CN116667445A - 新能源电力系统抽蓄电站容量多时间尺度优化配置方法 - Google Patents

新能源电力系统抽蓄电站容量多时间尺度优化配置方法 Download PDF

Info

Publication number
CN116667445A
CN116667445A CN202310927338.0A CN202310927338A CN116667445A CN 116667445 A CN116667445 A CN 116667445A CN 202310927338 A CN202310927338 A CN 202310927338A CN 116667445 A CN116667445 A CN 116667445A
Authority
CN
China
Prior art keywords
pumping
power
market
capacity
wind
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.)
Granted
Application number
CN202310927338.0A
Other languages
English (en)
Other versions
CN116667445B (zh
Inventor
刘利黎
汪觉恒
周捷
胡剑宇
李娟�
余虎
李静
蒋云松
刘晔宁
方少雄
谭灵芝
杨少林
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.)
China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
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 China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Priority to CN202310927338.0A priority Critical patent/CN116667445B/zh
Publication of CN116667445A publication Critical patent/CN116667445A/zh
Application granted granted Critical
Publication of CN116667445B publication Critical patent/CN116667445B/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • 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
    • H02J2300/40—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法，包括：1、建立抽蓄电站容量规划模型；2、确定抽蓄电站容量规划模型的第一约束条件；3、基于风能、光伏的预测出力，建立风‑光‑火月度出清模型；4、确定风‑光‑火月度出清模型的第二约束条件；5、建立现货电能量市场和辅助服务市场联合出清模型；6、确定现货电能量市场和辅助服务市场联合出清模型的第三约束条件；7、对上述模型和约束条件进行求解，得到抽蓄电站最优容量配置。本发明在中长期市场引入的抽蓄租赁机制，可以有效引导风、光租赁抽蓄容量消纳弃风弃光，减少风、光发电商面临的弃风弃光惩罚，促进含高比例新能源电力系统中新能源的就地消纳。

Description

新能源电力系统抽蓄电站容量多时间尺度优化配置方法
技术领域
本发明涉及电力配置技术领域，特别涉及一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法。
背景技术
新能源实际出力具有明显的随机性和波动性，使得其在参与中长期市场竞价时，会面临较大的弃风弃光惩罚。加之我国电源结构以燃煤机组为主，系统运行灵活性不足，为含高比例新能源电力系统中风光消纳及电力系统的安全稳定运行带来了诸多挑战。抽蓄电站可在弃风弃光时段抽水，在负荷高峰时段放电，从而实现电能在时间上的转移，促进风光的就地消纳。且抽蓄电站在电力系统调峰、调频、备用等方面发挥着重要作用，大规模配置抽蓄电站可以较好地填补系统灵活性缺额。然而，抽蓄电站在成本方面的经济瓶颈限制了其规模化应用。因此，如何基于抽蓄电站运行特性，分析抽蓄电站在含高比例新能源电力系统中的功能定位，挖掘其盈利潜力，激励抽蓄利用市场手段优化容量配置成为亟待解决的问题。
发明内容
本发明提供了一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法，以解决现有抽蓄电站配置原则多集中在消纳新能源的技术需求方面，缺乏对抽蓄电站租赁模式、运行效益和成本回收的考虑的技术问题。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法，包括如下步骤：
步骤S1、以投资回报率最大为目标在上层建立抽蓄电站容量规划模型；
步骤S2、确定抽蓄电站容量规划模型的第一约束条件；
步骤S3、获取风能、光伏的预测出力以及风能、光伏的租赁抽蓄容量需求，基于风能、光伏的预测出力，在下层第一阶段中以电网购电成本最小为目标建立第一设定时间内的风-光-火月度出清模型，根据风能、光伏的租赁抽蓄容量需求，确定抽蓄电站在第一设定时间内的市场租赁收益；具体的，第一设定时间为一个月，一个月取30天进行求解。
步骤S4、确定第一设定时间内的风-光-火月度出清模型的第二约束条件；
步骤S5、获取第一设定时间内的合约电量，并对第一设定时间内的合约电量进行分解，将分解结果投放到现货市场中进行竞价，在下层第二阶段现货市场以电网购电成本和辅助服务费用之和最小为目标建立现货电能量市场和辅助服务市场联合出清模型，并将抽蓄电站在第一设定时间内的市场租赁收益和第二阶段的电力市场的收益传递给抽蓄电站容量规划模型；并更新风-光-火月度出清模型以及现货电能量市场和辅助服务市场联合出清模型；
步骤S6、确定现货电能量市场和辅助服务市场联合出清模型的第三约束条件；
步骤S7、使用抽蓄电站容量规划模型、第一约束条件、更新的风-光-火月度出清模型、第二约束条件、更新的现货电能量市场和辅助服务市场联合出清模型及第三约束条件输入到MATLAB平台中，并进行求解，循环步骤S1至步骤S7，直至迭代的次数达到设定次数，得到抽蓄电站最优容量配置。
进一步地，所述步骤S1中的投资回报率指的是将投资得到收益的现值除以投资成本得到的百分数，用来衡量单位投资成本得到的收益值，具体表达式如下：
