行限值、过负荷能力等情况进行计算分析得出,梯级水电站机组开机台数需满足下述运行控制原则:
需要说明的是,在本层级中,电网负荷、风电聚合出力、光电聚合出力、水电站可调度电量、水电出力限制、火电爬坡能力、旋转备用容量为已知量,水电与火电的聚合出力过程为本层模型决策的未知量。
(2)在梯级层级,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型,考虑各水电站发电特性以及站间水力联系,通过优化各水电站负荷分配以及蓄放水策略,得到各水电站出力过程,具体如下:
梯级水电站站间优化模型以梯级水电站发电量最大为目标函数,以各电站水量/水位要求、梯级水电站总负荷形状作为边界,优化得到各水电站出力过程。目标函数表示为:
上述目标函数需满足约束条件:
B1、梯级水电站利用规则
为满足综合利用需求,梯级水电站龙头水库需满足调度期出库总水量要求;下级日调节水电站保持水位平稳,需满足日内初末水位约束:
式中,Wplan为龙头水电站出库水量计划,m3;为t时段水电站n的水库平均出库流量,m3/s;Zn,t表示t时段水电站n的水库水位,m,Zn,1和Zn,T为t=1与t=T时段水电站n的水库水位,和分别表示水电站n调度期初水位和末水位控制要求,m。
B2、负荷形状约束
为满足新能源消纳要求,梯级水电站出力所承担的负荷指令呈现特定的变化模式。为此,采用负荷形状曲线对梯级水电站出力过程进行限制。
式中,δt为梯级水电站负荷形状特征,由电网负荷分配方案中梯级水电站负荷过程确定。
B3、水量平衡约束
B4、水电站出力、发电流量、下泄流量、水库水位上下限约束:
式中:为t时段水电站n的出力,kW;分别为水电站n出力的上限和下限,kW;为t时段水电站n的发电流量,m3/s;为水电站n发电流量上限和下限,m3/s;为t时段水电站n的下泄流量,m3/s;为水电站n的下泄流量上限和下限,m3/s,Zn,t为t时段水电站n的水库水位,m;为水电站n水库水位上限和下限,m。
B5、梯级水电站水力联系
B6、水位变幅约束
B7、水电站旋转备用容量约束
式中:SRn为水电站n旋转备用容量,kW;μn为水电站n的旋转备用容量系数。
需要说明的是,本层级中,龙头水库出库水量计划,下游水库调度期初末水位,梯级水电站间流达滞时,各电站水位允许变幅,水电站出力、发电流量、水库水位上下限及各电站备用容量为已知值,各水电站出力过程为决策变量。
需要说明的是,对本层级的目标函数进行优化求解,得到各水电站出力,乘以时间即为发电量。
(3)在电站层级,建立以水电站机组发电耗水量最小为目标函数的站内负荷分配模型,考虑机组安全运行和降低发电耗水率要求,优化机组运行工况,得到不同水电站各机组出力过程。具体过程如下:
水电站站内负荷分配模型以水电站机组发电耗水量最小为目标函数,以机组安全运行作为边界条件,优化得到不同水电站各机组出力过程,目标函数表示为:
式中,minW为水电站站内负荷分配模型的目标函数,t为时段序号,t=1,2,…,T;T为调度时段总数;n为水电站序号,n=1,2,…,N,N为水电站数量;k为水电站n中机组序号,k=1,2,…,K,K为水电站n中机组数量;Qn,k,t表示在t时段水电站n中机组k的发电流量,m3/s。
该目标函数需满足约束条件如下:
C1、电力平衡约束
式中,Pn,k,t表示在t时段水电站n中机组k的出力,kW。
C2、机组出力、机组发电流量上下限约束
C3、机组振动区约束
C4、机组最短开停机持续时间约束
式中:Sn,k,t为t时段水电站n中机组k的运行状态,Sn,k,t=1表示机组处于开机状态,否则Sn,k,t=0;为水电站n中机组k最短停机时间和最短开机时间;为机组开机操作变量,表示t时段水电站n中机组k进行了开机操作,否则 为机组关机操作变量,表示t时段水电站n中机组k进行了关机操作,否则
C5、机组开机台数约束
需要说明的是,本层级中,水电站出力、机组出力上下限、机组发电流量上下限、机组最短开停机持续时间、各机组振动区范围、机组开机台数约束为已知量,水电站内各机组的出力为决策变量。
需要说明的是,通过对本层级的目标函数进行优化求解,得到各机组发电流量,乘以时间即为发电耗水量。
(4)提出“电网-梯级-电站”不同层级优化调度模型之间的嵌套耦合机制,实现不同调度目标的协同优化,参见图3,具体实现方式如下:
“电网-梯级”耦合机制:电网层级接受梯级层级基于梯级水电站站间优化模型求解得到梯级水电站最大发电量,以此作为电网层级的梯级水电站可调度电量Eh,对电网层级模型进行求解得到水电站出力过程Pt h,提取水电站负荷形状特征δt并传递回梯级层级作为约束;
