CN115800276A - 一种考虑机组爬坡的电力系统应急调度方法 - Google Patents
一种考虑机组爬坡的电力系统应急调度方法 Download PDFInfo
- Publication number
- CN115800276A CN115800276A CN202310085075.3A CN202310085075A CN115800276A CN 115800276 A CN115800276 A CN 115800276A CN 202310085075 A CN202310085075 A CN 202310085075A CN 115800276 A CN115800276 A CN 115800276A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- cost
- value
- generating 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.)
- Granted
Links
- 230000009194 climbing Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004146 energy storage Methods 0.000 claims abstract description 100
- 230000006854 communication Effects 0.000 claims abstract description 71
- 238000004891 communication Methods 0.000 claims abstract description 68
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 24
- 238000010586 diagram Methods 0.000 description 7
- 239000007789 gas Substances 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Stand-By Power Supply Arrangements (AREA)
Abstract
本发明公开了一种考虑机组爬坡的电力系统应急调度方法包括以下步骤：S1，构建电力系统的最优经济运行的目标函数并求解；S2，将电力系统中的每台发电机作为独立的智能体，根据求解结果采用分布式方式调度各个智能体以达到智能体协调的目的；S3，建立应急调度的目标函数模型；S4，建立应急调度的目标函数模型的约束条件，并对目标函数进行求解。本发明在对应急调度的目标函数建模时，将储能的衰减成本、火电机组的发电成本与污染成本三者联合优化，采用离散一致性算法寻找最优解，实现火电与储能之间的自主通信交互，同时将储能与火电机组采用分布式方式进行优化调度，减轻了火电机组的压力，同时可以对电网产生很高的经济效益。
Description
技术领域
本发明属于电力调度技术领域，具体地说，是涉及一种考虑机组爬坡的电力系统应急调度方法。
背景技术
随着人们对化石能源供应安全和其造成的环境污染和气候变化的逐渐关注，发展分布式电源（Distributed Generation，DG）的呼声越来越高。2020年风电和光伏系统发电量增长迅速，已达到全球总发电量的11.7%，其以经济性、环保性等优点得到了越来越多的使用。但是其具有较强的间歇性和波动性，在接入电网后，会对电网的灵活性提出非常大的挑战。
电网作为关系国计民生的重要基础设施，必须要加强其稳定性，努力提高其韧性。随着人工智能等网络技术的发展，电力系统已慢慢发展成为电力信息物理系统（ElectricCyber-Physical System，ECPS），其通过信息层与物理层的互动，使得调控系统对电网的控制更加自如，提高了电力系统的可控性和可观性。但是随着日益庞大的控制系统，单一的控制系统对于完成整个调控操作任务变得越来越艰难。当物理系统发生紧急故障时，需要首先将故障信息通过信息通路上传至控制系统，控制系统做出决策之后再将指令下发，这极可能会使故障蔓延，引发更严重的事故。
目前，火电在电网中起着“压舱石”的作用，虽然在未来电网中，火电将不再是用能主体，但当发生电源侧资源不足时，火电仍将起到非常关键的作用。因此在应急调度中，火电机组的爬坡特性就变得尤为关键，目前研究者们考虑最多的是将机组爬坡约束加入众多的约束条件中进行统一求解，这在局部通信过程中无法做到对功率的实时精准把控，会导致爬坡过程出现严重的功率不平衡。在应急调度时，要求资源尽可能快速供应，由于储能和火电响应速度的不同，将会给系统带来严重的频率波动。
发明内容
本发明的目的在于提供一种考虑机组爬坡的电力系统应急调度方法，用于提高电力系统不同资源间的协调性以及系统在日常和应急调度中的稳定性。
为实现上述目的，本发明采用的技术方案如下：
一种考虑机组爬坡的电力系统应急调度方法，包括以下步骤：
S1，采用离散时间的一致性算法，构建电力系统的最优经济运行的目标函数并求解；
S2，将电力系统中的每台发电机作为独立的智能体，根据求解结果采用分布式方式调度各个智能体以达到智能体协调的目的；
S3，以电力系统在调度过程中运行成本最小和环境成本最小为目标建立应急调度的目标函数模型；
S4，建立应急调度的目标函数模型的约束条件，并对目标函数进行求解。
进一步地，在步骤S1中，离散时间的一致性算法为：
其中，i为通信节点，
表示通信节点i的状态量，k为离散时间的序列，
为行随机矩阵D第i行第j列的元素，
表达式为：
