CN116882575A - 一种电网调节优化方法、装置及设备 - Google Patents
一种电网调节优化方法、装置及设备 Download PDFInfo
- Publication number
- CN116882575A CN116882575A CN202310875627.0A CN202310875627A CN116882575A CN 116882575 A CN116882575 A CN 116882575A CN 202310875627 A CN202310875627 A CN 202310875627A CN 116882575 A CN116882575 A CN 116882575A
- Authority
- CN
- China
- Prior art keywords
- carbon
- energy storage
- power
- optimization
- unit
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 34
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 161
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 161
- 238000004146 energy storage Methods 0.000 claims abstract description 145
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 238000010248 power generation Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 230000003750 conditioning effect Effects 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 239000003245 coal Substances 0.000 claims description 8
- 230000005251 gamma ray Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 238000012946 outsourcing Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 15
- 230000006872 improvement Effects 0.000 description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010792 warming 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网调节优化方法、装置及设备，所述方法包括：基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；确定每一所述工作模式对应的碳责任分摊结果；基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案，从而实现碳排放和电网调节的协同优化，可选地使用遗传算法能够灵活加权和调整不同因素之间的关系，使得碳排放和电网调节在实现最佳平衡的同时能够满足系统稳定性和碳效益的要求，并且易于控制、鲁棒性好。
Description
技术领域
本发明涉及电力系统运行优化领域，尤其涉及一种电网调节优化方法、装置及设备。
背景技术
国际社会普遍认为，二氧化碳过度排放是引起气候变化的主要因素。人类活动排放的二氧化碳等温室气体导致全球变暖，加剧气候系统的不稳定性，导致一些地区干旱、台风、高温热浪、寒潮、沙尘暴等极端天气频繁发生，强度增大。
随着可再生能源的快速发展和电力系统的变革，储能站点作为重要的能源存储和调节装置，被广泛应用于电力系统中。储能站点可以有效平衡电网供需差异，提供调频辅助服务，并增强电力系统的稳定性和可靠性。然而，目前的储能站点参与电网调节的方法主要关注电力系统的运行和经济性，对碳排放问题缺乏充分的考虑。
发明内容
为了解决上述技术问题，本发明实施例提出了一种电网调节优化方法、装置及设备，能够实现碳排放和电网调节的协同优化，使得碳排放和电网调节在实现最佳平衡的同时能够满足系统稳定性和碳效益的要求。
为了实现上述目的，本发明实施例提供了一种电网调节优化方法，包括：
基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
确定每一所述工作模式对应的碳责任分摊结果；
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
进一步的，所述碳排放流模型通过如下公式构建得到：
其中，为在t时刻节点i的碳势；/>为潮流流入节点i的支路集合；Ps,t为在t时刻支路s的有功功率；ρs,t为在t时刻支路s碳流密度；/>为在t时刻节点i所连电源的有功功率；/>为节点i上电源的发电碳强度；PNii,t为在t时刻节点i的有功通量。
进一步的，所述碳责任分摊结果包括源荷碳责任分摊结果；
则，所述确定每一所述工作模式对应的碳责任分摊结果，具体包括：
根据每一所述工作模式，确定对应的与所述储能站点连接的设备；其中，所述设备包括发电机组或负载设备；
确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果。
进一步的，所述确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果，具体包括：
当所述工作模式为预设的负荷需求与储能配合模式时，确定所述储能站点作为电源，则所述源荷碳责任分摊结果通过如下公式计算：
