CN116613750B - 一种电力系统一体化调度方法、系统、终端设备及介质 - Google Patents

一种电力系统一体化调度方法、系统、终端设备及介质 Download PDF

Info

Publication number
CN116613750B
CN116613750B CN202310875688.7A CN202310875688A CN116613750B CN 116613750 B CN116613750 B CN 116613750B CN 202310875688 A CN202310875688 A CN 202310875688A CN 116613750 B CN116613750 B CN 116613750B
Authority
CN
China
Prior art keywords
time
unit
cost
period
scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310875688.7A
Other languages
English (en)
Other versions
CN116613750A (zh
Inventor
王明强
刘佳楠
杨明
王孟夏
王成福
董晓明
王勇
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202310875688.7A priority Critical patent/CN116613750B/zh
Publication of CN116613750A publication Critical patent/CN116613750A/zh
Application granted granted Critical
Publication of CN116613750B publication Critical patent/CN116613750B/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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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]
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (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

本发明属于电力系统技术领域，具体公开了一种电力系统一体化调度方法、系统、终端设备及介质，方法包括：以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间，以实现对可控发电机组的控制。本发明能够挖掘机组柔性潜力，提升电力系统调度的灵活性，改善系统安全经济运行水平。

Description

一种电力系统一体化调度方法、系统、终端设备及介质
技术领域
本发明涉及电力系统技术领域，尤其涉及一种电力系统一体化调度方法、系统、终端设备及介质。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
能源安全问题日益突出、环境污染问题愈发严峻的大背景下，大力发展以风电和光伏为代表的可再生能源发电，是实现可持续发展的重大需求。构建以新能源为主体的新型电力系统，会使输电网调度运行发生深刻变化。新型电力系统以新能源为供给主体、以确保能源电力安全为基本前提、以满足经济社会发展电力需求为首要目标，具有清洁低碳、安全可控、灵活高效、智能友好、开放互动的基本特征。
电力系统经济优化调度的定义是在最大程度追求系统发电成本最小的基础上，保证系统稳定安全运行并且提供可靠的电能质量。即在满足功率平衡以及系统其他各类安全约束条件的前提下，通过合理控制发电机组的启停计划和出力计划，实现经济最优的目标。可再生能源本身出力所具有的强随机性与波动性，使得以新能源为主体的新型电力系统调度运行发生深刻变化。如何应对可再生能源带来的强不确定性，实现电力系统的安全经济运行是亟待解决的问题。
如何在保证调度安全的基础上尽可能发挥出机组的性能、降低生产成本、提升机组调度的灵活性关系到电力企业的良好发展。传统调度模型基于“净负荷可被完美预测”的假设，将调度过程按时间尺度分解为日前、日内、实时调度三阶段进行次序优化。随着风、光等可再生能源的不断接入，不同阶段之间的耦联显著增强，若仍旧基于次序调度模式，则很可能造成不同模块之间的衔接冲突。
发明内容
