CN116683461A - 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 - Google Patents
一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 Download PDFInfo
- Publication number
- CN116683461A CN116683461A CN202310836030.5A CN202310836030A CN116683461A CN 116683461 A CN116683461 A CN 116683461A CN 202310836030 A CN202310836030 A CN 202310836030A CN 116683461 A CN116683461 A CN 116683461A
- Authority
- CN
- China
- Prior art keywords
- output
- power
- representing
- photovoltaic
- power plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 42
- 238000010248 power generation Methods 0.000 claims description 36
- 230000005611 electricity Effects 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012887 quadratic function Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 abstract 1
- 238000004146 energy storage Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,包括:获取虚拟电厂的参数数据,建立风电出力模型、光伏出力模型,并分别将风电出力模型、光伏出力模型通过拉丁超立方抽样进行场景生成,通过K‑means聚类,生成风电出力典型场景、光伏出力典型场景,引入鲁棒控制系数,得出风电机组的实时出力区间、光伏机组的实时出力区间,构建基于鲁棒控制系数的虚拟电厂运行模型,进行预处理;将参数数据代入预处理的虚拟电厂运行模型,调用Cplex求解器进行求解,得到虚拟电厂随机鲁棒调度控制结果。本发明能降低电网电压的波动,改善系统整体的电压质量,同时虚拟电厂运营商可根据自身的风险偏好向上级电网申报不同的计划出力。
Description
技术领域
本发明涉及电力系统控制技术领域,具体地,涉及一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法。
背景技术
虚拟电厂利用能源通信控制技术将区域内的分布式可控资源如:电动汽车、柔性负荷、储能装置、分布式新能源等聚合为一个整体,进行统一的协调优化管理,以一种独特的“虚拟电厂”形式参与到上级电网的调控当中。
目前,在虚拟电厂实际参与到上级电网调控的过程中,由于虚拟电厂中发电单元包含风电和光伏这类可再生能源,出力具有间歇性,难以预测的问题,给虚拟电厂的调度带来了很大的问题,造成电能可靠性差且不稳定的缺陷,从而影响虚拟电厂运行成本和收益。因此虚拟电厂控制中心如何处理内部分布式能源出力的波动性,向上级电网申报合理的计划出力,保障虚拟电厂安全稳定运行成为一个关键问题。
发明内容
针对现有技术中存在的问题,本发明提供了一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,考虑不确定性的虚拟电厂随机鲁棒调度模型,针对介入了大规模分布式风电、光伏的虚拟电厂,将虚拟电厂内的需求侧响应负荷参与到虚拟电厂运行调控中,提高了虚拟电厂与上级电网的交互能力。
为实现上述目的,本发明采用以下技术方案:一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,包括如下步骤:
步骤S1、通过改进的IEEE33节点系统构成的虚拟电厂获取参数数据,所述参数数据包括:负荷、电价、光伏发电、风力发电、热电联产机组;
步骤S2、分别根据步骤S1获取的光伏发电、风力发电数据建立风电出力模型、光伏出力模型,并分别将风电出力模型、光伏出力模型中的风速、光照辐射强度通过拉丁超立方抽样进行场景生成,并分别将风电出力场景、光伏出力场景通过K-means聚类,生成风电出力典型场景、光伏出力典型场景,并分别统计出各风电出力典型场景、光伏出力典型场景的出现概率;
步骤S3、分别根据生成的风电出力典型场景、光伏出力典型场景引入鲁棒控制系数,得出风电机组的实时出力区间、光伏机组的实时出力区间;
步骤S4、根据引入的鲁棒控制系数以及约束条件构建基于鲁棒控制系数的虚拟电厂运行模型;
步骤S5、将虚拟电厂运行模型进行预处理;
步骤S6、将步骤S1中的参数数据代入预处理的虚拟电厂运行模型,调用Cplex求解器进行求解,得到虚拟电厂随机鲁棒调度控制结果。
