CN117013522A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN117013522A
CN117013522A CN202310815438.4A CN202310815438A CN117013522A CN 117013522 A CN117013522 A CN 117013522A CN 202310815438 A CN202310815438 A CN 202310815438A CN 117013522 A CN117013522 A CN 117013522A
Authority
CN
China
Prior art keywords
scheduling
gas
day
scene
period
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
Application number
CN202310815438.4A
Other languages
English (en)
Inventor
徐立中
张思
钱伟杰
吴一峰
杨晓雷
李洋
唐律
江昕玥
赵一琰
林孙奔
孙珂
唐琦雯
黄金波
王倩莹
杨莉
林振智
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.)
State Grid Zhejiang Electric Power Co Ltd
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202310815438.4A priority Critical patent/CN117013522A/zh
Publication of CN117013522A publication Critical patent/CN117013522A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/38—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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (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

本发明公开了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，包括：构建考虑天气分型下分布式电源不确定性的典型场景；利用场景分析法构建多日调度模型，包括以最大化消纳分布式新能源和最小化综合能源系统运行成本为目标的目标函数，以及对应的约束条件；考虑n日调度周期内的源端协同调度计算多日调度模型的最优解，作为日前优化的多调度资源调度方案。本发明综合考虑天气分型对风光出力分布参数的影响以及多日预测精度对分布方差变化的影响，构建综合能源系统的典型场景集，进行多日调度优化方案的计算，使得调度优化方案更贴合实际要求，能够在保障分布式电源不确定性下综合能源系统可靠性的同时，提升综合能源调度的经济性。

Description

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
技术领域
本发明涉及电力系统技术领域，尤其是涉及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。
背景技术
在“双碳”目标背景下，分布式电源在综合能源系统中发电应用的比重逐渐增大。考虑到分布式电源接入后电网后的系统灵活调节资源需求，燃气机组和储能装置作为灵活调节资源是综合能源系统调度过程中的关键。一方面，由于风力发电和光伏发电受气象条件影响较大，导致不同类型气象场景下对气机和储能的调度有较大差异；另一方面，综合能源系统向外购电购气时作为价格接受者容易遇到现货价格波动较大的情况，通过前瞻性多日调度资源分配在价格较低的时间点购入更多天然气量有利于综合能源公司的经济性。但是在现有的调度过程中很少有考虑不同天气情况下对气机和储能调度的差异影响以及多日调度情况下的时间对预测精度的影响。
在中国专利文献上公开的“一种综合能源系统优化调度方法”，其公开号为CN115759604A，公开日期为2023-03-07，包括：构建综合能源系统，基于所述综合能源系统和强化学习算法，得到调度模型，其中所述调度模型包括智能体和环境；基于优势学习，对强化学习算法中Q值函数进行修正，得到综合算法，基于所述综合算法对所述智能体进行训练，得到优化调度策略。本发明利用优势学习值函数理论框架结合SAC算法，并加以改进，以低碳和经济为目标实现综合能源系统的优化调度。但是该技术是解决调度优化过程中获得最优方案时间长，计算稳定性较差的问题，同样没有考虑不同天气情况下对气机和储能调度的差异影响以及多日调度情况下的时间对预测精度的影响。