在电力系统调度中，假设某一区域电网中有m个发电站，n个储能电站，其成本消耗特性分别为F 1(P G1),F 2(P G2),…F m(P Gm)和F m+1(P B(m+1)),F m+2(P B(m+2)),…F m+n(P B(m+n))，其中，P G 为火电机组输出功率；P B 为储能电池输出功率，系统总负荷为P D，为了使整体达到最优经济运行，则需对发电单元进行合理分配，即在满足公式
的条件下，使得电力系统的最优经济运行的目标函数 
最小，并构造拉格朗日函数进行求解：
其中，
为拉格朗日乘数；
该函数求极值的必要条件为： 
因此，当 
时，电力系统的最优经济运行的目标函数将会取得最小值，即此时电力系统的发电成本最小。
进一步地，在步骤S2中，分布式方式调度各个智能体以达到智能体协调步骤具体为：
根据火电机组的爬坡速率的不同，对各智能体之间的通信频段进行设置；为保证任何一个智能体状态发生改变后进行一次有效通信，完成一次有效通信后，节点状态量
的变化为:
其中，t为通信频段时间序列，z为通信频段时间序列的时间间隔；
每个智能体依据调度中心下发的负荷信息进行内部算法运算并得到一个理想值
、
和
，其中，
为火电机组输出功率理想值；
为储能电池功率理想值；
为火电机组和储能电池共同的增量成本理想值；满足 
=
；最后各个智能体之间依据设置的通信频段进行通信，并且每次通信的内容为每一时段的机组功率实际值
和对应的增量成本值
；
此时，此时智能体节点状态量变为实际功率P，
式中
表示由P引导
的变化；其中，
为拉格朗日乘数；
火电机组爬坡过程中储能的功率随火电机组的实际功率的变化而变化，以满足爬坡过程的功率实时平衡，实现爬坡过程的平衡稳定，即
当
均小于规定值时，通信停止，爬坡结束。
进一步地，在步骤S3中建立的应急调度的目标函数模型为：
minF=min(F 1+F 2+F 3)
其中，F 1为传统火电机组的发电成本：
式中，
、
和
为发电成本系数，
为发电机输出功率；
F 2为传统火电机组发电的污染成本：
式中，
、
和
为发电机污染系数， 
为发电机输出功率；
F 3为储能电池的短时衰减成本：
式中：
为储能电池充放电功率，
是电池的投资成本，
是电池经历的生命周期，s为货币汇率， 
为储能电池编号；h和g均为储能电池的成本参数。
进一步地，在步骤S4中，建立的应急调度的目标函数模型的约束条件包括：
1）火电机组爬坡约束：
式中：
和
分别为火电机组t时刻和t-1时刻的功率值，
和
分别表示在间隔时刻内机组上升或者下降的最大值；
2）功率平衡约束：
当风光有盈余时，储能充电：
+
=0
式中：
为风电机组产生的电功率，
为光伏机组产生的电功率， 
为电网总负荷，
为线路损耗， 
为电转气消耗的电功率，
为储能电池充电功率；
当风光不足时，储能放电： 
式中：
为储能电池放电功率；此处引入克朗损耗系数，将损耗值应用于输电损耗模型；克朗损耗公式可表示为
式中：
、 
和
都是B矩阵中的系数；
3）发电机输出功率上下限约束：
式中：
和
分别为储能电池充放电功率最小值和最大值；
4) 电池充电状态约束：SOC(t)=
式中：
表示电池在t时刻存储的能量，
是电池的容量，
和
分别为电池充电状态的最小值和最大值。
进一步地，在步骤S4中，应急调度的目标函数模型的求解步骤包括：
步骤1：输入系统参数，包括风电、光伏出力数据、负荷需求数据、发电机成本参数、污染参数、矩阵损耗系数、发电机最大功率、储能电池参数；
步骤2：计算通信网络邻接矩阵L和行随机矩阵D；
步骤3：根据机组爬坡速率的不同得出智能体之间交互的通信频段和通信频率；
步骤4：起始T=1时刻，计算新能源出力与负荷需求偏差ξ，若ξ 
，则源侧由风电和光伏出力满足负荷需求，且产生的多余电量由储能电池和P2G存储备用，若ξ
，则说明新能源无法满足负荷需求，需启动火电机组和储能电池对源侧出力进行补充；同时计算各火电机组出力理想值
和增量成本理想值
；
步骤5：依据式 
计算出各个机组的增量成本值
，依据式
实时调整储能电池的出力，同时计算出各储能电站的增量成本值
；其中：
步骤6：计算
与
的偏差
，若
小于规定值
时，输出此时的火电机组功率值和储能的功率值；
步骤7：依据通信频段得出下一时段的功率实际值
：
式中：
为第i台机组的爬坡速率，之后重复步骤5；
步骤8：下一时刻光伏、风电出力和负荷值都发生变化时，返回步骤4，T=T+1。
与现有技术相比，本发明具有以下有益效果：
（1）本发明在对应急调度的目标函数建模时，将储能的衰减成本、火电机组的发电成本与污染成本三者联合优化，采用离散一致性算法寻找最优解，实现火电与储能之间的自主通信交互，同时将储能与火电机组采用分布式方式进行优化调度，减轻了火电机组的压力，同时可以对电网产生很高的经济效益。
（2）本发明将火电机组的爬坡速率融入一致性算法，将原有的通信间隔设置为与机组爬坡相匹配的不固定通信间隔，将通信主体变为机组功率值，通过功率引导增量成本值的变化，储能通过上述与火电之间建立的通信进行能量存储和用能补充。通信方式的改变，使得每次通信过程中都可以保持系统功率平衡，提高了系统不同资源间的协调性以及系统在日常和应急调度中的稳定性。
（3）本发明采用分布式的控制方式减少了信息冗余，提高了系统的灵活性。
附图说明
图1为本发明-实施例中机组爬坡过程示意图。
图2为本发明-实施例中应急调度模型算法求解流程图。
图3为本发明-实施例中改进的IEEE30节点系统示意图。
图4为本发明-实施例中IEEE30节点通信系统结构图。
图5为本发明-实施例中不考虑机组爬坡和储能参与的情况下火电出力结果示意图。
图6 为本发明-实施例中弃风率时刻图。
图7 为本发明-实施例中不考虑爬坡速率但考虑储能的情况下的火电出力结果示意图。
图8为本发明-实施例中考虑爬坡速率但不考虑储能参与调度的情况下的火电出力结果示意图。
图9为本发明-实施例中基于储能衰减的增量成本作为一致性对储能存储量进行分配的曲线图。
具体实施方式
下面结合附图说明和实施例对本发明作进一步说明，本发明的方式包括但不仅限于以下实施例。