进一步地,步骤S2中风电出力模型的建立过程为:
其中,表示t时刻下i节点处风电机组的风电出力,vt表示t时刻风速,vin、vrated、vout分别表示风电机组的切入风速、额定风速、切出风速,gR表示风电机组的额定输出功率。
进一步地,步骤S2中光伏出力模型的建立过程为:
其中,表示t时刻下i节点处光伏机组的光伏出力,ηPV为光伏的光电转换率,SPV为光伏的受光面积,θt为t时刻的光照强度。
进一步地,步骤S3中风电机组的实时出力区间Φw为:
其中,Kw表示风电出力典型场景数,表示t时刻第k个风电出力典型场景下风电预测的调度出力,/>分别表示预测风电实际调度出力的置信区间上下限,Γ表示鲁棒控制系数。
进一步地,步骤S3中光伏机组的实时出力区间Φpv为:
其中,Bpv表示光伏出力典型场景数,表示t时刻第b个光伏出力典型场景下光伏预测的调度出力,/>分别表示预测光伏实际调度出力的置信区间上下限,Γ表示鲁棒控制系数。
进一步地,步骤S4中构建基于鲁棒性控制系数的虚拟电厂运行模型为:
max F=fgrid-ftdr-fchp
其中,fgrid表示虚拟电厂电能交互收益,λsell、λbuy分别表示虚拟电厂向主网的售电价格和购电价格,μsell(t)、μbuy(t)分别表示t时刻虚拟电厂向主网的售电状态、购电状态,Pt grid表示虚拟电厂与主网的交互电功率,T表示调度时间段;ftdr表示需求响应总成本,ftdr=ηdrPtdr,ηdr表示单位需求响应负荷的补偿成本,Ptdr表示虚拟电厂总的可中断负荷功率,/> 表示t时刻虚拟电厂的可中断负荷功率;fchp表示热电联产机组的发电成本,fchp=d(Pchp)2+ePchp+c,Pchp表示热电联产机组的有功出力,d、e、c分别表示热电联产机组发电成本二次函数的系数。
进一步地,所述约束条件包括:功率平衡约束、热电联产机组出力约束、需求响应约束、交流潮流约束、电压和线路功率约束和储电装置约束;
所述功率平衡约束为:
其中,ψ表示允许风电、光伏机组出力的波动范围,Γ表示鲁棒控制系数,β为风电机组、光伏机组在ψ波动范围内的置信度,Pt w、Pt pv分别表示风电机组、光伏机组的实际有功出力,表示根据各风电出力典型场景的出现概率得出的风电机组期望出力,/>表示根据各光伏出力典型场景的出现概率得出的光伏机组期望出力,/>表示t时刻i节点处CHP机组有功出力,Pgrid表示虚拟电厂与主网交互功率,/>分别表示t时段i节点处储电装置充电有功功率、放电有功功率,/>表示t时段i节点处有功负荷,Pi,t表示t时段i节点处有功功率,Pr表示/>的概率,Q表示i节点处的无功功率,/>表示t时段i节点处风电无功出力,/>表示t时段i节点处光伏无功出力,/>表示t时段i节点处CHP机组无功出力,/>表示t时段i节点处储电装置充电无功功率、放电无功功率,/>表示t时段i节点处无功负荷;
所述热电联产机组出力约束为:
其中,Pi CHP-max、Pi CHP-min分别表示i节点处热电联产机组出力上下限;表示i节点处热电联产机组t时刻的启停状态,/>表示i节点处热电联产机组的爬坡速率限值,T表示调度时段,Ti u-min、Ti d-min分别表示i节点处热电联产机组最小开机时间、停机时间,分别表示t时刻i节点处热电联产机组的开机状态、关机状态;
所述需求响应约束为:
0≤Pt dr≤Pt dr,max
其中,Pt dr表示t时刻虚拟电厂需求响应,Pt dr,max表示t时刻虚拟电厂需求响应最大值;
所述交流潮流约束为:
其中,Pj,t和Qj,t表示t时刻节点j流入的有功功率和无功功率,u(j)表示以j为末端节点的始端节点集合,v(j)表示以j为始端节点的末端节点集合,Pij,t、Qij,t分别表示t时刻支路ij始端的有功功率、无功功率;rij、xij分别表示支路ij的电阻、电抗;Iij,t表示t时刻支路ij的流经电流;Ui,t表示t时刻节点i的电压;
所述电压和线路功率约束为:
其中,Ui,t表示节点i的电压幅值;Iij,t表示支路ij电流;分别表示节点i电压幅值上限值、下限值;/>分别表示支路ij电流上下限;/>分别表示支路ij传输有功功率上限、下限;/>分别表示支路ij传输无功功率上限、下限;
所述储电装置约束为:
其中,分别表示t时刻i节点处储电装置的充电功率、放电功率和储电装置电量;αc、αd分别表示储电装置的充电和放电系数,/>分别表示t时刻i节点处储电装置的充电状态、放电状态,/>分别表示t时刻i节点处储电装置的充放电功率上限、下限,/>分别表示i节点处储电装置容量上限、下限。
进一步地,步骤S5包括如下子步骤:
步骤S51、将热电联产机组的发电成本通过分段线性化进行线性处理:
其中,F表示线性分段的数量,Kf代表第f分段的斜率,C0表示以功率运行时产生的成本,/> 表示热电联产机组的t时刻第f分段的出力, 表示热电联产机组最小的有功出力,/>表示热电联产机组最大的有功出力;ut表示热电联产机组在时段t的启停状态;
步骤S52、基于采样的方法对功率平衡约束进行确定性转化,包括如下子步骤:
步骤S521、对分别进行采样,第sa次采样值分别记为:ΔPt w,sa、ΔPt pv,sa;
步骤S522、当采样生成的采样值足够多时,将功率平衡约束转化为:
Γψ-ΔPload-(-ΔPt w,sa-ΔPt pv,sa)≥M(1-dt(sa))
其中,M表示一个较小负数,Nsa采样数,ΔPload表示在机会约束条件转化中的中间变量,
步骤S523、对采样值按照影响程度大小进行排序,得到如下等效约束:
ΔPt sa=ΔPt w,sa+ΔPt pv,sa-ΔPt load
Γψ-ΔPload-(-ΔPt w,sa-ΔPt pv,sa)-ΔP(ceil(Nsaβ))
其中,ceil()表示向上取整函数,sort()表示升序排序函数;
步骤S53、将交流潮流约束进行凸化,令:得到潮流方程:放缩为二阶锥规划的形式:,/>其中Pl,max表示节点间线路处的最大功率。
与现有技术相比,本发明的有益效果是:本发明考虑不确定性的虚拟电厂随机鲁棒调度控制方法,可以调节风光出力的波动区间,虚拟电厂运营商可根据自身的风险偏好向上级电网申报不同的计划出力,需求响应可以使虚拟电厂灵活响应上级电网的调度指令,在风光出力较大时增加负荷,消纳新能源出力,在负荷高峰时进行负荷削减,提高虚拟电厂的收益。本发明采用二阶锥方法对虚拟电厂优化调度模型中的交流潮流约束进行处理,并分析了储能装置、需求响应接入后对系统无功电压的影响,仿真结果表明采用本发明基于鲁棒控制系数的虚拟电厂调度方法能降低电网电压的波动,进一步改善系统整体的电压质量。
附图说明
图1是本发明考虑不确定性的虚拟电厂随机鲁棒调度控制方法的流程图;
图2是本发明中步骤5的流程图;
图3是本发明中对功率平衡约束进行确定性转化的流程图;
图4是不同鲁棒系数下虚拟电厂与主网交互功率示意图;
图5是不同鲁棒系数下虚拟电厂调度收益示意图;
图6是需求响应负荷对比图;
图7是场景1的节点电压分布图;
图8是各场景节点1电压变化图;
图9是各场景整体平均电压变化图;
图10是场景3的电压分布图。
具体实施方式
下面结合附图对本发明的技术方案作进一步详细地说明。
如图1为本发明考虑不确定性的虚拟电厂随机鲁棒调度控制方法的流程图,该虚拟电厂随机鲁棒调度控制方法包括如下步骤:
步骤S1、通过改进的IEEE33节点系统构成的虚拟电厂获取参数数据,所述参数数据包括:负荷、电价、光伏发电、风力发电、热电联产机组。
步骤S2、分别根据步骤S1获取的光伏发电、风力发电数据建立风电出力模型、光伏出力模型,并分别将风电出力模型、光伏出力模型中的风速、光照辐射强度通过拉丁超立方抽样进行场景生成,并分别将风电出力场景、光伏出力场景通过K-means聚类,生成风电出力典型场景、光伏出力典型场景,并分别统计出各风电出力典型场景、光伏出力典型场景的出现概率。
本发明中风电出力模型的建立过程为:
其中,表示t时刻下i节点处风电机组的风电出力,vt表示t时刻风速,vin、vrated、vout分别表示风电机组的切入风速、额定风速、切出风速,gR表示风电机组的额定输出功率。风速的不确定性导致风电出力具有不确定性,一般认为自然风速vt通常遵循Weibull分布,其概率密度函数fw(vt)为:/>其中,φ表示形状参数,/>表示尺度参数。
本发明中光伏出力模型的建立过程为:
其中,表示t时刻下i节点处光伏机组的光伏出力,ηPV为光伏的光电转换率,SPV为光伏的受光面积,θt为t时刻的光照强度。一般认为太阳的光照辐射强度服从Beta分布:其中,Γ(·)是Gamma函数,ξ和ψ是Beta分布的参数,θmax表示为最大光照强度。
步骤S3、由于受环境和气候的影响,风电、光伏机组的出力具有波动性,往往难以准确预测风电、光伏实时出力,因此,分别根据生成的风电出力典型场景、光伏出力典型场景,引入鲁棒控制系数,得出风电机组的实时出力区间、光伏机组的实时出力区间。
本发明中风电机组的实时出力区间Φw为:
其中,Kw表示风电出力典型场景数,表示t时刻第k个风电出力典型场景下风电预测的调度出力,/>分别表示预测风电实际调度出力的置信区间上下限,Γ表示鲁棒控制系数,目的是控制风电出力的波动范围。
本发明中光伏机组的实时出力区间Φpv为:
其中,Bpv表示光伏出力典型场景数,表示t时刻第b个光伏出力典型场景下光伏预测的调度出力,/>分别表示预测光伏实际调度出力的置信区间上下限,Γ表示鲁棒控制系数。
步骤S4、从虚拟电厂组成来看,包含4种类型的分布式电源:随机发电机组(主要为光伏发电和风电)、热电联产机组、储能系统和负荷需求。虚拟电厂中为了处理风电、光伏出力的不确定性和波动性,引入可控鲁棒控制系数来控制风电、光伏出力的波动范围,在考虑虚拟电厂内部需求响应参与调控后,以优化虚拟电厂内部热电联产机组调度为目的,实现虚拟电厂调度周期内的收益最大化。因此,根据引入的鲁棒控制系数以及约束条件构建基于鲁棒控制系数的虚拟电厂运行模型:
max F=fgrid-ftdr-fchp