发明内容
本发明是为了克服现有技术中没有考虑不同天气情况下对气机和储能调度的差异影响以及多日调度情况下的时间对预测精度的影响的问题，提供了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，综合考虑天气分型对风光出力分布参数构建的影响以及多日预测精度对分布方差变化的影响，构建综合能源系统的典型场景集，然后进行多日调度优化方案的计算，使得最终得到的调度优化方案更贴合实际要求，能够在保障分布式电源不确定性背景下综合能源系统可靠性的同时，提升综合能源调度的经济性。
为了实现上述目的，本发明采用以下技术方案：
一种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，包括：
构建考虑天气分型下分布式电源不确定性的典型场景；
利用场景分析法构建多日调度模型，包括以最大化消纳分布式新能源和最小化综合能源系统运行成本为目标的目标函数，以及对应的约束条件；
考虑n日调度周期内的源端协同调度计算多日调度模型的最优解，作为日前优化的多调度资源调度方案。
本发明中首先构建考虑天气分型下分布式电源不确定性的典型场景，细分出不同天气情况下风光出力的差异，从而得到不同天气情况下气机和储能的调度差异；其次利用场景分析法以所有场景综合能源系统成本最小化和最大化消纳分布式新能源为目标构建协同方案目标函数；最后在相应的约束条件下，求解多日调度模型，得到日前优化的多调度资源调度方案；综合考虑天气分型对风光出力分布参数构建的影响以及多日预测精度对分布方差变化的影响，使得最终得到的调度优化方案更贴合实际要求，能够在保障分布式电源不确定性背景下综合能源系统可靠性的同时，提升综合能源调度的经济性。
作为优选，所述构建考虑天气分型下分布式电源不确定性的典型场景包括：
确定风速和光照强度的分布条件，根据历史分布式发电出力数据计算不同天气下的分布参数；计算分布参数对应分布的平均值和标准差，对分布的标准差按照信息获取时间间隔进行修正；采用拉丁超立方抽样方法进行抽样，采用快速后向削减方法进行场景削减，得到考虑天气分型下分布式电源不确定性的典型场景集。
本发明中不同天气下分布式电源出力波动参数有一定的差异性，因此需要先通过天气分型后再进行分布参数的统计；对统计后分布的标准差按照信息获取时间间隔进行修正，能够表征在当日获取多日后的天气预报随着时间间隔的增加其不确定性的进一步增长。
作为优选，对数值天气预报信息按三种典型天气进行归类处理，按照日平均云量和降水量划分为晴天e1、多云e2、阴雨天e3，则有：
S＝{s|(ei,ej,ek,δi,j,k),i＝1,2,3,j＝1,2,3,k＝1,2,3}
其中，δi,j,k为三天内依次出现ei,ej,ek天气的场景的概率；场景集合为S。
本发明中在天气差异不大的情况下，天气的不确定性对于调度方案的影响误差较小，因此选择天气差异较大的类型进行分类处理，可以分成晴天、多云和阴雨天三类，三种类型对于风光发电出力的影响存在较大的不同，因此需要分类考虑。
作为优选，所述目标函数包括：
其中，N为调度优化总天数；dn为第n天；δs为场景s出现的概率；分别为风电机组和光伏机组在s场景下t时段的出力；分别为s场景下t时段的煤机运行成本、气机运行成本、储能运行成本和外购电成本；为弃风、弃光惩罚成本；将两个函数通过加权求和转化为单目标函数进行求解。
本发明中目标函数的建立同样需要考虑不同天气场景下的影响，所以设置有不同场景出现的概率作为系数进行计算，同时最大化分布式新能源消纳是对函数求最大值，而最小化综合能源系统运行成本是对函数求最小值，为了通过加权求和将两个函数转化为单目标函数进行求解，可以组合为max(α1F1-α2F2)或者min(-α1F1+α2F2)两种形式进行求解计算，α1和α2为正权重系数。
作为优选，所述约束条件包括功率平衡约束、机组出力上下限约束、机组爬坡限制约束和线路潮流约束；所述功率平衡约束为：
其中为t时段的预测负荷；I1为煤机数量；I2为气机数量；为煤机j在s场景下t时段的出力；为气机i在s场景下t时段的出力；分别为风电机组和光伏机组在s场景下t时段的出力，分别为储能装置在s场景下t时段的储能和发电出力；为在s场景下t时段外购电量。
本发明中除了整体上的功率平衡约束、线路潮流约束以及与气机运行相关的机组出力上下限约束、机组爬坡限制约束以外，还包括有煤机出力约束、光伏和风电出力约束和储能装置约束，以保证整个综合能源系统能够正常运行和工作。
作为优选，所述气机运行成本包括操作控制成本和购气成本：
