CN116454943B - 考虑agc指令随机特性的火-储混合电站模拟方法及装置 - Google Patents

考虑agc指令随机特性的火-储混合电站模拟方法及装置 Download PDF

Info

Publication number
CN116454943B
CN116454943B CN202310395882.5A CN202310395882A CN116454943B CN 116454943 B CN116454943 B CN 116454943B CN 202310395882 A CN202310395882 A CN 202310395882A CN 116454943 B CN116454943 B CN 116454943B
Authority
CN
China
Prior art keywords
agc
bess
command
instruction
simulation
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.)
Active
Application number
CN202310395882.5A
Other languages
English (en)
Other versions
CN116454943A (zh
Inventor
薛晓岑
陈沛
高希
张新松
马子云
顾北萍
朱晨旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN202310395882.5A priority Critical patent/CN116454943B/zh
Publication of CN116454943A publication Critical patent/CN116454943A/zh
Application granted granted Critical
Publication of CN116454943B publication Critical patent/CN116454943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nonlinear Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种考虑AGC指令随机特性的火‑储混合电站模拟方法、装置、设备及存储介质，所述方法包括：根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火‑储混合电站的运行进行模拟，并求解得到模拟结果。本发明考虑了AGC指令的随机特性，能够充分发挥电池储能系统(Battery energy storage systems，BESS)调频优势，从而提高火‑储混合电站的二次调频性能。

Description

考虑AGC指令随机特性的火-储混合电站模拟方法及装置
技术领域
本发明涉及火电厂二次调频技术领域，尤其是涉及一种考虑AGC指令随机特性的火-储混合电站模拟方法、装置、设备及存储介质。
背景技术
随着化石燃料的逐步枯竭与环境污染的日益加剧，大力发展以风、光为代表的新能源成为世界各国的共识。在风、光等新能源大规模并网的背景下，电力系统呈现“高新能源渗透率”、“高电力电子化”等新型特征，其弱惯性和随机波动性显著增加了传统火电机组的调频压力，对电网频率安全造成巨大威胁。电池储能技术的快速发展，为利用电池储能系统(Battery energy storage systems，BESS)辅助火电机组参与二次调频，缓解电网调频压力提供了新的技术选择。
针对BESS参与二次调频的问题，现有文献记载的方案均未充分考虑AGC指令的随机特性，无法充分发挥BESS调频优势，具有一定的局限性，因此，亟需提出一种考虑AGC指令随机特性的模拟方法，以提高火-储混合电站的二次调频性能。
发明内容
本发明旨在提供一种考虑AGC指令随机特性的火-储混合电站模拟方法、装置、设备及存储介质，以解决上述技术问题，从而能够提高火-储混合电站的二次调频性能。
为了解决上述技术问题，本发明提供了一种考虑AGC指令随机特性的火-储混合电站模拟方法，包括：
根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；其中，所述AGC指令的概率特性函数包括AGC指令的持续时间、间隔时间、调节速率和调节方向；所述AGC指令的概率特性函数具体包括：
式中，Tc为AGC指令持续时间；b为瑞利分布参数；
式中，Tj为AGC指令间隔时间；q为AGC指令间隔时间为0的概率；α、β与γ为Versatile分布参数；
式中，v为AGC指令调节速率；μ、σ为对数分布参数；
P(xAGC＝d)＝pd(1-p)1-d,d＝0,1
式中，xAGC为表示AGC指令调节方向的随机变量，包括0和1两种取值，取值为1时表示AGC指令为升指令，取值为0时表示AGC指令为降指令；p为AGC指令为升指令的概率，p＝1/2；
构建AGC跟踪性能评价指标：其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率(POST)和AGC指令跟踪偏差电量(DEIT)；所述AGC跟踪性能评价指标的计算方式为：
式中，MPOST为POST指标的取值；POST指标为AGC指令跟踪成功概率；Pr{·}表示括号中事件发生的概率；为火-储混合电站在AGC指令i结束时刻Te,i的发电出力，其为火电机组出力与电池储能系统的充、放电功率之和；PAGC,i为AGC指令i的目标出力；N为评价周期内的AGC指令数；