其中,fgrid表示虚拟电厂电能交互收益,虚拟电厂内部的风光出力存在不确定性和波动性,在负荷高峰期有时难以满足负荷需求,因此,为满足内部负荷需求,虚拟电厂需要通过联络线与主网进行电能交互,λsell、λbuy分别表示虚拟电厂向主网的售电价格和购电价格,μsell(t)、μbuy(t)分别表示t时刻虚拟电厂向主网的售电状态、购电状态,Pt grid表示虚拟电厂与主网的交互电功率,T表示调度时间段;ftdr表示需求响应总成本,ftdr=ηdrPtdr,ηdr表示单位需求响应负荷的补偿成本,Ptdr表示虚拟电厂总的可中断负荷功率,/>Pt dr表示t时刻虚拟电厂的可中断负荷功率;fchp表示热电联产机组的发电成本,fchp=d(Pchp)2+ePchp+c,Pchp表示热电联产机组的有功出力,d、e、c分别表示热电联产机组发电成本二次函数的系数。
本发明中约束条件包括:功率平衡约束、热电联产机组出力约束、需求响应约束、交流潮流约束、电压和线路功率约束和储电装置约束;
为了处理虚拟电厂中风光出力的不确定性,本发明采用功率平衡约束来表征风光出力的不确定性,设置风电、光伏机组出力的置信度,实现虚拟电厂优化调度收益和风险的平衡,功率平衡约束为:
其中,ψ表示允许风电、光伏机组出力的波动范围,Γ表示鲁棒控制系数,β为风电机组、光伏机组在ψ波动范围内的置信度,Pt w、Pt pv分别表示风电机组、光伏机组的实际有功出力,表示根据各风电出力典型场景的出现概率得出的风电机组期望出力,/>表示根据各光伏出力典型场景的出现概率得出的光伏机组期望出力,/>表示t时刻i节点处CHP机组有功出力,Pgrid表示虚拟电厂与主网交互功率,/>分别表示t时段i节点处储电装置充电有功功率、放电有功功率,/>表示t时段j区域有功负荷,Pi,t表示t时段i节点处有功功率,Pr表示/>的概率,Q表示i节点处的无功功率,/>表示t时段i节点处风电无功出力,/>表示t时段i节点处光伏无功出力,/>表示t时段j区域CHP机组无功出力,/>表示t时段i节点处储电装置充电无功功率、放电无功功率,/>表示t时段i节点处无功负荷;
本发明中热电联产机组出力约束为:
其中,Pi CHP-max、Pi CHP-min分别表示i节点处热电联产机组出力上下限;表示i节点处热电联产机组t时刻的启停状态,Ri CHP表示i节点处热电联产机组的爬坡速率限值,T表示调度时段,Ti u-min、Ti d-min分别表示i节点处热电联产机组最小开机时间、停机时间,分别表示t时刻i节点处热电联产机组的开机状态、关机状态;
用户侧负荷根据需求响应信号进行负荷削减,可以看作虚拟电厂进行“发电”,为了减少用户侧负荷的剧烈波动,需求响应约束为:
0≤Pt dr≤Pt dr,max
其中,Pt dr表示t时刻虚拟电厂需求响应,Pt dr,max表示t时刻虚拟电厂需求响应最大值;
本发明中交流潮流约束为:
其中,Pj,t和Qj,t表示t时刻节点j流入的有功功率和无功功率,u(j)表示以j为末端节点的始端节点集合,v(j)表示以j为始端节点的末端节点集合,Pij,t、Qij,t分别表示t时刻支路ij始端的有功功率、无功功率;rij、xij分别表示支路ij的电阻、电抗;Iij,t表示t时刻支路ij的流经电流;Ui,t表示t时刻节点i的电压。
本发明中电压和线路功率约束为:
其中,Ui,t表示节点i的电压幅值;Iij,t表示支路ij电流;分别表示节点i电压幅值上限值、下限值;/>分别表示支路ij电流上下限;/>分别表示支路ij传输有功功率上限、下限;/>分别表示支路ij传输无功功率上限、下限;
本发明中储电装置约束为:
/>
其中,分别表示t时刻i节点处储电装置的充电功率、放电功率和储电装置电量;αc、αd分别表示储电装置的充电和放电系数,/>分别表示t时刻i节点处储电装置的充电状态、放电状态,/>分别表示t时刻i节点处储电装置的充放电功率上限、下限,/>分别表示i节点处储电装置容量上限、下限。
步骤S5、将虚拟电厂运行模型进行预处理;如图2,具体包括如下子步骤:
步骤S51、基于鲁棒控制系数的虚拟电厂运行模型包含非线性的二次函数,约束条件中包含功率平衡约束,使得基于鲁棒控制系数的虚拟电厂运行模型难以直接求解,因此,将热电联产机组的发电成本通过分段线性化进行线性处理:
其中,F表示线性分段的数量,Kf代表第f分段的斜率,C0表示以功率运行时产生的成本,/> 表示热电联产机组的t时刻第f分段的出力, 表示热电联产机组最小的有功出力,/>表示热电联产机组最大的有功出力;ut表示热电联产机组在时段t的启停状态;
步骤S52、功率平衡约束采用随机模拟法进行求解会导致求解过程计算量过于庞大,求解时间长,因此,本发明采用基于采样的方法对功率平衡约束进行确定性转化,转化后不需要对功率平衡约束进行判断,因此计算时间大大减少,可以在调度时限内求得调度方案,如图3,包括如下子步骤:
步骤S521、对分别进行采样,第sa次采样值分别记为:ΔPt w,sa、ΔPt pv,sa;
步骤S522、当采样生成的采样值足够多时,将功率平衡约束转化为:
Γψ-ΔPload-(-ΔPt w,sa-ΔPt pv,sa)≥M(1-dt(sa))
其中,M表示一个较小负数,Nsa采样数,ΔPload表示机会约束条件转化中的中间变量,
步骤S523、对采样值按照影响程度大小进行排序,得到如下等效约束:
ΔPt sa=ΔPt w,sa+ΔPt pv,sa-ΔPt load
Γψ-ΔPload-(-ΔPt w,sa-ΔPt pv,sa)-ΔP(ceil(Nsaβ))
/>
其中,ceil()表示向上取整函数,sort()表示升序排序函数;
步骤S53、将交流潮流约束进行凸化,令:得到潮流方程:放缩为二阶锥规划的形式:/>其中,Pl,max表示节点间线路处的最大功率。
步骤S6、将步骤S1中的参数数据代入预处理的虚拟电厂运行模型,调用Cplex求解器进行求解,得到虚拟电厂随机鲁棒调度控制结果。
本发明考虑不确定性的虚拟电厂随机鲁棒调度控制方法考虑到分布式风电、光伏出力的波动性和不确定性,引入鲁棒控制系数,灵活调整风光出力的不确定性分布区间,虚拟电厂运营商可根据自身的风险偏好进行不同的申报策略,同时引入交流潮流,分析储能装置以及需求响应对虚拟电厂电压波动的影响。
实施例
为了验证本发明基于鲁棒控制系数的虚拟电厂运行方法的可行性,将改进的IEEE33节点系统构成虚拟电厂对本发明的虚拟电厂运行方法进行验证,其中,如图1-2包含15MW的风力发电、12MW的光伏发电,20MW的热电联产机组,热电联产机组参数如表1所示,风电机组参数如表2所示,光伏机组参数ξ=0.43,ψ=9.2;本发明中风电出力的典型场景为4个,且发生概率如表3所示;光伏出力的典型场景为4个,且发生概率如表4所示。
表1热电联产机组参数
表2风电机组参数
表3风电出力的典型场景发生概率
场景 | 1 | 2 | 3 | 4 |
概率 | 0.45 | 0.17 | 0.18 | 0.2 |
表4光伏出力的典型场景发生概率
场景 | 1 | 2 | 3 | 4 |
概率 | 0.46 | 0.15 | 0.16 | 0.23 |
虚拟电厂对外鲁棒功率特性结果分析
设置风电出力鲁棒区间的ψ值为2,选取置信度为0.95,研究不同鲁棒系数下的虚拟电厂与主网交互功率变化。如图4给出了鲁棒系数分别为0.8、0.9、1的虚拟电厂与主网的交互功率,可以看出,鲁棒系数较小时,风电、光伏出力不确定区间范围也比较小,此时虚拟电厂向主网输送的功率较多,随着鲁棒系数的增加,风电、光伏出力不确定区间范围逐渐扩大,虚拟电厂向主网输送的功率逐渐减少。风电、光伏出力波动性越大,虚拟电厂可以向主网输送的功率就越少,因为虚拟电厂需要更多电功率满足区域内的负荷需求。
不同鲁棒系数对虚拟电厂调度收益结果分析
为了分析风电、光伏出力波动对虚拟电厂调度收益的影响,比较不同鲁棒系数下不同置信度对虚拟电厂调度收益的影响,如图5所示,给出了鲁棒系数分别为0.8和1的虚拟电厂在不同置信度下的调度收益,可以看出,鲁棒系数较小时,风电、光伏出力不确定区间范围也比较小,此时虚拟电厂收益随着置信度的变大不断增加,这是因为在鲁棒系数为0.8时,虚拟电厂参与需求响应的负荷量更多。在鲁棒系数为0.8时,虚拟电厂在各置信度下的调度收益都比鲁棒系数为1时的虚拟电厂调度收益要少,这是因为随着风电、光伏出力不确定区间范围的扩大,虚拟电厂需要更多的成本进行发电,同时参与需求响应的负荷量较少。由此可见,在虚拟电厂调度过程中,需要充分考虑风电出力不确定区间的波动范围,虚拟电厂运行商需要根据自身的风险偏好选择的不同鲁棒程度的决策方案。
图6给出了鲁棒控制系数Γ为1,置信度为0.95时虚拟电厂在考虑需求响应后的负荷变化,可以看出,在0-6h时,需求响应后的负荷比正常负荷多了14.2MW,增加了13.9%,这是由于在该时段为谷时电价,电价较低,负荷对调度进行响应,增加该时段用电量,在8-11h,电价升高,为了减少虚拟电厂的机组处理成本以及购电成本,需求响应负荷进行削减,减少了5MW,降低了4.5%,在17-20h,需求响应后负荷电量减少了8.6MW,与原始负荷需求相比,降低了7.2%,在22-24h,电价开始下降,需求响应后的负荷用电量增加了6.3MW,增加了8.7%。根据上述数据分析以及图中两条负荷曲线的变化趋势可以看出,负荷侧的需求响应可以平缓负荷侧用电曲线,降低虚拟电厂的运行成本,起到削峰填谷的作用,促进风电光伏消纳。
不同场景下虚拟电厂无功电压分析
设置如下三个场景:
场景1:虚拟电厂单独运行,不考虑储电装置和需求响应;
场景2:在场景1的基础上加入储电装置;
场景3:在场景2的基础上加入需求响应。
图7给出了场景1中各节点24小时电压标幺值的变化分布图,可以明显看出在节点1、17、26节点存在电压较低的现象,三个节点24小时内的电压波动剧烈,电压质量较低。为了进一步分析储电装置和需求响应对本章提出的虚拟电厂优化调度模型的节点电压分布的影响,选取节点1各场景电压以及整体的平均电压变化做进一步比较分析。图8给出了各场景下节点1的24小时内电压变化情况,可以看出,在0-12小时内,由于节点1的风电持续出力,无功补偿不足导致电压偏低。但是在22-24小时内,场景2,场景3的电压波动较小且保持在1(pu)附近。图9给出了各场景下24小时内系统平均电压变化情况,可以看出各场景电压变化波动不一致,从定量分析来看,场景1至3的电压变化极差值分别为:0.0423、0.0386、0.0393。