梯级层级整合负荷形状特征和水量/水位等约束条件,以梯级水电站发电量最大为目标优化梯级各水电站出力过程,并将梯级水电站发电量信息反馈回电网层级。
需要说明的是,梯级水电站发电量信息为各梯级水电站最大发电量之和。
“梯级-电站”耦合机制:为同时满足梯级层级中负荷形状约束与水量/水位约束,模型求解梯级各电站出力过程需进行包含“以电定水”试算,试算流程为:给定满足梯级负荷形状的梯级各电站出力过程初始方案,“以电定水”确定耗水量及水位过程,计算与给定水量/水位约束偏差,根据偏差大小按照负荷形状约束调整梯级各电站出力方案,直至同时满足负荷形状与水量水位约束要求,输出梯级各电站出力过程其中,“以电定水”过程由电站层级完成,电站层根据梯级层级的各梯级水电站负荷指令基于站内负荷分配模型求解得到各机组出力,并将各水电站发电流量反馈回梯级层级中。
需要说明的是,各梯级水电站负荷指令,指梯级层级求解的梯级各水电站出力。
需要说明的是,各水电站发电流量为各水电站中各机组发电流量之和。
(5)采用不同优化算法求解多层级多目标调度模型,得到面向电网、梯级、电站多层级调度需求的梯级水电优化调度策略。
电网、梯级、电站不同层级的调度模型具有不同的目标约束形式和计算规模,对于模型求解算法的要求也不相同,本实施例分别采用不同的优化算法对各层级调度模型进行求解。首先,采用启发式算法在电网层进行多电源协同优化;提出交错逐步优化算法协同优化生成梯级层站间负荷分配方案;基于动态规划算法完成电站层负荷指令的机组间分配。具体如下:
S1、采用启发式算法对水电火电协同优化模型进行求解,在电网层进行多电源协同优化,如下:
S11、依据次日负荷预报Pt load(t=1…T)、新能源功率预测Pt w、Pt s(t=1…T),确定次日等效负荷Pt eq(t=1…T);
S12、以梯级水电站前一调度周期总发电量Eh作为初始电量,采用逐次切负荷方法获得梯级水电站负荷指令Pt h(t=1…T);
S13、对梯级水电站负荷指令进行修正,
若梯级水电站负荷指令Pt h不满足出力约束,考虑火电爬坡能力对该时段及附近时段梯级水电站出力过程进行修正,修正量由其余时段均摊,直至梯级水电站负荷指令全部满足出力约束;
S14、采用式(22)提取梯级水电站负荷形状特征δt,输入梯级层,获得优化后梯级水电站可调度电量Eh'。
S15、判断梯级水电站可调度电量增加值Eh'-Eh是否满足精度要求ε。若满足,结束迭代,输出火电出力过程、梯级各电站出力过程、水电站站内各机组出力过程。若不满足,更新梯级水电站可调度电量,返回步骤S12,迭代计算直至梯级水电站可调度电量增加值满足精度要求。
S2、采用交错逐步优化算法对梯级水电站站间优化模型进行求解,
梯级水电站站间负荷优化分配须考虑负荷特征约束、水量/水位约束、机组开停机时间等大量时空耦合约束,加剧了优化计算的难度。本实施例对逐步优化算法进行了改进,提出了交错逐步优化算法,如图4所示,主要包括两个方面:
时间、空间耦合约束嵌套处理策略:采用逐步优化原理,将调度周期以机组开停机时间为优化步长进行分解,每两个优化时段组合成新的子问题,并赋予每个子问题水量约束,满足不同时间尺度上的电站运用要求和机组开停机时间约束。梯级水电站负荷形状等空间耦合约束在每个优化步长内通过以电定水方法进行试算。
机组组合和水量分配联合优化:水量优化分配可通过改变蓄放水次序提高各电站水头效益,开机机组组合优化可通过站间容量补偿提高机组运行效率。然而,水量分配问题的逐步优化需要寻找两阶段间最优的一条水量分配路径,机组组合的求解需要在每个阶段生成机组开机状态集合并进行连接。因此,水量分配与机组组合的联合优化需要进行交错迭代。首先,将调度期分解为两阶段子问题并赋予水量约束,求解调度期机组开机方案;然后,将起始时段向后移动一个优化步长,重新分配构建水量约束子问题并求解,循环迭代直至满足计算精度。
交错逐步优化算法的求解步骤如下:
S21、初始解生成策略
S211、基于各水电站综合出力系数An和龙头水电站出库水量计划Wplan估算各水电站调度期总电量En;
S212、基于各水电站调度期总电量En和水电站负荷形状特征δt,采用同步调峰策略生成各水电站出力过程线,如式(23),
Pn,t=En*δt; (23)
S213、以最小开机台数原则确定各水电站机组开机方案mn,并按照机组开停机约束修正;
S215、若电站总水量/末水位不满足梯级水电站综合利用条件,根据水量/水位偏差按照一定步长ΔE调整水电站调度期总电量,返回S212、重新计算,直至梯级水电站全部计算完成,得到梯级各水电站出力初始解;
S22、逐步优化子问题求解
S221、将调度周期以机组开停机时间为优化时段进行分解,起始时刻后每两个优化时段组合成新的子问题。
S223、确定不同水量限制下梯级各水电站可行开机台数mn,组成梯级水电站开机方案(mn,i)N×I,mn,i为水电站n库容状态i下的开机台数;
