CN117239754A - 一种考虑碳排放的风-光-火多电源协调运行方法及系统 - Google Patents
一种考虑碳排放的风-光-火多电源协调运行方法及系统 Download PDFInfo
- Publication number
- CN117239754A CN117239754A CN202311202506.6A CN202311202506A CN117239754A CN 117239754 A CN117239754 A CN 117239754A CN 202311202506 A CN202311202506 A CN 202311202506A CN 117239754 A CN117239754 A CN 117239754A
- Authority
- CN
- China
- Prior art keywords
- power
- model
- carbon emission
- load
- layer
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 144
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 82
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 13
- 238000005265 energy consumption Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 20
- 238000010521 absorption reaction Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000005058 diapause Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑碳排放的风‑光‑火多电源协调运行方法及系统,包括:聚合多电源体内部光伏、风力和燃气轮机,构建上层多电源‑负荷的自主出力消纳模型用于求解配电网中各电源出力及各负荷用电情况;根据多电源体的发电量及各参与自主出力消纳负荷的用电量,建立下层配电网优化模型用于求解配电网潮流结果;引入滞期费协议并设置双层模型收敛条件,构建碳排放流模型计算双层模型收敛时的碳排放流结果;采集多电源参数数据和配电网参数数据输入所构建的模型并求解,得到最佳运行调度结果。本发明引入了碳排放流模型,有效核算了负荷用电产生的碳排放,得到电源及负荷的最佳运行调度结果。
Description
技术领域
本发明属于电力系统调度及优化的技术领域,更具体地,涉及了一种考虑碳排放的风-光-火多电源协调运行模型。
背景技术
随着新型电力系统的发展,配电网正从传统的辐射式功率传输逐渐向多分布式电源接入的方向转变。分布式电源包含了大量可再生能源发电,具有清洁、环保和经济的优点。
然而,接入配电网的分布式电源具有出力随机性,不确定的出力方式将影响配电系统的稳定运行及功率平衡控制。目前大多数研究仅考虑了分布式电源的不确定出力特性,对多电源-负荷自主出力消纳和配电网的协调优化缺少相应的研究。
现有专利文件1提供了一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法,构建了一种区域多能源系统双层碳排放优化分配模型,上层区域多能源主系统主要考虑了配电网、配气网和配热网系统,基于实时环境监测而制定其实时碳排放约束,按照下层区域内各多能源子系统的历史碳排放量实时分解给下层区域内各多能源子系统,并且下层区域内各多能源子系统在优化的同时需满足其实时碳排放约束;最后采用改进的目标级联分析法来求解上层和下层之间区域多能源系统的双层分散优化调度模型。本发明既能降低区域多能源系统上层配网系统的总网络损耗,又能减少下层区域内各能源子系统的运行成本,同时确定区域多能源系统整体碳排放量的最优分配方案。
现有专利文件1存在的技术问题包括:一般而言,流经配电网首端支路的功率最大,然而,现有技术中未考虑多能源系统中光伏、风力的出力波动,出力波动会影响到配电网首端的功率注入,若多能源系统出力较少且网络传输容量不足时,将导致配电网首端传输功率增加甚至越限。另外现有专利文件1仅考虑了源侧的碳排放,而电力系统的低碳运行离不开负荷的低碳用电,因此通过现有技术所实现的调度结果,不能够确保电源及负荷运行处于最佳碳排放状态,因此得到的运行调度结果也不能确保是最佳方案。
发明内容
为解决现有技术中存在的不足,本发明提供一种考虑碳排放的风-光-火多电源协调运行模型,对于多电源-负荷自主出力消纳和配电网的协调运行方面研究不足的技术问题。