因此,在不考虑储电装置以及需求响应的虚拟电厂独立运行模式下,电网的单个节点以及整体的平均电压波动都较大,且大约是考虑储电和需求响应的虚拟电厂的两倍。此外,只考虑储电装置可以消纳虚拟电厂中的部分风电,但并不能较好的改善电压。而在引入负荷侧需求响应后,则在一定程度上可以改善整体的电压质量。图10给出了场景3中各节点24小时电压变化分布情况,尽管,依旧存在部分节点电压较低的情况,但相较于图9场景1的电压分布来看,整体电压质量得到了改善,电压波动从5.187%下降到2.652%。综上所述,本发明所建的虚拟电厂随机鲁棒调度控制方法可以在一定程度上改善系统的电压情况。表5给出了场景3中不同储能容量比例的虚拟电厂平均电压波动率情况,可以看出,随着储能容量比例的不断提高,虚拟电厂的平均电压波动率在不断降低,这说明储能装置可以为虚拟电厂提供无功支撑,大容量的储能装置可以更好的平抑虚拟电厂的电压波动。
表5场景3中不同储能比例电压变化情况
储能容量比例 | 平均电压波动率 |
100% | 1.44% |
85% | 1.58% |
70% | 1.82% |
50% | 2.13% |
本发明考虑不确定性的虚拟电厂随机鲁棒调度控制方法具有如下优点:
(1)基于鲁棒控制系数的虚拟电厂运行模型,可以调节风光出力的波动区间,虚拟电厂运营商可根据自身的风险偏好向上级电网申报不同的计划出力;
(2)需求响应可以使虚拟电厂灵活响应上级电网的调度指令,在风光出力较大时增加负荷,消纳新能源出力,在负荷高峰时进行负荷削减,提高虚拟电厂的收益;
(3)本发明在虚拟电厂运行模型中引入交流潮流模型,采用二阶锥方法对虚拟电厂优化调度模型中的交流潮流进行处理,并分析了储能装置、需求响应接入后对系统无功电压的影响,仿真结果表明采用本章提出的基于鲁棒控制系数的虚拟电厂调度模型能降低电网电压的波动,进一步改善系统整体的电压质量。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,包括如下步骤:
步骤S1、通过改进的IEEE33节点系统构成的虚拟电厂获取参数数据,所述参数数据包括:负荷、电价、光伏发电、风力发电、热电联产机组;
步骤S2、分别根据步骤S1获取的光伏发电、风力发电数据建立风电出力模型、光伏出力模型,并分别将风电出力模型、光伏出力模型中的风速、光照辐射强度通过拉丁超立方抽样进行场景生成,并分别将风电出力场景、光伏出力场景通过K-means聚类,生成风电出力典型场景、光伏出力典型场景,并分别统计出各风电出力典型场景、光伏出力典型场景的出现概率;
步骤S3、分别根据生成的风电出力典型场景、光伏出力典型场景引入鲁棒控制系数,得出风电机组的实时出力区间、光伏机组的实时出力区间;
步骤S4、根据引入的鲁棒控制系数以及约束条件构建基于鲁棒控制系数的虚拟电厂运行模型;
步骤S5、将虚拟电厂运行模型进行预处理;
步骤S6、将步骤S1中的参数数据代入预处理的虚拟电厂运行模型,调用Cplex求解器进行求解,得到虚拟电厂随机鲁棒调度控制结果。
2.根据权利要求1所述的一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S2中风电出力模型的建立过程为:
其中,表示t时刻下i节点处风电机组的风电出力,vt表示t时刻风速,vin、vrated、vout分别表示风电机组的切入风速、额定风速、切出风速,gR表示风电机组的额定输出功率。
3.根据权利要求1所述的一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S2中光伏出力模型的建立过程为:
其中,表示t时刻下i节点处光伏机组的光伏出力,ηPV为光伏的光电转换率,SPV为光伏的受光面积,θt为t时刻的光照强度。
4.根据权利要求1所述的一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S3中风电机组的实时出力区间Φw为:
其中,Kw表示风电出力典型场景数,表示t时刻第k个风电出力典型场景下风电预测的调度出力,/>分别表示预测风电实际调度出力的置信区间上下限,Γ表示鲁棒控制系数。
5.根据权利要求1所述的一种虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S3中光伏机组的实时出力区间Φpv为:
其中,Bpv表示光伏出力典型场景数,表示t时刻第b个光伏出力典型场景下光伏预测的调度出力,/>分别表示预测光伏实际调度出力的置信区间上下限,Γ表示鲁棒控制系数。
6.根据权利要求1所述的一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S4中构建基于鲁棒性控制系数的虚拟电厂运行模型为:
max F=fgrid-ftdr-fchp
