CN115879714A - 一种电解铝负荷参与需求响应的电力系统优化调度方法 - Google Patents
一种电解铝负荷参与需求响应的电力系统优化调度方法 Download PDFInfo
- Publication number
- CN115879714A CN115879714A CN202211550342.1A CN202211550342A CN115879714A CN 115879714 A CN115879714 A CN 115879714A CN 202211550342 A CN202211550342 A CN 202211550342A CN 115879714 A CN115879714 A CN 115879714A
- Authority
- CN
- China
- Prior art keywords
- electrolytic aluminum
- electrolytic
- load
- generating unit
- scheduling
- 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
Landscapes
- Electrolytic Production Of Metals (AREA)
Abstract
一种电解铝负荷参与需求响应的电力系统优化调度方法,该方法先构建以电解铝负荷参与的电力系统优化调度模型作为上层模型、以电解铝企业优化运行模型作为下层模型的双层优化调度模型,再求解构建的双层优化调度模型,得到包含机组调度和电解铝负荷调度的优化调度结果。本发明可以在满足系统调控需求、减少碳排放的同时有效保障电解铝企业的收益最大化。
Description
技术领域
本发明属于电力系统需求侧调度领域,具体涉及一种电解铝负荷参与需求响应的电力系统优化调度方法。
背景技术
铝材的应用十分广泛,例如电气工业、交通运输业、建筑业等诸多行业中均离不开“铝”的身影。我国是电解铝生产大国,产量占据全球份额一半以上。2021年,我国电解铝产量为3850.3万吨,同比增长3.8%。电解铝负荷是我国重要的工业负荷,其具有两个显著特点——高耗能和高排放。高耗能即耗电量巨大,单个电解铝厂的容量便可达数百兆瓦。按照平均生产工艺,电解铝的吨铝耗电量约为13200千瓦时,则2021年电解铝产量折合电量消耗为5082.4亿千万时,约占全社会总用电量的6.1%。高排放即二氧化碳排放量巨大,电解铝的电力消耗排放因子按照全国统一电网排放因子(0.6858tCO2/MWh)计算,2021年电解铝电力消耗折合碳排放量为3.5亿吨,约占全国碳排放量的3.5%。我国已有多个省市发布条例严格控制电解铝产能,电解铝企业的绿色转型升级迫在眉睫。
需求响应是提高电力系统可靠性和灵活性的有效措施之一。将需求响应纳入电力市场中,通过采取有效的激励措施和引导措施,协调规划电力发电侧资源和需求侧资源,是未来电力市场发展的方向。作为我国代表性的工业负荷之一,电解铝负荷亦是一种良好的需求侧资源。我国的电解铝产业主要分布于新疆、青海、内蒙古和甘肃等省份,而风电在以上省份也有较大的装机容量,二者在地理分布上的重合性使得利用电解铝适应风电成为可能。电解铝高耗能的特点也为其带来了巨大的调节潜力。若对电解铝的生产进行合理引导,便可以提供可观的响应容量。此外,工厂高度的自动化系统和完善的数据监管系统使得负荷调控方便而灵活,并且减少了设备的投资成本。对于电解铝企业自身而言,参与需求响应也不失为促进节能减排的良好举措,有利于推动产业用能的高效化、低碳化和绿色化。因此,铝负荷-电力系统的最有调度问题显得尤为重要。
发明内容
本发明的目的是针对现有技术存在的上述问题,提供一种满足电力系统调控需求、减少碳排放的同时保障电解铝企业收益最大化的电解铝负荷参与需求响应的电力系统优化调度方法。
为实现以上目的,本发明的技术方案如下:
一种电解铝负荷参与需求响应的电力系统优化调度方法,依次包括以下步骤:
步骤A、构建双层优化调度模型,所述双层优化调度模型中,上层模型为电解铝负荷参与的电力系统优化调度模型,下层模型为电解铝企业优化运行模型;
步骤B、求解构建的双层优化调度模型,得到优化调度结果,所述优化调度结果包括机组调度结果、电解铝负荷调度结果。