本发明采用如下的技术方案。
一种考虑碳排放的风-光-火多电源协调运行方法,包括以下步骤:
步骤1,聚合多电源体内部光伏、风力和燃气轮机,构建上层多电源-负荷的自主出力消纳模型用于求解配电网中各电源出力及各负荷用电情况;
步骤2,根据多电源体的发电量及各参与自主出力消纳负荷的用电量,建立下层配电网优化模型用于求解配电网潮流结果;
步骤3,引入滞期费协议并设置双层模型收敛条件,构建碳排放流模型用于计算双层模型收敛时的碳排放流结果;
步骤4,采集多电源参数数据和配电网参数数据输入所构建的模型并求解,得到最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
优选地,步骤1具体包括:
步骤101,构建以整体成本最低为目标的多电源体和负荷聚合的自主出力消纳模型的目标函数,其中多电源体包括燃气轮机、光伏和风力;
步骤102,构建自主出力消纳模型的约束,包括燃气轮机约束、负荷约束和能量平衡约束;
步骤103,基于ADMM算法实现多电源体和负荷的分布式优化,对目标函数进行拆分,得到上层多电源体-负荷的自主出力消纳模型。
优选地,所述步骤101中,构建的目标函数如下:
式中:i为多电源体或负荷节点,t为优化时段;w为风电出力场景;s为光伏出力场景;ρw为风电出力场景w的概率;ρs为光伏出力场景s的概率;P、S、T分别表示风电场景总数、光伏场景总数和时段总数;为多电源体燃气轮机出力成本;/>为负荷电能消耗带来的社会效益;/>为负荷碳排放成本。
优选地,所述步骤103中,得到上层多电源体-负荷的自主出力消纳模型如下:
式中:Pi,j,t为节点i和j的功率传输量,为ADMM算法中的对偶变量,ρ为迭代步长,节点表示多电源体或负荷所在节点,sce表示多电源体集合,load表示负荷的集合。
优选地,所述步骤2还包括:
步骤201,建立下层交流配电网优化的目标函数;
步骤202,建立下层交流配电网优化的约束条件,包括节点功率平衡约束、支路功率约束、节点电压约束和节点碳排放约束。
优选地,步骤201中建立的目标函数为:
式中:i为配电网中的多电源体或负荷所在节点;为碳排放成本函数;/>为有功平衡价格;/>为无功平衡价格;C为双层功率偏差惩罚函数;/>为节点i超额碳排放量;Pt in为变电站有功注入量;/>为变电站无功注入量;ΔPi,t为双层有功功率不平衡量;Δt为时间间隔。
优选地,所述步骤3还包括:
步骤301,引入滞期费协议并设置双层模型求解时的收敛条件,收敛条件包括双层平衡条件和迭代收敛条件;
步骤302,构建碳排放流模型,用于计算双层模型收敛时的碳排放流结果。
优选地,步骤301中,双层平衡条件为:
迭代收敛条件为:
式中:和/>分别为节点碳排放强度和功率传输量的迭代残差;εd为残差容忍上限,其值为一个足够小的正数。
优选地,所述步骤302中碳排放流模型具体包括:
计算节点碳排放强度:
式中:为支路碳排放强度;ρi,g,t为出力单元碳排放强度;g为出力单元编号;
计算支路碳排放强度:
支路碳排放强度等于该线路实际有功潮流流动首端的节点碳排放强度;
计算线路碳排放强度:
线路碳排放强度表示有功网损产生的碳排放。
优选地,步骤4具体包括:
多电源参数包括光伏参数、风电参数、燃气轮机参数、负荷参数;光伏参数ρs、风电参数ρw、/>燃气轮机参数αi、βi、/>-ri d、ri u,负荷参数/>的数据将被输入至步骤1所构建的上层模型,配电网参数Sl、rl、Xl、v i、/>输入至步骤2所构建的下层模型,运用GAMS软件IPOPT求解器求解双层协调运行模型,在满足步骤3所提出的迭代方式及收敛判据的前提下进行求解,得到满足成本和碳排放综合最低的最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
本发明还提供了一种考虑碳排放的风-光-火多电源协调运行系统,包括:数据采集模块、模型构建模块和求解模块;
通过模型构建模块构建双层协调运行模型和碳排放流模型,双层协调运行模型包括上层多电源-负荷的自主出力消纳模型和下层交流配电网优化模型;
数据采集模块用于采集求解模型所需的电源运行参数,包括光伏参数、风电参数、燃气轮机参数、负荷参数、配电网参数;
求解模块通过引入滞期费协议并设置双层模型收敛条件,并结合数据采集模块采集的参数对建双层协调运行模型和碳排放流模型进行求解,得到各电源出力、负荷用电及碳排放流结果。