本发明公开了一种考虑机组爬坡的电力系统应急调度方法，该方法适用于含多种能源形式和信息技术的综合能源系统，系统中不仅包含原有的传统火电机组和用电负荷，还加入了风电、光伏等新的供能形式，同时为了应对风光以及负荷变化对电网带来的极强的不确定性，还加入了储能电池等灵活性资源来协助电网进行调度。在电力系统不断发展扩大的同时，信息系统也逐渐成为了系统中尤为重要的一环，其通过信息网络连接各个发电和用电单元，实现信息交互。
在该系统中，可以依靠信息系统的通信手段，首先实现以系统整体运行成本最小的经济目标。依靠控制中心收集的风光发电量和负荷信息，采用优先消纳新能源出力的方式对负荷进行电力供应。若风光发电量足够大，则多余电量依靠储能电池和电转气（powerto gas，P2G）技术进行存储备用，若风光发电量不足，则由火电机组和储能电池依据一致性协议进行电力供应。优化过程中充分考虑发电污染、机组爬坡速率、通信拓扑等因素的影响，实现系统运行经济最优。
当系统发生故障时，系统优先考虑安全性，在安全的前提下再兼顾经济性。若信息系统遭受网络攻击致使某一通信线路发生故障，通信拓扑发生变化时，及时切断通信线路，此时通过更新拓扑矩阵保证正常通信实现系统稳定；若物理系统遭受自然灾害或人为破坏导致机组退出运行，则在系统资源足够的情况下，其余机组和储能电池可以通过一致性协议实现出力的实时调整以满足供电需求，在此过程中由于机组爬坡速率的限制，需要在调度过程中充分考虑其对系统的影响，保持功率平衡。
电力系统日常调度中，火电机组不可避免的会因为风光和负荷需求的不确定及时调整自己的出力，但由于火电机组自身特性导致其无法做到快速响应，因此在调度过程中必须考虑爬坡速率造成的影响。它在固定时间内（一般为15min）有功率调整的最大值，且不同参数的火电机组的爬坡速率不同。依据机组历史数据来看，爬坡速率是非线性的，可以通过大量的历史数据对机组的爬坡速率进行分段线性化并估计验证。此处假设不同机组的爬坡速率是一定的，即ΔP(MW)/min是一个定值。那么机组在爬坡过程中的功率变化如图1所示，机组在t 1时刻以功率值P 1开始进入爬坡阶段，在t 5时刻达到功率值P 2并结束爬坡过程。
考虑火电机组爬坡速率的一致性算法中，采用离散时间的一致性算法，构建电力系统的最优经济运行的目标函数并求解；离散时间的一致性算法为：
其中，i为通信节点
表示通信节点i的状态量，k为离散时间的序列
为行随机矩阵D第i行第j列的元素，
表达式为：
在电力系统调度中，假设某一区域电网中有m个发电站，n个储能电站，其成本消耗特性分别为F 1(P G1),F 2(P G2),…F m(P Gm)和F m+1(P B(m+1)),F m+2(P B(m+2)),…F m+n(P B(m+n))，系统总负荷为P D，为了使整体达到最优经济运行，则需对发电单元进行合理分配，即在满足公式
的条件下，使得电力系统的最优经济运行的目标函数
最小，并构造拉格朗日函数进行求解：
其中，
为拉格朗日乘数；
该函数求极值的必要条件为： 
因此，当 
时，电力系统的最优经济运行的目标函数将会取得最小值，即此时电力系统的发电成本最小。在电力系统中，可以用节点电压、节点功率以及节点所对应智能体的增量成本等来表示节点的状态量。由于系统复杂，集中式控制可能会使调度人员失去对电网的全面控制，因此采用分布式方式调度各个智能体以达到协调的目的。在此可以选用增量成本
作为一致性的协议，通过同步更新增量成本值和发电机、储能电池的输出功率，最终达到所有智能体增量成本一致，实现最优调度。
首先，根据火电机组的爬坡速率的不同，对各智能体之间的通信频段进行设置；为保证任何一个智能体状态发生改变后进行一次有效通信，故在t 3、t 2…时刻需分别完成通信；完成一次有效通信后，节点状态量
的变化为:
其中，t为通信频段时间序列，z为通信频段时间序列的时间间隔；
每个智能体依据调度中心下发的负荷信息进行内部算法运算并得到一个理想值
、
和
，其中，
为火电机组输出功率理想值；
为储能电池功率理想值；
为火电机组和储能电池共同的增量成本理想值；满足
= 
；最后各个智能体之间依据设置的通信频段进行通信，并且每次通信的内容为每一时段的机组功率实际值
和对应的增量成本值 
；
此时，此时智能体节点状态量变为实际功率P，
式中：
表示由P引导
的变化；
火电机组爬坡过程中储能的功率随火电机组的实际功率的变化而变化，以满足爬坡过程的功率实时平衡，实现爬坡过程的平衡稳定，即
当
均小于规定值时，通信停止，爬坡结束。
以电力系统在调度过程中运行成本最小和环境成本最小为目标建立应急调度的目标函数模型：
minF=min(F 1+F 2+F 3)
其中，F 1为传统火电机组的发电成本：
式中，
、 
和
为发电成本系数，
为发电机输出功率；
F 2为传统火电机组发电的污染成本：
式中，
、
和
为发电机污染系数，
为发电机输出功率；
F 3为储能电池的短时衰减成本：
式中：
为储能电池充放电功率，
是电池的投资成本，
是电池经历的生命周期，s为货币汇率，
为储能电池编号；h和g均为储能电池的成本参数。
建立的应急调度的目标函数模型约束条件，包括：
1）火电机组的爬坡速率对于系统的影响非常大，因此在应急调度中必须考虑爬坡约束： 
式中：
和
分别为火电机组t时刻和t-1时刻的功率值，
和
分别表示在间隔时刻内机组上升或者下降的最大值；
2）功率平衡约束：
当风光有盈余时，储能充电：
+
=0
式中：
为风电机组产生的电功率，
为光伏机组产生的电功率，
为电网总负荷，
为线路损耗，
为电转气消耗的电功率，
为储能电池充电功率；
当风光不足时，储能放电： 
式中：
为储能电池放电功率；此处引入克朗损耗系数，将损耗值应用于输电损耗模型；克朗损耗公式可表示为
式中：
、
和
都是B矩阵中的系数，都是通过线路的参数和电力系统的平均日常操作状态计算得出；
