CN116562572B - 一种梯级水电站群年度计划电量曲线分解方法 - Google Patents
一种梯级水电站群年度计划电量曲线分解方法 Download PDFInfo
- Publication number
- CN116562572B CN116562572B CN202310537237.2A CN202310537237A CN116562572B CN 116562572 B CN116562572 B CN 116562572B CN 202310537237 A CN202310537237 A CN 202310537237A CN 116562572 B CN116562572 B CN 116562572B
- Authority
- CN
- China
- Prior art keywords
- power station
- power
- months
- load
- curve
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 3
- 241000124879 Grus leucogeranus Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (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
一种梯级水电站群年度计划电量曲线分解方法,包括以下步骤:步骤一:考虑多个受端电网差异化负荷调节需求,构建电量曲线分解的调峰准则模型;步骤二:确定调峰准则模型中各受端电网的典型负荷曲线;步骤三:使用大M法,引入0‑1变量bsc,d,k,m,大数M,两个连续变量xsc,d,k,m、osc,d,k,m,此时正负偏差的数学描述可抽象为电力市场履约问题的一般性规则,进而采用混合整数规划模型求解。本发明方法能够得到合理的梯级水电站多电网年度逐月电量分解曲线,且可以有效响应不同受端电网的差异调峰需求,提高梯级水电系统对受端电网的差异负荷响应能力。
Description
技术领域
本发明涉及水电系统调度领域,具体涉及一种梯级水电站群年度计划电量曲线分解方法。
背景技术
我国西南巨型水电站群大多承担跨省跨区送电任务,其在电力市场改革背景下通常要涉及多个受端市场、多个时间尺度间电量的交易与履约,调度运行更加复杂。由于电量规模较大,目前巨型水电站的主要电量还是以计划电量为主,增发电量则通常需要参与电力市场交易,这种情况下,计划电量如何分解执行对整个电站的运行,以及受端电网的影响非常巨大,如何合理安排计划电量执行曲线就尤为重要和关键。
关于年度计划电量的曲线分解问题,在每年10月前后,需要确定计划电量如何在电站、各月之间精准分配,并根据各送电省份构建各月典型曲线的分解准则,按照一定准则确定各电站各月各省典型出力曲线。市场化放开后,还需根据不同省份市场条件进行市场化电量在各月、各省之间的合理分配。该问题需要同时考虑水电站、水库、电网各类调度运行约束,包括水力约束如水量平衡方程、库水位限制、出库流量限制、发电流量限制等,出力约束如出力限制、电量平衡约束、电力平衡约束等,系统类约束如跨省送电比例、差异负荷需求等,这是非常复杂的高维、非线性多时空耦合约束优化问题。目前的电量分解及履约问题大多关注合同电量的执行进度或者发电收益,对电网调峰需求考虑较少,如何考虑多个受端电网的调峰需求,如何实现复杂模型的高效求解面临很大挑战。
发明内容
为解决上述技术问题,本发明提供一种梯级水电站群年度计划电量曲线分解方法,以确定梯级水电站群在多个电网间、多个品种间的电量曲线分解结果;该方法能够得到合理的梯级水电站多电网年度逐月电量分解曲线,且可以有效响应不同受端电网的差异调峰需求,提高梯级水电系统对受端电网的差异负荷响应能力。
本发明采取的技术方案为:
一种梯级水电站群年度计划电量曲线分解方法,包括以下步骤:
步骤一:考虑多个受端电网差异化负荷调节需求,构建电量曲线分解的调峰准则模型;
式中:Cd,k,m为d电站k省m月差异化调峰系数;lsxd,k,m为d电站k省m月剩余负荷最大值;lsmd,k,m为d电站k省m月剩余负荷最小值;d为电站编号;k为省份编号;m为月份编号;D为电站数量;Kd为电站d送电省份个数;M为月份数量。
式中:Eprod,k,m为d电站k省m月送电比例;ludk,m为k省m月峰谷差率;