本发明还提供了一种终端,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述多电源协调运行方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述多电源协调运行方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明引入碳排放流为负荷的碳排放核算提供理论依据,充分调动负荷对系统低碳电能的消费意愿,从负荷侧推进系统对分布式光伏、风力的消纳;通过构建考虑碳排放的多电源、负荷及配电网的双层协调运行模型,上层包括多电源及负荷,通过ADMM算法实现多电源—负荷的自主出力消纳,实现多电源及负荷的整体收益最大化。下层为配电网的优化调度,实现多电源—负荷内部功率在物理层面的分配,潮流结果为碳排放流更新提供依据,以核算负荷用电产生的碳排放,本发明通过滞期费协议促进双层协调运行模型的收敛,能够直接采用GAMS等建模软件建模求解,降低求解难度,得到电源及负荷的最佳运行调度结果;多电源-负荷的自主出力消纳可满足分布式资源和负荷的内部能量平衡,将配电网的随机潮流优化转变为确定性优化模型,降低了配网的调度压力。此外碳排放流的引入给负荷碳排放核算提供依据,充分调动负荷的低碳用电意愿,实现多电源、负荷及配电网的协调运行。
附图说明
图1是本发明中协调运行方法的流程图;
图2为本发明中IEEE33节点输电网测试系统示意图;
图3为本发明中多场景光伏出力示意图;
图4为本发明中多场景风电出力示意图;
图5是本发明中协调运行系统的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,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有所其它实施例,都属于本发明的保护范围。
本发明设计了一种考虑碳排放的风-光-火多电源协调运行方法,如图1所示,该方法的具体步骤如下:
步骤1:聚合多电源体内部光伏、风力和燃气轮机,并建立负荷模型,引入ADMM算法构建上层多电源-负荷的自主出力消纳模型;
步骤1的具体过程如下:
步骤101,构建以整体成本最低为目标的多电源体和负荷聚合的多电源-负荷自主出力消纳模型的目标函数,多电源体包括燃气轮机、光伏和风力;
构建的目标函数如下:
式中:i为多电源体或负荷,t为优化时段;w为风电出力场景;s为光伏出力场景;ρw为风电出力场景w的概率;ρs为光伏出力场景s的概率;P、S、T分别表示风电场景总数、光伏场景总数和时段总数;为多电源体燃气轮机出力成本;/>为负荷电能消耗带来的社会效益;/>为负荷碳排放成本。
通过引入场景及场景概率,建立的目标函数是一个期望值,在目标函数的构建中考虑了各个场景情况。
其中,多电源体燃气轮机出力成本满足:
式中:为多电源体i中燃气轮机的出力,αi和βi为燃气轮机的出力成本的二次项系数及线性项系数。
负荷电能消耗带来的社会效益满足:
式中:为负荷i消耗的功率,ai和bi为负荷的社会效益的二次项系数及线性项系数。
负荷碳排放成本满足:
式中:λi,t为碳排放单位成本,υi,t为负荷所在配电网节点的碳排放强度。
步骤102,构建自主出力消纳模型的约束,包括燃气轮机约束、负荷约束和能量平衡约束;
具体的,在自主出力消纳模型中,燃气轮机出力用于填补光伏、风力的出力波动,燃气轮机、光伏、风力的总出力和参与自主出力消纳的负荷的用电平衡。
燃气轮机约束包括出力约束和爬坡约束,燃气轮机约束如下:
式中:和/>分别为多电源体i中燃气轮机出力上下限;/>和/>分别燃气轮机备用上下限;-ri d和ri u分别为燃气轮机爬坡上下限。
负荷约束如下:
式中:和/>分别为负荷用电量的上下限,Pi为负荷于一天内总用电量。
能量平衡约束如下:
式中,sce表示多电源体集合,load表示负荷的集合。
步骤103,基于ADMM算法实现多电源体和负荷的分布式优化,对目标函数进行拆分,得到上层多电源体-负荷的自主出力消纳模型;
为保障负荷用电隐私,引入ADMM算法实现多电源体和负荷的分布式优化,对目标函数进行拆分,得到上层多电源体-负荷的自主出力消纳模型如下:
式中:Pi,j,t表示节点i从节点j获取的功率,Pj,i,t表示节点j从节点i获取的功率,为ADMM算法中的对偶变量,ρ为迭代步长,节点表示多电源体或负荷所在节点。
功率传输量和出力消纳满足如下约束:
式中:Pi,j,t为节点i从节点j获得的功率;为出力消纳,当/>的值为正时表示消纳,当/>的值为负时表示出力。
其中,对偶变量的更新步骤为:
迭代收敛条件为:
式中:εp和εd分别为原始残差和对偶残差。
上层功率消纳结果包括各多电源体的发电量及各参与自主出力消纳负荷的用电量,通过求解上层多电源体-负荷的自主出力消纳模型,能够得到配电网优化调度的必要参数,包括各电源节点的出力情况、以及各负荷节点的用电情况。
