CN116029097A - 考虑不确定性风电接入惯量安全的经济-能效性调度方法 - Google Patents
考虑不确定性风电接入惯量安全的经济-能效性调度方法 Download PDFInfo
- Publication number
- CN116029097A CN116029097A CN202211565512.3A CN202211565512A CN116029097A CN 116029097 A CN116029097 A CN 116029097A CN 202211565512 A CN202211565512 A CN 202211565512A CN 116029097 A CN116029097 A CN 116029097A
- Authority
- CN
- China
- Prior art keywords
- power
- caes
- wind
- wind power
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004146 energy storage Methods 0.000 claims abstract description 15
- 238000010248 power generation Methods 0.000 claims description 29
- 238000007906 compression Methods 0.000 claims description 26
- 230000006835 compression Effects 0.000 claims description 26
- 238000005338 heat storage Methods 0.000 claims description 15
- 230000001360 synchronised effect Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 11
- 229910052799 carbon Inorganic materials 0.000 abstract description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 6
- 239000003245 coal Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000005370 electroosmosis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑不确定性风电接入惯量安全的经济‑能效性调度方法，包括：步骤一：建立风电出力模型和先进绝热压缩空气储能AA‑CAES电站热力学模型，确定模型的约束条件。步骤二：在Yalmip平台建立电力系统鲁棒优化调度模型，确定低碳‑高
综合目标函数，调用Gurobi求解器对该优化问题进行快速求解。本发明提出基于风电出力不确定性及惯量安全的电力系统经济‑能效性调度方法，使整个系统兼顾了安全性、经济性以及能效性。
Description
技术领域
本发明涉及电力系统运行领域，一种考虑不确定性风电接入惯量安全的经济-能效性调度方法。
技术背景
在我国“双碳”目标背景下，我国面临的最大挑战是能源和环境问题。中国的能源消费以碳排放强度最高的煤炭为主，因此节能减排要求的提出导致可再生能源(renewableenergy resource,RES)的大力发展，风力发电(wind power generation,WPG)等可再生能源的渗透率逐步提高，为实现电力系统低碳化奠定了基础，此外，可再生资源利用成本持续下降，以致其经济性竞争优势不断扩大[1-2]，为新型电力系统的经济性运行作出贡献。与此同时，大规模风电接入电力系统以后，一方面，降低了煤炭等化石能源的使用比例，减少了系统运行成本，提高经济性，另一方面，风电规模化并网将替代相当比例的常规同步电源，大幅降低系统转动惯量水平，严重削弱系统在有功扰动下的惯量支撑和频率调节能力[2]。
双碳目标的实际压力很大，面临着极其巨大的挑战。一是从能源利用角度，需要积极开发低碳无碳、连续再生、永续利用的非化石能源[3]；二是为保障高比例可再生能源电网的安全稳定运行，未来储能技术的巨大突破[4]，储能技术是风电等功率不确定、时空分布复杂的可再生能源成为高效率电能必要的技术支撑，能量存储系统(energy storagesystem,ESS)已用于应对RES引入的挑战。
压缩空气储能(compressed air energy storage,CAES)是一种大规模的物理储能技术，为电力负荷的调峰和削峰填谷提供了新的解决方案，并缓解了可再生能源过剩的问题[5-6]。CAES使用高压，等温空气压缩机/膨胀机，避免了碳排放，相比使用化石燃料的传统系统效率更高[7]。CAES具有大规模存储容量，高爬坡率和相对较短的启动时间，可以减轻可再生能源发电的波动。目前，已成为可再生能源储能的良好选择[8-10]。
不确定性是WPG的主要问题，这对WPG参与电力市场带来了巨大挑战。WPG的不确定性随着预测时间的增加而增加[11]。在具有不确定性的调度问题中大多采用随机优化和鲁棒优化，随机优化方法无法得到精确解，随着场景的增加，计算量也将大幅增加[12]。鲁棒优化已成为在不确定环境下实现具有合理实用性，经济性和可靠性的解决方案的有效决策工具。