其中，ξEES, t为t时刻储能碳责任因子，ξL,t为t时刻负荷碳责任因子，为t时刻节点i所连储能设备发出的有功功率，/>为t时刻节点i所连负荷的有功功率，/>为t时刻节点i的碳势。
进一步的，所述基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型，具体包括：
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，分别确定最终目标函数和约束条件；
基于所述最终目标函数和所述约束条件，构建所述储能站点参与电网调节的优化模型。
进一步的，所述最终目标函数minF通过如下公式确定：
minF＝Z1+Z2
其中，T为调度周期时段数；/>为火电机组i在时段t下的出力；Si(t)为火电机组i在时段t下的工作状态，当机组为启动状态时Si(t)取值为1，当机组处于停机状态时Si(t)取值为0；SUu为机组i启动的燃料消耗量；γc为标煤价格；Gi(Pi(t))为机组i关于发电出力Pi(t)的燃煤消耗函数，/>均为预设的第一相关参数；γnet为外购电价；Pnet(t)为购电功率，Δt为调度时长；
其中，机组i在时段t下无偿碳配额
机组i在时段t下出力Pi(t)的碳排放量
均为预设的第二相关参数；βi为机组i单位发电量无偿配额；/>为碳交易价格。
进一步的，所述约束条件包括碳排放约束、储能系统存储容量约束或储能系统充放电约束；
所述碳排放约束具体为：
E(Pi(t))-Esp-(θpvPpv(t)+θwPw(t))≤0
其中，Esp＝E(Pi(t))-Efr；
θpv为风能发电可避免的碳排放量，θw为太阳能发电可避免的碳排放量；E(i(t))为机组i在时段t下出力Pi(t)的碳排放量；Ppv(t)为光伏机组在时段t下的出力、Pw(t)为风电机组在时段t下的出力；
所述储能系统存储容量约束具体为：
所述储能系统充放电约束具体为：
其中，Pbsc(t)为在时段t时储能系统中存储的可用能量；Pbch(t)为储能系统在时段t时的充电功率，Pbdch(t)为储能系统在时段t时的放电功率；Δt为调度时长；Pbsc,max为储能系统中存储的可用能量的最大值；Pbch,max为储能系统最大充电功率；Pbdch,max为储能系统最大放电功率。
进一步的，所述对所述优化模型求解得到目标优化结果，具体包括：
采用预先配置的遗传算法对所述优化模型进行求解。
本发明实施例还提供了一种电网调节优化装置，包括：
碳排放流模型构建模块，用于基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
碳责任分摊结果确定模块，用于确定每一所述工作模式对应的碳责任分摊结果；
优化模型构建模块，用于基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
计算模块，用于对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
本发明实施例还提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的电网调节优化方法的步骤。
综上，本发明具有以下有益效果：
采用本发明实施例，细分了储能站点的工作模式，并且结合了储能站点的碳排放模型和电网调节的优化模型，实现碳排放和电网调节的协同优化，可选地使用遗传算法能够灵活加权和调整不同因素之间的关系，使得碳排放和电网调节在实现最佳平衡的同时能够满足系统稳定性和碳效益的要求，并且易于控制、鲁棒性好。
附图说明
图1是本发明提供的一种电网调节优化方法的一个实施例的流程示意图；
图2是本发明提供的一种电网调节优化装置的一个实施例的结构示意图；
图3是本发明提供的遗传算法的一个实施例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
在本申请的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
参见图1，是本发明提供的电网调节优化方法的一个实施例的流程示意图，该方法包括步骤S1至S4，具体如下：
S1,基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
S2,确定每一所述工作模式对应的碳责任分摊结果；
S3,基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
S4,对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
作为上述方案的改进，所述碳排放流模型通过如下公式构建得到：
其中，为在t时刻节点i的碳势；/>为潮流流入节点i的支路集合；Ps,t为在t时刻支路s的有功功率；ρs,t为在t时刻支路s碳流密度；/>为在t时刻节点i所连电源的有功功率；/>为节点i上电源的发电碳强度；PNii,t为在t时刻节点i的有功通量。
示例性的，所述工作模式包括新能源发电与储能配合模式、热力发电机组与储能配合模式或负荷需求与储能配合模式；
当所述工作模式为新能源发电与储能配合模式时，所述碳排放流模型通过如下公式构建得到：
需要说明的是，这是由于风电、光伏等可再生能源机组的因此节点碳势计算公式可以简化为上式。
作为上述方案的改进，所述碳责任分摊结果包括源荷碳责任分摊结果；
则，所述确定每一所述工作模式对应的碳责任分摊结果，具体包括：
根据每一所述工作模式，确定对应的与所述储能站点连接的设备；其中，所述设备包括发电机组或负载设备；
确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果。
示例性的，当所述工作模式为新能源发电与储能配合模式、热力发电机组与储能配合模式或负荷需求与储能配合模式时，与所述储能站点连接的设备分别对应为新能源机组、常规火电机组与负荷设备，其中所述发电机组包括新能源机组和常规火电机组；