3）发电机输出功率上下限约束：
式中：
和
分别为储能电池充放电功率最小值和最大值；由于风电光伏的间歇性，会导致一定程度上供需的不平衡，储能电池以其响应快、性能高的特点，可以对功率平衡起到非常关键的作用。
4) 电池充电状态约束：SOC(t)=
式中：
表示电池在t时刻存储的能量，
是电池的容量，
和
分别为电池充电状态的最小值和最大值。
为了使算法能够正常运行，需要设置一个收集每一时段负荷总需求P D的领导者，本实施例可以将调度控制中心作为这样的角色，领导者下发信息至每个智能体以便于智能体进行内部的算法运算，各智能体之间再进行通信实现算法收敛。具体步骤如下：
步骤1：输入系统参数，包括风电、光伏出力数据、负荷需求数据、发电机成本参数、污染参数、矩阵损耗系数、发电机最大功率、储能电池参数；
步骤2：计算通信网络邻接矩阵L和行随机矩阵D；
步骤3：根据机组爬坡速率的不同得出智能体之间交互的通信频段和通信频率；
步骤4：起始T=1时刻，计算新能源出力与负荷需求偏差ξ，若ξ
，则源侧由风电和光伏出力满足负荷需求，且产生的多余电量由储能电池和P2G存储备用，若ξ
，则说明新能源无法满足负荷需求，需启动火电机组和储能电池对源侧出力进行补充；同时计算各火电机组出力理想值
和增量成本理想值
；
步骤5：依据式 
计算出各个机组的增量成本值
，依据式
实时调整储能电池的出力，同时计算出各储能电站的增量成本值
；其中：
步骤6：计算
与
的偏差 
，若
小于规定值
时，输出此时的火电机组功率值和储能的功率值；
步骤7：依据通信频段得出下一时段的功率实际值
：
式中：
为第i台机组的爬坡速率，之后重复步骤5；
步骤8：下一时刻光伏、风电出力和负荷值都发生变化时，返回步骤4，T=T+1。具体求解流程如图2所示。
为了验证本发明所提方法的有效性，本实施例采用改进的IEEE30节点系统进行仿真验证，如图3所示。其中节点3和10分别接入了风力发电站和光伏发电站，节点3、6和10还接入了储能电站，其中不同储能电站的储能电池的参数不同。同时考虑到新型电力系统中能源形式的多样性，在节点3和节点6引入了电转气（Power to Gas，P2G）装置和微型燃气轮机实现电系统和天然气系统的耦合。为了应对极端天气例如高温天气等导致系统供电不足的情况，对系统中的负荷进行分级，根据负荷的重要程度及负荷类型分为Ⅰ、Ⅱ、Ⅲ级，具体如表1所示。
表1电网节点负荷类型
与节点系统所对应的信息系统采用通信节点与物理节点一一对应的关系，如图4所示。
为了验证本发明提出的一致性调度方法的有效性以及将火电机组与储能结合参与调度的合理性，本文设置了四个场景：
场景1：不考虑爬坡速率且不考虑储能参与调度；
场景2：不考虑爬坡速率但考虑储能参与调度；
场景3：考虑爬坡速率但不考虑储能参与调度；
场景4：考虑爬坡速率且考虑储能参与调度。
本文依据6台机组的相互制约关系，通信应在调度起始之后的6s、7.5s、10s、……依次进行，具体通信结束标志依据实际机组状态而定。
场景1：不考虑爬坡速率且不考虑储能参与调度。
在不考虑机组爬坡和储能参与的情况下，整个系统可以满足在理想状态下的正常运行，机组出力如图5所示。从图中可以看出在机组在0:00-6:00、8:00-9:00、10:00-11:00以及12:00-13:00火电所有机组的出力为零，此时由于新能源出力已经满足了负荷的需求，但在其他时间段机组需要接收指令进行动作，为了保证源荷协调，因此需要迅速启动并且运行至相应指令值，这对于火电机组来说会是一个非常大的挑战。同时，由图6可知在风光出现盈余时如果不能很好的存储利用，则会造成非常严重的资源浪费，最严重时可达到58.75%，因此在新型电力系统发展过程中，必须考虑风光的合理利用。
场景2：不考虑爬坡速率但考虑储能参与调度。
在不考虑爬坡速率但考虑储能的情况下，由图7可以明显看出火电的出力明显减少，这对于新型电力系统节能减排具有重大意义。因此加入储能不仅可以很大程度缓解火电机组压力，而且可以降低污染。在储能运行过程中，如图7出现负值的情况，是由于此时系统中存在新能源发电产生的剩余电量，尤其是在1:00-2:00期间，由于储能存储达到最大输入功率，会在这一时刻无法对多余电量进行全部存储；此时P2G工作将多余电量以天然气的形式进行存储，存储电量为95.3MW。
场景3：考虑爬坡速率但不考虑储能参与调度。
在考虑爬坡速率但不考虑储能参与调度的情况下，由图8以看出火电机组的出力值依旧处于较高水平。以7:00-8:00为例，由放大子图可以看出机组由上一时刻转入下一时刻时，机组的出力值是一个逐渐变化的过程，根据λ的变化情况来看，在接近5分钟左右完成了机组爬坡的整个过程。在爬坡过程中通过监测系统的实时功率情况可以得到，系统的最大功率偏差在7:00时刻出现，此时由于新能源出力和负荷需求的变化导致功率的极度不平衡，如果没有储能的存在导致这样的情况无法处理，只能等待机组爬坡来慢慢填补，这对系统来说无疑是伤害巨大的。且这样的情况无时无刻都在发生，且持续时间不定。
场景4：考虑爬坡速率且考虑储能参与调度。
在考虑爬坡速率以及考虑储能参与调度时，可以明显看出此时储能会出现很多突变的时刻，这就是为了平衡机组在爬坡过程中系统出现的供需功率差值，在满足负荷的同时，可以实时配合机组实现系统功率的平衡，使得系统保持稳定。
在7:00的初始时刻，储能迅速增加自己的放电功率以给机组提供足够的缓冲时间。机组爬坡时间较于无储能参与的情况下缩短了将近一倍，这对于日常调度以及未来的应急调度来说都是非常大的提升。
由四个场景分析可知，储能在系统中发挥着重要作用：
存储新能源多余发电量，减少弃风（光）率；
参与日常调度，减少火电机组发电出力，减少碳排放。
平抑机组爬坡带来的系统功率不平衡，维持系统稳定。
由此看出，本文所提模型可以实现储能和火电机组匹配，自主通信完成调度。在电力系统调度过程中，采用本文的改进一致性算法进行调度任务，不仅可以满足系统需求，也可以维持机组爬坡过程中的系统稳定。