步骤2:根据多电源体的发电量及各参与自主出力消纳负荷的用电量,建立下层配电网优化模型,下层配电网优化模型用于求解配电网潮流结果;
根据步骤1所构建的上层多电源-负荷的自主出力消纳模型能够得到上层功率消纳结果,即各多电源体的发电量及各参与自主出力消纳负荷的用电量,步骤2中通过建立下层配电网优化模型,以完成物理层面的功率分配;
步骤2的具体过程如下:
步骤201,建立下层交流配电网优化模型的目标函数:
式中:i为配电网中的多电源体或负荷所在节点;为碳排放成本函数;/>为有功平衡价格;/>为无功平衡价格;C为双层功率偏差惩罚函数;/>为节点i超额碳排放量;Pt in为变电站有功注入量;/>为变电站无功注入量;ΔPi,t为双层有功功率不平衡量;Δt为时间间隔。
步骤202,建立下层交流配电网优化模型的约束条件,包括节点功率平衡约束、支路功率约束、节点电压约束、节点碳排放约束;
1)节点功率平衡约束:
式中:l为支路编号;o(l)为支路首端所在节点;r(l)为支路末端所在节点;和分别为支路有功和无功;/>为节点原始负荷;al,t为支路平方电流;rl和Xl分别为支路电阻和电抗。
2)支路功率约束:
式中:Sl为支路功率上限。
3)节点电压约束:
式中:vi,t为节点平方电压;v i和为节点平方电压上下限。
4)节点碳排放约束:
式中:k*为双层迭代次数;为节点碳势;/>为支路碳排放量;/>为初始碳排放量;/>为超额碳排放量。
上述节点碳排放约束的不等式左侧表示节点碳排放量,本发明中考虑到配电网支路的有功功率损耗同样产生碳排放,因此将支路的碳排放分别让支路两端节点共同承担,即每个节点额外承担
通过求解下层交流配电网优化模型,可以得到满足上层功率出力消纳的配电网潮流分布,实现了物理层面的功率分配,同时为碳排放流计算提供必要数据。
通过构建下层交流配电网优化模型,可以求解得到满足上层功率消纳结果的配电网潮流分布结果。
步骤3,引入滞期费协议并设置双层模型收敛条件,并构建碳排放流模型用于计算双层模型收敛时的碳排放流结果;
采用滞期费协议实现双层模型收敛,用于对构建的双层模型进行求解,并引入碳排放流理论构建碳排放流模型核算负荷的碳排放。
步骤3的具体过程如下:
步骤301,引入滞期费协议并设置双层模型收敛条件,收敛条件包括双层平衡条件和迭代收敛条件,用于求解双层模型时实现双层模型收敛平衡,当双层模型平衡时,滞期费惩罚因子已趋于零,即上下层模型功率达到平衡;
1)双层平衡条件:
建立双层模型的目的为实现多电源-负荷的自主出力消纳和配电网的协同优化,当双层平衡条件满足时,则双层达到均衡,即求解完成。
2)在求解上层多电源-负荷的自主出力消纳模型时,在其目标函数中引入滞期费协议惩罚因子:
式中:为滞期费协议惩罚因子,可展开成下式:
式中:为拉格朗日乘数;/>为高斯核函数。
拉格朗日乘数和高斯核函数的更新方式为:
式中:exp(.)为自然常数e的指数函数;σ为内核宽度。
(3)迭代收敛条件为:
式中:和/>分别为节点碳排放强度和功率传输量的迭代残差;εd为残差容忍上限,其值为一个足够小的正数。
步骤302,构建碳排放流模型,用于计算双层模型收敛时的碳排放流结果;
其中,基于下层交流配电网优化模型得到的配电网潮流结果为碳排放流计算提供有功功率分布数据,计算的碳排放包括节点碳排放强度、支路碳排放强度和线路碳排放强度;
1)节点碳排放强度
式中:ρi,t表示节点i在优化时间t内的碳排放强度,即节点碳势,为支路碳排放强度;ρi,g,t为出力单元碳排放强度;g为出力单元编号。
2)支路碳排放强度
支路碳排放强度等于该线路实际有功潮流流动首端的节点碳排放强度。
3)线路碳排放强度
线路碳排放强度表示有功网损产生的碳排放。
步骤4,采集多电源参数数据和配电网参数数据输入模型,运用GAMS软件IPOPT求解器求解双层协调运行模型,得到最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
多电源参数包括光伏参数、风电参数、燃气轮机参数、负荷参数;光伏参数ρs、风电参数ρw、/>燃气轮机参数αi、βi、/>-ri d、ri u,负荷参数/>的数据将被输入至步骤1所构建的上层模型,配电网参数Sl、rl、Xl、v i、/>输入至步骤2所构建的下层模型,运用GAMS软件IPOPT求解器求解双层协调运行模型,在满足步骤3所提出的迭代方式及收敛判据的前提下进行求解,得到满足成本和碳排放综合最低的最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
具体的,通过步骤1所构建的上层多电源-负荷的自主出力消纳模型得到各节点电源出力、各节点负荷用电情况;通过步骤2所构建的下层配电网优化模型得到配电网潮流结果;通过步骤3引入的滞期费协议实现双层模型收敛,以及构建的碳排放流模型得到配电网的碳排放结果。
