CN116111597A - 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 - Google Patents
一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 Download PDFInfo
- Publication number
- CN116111597A CN116111597A CN202211682817.2A CN202211682817A CN116111597A CN 116111597 A CN116111597 A CN 116111597A CN 202211682817 A CN202211682817 A CN 202211682817A CN 116111597 A CN116111597 A CN 116111597A
- Authority
- CN
- China
- Prior art keywords
- medium
- scene
- power
- long
- term
- 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 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 102
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 230000007774 longterm Effects 0.000 claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000010248 power generation Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 18
- 230000035945 sensitivity Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备,该方法首先构建由中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的系统运行边界集;然后对不同场景进行中长期机组组合优化计算,生成初始潮流断面场景;基于各初始潮流断面场景对电网输电线路进行潮流计算及安全校核,依据安全校核结果对开停机状态和有功出力进行调整,生成中长期调度计划用的电力系统典型潮流断面场景集。该方法能够适应电网未来运行边界的变化,为中长期调度计划关键业务提供多场景数据支撑,有助于提升中长期调度计划的可行性和实用性。
Description
技术领域
本发明属于电力系统调度自动化技术领域,具体涉及一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备。
背景技术
随着新能源大规模快速发展和电力市场化交易持续推进,大电网运行面临三大挑战:①中长期新能源消纳能力缺乏量化评估,难以优先保障;②中长期电力市场化交易缺乏量化安全校核,难以有效执行;③既满足新能源消纳又要保障电力市场化交易执行的特高压交直流电网运行方式日益复杂,难以高效决策。
基于智能电网调控系统支撑平台已经陆续开展了中长期停电计划安全校核、中长期新能源消纳分析及中长期电量安全校核等中长期调度计划关键技术研究及业务应用软件研发,在省级电网中长期调度计划决策中起到了有效的支撑作用。但中长期新能源消纳分析、停电检修计划安全校核及电量安全校核多是基于单一电网运行场景进行计算分析,未考虑电网拓扑变化、电网运行边界数据变化的影响。
当前的电网中长期调度计划潮流断面,主要是基于人工设定的确定性电网运行边界进行分析计算,而中长期的电网运行边界可能会与电网实际运行情况有较大差异,例如不能充分考虑中长期新能源出力偏离预测的实际情况,大大降低了中长期调度计划计算结果的可用性。因此,需要构建充分考虑中长期电网运行边界变化情况的潮流断面典型场景库,但中长期的潮流断面场景涵盖多种影响因素,需要计及潮流特征并考虑确定性成分和不确定性成分,场景构建的难度极大。
发明内容
本发明的目的在于提出一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备,通过构建包含中长期系统负荷、中长期新能源出力典型场景特征的系统运行边界集,生成满足电网安全要求的不同潮流断面场景,提高中长期调度计划的计算精度与效率。
为达到上述目的,本发明采用的技术方案如下:
本发明一方面提供一种中长期调度计划的潮流断面场景集构建方法,包括:
构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
进一步的,所述构建中长期电网调度系统运行边界集,包括:
基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
进一步的,所述基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景,包括:
获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
Ld,std=Ld,max/(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
Ld,t=Ld,max*Ld0,t/Ld0,max,t=1...24;
其中,Ld,t为未来电力系统中长期d日时段t的系统负荷,Ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷Ld,std的d0日的日最高系统负荷,Ld0,t为d0日时段t的负荷曲线系数;
根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
进一步的,所述基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景,包括:
统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
采用蒙特卡洛抽样,基于新能源功率误差的概率分布生成确定性场景集;
对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
进一步的,对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景,包括:
建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
所述目标函数:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为中长期电网调度系统中发电机组总个数,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为在场景s下时段t的新能源出力,Tt为在时段t的联络线计划,Ls,t为在场景s下时段t的负荷需求,Rt为在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间;
对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
进一步的,所述基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核,包括:
对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力Ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
进一步的,所述基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集,包括:
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
本发明第二方面提供一种中长期调度计划的潮流断面场景集构建系统,包括:
初始化模块,用于构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
计算模块,用于对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
校核模块,用于基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
决策模块,用于基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
进一步的,所述初始化模块具体用于,
基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
进一步的,所述初始化模块具体用于,
获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
Ld,std=Ld,max/(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
Ld,t=Ld,max*Ld0,t/Ld0,max,t=1...24;
其中,Ld,t为未来电力系统中长期d日时段t的系统负荷,Ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷Ld,std的d0日的日最高系统负荷,Ld0,t为d0日时段t的负荷曲线系数;
根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
进一步的,所述初始化模块具体用于,
统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
采用蒙特卡洛抽样,基于新能源功率误差概率分布生成确定性场景集;
对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
进一步的,所述计算模块具体用于,
建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
所述目标函数:
所述约束条件:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为电网调度系统中发电机组总个数,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为在场景s下时段t的新能源出力,Tt为在时段t的联络线计划,Ls,t为在场景s下时段t的负荷需求,Rt为在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间;
对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
进一步的,所述校核模块具体用于,
对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力Ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
进一步的,所述决策模块具体用于,
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
本发明第三方面提供一种存储一个或多个程序的计算机可读存储器,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述的方法中的任一方法。
本发明第四方面提供一种设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据前述的方法中的任一方法的指令。
本发明的有益效果为:
本发明构建包含潮流特征的中长期调度计划方式场景库,适应电网未来运行边界的变化,为中长期调度计划关键业务提供基础。
附图说明
图1为本发明一个实施例提供的一种中长期调度计划的潮流断面场景集构建方法流程图;
图2为本发明第二个实施例提供的一种中长期调度计划的潮流断面场景集构建的具体实现过程图。
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。
中长期调度计划可以超前进行发电资源的筹备,保障供电能力,是电力调度部门的一项重要业务。中长期调度计划的时间尺度涵盖从周到月的范畴。中长期调度计划决策工作开展的基础是基于历史数据与未来预测信息,考虑中长期负荷预测、可再生能源出力预测、电网拓扑时序变化等因素,构建中长期调度计划的潮流断面场景集。
本发明一个实施例提供的一种中长期调度计划的潮流断面场景集构建方法,参见图1,包括:
构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
本发明第二个实施例提供的一种中长期调度计划的潮流断面场景集构建方法,参见图2,具体实现过程如下:
S1、构建中长期电网调度系统运行边界集,中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力相组合形成的场景集。其中,中长期联络线计划、中长期检修计划、中长期交易电量计划这三类数据是确定的,而中长期系统负荷和中长期新能源出力这两类数据由于不确定性而存在多种可能场景。中长期系统运行边界集是中长期电网调度系统运行边界的典型场景的集合,具体实现过程如下:
S11、构建中长期系统负荷典型场景:
按照电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷:
Ld,std=Ld,max/(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
在去年同期d日的前后15天时间内,搜索日最高系统负荷Ld0,max最接近折算后d日的系统基准负荷Ld,std的日期,记为d0日,获取该日系统负荷曲线的24小时系数Ld0,t,计算未来中长期d日的系统负荷24小时曲线Ld,t:
Ld,t=Ld,max*Ld0,t/Ld0,max,t=1...24;
根据系统负荷的年增长率α的不同取值设置,获得未来d日系统负荷的高负荷、中负荷以及低负荷场景。
其中,α取值10%为高负荷场景,5%为中负荷场景,0%为低负荷场景。例如,今年4月15日这一天预测的系统负荷为6800万千瓦,增长率为5%,折算后去年同期的系统基准负荷为6460万千瓦。去年前后15天,即4月1日-4月30日中,每日最高系统负荷比较接近6460万千瓦的有4月25日6500万千瓦,获取4月25日的24小时系统负荷曲线系数,作为计划日的系统负荷曲线系数。
S12、构建中长期新能源出力典型场景,具体为:
统计历史新能源功率预测值与实际发电值之间误差的概率分布,采用蒙特卡洛抽样,基于新能源误差概率分布生成大量确定性场景,并采用k-means聚类方法提取10类新能源典型出力典型场景,其中新能源包括电网中所有风力发电系统和光伏发电系统。
S13、基于中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
S2、对不同典型场景组合下的中长期电网调度系统运行边界,进行不考虑安全约束的中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建初始潮流断面场景,
具体实现过程如下:
S21、建立不考虑安全约束的中长期机组组合优化模型为:
目标函数:
约束条件:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为系统中发电机组总个数,s为系统运行边界场景,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为系统在场景s下时段t的新能源出力,Tt为系统在时段t的联络线计划,Ls,t为系统在场景s下时段t的负荷需求,Rt为系统在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间。
S22、对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期开停机状态和有功出力,构成初始潮流断面场景。