步骤A中,所述电解铝负荷参与的电力系统优化调度模型以电力系统总运行成本最小为目标函数:
dlt=λtUl(Imax-Ilt)
上式中,TN为时段总数,Ng、Nea、Ns、ND、Nw分别为火电机组、电解槽系列、运行场景、负荷节点、风电场数量,分别为t时段第i个火电机组的煤耗成本、开机成本;分别为第i个火电机组提供上、下备用的容量价格,/>分别为t时段第i个火电机组提供的上、下备用容量,Ccarbon为碳排放成本,dlt、/>分别为t时段第l个电解槽系列获得的能量补偿、备用容量补偿,ps为场景s的概率,/>分别为第i个火电机组提供上、下备用的能量价格,/> 分别为场景s下t时段第i个火电机组提供的上、下备用部署,/>为场景s下实际的备用部署补偿,Cload、Cwind分别为非自愿切负荷价格、弃风价格,/> 分别为场景s下t时段第d个节点的非自愿切负荷量、第j个风电场的弃风量,λt为t时段电力系统对第l个电解槽系列的能量补偿价格,Ul为第l个电解槽系列的电压,Imax为允许通入电解槽的电流最大值,Ilt为t时段第l个电解槽系列通入的电流强度,分别为t时段的备用容量补偿价格和备用部署补偿价格,/>为t时段第l个电解槽系列为提供部署备用需降低的电流,/>为场景s下t时段第l个电解槽系列为提供部署备用实际降低的电流,τC为价格系数,/>分别为t时段第i个火电机组的碳排放量和碳排放配额,/>分别为第i个火电机组的碳排放强度和碳配额分配基准值,Pit为t时段第i个火电机组的有功功率,Δt为时段的时长;
所述电解铝企业优化运行模型以电解铝企业净收益最大为目标函数:
所述电解铝负荷参与的电力系统优化调度模型的约束条件包括:
日前调度阶段约束:
上式中,Wjt为t时段第j个风电场的预测功率,Ldt为t时段第d个节点的预测负荷功率,Plt为第l个电解槽系列的功率,Pi min、Pi max分别为第i个火电机组的有功出力最小、最大值,Uit为t时段第i个火电机组的运行状态变量,ri up、ri dn分别为第i个火电机组的上、下爬坡速率,Uiτ为τ时段第i个火电机组的运行状态,τ为火电机组受到启停约束的时段,Ti on、Ti off分别为第i个火电机组的最小开、停机时间,S为灵敏度矩阵,P、W、L、PL分别为火电机组、风电场、负荷、铝电解槽的功率矩阵,为线路潮流最大值矩阵,Ea为碳配额交易量允许值;
日内调度阶段约束:
上式中,Wjts为场景s下t时段第j个风电场的实际功率,Vlts为场景s下t时段第l个电解槽系列的实际部署备用,Ldts为场景s下t时段第d个节点的实际负荷功率,Pits为场景s下t时段第i个火电机组的有功功率,Ps、Ws、Ls、PLs分别为场景s下火电机组、风电场、负荷、铝电解槽的功率矩阵,为场景s下风电场弃风功率矩阵,/>为场景s下非自愿切负荷功率矩阵;
关联约束:
所述电解铝企业优化运行模型的约束条件包括:
日前调度阶段约束:
上式中,Imin为允许通入电解槽的电流最小值,分别为t时段第l个电解槽系列的功率下限、上限约束对应的拉格朗日乘子,/>分别为t时段第l个电解槽系列的备用容量下限、上限约束对应的拉格朗日乘子,Telt为t时段第l个电解槽系列的电解质温度,/>分别为电解质温度允许的最小、最大值,γl1、/>为温度约束对应的拉格朗日乘子,a、b、c、d、K均为常数,/>为电解铝厂日能耗的最小值,μd为日产量约束对应的拉格朗日乘子;
部署备用关联约束:
日内调度阶段约束:
上式中,Telts为场景s下t时段第l个电解槽系列的电解质温度。
所述步骤B具体包括:先基于KKT条件将双层优化调度模型转化为混合整数二次规划模型,再对其进行求解。
所述基于KKT条件将双层优化调度模型转化为混合整数二次规划模型包括:
对于电解铝负荷参与的电力系统优化调度模型,通过KKT条件对其中的λltUlIlt进行转化,得到λltUlIlt的等价表达式:
对于电解铝企业优化运行模型,利用拉格朗日乘子法将该模型的约束条件转化为其KKT条件,并采用大M法对KKT条件线性化,得到如下约束条件:
0≤μd≤(1-yd)M