当所述工作模式为新能源发电与储能配合模式时，在新能源发电的过程中，当新能源机组所发功率超过负荷功率时，将多余的功率储存起来，此时储能设备被视为负荷。同时，储能设备按24小时平均放电，此时储能设备被视为电源；此时由于风电、光伏等新能源机组的因此新能源机组无需承担碳排放责任；和其相连的储能节点也无需承担碳排放责任；
当所述工作模式为热力发电机组与储能配合模式时，为使燃气轮机效率提高，在燃气轮机发电的过程中，当燃气轮机的负荷小于燃气轮机在最大效率时所对应的负荷时，储能设备被视为负荷，提高燃气轮机的负荷。储能设备的放电按24小时平均放电，放电功率为高峰时燃气轮机的负荷与燃气轮机在最大效率时所对应的负荷的差值；此时对于连接火电机组的节点，规定源荷各自承担一半碳排放责任，即火电机组和储能节点各自承担一半碳排放责任。
作为上述方案的改进，所述确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果，具体包括：
当所述工作模式为预设的负荷需求与储能配合模式时，确定所述储能站点作为电源，则所述源荷碳责任分摊结果通过如下公式计算：
其中，ξEES,t为t时刻储能碳责任因子，ξL,t为t时刻负荷碳责任因子，为t时刻节点i所连储能设备发出的有功功率，/>为t时刻节点i所连负荷的有功功率，/>为t时刻节点i的碳势。
需要说明的是，当所述工作模式为负荷需求与储能配合模式时，储能设备被视为电源，放电按储能与新能源或清洁热力发电机组总占比不变为原则。
作为上述方案的改进，所述基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型，具体包括：
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，分别确定最终目标函数和约束条件；
基于所述最终目标函数和所述约束条件，构建所述储能站点参与电网调节的优化模型。
作为上述方案的改进，所述最终目标函数min F通过如下公式确定：
min F＝Z1+Z2
其中，T为调度周期时段数；/>为火电机组i在时段t下的出力；Si(t)为火电机组i在时段t下的工作状态，当机组为启动状态时Si(t)取值为1，当机组处于停机状态时Si(t)取值为0；SUi为机组i启动的燃料消耗量；γc为标煤价格；Gi(Pi(t))为机组i关于发电出力Pi(t)的燃煤消耗函数，/>均为预设的第一相关参数；γnet为外购电价；Pnet(t)为购电功率，Δt为调度时长；
其中，机组i在时段t下无偿碳配额
机组i在时段t下出力Pi(t)的碳排放量
均为预设的第二相关参数；βi为机组i单位发电量无偿配额；/>为碳交易价格。
作为上述方案的改进，所述约束条件包括碳排放约束、储能系统存储容量约束或储能系统充放电约束；
所述碳排放约束具体为：
E(Pi(t))-Esp-(θpvPpv(t)+θwPw(t))≤0
其中，Esp＝E(Pi(t))-Efr；
θpv为太阳能发电可避免的碳排放量，θw为风能发电可避免的碳排放量；
E(Pi(t))为机组i在时段t下出力Pi(t)的碳排放量；Ppv(t)为光伏机组在时段t下的出力、Pw(t)为风电机组在时段t下的出力；
所述储能系统存储容量约束具体为：
所述储能系统充放电约束具体为：
其中，Pbsc(t)为在时段t时储能系统中存储的可用能量；Pbch(t)为储能系统在时段t时的充电功率，Pbdch(t)为储能系统在时段t时的放电功率；Δt为调度时长；Pbsc,max为储能系统中存储的可用能量的最大值；Pbch,max为储能系统最大充电功率；Pbdch,max为储能系统最大放电功率。
作为上述方案的改进，所述对所述优化模型求解得到目标优化结果，具体包括：
采用预先配置的遗传算法对所述优化模型进行求解。
示例性的，参加图3本发明提供的遗传算法的一个实施例的流程示意图。
参见图2，是本发明提供的电网调节优化装置的一个实施例的结构示意图。
本发明实施例还提供了一种电网调节优化装置，包括：
碳排放流模型构建模块101，用于基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
碳责任分摊结果确定模块102，用于确定每一所述工作模式对应的碳责任分摊结果；
优化模型构建模块103，用于基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
计算模块104，用于对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
作为上述方案的改进，所述碳排放流模型通过如下公式构建得到：
其中，为在t时刻节点i的碳势；/>为潮流流入节点i的支路集合；Ps,t为在t时刻支路s的有功功率；ρs,t为在t时刻支路s碳流密度；/>为在t时刻节点i所连电源的有功功率；/>为节点i上电源的发电碳强度；PNii,t为在t时刻节点i的有功通量。
示例性的，所述工作模式包括新能源发电与储能配合模式、热力发电机组与储能配合模式或负荷需求与储能配合模式；
当所述工作模式为新能源发电与储能配合模式时，所述碳排放流模型通过如下公式构建得到：
需要说明的是，这是由于风电、光伏等可再生能源机组的因此节点碳势计算公式可以简化为上式。
作为上述方案的改进，所述碳责任分摊结果包括源荷碳责任分摊结果；
则，所述碳责任分摊结果确定模块102，具体用于：
根据每一所述工作模式，确定对应的与所述储能站点连接的设备；其中，所述设备包括发电机组或负载设备；
确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果。
示例性的，当所述工作模式为新能源发电与储能配合模式、热力发电机组与储能配合模式或负荷需求与储能配合模式时，与所述储能站点连接的设备分别对应为新能源机组、常规火电机组与负荷设备，其中所述发电机组包括新能源机组和常规火电机组；