S3、基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核并根据直流安全校核计算结果对机组开停机状态和有功出力进行调整,直至所有典型潮流断面场景均满足安全校核要求,生成中长期调度计划用的电力系统典型潮流断面场景集,具体实现过程如下:
S31、对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,该参数为电网节点n连接的机组有功出力Ps,i,t的总加值,ln,t为时段t电网节点n的母线负荷预测功率,来源于电网调度系统的母线负荷预测模块,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度,来源于电网调度系统的网络分析模块。
S32、根据各输电线路的潮流结果Fs,l,t与其物理输电限值之间的关系,判断是否满足安全校核,如果输电线路的潮流则输电线路l在时段t满足安全校核;如果输电线路的潮流则输电线路l在时段t越限,不满足安全校核。
S33、对发电机组的开停机状态和有功出力进行调整,分担不满足安全校核的输电线路的越限量,直至所有输电线路的潮流越限量得到消除,得到长期调度计划的电力系统典型潮流断面场景集。
本实施例中,对发电机组开停机状态和有功出力进行调整,包括:
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;需要说明的是,分配时按照已开机的发电机组的灵敏度由大到小顺次分配。
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则进一步按照已停机的发电机组的灵敏度由大到小顺序,对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除。
本发明实施例对中长期调度计划的潮流断面场景集进行分析,能够考虑天气、时间(节假日)等多方面,计及发电侧及负荷侧多样化的影响因素,在预测及历史数据的基础上,生成大量可能出现的负荷,采用聚类方法提取了典型场景。潮流断面场景的构造能够充分反映中长期时间尺度的电网运行边界变化情况,涵盖确定性成分和不确定性成分,具有充分的代表性。
本发明实施例是在实际电网数据下开展的中长期调度计划潮流断面场景集构建的研究和尝试。该方法为调度运行人员提供包含潮流特征的中长期调度计划方式场景库生成工具,为中长期发电计划编制、新能源消纳分析、停电检修计划及交易电量安全校核等中长期调度计划关键业务提供多场景数据支撑,有助于提升中长期调度计划的可行性和实用性。该方法不需要大量人力的参与,计算速度可以满足实际应用的需要,有效地解决了传统的中长期调度计划潮流断面场景集构建需要大量人力,依靠经验、效率低,难以有效考虑不确定性成分的弊病,具有广泛的推广前景。
本发明实施例可以在省级电网中长期调度运营决策系统中得到广泛应用。
本发明第三个实施例提供一种中长期调度计划的潮流断面场景集构建系统,包括:
初始化模块,用于构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
计算模块,用于对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
校核模块,用于基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
决策模块,用于基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
本实施例中,初始化模块具体用于,
基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
本实施例中,初始化模块还用于,
获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
Ld,std=Ld,max/(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
Ld,t=Ld,max*Ld0,t/Ld0,max t=1...2;
其中,Ld,t为未来电力系统中长期d日时段t的系统负荷,Ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷Ld,std的d0日的日最高系统负荷,Ld0,t为d0日时段t的负荷曲线系数;
根据系统负荷的年增长率α的不同取值设置,获得未来d日高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线;其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景,将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
本实施例中,初始化模块还用于,
统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
采用蒙特卡洛抽样,基于新能源功率误差概率分布生成确定性场景集;
对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
本实施例中,计算模块具体用于,
建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件;所述目标函数:
所述约束条件:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为电网调度系统中发电机组总个数,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为在场景s下时段t的新能源出力,Tt为在时段t的联络线计划,Ls,t为在场景s下时段t的负荷需求,Rt为在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间;
对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
本实施例中,校核模块具体用于,
对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力Ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
本实施例中,决策模块具体用于,
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;所述分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
本发明第四个实施例提供一种存储一个或多个程序的计算机可读存储器,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述的方法中的任一方法。
本发明第五个实施例提供一种设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据前述的方法中的任一方法的指令。
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 (16)
1.一种中长期调度计划的潮流断面场景集构建方法,其特征在于,包括:
构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
2.根据权利要求1所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,所述构建中长期电网调度系统运行边界集,包括:
基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
3.根据权利要求2所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,所述基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景,包括:
获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