一方面，系统惯量若保持在远远高出安全临界值的水平，可能加剧弃风、弃光现象[13-14]；另一方面，系统惯量不足将带来频率失稳风险。在电力系统规划中充分考虑高比例可再生能源并网的电力系统低惯量给新型电力系统带来的频率稳定性问题，能够提高新能源电力消纳水平，减少弃风、弃光现象。文献[15]根据关键N-2检验确定了电力系统惯量安全边界，从而提出了惯量安全域的概念。文献[16]针对微电网在并网和孤岛运行模式下惯量需求进行研究，指出微电网最低惯量需求由极限预想故障、频率变化率、电源调频速率以及负荷频率特性共同决定。文献[17]基于频率传递函数模型对此趋势进行了量化分析，同时给出了新能源渗透率上限的估计方法。目前，系统极限最小惯量通常以动态频率惯性响应阶段的频率变化率(rate of change of frequency，RoCoF)[18]和一次调频阶段的最低点频率(nadir frequency，NF)[19-20]为关键指标进行约束量化。此背景下，探究系统惯量与新能源电力系频率动态响应指标间的内在关系成为量化极限最小惯量的关键环节，美国电力研究院(EPRI)在关于低惯量电力系统运行与挑战的报告中阐述了不同系统的极限最小惯量有所区别[21]。文献[22][23][24]探讨了微网中或电力系统运行时发生扰动应具备足够惯量支撑能力。因此，本发明兼顾安全性、经济性以及能效性，采用AA-CAES作为储能装置消纳风电，考虑惯量约束及频率约束下的高比例风电接入后系统的鲁棒优化调度。
参考文献
[1]崔杨,邓贵波,赵钰婷,仲悟之,唐耀华,刘新元.考虑源荷低碳特性互补的含风电电力系
统经济调度[J].中国电机工程学报,2021,41(14):4799-4815.
[2]曾繁宏,张俊勃.电力系统惯性的时空特性及分析方法[J].中国电机工程学报,2020,40(1):50-58.
[3]康重庆,姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架[J].电力系统
自动化,2017,41(09):2-11.
[4]姜海洋,杜尔顺,朱桂萍,等.面向高比例可再生能源电力系统的季节性储能综述与展望[J].
电力系统自动化,2020,44(19):194-207.
[5]Luo,X.,Wang,J.,Krupke,C.,et al.:‘Modelling study,efficiencyanalysis and optimisation of large-
scale Adiabatic Compressed Air Energy Storage systems with low-temperature thermal storage’,
Applied Energy,2016,162:589-600.
[6]Colthrope,A.‘Canadian firms NRStor and Hydrostor partner up onutility-scale adiabatic compressed air storage’,https://www.energy-storage.news/news/canadian-firms-nrstor-and-
hydrostor-partner-up-on-utility-scale-adiabatic-c,accessed 12December2017.
[7]Perry,Y.L.,Mohsen,S.:‘An approach to reduce the flow requirementfor a liquid piston near-
isothermal air compressor/expander in a compressed air energy storagesystem’,IET Renewable Power Generation,2015,10,(10),pp.1506-1514.
[8]National Renewable Energy Laboratory.:‘Cost and performance datafor power generation technologies’,NREL technology report,2012.
[9]Klumpp,F.:‘Comparison of pumped hydro,hydrogen storage andcompressed air energy storage for integrating high shares of renewableenergies-Potential,cost-comparison and ranking’,J.
Energy Storage,2016,8,pp.119-128.
[10]Shafiee,S.,Zareipour,H.,Knight,A.M.,Amjady,N.,and Mohammadi-Ivatloo,B.:‘Risk-
constrained bidding and offering strategy for a merchant compressedair energy storage plant’,IEEE Transactions on Power System,2017,32,(2),pp.946-957.
[11]Meng,K.,Yang,H.,Dong,Z.,Guo,W.,Wen,F.,Xu,Z.:‘Flexible operationalplanning framework considering multiple wind energy forecasting serviceproviders’,IEEE Transactions on Sustainable Energy,2016,7,(2),pp.708-717
[12]CONEJO,A.J.,CARRIóN,M.,MORALES,J.M.:‘Decision making underuncertainty in electricity markets’,USA:Springer,2010.
[13]潘垣,尹项根,胡家兵,等.论基于柔直电网的西部风能源集中开发与外送[J].电网技术,
2016,40(12):3621-3629.
[14]Mellern W,Shao M,Venkataraman S,et al.Frequency response ofCalifornia and WECC under high wind and solar conditions[C].IEEE Power andEnergy Society General Meeting,July 22-26,
2012,San Diego,CA USA.
[15]林晓煌,文云峰,杨伟峰.惯量安全域:概念、特点及评估方法[J].中国电机工程学报,2021:1-16.