S224、将优化时段内各水电站出力初始解之和按照水电站开机容量在水电站间进行分配,采用站内负荷分配模型确定发电流量并计算是否满足水量限制若不满足水量限制,按照负荷形状调整出力过程,直至满足水量限制计算精度。
S225、将两个优化时段开机方案集中的开机方案一一组合,将满足机组开停机约束的方案存入子问题开机组合方案集合中,并存储对应的出力过程。
S23、交错逐步优化
S231、子问题间按照机组开停机约束对开机组合方案集合进行连接,次序检索发电量最大方案;
S232、将起始时段向后顺延一个优化步长,返回步骤S22重新分配子问题并求解;
S233、循环交错迭代直至满足电量增加值小于指定精度ε。
S3、采用动态规划算法对站内负荷分配模型进行求解。
实施例3
本实施例以黄河上游梯级龙羊峡(128万kW)、拉西瓦(420万kW)、李家峡(200万kW)、公伯峡(150万kW)、积石峡(102万kW)5座百万千瓦级水电站为例,采用实施例2的方法对梯级水电站进行优化调度。
根据《黄河水量调度条例》,龙羊峡水库须满足每日水量下泄指标。同时,龙羊峡、拉西瓦、李家峡、公伯峡、积石峡五级电站还承担着青海电网非汛期的调峰、调频和调相任务。近年来,随着青海地区新能源装机的快速增长,清洁能源装机占比已超过90%,黄河上游梯级电站水调电调协调难度剧增,出现了日调节电站水位波动失稳、机组长期低效运行等一系列问题。
利用实施例2的多层级多目标优化调度方法对黄河上游梯级电站进行优化调度计算,与实际调度结果进行对比分析。结果显示,该方法能够在满足流域下泄水量要求、新能源高比例消纳的前提下,提升梯级水电站发电效益、确保供电可靠性,优化机组运行工况,同时避免火电站负荷频繁调整变化。优化后梯级水电站发电量由30.97亿kW·h提升至31.83亿kW·h,提升2.75%;机组低效运行时间由4057.56h降低至2002.81h,降低50.64%;火电负荷平均距由916.68万kW降低至107.71万kW,降低88.25%。详见表1。
表1黄河上游梯级电站优化调度结果表
综上所述,本发明提出的复杂水利-电力条件下梯级水电站多层级多目标优化调度方法,能够有效协调梯级水电站面临的电网安全运行、清洁能源消纳、流域水资源保障等多重调度需求,并在满足供电可靠性的前提下提升梯级水电站发电效益,优化机组运行工况,规避火电大幅调整,可为复杂条件下梯级水电优化调度决策提供参考。
实施例4
本实施例提供一种梯级水电站群多层级多目标协同调度系统,用于实现实施例1或实施例2的梯级水电站群多层级多目标协同调度方法,该系统包括:
电网层级调度模块,用于建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
梯级层级调度模块,用于以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
电站层级调度模块,用于以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型并求解,得到各水电站各机组出力过程。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种梯级水电站群多层级多目标协同调度方法,其特征在于,包括:
建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型并求解,得到各水电站各机组出力过程。
2.根据权利要求1所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,所述建立以火电负荷平均距最小为目标的水电火电协同优化模型,包括:
建立目标函数为:
其中,min F为水电火电协同优化模型的目标函数,t为时段序号,t=1,2,…T,T为调度时段总数,Pt th表示t时段火电负荷;
所述目标函数需满足如下约束条件:
A1、电力平衡约束:
Pt th=Pt load-Pt h-Pt w-Pt s;
其中,Pt load为t时段电网负荷,Pt h、Pt w、Pt s分别表示t时段内水电、风电、光电的聚合出力;
A2、水电站可调度电量约束:
其中,Eh为梯级水电站可调度电量,Δt为调度时段时长;
A3、出力约束:
Pth,min≤Pt th≤Pth,max;Ph,min≤Pt h≤Ph,max;
其中,Pth,min、Pth,max分别为火电出力下限和上限,Ph,min、Ph,max分别为水电出力下限和上限;
A4、爬坡能力约束:
其中,URth,max为火电最大爬坡能力;
A5、旋转备用容量约束:
其中,SRh为水电旋转备用容量,SRth为火电旋转备用容量;