（1）
（2）
（3）
（4）
式中，为投资回报率，/>为抽蓄电站收益折合成现值后的总收益，/>为第/>年的收益值，/>为寿命周期内的年数，/>为折现率；/>为抽蓄的投建成本，/>为抽蓄容量单价，/>为抽蓄的最大功率，/>为抽蓄的寿命周期，/>为抽蓄满发抽水时间；/>为抽蓄的抽水效率；/>为抽蓄允许安装的额定容量上限值。
进一步地，第年的收益值/>通过/>、/>和/>计算得到，具体表达式如下：
（5）
（6）
（7）
（8）
式中，为第一设定时间内抽蓄在市场的租赁收益，/>为风-蓄联盟中风电付给抽蓄电站的租赁费，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；/>为抽蓄电站在现货市场的收益，包括电能量市场售电收益及在调频和备用辅助服务市场获得的收益，/>为电能量市场出清价格，/>为调频容量出清价格，/>为调频里程出清价格，/>为备用市场出清价格；/>为年度黑启动收益，/>为黑启动服务费，/>为年度黑启动服务时间，/>为一天内的时间点，/>表示月份；/>、/>、/>、/>、/>分别为/>时段抽蓄电站在现货市场中标的放电电量、抽水电量、调频容量、调频里程和备用容量。
进一步地，所述步骤S2中的第一约束条件包括抽蓄电站容量规划模型的投资约束和运行约束，分别如下：
抽蓄电站容量规划模型的投资约束：
（9）
（10）
其中，、/>分别为抽蓄电站的功率、抽蓄电站允许安装的额定容量；
抽蓄电站容量规划模型的运行约束条件包括抽蓄电站容量规划模型的充放电约束条件和荷电状态约束条件，具体分别如下：
抽蓄电站容量规划模型的充放电约束：
（11）
（12）
（13）
式中，、/>为0-1的变量，具体分别表征抽蓄电站在出清时间段/>内只抽水或只放电；/>为抽蓄最大抽水功率，/>为抽蓄最大放电功率，/>、/>为/>时段风电租赁抽蓄的抽、放水功率，/>、/>为/>时段光电租赁抽蓄的抽、放水功率，/>、为抽蓄在现货电能量市场中标的抽、放水功率；
抽蓄电站容量规划模型的荷电状态约束：
（14）
（15）
式中，为抽蓄的放电效率，/>、/>分别为抽蓄电站最小荷电状态、最大荷电状态，/>为抽蓄在/>时段的能量容量。
进一步地，所述步骤S3中的第一设定时间内的风-光-火月度出清模型具体如下：
（16）
式中，为电网购电成本，/>为出清时间段，/>为火电发电商的火电机组数目，、/>、/>分别为风光火发电商在第一设定时间内申报的合约价格，/>、/>、/>分别为风光火发电商在第一设定时间内的中标电量。
进一步地，所述步骤S4中的第二约束条件包括报价约束、中标电量约束、抽蓄出力约束，分别如下：
报价约束：
（17）
（18）
（19）
式中，、/>分别为最小、最大报价限制；
中标电量约束：
（20）
（21）
（22）
式中，为风电商在第一设定时间内申报的最大发电量，/>为光电商在第一设定时间内申报的最大发电量，/>、/>为火电商申报的最小和最大电量；/>、/>、/>分别为风电、光电、火电在第一设定时间内的中标电量；
抽蓄在时段为风电和光伏提供的租赁容量分别为/>、/>，则第一设定时间内抽蓄在市场的出力约束为：
（23）
（24）
（25）
（26）
（27）
（28）
（29）
（30）
（31）
（32）
（33）
其中，、/>分别为抽蓄在/>时段为风电和光电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为风电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为光电租赁的能量容量。
进一步地，所述步骤S4中的第二约束条件还包括供需平衡约束和风能-光伏租赁主动性约束，分别如下：
供需平衡约束：
（34）
式中，为系统在第一设定时间内的总负荷电量；
风能-光伏租赁主动性约束：
租赁抽蓄后风能、光伏的收益应大于第一设定时间内风电商租赁抽蓄前的市场收益和光电商租赁抽蓄前的市场收益。
进一步地，第一设定时间内风电商租赁抽蓄的市场收益具体为：
（35）
（36）
（37）
（38）
式中，为第一设定时间内风电商单独参与市场获得的净收益，/>为风电商卖电收益、/>为风电商单独参与市场的弃风惩罚成本，/>为弃风惩罚成本系数，为弃风电量，/>为风电商实际发电量；
（39）
（40）
（41）
（42）
（43）
式中，为风电商租赁抽蓄组成风-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃风惩罚成本，/>为风-蓄联盟中风电付给抽蓄电站的租赁费；为风-蓄联盟参与市场的弃风电量，/>为抽蓄抽水电量；/>、/>分别为单位能量容量租赁成本系数、单位功率容量租赁成本系数，/>、/>分别为风电商租赁抽蓄所需的能量容量需求与功率容量需求；
光电商租赁抽蓄的市场收益具体为：
（44）
（45）
（46）
（47）
式中，为第一设定时间内光电商单独参与市场获得的净收益，/>为光电商卖电收益；/>为光电商单独参与市场的弃光惩罚成本，/>为弃光惩罚成本系数，/>为弃光电量，/>为光电商实际发电量；
（48）
（49）
（50）
（51）
（52）
式中，为光电商租赁抽蓄组成光-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃光惩罚成本，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；为光-蓄联盟参与市场的弃光电量，/>为抽蓄抽水电量；/>、/>分别为光电商租赁抽蓄所需的能量容量需求与功率容量需求。
进一步地，所述步骤S5中的现货电能量市场和辅助服务市场联合出清模型具体为：
（53）
（54）
（55）
（56）
式中，为电网的购电成本，/>为电网购买调频辅助服务的成本，/>为电网购买备用辅助服务的成本，/>为/>时段风-蓄联盟机组在现货市场的中标电量，为/>时段风-蓄联盟机组在现货市场申报的价格，/>为/>时段光-蓄联盟机组在现货市场的中标电量，/>为/>时段光-蓄联盟机组在现货市场申报的价格，/>为火电机组总数，/>为/>时段火电机组在现货市场申报的价格，/>、/>、/>分别为/>时段火电机组在现货市场申报的调频容量价格、调频里程价格和备用价格，/>为火电机组在现货市场的中标电量，/>、/>、/>分别为/>时段火电机组在现货市场中标的调频容量、调频里程和备用容量，/>、/>、/>、/>、/>分别为/>时段抽蓄电站在现货市场中标的放电电量、抽水电量、调频容量、调频里程和备用容量，/>、/>、、/>、/>为/>时段抽蓄电站在现货市场申报的放电价格、抽水价格、调频容量价格、调频里程价格和备用价格，/>为电网购电成本和辅助服务费用之和。