式中，MDEIT为DEIT指标的取值；DEIT指标为AGC指令跟踪偏差电量；Ts,i为AGC指令i的开始时刻；Te,i为AGC指令i的结束时刻；Pd,t为火-储混合电站在时段t的发电出力；
基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果，具体包括：
S3.1：设定最大模拟次数hmax，模拟次数索引h初始化为1；将评价指标POST与DEIT初始化为零；其中，POST代表AGC指令跟踪成功概率，DEIT代表AGC指令跟踪偏差电量；
S3.2：AGC指令索引i初始化为1，即令i＝1；将电池储能系统BESS分为容量相等的两部分接入火电厂，假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态；第一部分BESS与第二部分BESS的SOC均初始化为0.5，即令SⅠ,t＝0.5、SⅠI,t＝0.5；
S3.3：根据AGC指令随机特性，随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向；
S3.4：若AGC指令调节方向为正，则控制处于放电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，Pg,t为火电机组在时刻t的发电出力；i为AGC指令索引；Ts,i为AGC指令i的开始时刻；T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻；Ts,i+1为下一个AGC指令的下发时刻；为火电机组在AGC指令i下发时刻的发电出力；PAGC,i为AGC指令i的目标出力；T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻；vup为火电机组最大上爬坡速率；
BESS放电功率表示为：
式中，为第一部分BESS在下一个AGC指令下发之前的放电功率；/>为第一部分BESS在时刻t能提供的最大放电功率，其表示为：
式中，Pdis为单位容量BESS额定放电功率；Ec为接入火电厂的BESS总容量；ηd为放电效率；△T为模拟时刻的长度；Smin为BESS荷电状态最小允许值；SⅠ,t为第一部分BESS在时刻t的荷电状态；
若AGC指令调节方向为负，则控制处于充电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，vdown为火电机组最大下爬坡速率；
BESS充电功率表示为：
式中，为第二部分BESS在下一个AGC指令下发之前的充电功率；/>为第二部分BESS在时刻t能提供的最大充电功率，其表示为：
式中，Pch为单位容量BESS额定充电功率；ηc为充电效率；Smax为荷电状态最大允许值；SⅠI,t为第二部分BESS在时刻t的荷电状态；
S3.5：按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC：
式中，SⅠ,t-1为第一部分BESS在前一时刻的荷电状态；为第一部分BESS在前一时刻的放电功率；SⅠI,t-1为第二部分BESS在前一时刻的荷电状态；/>为第二部分BESS在前一时刻的充电功率；
判断AGC指令周期i内是否有BESS到达满充或满放状态，若有，则同时切换两部分BESS的充、放电状态；
S3.6：判断本次模拟是否已覆盖整个评价周期，若已覆盖，则执行S3.7，否则，令AGC指令索引i＝i+1，执行S3.3；
S3.7：按照AGC跟踪性能评价指标的计算方式计算第h次模拟对应的评价指标POST与DEIT取值MPOST,h与MDEIT,h；接着，按下式分别更新评价指标POST、DEIT：
S3.8：判断当前模拟次数是否到达最大模拟次数hmax，若达到，则结束模拟，输出模拟结果；否则，则令模拟次数h＝h+1，跳转至S3.2，继续进行模拟。
本发明还提供一种考虑AGC指令随机特性的火-储混合电站模拟装置，包括：
函数获取模块，用于根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；其中，所述AGC指令的概率特性函数包括AGC指令的持续时间、间隔时间、调节速率和调节方向；所述AGC指令的概率特性函数具体包括：
式中，Tc为AGC指令持续时间；b为瑞利分布参数；
式中，Tj为AGC指令间隔时间；q为AGC指令间隔时间为0的概率；α、β与γ为Versatile分布参数；
式中，v为AGC指令调节速率；μ、σ为对数分布参数；
P(xAGC＝d)＝pd(1-p)1-d,d＝0,1
式中，xAGC为表示AGC指令调节方向的随机变量，包括0和1两种取值，取值为1时表示AGC指令为升指令，取值为0时表示AGC指令为降指令；p为AGC指令为升指令的概率，p＝1/2；
指标构建模块，用于构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；所述AGC跟踪性能评价指标的计算方式为：
式中，MPOST为POST指标的取值；POST指标为AGC指令跟踪成功概率；Pr{·}表示括号中事件发生的概率；为火-储混合电站在AGC指令i结束时刻Te,i的发电出力，其为火电机组出力与电池储能系统的充、放电功率之和；PAGC,i为AGC指令i的目标出力；N为评价周期内的AGC指令数；