为了解决上述问题，本发明提出了一种考虑机组技术参数优化的电力系统一体化调度方法、系统、终端设备及介质，将原来拥有不同时间尺度、时间颗粒度、滚动频率的日前调度、日内调度和实时调度融为一体，滚动运行；将机组启停状态维持时间、出力维持时间作为变量进行优化处理，分析两者导致的运行成本与其灵活性贡献的折中关系，构建同时优化机组启停、出力、启停维持时间和出力维持时间的一体化电能调度模型，挖掘机组柔性潜力，提升电力系统调度的灵活性，改善系统安全经济运行水平。
在一些实施方式中，采用如下技术方案：
一种电力系统一体化调度方法，包括：
以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；
所述一体化调度模型具有日前调度、日内调度和实时调度中的最快前瞻时间尺度、最小时间颗粒度和最快滚动频率；
对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间，以实现对可控发电机组的控制。
其中，所述综合费用包括：机组运营成本、惩罚成本和储能运行成本；其中，机组运营成本包括可控发电机组启停成本、运行成本、技术参数优化带来的收益和技术参数优化成本；惩罚成本包括弃风惩罚成本、弃光惩罚成本和切负荷成本。
对一体化调度模型进行线性化处理，具体包括：
对一体化调度模型中可控发电机组的运行成本进行分段线性化，获得线性的机组运行成本表达式；
对于出力维持时间约束中存在的if-then判断语句进行线性化；
对于约束中存在的0/1变量与连续变量相乘进行无误差线性转换。
在另一些实施方式中，采用如下技术方案：
一种电力系统一体化调度系统，包括：
模型构建模块，用于以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；
所述一体化调度模型具有日前调度、日内调度和实时调度中的最快前瞻时间尺度、最小时间颗粒度和最快滚动频率；
一体化调度模块，用于对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间；以实现对可控发电机组的控制。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的电力系统一体化调度方法。
在另一些实施方式中，采用如下技术方案：
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的电力系统一体化调度方法。
与现有技术相比，本发明的有益效果是：
（1）本发明将原来拥有不同时间尺度、时间颗粒度、滚动频率的日前、日内、实时调度融为一体，滚动运行。融合后的一体化调度模型具有原三模块中最长前瞻时间尺度、最精细时间颗粒度、最快滚动频率，自然消除了原不同模块之间的衔接冲突，挖掘了不同调度模块在时间维度的协同潜力。
（2）本发明滚动运行的新型电力系统一体化调度模型，仅下一时刻的决策需要被执行，其它时刻的决策结果仅供参考，并且不断纳入最新的可再生能源预测信息与负荷预测信息，能有效促进可再生能源消纳，应对系统中的不确定性。
（3）本发明分析了诸如启停维持时间、出力维持时间的优化对象与机组成本和系统成本之间的关系，研究了优化对象对系统灵活性提升以及对经济效益的贡献，对可优化对象进行一体化优化。
（4）本发明适宜具有任意调节灵活度的发电厂的友好接入，并且对提升机组的灵活性具有一定的激励作用。不能频繁启停或不能频繁调整功率的调节灵活度低的发电厂，可以通过上报自己的状态维持时间来顺利参与到一体化调度中。而机组在允许范围内上报的状态维持时间越短，被调用的机会就越大，潜在的净收益就越多。由此可见，采用一体化模型，可以激励发电厂合理缩短状态维持时间，提升发电厂乃至整个系统的灵活性水平。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
图1为本发明实施例中的电力系统一体化调度方法流程图；
图2为本发明实施例中融合后的新型电力系统一体化调度模型示意图；
图3为本发明实施例中机组技术参数优化程度与最小启停维持时间分别与运维成本和灵活性收益的关系示意图；其中，（a）为机组技术参数优化程度与运维成本关系示意图；（b）为机组技术参数优化程度与灵活性收益关系示意图；（c）为最小启停维持时间与运维成本关系示意图；（d）为最小启停维持时间与灵活性收益关系示意图；
图4为本发明实施例中机组运行状态最小维持时间优化示意图；
图5为本发明实施例中机组停运状态最小维持时间优化示意图；
图6为本发明实施例中机组最小出力维持时间优化示意图；
图7为本发明实施例中可控发电机组运行成本分段线性化示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
可再生能源本身出力所具有的强波动性与不确定性，使得电力系统中呈现出强不确定性，如何优化电力系统调度框架，提升调度系统的灵活性，实现输电网的安全经济运行是亟待解决的问题。