进一步地，所述步骤S6中的第三约束条件包括第一设定时间内合约电量约束条件、报价约束条件、中标电量约束条件、供需平衡约束条件、调频容量-里程需求约束条件、备用需求约束条件、机组出力约束条件和抽蓄出力约束，分别如下：
第一设定时间内合约电量约束：
（57）
（58）
（59）
报价约束：
（60）
（61）
（62）
（63）
（64）
（65）
（66）
（67）
（68）
（69）
（70）
式中，、/>分别为现货电能量市场发电商最小、最大报价限制，/>、/>、分别为辅助服务市场中调频容量、调频里程和备用的报价上限；
、/>分别为现货电能量市场抽蓄抽水最小、最大报价限制，/>、分别为现货电能量市场抽蓄放电最小、最大报价限制；
中标电量约束：
（71）
（72）
（73）
（74）
（75）
（76）
（77）
（78）
（79）
（80）
（81）
式中，为抽蓄电站申报的最大调频容量，/>为抽蓄电站调频里程乘子，为抽蓄电站申报备用容量的最大值；/>为火电站申报的最大调频容量，/>为火电站调频里程乘子，/>为火电站申报备用容量的最大值；
为风电在现货电能量市场申报的最大发电量，/>为光电在现货电能量市场申报的最大发电量，/>为火电在现货电能量市场申报的最大发电量，/>为抽蓄在现货电能量市场申报的最大抽水电量，/>为抽蓄在现货电能量市场申报的最大发电量；
供需平衡约束：
（82）
式中，为系统在现货市场总负荷电量；/>为中长期市场（即第一设定时间内）风-蓄联盟的中标电量，/>为中长期市场（即第一设定时间内）光-蓄联盟的中标电量；
调频容量-里程需求约束：
（83）
（84）
式中，和/>分别为/>时段需满足的系统调频容量需求和里程需求；
备用需求约束：
（85）
式中，为/>时段需满足的系统备用容量需求；
机组出力约束：
（86）
（87）
（88）
抽蓄出力约束：
（89）
（90）
（91）
（92）
（93）
（94）
（95）
式中，为抽蓄额定容量的最大值。
进一步地，所述第一设定时间指的是中长期时间内。
本发明的有益效果：
1、本发明在中长期市场引入的抽蓄租赁机制，可以有效引导风、光租赁抽蓄容量消纳弃风弃光，减少风、光发电商面临的弃风弃光惩罚，促进含高比例新能源电力系统中新能源的就地消纳。
2、本发明考虑抽蓄电站投资回报率，在抽蓄容量规划阶段模拟抽蓄参与中长期市场和现货市场，根据抽蓄功能定位及运行特性，从多时间尺度挖掘抽蓄盈利潜力，与抽蓄单一的“高储低发”盈利模式相比，提升了抽蓄的收益，有效促进了抽蓄的成本回收。
3、本发明利用MATLAB平台分别对抽蓄电站容量规划模型、第一约束条件、第一设定时间内的风-光-火月度出清模型、第二约束条件、现货电能量市场和辅助服务市场联合出清模型及第三约束条件进行求解，得到抽蓄电站最优容量配置，本发明克服了采用优化方法等容易陷入局部最优解的缺点，提高了寻优性能。
附图说明
图1为本发明的流程示意图；
图2为本发明中抽蓄投资回报和市场各种电能之间的逻辑框图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
在本发明中的“第一”、“第二”等描述，仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或顺序。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。
参照图1，本申请实施例提供了一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法，包括如下步骤：
步骤S1、以投资回报率最大为目标在上层建立抽蓄电站容量规划模型；
步骤S2、确定抽蓄电站容量规划模型的第一约束条件；
步骤S3、获取风能、光伏的预测出力以及风能、光伏的租赁抽蓄容量需求，基于风能、光伏的预测出力，在下层第一阶段中以电网购电成本最小为目标建立第一设定时间内的风-光-火月度出清模型，根据风能、光伏的租赁抽蓄容量需求，确定抽蓄电站在第一设定时间内的市场租赁收益；第一设定时间指的是中长时间。
具体的，第一阶段中长期市场中，风能、光伏发电商计及风险约束配置一定的抽蓄容量组成风-蓄、光-蓄联盟，与火电发电商共同向电网报量报价，电网以购电成本最小为目标建立风-光-火月度出清模型。对于风、光发电机组，由于风电和光伏出力具有不确定性和波动性，抽蓄电站可作为一种良好的储能资源与风、光实现良性互补。当风能、光伏的实际出力大于其在市场的中标功率时，为避免弃风弃光，风能、光伏发电商可以租赁抽蓄电站将这部分电量储存起来，并在实际出力小于中长期市场上的中标功率时，释放储存的电量，实现电量的转移，以减少风能、光伏发电商在中长期市场面临的弃风、弃光惩罚。抽蓄在中长期市场为风能、光伏提供租赁服务，按租赁的能量容量和功率容量收取租赁费用，在考虑风光租赁主动性约束的基础上，进行优化求解，得到风能、光伏租赁抽蓄的容量及抽蓄获得的租赁收益。
步骤S4、确定第一设定时间内的风-光-火月度出清模型的第二约束条件；
步骤S5、获取第一设定时间内的合约电量，并对第一设定时间内的合约电量进行分解，将分解结果投放到现货市场中进行竞价，在下层第二阶段现货市场以电网购电成本和辅助服务费用之和最小为目标建立现货电能量市场和辅助服务市场联合出清模型，并将抽蓄电站在第一设定时间内的市场租赁收益和第二阶段的电力市场的收益传递给抽蓄电站容量规划模型；并更新风-光-火月度出清模型以及现货电能量市场和辅助服务市场联合出清模型；
具体的，第二阶段现货市场中，风-蓄（租赁部分）、光-蓄（租赁部分）、火电、抽蓄容量独立部分参与现货联合市场竞价，以电网购电成本和辅助服务费用之和最小为目标建立现货电能量市场和辅助服务市场联合出清模型。将第一阶段中长期市场中按天签订的月度合约电量按出力曲线进行24小时分解，得到各机组初始日计划出力，依据风能、光伏出力和负荷需求的最新预测值和当前运行日现货市场的中标情况，重新计算次日各发电机组参与现货市场的出清电量，将抽蓄电站每日的始末库容作为优化变量纳入现货电能量市场和辅助服务市场联合出清模型中，通过不断优化迭代，确定次日抽蓄电站的始末库容，实现更大时间范围的抽蓄优化配置。
步骤S6、确定现货电能量市场和辅助服务市场联合出清模型的第三约束条件；
步骤S7、使用抽蓄电站容量规划模型、第一约束条件、更新的风-光-火月度出清模型、第二约束条件、更新的现货电能量市场和辅助服务市场联合出清模型及第三约束条件输入到MATLAB平台中，并进行求解，循环步骤S1至步骤S7，直至迭代的次数达到设定次数，得到抽蓄电站最优容量配置。