式中，MDEIT为DEIT指标的取值；DEIT指标为AGC指令跟踪偏差电量；Ts,i为AGC指令i的开始时刻；Te,i为AGC指令i的结束时刻；Pd,t为火-储混合电站在时段t的发电出力；
运行模拟模块，用于基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果，具体包括：
S3.1：设定最大模拟次数hmax，模拟次数索引h初始化为1；将评价指标POST与DEIT初始化为零；其中，POST代表AGC指令跟踪成功概率，DEIT代表AGC指令跟踪偏差电量；
S3.2：AGC指令索引i初始化为1，即令i＝1；将电池储能系统BESS分为容量相等的两部分接入火电厂，假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态；第一部分BESS与第二部分BESS的SOC均初始化为0.5，即令SⅠ,t＝0.5、SⅠI,t＝0.5；
S3.3：根据AGC指令随机特性，随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向；
S3.4：若AGC指令调节方向为正，则控制处于放电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，Pg,t为火电机组在时刻t的发电出力；i为AGC指令索引；Ts,i为AGC指令i的开始时刻；T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻；Ts,i+1为下一个AGC指令的下发时刻；为火电机组在AGC指令i下发时刻的发电出力；PAGC,i为AGC指令i的目标出力；T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻；vup为火电机组最大上爬坡速率；
BESS放电功率表示为：
式中，为第一部分BESS在下一个AGC指令下发之前的放电功率；/>为第一部分BESS在时刻t能提供的最大放电功率，其表示为：
式中，Pdis为单位容量BESS额定放电功率；Ec为接入火电厂的BESS总容量；ηd为放电效率；△T为模拟时刻的长度；Smin为BESS荷电状态最小允许值；SⅠ,t为第一部分BESS在时刻t的荷电状态；
若AGC指令调节方向为负，则控制处于充电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，vdown为火电机组最大下爬坡速率；
BESS充电功率表示为：
式中，为第二部分BESS在下一个AGC指令下发之前的充电功率；/>为第二部分BESS在时刻t能提供的最大充电功率，其表示为：
式中，Pch为单位容量BESS额定充电功率；ηc为充电效率；Smax为荷电状态最大允许值；SⅠI,t为第二部分BESS在时刻t的荷电状态；
S3.5：按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC：
式中，SⅠ,t-1为第一部分BESS在前一时刻的荷电状态；为第一部分BESS在前一时刻的放电功率；SⅠI,t-1为第二部分BESS在前一时刻的荷电状态；/>为第二部分BESS在前一时刻的充电功率；
判断AGC指令周期i内是否有BESS到达满充或满放状态，若有，则同时切换两部分BESS的充、放电状态；
S3.6：判断本次模拟是否已覆盖整个评价周期，若已覆盖，则执行S3.7，否则，令AGC指令索引i＝i+1，执行S3.3；
S3.7：按照AGC跟踪性能评价指标的计算方式计算第h次模拟对应的评价指标POST与DEIT取值MPOST,h与MDEIT,h；接着，按下式分别更新评价指标POST、DEIT：
S3.8：判断当前模拟次数是否到达最大模拟次数hmax，若达到，则结束模拟，输出模拟结果；否则，则令模拟次数h＝h+1，跳转至S3.2，继续进行模拟。
本发明还提供一种终端设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现所述的考虑AGC指令随机特性的火-储混合电站模拟方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的考虑AGC指令随机特性的火-储混合电站模拟方法。
与现有技术相比，本发明具有如下有益效果：
本发明提供了一种考虑AGC指令随机特性的火-储混合电站模拟方法、装置、设备及存储介质，所述方法包括：根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果。本发明考虑了AGC指令的随机特性，能够充分发挥BESS调频优势，从而提高火-储混合电站的二次调频性能。
附图说明
图1是本发明提供的考虑AGC指令随机特性的火-储混合电站模拟方法的流程示意图；
图2是本发明提供的火-储混合电站拓扑结构示意图；
图3是本发明提供的AGC指令持续时间的概率分布特性示意图；
图4是本发明提供的非零AGC指令间隔时间的概率分布特性示意图；
图5是本发明提供的AGC指令调节速率的概率分布特性示意图；
图6是本发明提供的不同BESS容量下的AGC指令跟踪成功概率示意图；
图7是本发明提供的不同BESS容量下的跟踪偏差电量示意图；