如图5所示,本发明还提供了一种考虑碳排放的风-光-火多电源协调运行系统,上述多电源协调运行方法能够基于该系统实现,该系统包括:数据采集模块、模型构建模块和求解模块;
具体的,通过模型构建模块构建双层协调运行模型和碳排放流模型,包括上层多电源-负荷的自主出力消纳模型和下层交流配电网优化模型;
数据采集模块用于采集求解模型所需的电源运行参数,包括光伏参数、风电参数、燃气轮机参数、负荷参数、配电网参数;
求解模块通过引入滞期费协议并设置双层模型收敛条件,并结合数据采集模块采集的参数对建双层协调运行模型和碳排放流模型进行求解,得到各电源出力、负荷用电及碳排放流结果。
为了验证本发明的有益效果,采用IEEE33节点配电网测试系统作为一个具体的实施例进行实验,其示意图如图2所示。系统包括32条支路,33个节点。3个多电源体分别接于节点10、16和31,参数如表1所示。消纳多电源体的负荷接于节点6、9、15、25、29和33,其余节点为普通负荷节点,功率需求由变电站提供。多场景光伏出力及风电如图3和图4所示。采用GAMS软件对模型进行求解,所得结果如下。
各单位成本及收益如表2所示,电源体的成本来自于燃气轮机,负荷的成本由社会效益及碳排放费用两部分决定,各单元的总成本为-272.8$。
双层模型总计算时间为68.3s,外层迭代共计6次达到收敛域,说明本法明建立的双层模型可有效解决所提出的双层协调模型,并具有良好的收敛性。
表1:多电源体燃气轮机参数
表2:各单位成本及收益
本发明的有益效果在于,与现有技术相比,本发明考虑了光伏、风力的出力场景,并引入用于消纳本发明所提出多电源系统电能的负荷,从而配电网首端支路的传输功率将仅由剩余负荷所决定。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种考虑碳排放的风-光-火多电源协调运行方法,其特征在于,包括以下步骤:
步骤1,聚合多电源体内部光伏、风力和燃气轮机,构建上层多电源-负荷的自主出力消纳模型用于求解配电网中各电源出力及各负荷用电情况;
步骤2,根据多电源体的发电量及各参与自主出力消纳负荷的用电量,建立下层配电网优化模型用于求解配电网潮流结果;
步骤3,引入滞期费协议并设置双层模型收敛条件,构建碳排放流模型用于计算双层模型收敛时的碳排放流结果;
步骤4,采集多电源参数数据和配电网参数数据输入所构建的模型并求解,得到最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
2.根据权利要求1所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
步骤1具体包括:
步骤101,构建以整体成本最低为目标的多电源体和负荷聚合的自主出力消纳模型的目标函数,其中多电源体包括燃气轮机、光伏和风力;
步骤102,构建自主出力消纳模型的约束,包括燃气轮机约束、负荷约束和能量平衡约束;
步骤103,基于ADMM算法实现多电源体和负荷的分布式优化,对目标函数进行拆分,得到上层多电源体-负荷的自主出力消纳模型。
3.根据权利要求2所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
所述步骤101中,构建的目标函数如下:
式中:i为多电源体或负荷节点,t为优化时段;w为风电出力场景;s为光伏出力场景;ρw为风电出力场景w的概率;ρs为光伏出力场景s的概率;P、S、T分别表示风电场景总数、光伏场景总数和时段总数;为多电源体燃气轮机出力成本;/>为负荷电能消耗带来的社会效益;/>为负荷碳排放成本。
4.根据权利要求3所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
所述步骤103中,得到上层多电源体-负荷的自主出力消纳模型如下:
式中:Pi,j,t为节点i和j的功率传输量,为ADMM算法中的对偶变量,ρ为迭代步长,节点表示多电源体或负荷所在节点,sce表示多电源体集合,load表示负荷的集合。
5.根据权利要求1所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
所述步骤2还包括:
步骤201,建立下层交流配电网优化的目标函数;
步骤202,建立下层交流配电网优化的约束条件,包括节点功率平衡约束、支路功率约束、节点电压约束和节点碳排放约束。
6.根据权利要求5所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