如图2所示，在MATLAB平台运用布谷鸟算法求解双层优化模型，双层优化模型即抽蓄电站容量规划模型、第一设定时间内的风-光-火月度出清模型和现货电能量市场和辅助服务市场联合出清模型，上层确定抽蓄的容量配置，下层在抽蓄容量约束下通过模拟抽蓄参与中长期和现货市场确定抽蓄的收益传递给上层，将下层两阶段抽蓄的收益传递到步骤S1中的抽蓄电站容量规划模型目的是计算抽蓄电站的投资回报率，更新抽蓄电站容量配置，并传递到下层两阶段电力市场出清模型中，通过双层迭代优化，确定抽蓄电站最优容量配置。
具体的，设定总的迭代次数为M次，重复步骤S1至步骤S7，直至迭代的次数达到M次，得到抽蓄电站最优容量配置。
在本实施例中，所述步骤S1中的投资回报率指的是将投资得到收益的现值除以投资成本得到的百分数，用来衡量单位投资成本得到的收益值，具体表达式如下：
（1）
（2）
（3）
（4）
式中，为投资回报率，/>为抽蓄电站收益折合成现值后的总收益，/>为第/>年的收益值，/>为寿命周期内的年数，/>为折现率；/>为抽蓄的投建成本，/>为抽蓄容量单价，/>为抽蓄的最大功率，/>为抽蓄的寿命周期，/>为抽蓄满发抽水时间；/>为抽蓄的抽水效率；/>为抽蓄允许安装的额定容量上限值。
在本实施例中，第年的收益值/>通过/>、/>和/>计算得到，具体表达式如下：
（5）
（6）
（7）
（8）
式中，为第一设定时间内抽蓄在市场的租赁收益，/>为风-蓄联盟中风电付给抽蓄电站的租赁费，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；/>为抽蓄电站在现货市场的收益，包括电能量市场售电收益及在调频和备用辅助服务市场获得的收益，/>为电能量市场出清价格，/>为调频容量出清价格，/>为调频里程出清价格，/>为备用市场出清价格；/>为年度黑启动收益，/>为黑启动服务费，/>为年度黑启动服务时间，/>为一天内的时间点，/>表示月份；/>、/>、/>、/>、/>分别为/>时段抽蓄电站在现货市场中标的放电电量、抽水电量、调频容量、调频里程和备用容量。
在本实施例中，所述步骤S2中的第一约束条件包括抽蓄电站容量规划模型的投资约束和运行约束，分别如下：
抽蓄电站容量规划模型的投资约束：
（9）
（10）
其中，、/>分别为抽蓄电站的功率、抽蓄电站允许安装的额定容量；
抽蓄电站容量规划模型的运行约束条件包括抽蓄电站容量规划模型的充放电约束条件和荷电状态约束条件，具体分别如下：
抽蓄电站容量规划模型的充放电约束：
（11）
（12）
（13）
式中，、/>为0-1的变量，具体分别表征抽蓄电站在出清时间段/>内只抽水、只放电；/>为抽蓄最大抽水功率，/>为抽蓄最大放电功率，/>、/>为/>时段风电租赁抽蓄的抽、放水功率，/>、/>为/>时段光电租赁抽蓄的抽、放水功率，/>、为抽蓄在现货电能量市场中标的抽、放水功率；
抽蓄电站容量规划模型的荷电状态约束：
（14）
（15）
式中，为抽蓄的放电效率，/>、/>分别为抽蓄电站最小荷电状态、最大荷电状态，/>为抽蓄在/>时段的能量容量。
在本实施例中，所述步骤S3中的第一设定时间内的风-光-火月度出清模型具体如下：
（16）
式中，为电网购电成本，/>为出清时间段，/>为火电发电商的火电机组数目，、/>、/>分别为风光火发电商在第一设定时间内申报的合约价格，/>、/>、/>分别为风光火发电商在第一设定时间内的中标电量。
在本实施例中，所述步骤S4中的第二约束条件包括报价约束、中标电量约束、抽蓄出力约束，分别如下：
报价约束：
为了防止市场成员恶意操纵及恶性竞争往往设置了报价的上下限，市场成员的报价只能在设定的范围之内报，即：
（17）
（18）
（19）
式中，、/>分别为最小、最大报价限制；
中标电量约束：
中标电量不能大于发电商所申报的电量，即：
（20）
（21）
（22）
式中，为风电商在第一设定时间内申报的最大发电量，/>为光电商在第一设定时间内申报的最大发电量，/>、/>为火电商申报的最小和最大电量；/>、/>、/>分别为风电、光电、火电在第一设定时间内的中标电量；
抽蓄在时段为风电和光伏提供的租赁容量分别为/>、/>，则第一设定时间内抽蓄在市场的出力约束为：
（23）
（24）
（25）
（26）
（27）
（28）
（29）
（30）/>
（31）
（32）
（33）
其中，、/>分别为抽蓄在/>时段为风电和光电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为风电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为光电租赁的能量容量。
在本实施例中，所述步骤S4中的第二约束条件还包括供需平衡约束和风能-光伏租赁主动性约束，分别如下：
供需平衡约束：
（34）
式中，为系统在第一设定时间内的总负荷电量；
风能-光伏租赁主动性约束：
租赁抽蓄后风能、光伏的收益应大于第一设定时间内风电商租赁抽蓄前的市场收益和光电商租赁抽蓄前的市场收益。
在本实施例中，第一设定时间内风电商租赁抽蓄的市场收益具体为：
（35）
（36）
（37）
（38）
式中，为第一设定时间内风电商单独参与市场获得的净收益，/>为风电商卖电收益、/>为风电商单独参与市场的弃风惩罚成本，/>为弃风惩罚成本系数，为弃风电量，/>为风电商实际发电量；
（39）
（40）/>
（41）
（42）
（43）
式中，为风电商租赁抽蓄组成风-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃风惩罚成本，/>为风-蓄联盟中风电付给抽蓄电站的租赁费；为风-蓄联盟参与市场的弃风电量，/>为抽蓄抽水电量；/>、/>分别为单位能量容量租赁成本系数、单位功率容量租赁成本系数，/>、/>分别为风电商租赁抽蓄所需的能量容量需求与功率容量需求；
光电商租赁抽蓄的市场收益具体为：
（44）
（45）
（46）
（47）
式中，为第一设定时间内光电商单独参与市场获得的净收益，/>为光电商卖电收益；/>为光电商单独参与市场的弃光惩罚成本，/>为弃光惩罚成本系数，/>为弃光电量，/>为光电商实际发电量；
（48）
（49）
（50）
（51）
（52）/>
式中，为光电商租赁抽蓄组成光-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃光惩罚成本，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；为光-蓄联盟参与市场的弃光电量，/>为抽蓄抽水电量；/>、/>分别为光电商租赁抽蓄所需的能量容量需求与功率容量需求。
在本实施例中，所述步骤S5中的现货电能量市场和辅助服务市场联合出清模型具体为：
（53）
（54）
（55）
（56）