图8是本发明提供的考虑AGC指令随机特性的火-储混合电站模拟装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，现有技术中，针对BESS参与二次调频的问题，文献一《规模化储能参与下的电网二次调频优化控制策略》(电力自动化设备，2019年，第39卷，第5期，第82-88+95页)提出了一种计及电池储能技术特征的电网二次调频控制策略，能精确地调度储能以满足电网调频需要，并实现荷电状态的均衡控制。文献二《考虑储能电池参与二次调频的综合控制策略》(电力系统自动化，2018年，第42卷，第8期，第74-82页)提出了利用Logistic回归函数，构建储能自适应调频和自恢复储能荷电状态两种工况的控制规律，并将储能划分为自恢复工况、调频工况和综合工况三种典型工作模式，有效改善调频效果。文献三《面向电网二次调频需求的“PXP”储能集群分布式均衡控制策略》(中国电机工程学报，2022年，第42卷，第3期，第886-900页)提出面向二次调频需求的PXP储能集群分布式均衡控制策略，通过构建考虑储能实时容量的调频耗量函数，以调频耗量最小化为目标，实现对系统调频需求的最优分配。然而，这些方法均未充分考虑AGC指令的随机特性，具有一定的局限性。
针对现有技术存在的不足，本发明实施例提供了一种面向二次调频的考虑AGC指令随机特性的火-储混合电站序贯蒙特卡洛模拟方法，请参见图1，本发明实施例可以包括如下步骤：
S1：根据某调频电厂的实测数据，分析AGC指令的持续时间、间隔时间、调节速率与调节方向的概率特性：
1.AGC指令持续时间、间隔时间、调节速率与调节方向的概率特性：
(1)AGC指令持续时间的概率特性：
公式(1)中：Tc为AGC指令持续时间；b为瑞利分布参数。
(2)AGC指令间隔时间的概率特性：
公式(2)中：Tj为AGC指令间隔时间；q为AGC指令间隔时间为0的概率；α、β与γ为Versatile分布参数。
(3)AGC指令调节速率的概率特性：
公式(3)中：v为AGC指令调节速率；μ、σ为对数分布参数。
(4)AGC指令调节方向的概率特性：
P(xAGC＝d)＝pd(1-p)1-d,d＝0,1 (4)
公式(4)中：xAGC为表示AGC指令调节方向的随机变量，有“0”、“1”两种取值，“1”表示AGC指令为升指令，“0”则表示AGC指令为降指令；p为AGC指令为升指令的概率，p＝1/2。
S2：构建AGC跟踪性能评价指标：AGC指令跟踪成功概率POST与AGC指令跟踪偏差电量DEIT；
2.AGC跟踪性能评价指标：
(1)AGC指令跟踪成功概率POST：
公式(5)中：MPOST为POST指标的取值；Pr{·}表示括号中事件发生的概率；为火-储混合电站在AGC指令i结束时刻Te,i的发电出力，为火电机组出力与BESS充、放电功率之和；PAGC,i为AGC指令i的目标出力；N为评价周期内的AGC指令数。
(2)AGC指令跟踪偏差电量DEIT：
公式(6)中：MDEIT为DEIT指标的取值；Ts,i为AGC指令i的开始时刻；Te,i为AGC指令i的结束时刻；Pd,t为火-储混合电站在时段t的发电出力。
S3：采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解。
其中，所述序贯蒙特卡洛模拟方法，具体如下：
S3.1：给定最大模拟次数hmax，模拟次数索引h初始化为1；评价指标POST与DEIT初始化为零。
S3.2：AGC指令索引i初始化为1，即令i＝1；将BESS分为容量相等的两部分接入火电厂(BESSⅠ与BESSII)，假定BESSⅠ与BESSII初始充、放电状态分别为放电状态与充电状态；BESSⅠ与BESSII的SOC均初始化为0.5，即令SⅠ,t＝0.5、SⅠI,t＝0.5。
S3.3：根据AGC指令随机特性，随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向。
S3.4：若AGC指令调节方向为正，则处于放电状态的BESS辅助火电机组二次调频，火电机组发电出力具体如下式所示：
公式(7)至(9)中：Pg,t为火电机组在时刻t的发电出力；i为AGC指令索引；Ts,i为AGC指令i的开始时刻；T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻；Ts,i+1为下一个AGC指令(即AGC指令i+1)的下发时刻；为火电机组在AGC指令i下发时刻的发电出力；PAGC,i为AGC指令i的目标出力；T2,i为火电机组在下一个AGC指令(即AGC指令i+1)下发之前跟踪上AGC指令i目标出力的时刻；vup为火电机组最大上爬坡速率。
BESS放电功率由下式所示：
公式(10)中：为BESSⅠ在下一个AGC指令(即AGC指令i+1)下发之前的放电功率；为BESSⅠ在时刻t能提供的最大放电功率，如公式(11)所示：
公式(11)中：Pdis为单位容量BESS额定放电功率；Ec为接入火电厂的BESS总容量；ηd为放电效率；△T为模拟时刻的长度；Smin为BESS荷电状态最小允许值；SⅠ,t为BESSⅠ在时刻t的荷电状态。
若AGC指令调节方向为负，则处于充电状态的BESS辅助火电机组二次调频，火电机组发电出力具体如下式所示：
公式(12)至(14)中：vdown为火电机组最大下爬坡速率。
BESS充电功率由下式所示：
公式(15)中：为BESSII在下一个AGC指令(即AGC指令i+1)下发之前的充电功率；/>为BESSII在时刻t能提供的最大充电功率，如公式(16)所示：
公式(16)中：Pch为单位容量BESS额定充电功率；ηc为充电效率；Smax为荷电状态最大允许值；SⅠI,t为BESSII在时刻t的荷电状态。
S3.5：按下式更新BESSⅠ与BESSII在AGC指令周期i内各时刻的SOC：