步骤201中建立的目标函数为:
式中:i为配电网中的多电源体或负荷所在节点;为碳排放成本函数;/>为有功平衡价格;/>为无功平衡价格;C为双层功率偏差惩罚函数;/>为节点i超额碳排放量;/>为变电站有功注入量;/>为变电站无功注入量;ΔPi,t为双层有功功率不平衡量;Δt为时间间隔。
7.根据权利要求6所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
所述步骤3还包括:
步骤301,引入滞期费协议并设置双层模型求解时的收敛条件,收敛条件包括双层平衡条件和迭代收敛条件;
步骤302,构建碳排放流模型,用于计算双层模型收敛时的碳排放流结果。
8.根据权利要求7所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
步骤301中,双层平衡条件为:
迭代收敛条件为:
式中:和/>分别为节点碳排放强度和功率传输量的迭代残差;εd为残差容忍上限,其值为一个足够小的正数。
9.根据权利要求8所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
所述步骤302中碳排放流模型具体包括:
计算节点碳排放强度:
式中:为支路碳排放强度;ρi,g,t为出力单元碳排放强度;g为出力单元编号;
计算支路碳排放强度:
支路碳排放强度等于该线路实际有功潮流流动首端的节点碳排放强度;
计算线路碳排放强度:
线路碳排放强度表示有功网损产生的碳排放。
10.根据权利要求7所述的考虑碳排放的风-光-火多电源协调运行方法,其特征在于,
步骤4具体包括:
多电源参数包括光伏参数、风电参数、燃气轮机参数、负荷参数;光伏参数ρs、风电参数ρw、/>燃气轮机参数αi、βi、/>-ri d、ri u,负荷参数/>的数据将被输入至步骤1所构建的上层模型,配电网参数Sl、rl、Xl、vi、/>输入至步骤2所构建的下层模型,运用GAMS软件IPOPT求解器求解双层协调运行模型,在满足步骤3所提出的迭代方式及收敛判据的前提下进行求解,得到满足成本和碳排放综合最低的最佳运行调度结果,包括电源出力、负荷用电情况、配电网潮流结果及碳排放流结果。
11.一种利用权利要求1-10任一项权利要求所述多电源协调运行方法的考虑碳排放的风-光-火多电源协调运行系统,其特征在于,包括:数据采集模块、模型构建模块和求解模块;
通过模型构建模块构建双层协调运行模型和碳排放流模型,双层协调运行模型包括上层多电源-负荷的自主出力消纳模型和下层交流配电网优化模型;
数据采集模块用于采集求解模型所需的电源运行参数,包括光伏参数、风电参数、燃气轮机参数、负荷参数、配电网参数;
求解模块通过引入滞期费协议并设置双层模型收敛条件,并结合数据采集模块采集的参数对建双层协调运行模型和碳排放流模型进行求解,得到各电源出力、负荷用电及碳排放流结果。
12.一种终端,包括处理器及存储介质;其特征在于:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-10任一项所述方法的步骤。
13.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311202506.6A CN117239754A (zh) | 2023-09-18 | 2023-09-18 | 一种考虑碳排放的风-光-火多电源协调运行方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311202506.6A CN117239754A (zh) | 2023-09-18 | 2023-09-18 | 一种考虑碳排放的风-光-火多电源协调运行方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117239754A true CN117239754A (zh) | 2023-12-15 |
Family
ID=89096268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311202506.6A Pending CN117239754A (zh) | 2023-09-18 | 2023-09-18 | 一种考虑碳排放的风-光-火多电源协调运行方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117239754A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117913922A (zh) * | 2024-03-20 | 2024-04-19 | 广东电网有限责任公司广州供电局 | 一种计及网络碳损分布的配电网的绿色调度方法 |