式中，为电网的购电成本，/>为电网购买调频辅助服务的成本，/>为电网购买备用辅助服务的成本，/>为/>时段风-蓄联盟机组在现货市场的中标电量，为/>时段风-蓄联盟机组在现货市场申报的价格，/>为/>时段光-蓄联盟机组在现货市场的中标电量，/>为/>时段光-蓄联盟机组在现货市场申报的价格，/>为火电机组总数，/>为/>时段火电机组在现货市场申报的价格，/>、/>、/>分别为/>时段火电机组在现货市场申报的调频容量价格、调频里程价格和备用价格，/>为火电机组在现货市场的中标电量，/>、/>、/>分别为/>时段火电机组在现货市场中标的调频容量、调频里程和备用容量，/>、/>、/>、/>、/>分别为/>时段抽蓄电站在现货市场中标的放电电量、抽水电量、调频容量、调频里程和备用容量，/>、/>、、/>、/>为/>时段抽蓄电站在现货市场申报的放电价格、抽水价格、调频容量价格、调频里程价格和备用价格，/>为电网购电成本和辅助服务费用之和。
在本实施例中，所述步骤S6中的第三约束条件包括第一设定时间内合约电量约束条件、报价约束条件、中标电量约束条件、供需平衡约束条件、调频容量-里程需求约束条件、备用需求约束条件、机组出力约束条件和抽蓄出力约束，分别如下：
第一设定时间内合约电量约束：
（57）/>
（58）
（59）
报价约束：
（60）
（61）
（62）
（63）
（64）
（65）
（66）
（67）
（68）
（69）
（70）
式中，、/>分别为现货电能量市场发电商最小、最大报价限制，/>、/>、分别为辅助服务市场中调频容量、调频里程和备用的报价上限；
、/>分别为现货电能量市场抽蓄抽水最小、最大报价限制，/>、分别为现货电能量市场抽蓄放电最小、最大报价限制；
中标电量约束：
（71）
（72）
（73）
（74）
（75）
（76）
（77）/>
（78）
（79）
（80）
（81）
式中，为抽蓄电站申报的最大调频容量，/>为抽蓄电站调频里程乘子，为抽蓄电站申报备用容量的最大值；/>为火电站申报的最大调频容量，/>为火电站调频里程乘子，/>为火电站申报备用容量的最大值；
为风电在现货电能量市场申报的最大发电量，/>为光电在现货电能量市场申报的最大发电量，/>为火电在现货电能量市场申报的最大发电量，/>为抽蓄在现货电能量市场申报的最大抽水电量，/>为抽蓄在现货电能量市场申报的最大发电量；
供需平衡约束：
（82）
式中，为系统在现货市场总负荷电量；/>为中长期市场（即第一设定时间内）风-蓄联盟的中标电量，/>为中长期市场（即第一设定时间内）光-蓄联盟的中标电量；
调频容量-里程需求约束：
（83）
（84）
式中，和/>分别为/>时段需满足的系统调频容量需求和里程需求；
备用需求约束：
（85）
式中，为/>时段需满足的系统备用容量需求；
机组出力约束：
（86）/>
（87）
（88）
抽蓄出力约束：
（89）
（90）
（91）
（92）
（93）
（94）
（95）
式中，为抽蓄额定容量的最大值。
上述方法中，针对抽蓄电站投资回报难以保障和市场定位不明确的问题，提出了一种新能源电力系统抽蓄电站容量多时间尺度优化配置方法。上层以抽蓄电站投资回报最大为目标建立抽蓄电站容量规划模型；下层模拟抽蓄电站参与中长期市场和现货市场，第一阶段中长期市场中，风能、光伏发电商计及风险约束配置一定的抽蓄容量组成风-蓄、光-蓄联盟，与火电发电商共同向电网报量报价，电网以购电成本最小为目标建立风-光-火月度出清模型；第二阶段现货市场中，考虑中长期市场出清约束，抽蓄电站利用剩余容量参与现货市场，建立以电网购电成本和辅助服务费用之和最小为目标的现货电能量市场和辅助服务市场联合出清模型，在市场中充分挖掘自身灵活资源的价值。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。并且，本发明各个实施方式之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于：包括如下步骤：
步骤S1、以投资回报率最大为目标在上层建立抽蓄电站容量规划模型；
步骤S2、确定抽蓄电站容量规划模型的第一约束条件；
步骤S3、获取风能、光伏的预测出力以及风能、光伏的租赁抽蓄容量需求，基于风能、光伏的预测出力，在下层第一阶段中以电网购电成本最小为目标建立第一设定时间内的风-光-火月度出清模型，根据风能、光伏的租赁抽蓄容量需求，确定抽蓄电站在第一设定时间内的市场租赁收益；
步骤S4、确定第一设定时间内的风-光-火月度出清模型的第二约束条件；
步骤S5、获取第一设定时间内的合约电量，并对第一设定时间内的合约电量进行分解，将分解结果投放到现货市场中进行竞价，在下层第二阶段现货市场以电网购电成本和辅助服务费用之和最小为目标建立现货电能量市场和辅助服务市场联合出清模型，并将抽蓄电站在第一设定时间内的市场租赁收益和第二阶段的电力市场的收益传递给抽蓄电站容量规划模型；并更新风-光-火月度出清模型以及现货电能量市场和辅助服务市场联合出清模型；
步骤S6、确定现货电能量市场和辅助服务市场联合出清模型的第三约束条件；
步骤S7、使用抽蓄电站容量规划模型、第一约束条件、更新的风-光-火月度出清模型、第二约束条件、更新的现货电能量市场和辅助服务市场联合出清模型及第三约束条件输入到MATLAB平台中，并进行求解，循环步骤S1至步骤S7，直至迭代的次数达到设定次数，得到抽蓄电站最优容量配置。
2.根据权利要求1所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S1中的投资回报率指的是将投资得到收益的现值除以投资成本得到的百分数，用来衡量单位投资成本得到的收益值，具体表达式如下：
（1）
（2）
（3）
（4）
式中，为投资回报率，/>为抽蓄电站收益折合成现值后的总收益，/>为第/>年的收益值，/>为寿命周期内的年数，/>为折现率；/>为抽蓄的投建成本，/>为抽蓄容量单价，/>为抽蓄的最大功率，/>为抽蓄的寿命周期，/>为抽蓄满发抽水时间；/>为抽蓄的抽水效率；为抽蓄允许安装的额定容量上限值。
3.根据权利要求2所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，第年的收益值/>通过/>、/>和/>计算得到，具体表达式如下：
（5）
（6）
（7）
（8）
式中，为第一设定时间内抽蓄在市场的租赁收益，/>为风-蓄联盟中风电付给抽蓄电站的租赁费，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；/>为抽蓄电站在现货市场的收益，包括电能量市场售电收益及在调频和备用辅助服务市场获得的收益，为电能量市场出清价格，/>为调频容量出清价格，/>为调频里程出清价格，/>为备用市场出清价格；/>为年度黑启动收益，/>为黑启动服务费，/>为年度黑启动服务时间，/>为一天内的时间点，/>表示月份；/>、/>、/>、/>、/>分别为/>时段抽蓄电站在现货市场中标的放电电量、抽水电量、调频容量、调频里程和备用容量。