一方面，随着风、光等可再生能源的不断接入，原次序调度各阶段之间的耦联显著增强，为避免各阶段的衔接冲突，本发明建立了具有原次序调度最长前瞻时间尺度、最精细时间颗粒度、最快滚动频率的一体化调度模型，从而便于在时间维度挖掘各阶段间的协同潜力。
另一方面，在当前的电力现货市场交易中，机组需申报其技术参数，包括最小连续运行时间、最小连续停机时间，且两者不得超过调度机构设定的上限值。当电网电力平衡或安全稳定约束无法满足运行要求时，调度机构可根据电网实际情况统一调整机组的最小连续运行/停机时间并通过电力交易平台向市场成员发布相关参数调整情况和调整原因。在此背景下，如何在保证调度安全的基础上尽可能发挥出机组的性能、降低生产成本、提升机组调度的灵活性已经关系到电力企业的发展。本发明所构建的一体化调度模型，能够根据各发电厂事先提供的各台机组技术参数优化成本及所带来的灵活性效益曲线，对各电厂中的机组进行最小启停维持时间、出力维持时间的优化，在保证各类型机组均能参与到一体化调度的同时，对提升发电厂内机组的调度灵活性产生一定的激励作用。
基于此，在一个或多个实施方式中，公开了一种电力系统一体化调度方法，结合图1，具体包括如下过程：
S101：以综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前、日内和实时调度的一体化调度模型；
结合图2，现阶段的多阶段调度模型通常包括日前调度（24h时间尺度，1h时间颗粒度）、日内调度（4h时间尺度、15min时间颗粒度、滚动执行）和实时调度（1h时间尺度、5min时间颗粒度），在日前确定机组启停计划、日内和实时确定机组的出力，容易导致不同模块之间的调度冲突，调度结果为次优解。
其中，前瞻时间尺度是指优化模型的总优化时长、周期，文中用NT表示；
时间颗粒度是指优化模型划分总优化时长的最基本单位，文中用t表示，每个t代表的时间间隔均为5min；
滚动是指优化模型不是离线进行的，而是不断纳入新的负荷、新能源预测信息一步一步滚动进行的，滚动频率指在前瞻时间尺度内共进行了多少次滚动优化。
本实施例将原本具有不同时间尺度、时间颗粒度、滚动频率的日前调度、日内调度和实时调度融为一体，滚动运行。新型电力系统一体化调度模型具有原三阶段调度中24h的最长前瞻时间尺度、5min的最精细时间颗粒度和5min的最快滚动频率，从而自然消除了不同调度阶段之间的衔接问题；能够更好地捕捉可再生能源以及负荷的波动，并且极大扩充了发电机组可调节的时刻点，以设备更灵活调整的形式，提升了整个电力系统的灵活性。
以综合费用最小为优化目标，建立将已有三模块的全部约束统一到一体化模型的最精细时间颗粒度下的新表达。引入可控发电机组的启停状态维持时间、出力维持时间与其自身运行成本的解析表达式、与其对整个系统灵活性贡献的解析表达式。基于刚性对象优化处理理念，考虑成本与贡献的折中，建立启停维持时间和出力维持时间可优化的一体化模型，对这些一体化进程中出现的新要素进行一体化决策。
本实施例中，以电力系统综合费用最小为优化目标，电力系统综合费用包括：机组运营成本、惩罚成本和储能运行成本；其中，机组运营成本包括可控发电机组启停成本、运行成本、技术参数优化带来的收益和技术参数优化成本；惩罚成本包括弃风惩罚成本、弃光惩罚成本和切负荷成本。
一体化调度模型的目标函数具体为：
（1）
（2）
（3）
（4）
其中，为新型电力系统中可控发电机组的运营成本；/>为惩罚成本，包括弃光惩罚成本、弃风惩罚成本和切负荷惩罚成本；/>为储能运行成本；/>为优化时段数；为可控发电机组集合；/>为t优化时段的时长；/>为反映机组g在t时段内启停状态的二进制变量，/>表示机组g处于运行状态，反之表示机组g处于停运状态；/>为可控发电机组g在t时段内的有功出力；/>为机组g在t时段内的运行成本；/>为可控发电机组g的单次启动成本；/>为标识可控发电机组g在t时段内是否启动的二进制变量，表示机组g在t时段内启动，反之未启动；/>是机组g的最小运行状态维持时间变量；是机组g的最小停运状态维持时间变量；/>是机组g的最小出力维持时间变量；是机组g在运行状态维持时间为/>下的成本；/>是机组g在停运状态维持时间为/>下的成本；/>是机组g在出力维持时间为/>下的成本；是机组g在运行状态维持时间为/>下的收益；/>是机组g在停运状态维持时间为/>下的收益；/>是机组g在出力维持时间为/>下的收益。如图3中的（a）-（d）所示，随着机组技术参数优化程度的提高，机组的运维成本增加，灵活性收益也会增加，以机组运行状态最小启停维持时间为例，最小启停维持时间越短，机组技术参数优化程度越高，机组调度更加灵活，但相应的运维成本提高，灵活性收益也提高，从而使得目标函数中存在机组运行状态最小维持时间等技术参数的成本与效益存在折中关系；/>和/>分别为光伏电站和风电场集合；/>为电力系统节点集合；/>、/>和/>分别为单位弃光、弃风和切负荷惩罚成本；/>和/>分别为t时段内光伏电站p的弃光量和风电场w的弃风量；/>为t时段内节点i有功负荷的削减量；/>为储能集合；/>为储能e的单位运行成本；/>和/>分别为t时段内储能e的充电功率和放电功率。