其中为在s场景下t时段的外部购买供应气量；cgas,start、cgas,stop分别为燃气机组t时段的购气成本系数、燃气机组的启动和关机成本系数；为气机运行状态变量，1表示开机，0表示停机；为气机i在t时段的出力；γgas,i为气机i的运行成本系数。
本发明中天然气机组在发电运行过程中、机组启动和关机时都会有相应的消耗从而产生操作控制成本，又由于气机是需要根据风光出力的变动进行相应变动调整的，所以整体的机组启动和关机频率相较于单纯由气机发电时的启动和关机频率更高，因而在计算气机运行成本时不仅需要计算购买的天然气花费的成本，还不能忽略整个机组操作控制过程中产生的成本。
作为优选，所述约束条件还包括气量平衡约束：
其中为在t时段第i个气机的天然气使用量；分别为第dn天调度结束时间点和调度初始时间点的天然气管存量；为第dn天的外部购买供应气量。
本发明中对于天然气系统而言在实际运行中，需要满足节点气流平衡方程，即任一节点天然气流入流出量和管存量保持平衡；因此在调度过程中，天然气日供应量、管存存储量和日使用量存在气量平衡约束。
作为优选，取在第p日的初始(p，p+n)周期内的数值天气预报、风光出力与负荷预测值计算(p，p+n)调度周期问题的最优解，取(p，p+1)的调度方案作为日前调度方案，在第p+1日更新这段时间执行后的储能装置存储量，更新最新调度周期内的数值天气预报、风光出力与负荷预测值，继续令p＝p+1向前重复上述过程，最终获得连续的日前优化的多调度资源调度方案。
本发明中对于连续多日的日前优化的多调度资源调度方案的获取是对每一天的日前优化方案进行重复更新得到的，首先考虑了从第p天起连续n日调度周期内的源端协同调度情况，并求解这个调度周期内的最优解方案，并在第p+1天执行最优解方案中(p，p+1)的调度方案得到最新的数据，然后再以第p+1天起连续n日调度周期内的源端协同调度情况，求解新的最优价方案来得到后一天的日前调度方案进行执行并更新数据，以此类推从而完成连续多日的调度方案获取。
本发明具有如下有益效果：综合考虑天气分型对风光出力分布参数构建的影响以及多日预测精度对分布方差变化的影响，构建综合能源系统的典型场景集，能够使得场景生成更加合理；综合了综合能源系统多日调度过程中的灵活调节资源，相较于单日调度相比，在调度过程中应对外购电和外购气的价格不确定性的处理具有前瞻性，能够在保障分布式电源不确定性背景下综合能源系统可靠性的同时，部分提升综合能源公司调度的经济性。
附图说明
图1是本发明中综合能源系统调度优化方法流程图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
一种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，包括：
构建考虑天气分型下分布式电源不确定性的典型场景。
构建考虑天气分型下分布式电源不确定性的典型场景包括：
确定风速和光照强度的分布条件，根据历史分布式发电出力数据计算不同天气下的分布参数；计算分布参数对应分布的平均值和标准差，对分布的标准差按照信息获取时间间隔进行修正；采用拉丁超立方抽样方法进行抽样，采用快速后向削减方法进行场景削减，得到考虑天气分型下分布式电源不确定性的典型场景集。
对数值天气预报信息按三种典型天气进行归类处理，按照日平均云量和降水量划分为晴天e1、多云e2、阴雨天e3，则有：
S＝{s|(ei,ej,ek,δi,j,k),i＝1,2,3,j＝1,2,3,k＝1,2,3}
其中，δi,j,k为三天内依次出现ei,ej,ek天气的场景的概率；场景集合为S。
利用场景分析法构建多日调度模型，包括以最大化消纳分布式新能源和最小化综合能源系统运行成本为目标的目标函数，以及对应的约束条件。
目标函数包括：
其中，N为调度优化总天数；dn为第n天；δs为场景s出现的概率；分别为风电机组和光伏机组在s场景下t时段的出力；分别为s场景下t时段的煤机运行成本、气机运行成本、储能运行成本和外购电成本；为弃风、弃光惩罚成本；将两个函数通过加权求和转化为单目标函数进行求解。
气机运行成本包括操作控制成本和购气成本：
其中为在s场景下t时段的外部购买供应气量；cgas,start、cgas,stop分别为燃气机组t时段的购气成本系数、燃气机组的启动和关机成本系数；为气机运行状态变量，1表示开机，0表示停机；为气机i在t时段的出力；γgas,i为气机i的运行成本系数。
约束条件包括功率平衡约束、机组出力上下限约束、机组爬坡限制约束和线路潮流约束；所述功率平衡约束为：
其中为t时段的预测负荷；I1为煤机数量；I2为气机数量；为煤机j在s场景下t时段的出力；为气机i在s场景下t时段的出力；分别为风电机组和光伏机组在s场景下t时段的出力，分别为储能装置在s场景下t时段的储能和发电出力；为在s场景下t时段外购电量。