根据上述不同场景的分析结果，系统在凌晨0:00-6:00清洁能源的出力可以满足负荷的电能需求，则此时产生的多余电能需要依靠储能装置进行存储，对于不同储能电站来说，不同的参数会影响分配的结果，本发明基于储能衰减的增量成本作为一致性对储能存储量进行分配，其中5:00-6:00的分配结果如图9所示。
由于储能电池响应迅速，因此本发明未考虑其爬坡速率，储能电池的分配则依据储能电站之间的通信完成，一致性协议则根据未考虑爬坡时的一致性算法进行计算，由图9可知，对于不同类型的储能电池其可以达到很好的一致性收敛效果。
对于应急调度测试，模拟场景1：通信层遭受网络攻击致使代理5通信节点遭到破坏，当系统发生突发情况时，系统可以根据智能体间的通信实现一致性，当系统在某时刻突然遭到网络攻击使得通信节点5失效时，为了安全起见相对应的机组也会暂时退出机组的运行。由于通信网络中节点4只与节点5相连，节点5会导致节点4的机组也丢失与其他智能体的通信，因此为安全起见，此时火电机组只剩四台在工作。同时储能电池动作保证了发生故障时系统可以保持功率平衡，使得负荷侧减小影响。经过将近1min的通信使得整个系统达到了平稳的运行状态。因此可以看出本发明所提方法对该场景下的故障可以做出快速高效的调度反应。
场景2：机组自身原因或通信节点遭遇网络攻击使得代理4节点机组出力受限，在电力系统运行过程当中，会遇到各种各样的自然环境的影响，其中目前较为典型的即为高温天气，由于高温天气的影响，空调等家用电器的使用频率急剧增加，在这种情况下，负荷侧突然的需求增长会使得电网面临非常大的挑战，通过测试本发明方法可以得出，在负荷突然激增时，由于机组的爬坡约束，储能将在短时间内发挥巨大作用，其可以为机组爬坡提供充足的反应时间。且可以发现在负荷激增的同时，储能与机组共同提高自己的出力，在负荷激增的状况下，储能极大的缓解了火电机组的压力。
通过以上结果可知，当电力系统发生突发事件时，采用本文所建模型，可以实现储能和火电机组协调配合。在降低系统碳排放的同时，减轻火电机组压力。在应急调度时，可以看出在本文考虑机组爬坡速率后，系统在自主调度通信过程中，通过储能实现了爬坡过程的系统功率平衡。
上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。
Claims (6)
1.一种考虑机组爬坡的电力系统应急调度方法，其特征在于，包括以下步骤：
S1，采用离散时间的一致性算法，构建电力系统的最优经济运行的目标函数并求解；
S2，将电力系统中的每台发电机作为独立的智能体，根据求解结果采用分布式方式调度各个智能体以达到智能体协调的目的；
S3，以电力系统在调度过程中运行成本最小和环境成本最小为目标建立应急调度的目标函数模型；
S4，建立应急调度的目标函数模型的约束条件，并对目标函数进行求解。
2.根据权利要求1所述的一种考虑机组爬坡的电力系统应急调度方法，其特征在于，在步骤S1中，离散时间的一致性算法为：
其中，i为通信节点，
表示通信节点i的状态量，k为离散时间的序列，
为行随机矩阵D第i行第j列的元素，
表达式为：
在电力系统调度中，假设某一区域电网中有m个发电站，n个储能电站，其成本消耗特性分别为F 1(P G1),F 2(P G2),…F m(P Gm)和F m+1(P B(m+1)), F m+2(P B(m+2)),…F m+n(P B(m+n))，其中，P G 为火电机组输出功率；P B 为储能电池输出功率，系统总负荷为P D，为了使整体达到最优经济运行，则需对发电单元进行合理分配，即在满足公式
的条件下，使得电力系统的最优经济运行的目标函数
最小，并构造拉格朗日函数进行求解： 
其中，
为拉格朗日乘数；
该函数求极值的必要条件为：
因此，当
时，电力系统的最优经济运行的目标函数将会取得最小值，即此时电力系统的发电成本最小。
3.根据权利要求2所述的一种考虑机组爬坡的电力系统应急调度方法，其特征在于，在步骤S2中，分布式方式调度各个智能体以达到智能体协调步骤具体为：
根据火电机组的爬坡速率的不同，对各智能体之间的通信频段进行设置；为保证任何一个智能体状态发生改变后进行一次有效通信，完成一次有效通信后，节点状态量
的变化为：
其中，t为通信频段时间序列，z为通信频段时间序列的时间间隔；
每个智能体依据调度中心下发的负荷信息进行内部算法运算并得到一个理想值
、
和
，其中，
为火电机组输出功率理想值；
为储能电池功率理想值；
为火电机组和储能电池共同的增量成本理想值；满足
=
；最后各个智能体之间依据设置的通信频段进行通信，并且每次通信的内容为每一时段的机组功率实际值
和对应的增量成本值
；
此时，此时智能体节点状态量变为实际功率P，
式中：
表示由P引导
的变化；其中，
为拉格朗日乘数；
火电机组爬坡过程中储能的功率随火电机组的实际功率的变化而变化，以满足爬坡过程的功率实时平衡，实现爬坡过程的平衡稳定，即
当
与
的偏差
均小于规定值时，通信停止，爬坡结束。
4.根据权利要求3所述的一种考虑机组爬坡的电力系统应急调度方法，其特征在于，在步骤S3中建立的应急调度的目标函数模型为：
minF=min(F 1+F 2+ F 3)
其中，F 1为传统火电机组的发电成本：
式中，
、
和
为发电成本系数，
为发电机输出功率；
F 2为传统火电机组发电的污染成本：
式中，
、
和
为发电机污染系数，
为发电机输出功率；
F 3为储能电池的短时衰减成本：
式中：
为储能电池输出功率，
是电池的投资成本，
是电池经历的生命周期，s为货币汇率，
为储能电池编号；h和g均为储能电池的成本参数。
5.根据权利要求4所述的一种考虑机组爬坡的电力系统应急调度方法，其特征在于，在步骤S4中，建立的应急调度的目标函数模型的约束条件包括：
1）火电机组爬坡约束：
式中：