式中:LDk,m,h为k省m月h时典型负荷需求;h为小时编号;H为时段集合。
为负荷序列的最大值;/>负荷序列的最小值。
步骤二:确定调峰准则模型中各受端电网的典型负荷曲线,包括以下步骤:
步骤①:选择某电网某月的日负荷数据,逐日提取负荷特征参数,构成每日负荷特征指标向量Ct=[Ct1,Ct2,Ct3,Ct4,Ct5];其中:Ct1,Ct2,Ct3,Ct4,Ct5分别表示t日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率。
步骤②:采用核密度估计对每项负荷特征指标向量进行密度函数拟合,得到典型日负荷特性指标向量CTP=[CTP1,CTP2,CTP3,CTP4,CTP5];其中:CTP1,CTP2,CTP3,CTP4,CTP5分别表示典型日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率。
步骤③:根据欧式距离dt,评估各日负荷特性指标向量与典型负荷特征指标向量的距离,使用欧式距离倒数的幂指数衡量曲线权重,具体如下:
式中:dt为欧式距离;CTPj表示典型日第j个负荷特性指标;wt为第t日的权重;T表示天数;t表示日期编号;j表示负荷特性指标编号。
步骤④:使用各日负荷曲线根据步骤③所得权重叠加计算,得到最终需要的典型日负荷曲线,典型负荷曲线LTPt,h(h=1,2...96)的计算公式如下:
式中:Lt=[lt,1,lt,2...lt,96]为t日的负荷曲线过程;lt,h表示第t日时段h的负荷;
lt,1,lt,2...lt,96分别表示第t日1至96个时段的负荷。
步骤三:求解调峰准则模型,获得年度计划电量的分解曲线。
使用大M法,引入0-1变量bsc,d,k,m,大数M,两个连续变量xsc,d,k,m、osc,d,k,m,此时正负偏差的数学描述可抽象为电力市场履约问题的一般性规则,进而采用混合整数规划模型求解,具体如下:
pclsc,d,k,m表示pclsc,d,k,m为sc场景d电站k省m月计划电量负偏差;xsc,d,k,m、osc,d,k,m分别表示两个连续变量;pcasc,d,k,m表示sc场景d电站k省m月计划;pcusc,d,k,m表示sc场景d电站k省m月计划电量正偏差;pcdd,k,m表示d电站k省m月决策分配计划电量;M为电站数量。
本发明一种AGC控制策略中按照比例分配负荷的方法,技术效果如下:
1)本发明能够得到合理的梯级水电站多电网年度逐月电量分解曲线,且能响应不同受端电网的差异调峰需求。
2)与以往单一电网侧重电量执行进度或发电效益的方法相比,本发明方法能够同时适应梯级水电站送电多个电网的实际情况,且通过构建适应多电网的调峰准则,可以兼顾各个电网的差异化负荷调节需求。
3)本发明提出适应不同电网的典型负荷曲线抽取方法,以历史负荷数据为基础,可以快速生成各个电网的典型负荷曲线过程;
4)本发明耦合大M法和变量等效转换策略,将原非线性模型转换为混合整数规划模型,实现了模型的高效求解,从而得到合理的梯级水电站多电网年度逐月电量分解曲线,且有效响应不同受端电网的差异调峰需求。
附图说明
图1为本发明方法总体求解框架图。
图2为梯级水电站对广东电网独立调峰结果图。
图3为梯级水电站对广东电网共享信息的调峰结果图。
具体实施方式
一种梯级水电站群年度计划电量曲线分解方法。本发明重点针对年度计划电量的曲线分解问题,通过构建面向多个受端电网的调峰模型,并考虑水力约束、电力约束,以及系统运行约束,以获得合理的梯级水电站逐月典型日发电曲线。技术方案为:考虑多个受端电网差异化负荷调节需求,构建多电网调峰准则;提出适应不同电网的典型负荷曲线抽取方法,以历史负荷数据为基础,生成各个电网的典型负荷曲线过程;耦合大M法和变量等效转换策略,将原非线性模型转换为混合整数规划模型,实现模型的高效求解。
通过金沙江下游梯级四座水电站群年度电量曲线分解验证分析,本发明能够,得到合理的梯级水电站多电网年度逐月电量分解曲线,且可以有效响应不同受端电网的差异调峰需求。
(一):第一部分是确定水电年度计划电量的曲线分解准则。考虑到计划电量的电价通常采用框架协议价格,所以拟构建调峰准则模型,以发挥水电站的优质调节作用。该调峰准则模型同时能够兼顾多个受端电网,适应各电网不同受电量比例、不同负荷峰谷差面临的差异化调峰需求,从而有效引导水电站在多个电网、高峰和低谷时段合理分配电力资源,尽可能响应多电网差异负荷需求,见下式:
式中:Cd,k,m为d电站k省m月差异化调峰系数;lsxd,k,m为d电站k省m月剩余负荷最大值;lsmd,k,m为d电站k省m月剩余负荷最小值;d为电站编号;k为省份编号;m为月份编号;D为电站数量;Kd为电站d送电省份个数;M为月份数量。
式中:Eprod,k,m为d电站k省m月送电比例;ludk,m为k省m月峰谷差率;
式中:LDk,m,h为k省m月h时典型负荷需求;h为小时编号;H为时段集合。
为负荷序列的最大值;/>负荷序列的最小值。
上述目标需要考虑以下三类约束条件:
①水电常规约束:
a:水量平衡约束:
式中:Vd,t为d电站m时刻库容,单位:亿m3;QINd,m为d电站m时段的区间入流,单位:m3/s;DUPd为d电站的具有水力联系的上游电站集合;ud,m为d电站m时段的出库流量。
Vd,m-1表示d电站m-1时刻的库容;i表示上游电站编号。
b:水位库容关系及水位上下限:
vd,m=fzvd(zd,m);
Zmind,m≤zd,m≤Zmaxd,m;
式中:fzvd为d电站水位与库容的相关关系;zd,m表示d电站m时刻的水位。
Zmind,m、Zmaxd,m分别m时刻d电站水位上、下限。
c:流量平衡及上下限约束:
ud,m=qd,m+sd,m;
UMINd,m≤ud,m≤UMAXd,m;
QMINd,m≤qd,m≤QMAXd,m;
式中:ud,m为d电站m时段的出库流量,单位:m3/s;qd,m为d电站m时段的发电流量,单位:m3/s;sd,m为d电站m时段的弃水流量,单位:m3/s;
UMINd,m、UMAXd,m分别为d电站m时段最小、最大出库流量,单位:m3/s;
QMINd,m、QMAXd,m分别为d电站m时段最小、最大发电流量,单位:m3/s;
d:尾水位下泄流量关系:
zdd,m=fzdud(ud,m);
zdd,m表示d电站m时段的尾水位;ud,m表示d电站m时段的下泄流量;fzdud表示d电站由下泄流量构成的尾水位函数;
e:发电特性曲线关系:
pd,m=fphqd(qd,m,hd,m);
pd,m表示d电站m时段的出力;qd,m表示d电站m时段的发电流量;hd,m表示d电站m时段的水头;fphqd表示d电站由发电流量和水头构成的出力函数;
f:发电水头计算:
hd,m=(zd,m+zd,m+1)/2-zdd,m;
②分时曲线与长期平均出力关系:
将电站各月平均出力分配给各省:
pcasc,d,k,m=psc,d,m·Eprod,k,m
pcsc,d,k,m,h为sc场景d电站k省m月典型出力曲线h时的平均出力;psc,d,m为sc场景d电站m月的平均出力;Eprod,k,m为d电站k省m月的电量分配比例;
构建电站送各省曲线与平均出力关系:
pcad,k,m表示d电站k省m月决策分配计划电量;H表示小时数;
构建电站分时曲线限制:
Pmid,k,m,h≤pcsc,d,k,m,h≤Pmxd,k,m,h
Pmid,k,m,h、Pmxd,k,m,h分别表示电站分时曲线的下限、上限。
③计划电量履约相关约束:
pcusc,d,k,m=max(pcsc,d,k,m-pcdd,k,m,0)
pclsc,d,k,m=max(pcdd,k,m-pcsc,d,k,m,0)
式中:pcusc,d,k,m为sc场景d电站k省m月的市场化增量出力;
pclsc,d,k,m为sc场景d电站k省m月的计划电量违约出力;
pcasc,d,k,m为sc场景d电站k省m月的出力;
pcdd,k,m为d电站k省m月计划电量决策分配出力。
(二):第二部分是确定调峰准则中各受端电网的典型负荷曲线,具体步骤包括:
步骤①:选择某电网某月的日负荷数据,逐日提取负荷特征参数,构成每日负荷特征指标向量Ct=[Ct1,Ct2,Ct3,Ct4,Ct5],其中:Ct1,Ct2,Ct3,Ct4,Ct5分别表示t日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率。
步骤②:采用核密度估计对每项负荷特征指标向量进行密度函数拟合,得到典型日负荷特性指标向量CTPt=[CTP1,CTP2,CTP3,CTP4,CTP5];其中:CTP1,CTP2,CTP3,CTP4,CTP5分别表示典型日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率。