4.根据权利要求3所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S2中的第一约束条件包括抽蓄电站容量规划模型的投资约束和运行约束，分别如下：
抽蓄电站容量规划模型的投资约束：
（9）
（10）
其中，、/>分别为抽蓄电站的功率、抽蓄电站允许安装的额定容量；
抽蓄电站容量规划模型的运行约束条件包括抽蓄电站容量规划模型的充放电约束条件和荷电状态约束条件，具体分别如下：
抽蓄电站容量规划模型的充放电约束：
（11）
（12）
（13）
式中，、/>为0-1的变量，具体分别表征抽蓄电站在出清时间段/>内只抽水、只放电；/>为抽蓄最大抽水功率，/>为抽蓄最大放电功率，/>、/>为/>时段风电租赁抽蓄的抽、放水功率，/>、/>为/>时段光电租赁抽蓄的抽、放水功率，/>、/>为抽蓄在现货电能量市场中标的抽、放水功率；
抽蓄电站容量规划模型的荷电状态约束：
（14）
（15）
式中，为抽蓄的放电效率，/>、/>分别为抽蓄电站最小荷电状态、最大荷电状态，/>为抽蓄在/>时段的能量容量。
5.根据权利要求4所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S3中的第一设定时间内的风-光-火月度出清模型具体如下：
（16）
式中，为电网购电成本，/>为出清时间段，/>为火电发电商的火电机组数目，/>、、/>分别为风光火发电商在第一设定时间内申报的合约价格，/>、/>、/>分别为风光火发电商在第一设定时间内的中标电量。
6.根据权利要求5所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S4中的第二约束条件包括报价约束、中标电量约束、抽蓄出力约束，分别如下：
报价约束：
（17）
（18）
（19）
式中，、/>分别为最小、最大报价限制；
中标电量约束：
（20）
（21）
（22）
式中，为风电商在第一设定时间内申报的最大发电量，/>为光电商在第一设定时间内申报的最大发电量，/>、/>为火电商申报的最小和最大电量；/>、/>、分别为风电、光电、火电在第一设定时间内的中标电量；
抽蓄在时段为风电和光伏提供的租赁容量分别为/>、/>，则第一设定时间内抽蓄在市场的出力约束为：
（23）
（24）
（25）
（26）
（27）
（28）
（29）
（30）
（31）
（32）
（33）
其中，、/>分别为抽蓄在/>时段为风电和光电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为风电租赁的能量容量，/>、/>分别为抽蓄在月度第1天、第30天为光电租赁的能量容量。
7.根据权利要求6所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S4中的第二约束条件还包括供需平衡约束和风能-光伏租赁主动性约束，分别如下：
供需平衡约束：
（34）
式中，为系统在第一设定时间内的总负荷电量；
风能-光伏租赁主动性约束：
租赁抽蓄后风能、光伏的收益应大于第一设定时间内风电商租赁抽蓄前的市场收益和光电商租赁抽蓄前的市场收益。
8.根据权利要求7所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，第一设定时间内风电商租赁抽蓄的市场收益具体为：
（35）
（36）
（37）
（38）
式中，为第一设定时间内风电商单独参与市场获得的净收益，/>为风电商卖电收益、/>为风电商单独参与市场的弃风惩罚成本，/>为弃风惩罚成本系数，/>为弃风电量，/>为风电商实际发电量；
（39）
（40）
（41）
（42）
（43）
式中，为风电商租赁抽蓄组成风-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃风惩罚成本，/>为风-蓄联盟中风电付给抽蓄电站的租赁费；/>为风-蓄联盟参与市场的弃风电量，/>、/>分别为单位能量容量租赁成本系数、单位功率容量租赁成本系数，/>、/>分别为风电商租赁抽蓄所需的能量容量需求与功率容量需求；
光电商租赁抽蓄的市场收益具体为：
（44）
（45）
（46）
（47）
式中，为第一设定时间内光电商单独参与市场获得的净收益，/>为光电商卖电收益；/>为光电商单独参与市场的弃光惩罚成本，/>为弃光惩罚成本系数，/>为光电商实际发电量；/>为弃光电量；
（48）
（49）
（50）
（51）
（52）
式中，为光电商租赁抽蓄组成光-蓄联盟在第一设定时间内参与市场获得的净收益，/>为弃光惩罚成本，/>为光-蓄联盟中光伏付给抽蓄电站的租赁费；/>、分别为光电商租赁抽蓄所需的能量容量需求与功率容量需求；/>为光-蓄联盟参与市场的弃光电量。
9.根据权利要求8所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S5中的现货电能量市场和辅助服务市场联合出清模型具体为：
（53）
（54）
（55）
（56）
式中，为电网的购电成本，/>为电网购买调频辅助服务的成本，/>为电网购买备用辅助服务的成本，/>为/>时段风-蓄联盟机组在现货市场的中标电量，/>为时段风-蓄联盟机组在现货市场申报的价格，/>为/>时段光-蓄联盟机组在现货市场的中标电量，/>为/>时段光-蓄联盟机组在现货市场申报的价格，/>为火电机组总数，/>为/>时段火电机组在现货市场申报的价格，/>、/>、/>分别为/>时段火电机组在现货市场申报的调频容量价格、调频里程价格和备用价格，/>为火电机组在现货市场的中标电量，/>、/>、/>分别为/>时段火电机组在现货市场中标的调频容量、调频里程和备用容量，/>、/>、/>、/>、/>为/>时段抽蓄电站在现货市场申报的放电价格、抽水价格、调频容量价格、调频里程价格和备用价格，/>为电网购电成本和辅助服务费用之和。
10.根据权利要求9所述的新能源电力系统抽蓄电站容量多时间尺度优化配置方法，其特征在于，所述步骤S6中的第三约束条件包括第一设定时间内合约电量约束条件、报价约束条件、中标电量约束条件、供需平衡约束条件、调频容量-里程需求约束条件、备用需求约束条件、机组出力约束条件和抽蓄出力约束，分别如下：
第一设定时间内合约电量约束：
（57）
（58）
（59）
报价约束：
（60）
（61）
（62）
（63）
（64）
（65）
（66）
（67）
（68）
（69）
（70）