Ld,std=Ld,max(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
Ld,t=Ld,max*Ld0,tLd0,max,t=1...24;
其中,Ld,t为未来电力系统中长期d日时段t的系统负荷,Ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷Ld,std的d0日的日最高系统负荷,Ld0,t为d0日时段t的负荷曲线系数;
根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
4.根据权利要求2所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,所述基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景,包括:
统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
采用蒙特卡洛抽样,基于新能源功率误差的概率分布生成确定性场景集;
对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
5.根据权利要求1所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景,包括:
建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
所述目标函数:
所述约束条件:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为中长期电网调度系统中发电机组总个数,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为在场景s下时段t的新能源出力,Tt为在时段t的联络线计划,Ls,t为在场景s下时段t的负荷需求,Rt为在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i ,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间;
对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
6.根据权利要求5所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,所述基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核,包括:
对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力Ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
7.根据权利要求6所述的一种中长期调度计划的潮流断面场景集构建方法,其特征在于,所述基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集,包括:
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
8.一种中长期调度计划的潮流断面场景集构建系统,其特征在于,包括:
初始化模块,用于构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
计算模块,用于对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
校核模块,用于基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
决策模块,用于基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
9.根据权利要求8所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述初始化模块具体用于,
基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
10.根据权利要求9所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述初始化模块具体用于,
获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
Ld,std=Ld,max、(1+α);
其中,Ld,std为去年同期d日的系统基准负荷,Ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
Ld,t=Ld,max*Ld0,t、Ld0,max,t=1...24;
其中,Ld,t为未来电力系统中长期d日时段t的系统负荷,Ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷Ld,std的d0日的日最高系统负荷,Ld0,t为d0日时段t的负荷曲线系数;
根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
11.根据权利要求9所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述初始化模块具体用于,
统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
采用蒙特卡洛抽样,基于新能源功率误差概率分布生成确定性场景集;
对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
12.根据权利要求8所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述计算模块具体用于,
建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
所述目标函数:
所述约束条件:
Pi,minus,i,t≤Ps,i,t≤Pi,maxus,i,t;
其中,T为计算周期所含时段数,I为电网调度系统中发电机组总个数,Ps,i,t为在场景s下机组i在时段t的有功出力变量,Ci为机组i的运行成本,Si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,Ws,t为在场景s下时段t的新能源出力,Tt为在时段t的联络线计划,Ls,t为在场景s下时段t的负荷需求,Rt为在时段t的旋转备用需求,Pi,max和Pi,min分别为机组i输出功率的上限和下限,us,i ,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,UTi和DTi分别为机组i的最小开机时间和最小停机时间;
对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
13.根据权利要求12所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述校核模块具体用于,
对电网输电线路进行潮流计算如下:
其中,Fs,l,t为场景s下时段t输电线路l的潮流,N为电网节点集合,Ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力Ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,Sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
14.根据权利要求13所述的一种中长期调度计划的潮流断面场景集构建系统,其特征在于,所述决策模块具体用于,
依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
15.一种存储一个或多个程序的计算机可读存储器,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