A6、梯级水电站机组开机台数约束:
3.根据权利要求1所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,所述建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型,包括:
建立目标函数如下:
所述目标函数需满足约束条件如下:
B1、梯级水电站水位约束:
B2、负荷形状约束:
其中,δt为梯级水电站负荷形状特征,根据水电火电协同优化模型的求解结果确定;
B3、水量平衡约束:
B4、水电站出力、发电流量、下泄流量、水库水位上下限约束:
其中,分别为水电站n出力的上限和下限,为t时段水电站n的发电流量,分别为水电站n发电流量上限和下限,分别为水电站n的下泄流量上限和下限,Zn,t为t时段水电站n的水库水位,分别为水电站n水库水位上限和下限;
B5、梯级水电站水力联系:
B6、水位变幅约束:
B7、水电站旋转备用容量约束:
其中,SRn为水电站n旋转备用容量,μn为水电站n的旋转备用容量系数。
4.根据权利要求1所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,所述建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型,包括:
建立目标函数如下:
其中,min W为水电站站内负荷分配模型的目标函数,t为时段序号,t=1,2,…,T,T为调度时段总数,n为水电站序号,n=1,2,…,N,N为水电站数量,k为水电站n中机组序号,k=1,2,…,K,K为水电站n中机组数量,Qn,k,t表示在t时段水电站n中机组k的发电流量;
所述目标函数需满足约束条件如下:
C1、电力平衡约束:
其中,Pn,k,t表示在t时段水电站n中机组k的出力;
C2、机组出力、机组发电流量上下限约束:
C3、机组振动区约束:
C4、机组最短开停机持续时间约束:
其中,Sn,k,t为t时段水电站n中机组k的运行状态,Sn,k,t=1表示机组处于开机状态,否则Sn,k,t=0;为水电站n中机组k最短停机时间和最短开机时间;为机组开机操作变量,表示t时段水电站n中机组k进行了开机操作,否则 为机组关机操作变量,表示t时段水电站n中机组k进行了关机操作,否则
C5、机组开机台数约束:
5.根据权利要求1所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,所述方法还包括:
求解过程中,将梯级水电站站间优化模型求解得到的梯级水电站最大发电量,作为电网层级的梯级水电站可调度电量,反馈至水电火电协同优化模型,以此为约束,对水电火电协同优化模型进行优化求解,更新梯级水电站总出力过程,并提取梯级水电站负荷形状特征传递至梯级水电站站间优化模型;
以梯级水电站负荷形状特征为约束对梯级水电站站间优化模型进行优化求解,优化梯级各水电站出力,并将梯级水电站最大发电量反馈至水电火电协同优化模型;
以此循环;
所述方法还包括:
求解过程中,将梯级水电站站间优化模型求解得到的各梯级水电站出力反馈至站内负荷分配模型,以此为约束,对站内负荷分配模型进行优化求解,得到各机组出力,并将各水电站发电流量反馈至梯级水电站站间优化模型;所述各水电站发电流量为各水电站中各机组发电流量之和;
以各水电站发电流量为约束对梯级水电站站间优化模型进行优化求解,更新各梯级水电站出力并反馈至站内负荷分配模型;
以此循环。
6.根据权利要求2所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,对水电火电协同优化模型进行求解,包括:
S11、依据次日负荷预报Pt load、新能源功率预测Pt w,确定次日等效负荷Pt eq,t=1…T;
S12、以梯级水电站前一调度周期总发电量Eh作为初始电量,采用逐次切负荷方法获得梯级水电站负荷指令Pt h;
S13、判断梯级水电站负荷指令Pt h是否满足出力约束,若不满足则考虑火电爬坡能力对t该时段及附近时段梯级水电站出力过程进行修正,修正量由其余时段均摊,直至梯级水电站负荷指令全部满足出力约束;
S14、基于下式提取梯级水电站负荷形状特征δt,反馈至梯级水电站站间优化模型,优化梯级水电站可调度电量Eh',
S15、判断梯级水电站可调度电量增加值Eh'-Eh是否满足预设精度ε;若满足,结束迭代,输出火电出力过程、各梯级水电站出力过程、及水电站站内各机组出力过程;若不满足,更新梯级水电站可调度电量,返回步骤S12,迭代计算直至梯级水电站可调度电量增加值满足预设精度。