和
分别为火电机组t时刻和t-1时刻的功率值，
和
分别表示在间隔时刻内机组上升或者下降的最大值；
2）功率平衡约束：
当风光有盈余时，储能充电：
+
=0
式中：
为风电机组产生的电功率，
为光伏机组产生的电功率，
为电网总负荷，
为线路损耗，
为电转气消耗的电功率，
为储能电池充电功率；
当风光不足时，储能放电：
式中：
为储能电池放电功率；此处引入克朗损耗系数，将损耗值应用于输电损耗模型；克朗损耗公式可表示为
式中：
、
和
都是B矩阵中的系数；
3）发电机输出功率上下限约束：
式中：
和
分别为储能电池充放电功率最小值和最大值；
4) 电池充电状态约束：SOC(t)=
式中：
表示电池在
时刻存储的能量，
是电池的容量，
和
分别为电池充电状态的最小值和最大值。
6.根据权利要求5所述的一种考虑机组爬坡的电力系统应急调度方法，其特征在于，在步骤S4中，应急调度的目标函数模型的求解步骤包括：
步骤1：输入系统参数，包括风电、光伏出力数据、负荷需求数据、发电机成本参数、污染参数、矩阵损耗系数、发电机最大功率、储能电池参数；
步骤2：计算通信网络邻接矩阵L和行随机矩阵D；
步骤3：根据机组爬坡速率的不同得出智能体之间交互的通信频段和通信频率；
步骤4：起始T=1时刻，计算新能源出力与负荷需求偏差ξ，若ξ
，则源侧由风电和光伏出力满足负荷需求，且产生的多余电量由储能电池和P2G存储备用，若ξ
，则说明新能源无法满足负荷需求，需启动火电机组和储能电池对源侧出力进行补充；同时计算各火电机组出力理想值
和增量成本理想值
；
步骤5：依据式
计算出各个机组的增量成本值
，依据式
实时调整储能电池的出力，同时计算出各储能电站的增量成本值
；其中：
步骤6：计算
与
的偏差
，若
小于规定值
时，输出此时输出此时的火电机组功率值和储能的功率值；
步骤7：依据通信频段得出下一时段的功率实际值
：
式中：
为第i台机组的爬坡速率，之后重复步骤5；
步骤8：下一时刻光伏、风电出力和负荷值都发生变化时，返回步骤4，T= T +1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310085075.3A CN115800276B (zh) | 2023-02-09 | 2023-02-09 | 一种考虑机组爬坡的电力系统应急调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310085075.3A CN115800276B (zh) | 2023-02-09 | 2023-02-09 | 一种考虑机组爬坡的电力系统应急调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115800276A true CN115800276A (zh) | 2023-03-14 |
| CN115800276B CN115800276B (zh) | 2023-05-30 |
Family
ID=85430559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310085075.3A Active CN115800276B (zh) | 2023-02-09 | 2023-02-09 | 一种考虑机组爬坡的电力系统应急调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115800276B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117117973A (zh) * | 2023-10-24 | 2023-11-24 | 国网浙江省电力有限公司宁波供电公司 | 基于时间尺度的分布式电源调度方法、装置及存储介质 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108233431A (zh) * | 2017-12-26 | 2018-06-29 | 中国电力科学研究院有限公司 | 一种主动配电网分布式优化调度方法和系统 |
| CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
| CN109193756A (zh) * | 2018-09-04 | 2019-01-11 | 华南理工大学 | 一种风电接入系统的场景解耦动态经济调度模型求解方法 |
| CN109213104A (zh) * | 2018-09-19 | 2019-01-15 | 四川大学 | 基于启发式动态规划的储能系统的调度方法及调度系统 |
| CN109980684A (zh) * | 2019-04-02 | 2019-07-05 | 云南电网有限责任公司电力科学研究院 | 一种基于柔性互联微电网的分布式优化调度方法 |
| CN110137981A (zh) * | 2019-04-29 | 2019-08-16 | 东南大学 | 一种基于一致性算法的分布式储能聚合器agc方法 |
| CN110661258A (zh) * | 2019-09-29 | 2020-01-07 | 广东电网有限责任公司 | 一种电力系统灵活性资源分布式鲁棒优化方法 |
| CN110910016A (zh) * | 2019-11-21 | 2020-03-24 | 青海格尔木鲁能新能源有限公司 | 一种计及需求响应资源的新能源储能系统调度优化方法 |
| CN111817298A (zh) * | 2020-07-21 | 2020-10-23 | 山东大学 | 含随机风能的多调度区间分布式能源调度方法及系统 |
| CN112217197A (zh) * | 2020-09-01 | 2021-01-12 | 广西大学 | 一种双层分布式的多区域配电网经济调度的优化方法 |