约束条件还包括气量平衡约束：
其中为在t时段第i个气机的天然气使用量；分别为第dn天调度结束时间点和调度初始时间点的天然气管存量；为第dn天的外部购买供应气量。
考虑n日调度周期内的源端协同调度计算多日调度模型的最优解，作为日前优化的多调度资源调度方案。
取在第p日的初始(p，p+n)周期内的数值天气预报、风光出力与负荷预测值计算(p，p+n)调度周期问题的最优解，取(p，p+1)的调度方案作为日前调度方案，在第p+1日更新这段时间执行后的储能装置存储量，更新最新调度周期内的数值天气预报、风光出力与负荷预测值，继续令p＝p+1向前重复上述过程，最终获得连续的日前优化的多调度资源调度方案。
本发明中首先构建考虑天气分型下分布式电源不确定性的典型场景，细分出不同天气情况下风光出力的差异，从而得到不同天气情况下气机和储能的调度差异；其次利用场景分析法以所有场景综合能源系统成本最小化和最大化消纳分布式新能源为目标构建协同方案目标函数；最后在相应的约束条件下，求解多日调度模型，得到日前优化的多调度资源调度方案；综合考虑天气分型对风光出力分布参数构建的影响以及多日预测精度对分布方差变化的影响，使得最终得到的调度优化方案更贴合实际要求，能够在保障分布式电源不确定性背景下综合能源系统可靠性的同时，提升综合能源调度的经济性。
本发明中不同天气下分布式电源出力波动参数有一定的差异性，因此需要先通过天气分型后再进行分布参数的统计；对统计后分布的标准差按照信息获取时间间隔进行修正，能够表征在当日获取多日后的天气预报随着时间间隔的增加其不确定性的进一步增长。
本发明中在天气差异不大的情况下，天气的不确定性对于调度方案的影响误差较小，因此选择天气差异较大的类型进行分类处理，可以分成晴天、多云和阴雨天三类，三种类型对于风光发电出力的影响存在较大的不同，因此需要分类考虑。
本发明中目标函数的建立同样需要考虑不同天气场景下的影响，所以设置有不同场景出现的概率作为系数进行计算，同时最大化分布式新能源消纳是对函数求最大值，而最小化综合能源系统运行成本是对函数求最小值，为了通过加权求和将两个函数转化为单目标函数进行求解，可以组合为max(α1F1-α2F2)或者min(-α1F1+α2F2)两种形式进行求解计算，α1和α2为正权重系数。
本发明中除了整体上的功率平衡约束、线路潮流约束以及与气机运行相关的机组出力上下限约束、机组爬坡限制约束以外，还包括有煤机出力约束、光伏和风电出力约束和储能装置约束，以保证整个综合能源系统能够正常运行和工作。
本发明中天然气机组在发电运行过程中、机组启动和关机时都会有相应的消耗从而产生操作控制成本，又由于气机是需要根据风光出力的变动进行相应变动调整的，所以整体的机组启动和关机频率相较于单纯由气机发电时的启动和关机频率更高，因而在计算气机运行成本时不仅需要计算购买的天然气花费的成本，还不能忽略整个机组操作控制过程中产生的成本。
本发明中对于天然气系统而言在实际运行中，需要满足节点气流平衡方程，即任一节点天然气流入流出量和管存量保持平衡；因此在调度过程中，天然气日供应量、管存存储量和日使用量存在气量平衡约束。
本发明中对于连续多日的日前优化的多调度资源调度方案的获取是对每一天的日前优化方案进行重复更新得到的，首先考虑了从第p天起连续n日调度周期内的源端协同调度情况，并求解这个调度周期内的最优解方案，并在第p+1天执行最优解方案中(p，p+1)的调度方案得到最新的数据，然后再以第p+1天起连续n日调度周期内的源端协同调度情况，求解新的最优价方案来得到后一天的日前调度方案进行执行并更新数据，以此类推从而完成连续多日的调度方案获取。
在本发明的实施例中，首先构建考虑天气分型下分布式电源不确定性的典型场景。综合考虑天气不确定性对调度方案的影响，设定调度时刻的天气预报信息场景集合为S。对数值天气预报信息按三种典型天气进行归类处理，按照日平均云量和降水量划分为晴天e1、多云e2、阴雨天e3，则有：
S＝{s|(ei,ej,ek,δi,j,k),i＝1,2,3,j＝1,2,3,k＝1,2,3}
其中，δi,j,k为三天内依次出现ei,ej,ek天气的场景的概率。
不同天气下分布式电源有功出力波动参数有一定的差异性。先通过天气分型再进行分布参数的统计。首先，选取常用的概率分布，即认为风速服从Weibull分布，光照强度服从β分布。然后，通过统计该地区的历史风光出力数据的特征，得到不同天气下的分布参数，计算其所对应的平均值μ和标准差σ。
其中，风电机组输出的有功功率和风速密切相关，其表达式为：
式中，Pw为风电机组出力；v为风速；vr为额定风速；vout为切出风速；vin为切入风速；为风电机组额定功率；h1、h2为风电机组出力参数。
风速的概率密度函数通过Weibull分布可表示为：