其中,fgrid表示虚拟电厂电能交互收益,λsell、λbuy分别表示虚拟电厂向主网的售电价格和购电价格,μsell(t)、μbuy(t)分别表示t时刻虚拟电厂向主网的售电状态、购电状态,Pt grid表示虚拟电厂与主网的交互电功率,T表示调度时间段;ftdr表示需求响应总成本,ftdr=ηdrPtdr,ηdr表示单位需求响应负荷的补偿成本,Ptdr表示虚拟电厂总的可中断负荷功率,/>Pt dr表示t时刻虚拟电厂的可中断负荷功率;fchp表示热电联产机组的发电成本,fchp=d(Pchp)2+ePchp+c,Pchp表示热电联产机组的有功出力,d、e、c分别表示热电联产机组发电成本二次函数的系数。
7.根据权利要求6所述的一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,所述约束条件包括:功率平衡约束、热电联产机组出力约束、需求响应约束、交流潮流约束、电压和线路功率约束和储电装置约束;
所述功率平衡约束为:
其中,ψ表示允许风电、光伏机组出力的波动范围,Γ表示鲁棒控制系数,β为风电机组、光伏机组在ψ波动范围内的置信度,Pt w、Pt pv分别表示风电机组、光伏机组的实际有功出力,表示根据各风电出力典型场景的出现概率得出的风电机组期望出力,/>表示根据各光伏出力典型场景的出现概率得出的光伏机组期望出力,/>表示t时刻i节点处CHP机组有功出力,Pgrid表示虚拟电厂与主网交互功率,/>分别表示t时段i节点处储电装置充电有功功率、放电有功功率,/>表示t时段i节点处有功负荷,Pi,t表示t时段i节点处有功功率,Pr表示/>的概率,Q表示i节点处的无功功率,/>表示t时段i节点处风电无功出力,/>表示t时段i节点处光伏无功出力,/>表示t时段i节点处CHP机组无功出力,/>表示t时段i节点处储电装置充电无功功率、放电无功功率,/>表示t时段i节点处无功负荷;
所述热电联产机组出力约束为:
其中,Pi CHP-max、Pi CHP-min分别表示i节点处热电联产机组出力上下限;表示i节点处热电联产机组t时刻的启停状态,/>表示i节点处热电联产机组的爬坡速率限值,T表示调度时段,Ti u-min、Ti d-min分别表示i节点处热电联产机组最小开机时间、停机时间,分别表示t时刻i节点处热电联产机组的开机状态、关机状态;
所述需求响应约束为:
0≤Pt dr≤Pt dr,max
其中,Pt dr表示t时刻虚拟电厂需求响应,Pt dr,max表示t时刻虚拟电厂需求响应最大值;
所述交流潮流约束为:
其中,Pj,t和Qj,t表示t时刻节点j流入的有功功率和无功功率,u(j)表示以j为末端节点的始端节点集合,v(j)表示以j为始端节点的末端节点集合,Pij,t、Qij,t分别表示t时刻支路ij始端的有功功率、无功功率;rij、xij分别表示支路ij的电阻、电抗;Iij,t表示t时刻支路ij的流经电流;Ui,t表示t时刻节点i的电压;
所述电压和线路功率约束为:
其中,Ui,t表示节点i的电压幅值;Iij,t表示支路ij电流;分别表示节点i电压幅值上限值、下限值;/>分别表示支路ij电流上下限;/>分别表示支路ij传输有功功率上限、下限;/>分别表示支路ij传输无功功率上限、下限;
所述储电装置约束为:
其中,分别表示t时刻i节点处储电装置的充电功率、放电功率和储电装置电量;αc、αd分别表示储电装置的充电和放电系数,/>分别表示t时刻i节点处储电装置的充电状态、放电状态,/>分别表示t时刻i节点处储电装置的充放电功率上限、下限,/>分别表示i节点处储电装置容量上限、下限。
8.根据权利要求7所述的考虑不确定性的虚拟电厂随机鲁棒调度控制方法,其特征在于,步骤S5包括如下子步骤:
步骤S51、将热电联产机组的发电成本通过分段线性化进行线性处理:
其中,F表示线性分段的数量,Kf代表第f分段的斜率,C0表示以功率运行时产生的成本,/> 表示热电联产机组的t时刻第f分段的出力, 表示热电联产机组最小的有功出力,/>表示热电联产机组最大的有功出力;ut表示热电联产机组在时段t的启停状态;
步骤S52、基于采样的方法对功率平衡约束进行确定性转化,包括如下子步骤:
步骤S521、对分别进行采样,第sa次采样值分别记为:ΔPt w,sa、ΔPt pv,sa;
步骤S522、当采样生成的采样值足够多时,将功率平衡约束转化为:
Γψ-ΔPload-(-ΔPt w,saΔPt pv,sa)≥M(1-dt(sa))
其中,M表示一个较小负数,Nsa采样数,ΔPload表示在机会约束条件转化中的中间变量,
步骤S523、对采样值按照影响程度大小进行排序,得到如下等效约束:
ΔPt sa=ΔPt w,sa+ΔPt pv,sa-ΔPt load
Γψ-ΔPload-(-ΔPt w,sa-ΔPt pv,sa)-ΔP(ceil(Nsaβ))
其中,ceil()表示向上取整函数,sort()表示升序排序函数;
步骤S53、将交流潮流约束进行凸化,令:得到潮流方程:放缩为二阶锥规划的形式:/>其中,Pl,max表示节点间线路处的最大功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836030.5A CN116683461A (zh) | 2023-07-10 | 2023-07-10 | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836030.5A CN116683461A (zh) | 2023-07-10 | 2023-07-10 | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116683461A true CN116683461A (zh) | 2023-09-01 |