| CN112994013A (zh) * | 2021-02-08 | 2021-06-18 | 四川大学 | 考虑频率约束的多源电力系统日前优化调度方法 |
| CN113807569A (zh) * | 2021-08-12 | 2021-12-17 | 华南理工大学 | 一种多源储能型微网的完全分布式协同优化方法 |
| CN113904343A (zh) * | 2021-09-14 | 2022-01-07 | 华中科技大学 | 一种大规模储能集群系统的双层频率控制系统 |
| CN114221357A (zh) * | 2021-12-14 | 2022-03-22 | 上海电力大学 | 计及调频备用效益的主动配电网分层分布式优化调度方法 |
| CN114825378A (zh) * | 2022-05-09 | 2022-07-29 | 东南大学 | 一种考虑运行经济成本和储能soc一致性的双层agc调频控制方法 |
| CN115130745A (zh) * | 2022-06-24 | 2022-09-30 | 国网河南省电力公司开封供电公司 | 变频空调负荷参与输配电网备用分布式协调优化配置方法 |
| CN115169130A (zh) * | 2022-07-15 | 2022-10-11 | 浙江英集动力科技有限公司 | 适用于火电厂自主优化运行的实时优化调度方法及其系统 |
| CN115189420A (zh) * | 2022-07-26 | 2022-10-14 | 国网经济技术研究院有限公司 | 考虑供需双侧不确定性的电网调度运行优化方法及系统 |
| CN115545501A (zh) * | 2022-10-13 | 2022-12-30 | 广西大学 | 一种多模态多目标分层分布式综合能源系统经济调度方法 |
-
2023
- 2023-02-09 CN CN202310085075.3A patent/CN115800276B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108233431A (zh) * | 2017-12-26 | 2018-06-29 | 中国电力科学研究院有限公司 | 一种主动配电网分布式优化调度方法和系统 |
| CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
| CN109193756A (zh) * | 2018-09-04 | 2019-01-11 | 华南理工大学 | 一种风电接入系统的场景解耦动态经济调度模型求解方法 |
| CN109213104A (zh) * | 2018-09-19 | 2019-01-15 | 四川大学 | 基于启发式动态规划的储能系统的调度方法及调度系统 |
| CN109980684A (zh) * | 2019-04-02 | 2019-07-05 | 云南电网有限责任公司电力科学研究院 | 一种基于柔性互联微电网的分布式优化调度方法 |
| CN110137981A (zh) * | 2019-04-29 | 2019-08-16 | 东南大学 | 一种基于一致性算法的分布式储能聚合器agc方法 |
| CN110661258A (zh) * | 2019-09-29 | 2020-01-07 | 广东电网有限责任公司 | 一种电力系统灵活性资源分布式鲁棒优化方法 |
| CN110910016A (zh) * | 2019-11-21 | 2020-03-24 | 青海格尔木鲁能新能源有限公司 | 一种计及需求响应资源的新能源储能系统调度优化方法 |
| CN111817298A (zh) * | 2020-07-21 | 2020-10-23 | 山东大学 | 含随机风能的多调度区间分布式能源调度方法及系统 |
| CN112217197A (zh) * | 2020-09-01 | 2021-01-12 | 广西大学 | 一种双层分布式的多区域配电网经济调度的优化方法 |
| CN112994013A (zh) * | 2021-02-08 | 2021-06-18 | 四川大学 | 考虑频率约束的多源电力系统日前优化调度方法 |
| CN113807569A (zh) * | 2021-08-12 | 2021-12-17 | 华南理工大学 | 一种多源储能型微网的完全分布式协同优化方法 |
| CN113904343A (zh) * | 2021-09-14 | 2022-01-07 | 华中科技大学 | 一种大规模储能集群系统的双层频率控制系统 |
| CN114221357A (zh) * | 2021-12-14 | 2022-03-22 | 上海电力大学 | 计及调频备用效益的主动配电网分层分布式优化调度方法 |
| CN114825378A (zh) * | 2022-05-09 | 2022-07-29 | 东南大学 | 一种考虑运行经济成本和储能soc一致性的双层agc调频控制方法 |
| CN115130745A (zh) * | 2022-06-24 | 2022-09-30 | 国网河南省电力公司开封供电公司 | 变频空调负荷参与输配电网备用分布式协调优化配置方法 |
| CN115169130A (zh) * | 2022-07-15 | 2022-10-11 | 浙江英集动力科技有限公司 | 适用于火电厂自主优化运行的实时优化调度方法及其系统 |
| CN115189420A (zh) * | 2022-07-26 | 2022-10-14 | 国网经济技术研究院有限公司 | 考虑供需双侧不确定性的电网调度运行优化方法及系统 |