式中，k为特征参数，c为规模参数。
光照强度的概率密度函数通过β分布可表示为
Pso＝EApvηpv
式中E为太阳辐射强度，Apv为光伏组件的辐射面积，ηpv为光转电效率。
对统计后分布的标准差按照信息获取时间间隔进行修正，表征在当日获取多日后的天气预报随着时间间隔的增加其不确定性进一步增长，其中ζn根据人工经验进行设置：
σn＝(1+ζn)σ
其中，σn为修正后第n天出力分布的标准差，ζn为第n天出力分布标准差的修正系数，根据人工经验进行设置，标准差表征分散程度进一步拉大，β(a,b)分布的分散程度与a+b相关。
对上述方法生成的分布式电源出力分布，采用拉丁超立方抽样方法进行抽样，采用快速后向削减方法进行场景削减，最终得到考虑天气分型下分布式电源不确定性的典型场景集。
利用场景分析法构建多日调度模型，得到日前优化的多调度资源最优调度方案。目标函数包括：最大化分布式新能源消纳
最小化综合能源系统运行成本
其中δs为场景s出现的概率；N为调度优化总天数；dn为第n天；分别为s场景下t时段的煤机运行成本、气机运行成本、储能运行成本和外购电成本；为弃风、弃光惩罚成本；为在s场景下t时段的外部购买供应气量；cgas,start、cgas,stop分别为燃气机组t时段的购气成本系数、燃气机组的启动和关机成本系数；为气机运行状态变量，1表示开机，0表示停机；为气机i在t时段的出力；γgas,i为气机i的运行成本系数；I2为气机数量；为煤机i在s场景下t时段的出力；ai、bi、ci为煤机i的运行成本参数；分别为风电机组和光伏机组在s场景下t时段的出力和预测出力；γw、γsoγso分别为弃风、弃光电量的惩罚费用系数；分别为储能装置在s场景下t时段的储能和发电出力；γst、γe分别为储能装置储能阶段和发电阶段运行成本参数。为在s场景下t时段外购电量，γt为t时段相应购电单价。
约束条件包括功率平衡约束、机组出力上下限约束、机组爬坡限制约束、线路潮流约束等。其中，功率平衡约束：
其中为t时段的预测负荷。
其余约束还有：火电机组出力约束：
其中和为煤机i出力上下限；为煤机运行状态变量，1表示开机0表示停机。
光伏和风电出力约束：
其中Pso,min和Pso,max分别表示光伏出力的下限和上限；Pw,min和Pw,max分别表示风电出力的下限和上限。
天然气机组相关约束：能量转换方程：
其中为气机i的能量转换效率；Hgas为天然气热值；Δt为调度时段的时间长度。
机组出力上下限约束：
其中和为气机i出力上下限。
机组爬坡约束：
其中URi、DRi为气机i增减负荷时的调节速率。
机组日启停次数约束：
其中Z为调度气机日启停次数上限。
储能装置约束：主要包括充放电功率上下限约束和荷电状态约束。
其中PEc,max和PEc,min分别为储能系统(ESS)充电功率上、下限；PEdis,max和PEdis,min分别为ESS放电功率上、下限；QSOC,max和QSOC,min分别为ESS的储热量上、下限；BEc,s,t和BEdis,s,t为状态变量，分别表示ESS的充、放电状态；QSOC,0和QSOC,T分别为ESS调度周期开始和结尾时刻的储能量。
气量平衡约束：在实际运行中，天然气系统需要满足节点气流平衡方程，即任一节点天然气流入流出量和管存量保持平衡。调度过程中，天然气日供应量、管存存储量和使用量存在总量约束平衡。
其中为在t时段第i个气机的天然气使用量；分别为管道m处第dn天调度结束时间点和调度初始时间点的天然气管存量；为第dn天的外部购买供应气量，M为所有管道的集合。
为了合理利用管存能力，调度周期始末应保持管存能力相近，对上述约束进行补充。
其中ε为多日调度始末天然气管存控制裕度，取较小值，如取5％。T0和TN分别为完整调度周期中调度初始和调度结束时间点。
节点气压约束：
其中和分别表示节点m处气压的上限与下限。
管道潮流约束：
其中和分别表示t+Δt时刻管道m天然气传输量的上限和下限。
省间购电量约束：
通过专家经验设置权重系数将多目标优化问题转化为单目标函数：
max(α1F1-α2F2)或者min(-α1F1+α2F2)
通过考虑n日调度周期内的源端协同调度，取在第p天的初始(p，p+n)周期内的数值天气预报、风光出力与负荷预测值计算(p，p+n)调度周期问题的最优解。取(p，p+1)的调度方案作为日前调度方案。在第p+1天更新这段时间执行后的储能装置存储量，更新最新调度周期内的数值天气预报、风光出力与负荷预测值，继续令p＝p+1向前重复上述过程。最终获得连续的日前优化的多调度资源最优调度方案。
上述实施例是对本发明的进一步阐述和说明，以便于理解，并不是对本发明的任何限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种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，其特征在于，包括：