Family
ID=87783858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310836030.5A Pending CN116683461A (zh) | 2023-07-10 | 2023-07-10 | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116683461A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117791627A (zh) * | 2024-02-26 | 2024-03-29 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
-
2023
- 2023-07-10 CN CN202310836030.5A patent/CN116683461A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117791627A (zh) * | 2024-02-26 | 2024-03-29 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
CN117791627B (zh) * | 2024-02-26 | 2024-05-14 | 国网山东省电力公司东营供电公司 | 考虑虚拟电厂不确定性的柔性负荷动态聚合方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
CN106786799B (zh) | 一种直流联络线功率阶梯化发电计划优化方法 | |
CN112395748B (zh) | 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法 | |
CN109586284B (zh) | 考虑弃能约束的送端电力系统随机生产模拟方法及应用 | |
CN114498617A (zh) | 一种考虑随机性的多能源发电系统两阶段优化调度方法 | |
CN112531786A (zh) | 区域电网电力外送方法 | |
CN116683461A (zh) | 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法 | |
CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 | |
CN115423282A (zh) | 一种基于奖惩阶梯型碳交易的电-氢-储综合能源网多目标优化调度模型 | |
CN115577929A (zh) | 基于多场景分析的乡村综合能源系统随机优化调度方法 | |
Fang et al. | Risk-constrained optimal scheduling with combining heat and power for concentrating solar power plants | |
CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
CN114529100A (zh) | 一种面向区域电网风光消纳的储能优化配置方法及系统 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN113904382A (zh) | 一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质 | |
CN112183839B (zh) | 一种含梯级水电风光水互补发电系统中长期优化调度方法 | |
CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源系统调度优化方法 | |
CN116540545A (zh) | 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法 | |
CN116316869A (zh) | 兼顾日内电力与日间电量的流域水光中期互补调度方法 | |
CN113394820B (zh) | 一种新能源并网电力系统的优化调度方法 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
CN112016186B (zh) | 一种基于随机场景构建的年度弃风、弃光率计算方法 |
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 |