| CN115545501A (zh) * | 2022-10-13 | 2022-12-30 | 广西大学 | 一种多模态多目标分层分布式综合能源系统经济调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| XIAOYAN QIU等: "Online Dynamic Parameter Estimation of an Alkaline Electrolysis System Based on Bayesian Inference" * |
| 周步祥等: "基于改进TLBO 算法的电力系统区间经济调度" * |
| 王海冰等: "考虑条件风险价值的两阶段发电调度随机规划模型和方法" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117117973A (zh) * | 2023-10-24 | 2023-11-24 | 国网浙江省电力有限公司宁波供电公司 | 基于时间尺度的分布式电源调度方法、装置及存储介质 |
| CN117117973B (zh) * | 2023-10-24 | 2024-01-12 | 国网浙江省电力有限公司宁波供电公司 | 基于时间尺度的分布式电源调度方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115800276B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
| CN105305419B (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
| CN110826880A (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
| CN112886624B (zh) | 一种三站合一变电站储能装置规划设计系统及方法 | |
| CN110867907B (zh) | 一种基于多类型发电资源同质化的电力系统调度方法 | |
| CN115800276A (zh) | 一种考虑机组爬坡的电力系统应急调度方法 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
| CN109004641A (zh) | 一种基于能源优化调度的微网源网荷协调控制方法 | |
| CN112003268A (zh) | 基于模型预测控制的智能建筑群电能优化共享系统和方法 | |
| CN116562423A (zh) | 基于深度强化学习的电-热耦合新能源系统能量管理方法 | |
| CN115642620A (zh) | 一种储能参与低碳灵活调峰的双层优化方法 | |
| CN115719132A (zh) | 含多座抽蓄电站的省级电网日前计划分层递进优化方法 | |
| CN115021327A (zh) | 基于虚拟储能的互联微电网系统的协同日前优化调度方法 | |
| CN111769601A (zh) | 一种基于mpc策略的微电网能量调度方法 | |
| CN117613919B (zh) | 一种工商业园区用电峰谷差智能控制方法 | |
| CN118410927B (zh) | 一种计及灵活性需求的电力资源结构优化方法及系统 | |
| CN114069714B (zh) | 一种包含可再生能源的分布式电力系统机组调度方法及装置 | |
| CN117559438B (zh) | 基于ems-lmp耦合的源网荷储一体化可再生能源消纳方法及装置 | |
| Jia | Distributed coordination of integrated distribution network based on new energy uncertainty model | |
| Gou et al. | A New Method for Optimal Dispatch Considering System Flexibility in Wind Farm | |
| Yu et al. | Bi-level Optimal Control Strategy of Energy Storage Participating in Power Grid Frequency Regulation Based on Multi ObjectiveGenetic Algorithm | |
| Jiaman et al. | Research on Shared Energy Storage Cooperative Voltage Regulation Strategy Based on Energy Interconnection Mode | |
| Peng et al. | Economic Optimization Scheduling of Distribution Networks-Microgrids Considering Power Interaction between Microgrids | |
| Xu | Wind-solar-storage linkage configuration of carbon-neutral energy internet based on fuzzy control algorithm | |
| Wang et al. | Research on Source-load Synergy Multi-time Scale Optimal Scheduling Considering Large-scale Renewable Energy Access |
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 |