上式中,yd、/>均为引入的辅助0-1变量,/>表征通入电解槽的电流是否等于其电流最小值,/>表征通入电解槽的电流是否达到上限,/>表征电解铝提供的备用容量是否达到下限,/>表征电解铝提供的备用容量是否达到上限,yd表征电解铝厂的日产量是否达到下限,/>表征槽内电解质温度是否达到下限,/>表征电解铝提供的部署备用是否达到下限,/>表征电解铝提供的部署备用是否达到上限,M为一足够大的常数。
所述求解通过Gurobi求解器完成。
与现有技术相比,本发明的有益效果为:
1、本发明一种电解铝负荷参与需求响应的电力系统优化调度方法先构建以电解铝负荷参与的电力系统优化调度模型作为上层模型、以电解铝企业优化运行模型作为下层模型的双层优化调度模型,再求解构建的双层优化调度模型,得到包含机组调度和电解铝负荷调度的优化调度结果,该双层优化调度模型可以在满足系统调控需求、减少碳排放的同时有效保障电解铝企业的收益最大化,有利于提高电解铝负荷参与需求响应的积极性。
2、本发明一种电解铝负荷参与需求响应的电力系统优化调度方法针对电解铝负荷参与的电力系统优化调度模型和电解铝企业优化运行模型,均采取日前调度阶段、日内调度阶段两阶段随机优化的方法,第一阶段的决策根据预测情景在日前调度中做出,其决策值适用于第二阶段的所有场景,第二阶段在不确定性参数给定的情况下进行日内调度,其决策值依赖于第一阶段的决策值,且与场景相关,以平抑场景内风电和负荷的波动,该方法使得电解铝负荷参与需求响应的电力系统能够更好地应对风电和负荷的不确定性。
3、本发明一种电解铝负荷参与需求响应的电力系统优化调度方法在求解双层优化调度模型时,基于KKT条件将双层优化调度模型转化为混合整数二次规划模型,可直接通过Gurobi求解器进行求解,有效降低了模型的求解难度。
附图说明
图1为实施例1采用的IEEE-39节点系统的拓扑结构图。
图2为Case 3的电解铝负荷调度结果。
具体实施方式
下面结合具体实施方式以及附图对本发明作进一步详细的说明。
实施例1:
一种电解铝负荷参与需求响应的电力系统优化调度方法,该方法以图1所示的IEEE-39节点系统(包含10台火电机组,参数如表1所示,于节点20处集中接入风电场,总容量为600MW,某电解铝企业有2个电解铝厂,分别位于节点2和节点10,每个厂各含有一个电解槽系列,参数如表2所示)作为研究对象:
表1火电机组参数
表2电解铝厂参数
所述方法依次按照以下步骤进行:
1、先基于历史风电数据和负荷数据生成500个运行场景,并设定每个场景的概率为1/500,再通过场景削减方法合并相似场景,最终得到20个典型风电与负荷场景,各典型风电与负荷场景的概率为合并的相似场景数量除以运行场景总数量。
2、构建上层模型,即电解铝负荷参与的电力系统优化调度模型,其目标函数如下:
上式中,TN为时段总数,Ng、Nea、Ns、ND、Nw分别为火电机组、电解槽系列、运行场景、负荷节点、风电场数量,分别为t时段第i个火电机组的煤耗成本、开机成本;/>分别为第i个火电机组提供上、下备用的容量价格,/>分别为t时段第i个火电机组提供的上、下备用容量,Ccarbon为碳排放成本,dlt、/>分别为t时段第l个电解槽系列获得的能量补偿、备用容量补偿,ps为场景s的概率,/>分别为第i个火电机组提供上、下备用的能量价格,/> 分别为场景s下t时段第i个火电机组提供的上、下备用部署,/>为场景s下实际的备用部署补偿,Cload、Cwind分别为非自愿切负荷价格、弃风价格,/> 分别为场景s下t时段第d个节点的非自愿切负荷量、第j个风电场的弃风量。
电解铝企业参与需求响应产生调度成本,电力系统运营商根据电解铝负荷的响应情况向其提供成本补偿,包括能量补偿、备用容量补偿、备用部署补偿3部分:
上式中,λt为t时段电力系统对第l个电解槽系列的能量补偿价格,Ul为第l个电解槽系列的电压,Imax为允许通入电解槽的电流最大值,Ilt为t时段第l个电解槽系列通入的电流强度,分别为t时段的备用容量补偿价格和备用部署补偿价格,/>为t时段第l个电解槽系列为提供部署备用需降低的电流,/>为场景s下t时段第l个电解槽系列为提供部署备用实际降低的电流。
碳排放成本可表示为:
火电机组的碳排放量与其出力有关,可由下式表示:
上式中,ηi C为第i个火电机组的碳排放强度,Pit为t时段第i个火电机组的有功功率,Δt为时段的时长。
火电机组碳排放配额可表示如下:
该模型的约束条件如下:
日前调度阶段约束:
1)功率平衡约束
功率平衡对于电力系统安全稳定运行至关重要,系统功率平衡约束指火电机组的出力与风电机组的出力之和须等于系统的总负荷,可表示为:
上式中,Wjt为t时段第j个风电场的预测功率,Ldt为t时段第d个节点的预测负荷功率,Plt为第l个电解槽系列的功率。
2)火电机组出力约束
每台火电机组的出力都有其最大值和最小值。最大值一般为额定功率,最小值一般指保证锅炉不会熄灭的最小功率,机组出力需介于二者之间,可表示为:
3)火电机组爬坡约束
由于受到自身条件的限制,火电机组在一定时间内的出力变化量是有限的,不可剧烈变动:
上式中,ri up、ri dn分别为第i个火电机组的上、下爬坡速率。
4)火电机组最小开机/停机时间约束
为了使经济性更优以及减少对火电机组的损坏,火电机组开机后必须持续运行一定时间后才允许停机,该时间即为最小开机时间;同样的,火电机组停机后必须持续关停一定时间后才允许开机,该时间即为最小停机时间:
上式中,Uiτ为τ时段第i个火电机组的运行状态,τ为火电机组受到启停约束的时段,Ti on、Ti off分别为第i个火电机组的最小开、停机时间。
5)火电机组备用容量约束
为了保证电力系统安全稳定的运行,必须留有一定的备用容量,以避免负荷或风电功率波动时造成功率失衡,影响供电:
6)支路潮流约束
支路潮流约束即支路容量上下限约束,该约束表明系统中的各条线路均受其允许通过的最大功率的限制,可表示为:
7)碳排放约束
该约束限制了系统交易的碳配额量应在一定范围内,本质上是对碳排放总量进行了限制:
上式中,Ea为碳配额交易量允许值。
日内调度阶段约束:
1)场景能量平衡约束
上式中,Wjts为场景s下t时段第j个风电场的实际功率,Vlts为场景s下t时段第l个电解槽系列的实际部署备用,Ldts为场景s下t时段第d个节点的实际负荷功率。
2)场景机组爬坡约束
上式中,Pits为场景s下t时段第i个火电机组的有功功率。
3)场景支路潮流约束
4)弃风量约束
5)非自愿切负荷量约束
关联约束
3、构建下层模型,即电解铝企业优化运行模型,其目标函数如下:
上式中,Alt为t时段第l个电解槽系列生产电解铝所得利润,Mlt、分别为t时段第l个电解槽系列的运行维护成本、碳排放成本,Alts为场景s下t时段第l个电解槽系列生产电解铝实际所得利润,Mlts为场景s下t时段第l个电解槽系列的实际运行维护成本。
Alt可表示如下:
Alt=BlUlIlt
上式中,Bl为第l个电解槽系列生产铝产品的利润价格系数,其中已考虑了原料成本、电费成本等因素,该价格系数可通过吨铝利润折算得到。
考虑到电解铝企业提供需求响应需要进行一定的运行维护,假定运行维护成本是提供的响应能量的二次函数,可表示如下:
上式中,N为电解铝企业运行维护成本函数的二次项系数。
电解铝企业的碳排放成本可表示为:
综上,电解铝企业优化运行模型的目标函数可进一步表示如下:
该模型的约束条件如下:
日前调度阶段约束:
1)功率约束
2)备用容量约束
3)温度约束
4)日产量约束
部署备用关联约束:
日内调度阶段约束:
1)场景温度约束
上式中,Telts为场景s下t时段第l个电解槽系列的电解质温度。
电解铝负荷的场景部署备用应小于等于其提供的备用容量,则场景电解槽功率将大于等于考虑备用容量后的电解槽功率,场景电解质温度将大于等于考虑备用容量后的电解质温度,即温度约束和部署备用关联约束满足时,场景温度约束自然满足。
2)场景日产量约束
4、基于KKT条件将双层优化调度模型转化为混合整数二次规划模型,包括:
对于电解铝负荷参与的电力系统优化调度模型,其目标函数中包含λltUlIlt,该项涉及两个不同的决策变量相乘,会造成目标函数直接求解困难。因此,通过KKT条件对该项进行转化,从而使上层目标函数凸化。经过转化,得到λltUlIlt的等价表达式:
凸化后的目标函数如下所示:
对于电解铝企业优化运行模型,其为一个连续的凸优化问题,首先,利用拉格朗日乘子法将下层优化问题转化为其KKT条件;其次,由于KKT条件中存在非线性结构,因此通过大M法对KKT条件线性化。
该模型中约束条件的KKT条件如下:
上式中,x⊥y表示x与y的乘积为0。