上述目标函数的约束条件如下：
（1）电力系统功率平衡约束
（5）
其中，为t时段内光伏电站p实际发出的有功功率；/>为t时段内风电场w实际发出的有功功率；/>为t时段内节点i的有功负荷。
（2）支路潮流约束
（6）
（7）
其中，l为输电线路索引；为线路l在t时段的潮流；/>为可控发电机组g对支路l的功率转移分布因子；/>为风电场w对支路l的功率转移分布因子；/>为光伏电站p对支路l的功率转移分布因子；/>为负荷节点i对支路l的功率转移分布因子；/>为输电线路l有功功率传输上限值。
（3）风电、光伏出力约束
（8）
其中，和/>分别为t时段内风电场w和光伏电站p的有功功率预测值。
（4）弃风量、弃光量和切负荷量约束
（9）
和/>分别为t时段内光伏电站p的弃光量和风电场w的弃风量。
（5）可控发电机组逻辑变量约束
（10）
（11）
其中，为标识可控发电机组g在t时段内是否关停的二进制变量，/>表示机组g在t时段内关停，反之未关停；/>为表示机组g初始运行状态的二进制变量；/>为机组g的初始累计运行时间，/>为正数表示机组处于运行状态，且其数值表示机组已运行的时长，/>为负值表示机组处于停运状态，且其绝对值表示机组已停止运行的时长。
（6）机组运行状态最小维持时间约束
（12）
（13）
其中，表示机组g的最小运行状态维持时间，以时间间隔为单位，区别于以往的电力系统调度模型，本实施例中的最小运行状态维持时间是待优化的变量，机组运行状态最小维持时间的优化如图4所示；在以往电力系统的日前调度阶段（即图4中的优化前），通常采用机组组合模型，其中包含机组最小运行时间约束。该约束中的最小运行时间/>为调度前已知的固定参数，表明在t时刻决策出机组g由关停状态变为运行状态后，在/>的时间范围内，机组g均要保持运行状态；即机组一旦运行，将在/>时长范围内维持运行状态；本实施例是将机组最小运行状态维持时间当作变量/>进行处理（即图4中的优化后），考虑目标函数中机组运行状态最小维持时间所带来的成本与其效益的折中关系，基于一体化调度模型自动进行优化，优化后的最小运行状态维持时间为/>，且/>，在/>－/>的剩余时间内，机组启停状态可调节。
结合图4，未进行优化处理时，=8，即在8h范围内机组必须一直维持运行状态，优化处理后/>=5，即优化后最小运行状态维持时间为5h，在之后的时间范围3h内，机组状态可以发生改变，机组较优化之前可以被更灵活地调度。
（7）机组停运状态最小维持时间约束
（14）
（15）
其中，表示机组g的最小停运状态维持时间，以时间间隔为单位，区别于以往的电力系统调度模型，本实施例中的最小停运状态维持时间是待优化的变量。机组停运状态最小维持时间示意图如图5所示。在以往电力系统的日前调度阶段（即图5中的优化前），通常包含机组最小停运时间约束。该约束中的最小停运时间/>为调度前已知的固定参数，表明在t时刻决策出机组g由运行状态变为关停状态后，在/>的时间范围内，机组g均要保持关停状态。本实施例是将机组停运状态最小维持时间当作变量/>进行处理（即图5中的优化后），考虑目标函数中机组停运状态最小维持时间所带来的成本与其效益的折中关系，基于提出的一体化调度模型自动进行优化；优化后的机组运行状态最小维持时间为，且/>，在/>－/>的剩余时间内，机组启停状态可调节。
结合图5，未进行优化处理时，=7，即在7h范围内机组必须一直维持关停状态，优化处理后/>=4，即优化后机组运行状态最小维持时间为4h，在之后的时间范围3h内，机组的状态可以发生改变，机组较优化之前可以被更灵活地调度。
（8）机组出力约束
（16）
为机组g的有功出力下限值；/>为机组g的有功出力上限值；/>为可控发电机组g在t时段内的有功出力；/>为反映机组g在t时段内启停状态的二进制变量，/>表示机组g处于运行状态，反之表示机组g处于停运状态；
（9）机组出力维持时间约束
由于本公开提出的一体化调度模型具有精细的时间颗粒度和高频的滚动特性，为使惯性较强的笨重机组能够顺利参与到一体化调度中来，构建了机组出力维持时间约束，以保证机组能够按照合理的出力调整频率参与调度，机组出力最小维持时间的优化如图6。
（17）
（18）
其中，设置为1×10-4；/>为机组g的最小出力维持时间，以时间间隔为单位，区别于以往的电力系统调度模型，本实施例中的最小出力维持时间是待优化的变量。机组最小出力维持时间的优化如图6所示，/>为优化前机组g初始阶段的有功出力；本实施例提出的一体化模型采用5min的时间颗粒度，考虑到实践中某些笨重的机组无法每5min调节一次出力，但默认的1h的出力维持时间可能导致调度的次优解，将机组出力最小维持时间当作变量/>进行处理，考虑目标函数中机组最小出力维持时间所带来的成本与其效益的折中关系，基于提出的一体化调度模型自动进行优化。结合图6，优化前原机组出力维持时间为/>=1h，优化后的机组最小出力维持时间为/>=40min，之后/>－/>=20min的时间范围内机组的出力可以发生改变，机组较优化之前可以被更灵活地调度。