当所述工作模式为新能源发电与储能配合模式时，在新能源发电的过程中，当新能源机组所发功率超过负荷功率时，将多余的功率储存起来，此时储能设备被视为负荷。同时，储能设备按24小时平均放电，此时储能设备被视为电源；此时由于风电、光伏等新能源机组的因此新能源机组无需承担碳排放责任；和其相连的储能节点也无需承担碳排放责任；
当所述工作模式为热力发电机组与储能配合模式时，为使燃气轮机效率提高，在燃气轮机发电的过程中，当燃气轮机的负荷小于燃气轮机在最大效率时所对应的负荷时，储能设备被视为负荷，提高燃气轮机的负荷。储能设备的放电按24小时平均放电，放电功率为高峰时燃气轮机的负荷与燃气轮机在最大效率时所对应的负荷的差值；此时对于连接火电机组的节点，规定源荷各自承担一半碳排放责任，即火电机组和储能节点各自承担一半碳排放责任。
作为上述方案的改进，所述确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果，具体包括：
当所述工作模式为预设的负荷需求与储能配合模式时，确定所述储能站点作为电源，则所述源荷碳责任分摊结果通过如下公式计算：
其中，ξEES, t为t时刻储能碳责任因子，ξL,t为t时刻负荷碳责任因子，为t时刻节点i所连储能设备发出的有功功率，/>为t时刻节点i所连负荷的有功功率，/>为t时刻节点i的碳势。
需要说明的是，当所述工作模式为负荷需求与储能配合模式时，储能设备被视为电源，放电按储能与新能源或清洁热力发电机组总占比不变为原则。
作为上述方案的改进，所述优化模型构建模块103，具体用于：
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，分别确定最终目标函数和约束条件；
基于所述最终目标函数和所述约束条件，构建所述储能站点参与电网调节的优化模型。
作为上述方案的改进，所述最终目标函数minF通过如下公式确定：
minF＝Z1+Z2
其中，T为调度周期时段数；/>为火电机组i在时段t下的出力；Si(t)为火电机组i在时段t下的工作状态，当机组为启动状态时Si(t)取值为1，当机组处于停机状态时Si(t)取值为0；SUi为机组i启动的燃料消耗量；γc为标煤价格；Gi(Pi(t))为机组i关于发电出力Pi(t)的燃煤消耗函数，/>均为预设的第一相关参数；γnet为外购电价；Pnet(t)为购电功率，Δt为调度时长；
其中，机组i在时段t下无偿碳配额
机组i在时段t下出力Pi(t)的碳排放量
均为预设的第二相关参数；βi为机组i单位发电量无偿配额；/>为碳交易价格。
作为上述方案的改进，所述约束条件包括碳排放约束、储能系统存储容量约束或储能系统充放电约束；
所述碳排放约束具体为：
E(Pi(t))-Esp-(θpvPpv(t)+θwPw(t))≤0
其中，Esp＝E(Pi(t))-Efr；
θpv为风能发电可避免的碳排放量，θw为太阳能发电可避免的碳排放量；
E(Pi(t))为机组i在时段t下出力Pi(t)的碳排放量；Ppv(t)为光伏机组在时段t下的出力、Pw(t)为风电机组在时段t下的出力；
所述储能系统存储容量约束具体为：
所述储能系统充放电约束具体为：
其中，Pbsc(t)为在时段t时储能系统中存储的可用能量；Pbch(t)为储能系统在时段t时的充电功率，Pbdch(t)为储能系统在时段t时的放电功率；Δt为调度时长；Pbsc,max为储能系统中存储的可用能量的最大值；Pbch,max为储能系统最大充电功率；Pbdch,max为储能系统最大放电功率。
作为上述方案的改进，所述计算模块104，具体用于：
采用预先配置的遗传算法对所述优化模型进行求解。
示例性的，参加图3本发明提供的遗传算法的一个实施例的流程示意图。
本发明实施例还提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的电网调节优化方法的步骤。
该实施例的计算机设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如电网调节优化程序。所述处理器执行所述计算机程序时实现上述各个电网调节优化方法实施例中的步骤，例如图1所示的步骤S1至S4。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述计算机设备中的执行过程。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述计算机设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
综上，本发明具有以下有益效果：
采用本发明实施例，细分了储能站点的工作模式，并且结合了储能站点的碳排放模型和电网调节的优化模型，实现碳排放和电网调节的协同优化，可选地使用遗传算法能够灵活加权和调整不同因素之间的关系，使得碳排放和电网调节在实现最佳平衡的同时能够满足系统稳定性和碳效益的要求，并且易于控制、鲁棒性好。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种电网调节优化方法，其特征在于，包括：
基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
确定每一所述工作模式对应的碳责任分摊结果；
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
2.如权利要求1所述的电网调节优化方法，其特征在于，所述碳排放流模型通过如下公式构建得到：
其中，为在t时刻节点i的碳势；/>为潮流流入节点i的支路集合；Ps,t为在t时刻支路s的有功功率；ρs,t为在t时刻支路s碳流密度；/>为在t时刻节点i所连电源的有功功率；/>为节点i上电源的发电碳强度；PNii,t为在t时刻节点i的有功通量。
3.如权利要求1所述的电网调节优化方法，其特征在于，所述碳责任分摊结果包括源荷碳责任分摊结果；
则，所述确定每一所述工作模式对应的碳责任分摊结果，具体包括：