以上各种约束KKT条件的形式为拉格朗日乘子与约束之积为0,其中包含非线性项——拉格朗日乘子与决策变量的乘积。这种非线性结构可通过引入辅助的0/1整数变量,利用大M法将其转化为混整线性约束。
以电解铝企业的优化运行模型中功率约束的KKT条件为例,其转换后的混整线性约束如下所示:
上式中,为引入的辅助0-1变量,当通入电解槽的电流小于其电流最小值时取0,此时拉格朗日乘子/>当通入电解槽的电流大于等于其电流最小值时取1,此时拉格朗日乘子/>由此可知,/>和Ilt-Imin中至少有一项等于零,两者乘积始终为零,因此转化前后的越是是等价的,M为一足够大的常数。
同理,其余约束也可以转换为类似的混整线性约束,表示如下:
上式中,yd、/>均为引入的辅助0-1变量,表征通入电解槽的电流是否等于其电流最小值,/>表征通入电解槽的电流是否达到上限,/>表征电解铝提供的备用容量是否达到下限,/>表征电解铝提供的备用容量是否达到上限,yd表征电解铝厂的日产量是否达到下限,/>表征槽内电解质温度是否达到下限,/>表征电解铝提供的部署备用是否达到下限,/>表征电解铝提供的部署备用是否达到上限。
从上式可以看出,目标函数中除包含部分二次项以外,其余项均为线性项。至此,计及价格引导机制和需求响应的双层优化问题转化为一个MIQP问题。
5、采用Gurobi求解器求解转化后的模型,得到优化调度结果,该结果包括机组调度结果、电解铝负荷调度结果。
在不考虑碳减排政策的情况下,以不考虑价格引导机制和电解铝参与需求响应的单层两阶段随机优化调度方案作为Case 1,以考虑电解铝参与需求响应但不考虑价格机制的单层两阶段随机优化调度方案作为Case 2,实施例1的调度方案作为Case 3,将三者的成本计算结果进行对比,结果如表3所示:
表3各方案成本计算结果
应该指出,电解铝的吨铝利润值在单层优化模型中仅影响电解铝企业的收益,对于目标函数、机组调度结果、电解铝负荷调度结果并无影响。从表3中可以看出,Case2未考虑价格引导机制,由电力系统运营商强制调度电解铝负荷参与需求响应,虽然系统总运行成本最低,但是电解铝企业的收益相比未参与需求响应时(Case 1)反而有所降低。Case 3考虑了价格引导机制,将电解铝企业作为独立运行者,以动态的能量补偿价格引导电解铝负荷参与需求响应。在本算例中,电解铝负荷参与需求响应主要是提供能量响应,因此火电机组的煤耗成本在三个算例中最低,相应的第一阶段的总成本也最低;第二阶段的调度结果Case 3和Case 1一致。对比总运行成本,Case 3的总成本高于未考虑价格引导机制的Case 2,这是因为在Case 2中,电力系统运营商以一个较低的能量补偿价格强制调度电解铝负荷,忽视了电解铝企业自身的利益,而考虑价格引导机制后,需要同时计及电力系统的运行情况和电解铝企业的收益情况,以合适的价格加以引导调动,所以在Case 3的双层模型中,电解铝企业的收益没有受损且收益最高,相应的代价就是总成本会有所增长,但是仍然低于未考虑需求响应的Case 1。
Case 3的电解铝负荷调度结果如图2所示。从图中可以看出,由于所提铝电解槽热传导模型很好的考虑了电流的改变对槽内电解质温度的影响,所以电解槽系列1和2的电解质温度均未越下限,处于合理范围之内。在时段1-4,槽内电解质温度最高,电解铝负荷调节空间最大,电力系统运营商需要提供更高的能量补偿价格引导电解铝负荷提供较多的响应能量;在时段8-10,能量补偿价格有小幅度的增长,原因是此时净负荷快速增加,电力系统运营商需要电解铝负荷提供能量响应缓解火电机组的爬坡压力;在时段20-24,此时电解铝负荷的温度已达下限,调节空间非常小,相应的能量补偿价格也最低。对比电解槽系列1和2的调度结果,电力系统运营商提供给电解槽系列1的能量补偿价格相对较高,更倾向于调度电解槽系列2。这是因为电解槽系列1的吨铝利润高于电解槽系列2,所以电力系统运营商需要提供更高的补偿价格才能使电解槽系列1有足够的意愿提供能量响应。
电解铝负荷运行维护成本中的二次项系数N是一个十分重要的参数,其反映了电解铝负荷对于功率变化的敏感程度,进而也会影响能量补偿价格,因此也可称N为灵敏系数。不同灵敏系数对电解铝企业收益和系统总运行成本的影响如表4所示。随着N逐渐增大,电解铝负荷变化相同功率所需的运行维护成本也逐渐增大,即电解铝企业对于功率变化愈加敏感。为了提高电解铝负荷参与需求响应的积极性,电力系统运营商需要给予更高的能量补偿价格,因此电解铝企业的收益逐渐增高,系统总运行成本也随之增高。