（10）机组爬坡速率约束
（19）
（20）
（21）
（22）
其中，和/>分别为机组g的上爬速率和下爬速率；/>为可控发电机组g在t-1时段内的有功出力；/>为反映机组g在t-1时段内启停状态的二进制变量；/>为标识可控发电机组g在t时段内是否启动的二进制变量，/>表示机组g在t时段内启动，反之未启动；/>为t-1优化时段的时长；/>为机组g的初始累计运行时间；/>为标识可控发电机组g在t时段内是否关停的二进制变量，/>表示机组g在t时段内关停，反之未关停；为机组g的有功出力下限值；/>为机组g在优化初始时的出力；/>为机组g在第一个优化时段内的出力。
（11）储能运行约束
（23）
（24）
（25）
（26）
（27）
其中，为t优化时段的时长；/>和/>分别为储能装置e在t时段和初始时刻储存的能量；/>和/>分别为储能装置e的充电效率和放电效率；/>为标识储能装置e在t时段内是否处于充电状态的二进制变量，/>表示充电，反之表示未充电；/>为标识储能装置e在t时段内是否处于放电状态的二进制变量，/>表示放电，反之表示未放电；/>和分别为储能装置e的最小荷电量和最大荷电量。
和/>分别为t时段内储能e的充电功率和放电功率。
S102：对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间。
具体的线性化处理措施如下：
（1）可控发电机组运行成本的分段线性化
一体化调度模型的目标函数中，可控发电机组的运行成本为二次多项式形式，如式（28）所示。常用三分段线性化方式进行处理，如图7所示：
（28）
（29）
（30）
（31）
（32）
（33）
（34）
（35）
其中，m为分段数索引；为机组g在t时段内第m分段的有功功率；/>为机组g在m段的最大有功功率；/>为机组g在m分段的有功功率最小值；/>为标识机组g在t时刻第m段的状态；/>为机组g在出力下限时的运行成本；/>为机组g在m段内的斜率。
（2）min函数的线性化
本公开的启停状态维持时间、出力维持时间约束中存在min函数，以运行状态维持时间约束式（12）中为例，对其进行线性化。引入辅助0/1变量v，并使其满足：
（36）
（37）
（38）/>
（39）
（40）
其中，M是一个较大的常数。
（3）if-then语句的线性化
本公开的出力维持时间约束式（17）、（18）表示呈现出非线性，可由式（41）、（42）等效表达。
（41）
（42）
（43）
其中，判断式呈现出非线性，需对其进一步线性化，引入中间变量/>=，对/>中的绝对值项进行线性化处理，可得
（44）
（45）
（46）
初始出力维持时间约束类似，在此不再赘述。由此，可线性化为：
（47）
针对0/1变量与连续变量相乘的情况，采用如下手段对其进行线性化。线性化，其中g为0/1变量，h为连续变量，/>分别为h的最小值和最大值，且。可按照下式的方法进行转化：
（48）
（49）
通过上述多种线性化方法，模型中的各种非线性项均转化为线性项。本公开构建的新型电力系统一体化调度模型最终被转化为混合整数线性规划问题，从而可以调用成熟的商用求解器CPLEX进行高效求解。
实施例二
在一个或多个实施方式中，公开了一种电力系统一体化调度系统，包括：
模型构建模块，用于以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；
所述一体化调度模型具有日前调度、日内调度和实时调度中的最快前瞻时间尺度、最小时间颗粒度和最快滚动频率；
一体化调度模块，用于对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间；以实现对可控发电机组的控制。
需要说明的是，上述各模块的具体实现方式已经在实施例一中进行了详细的说明，此处不再详述。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的一种电力系统一体化调度方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例四
在一个或多个实施方式中，公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行实施例一中所述的一种电力系统一体化调度方法。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (5)