16.一种设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682817.2A CN116111597A (zh) | 2022-12-27 | 2022-12-27 | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682817.2A CN116111597A (zh) | 2022-12-27 | 2022-12-27 | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116111597A true CN116111597A (zh) | 2023-05-12 |
Family
ID=86255407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211682817.2A Pending CN116111597A (zh) | 2022-12-27 | 2022-12-27 | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116111597A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114750A (zh) * | 2023-10-25 | 2023-11-24 | 国网吉林省电力有限公司经济技术研究院 | 新能源交易电量的分解方法、装置、设备及介质 |
CN117318183A (zh) * | 2023-11-30 | 2023-12-29 | 国网天津市电力公司电力科学研究院 | 电力调度方法及系统 |
-
2022
- 2022-12-27 CN CN202211682817.2A patent/CN116111597A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114750A (zh) * | 2023-10-25 | 2023-11-24 | 国网吉林省电力有限公司经济技术研究院 | 新能源交易电量的分解方法、装置、设备及介质 |
CN117114750B (zh) * | 2023-10-25 | 2024-02-06 | 国网吉林省电力有限公司经济技术研究院 | 新能源交易电量的分解方法、装置、设备及介质 |
CN117318183A (zh) * | 2023-11-30 | 2023-12-29 | 国网天津市电力公司电力科学研究院 | 电力调度方法及系统 |
CN117318183B (zh) * | 2023-11-30 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 电力调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447510B (zh) | 基于scuc的中长期电量安全校核方法、装置及系统 | |
Qiu et al. | Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties | |
CN116111597A (zh) | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 | |
CN109066744B (zh) | 一种含储能配电网协调调度方法和系统 | |
Chen et al. | Stochastic dynamic economic dispatch of wind-integrated electricity and natural gas systems considering security risk constraints | |
Liang et al. | Inertia pricing in stochastic electricity markets | |
Jia et al. | A retroactive approach to microgrid real-time scheduling in quest of perfect dispatch solution | |
Awasthi et al. | Operation of datacenter as virtual power plant | |
CN115864376A (zh) | 一种多时间尺度电力保供分析方法及系统 | |
CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
Zeng et al. | Stochastic economic dispatch strategy based on quantile regression | |
Zhu et al. | Energy optimal dispatch of the data center microgrid based on stochastic model predictive control | |
Zhang et al. | Study on generation and transmission maintenance scheduling under electricity market | |
Kumar et al. | An optimized framework of the integrated renewable energy and power quality model for the smart grid | |
CN108599233B (zh) | 一种含分布式电源的配电网接纳容量确定方法和装置 | |
CN116341816A (zh) | 一种中长期调度计划多业务统筹协调方法、装置、存储器及设备 | |
Lei et al. | Optimal scheduling of a renewable energy-based park power system: a novel hybrid SDDP/MPC approach | |
Kermani et al. | Optimal operation of a real power hub based on PV/FC/GenSet/BESS and demand response under uncertainty | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
CN109995094B (zh) | 一种交直流混合微电网的规划方法及系统 | |
Guo et al. | Coordinated dispatching of flexible AC/DC distribution areas considering uncertainty of source and load | |
Yang et al. | Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet | |
Teng et al. | A novel decentralized method of multi-area security constraint economic dispatch | |
Billah et al. | Decentralized smart energy management in hybrid microgrids: Evaluating operational modes, resources optimization, and environmental impacts | |
Fu et al. | Comparison of modeling methods of dynamic economic dispatch with stochastic wind power integration |
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 |