表4灵敏系数对电解铝企业收益和系统总运行成本的影响
Claims (7)
1.一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
所述优化调度方法依次包括以下步骤:
步骤A、构建双层优化调度模型,所述双层优化调度模型中,上层模型为电解铝负荷参与的电力系统优化调度模型,下层模型为电解铝企业优化运行模型;
步骤B、求解构建的双层优化调度模型,得到优化调度结果,所述优化调度结果包括机组调度结果、电解铝负荷调度结果。
2.根据权利要求1所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
步骤A中,所述电解铝负荷参与的电力系统优化调度模型以电力系统总运行成本最小为目标函数:
dlt=λtUl(Imax-Ilt)
上式中,TN为时段总数,Ng、Nea、Ns、ND、Nw分别为火电机组、电解槽系列、运行场景、负荷节点、风电场数量,分别为t时段第i个火电机组的煤耗成本、开机成本;/>分别为第i个火电机组提供上、下备用的容量价格,/>分别为t时段第i个火电机组提供的上、下备用容量,Ccarbon为碳排放成本,dlt、/>分别为t时段第l个电解槽系列获得的能量补偿、备用容量补偿,ps为场景s的概率,/>分别为第i个火电机组提供上、下备用的能量价格,/> 分别为场景s下t时段第i个火电机组提供的上、下备用部署,为场景s下实际的备用部署补偿,Cload、Cwind分别为非自愿切负荷价格、弃风价格,/>分别为场景s下t时段第d个节点的非自愿切负荷量、第j个风电场的弃风量,λt为t时段电力系统对第l个电解槽系列的能量补偿价格,Ul为第l个电解槽系列的电压,Imax为允许通入电解槽的电流最大值,Ilt为t时段第l个电解槽系列通入的电流强度,/>分别为t时段的备用容量补偿价格和备用部署补偿价格,/>为t时段第l个电解槽系列为提供部署备用需降低的电流,/>为场景s下t时段第l个电解槽系列为提供部署备用实际降低的电流,τC为价格系数,/>分别为t时段第i个火电机组的碳排放量和碳排放配额,/>分别为第i个火电机组的碳排放强度和碳配额分配基准值,Pit为t时段第i个火电机组的有功功率,Δt为时段的时长;
所述电解铝企业优化运行模型以电解铝企业净收益最大为目标函数:
3.根据权利要求2所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
所述电解铝负荷参与的电力系统优化调度模型的约束条件包括:
日前调度阶段约束:
上式中,Wjt为t时段第j个风电场的预测功率,Ldt为t时段第d个节点的预测负荷功率,Plt为第l个电解槽系列的功率,Pi min、Pi max分别为第i个火电机组的有功出力最小、最大值,Uit为t时段第i个火电机组的运行状态变量,ri up、ri dn分别为第i个火电机组的上、下爬坡速率,Uiτ为τ时段第i个火电机组的运行状态,τ为火电机组受到启停约束的时段,Ti on、Ti off分别为第i个火电机组的最小开、停机时间,S为灵敏度矩阵,P、W、L、PL分别为火电机组、风电场、负荷、铝电解槽的功率矩阵,为线路潮流最大值矩阵,Ea为碳配额交易量允许值;
日内调度阶段约束:
上式中,Wjts为场景s下t时段第j个风电场的实际功率,Vlts为场景s下t时段第l个电解槽系列的实际部署备用,Ldts为场景s下t时段第d个节点的实际负荷功率,Pits为场景s下t时段第i个火电机组的有功功率,Ps、Ws、Ls、PLs分别为场景s下火电机组、风电场、负荷、铝电解槽的功率矩阵,为场景s下风电场弃风功率矩阵,/>为场景s下非自愿切负荷功率矩阵;
关联约束:
4.根据权利要求3所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
所述电解铝企业优化运行模型的约束条件包括:
日前调度阶段约束:
上式中,Imin为允许通入电解槽的电流最小值,分别为t时段第l个电解槽系列的功率下限、上限约束对应的拉格朗日乘子,/>分别为t时段第l个电解槽系列的备用容量下限、上限约束对应的拉格朗日乘子,Telt为t时段第l个电解槽系列的电解质温度,/>分别为电解质温度允许的最小、最大值,γl1、/>为温度约束对应的拉格朗日乘子,a、b、c、d、K均为常数,/>为电解铝厂日能耗的最小值,μd为日产量约束对应的拉格朗日乘子;
部署备用关联约束:
日内调度阶段约束:
上式中,Telts为场景s下t时段第l个电解槽系列的电解质温度。
5.根据权利要求4所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
所述步骤B具体包括:先基于KKT条件将双层优化调度模型转化为混合整数二次规划模型,再对其进行求解。
6.根据权利要求5所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:
所述基于KKT条件将双层优化调度模型转化为混合整数二次规划模型包括:
对于电解铝负荷参与的电力系统优化调度模型,通过KKT条件对其中的λltUlIlt进行转化,得到λltUlIlt的等价表达式:
对于电解铝企业优化运行模型,利用拉格朗日乘子法将该模型的约束条件转化为其KKT条件,并采用大M法对KKT条件线性化,得到如下约束条件:
0≤μd≤(1-yd)M
7.根据权利要求5所述的一种电解铝负荷参与需求响应的电力系统优化调度方法,其特征在于:所述求解通过Gurobi求解器完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211550342.1A CN115879714A (zh) | 2022-12-05 | 2022-12-05 | 一种电解铝负荷参与需求响应的电力系统优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211550342.1A CN115879714A (zh) | 2022-12-05 | 2022-12-05 | 一种电解铝负荷参与需求响应的电力系统优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115879714A true CN115879714A (zh) | 2023-03-31 |
Family
ID=85765928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211550342.1A Pending CN115879714A (zh) | 2022-12-05 | 2022-12-05 | 一种电解铝负荷参与需求响应的电力系统优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879714A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116191450A (zh) * | 2023-04-28 | 2023-05-30 | 武汉大学 | 考虑辅助服务收益的电解铝负荷参与调峰控制方法及系统 |
-
2022
- 2022-12-05 CN CN202211550342.1A patent/CN115879714A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116191450A (zh) * | 2023-04-28 | 2023-05-30 | 武汉大学 | 考虑辅助服务收益的电解铝负荷参与调峰控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11757404B2 (en) | Coordinated control of renewable electric generation resource and charge storage device | |
CN110474367B (zh) | 一种考虑风险损失的微电网容量配置优化方法 | |
Palma-Behnke et al. | A microgrid energy management system based on the rolling horizon strategy | |