1.一种电力系统一体化调度方法，其特征在于，包括：
以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；
所述一体化调度模型具有日前调度、日内调度和实时调度中的最快前瞻时间尺度、最小时间颗粒度和最快滚动频率；
对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间，以实现对可控发电机组的控制；
所述综合费用包括：机组运营成本、惩罚成本和储能运行成本；其中，机组运营成本包括可控发电机组启停成本、运行成本、技术参数优化带来的收益和技术参数优化成本；惩罚成本包括弃风惩罚成本、弃光惩罚成本和切负荷成本；
所述一体化调度模型的约束条件包括：
机组运行状态最小维持时间约束，具体为：
其中，为表示机组g初始运行状态的二进制变量，/>是机组g的最小运行状态维持时间变量，/>为机组g的初始累计运行时间；/>为优化时段数；tt和t均为表示时段的索引，/>为表示机组g在t时段运行状态的二进制变量，该值为1表示机组g在t时段处于运行状态，该值为0表示机组g在t时段关停；同理，/>表示机组g在t时段运行状态的二进制变量；
机组停运状态最小维持时间约束，具体为：
其中，为表示机组g初始运行状态的二进制变量，/>是机组g的最小停运状态维持时间变量，/>为机组g的初始累计运行时间，/>为优化时段数；tt和t均为表示时段的索引，/>为表示机组g在t时段运行状态的二进制变量，该值为1表示机组g在t时段处于运行状态，该值为0表示机组g在t时段关停；同理，/>表示机组g在t时段运行状态的二进制变量；
机组出力维持时间约束，具体为：
其中，为机组g的最小出力维持时间，/>为机组g初始阶段的有功出力，/>为可控发电机组g在t时段内的有功出力，/>为可控发电机组g在tt时段内的有功出力,/>为优化时段数；
所述一体化调度模型的目标函数具体为：
其中，为可控发电机组的运营成本，/>为惩罚成本，/>为储能运行成本；/>为优化时段数；/>为可控发电机组集合；/>为t优化时段的时长；/>为可控发电机组g在t时段内的有功出力；/>为反映机组g在t时段内启停状态的二进制变量，/>表示机组g处于运行状态，反之表示机组g处于停运状态；/>为机组g在t时段内的运行成本；/>为可控发电机组g的单次启动成本；/>为标识可控发电机组g在t时段内是否启动的二进制变量，/>表示机组g在t时段内启动，反之未启动；/>是机组g的最小运行状态维持时间变量；/>是机组g的最小停运状态维持时间变量；/>是机组g的最小出力维持时间变量；/>是机组g在运行状态维持时间为/>下的成本；/>是机组g在停运状态维持时间为/>下的成本；/>是机组g在出力维持时间为/>下的成本；/>是机组g在运行状态维持时间为/>下的收益；/>是机组g在停运状态维持时间为/>下的收益；/>是机组g在出力维持时间为/>下的收益；/>和/>分别为光伏电站和风电场集合；/>为电力系统节点集合；/>、/>和/>分别为单位弃光、弃风和切负荷惩罚成本；/>和/>分别为t时段内光伏电站p的弃光量和风电场w的弃风量；/>为t时段内节点i有功负荷的削减量；/>为储能集合；/>为储能e的单位运行成本；/>和/>分别为t时段内储能e的充电功率和放电功率。
2.如权利要求1所述的一种电力系统一体化调度方法，其特征在于，对一体化调度模型进行线性化处理，具体包括：
对一体化调度模型中可控发电机组的运行成本进行分段线性化，获得线性的机组运行成本表达式；
对于出力维持时间约束中存在的if-then判断语句进行线性化；
对于约束中存在的0/1变量与连续变量相乘进行无误差线性转换。
3.一种电力系统一体化调度系统，其特征在于，包括：
模型构建模块，用于以电力系统综合费用最小为优化目标，以可控发电机组的启停、出力、最优启停状态维持时间和最优出力维持时间为优化变量，构建融合日前调度、日内调度和实时调度的一体化调度模型；
所述一体化调度模型具有日前调度、日内调度和实时调度中的最快前瞻时间尺度、最小时间颗粒度和最快滚动频率；
一体化调度模块，用于对一体化调度模型进行线性化处理，利用混合整数线性规划方法对模型进行求解，得到可控发电机组的最优启停状态、最优出力、最优启停状态维持时间和最优出力维持时间；以实现对可控发电机组的控制；
所述综合费用包括：机组运营成本、惩罚成本和储能运行成本；其中，机组运营成本包括可控发电机组启停成本、运行成本、技术参数优化带来的收益和技术参数优化成本；惩罚成本包括弃风惩罚成本、弃光惩罚成本和切负荷成本；
所述一体化调度模型的约束条件包括：
机组运行状态最小维持时间约束，具体为：
其中，为表示机组g初始运行状态的二进制变量，/>是机组g的最小运行状态维持时间变量，/>为机组g的初始累计运行时间；/>为优化时段数；tt和t均为表示时段的索引，/>为表示机组g在t时段运行状态的二进制变量，该值为1表示机组g在t时段处于运行状态，该值为0表示机组g在t时段关停；同理，/>表示机组g在t时段运行状态的二进制变量；
机组停运状态最小维持时间约束，具体为：
其中，为表示机组g初始运行状态的二进制变量，/>是机组g的最小停运状态维持时间变量，/>为机组g的初始累计运行时间，/>为优化时段数；tt和t均为表示时段的索引，/>为表示机组g在t时段运行状态的二进制变量，该值为1表示机组g在t时段处于运行状态，该值为0表示机组g在t时段关停；同理，/>表示机组g在t时段运行状态的二进制变量；
机组出力维持时间约束，具体为：
其中，为机组g的最小出力维持时间，/>为机组g初始阶段的有功出力，/>为可控发电机组g在t时段内的有功出力，/>为可控发电机组g在tt时段内的有功出力,/>为优化时段数；
所述一体化调度模型的目标函数具体为：
其中，为可控发电机组的运营成本，/>为惩罚成本，/>为储能运行成本；/>为优化时段数；/>为可控发电机组集合；/>为t优化时段的时长；/>为可控发电机组g在t时段内的有功出力；/>为反映机组g在t时段内启停状态的二进制变量，/>表示机组g处于运行状态，反之表示机组g处于停运状态；/>为机组g在t时段内的运行成本；/>为可控发电机组g的单次启动成本；/>为标识可控发电机组g在t时段内是否启动的二进制变量，/>表示机组g在t时段内启动，反之未启动；/>是机组g的最小运行状态维持时间变量；/>是机组g的最小停运状态维持时间变量；/>是机组g的最小出力维持时间变量；/>是机组g在运行状态维持时间为/>下的成本；/>是机组g在停运状态维持时间为/>下的成本；/>是机组g在出力维持时间为/>下的成本；/>是机组g在运行状态维持时间为/>下的收益；/>是机组g在停运状态维持时间为/>下的收益；/>是机组g在出力维持时间为/>下的收益；/>和/>分别为光伏电站和风电场集合；/>为电力系统节点集合；/>、/>和/>分别为单位弃光、弃风和切负荷惩罚成本；/>和/>分别为t时段内光伏电站p的弃光量和风电场w的弃风量；/>为t时段内节点i有功负荷的削减量；/>为储能集合；/>为储能e的单位运行成本；/>和/>分别为t时段内储能e的充电功率和放电功率。
4.一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-2任一项所述的电力系统一体化调度方法。
5.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-2任一项所述的电力系统一体化调度方法。
CN202310875688.7A 2023-07-18 2023-07-18 一种电力系统一体化调度方法、系统、终端设备及介质 Active CN116613750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310875688.7A CN116613750B (zh) 2023-07-18 2023-07-18 一种电力系统一体化调度方法、系统、终端设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310875688.7A CN116613750B (zh) 2023-07-18 2023-07-18 一种电力系统一体化调度方法、系统、终端设备及介质