根据每一所述工作模式，确定对应的与所述储能站点连接的设备；其中，所述设备包括发电机组或负载设备；
确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果。
4.如权利要求3所述的电网调节优化方法，其特征在于，所述确定每一所述工作模式对应的所述储能站点与所述设备之间的源荷碳责任分摊结果，具体包括：
当所述工作模式为预设的负荷需求与储能配合模式时，确定所述储能站点作为电源，则所述源荷碳责任分摊结果通过如下公式计算：
其中，ξEES,为t时刻储能碳责任因子，ξL,t为t时刻负荷碳责任因子，为t时刻节点i所连储能设备发出的有功功率，/>为t时刻节点i所连负荷的有功功率，/>为t时刻节点i的碳势。
5.如权利要求1所述的电网调节优化方法，其特征在于，所述基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型，具体包括：
基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，分别确定最终目标函数和约束条件；
基于所述最终目标函数和所述约束条件，构建所述储能站点参与电网调节的优化模型。
6.如权利要求5所述的电网调节优化方法，其特征在于，所述最终目标函数minF通过如下公式确定：
minF＝Z1+2
其中，T为调度周期时段数；/>为火电机组i在时段t下的出力；Si()为火电机组i在时段t下的工作状态，当机组为启动状态时Si()取值为1，当机组处于停机状态时Si()取值为0；SUi为机组i启动的燃料消耗量；γc为标煤价格；Gi(i())为机组i关于发电出力Pi()的燃煤消耗函数，/>均为预设的第一相关参数；γnet为外购电价；Pnet()为购电功率，Δt为调度时长；
其中，机组i在时段t下无偿碳配额
机组i在时段t下出力Pi()的碳排放量
均为预设的第二相关参数；βi为机组i单位发电量无偿配额；/>为碳交易价格。
7.如权利要求6所述的电网调节优化方法，其特征在于，所述约束条件包括碳排放约束、储能系统存储容量约束或储能系统充放电约束；
所述碳排放约束具体为：
E(Pi())-Esp-(θpvPpv()+θwPw())≤0
其中，Esp＝(Pi())-Efr；
θpv为太阳能发电可避免的碳排放量，θw为风能发电可避免的碳排放量；E(Pi(t))为机组i在时段t下出力Pi(t)的碳排放量；Ppv(t)为光伏机组在时段t下的出力、Pw(t)为风电机组在时段t下的出力；
所述储能系统存储容量约束具体为：
所述储能系统充放电约束具体为：
其中，Pbsc(t)为在时段t时储能系统中存储的可用能量；Pbch(t)为储能系统在时段t时的充电功率，Pbdch(t)为储能系统在时段t时的放电功率；Δt为调度时长；Pbsc,max为储能系统中存储的可用能量的最大值；Pbch,max为储能系统最大充电功率；Pbdch,max为储能系统最大放电功率。
8.如权利要求1-7任一项所述的电网调节优化方法，其特征在于，所述对所述优化模型求解得到目标优化结果，具体包括：
采用预先配置的遗传算法对所述优化模型进行求解。
9.一种电网调节优化装置，其特征在于，包括：
碳排放流模型构建模块，用于基于预先配置的储能站点的若干个工作模式，构建每一所述工作模式对应的碳排放流模型；
碳责任分摊结果确定模块，用于确定每一所述工作模式对应的碳责任分摊结果；
优化模型构建模块，用于基于所有的工作模式对应的碳排放流模型与碳责任分摊结果，构建所述储能站点参与电网调节的优化模型；
计算模块，用于对所述优化模型求解得到目标优化结果；其中，所述目标优化结果用于表征所述储能站点参与电网调节的方案。
10.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的电网调节优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310875627.0A CN116882575A (zh) | 2023-07-17 | 2023-07-17 | 一种电网调节优化方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310875627.0A CN116882575A (zh) | 2023-07-17 | 2023-07-17 | 一种电网调节优化方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116882575A true CN116882575A (zh) | 2023-10-13 |
Family
ID=88264077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310875627.0A Pending CN116882575A (zh) | 2023-07-17 | 2023-07-17 | 一种电网调节优化方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882575A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117495317A (zh) * | 2023-11-03 | 2024-02-02 | 国网宁夏电力有限公司电力科学研究院 | 一种电碳协同的碳分摊方案生成方法 |
-
2023
- 2023-07-17 CN CN202310875627.0A patent/CN116882575A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117495317A (zh) * | 2023-11-03 | 2024-02-02 | 国网宁夏电力有限公司电力科学研究院 | 一种电碳协同的碳分摊方案生成方法 |