[16]文云峰,林晓煌.孤岛与并网模式下微电网最低惯量需求评估[J].中国电机工程学报,2020:1-15.
[17]张剑云,李明节.新能源高渗透的电力系统频率特性分析[J].中国电机工程学报,2020,
40(11):3498-3507.
[18]Porretta B,Porretta S.Calculation of power systems inertia andfrequency response[C].2018IEEE Texas Power and Energy Conference(TPEC).USA:IEEE,2018:1-6.
[19]Li W,Joós G,Abbey C.Wind power impact on system frequencydeviation and an ESS based power filtering algorithm solution[C].2006IEEE PESPower Systems Conference and Exposition.USA:
IEEE,2006:2077-2084.
[20]Nguyen N,Mitra J.An analysis of the effects and dependency ofwind power penetration on system frequency regulation[J].IEEE Transactions onSustainable Energy,2015,7(1):354-363.
[21]EPRI.Meeting the challenges of declining system inertia[EB/OL].2020-03-04.
[22]H,Seifi H,Messina A R,et al.Maximum penetration level ofmicro-grids in large-scale power systems:frequency stability viewpoint[J].IEEE Transactions on Power Systems,2016,31(6):5163-5171.
[23]Duckwitz D.Power system inertia[EB/OL].2020-03-04.
[24]Operational Analysis and Engineering,AEMO.Inertia requirementmethodology[EB/OL].2020-03-04.
发明内容
本发明所要解决的问题是考虑惯量安全、频率安全、AA-CAES运行特性、风力发电运行特性及不确定集的前提下，提出一种考虑不确定性风电接入惯量安全的经济-能效性调度方法。
本发明解决其技术问题所采用的技术方案是：考虑不确定性风电接入惯量安全的经济-能效性的、调度方法。包括如下步骤：
一种考虑不确定性风电接入惯量安全的经济-能效性调度方法，该方法具体包括以下步骤：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型与风电出力不确定性模型；其中先进绝热压缩空气储能AA-CAES电站热力学模型的约束条件有：AA-CAES电站压缩功率约束，AA-CAES电站压缩功率上下限约束，AA-CAES电站膨胀功率约束，AA-CAES电站膨胀功率上下限约束，AA-CAES电站运行工况约束，AA-CAES储气室气压约束，储热器内储热量约束；整个调度模型中考虑惯量和频率安全约束，具体为：
其中，ΔPsys表示系统中因负荷波动导致与电源出力增量产生的功率差值，Hi为第i台同步机的惯性常数，Si为第i台同步机的额定容量，HCAES为AA-CAES的惯性常数，SCAES为AA-CAES的额定容量，f0为系统初始频率，f为系统频率。df/dt即为RoCoF，频率变化率；并对常规机组运行和线路传输功率进行约束。
步骤二：建立模型的目标函数。
F＝F1+F2 (2)
式(2)表示整个调度周期内系统发电的总成本。其中，F1为常规机组的发电成本，F2为风功率估计偏差所产生的额外费用。确定t时段输入系统的总能，包括消耗的风能和煤炭中的能；
表示风能的能，的煤炭的能；
本文系统模型中，由风力发电和传统火力发电给负载端负荷供能，电能是高品位能量，电能与电相等，相比之下，风能与化学能则是低品位能量，值小于其能值。
系统效率为：
Ψex＝Exout(t)/Exin(t) (4)
由于认为需求端负荷预测准确，故Exout(t)为定值，等于负载端电能总需求。因此，实现效率最大可转换为实现输入最小。
式(5)为系统24h总的输入。
式(6)为规格化后综合成的目标函数，ωi为第i个目标的权重。因为在调度过程中，电网运行的经济性与效率无法同时达到最优，表现为某一指标的优化伴随着另一指标的恶化，代价不可规避。优化中的多目标问题主要解决途径有其二,一种是把几个目标综合成一个单目标,另一种方法是搜索Pareto非劣解,后者过程相当耗时且结果受前沿形状所影响，故本文中选择前者。
将多目标综合成单目标，目标函数的重要程度相关权重为：
判断矩阵为：
其中矩阵下标i与j相同时元素都为1，且τij与τji互为倒数；
目标函数的重要系数为：