7.根据权利要求3所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,对梯级水电站站间优化模型进行求解,包括:
S211、基于各水电站综合出力系数An和龙头水电站出库水量计划Wplan估算各水电站调度期总电量En;
S212、基于各水电站调度期总电量En和水电站负荷形状特征δt,采用同步调峰策略生成各水电站出力过程线,如下:
Pn,t=En*δt;
S213、以最小开机台数原则确定各水电站机组开机方案mn,并按照机组开停机约束记性修正;
S215、判断水电站总水量/末水位是否满足梯级水电站水位约束,若不满足则根据水量/水位偏差按照一定步长ΔE调整水电站调度期总电量,返回S212,重新计算,直至梯级水电站全部计算完成,得到梯级各水电站出力初始解;
S221、将调度周期以机组开停机时间为优化步长进行分解,起始时刻后每两个优化时段组合成新的子问题;
S223、确定不同水量限制下梯级各水电站可行开机台数mn,组成梯级水电站开机方案(mn,i)N×I,mn,i为水电站n库容状态i下的开机台数;
S224、将优化时段内各水电站出力初始解之和按照水电站开机容量在水电站间进行分配,采用站内负荷分配模型确定发电流量并计算是否满足水量限制若不满足水量限制,则按照负荷形状调整出力过程,直至满足水量限制计算精度;
S225、将两个优化时段开机方案集中的开机方案一一组合,将满足机组开停机约束的方案存入子问题开机组合方案集合中,并存储对应的出力过程;
S231、将子问题间按照机组开停机约束对开机组合方案集合进行连接,次序检索发电量最大方案;
S232、将起始时段向后顺延一个优化步长,返回步骤S221重新分配子问题并求解;
S233、循环交错迭代直至满足电量增加值小于预设精度。
8.根据权利要求4所述的一种梯级水电站群多层级多目标协同调度方法,其特征在于,对水电站内负荷分配模型进行求解,包括:
采用动态规划算法对站内负荷分配模型进行求解。
9.一种梯级水电站群多层级多目标协同调度系统,其特征在于,用于实现权利要求1至8任意一项所述的梯级水电站群多层级多目标协同调度方法,所述系统包括:
电网层级调度模块,用于建立以火电负荷平均距最小为目标的水电火电协同优化模型并求解,得到梯级水电站总出力过程;
梯级层级调度模块,用于以梯级水电站出力过程形状为约束,建立以梯级水电站发电量最大为目标函数的梯级水电站站间优化模型并求解,得到各水电站出力过程;
电站层级调度模块,用于以各水电站出力为约束,建立以水电站机组发电耗水量最小为目标函数的水电站内负荷分配模型并求解,得到各水电站各机组出力过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462358.7A CN115796501A (zh) | 2022-11-22 | 2022-11-22 | 一种梯级水电站群多层级多目标协同调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462358.7A CN115796501A (zh) | 2022-11-22 | 2022-11-22 | 一种梯级水电站群多层级多目标协同调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115796501A true CN115796501A (zh) | 2023-03-14 |
Family
ID=85439757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211462358.7A Pending CN115796501A (zh) | 2022-11-22 | 2022-11-22 | 一种梯级水电站群多层级多目标协同调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115796501A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117791744A (zh) * | 2024-02-28 | 2024-03-29 | 中国电建集团西北勘测设计研究院有限公司 | 基于水电储能工厂的多能互补发电系统电源容量配置方法 |
-
2022
- 2022-11-22 CN CN202211462358.7A patent/CN115796501A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117791744A (zh) * | 2024-02-28 | 2024-03-29 | 中国电建集团西北勘测设计研究院有限公司 | 基于水电储能工厂的多能互补发电系统电源容量配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6736112B2 (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