步骤③:根据欧式距离di,评估各日负荷特性指标向量与典型负荷特征指标向量的距离,使用欧式距离倒数的幂指数衡量曲线权重,具体如下:
式中:dt为欧式距离;CTPj表示典型日第j个负荷特性指标;wt为第t日的权重;T表示天数;t表示日期编号;j表示负荷特性指标编号。
步骤④:使用各日负荷曲线根据步骤③所得权重叠加计算,得到最终需要的典型日负荷曲线,典型负荷曲线LTPt,h(h=1,2...96)的计算公式如下:
式中:Lt=[lt,1,lt,2...lt,96]为t日的负荷曲线过程。lt,h表示第t日时段h的负荷;lt,1,lt,2...lt,96分别表示第t日1至96个时段的负荷。
(三):第三部分是求解调峰准则模型,获得年度计划电量的分解曲线。使用大M法,引入0-1变量bsc,d,k,m,大数M,两个连续变量xsc,d,k,m、osc,d,k,m,此时正负偏差的数学描述可抽象为电力市场履约问题的一般性规则,进而采用混合整数规划模型求解,具体如下:
pclsc,d,k,m表示pclsc,d,k,m为sc场景d电站k省m月计划电量负偏差;xsc,d,k,m、osc,d,k,m分别表示两个连续变量;pcasc,d,k,m表示sc场景d电站k省m月计划;pcusc,d,k,m表示sc场景d电站k省m月计划电量正偏差;pcdd,k,m表示d电站k省m月决策分配计划电量;M为电站数量。
实施例:
现以金沙江下游乌东德、白鹤滩、溪洛渡、向家坝水电站为研究对象,装机容量分别为10200MW、16000MW、12600MW、6000MW,是我国西电东送的“主力军”,涉及7个送电省(市),包括:广东、广西、云南、江苏、浙江、四川、浙江、上海。其中溪洛渡电站具有“两库两厂两网调”特点,汛、枯期有着不同的送电比例,调度关系十分复杂。计划电量在多个省级电网之间的分配比例见表1所示。
表1计划电量分配比例表
采用本发明方法进行金沙江下游梯级水电站群的年度计划电量曲线分解,首先确定典型负荷,利用本发明步骤二可以提取到金沙江下游梯级电站各受端省份、各月典型负荷84条,据此构建以步骤一调峰准则为目标的调峰模型。
表2、图2、图3给出了部分计算结果,1月广东、四川原始负荷的峰谷差率分别为25.6%、23.7%,经共享调峰信息目标计算后,广东、四川的峰谷差率变为12.3%、15.6%;经各电站独立调峰计算后广东、四川的峰谷差率变为16.3%、21.9%;显然对于梯级不同水电站送同一省份情况(乌东德、溪洛渡右岸共送广东,白鹤滩、溪洛渡左岸、向家坝共送四川),使用共享调峰信息的调峰效果明显好于各电站独立调峰效果。根据计算结果,本发明提出的方法有效兼顾了广东、四川等各省的差异化调峰需求。
表2各受端电网逐月调峰结果参数
Claims (3)
1.一种梯级水电站群年度计划电量曲线分解方法,其特征在于包括以下步骤:
步骤一:考虑多个受端电网差异化负荷调节需求,构建电量曲线分解的调峰准则模型;
式中:Cd,k,m为d电站k省m月差异化调峰系数;lsxd,k,m为d电站k省m月剩余负荷最大值;lsmd,k,m为d电站k省m月剩余负荷最小值;d为电站编号;k为省份编号;m为月份编号;D为电站数量;Kd为电站d送电省份个数;M为月份数量;
式中:Eprod,k,m为d电站k省m月送电比例;ludk,m为k省m月峰谷差率;
式中:LDk,m,h为k省m月h时典型负荷需求;h为小时编号;H表示小时数;
为负荷序列的最大值;/>负荷序列的最小值;
步骤二:确定调峰准则模型中各受端电网的典型负荷曲线,包括以下步骤:
步骤①:选择某电网某月的日负荷数据,逐日提取负荷特征参数,构成每日负荷特征指标向量Ct=[Ct1,Ct2,Ct3,Ct4,Ct5];其中:Ct1,Ct2,Ct3,Ct4,Ct5分别表示t日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率;
步骤②:采用核密度估计对每项负荷特征指标向量进行密度函数拟合,得到典型日负荷特性指标向量CTP=[CTP1,CTP2,CTP3,CTP4,CTP5];其中:CTP1,CTP2,CTP3,CTP4,CTP5分别表示典型日的日负荷率、日峰谷差率、峰期负载率、平期负载率、谷期负载率;
步骤③:根据欧式距离dt,评估各日负荷特性指标向量与典型负荷特征指标向量的距离,使用欧式距离倒数的幂指数衡量曲线权重,具体如下:
式中:dt为欧式距离;CTPj表示典型日第j个负荷特性指标;wt为第t日的权重;T表示天数;t表示日期编号;j表示负荷特性指标编号;
步骤④:使用各日负荷曲线根据步骤③所得权重叠加计算,得到最终需要的典型日负荷曲线,典型负荷曲线LTPt,h(h=1,2...96)的计算公式如下:
式中:lt,h表示第t日时段h的负荷;lt,1,lt,2...lt,96分别表示第t日1至96个时段的负荷;
步骤三:求解调峰准则模型,获得年度计划电量的分解曲线。
2.根据权利要求1所述一种梯级水电站群年度计划电量曲线分解方法,其特征在于:步骤一中,调峰准则模型满足以下三类约束条件:
①水电常规约束:
a:水量平衡约束:
式中:Vd,m为d电站m月库容,单位:亿m3;QINd,m为d电站m月的区间入流,单位:m3/s;DUPd为d电站的具有水力联系的上游电站集合;ud,m为d电站m月的出库流量;
Vd,m-1表示d电站m-1月的库容;d表示电站编号;d'为d电站的具有水力联系的上游电站编号;
b:水位库容关系及水位上下限:
vd,m=fzvd(zd,m);
Z mind,m≤zd,m≤Z maxd,m;
式中:fzvd为d电站水位与库容的相关关系;zd,m表示d电站m月的水位;
Zmind,m、Zmaxd,m分别m月d电站水位上、下限;
c:流量平衡及上下限约束:
ud,m=qd,m+sd,m;
UMINd,m≤ud,m≤UMAXd,m;
QMINd,m≤qd,m≤QMAXd,m;
式中:ud,m为d电站m月的出库流量,单位:m3/s;qd,m为d电站m月的发电流量,单位:m3/s;sd,m为d电站m月的弃水流量,单位:m3/s;
UMINd,m、UMAXd,m分别为d电站m月最小、最大出库流量,单位:m3/s;
QMINd,m、QMAXd,m分别为d电站m月最小、最大发电流量,单位:m3/s;
d:尾水位下泄流量关系:
zdd,m=fzdud(ud,m);
zdd,m表示d电站m月的尾水位;ud,m表示d电站m月的出库流量;fzdud表示d电站由下泄流量构成的尾水位函数;
e:发电特性曲线关系:
pd,m=fphqd(qd,m,hd,m);
pd,m表示d电站m月的出力;qd,m表示d电站m月的发电流量;hd,m表示d电站m月的水头;fphqd表示d电站由发电流量和水头构成的出力函数;
f:发电水头计算:
hd,m=(zd,m+zd,m+1)/2-zdd,m;
②分时曲线与长期平均出力关系:
将电站各月平均出力分配给各省:
pcasc,d,k,m=psc,d,m·Eprod,k,m
pcasc,d,k,m为sc场景d电站k省m月的计划出力;psc,d,m为sc场景d电站m月的平均出力;Eprod,k,m为d电站k省m月送电比例;
构建电站送各省曲线与平均出力关系:
pcad,k,m表示d电站k省m月决策分配计划电量;H表示小时数;
构建电站分时曲线限制:
Pmid,k,m,h≤pcsc,d,k,m,h≤Pmxd,k,m,h
Pmid,k,m,h、Pmxd,k,m,h分别表示电站分时曲线的下限、上限;
③计划电量履约相关约束:
pcusc,d,k,m=max(pcasc,d,k,m-pcdd,k,m,0)
pclsc,d,k,m=max(pcdd,k,m-pcasc,d,k,m,0)
式中:pcusc,d,k,m为sc场景d电站k省m月的市场化增量出力;
pclsc,d,k,m为sc场景d电站k省m月的计划电量违约出力;
pcasc,d,k,m为sc场景d电站k省m月的计划出力;
pcdd,k,m为d电站k省m月计划电量决策分配出力。
3.根据权利要求1所述一种梯级水电站群年度计划电量曲线分解方法,其特征在于:步骤三中,使用大M法,引入0-1变量bsc,d,k,m,大数M,两个连续变量xsc,d,k,m、osc,d,k,m,采用混合整数规划模型求解,具体如下:
pclsc,d,k,m为sc场景d电站k省m月的计划电量违约出力;xsc,d,k,m、osc,d,k,m分别表示两个连续变量;pcasc,d,k,m为sc场景d电站k省m月的计划出力;pcusc,d,k,m为sc场景d电站k省m月的市场化增量出力;pcdd,k,m为d电站k省m月计划电量决策分配出力;M为月份数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537237.2A CN116562572B (zh) | 2023-05-14 | 2023-05-14 | 一种梯级水电站群年度计划电量曲线分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537237.2A CN116562572B (zh) | 2023-05-14 | 2023-05-14 | 一种梯级水电站群年度计划电量曲线分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116562572A CN116562572A (zh) | 2023-08-08 |
CN116562572B true CN116562572B (zh) | 2024-03-12 |
Family
ID=87487502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310537237.2A Active CN116562572B (zh) | 2023-05-14 | 2023-05-14 | 一种梯级水电站群年度计划电量曲线分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562572B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071230A1 (zh) * | 2015-10-30 | 2017-05-04 | 南京南瑞集团公司 | 一种多Agent的水电站群短期优化调度方法 |
CN107274302A (zh) * | 2017-07-06 | 2017-10-20 | 大连理工大学 | 一种跨省互联水电站群长期联合调峰调度方法 |
WO2019006733A1 (zh) * | 2017-07-06 | 2019-01-10 | 大连理工大学 | 一种跨省互联水电站群长期联合调峰调度方法 |
CN115759333A (zh) * | 2022-10-11 | 2023-03-07 | 大连理工大学 | 一种考虑高压直流通道约束的多电网梯级日调峰调度模型 |
-
2023
- 2023-05-14 CN CN202310537237.2A patent/CN116562572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071230A1 (zh) * | 2015-10-30 | 2017-05-04 | 南京南瑞集团公司 | 一种多Agent的水电站群短期优化调度方法 |
CN107274302A (zh) * | 2017-07-06 | 2017-10-20 | 大连理工大学 | 一种跨省互联水电站群长期联合调峰调度方法 |
WO2019006733A1 (zh) * | 2017-07-06 | 2019-01-10 | 大连理工大学 | 一种跨省互联水电站群长期联合调峰调度方法 |
CN115759333A (zh) * | 2022-10-11 | 2023-03-07 | 大连理工大学 | 一种考虑高压直流通道约束的多电网梯级日调峰调度模型 |
Non-Patent Citations (1)
Title |
---|
多受端梯级水电站厂网多目标协调优化调度模型;张利升;武新宇;曹瑞;王学敏;严凌志;程春田;;电网技术(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116562572A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Optimization model for the short-term joint operation of a grid-connected wind-photovoltaic-hydro hybrid energy system with cascade hydropower plants | |
Ming et al. | Robust hydroelectric unit commitment considering integration of large-scale photovoltaic power: A case study in China | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