式中，、/>分别为现货电能量市场发电商最小、最大报价限制，/>、/>、/>分别为辅助服务市场中调频容量、调频里程和备用的报价上限；
、/>分别为现货电能量市场抽蓄抽水最小、最大报价限制，/>、分别为现货电能量市场抽蓄放电最小、最大报价限制；
中标电量约束：
（71）
（72）
（73）
（74）
（75）
（76）
（77）
（78）
（79）
（80）
（81）
式中，为抽蓄电站申报的最大调频容量，/>为抽蓄电站调频里程乘子，/>为抽蓄电站申报备用容量的最大值；/>为火电站申报的最大调频容量，/>为火电站调频里程乘子，/>为火电站申报备用容量的最大值；
为风电在现货电能量市场申报的最大发电量，/>为光电在现货电能量市场申报的最大发电量，/>为火电在现货电能量市场申报的最大发电量，/>为抽蓄在现货电能量市场申报的最大抽水电量，/>为抽蓄在现货电能量市场申报的最大发电量；
供需平衡约束：
（82）
式中，为系统在现货市场总负荷电量；/>为第一设定时间内风-蓄联盟的中标电量，/>为第一设定时间内光-蓄联盟的中标电量；
调频容量-里程需求约束：
（83）
（84）
式中，和/>分别为/>时段需满足的系统调频容量需求和里程需求；
备用需求约束：
（85）
式中，为/>时段需满足的系统备用容量需求；
机组出力约束：
（86）
（87）
（88）
抽蓄出力约束：
（89）
（90）
（91）
（92）
（93）
（94）
（95）
式中，为抽蓄额定容量的最大值。
CN202310927338.0A 2023-07-27 2023-07-27 新能源电力系统抽蓄电站容量多时间尺度优化配置方法 Active CN116667445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310927338.0A CN116667445B (zh) 2023-07-27 2023-07-27 新能源电力系统抽蓄电站容量多时间尺度优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310927338.0A CN116667445B (zh) 2023-07-27 2023-07-27 新能源电力系统抽蓄电站容量多时间尺度优化配置方法

Publications (2)

Publication Number Publication Date
CN116667445A true CN116667445A (zh) 2023-08-29
CN116667445B CN116667445B (zh) 2023-11-17

Family

ID=87710017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310927338.0A Active CN116667445B (zh) 2023-07-27 2023-07-27 新能源电力系统抽蓄电站容量多时间尺度优化配置方法

Country Status (1)

Country Link
CN (1) CN116667445B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117081175A (zh) * 2023-10-12 2023-11-17 中国电建集团贵阳勘测设计研究院有限公司 一种水风光储一体化基地电力生产模拟方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6285699A (ja) * 1985-10-08 1987-04-20 Kansai Electric Power Co Inc:The 可変速発電装置
DE102012001927A1 (de) * 2012-02-02 2013-08-08 Bernd Brauer Verfahren zur Regelung elektrischer Energie
CN111882111A (zh) * 2020-06-30 2020-11-03 华南理工大学 一种源网荷储协同互动的电力现货市场出清方法
CN113239315A (zh) * 2021-04-14 2021-08-10 四川大学 一种对水电参与电力现货市场竞价效果评价的方法
CN113468755A (zh) * 2021-07-12 2021-10-01 云南电网有限责任公司 基于精细化水力联系校核的市场迭代出清方法及装置
CN113904324A (zh) * 2021-09-24 2022-01-07 广东电网有限责任公司电力调度控制中心 一种电力现货市场环境下对抽水蓄能机组的调度方法
CN114139953A (zh) * 2021-12-01 2022-03-04 国网浙江省电力有限公司丽水供电公司 一种混合式抽水蓄能电站的库容分配方法及系统
AU2021206016A1 (en) * 2020-01-10 2022-09-08 Es ∙ For ∙ In Se Method and system for controlling an electrical installation
CN115360745A (zh) * 2022-07-25 2022-11-18 中国电力工程顾问集团西南电力设计院有限公司 一种电力市场环境下的水光蓄互补发电系统容量配置方法
WO2023035245A1 (zh) * 2021-09-10 2023-03-16 冀北电力交易中心有限公司 一种应用于电力市场价格的风险预警方法
CN115983442A (zh) * 2022-12-12 2023-04-18 国网辽宁省电力有限公司经济技术研究院 抽水蓄能电站参与现货-调频辅助服务市场决策优化方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6285699A (ja) * 1985-10-08 1987-04-20 Kansai Electric Power Co Inc:The 可変速発電装置
DE102012001927A1 (de) * 2012-02-02 2013-08-08 Bernd Brauer Verfahren zur Regelung elektrischer Energie
AU2021206016A1 (en) * 2020-01-10 2022-09-08 Es ∙ For ∙ In Se Method and system for controlling an electrical installation
CN111882111A (zh) * 2020-06-30 2020-11-03 华南理工大学 一种源网荷储协同互动的电力现货市场出清方法