公式(17)至(18)中：SⅠ,t-1为BESSⅠ在前一时刻(即时刻t-1)的荷电状态；为BESSⅠ在前一时刻(即时刻t-1)的放电功率；SⅠIt-1为BESSII在前一时刻(即时刻t-1)的荷电状态；/>为BESSII在前一时刻(即时刻t-1)的充电功率。
判断AGC指令周期i内是否有BESS到达满充或满放状态，若有，则同时切换两BESS的充、放电状态。
S3.6：判断本次模拟是否已覆盖整个评价周期，若已覆盖，则执行S3.7，否则，令AGC指令索引i＝i+1，执行S3.3。
S3.7：分别按式(5)、(6)计算第h次模拟对应的评价指标POST与DEIT取值MPOST,h与MDEIT,h；接着，按下式分别更新评价指标POST、DEIT：
S3.8：判断是否到达最大模拟次数hmax，若达到，则结束模拟，输出模拟结果；否则，则令模拟次数h＝h+1，跳转至S3.2，继续进行模拟。
下面结合实际应用场景对本发明实施例提供的技术方案进行详细说明，某火电厂承担系统中的二次调频任务，机组额定容量为480MW，最大上、下爬坡速率均为15MW/min。为提升二次调频性能，将40MW·h的BESS按附图2给出的方案接入该火电厂，即BESSⅠ与BESSII的容量均为20MW·h。单位容量(即1MW·h)BESS的技术参数如表1所示。
表1 BESS技术参数(1MW·h)
分别用瑞利分布、Versatile分布与对数正态分布，对算例调频电厂接收AGC指令的持续时间、非零间隔时间与调节速率的随机特性进行拟合，结果如附图3～5所示，其分布参数如表2所示。此外，调度中心连续下发AGC指令的概率为0.1，即AGC指令间隔时间取0的概率为10％。
表2 AGC指令概率特性的参数
如附图6～7所示，对不同BESS容量下的火-储混合电站进行了序贯蒙特卡洛模拟，从图中可以看出，随着BESS容量增加，指标POST的数值也随之增大，同时，指标DEIT的数值随之减小。也就是说，考虑AGC指令随机特性的条件下，增大BESS容量可显著提升火-储混合电站的二次调频性能。附图6显示，当BESS容量增至28MW·h时，指标POST已超过90％，往后，近一步增加BESS容量，指标POST的增幅趋于平缓，呈现明显的饱和效应。类似的饱和效应同样出现在附图7中，当BESS容量增至46MW·h，指标DEIT降至1MW·h以下，往后，进一步增加BESS容量，指标DEIT的降幅趋于平缓。
需要说明的是，对于以上方法或流程实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
如图8所示，本发明还提供一种考虑AGC指令随机特性的火-储混合电站模拟装置，包括：
函数获取模块1，用于根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；
指标构建模块2，用于构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；
运行模拟模块3，用于基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果。
可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种考虑AGC指令随机特性的火-储混合电站模拟装置，可以实现本发明任意一项方法项实施例提供的考虑AGC指令随机特性的火-储混合电站模拟方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的考虑AGC指令随机特性的火-储混合电站模拟方法。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
所述领域的技术人员可以清楚地了解到，为了方便和简洁，上述描述的装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储介质为计算机可读存储介质，所述计算机程序存储在所述计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种考虑AGC指令随机特性的火-储混合电站模拟方法，其特征在于，包括：
根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；其中，所述AGC指令的概率特性函数包括AGC指令的持续时间、间隔时间、调节速率和调节方向；所述AGC指令的概率特性函数具体包括：
式中，Tc为AGC指令持续时间；b为瑞利分布参数；
式中，Tj为AGC指令间隔时间；q为AGC指令间隔时间为0的概率；α、β与γ为Versatile分布参数；
式中，v为AGC指令调节速率；μ、σ为对数分布参数；
P(xAGC＝d)＝pd(1-p)1-d,d＝0,1
式中，xAGC为表示AGC指令调节方向的随机变量，包括0和1两种取值，取值为1时表示AGC指令为升指令，取值为0时表示AGC指令为降指令；p为AGC指令为升指令的概率，p＝1/2；
构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；所述AGC跟踪性能评价指标的计算方式为：
式中，MPOST为POST指标的取值；POST指标为AGC指令跟踪成功概率；Pr{·}表示括号中事件发生的概率；为火-储混合电站在AGC指令i结束时刻Te,i的发电出力，其为火电机组出力与电池储能系统的充、放电功率之和；PAGC,i为AGC指令i的目标出力；N为评价周期内的AGC指令数；