JP6736112B2 (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
Guo et al. | Risk-averse day-ahead generation scheduling of hydro–wind–photovoltaic complementary systems considering the steady requirement of power delivery | |
CN110717688B (zh) | 考虑新能源出力不确定性的水风光短期联合优化调度方法 | |
WO2021142900A1 (zh) | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 | |
WO2019006733A1 (zh) | 一种跨省互联水电站群长期联合调峰调度方法 | |
Jin et al. | Game theoretical analysis on capacity configuration for microgrid based on multi-agent system | |
CN109390940A (zh) | 一种考虑需求响应和综合效益的送端电网电源规划方法 | |
CN104915790A (zh) | 一种促进风电消纳的峰谷电价优化方法 | |
CN101917024A (zh) | 安全约束调度中通用性成本空间的生成方法 | |
Liao et al. | Daily peak shaving operation of cascade hydropower stations with sensitive hydraulic connections considering water delay time | |
Li et al. | Distributionally robust offering strategy of the aggregator integrating renewable energy generator and energy storage considering uncertainty and connections between the mid-to-long-term and spot electricity markets | |
CN116526469A (zh) | 一种水风光互补系统长期随机动态调度方法 | |
CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
CN115051388A (zh) | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 | |
CN109978331A (zh) | 一种高比例水电现货市场下日电量分解方法 | |
CN111667119B (zh) | 一种水电站milp模型最优代表水头选取方法和系统 | |
Ju et al. | Data-driven two-stage robust optimization dispatching model and benefit allocation strategy for a novel virtual power plant considering carbon-green certificate equivalence conversion mechanism | |
CN116562572B (zh) | 一种梯级水电站群年度计划电量曲线分解方法 | |
CN107565548A (zh) | 一种基于负荷侧灵活消纳弃风电量市场交易方法 | |
Jing et al. | Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base | |
CN115545768B (zh) | 一种考虑合同分解的大水电跨省跨区日前随机竞价方法 | |
CN116544951A (zh) | 一种水电调峰灵活性量化与调度方法 |
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 |