构建考虑天气分型下分布式电源不确定性的典型场景；
利用场景分析法构建多日调度模型，包括以最大化消纳分布式新能源和最小化综合能源系统运行成本为目标的目标函数，以及对应的约束条件；
考虑n日调度周期内的源端协同调度计算多日调度模型的最优解，作为日前优化的多调度资源调度方案。
2.根据权利要求1所述的一种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，其特征在于，所述构建考虑天气分型下分布式电源不确定性的典型场景包括：
确定风速和光照强度的分布条件，根据历史分布式发电出力数据计算不同天气下的分布参数；计算分布参数对应分布的平均值和标准差，对分布的标准差按照信息获取时间间隔进行修正；采用拉丁超立方抽样方法进行抽样，采用快速后向削减方法进行场景削减，得到考虑天气分型下分布式电源不确定性的典型场景集。
3.根据权利要求1或2所述的一种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，其特征在于，对数值天气预报信息按三种典型天气进行归类处理，按照日平均云量和降水量划分为晴天e1、多云e2、阴雨天e3，则有：
S＝{s|(ei,ej,ek,δi,j,k),i＝1,2,3,j＝1,2,3,k＝1,2,3}
其中，δi,j,k为三天内依次出现ei,ej,ek天气的场景的概率；场景集合为S。
4.根据权利要求1所述的一种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，其特征在于，所述目标函数包括：
其中，N为调度优化总天数；dn为第n天；δs为场景s出现的概率；分别为风电机组和光伏机组在s场景下t时段的出力；分别为s场景下t时段的煤机运行成本、气机运行成本、储能运行成本和外购电成本；为弃风、弃光惩罚成本；将两个函数通过加权求和转化为单目标函数进行求解。
5.根据权利要求1或4所述的一种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，其特征在于，所述约束条件包括功率平衡约束、机组出力上下限约束、机组爬坡限制约束和线路潮流约束；所述功率平衡约束为：
其中为t时段的预测负荷；I1为煤机数量；I2为气机数量；为煤机j在s场景下t时段的出力；为气机i在s场景下t时段的出力；分别为风电机组和光伏机组在s场景下t时段的出力，分别为储能装置在s场景下t时段的储能和发电出力；为在s场景下t时段外购电量。
6.根据权利要求4所述的一种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，其特征在于，所述气机运行成本包括操作控制成本和购气成本：
其中为在s场景下t时段的外部购买供应气量；cgas,start、cgas,stop分别为燃气机组t时段的购气成本系数、燃气机组的启动和关机成本系数；为气机运行状态变量，1表示开机，0表示停机；为气机i在t时段的出力；γgas,i为气机i的运行成本系数。
7.根据权利要求5所述的一种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，其特征在于，所述约束条件还包括气量平衡约束：
其中为在t时段第i个气机的天然气使用量；分别为第dn天调度结束时间点和调度初始时间点的天然气管存量；为第dn天的外部购买供应气量。
8.根据权利要求1或2或4或6或7所述的一种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，其特征在于，取在第p日的初始(p，p+n)周期内的数值天气预报、风光出力与负荷预测值计算(p，p+n)调度周期问题的最优解，取(p，p+1)的调度方案作为日前调度方案，在第p+1日更新这段时间执行后的储能装置存储量，更新最新调度周期内的数值天气预报、风光出力与负荷预测值，继续令p＝p+1向前重复上述过程，最终获得连续的日前优化的多调度资源调度方案。
CN202310815438.4A 2023-07-05 2023-07-05 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 Pending CN117013522A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310815438.4A CN117013522A (zh) 2023-07-05 2023-07-05 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310815438.4A CN117013522A (zh) 2023-07-05 2023-07-05 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