Publications (2)

Publication Number Publication Date
CN116613750A CN116613750A (zh) 2023-08-18
CN116613750B true CN116613750B (zh) 2023-10-13

Family

ID=87675027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310875688.7A Active CN116613750B (zh) 2023-07-18 2023-07-18 一种电力系统一体化调度方法、系统、终端设备及介质

Country Status (1)

Country Link
CN (1) CN116613750B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014110878A1 (zh) * 2013-01-16 2014-07-24 国电南瑞科技股份有限公司 风火协调调度模式下日前调度计划优化辅助分析方法
WO2015039464A1 (zh) * 2013-09-18 2015-03-26 江苏省电力公司南京供电公司 一种基于时间尺度的全局优化调度策略库
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN107769266A (zh) * 2017-09-19 2018-03-06 国网浙江省电力公司 一种多时间尺度发电与备用联合优化方法
CN109787227A (zh) * 2019-02-02 2019-05-21 国网江苏省电力有限公司南京供电分公司 一种多能互补系统多时间尺度优化调度方法
CN109962499A (zh) * 2019-03-25 2019-07-02 国家电网公司华中分部 一种电网多时间尺度调度方法
CN110854932A (zh) * 2019-11-21 2020-02-28 国网山东省电力公司青岛供电公司 一种交直流配电网多时间尺度优化调度方法及系统
CN110957717A (zh) * 2019-06-06 2020-04-03 国网辽宁省电力有限公司 一种多电源电力系统多目标日前优化调度方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN114004476A (zh) * 2021-10-26 2022-02-01 华北电力大学 一种综合能源系统多时间尺度优化调度方法
CN114841454A (zh) * 2022-05-19 2022-08-02 国网浙江省电力有限公司经济技术研究院 一种多时间尺度智慧能源站协同运行控制方法及装置
CN115204673A (zh) * 2022-07-15 2022-10-18 西安交通大学 含有电动汽车的热电联供系统多时间尺度分层调度方法
CN116341241A (zh) * 2023-03-23 2023-06-27 杭州电子科技大学 电力市场调度需求下混合储能多时间尺度优化调度策略