CN113239315A (zh) * 2021-04-14 2021-08-10 四川大学 一种对水电参与电力现货市场竞价效果评价的方法
CN113468755A (zh) * 2021-07-12 2021-10-01 云南电网有限责任公司 基于精细化水力联系校核的市场迭代出清方法及装置
WO2023035245A1 (zh) * 2021-09-10 2023-03-16 冀北电力交易中心有限公司 一种应用于电力市场价格的风险预警方法
CN113904324A (zh) * 2021-09-24 2022-01-07 广东电网有限责任公司电力调度控制中心 一种电力现货市场环境下对抽水蓄能机组的调度方法
CN114139953A (zh) * 2021-12-01 2022-03-04 国网浙江省电力有限公司丽水供电公司 一种混合式抽水蓄能电站的库容分配方法及系统
CN115360745A (zh) * 2022-07-25 2022-11-18 中国电力工程顾问集团西南电力设计院有限公司 一种电力市场环境下的水光蓄互补发电系统容量配置方法
CN115983442A (zh) * 2022-12-12 2023-04-18 国网辽宁省电力有限公司经济技术研究院 抽水蓄能电站参与现货-调频辅助服务市场决策优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
戚翰德，李娟: "高比例新能源省份多时段耦合报价分时段交易机制探索", 《中国电力企业管理》 *
王文坚;: "电力市场环境下抽水蓄能机组的优化调度", 《电气技术与经济》, no. 1 *
胡嘉凯;蒋传文;李磊;: "用户侧利益主体虚拟电厂联盟行为及交易机制", 《电力建设》, no. 9 *
黄远明;陈青;韦薇;吴明兴;谢敏;段秦刚;刘明波;: "考虑风-储参与直接交易的中长期-现货市场物理交割建模及快速求解算法", 《电力建设》, no. 1 *
龚开: "现货市场环境下基于深度强化学习的光储联合电站储能系统最优运行方法", 《电网技术》, vol. 46, no. 9 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117081175A (zh) * 2023-10-12 2023-11-17 中国电建集团贵阳勘测设计研究院有限公司 一种水风光储一体化基地电力生产模拟方法
CN117081175B (zh) * 2023-10-12 2023-12-29 中国电建集团贵阳勘测设计研究院有限公司 一种水风光储一体化基地电力生产模拟方法

Also Published As

Publication number Publication date
CN116667445B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN116667445B (zh) 新能源电力系统抽蓄电站容量多时间尺度优化配置方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN114865631B (zh) 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法
CN111612248B (zh) 一种配电网侧源-荷协调方法及系统
CN110365013A (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN104899978A (zh) 基于费控技术的居民日电费收费方法及系统
CN109325647A (zh) 一种基于数据区块链构建的充电桩充放电智能管理系统
CN111639866B (zh) 基于遗传算法的储能充电站的储能容量的配置方法
CN116247699A (zh) 一种计算最低容量租赁价格的储能充放电控制方法及系统
Wang et al. Optimal modeling and analysis of microgrid lithium iron phosphate battery energy storage system under different power supply states
CN113258601A (zh) 一种基于区块链的虚拟电厂系统及其使用方法
CN110048421B (zh) 储能装置容量选择方法及装置
CN107330810A (zh) 一种分布式光伏系统收益计量方法和收益计量系统
CN108432029A (zh) 用于控制电力存储设备的系统和方法
CN116191493A (zh) 一种火电机组深度调峰和复合储能协同规划方法与装置
Knežević et al. The optimal use of stationary battery storage in a prosumer power system
CN117081169B (zh) 一种聚合园区分布式光伏能源的运营方法
CN111369113A (zh) 一种储能电站效益风险评估方法
CN116187099B (zh) 一种基于双层迭代的用户侧储能配置方法
Lara Filho et al. A Data-driven Robust Model for Day-ahead Operation Planning of Microgrids Considering Distributed Energy Resources and Demand Response
Yang et al. Positive-Sum Game-Based Capacity Configuration Planning Method of Solar-Wind-Battery System Designed for Black-Start
JP6117529B2 (ja) 電力売買システム
US20210203160A1 (en) Method for the automatic management method of a flow of electrical energy
Wang et al. Quotation and operation optimization of VPP in medium and long term market
Xu et al. Evaluation Model and Analysis of Lithium Battery Energy Storage Power Stations on Generation Side

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