目标函数的权重为：
取经济性最差场景及能效性最差场景所得成本数值及输入数值基准值和根据上述式(7)、(8)、(9)、(10)，计算并综合处理后可得到最终目标函数。
式(11)为采用工程博弈模型后由上述目标函数及约束条件得到的min-max模型。其中，x为系统状态，包括线路状态，h为人工决策变量，包括常规机组、AA-CAES电站以及计划调度风功率等决策变量，n为大自然决策变量，包括实际可用风功率；C(x,h,n)为上述约束条件，H和N分别为人工决策变量集和大自然决策变量集。模型转换目的为最小化大自然决策对于系统调度成本及输入的影响，得到结果为所有情况下的最坏可能性。经此处理，所建立模型属于混合整数非线性鲁棒优化问题，可以采用在Yalmip平台搭建电力系统鲁棒优化调度模型，调用Gurobi求解器进行快速求解。
作为优选，所述的AA-CAES电站压缩功率约束
其中，PC,t为t时段的压缩功率；κ为绝热指数；为t时段进入压缩机的流量；Rg为空气的气体常数；nC为压缩机级数；TC,k,in和TC,k,out分别为第k级压缩机的进口空气温度和出口空气温度；ηC为压缩机的效率；
AA-CAES电站压缩功率上下限约束：
PC,minvC,t≤PC,t≤PC,maxvC,t (13)
其中，PC,max和PC,min分别为压缩功率的上下限；vC,t为二进制决策变量，用于表示AA-CAES电站是否处于压缩工况，当AA-CAES电站处于压缩工况时，vC,t＝1，反之vC,t＝0；
AA-CAES电站膨胀功率约束为：
其中，PG,t为t时段的膨胀功率；为t时段进入膨胀机的流量；ηG为膨胀机级数；TG,j,in和TG,j,out分别为第j级压缩机的进口空气温度和出口空气温度；RG为发电过程效率；
AA-CAES电站膨胀功率上下限约束为：
PG,minνG,t≤PG,t≤PG,maxνG,t (15)
其中，PG,max和PG,min分别为膨胀功率的上下限；vG,t为二进制决策变量，用于表示AA-CAES电站是否处于膨胀工况，当AA-CAES电站处于压缩工况时，vG,t＝1，反之vG,t＝0。
AA-CAES电站运行工况约束为：
vC,t+vG,t≤1 (16)
该约束用于保证AA-CAES电站不能同时处于压缩状态和发电状态。
pst,min≤pst,t≤pst,max (17)
AA-CAES储气室气压约束为：
pst,max和pst,min分别为储气室气压的上下限；
储热器内储热量约束为：
0≤QH,t≤QH,max (18)
QH,max为储热器内储热量的上限值。
作为优选，所述的风电出力不确定性模型中风电出力预测值为：
其中，vt为t时段预测得到的风速值；vn为额定风速；vin为风机切入风速；vout为风机切出风速；Pwind,n为风电场额定容量值。
风电出力不确定集为：
其中，Pwind,t为t时段风电场的风电出力实际值；和分别为t时段风电出力的上下限；为t时段实际值与预测值的最大偏移量；Γt为t时段不确定度参数；T为不同时段值的集合；
t时段风电出力预测值以及实际值与预测值最大偏移量的值为：
风功率的区间为：
其中，Γt为不确定参数，取值范围为[0,1]。当Γt＝0时，即不考虑风电不确定性；Γt＝1时，即考虑为风电出力完全不确定的情况。Γt值增大时，系统鲁棒性改善，经济性随之降低。
作为优选，所述的常规机组运行约束为：
其中，和分别为第i台机组的出力上下限，和分别为第i台机组爬坡的上下速率。
作为优选，线路传输功率约束为：
-Pline,max≤Pline≤Pline,max (25)
其中，B为系数矩阵，L为连接矩阵，Pg,t、PCAES,t、Pload,t分别为在t时段机组、风电场、AA-CAES和负荷需求的有功功率的向量形式，xi为第i条支路的电抗，N为系统支路数量，Pline为支路潮流，Pline,max为支路潮流上限值。作为优选，F1为常规机组的发电成本为：
其中，F11和F12分别为常规机组的启停机费用和发电成本费用；PGi,t为机组i在第t时段的有功出力；和分别为t时段第i台机组的开停机成本；αi、βi、θi为第i台机组的发电成本系数；ui,t为第i台机组在t时段的开关机状态。
式(27)表示对于风功率估计存在误差导致的额外费用。其中，Cg,wind和Cl,wind分别为高估和低估风功率的费用系数，为计划调度风电，为实际可调度风电。
本发明相对于现有计划具有的效果：对于新型电力系统的动态经济调度，首先引入风电供给负荷需求，顺应新型电力系统“低碳”转型目标；其次加入惯量相关约束，满足了系统的安全稳定运行要求；最终，系统的单目标函数综合了系统运行成本目标函数和效率目标函数函数，在降低运行成本的情况下，系统的能效性得到一定改善，有效提升了能源的利用效率，符合“厉行节约”的理念。
附图说明
图1为典型的两级压缩两级膨胀绝热CAES电站结构图；
图2为直流/新能源替代常规电源导致系统转动惯量降低示意图；
具体实施方式
以下结合附图具体说明本发明方法：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型与风电出力不确定性模型，如图1所示，考虑系统频率及惯量安全，则确定其模型的约束条件为：