式中，MDEIT为DEIT指标的取值；DEIT指标为AGC指令跟踪偏差电量；Ts,i为AGC指令i的开始时刻；Te,i为AGC指令i的结束时刻；Pd,t为火-储混合电站在时段t的发电出力；
基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果，具体包括：
S3.1：设定最大模拟次数hmax，模拟次数索引h初始化为1；将评价指标POST与DEIT初始化为零；其中，POST代表AGC指令跟踪成功概率，DEIT代表AGC指令跟踪偏差电量；
S3.2：AGC指令索引i初始化为1，即令i＝1；将电池储能系统BESS分为容量相等的两部分接入火电厂，假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态；第一部分BESS与第二部分BESS的SOC均初始化为0.5，即令SⅠ,t＝0.5、SⅠI,t＝0.5；
S3.3：根据AGC指令随机特性，随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向；
S3.4：若AGC指令调节方向为正，则控制处于放电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，Pg,t为火电机组在时刻t的发电出力；i为AGC指令索引；Ts,i为AGC指令i的开始时刻；T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻；Ts,i+1为下一个AGC指令的下发时刻；为火电机组在AGC指令i下发时刻的发电出力；PAGC,i为AGC指令i的目标出力；T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻；vup为火电机组最大上爬坡速率；
BESS放电功率表示为：
式中，为第一部分BESS在下一个AGC指令下发之前的放电功率；/>为第一部分BESS在时刻t能提供的最大放电功率，其表示为：
式中，Pdis为单位容量BESS额定放电功率；Ec为接入火电厂的BESS总容量；ηd为放电效率；△T为模拟时刻的长度；Smin为BESS荷电状态最小允许值；SⅠ,t为第一部分BESS在时刻t的荷电状态；
若AGC指令调节方向为负，则控制处于充电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，vdown为火电机组最大下爬坡速率；
BESS充电功率表示为：
式中，为第二部分BESS在下一个AGC指令下发之前的充电功率；/>为第二部分BESS在时刻t能提供的最大充电功率，其表示为：
式中，Pch为单位容量BESS额定充电功率；ηc为充电效率；Smax为荷电状态最大允许值；SⅠI,t为第二部分BESS在时刻t的荷电状态；
S3.5：按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC：
式中，SⅠ,t-1为第一部分BESS在前一时刻的荷电状态；为第一部分BESS在前一时刻的放电功率；SⅠI,t-1为第二部分BESS在前一时刻的荷电状态；/>为第二部分BESS在前一时刻的充电功率；
判断AGC指令周期i内是否有BESS到达满充或满放状态，若有，则同时切换两部分BESS的充、放电状态；
S3.6：判断本次模拟是否已覆盖整个评价周期，若已覆盖，则执行S3.7，否则，令AGC指令索引i＝i+1，执行S3.3；
S3.7：按照AGC跟踪性能评价指标的计算方式计算第h次模拟对应的评价指标POST与DEIT取值MPOST,h与MDEIT,h；接着，按下式分别更新评价指标POST、DEIT：
S3.8：判断当前模拟次数是否到达最大模拟次数hmax，若达到，则结束模拟，输出模拟结果；否则，则令模拟次数h＝h+1，跳转至S3.2，继续进行模拟。
2.一种考虑AGC指令随机特性的火-储混合电站模拟装置，其特征在于，包括：
函数获取模块，用于根据目标调频电厂的实测数据，获取AGC指令的概率特性函数；其中，所述AGC指令的概率特性函数包括AGC指令的持续时间、间隔时间、调节速率和调节方向；所述AGC指令的概率特性函数具体包括：
式中，Tc为AGC指令持续时间；b为瑞利分布参数；
式中，Tj为AGC指令间隔时间；q为AGC指令间隔时间为0的概率；α、β与γ为Versatile分布参数；
式中，v为AGC指令调节速率；μ、σ为对数分布参数；
P(xAGC＝d)＝pd(1-p)1-d,d＝0,1
式中，xAGC为表示AGC指令调节方向的随机变量，包括0和1两种取值，取值为1时表示AGC指令为升指令，取值为0时表示AGC指令为降指令；p为AGC指令为升指令的概率，p＝1/2；
指标构建模块，用于构建AGC跟踪性能评价指标；其中，所述AGC跟踪性能评价指标包括AGC指令跟踪成功概率和AGC指令跟踪偏差电量；所述AGC跟踪性能评价指标的计算方式为：
式中，MPOST为POST指标的取值；POST指标为AGC指令跟踪成功概率；Pr{·}表示括号中事件发生的概率；为火-储混合电站在AGC指令i结束时刻Te,i的发电出力，其为火电机组出力与电池储能系统的充、放电功率之和；PAGC,i为AGC指令i的目标出力；N为评价周期内的AGC指令数；
式中，MDEIT为DEIT指标的取值；DEIT指标为AGC指令跟踪偏差电量；Ts,i为AGC指令i的开始时刻；Te,i为AGC指令i的结束时刻；Pd,t为火-储混合电站在时段t的发电出力；