Publications (1)

Publication Number Publication Date
CN117013522A true CN117013522A (zh) 2023-11-07

Family

ID=88571937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310815438.4A Pending CN117013522A (zh) 2023-07-05 2023-07-05 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

Country Status (1)

Country Link
CN (1) CN117013522A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557067A (zh) * 2024-01-10 2024-02-13 缔索新能源科技发展有限公司 分布式能源协同优化系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557067A (zh) * 2024-01-10 2024-02-13 缔索新能源科技发展有限公司 分布式能源协同优化系统
CN117557067B (zh) * 2024-01-10 2024-04-02 缔索新能源科技发展有限公司 分布式能源协同优化系统

Similar Documents

Publication Publication Date Title
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN110417006A (zh) 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN105048516B (zh) 一种风光水火多源互补优化调度方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN112039056A (zh) 一种新能源两阶段优化调度方法
CN110535185A (zh) 一种考虑需求响应的含光热电站多源优化运行方法
CN111160636B (zh) 一种cchp型微电网调度优化方法
CN112600209A (zh) 一种含潮流能的海岛独立微电网容量多目标优化配置方法
Zhang et al. Multi-objective day-ahead optimal scheduling of isolated microgrid considering flexibility
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
CN111682531B (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN116011697A (zh) 一种考虑p2x多能源耦合运行优化调度方法及系统
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
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
CN117974365B (zh) 一种电热综合能源耦合系统多目标运行优化方法及系统
CN116961114A (zh) 基于分区自治的多虚拟电厂协调调度优化方法
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
CN211606121U (zh) 矿热炉煤气参与可再生能源微电网的调峰调频系统
CN110119850B (zh) 基于光热发电调节的储热量双阶段优化调度方法
CN117592690A (zh) 一种水电站群迎峰度夏顶峰能力分析方法
CN117526446A (zh) 梯级水风光多能互补发电系统风光容量双层优化配置方法
CN117353387A (zh) 一种日前市场下水风光联合互补优化调度方法
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
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用

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