式(1)表示AA-CAES电站压缩功率约束。其中，PC,t为t时段的压缩功率；κ为绝热指数；为t时段进入压缩机的流量；Rg为空气的气体常数；nC为压缩机级数；TC,k,in和TC,k,out分别为第k级压缩机的进口空气温度和出口空气温度；ηC为压缩机的效率。
PC,minvC,t≤PC,t≤PC,maxvC,t (2)
式(2)表示AA-CAES电站压缩功率上下限约束。其中，PC,max和PC,min分别为压缩功率的上下限；vC,t为二进制决策变量，用于表示AA-CAES电站是否处于压缩工况，当AA-CAES电站处于压缩工况时，vC,t＝1，反之vC,t＝0。
式(3)表示AA-CAES电站膨胀功率约束。其中，PG,t为t时段的膨胀功率；为t时段进入膨胀机的流量；ηG为膨胀机级数；TG,j,in和TG,j,out分别为第j级压缩机的进口空气温度和出口空气温度；RG为发电过程效率。
PG,minνG,t≤PG,t≤PG,maxνG,t (4)
式(4)表示AA-CAES电站膨胀功率上下限约束。其中，PG,max和PG,min分别为膨胀功率的上下限；vG,t为二进制决策变量，用于表示AA-CAES电站是否处于膨胀工况，当AA-CAES电站处于压缩工况时，vG,t＝1，反之vG,t＝0。
vC,t+vG,t≤1 (5)
式(5)表示AA-CAES电站运行工况约束。该约束用于保证AA-CAES电站不能同时处于压缩状态和发电状态。
pst,min≤pst,t≤pst,max (6)
式(6)表示AA-CAES储气室气压约束。pst,max和pst,min分别为储气室气压的上下限。
0≤QH,t≤QH,max (7)
式(7)表示储热器内储热量约束。QH,max为储热器内储热量的上限值。
式(8)表示风电出力预测值。其中，vt为t时段预测得到的风速值；vn为额定风速；vin为风机切入风速；vout为风机切出风速；Pwind,n为风电场额定容量值。
式(9)表示风电出力不确定集。其中，Pwind,t为t时段风电场的风电出力实际值；和分别为t时段风电出力的上下限；为t时段实际值与预测值的最大偏移量；Γt为t时段不确定度参数；T为不同时段值的集合。
式(10)表示t时段风电出力预测值以及实际值与预测值最大偏移量的值。
式(11)表示风功率的区间。其中，Γt为不确定参数，取值范围为[0,1]。当Γt＝0时，即不考虑风电不确定性；Γt＝1时，即考虑为风电出力完全不确定的情况。Γt值增大时，系统鲁棒性改善，但经济性随之降低。
式(12)为系统等效惯性时间常数。其中，Hi为第i台同步机的惯性常数，Si为第i台同步机的额定容量，Ssys为系统的总装机量。风电接入系统后将取代部分同步发电机组，因此系统整体等效惯性时间常数会减小，如图2。由于风机的惯性常数相比同步机较小，故在本文中不予考虑。
式(13)为风电渗透率。其中，Swind为系统中风机总装机容量，SG为系统中同步机总容量，Swind,j为第j台风机的容量，SG,i为第i台同步机的容量。
式(14)为频率变化率约束。其中，ΔPsys表示系统中因负荷波动导致与电源出力增量产生的功率差值，Hi为第i台同步机的惯性常数，Si为第i台同步机的额定容量，HCAES为AA-CAES的惯性常数，SCAES为AA-CAES的额定容量，f0为系统初始频率，f为系统频率。df/dt即为RoCoF，频率变化率。
式(15)为不计各同步机组的惯性常数的差异后简化的式(14)。当已知系统RoCoF约束条件时，可根据式(15)求得系统的最大安全功率增量。
式(16)为常规机组运行约束。其中，和分别为第i台机组的出力上下限，和分别为第i台机组爬坡的上下速率。
-Pline,max≤Pline≤Pline,max (18)
式(17)和式(18)为线路传输功率约束。其中，B为系数矩阵，L为连接矩阵，Pg,t、PCAES,t、Pload,t分别为在t时段机组、风电场、AA-CAES和负荷需求的有功功率的向量形式，xi为第i条支路的电抗，N为系统支路数量，Pline为支路潮流，Pline,max为支路潮流上限值。
步骤二：建立模型的目标函数。
F＝F1+F2 (19)
式(19)表示整个调度周期内系统发电的总成本。其中，F1为常规机组的发电成本，F2为风功率估计偏差所产生的额外费用。
式(20)表示常规机组的发电成本。其中，F11和F12分别为常规机组的启停机费用和发电成本费用；PGi,t为机组i在第t时段的有功出力；和分别为t时段第i台机组的开停机成本；αi、βi、θi为第i台机组的发电成本系数；ui,t为第i台机组在t时段的开关机状态。
式(21)表示对于风功率估计存在误差导致的额外费用。其中，Cg,wind和Cl,wind分别为高估和低估风功率的费用系数，为计划调度风电，为实际可调度风电。
式(22)为t时段输入系统的总能，包括消耗的风能和煤炭中的能。本文系统模型中，由风力发电和传统火力发电给负载端负荷供能，电能是高品位能量，电能与电相等，相比之下，风能与化学能(煤炭)则是低品位能量，值小于其能值。
Ψex＝Exout(t)/Exin(t) (23)
式(23)为系统效率。由于认为需求端负荷预测准确，故Exout(t)为定值，等于负载端电能总需求。因此，实现效率最大可转换为实现输入最小。