运行模拟模块，用于基于所述AGC指令的概率特性函数以及AGC跟踪性能评价指标，采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟，并求解得到模拟结果，具体包括：
S3.1：设定最大模拟次数hmax，模拟次数索引h初始化为1；将评价指标POST与DEIT初始化为零；其中，POST代表AGC指令跟踪成功概率，DEIT代表AGC指令跟踪偏差电量；
S3.2：AGC指令索引i初始化为1，即令i＝1；将电池储能系统BESS分为容量相等的两部分接入火电厂，假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态；第一部分BESS与第二部分BESS的SOC均初始化为0.5，即令SⅠ,t＝0.5、SⅠI,t＝0.5；
S3.3：根据AGC指令随机特性，随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向；
S3.4：若AGC指令调节方向为正，则控制处于放电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，Pg,t为火电机组在时刻t的发电出力；i为AGC指令索引；Ts,i为AGC指令i的开始时刻；T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻；Ts,i+1为下一个AGC指令的下发时刻；为火电机组在AGC指令i下发时刻的发电出力；PAGC,i为AGC指令i的目标出力；T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻；vup为火电机组最大上爬坡速率；
BESS放电功率表示为：
式中，为第一部分BESS在下一个AGC指令下发之前的放电功率；/>为第一部分BESS在时刻t能提供的最大放电功率，其表示为：
式中，Pdis为单位容量BESS额定放电功率；Ec为接入火电厂的BESS总容量；ηd为放电效率；△T为模拟时刻的长度；Smin为BESS荷电状态最小允许值；SⅠ,t为第一部分BESS在时刻t的荷电状态；
若AGC指令调节方向为负，则控制处于充电状态的BESS辅助火电机组进行二次调频，火电机组发电出力表示为：
式中，vdown为火电机组最大下爬坡速率；
BESS充电功率表示为：
式中，为第二部分BESS在下一个AGC指令下发之前的充电功率；/>为第二部分BESS在时刻t能提供的最大充电功率，其表示为：
式中，Pch为单位容量BESS额定充电功率；ηc为充电效率；Smax为荷电状态最大允许值；SⅠI,t为第二部分BESS在时刻t的荷电状态；
S3.5：按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC：
式中，SⅠ,t-1为第一部分BESS在前一时刻的荷电状态；为第一部分BESS在前一时刻的放电功率；SⅠI,t-1为第二部分BESS在前一时刻的荷电状态；/>为第二部分BESS在前一时刻的充电功率；
判断AGC指令周期i内是否有BESS到达满充或满放状态，若有，则同时切换两部分BESS的充、放电状态；
S3.6：判断本次模拟是否已覆盖整个评价周期，若已覆盖，则执行S3.7，否则，令AGC指令索引i＝i+1，执行S3.3；
S3.7：按照AGC跟踪性能评价指标的计算方式计算第h次模拟对应的评价指标POST与DEIT取值MPOST,h与MDEIT,h；接着，按下式分别更新评价指标POST、DEIT：
S3.8：判断当前模拟次数是否到达最大模拟次数hmax，若达到，则结束模拟，输出模拟结果；否则，则令模拟次数h＝h+1，跳转至S3.2，继续进行模拟。
3.一种终端设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述的考虑AGC指令随机特性的火-储混合电站模拟方法。
4.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1所述的考虑AGC指令随机特性的火-储混合电站模拟方法。
CN202310395882.5A 2023-04-13 2023-04-13 考虑agc指令随机特性的火-储混合电站模拟方法及装置 Active CN116454943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310395882.5A CN116454943B (zh) 2023-04-13 2023-04-13 考虑agc指令随机特性的火-储混合电站模拟方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310395882.5A CN116454943B (zh) 2023-04-13 2023-04-13 考虑agc指令随机特性的火-储混合电站模拟方法及装置

Publications (2)

Publication Number Publication Date
CN116454943A CN116454943A (zh) 2023-07-18
CN116454943B true CN116454943B (zh) 2023-10-20

Family