Wang et al. | Improved multi-objective model and analysis of the coordinated operation of a hydro-wind-photovoltaic system | |
Shen et al. | Coordinated operations of large-scale UHVDC hydropower and conventional hydro energies about regional power grid | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
Fu et al. | Research on joint optimal dispatching method for hybrid power system considering system security | |
Li et al. | Hierarchical multi-reservoir optimization modeling for real-world complexity with application to the Three Gorges system | |
CN112491043B (zh) | 一种新能源富集电网电源规划方法及系统 | |
CN110120685A (zh) | 高水电比重系统中梯级水电群与风光电站协调调峰方法 | |
Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
Zhang et al. | An ultra-short-term scheduling model for cascade hydropower regulated by multilevel dispatch centers suppressing wind power volatility | |
WO2020123799A1 (en) | Hybrid power plant | |
Lou et al. | Two-stage congestion management considering virtual power plant with cascade hydro-photovoltaic-pumped storage hybrid generation | |
CN113659620A (zh) | 基于动态频率约束的水风互补发电系统日前调度方法 | |
CN115796501A (zh) | 一种梯级水电站群多层级多目标协同调度方法及系统 | |
Zhou et al. | Multiobjective scheduling method for short-term peak shaving operation of cascade hydro plants | |
CN115879734A (zh) | 一种混合式抽水蓄能电站与风电联合运行调度方法 | |
Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
CN111476475B (zh) | 多约束条件下梯级水电站短期优化调度方法 | |
CN112003298A (zh) | 一种风电场群的频率协调控制方法及系统 | |
CN111476477A (zh) | 基于发电效益目标的梯级水电站中长期优化调度方法 | |
CN115967128A (zh) | 一种计及振动区的梯级水-光互补系统鲁棒日前调度方法 | |
CN115733146A (zh) | 一种源荷储多时间尺度协调调度模型 | |
CN110943487B (zh) | 一种园区能源系统能量优化的方法和装置 | |
CN113131531B (zh) | 适用于电网不同运行工况下的调节备用共享方法和系统 | |
Xi et al. | Unit commitment problems in power systems with wind farms based on probability offset binary particle swarm optimization algorithm |
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 |