式(24)为系统24h总的输入。
式(25)为规格化后综合成的目标函数，ωi为第i个目标的权重。因为在调度过程中，电网运行的经济性与效率无法同时达到最优，表现为某一指标的优化伴随着另一指标的恶化，代价不可规避。优化中的多目标问题主要解决途径有其二,一种是把几个目标综合成一个单目标,另一种方法是搜索Pareto非劣解,后者过程相当耗时且结果受前沿形状所影响，故本文中选择前者。
式(26)为目标函数的重要程度相关权重，式(27)为判断矩阵，容易看出矩阵下标i与j相同时元素都为1，且τij与τji互为倒数。
式(28)为目标函数的重要系数，式(29)为目标函数的权重。本文中认为经济性比能效性重要一些，分别取经济性最差场景及能效性最差场景所得成本数值及输入数值基准值和根据上述式(26)、(27)、(28)、(29)，计算并综合处理后得到最终目标函数，如式(30)：
式(28)为采用工程博弈模型后由上述目标函数及约束条件得到的min-max模型。其中，x为系统状态，h为人工决策变量，n为大自然决策变量，C(x,h,n)为上述约束条件，H和N分别为人工决策变量集和大自然决策变量集。模型转换目的为最小化大自然决策对于系统调度成本及输入的影响，得到结果为所有情况下的最坏可能性。
Claims (6)
1.考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：该方法的具体步骤是：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型与风电出力不确定性模型；其中先进绝热压缩空气储能AA-CAES电站热力学模型的约束条件有：AA-CAES电站压缩功率约束，AA-CAES电站压缩功率上下限约束，AA-CAES电站膨胀功率约束，AA-CAES电站膨胀功率上下限约束，AA-CAES电站运行工况约束，AA-CAES储气室气压约束，储热器内储热量约束；整个调度模型中考虑惯量和频率安全约束，具体为：
其中，ΔPsys表示系统中因负荷波动导致与电源出力增量产生的功率差值，Hi为第i台同步机的惯性常数，Si为第i台同步机的额定容量，HCAES为AA-CAES的惯性常数，SCAES为AA-CAES的额定容量，f0为系统初始频率，f为系统频率；df/dt即为RoCoF，频率变化率；并对常规机组运行和线路传输功率进行约束；
步骤二：建立模型的目标函数；
F＝F1+F2 (2)
式(2)表示整个调度周期内系统发电的总成本；其中，F1为常规机组的发电成本，F2为风功率估计偏差所产生的额外费用；确定t时段输入系统的总
能，包括消耗的风能和煤炭中的
能；
系统
效率为：
Ψex＝Exout(t)/Exin(t) (4)
由于认为需求端负荷预测准确，故Exout(t)为定值，等于负载端电能总需求；因此，实现
效率最大可转换为实现
输入最小；
式(5)为系统24h总的
输入；
式(6)为规格化后综合成的目标函数，ωi为第i个目标的权重；
将多目标综合成单目标，目标函数的重要程度相关权重为：
判断矩阵为：
其中矩阵下标i与j相同时元素都为1，且τij与τji互为倒数；
目标函数的重要系数为：
目标函数的权重为：
取经济性最差场景及能效性最差场景所得成本数值及
输入数值基准值
和
根据上述式(7)、(8)、(9)、(10)，计算并综合处理后可得到最终目标函数；
式(11)为采用工程博弈模型后由上述目标函数及约束条件得到的min-max模型；其中，x为系统状态，包括线路状态，h为人工决策变量，包括常规机组、AA-CAES电站以及计划调度风功率，n为大自然决策变量，包括实际可用风功率；C(x,h,n)为上述约束条件，H和N分别为人工决策变量集和大自然决策变量集；模型转换目的为最小化大自然决策对于系统调度成本及
输入的影响，得到结果为所有情况下的最坏可能性。
2.根据权利要求1所述的考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：所述的AA-CAES电站压缩功率约束
其中，PC,t为t时段的压缩功率；κ为绝热指数；
为t时段进入压缩机的流量；Rg为空气的气体常数；nC为压缩机级数；TC,k,in和TC,k,out分别为第k级压缩机的进口空气温度和出口空气温度；ηC为压缩机的效率；
AA-CAES电站压缩功率上下限约束：
PC,minvC,t≤PC,t≤PC,maxvC,t (13)
其中，PC,max和PC,min分别为压缩功率的上下限；vC,t为二进制决策变量，用于表示AA-CAES电站是否处于压缩工况，当AA-CAES电站处于压缩工况时，vC,t＝1，反之vC,t＝0；
AA-CAES电站膨胀功率约束为：
其中，PG,t为t时段的膨胀功率；
为t时段进入膨胀机的流量；ηG为膨胀机级数；TG,j,in和TG,j,out分别为第j级压缩机的进口空气温度和出口空气温度；RG为发电过程效率；
AA-CAES电站膨胀功率上下限约束为：
PG,minνG,t≤PG,t≤PG,maxνG,t (15)
其中，PG,max和PG,min分别为膨胀功率的上下限；vG,t为二进制决策变量，用于表示AA-CAES电站是否处于膨胀工况，当AA-CAES电站处于压缩工况时，vG,t＝1，反之vG,t＝0；