ID=87133199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310395882.5A Active CN116454943B (zh) 2023-04-13 2023-04-13 考虑agc指令随机特性的火-储混合电站模拟方法及装置

Country Status (1)

Country Link
CN (1) CN116454943B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160076376A (ko) * 2014-12-22 2016-06-30 주식회사 효성 다중 에너지저장장치 시스템의 계통 주파수 제어 방법 및 그를 위한 시스템
CN111092450A (zh) * 2019-12-13 2020-05-01 国网浙江海宁市供电有限公司 一种基于性价比分析的储能容量配置的方法
CN112103980A (zh) * 2020-09-27 2020-12-18 中国科学院电工研究所 一种联合火电机组agc调频的混合储能系统能量管理方法
CN113315168A (zh) * 2018-10-09 2021-08-27 南通大学 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160076376A (ko) * 2014-12-22 2016-06-30 주식회사 효성 다중 에너지저장장치 시스템의 계통 주파수 제어 방법 및 그를 위한 시스템
CN113315168A (zh) * 2018-10-09 2021-08-27 南通大学 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法
CN111092450A (zh) * 2019-12-13 2020-05-01 国网浙江海宁市供电有限公司 一种基于性价比分析的储能容量配置的方法
CN112103980A (zh) * 2020-09-27 2020-12-18 中国科学院电工研究所 一种联合火电机组agc调频的混合储能系统能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kai Doenges.Improving AGC Performance in Power Systems With Regulation Response Accuracy Margins Using Battery Energy Storage System.2020,全文. *

Also Published As

Publication number Publication date
CN116454943A (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN112564160B (zh) 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质
CN116454943B (zh) 考虑agc指令随机特性的火-储混合电站模拟方法及装置
CN118017558A (zh) 负荷不确定性下的分布式光伏多场景储能配置方法及系统
CN116826859A (zh) 一种电源碳电协同规划方法、装置、设备及存储介质
CN116011751A (zh) 工业企业减排运行调度模型训练方法及调度方法
CN117196084A (zh) 虚拟电厂运行调度方法及装置、终端、存储介质
CN116454946B (zh) 考虑储能损耗成本的火-储混合电站容量优化方法及装置
CN115907106A (zh) 基于边缘计算的微电网调度方法、装置、设备及存储介质
CN115764936A (zh) 电网储能配置的优化方法、装置、设备及存储介质
CN110556865B (zh) 风电机组低电压穿越特性模型参数修正方法、装置及介质
CN115360768A (zh) 基于muzero和深度强化学习的电力调度方法、装置及存储介质
CN115189423A (zh) 一种风火储系统的多能协调优化调度方法及装置
CN109066797B (zh) 含光伏发电的电力系统运行控制方法及装置
CN114329317A (zh) 基于混合发电机组的输出功率调度方法、装置及终端
CN110401210A (zh) 需求响应参与下风电储能系统调度方法
CN116454945B (zh) 基于电池储能系统的火-储混合电站协同运行方法及装置
CN113919657B (zh) 一种含梯级水电的电力市场出清方法、装置、设备及介质
CN112769150B (zh) 一种调频用混合储能装置的功率分配方法、系统和介质
CN115438521B (zh) 虚拟电厂参与的电力市场出清方法、装置、设备及介质
CN113128790B (zh) 一种分布式光伏系统的消纳优化方法、装置及终端设备
CN113919657A (zh) 一种含梯级水电的电力市场出清方法、装置、设备及介质
CN112366749B (zh) 一种风储系统联合碳捕电厂可调鲁棒优化调度方法及装置
CN109586384B (zh) 一种电网中高可再生能源渗透的最优调节方法及装置
CN113809773A (zh) 基于海上风电机组的电力系统生产模拟方法、装置及设备
CN115912416A (zh) 一种考虑新能源消纳的储能配置方案选取方法及相关装置

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