| CN117495317B (zh) * | 2023-11-03 | 2024-05-28 | 国网宁夏电力有限公司电力科学研究院 | 一种电碳协同的碳分摊方案生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fathima et al. | Optimized sizing, selection, and economic analysis of battery energy storage for grid‐connected wind‐PV hybrid system | |
| CN110264088B (zh) | 一种园区综合能源分配方法及计算机装置 | |
| Laajimi et al. | Energy storage system design for large-scale solar PV in Malaysia: Technical and environmental assessments | |
| Khawaja et al. | Optimal cost-based model for sizing grid-connected PV and battery energy system | |
| Sawle et al. | A novel methodology for scrutiny of autonomous hybrid renewable energy system | |
| CN116882575A (zh) | 一种电网调节优化方法、装置及设备 | |
| CN111489020A (zh) | 一种独立型综合能源网电-气储能系统优化配置求解方法 | |
| CN111523204B (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
| CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| Pombo et al. | A computationally efficient formulation for a flexibility enabling generation expansion planning | |
| Ghaemi et al. | Economic feasibility of green hydrogen in providing flexibility to medium-voltage distribution grids in the presence of local-heat systems | |
| Chen et al. | The tradeoff between electricity cost and CO2 emission in the optimization of photovoltaic-battery systems for buildings | |
| Okpako et al. | Evaluation of community virtual power plant under various pricing schemes | |
| CN110661255B (zh) | 一种多能源系统的热电优化运行方法、装置及设备 | |
| CN117318123A (zh) | 基于碳-电市场的虚拟电厂调度方法及装置 | |
| CN114629135A (zh) | 风储调频容量的调节方法、装置、计算机设备及存储介质 | |
| Alamri et al. | Energy storage sizing and reliability assessment for power systems with variable generation | |
| Sajid et al. | A conditional-constraint optimization for joint energy management of data center and electric vehicle parking-lot | |
| Lyu et al. | Real-time operation optimization of islanded microgrid with battery energy storage system | |
| Jung et al. | Design of renewables-battery combined energy system for energy isolated island | |
| Okinda et al. | Potential of Accelerated Integration of Solar Electrification in Kenya’s Energy System | |
| Putranto et al. | Impact of Sizing and Placement on Energy Storage System in Generation Scheduling Considering Transmission Losses | |
| Farrokhifar et al. | Empowering Sustainable Communities: A Case Study of Integrating Renewable Energies for CO 2 Emissions Reduction | |
| Wang et al. | Optimal capacity allocation and economic evaluation of hybrid energy storage in a wind–photovoltaic power system |
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 |