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014110878A1 (zh) * 2013-01-16 2014-07-24 国电南瑞科技股份有限公司 风火协调调度模式下日前调度计划优化辅助分析方法
WO2015039464A1 (zh) * 2013-09-18 2015-03-26 江苏省电力公司南京供电公司 一种基于时间尺度的全局优化调度策略库
CN106992556A (zh) * 2017-05-24 2017-07-28 南方电网科学研究院有限责任公司 一种基于混合电源多时间尺度互补的优化调度方法
CN107769266A (zh) * 2017-09-19 2018-03-06 国网浙江省电力公司 一种多时间尺度发电与备用联合优化方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN109787227A (zh) * 2019-02-02 2019-05-21 国网江苏省电力有限公司南京供电分公司 一种多能互补系统多时间尺度优化调度方法
CN109962499A (zh) * 2019-03-25 2019-07-02 国家电网公司华中分部 一种电网多时间尺度调度方法
CN110957717A (zh) * 2019-06-06 2020-04-03 国网辽宁省电力有限公司 一种多电源电力系统多目标日前优化调度方法
CN110854932A (zh) * 2019-11-21 2020-02-28 国网山东省电力公司青岛供电公司 一种交直流配电网多时间尺度优化调度方法及系统
CN114004476A (zh) * 2021-10-26 2022-02-01 华北电力大学 一种综合能源系统多时间尺度优化调度方法
CN114841454A (zh) * 2022-05-19 2022-08-02 国网浙江省电力有限公司经济技术研究院 一种多时间尺度智慧能源站协同运行控制方法及装置
CN115204673A (zh) * 2022-07-15 2022-10-18 西安交通大学 含有电动汽车的热电联供系统多时间尺度分层调度方法
CN116341241A (zh) * 2023-03-23 2023-06-27 杭州电子科技大学 电力市场调度需求下混合储能多时间尺度优化调度策略

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Xiuping Zhang,et al..Optimal Siting and Sizing of Wind Farm Considering Peak Load Regulation Capability of Power System.《2019 IEEE 3rd Conference on Energy Internet and Energy System Integration (EI2)》.2020,全文. *
基于模型预测控制的主动配电网多时间尺度有功无功协调调度;任佳依等;《中国电机工程学报》;全文 *
火电机组灵活性改造与输电网规划多阶段联合决策方法;李瑜等;《全球能源互联网》;全文 *
蔡瑶等.计及多重差异的交直流混合多能微网多时间尺度优化调度.《电工技术学报》.2023,全文. *

Also Published As

Publication number Publication date
CN116613750A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
Cao et al. Battery energy storage sizing based on a model predictive control strategy with operational constraints to smooth the wind power
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN109962499B (zh) 一种电网多时间尺度调度方法
CN105684257B (zh) 用于控制微电网的操作的微电网能量管理系统和方法
CN102170129B (zh) 一种基于大规模风电并网的电力系统低碳调度方法及其装置
CN105207259B (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN110490363B (zh) 一种多日机组组合优化方法及系统
CN102810186A (zh) 多时间尺度微网能量优化管理体系结构及其方法
CN106385044B (zh) 用于风电场发电计划跟踪的复合储能控制系统及其控制方法
CN113346555B (zh) 一种考虑电量协调的日内滚动调度方法
CN113783193B (zh) 一种基于边端协同的乡村供用能系统优化调控方法及系统
CN112909933B (zh) 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法
CN109858697A (zh) 计及源荷随机的冷热电联供系统优化运行方法及系统
CN105186584A (zh) 一种考虑调峰和爬坡需求的两阶段源-荷调度方法及装置
Krishnan et al. Optimal load management in a shipyard drydock
CN116826867B (zh) 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法
CN116613750B (zh) 一种电力系统一体化调度方法、系统、终端设备及介质
CN112039126A (zh) 含分布式电源的配电网多时间尺度协调调度方法及系统
CN117060396A (zh) 一种风光火储多能源电力系统日前优化运行方法
CN116365507A (zh) 适用于户用光储系统的储能能量管理方法
CN117117912A (zh) 考虑净负荷不确定性的储能电站优化调度方法及系统
CN115935619A (zh) 基于需求响应的主动配电网日前低碳调度方法及装置
Cui et al. The Mechanism of Virtual Power Plant Participating in the Peak Regulation Auxiliary Service Market
CN114943448A (zh) 一种微电网优化调度模型的构建方法和系统
CN110401210A (zh) 需求响应参与下风电储能系统调度方法

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