AA-CAES电站运行工况约束为：
vC,t+vG,t≤1 (16)
该约束用于保证AA-CAES电站不能同时处于压缩状态和发电状态；
pst,min≤pst,t≤pst,max (17)
AA-CAES储气室气压约束为：
pst,max和pst,min分别为储气室气压的上下限；
储热器内储热量约束为：
0≤QH,t≤QH,max (18)
QH,max为储热器内储热量的上限值。
3.根据权利要求1所述的考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：所述的风电出力不确定性模型中风电出力预测值为：
其中，vt为t时段预测得到的风速值；vn为额定风速；vin为风机切入风速；vout为风机切出风速；Pwind,n为风电场额定容量值；
风电出力不确定集为：
其中，Pwind,t为t时段风电场的风电出力实际值；
和
分别为t时段风电出力的上下限；
为t时段实际值与预测值的最大偏移量；Γt为t时段不确定度参数；T为不同时段值的集合；
t时段风电出力预测值以及实际值与预测值最大偏移量的值为：
风功率的区间为：
其中，Γt为不确定参数，取值范围为[0,1]；当Γt＝0时，即不考虑风电不确定性；Γt＝1时，即考虑为风电出力完全不确定的情况；Γt值增大时，系统鲁棒性改善，经济性随之降低。
4.根据权利要求1所述的考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：所述的常规机组运行约束为：
其中，
和
分别为第i台机组的出力上下限，
和
分别为第i台机组爬坡的上下速率。
5.根据权利要求1所述的考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：线路传输功率约束为：
其中，B为系数矩阵，L为连接矩阵，Pg,t、
PCAES,t、Pload,t分别为在t时段机组、风电场、AA-CAES和负荷需求的有功功率的向量形式，xi为第i条支路的电抗，N为系统支路数量，Pline为支路潮流，Pline,max为支路潮流上限值。
6.根据权利要求1所述的考虑不确定性风电接入惯量安全的经济-能效性调度方法，其特征在于：F1为常规机组的发电成本为：
F1＝F11+F12
其中，F11和F12分别为常规机组的启停机费用和发电成本费用；PGi,t为机组i在第t时段的有功出力；
和
分别为t时段第i台机组的开停机成本；αi、βi、θi为第i台机组的发电成本系数；ui,t为第i台机组在t时段的开关机状态；
式(27)表示对于风功率估计存在误差导致的额外费用；其中，Cg,wind和Cl,wind分别为高估和低估风功率的费用系数，
为计划调度风电，
为实际可调度风电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211565512.3A CN116029097A (zh) | 2022-12-07 | 2022-12-07 | 考虑不确定性风电接入惯量安全的经济-能效性调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211565512.3A CN116029097A (zh) | 2022-12-07 | 2022-12-07 | 考虑不确定性风电接入惯量安全的经济-能效性调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116029097A true CN116029097A (zh) | 2023-04-28 |
Family
ID=86076001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211565512.3A Pending CN116029097A (zh) | 2022-12-07 | 2022-12-07 | 考虑不确定性风电接入惯量安全的经济-能效性调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116029097A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116826789A (zh) * | 2023-08-31 | 2023-09-29 | 国网山西省电力公司经济技术研究院 | 一种基于多资源协同调控的配电系统紧急频率控制方法 |
-
2022
- 2022-12-07 CN CN202211565512.3A patent/CN116029097A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116826789A (zh) * | 2023-08-31 | 2023-09-29 | 国网山西省电力公司经济技术研究院 | 一种基于多资源协同调控的配电系统紧急频率控制方法 |