Beier | Simulation approach towards energy flexible manufacturing systems | |
CN105207259B (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
CN111355265B (zh) | 一种微电网能量两阶段鲁棒优化方法及系统 | |
CN111404183B (zh) | 区域综合能源系统多元储能协同配置方法、程序、系统与应用 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN113779783B (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
Li et al. | An integrated energy exchange scheduling and pricing strategy for multi-microgrid system | |
Awasthi et al. | Operation of datacenter as virtual power plant | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
CN115879714A (zh) | 一种电解铝负荷参与需求响应的电力系统优化调度方法 | |
Sato et al. | Analysis of avoided transmission through decentralized photovoltaic and battery storage systems | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Han et al. | Optimal design of an on-grid microgrid considering long-term load demand forecasting: A case study | |
Sathishkumar et al. | Adaptive power management strategy-based optimization and estimation of a renewable energy storage system in stand-alone microgrid with machine learning and data monitoring | |
Zhang et al. | Hierarchical MPC-based energy management and frequency regulation participation of a virtual power plant | |
Li et al. | Optimal energy base planning method with integrated industry high-consumption demand response and dynamic line rating | |
CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 | |
Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
Yan et al. | Day-ahead optimal operational and reserve power dispatching in a PV-based urban microgrid | |
Mahmoudian et al. | Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement | |
Yu et al. | A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid |
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 |