| CN116826789B (zh) * | 2023-08-31 | 2023-11-17 | 国网山西省电力公司经济技术研究院 | 一种基于多资源协同调控的配电系统紧急频率控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106960282B (zh) | 一种气电综合能源配网系统的协调运行方法 | |
| CN109919399B (zh) | 一种综合能源系统日前经济调度方法及系统 | |
| CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
| Komala et al. | Storage and non-Storage Methods of Power balancing to counter Uncertainty in Hybrid Microgrids-A review | |
| CN109993345B (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
| Feng et al. | Cost advantage of adjustable-speed pumped storage unit for daily operation in distributed hybrid system | |
| Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
| CN103226734A (zh) | 一种风电接纳成本的等效再调度确定方法 | |
| CN110365062A (zh) | 一种基于Markov模型的多能系统协调控制方法 | |
| Guan et al. | Optimal configuration and operation of multi-energy complementary distributed energy systems | |
| CN116029097A (zh) | 考虑不确定性风电接入惯量安全的经济-能效性调度方法 | |
| CN117013535A (zh) | 一种兼顾生态调度需求的水风光火互补容量配置方法 | |
| Bruno et al. | Managing networked hybrid-energy systems: A predictive dispatch approach | |
| Zhang et al. | Exploiting the operational flexibility of AA-CAES in energy and reserve optimization scheduling by a linear reserve model | |
| CN109149630A (zh) | 一种新能源电量消纳能力分析规划方法 | |
| Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
| Xian et al. | Application of energy storage technology in frequency control of high proportion new energy power system | |
| CN113722895A (zh) | 一种基于多站融合的综合能源系统优化配置方法 | |
| Yang et al. | Coordinated Optimal Configuration Method of Hybrid Energy Storage Systems in Energy Internet System | |
| Li et al. | Integrated heat and power dispatch model for wind-CHP system with solid heat storage device based on robust stochastic theory | |
| Zhang et al. | Optimal Dispatch Strategy for Advanced Adiabatic Compressed Air Energy Storage System Coupled with Concentrated Solar Power Station | |
| CN114400716B (zh) | 一种水电站机组扩机的容量选取方法 | |
| CN114564815B (zh) | 基于布雷斯悖论效应的电力系统可靠性与经济性建模方法 | |
| Cui et al. | A Small Compressed-Air-Assisted Wind Turbine System Serves the Safe and Reliable Operation of Power System | |
| Sui et al. | Optimization of Monthly Power Generation Plan for Thermal Power Units Considering Access of Large-scale New Energy |
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 |