-
2023
- 2023-09-18 CN CN202311202506.6A patent/CN117239754A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117913922A (zh) * | 2024-03-20 | 2024-04-19 | 广东电网有限责任公司广州供电局 | 一种计及网络碳损分布的配电网的绿色调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243516B (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
Yang et al. | Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage | |
Sheng et al. | Capacity configuration optimisation for stand‐alone micro‐grid based on an improved binary bat algorithm | |
CN117239754A (zh) | 一种考虑碳排放的风-光-火多电源协调运行方法及系统 | |
Cai et al. | Multi‐mode adaptive local reactive power control method based on PV inverters in low voltage distribution networks | |
Ying et al. | Dispatching approach for active distribution network considering PV generation reliability and load predicting interval | |
Mu et al. | Research on sensitivity analysis of wind power consumption capability of integrated energy system based on unified optimal power flow model | |
Wai et al. | Installed capacity selection of hybrid energy generation system via improved particle‐swarm‐optimisation | |
Zheng et al. | A reliable method of wind power fluctuation smoothing strategy based on multidimensional non‐linear exponential smoothing short‐term forecasting | |
Luo et al. | Two‐stage robust optimal scheduling of wind power‐photovoltaic‐thermal power‐pumped storage combined system | |
Yang | Multi‐objective optimization of integrated gas–electricity energy system based on improved multi‐object cuckoo algorithm | |
Liu et al. | Distributionally robust co‐optimization of the demand‐side resources and soft open points allocation for the high penetration of renewable energy | |
Yang et al. | Adaptive robust optimal dispatch of microgrid based on different robust adjustment parameters | |
CN111079982B (zh) | 风电场的电缆路径的规划方法、系统、介质及电子设备 | |
CN117236590A (zh) | 综合能源系统运行成本和碳排放的协同优化方法及系统 | |
CN108108837A (zh) | 一种地区新能源电源结构优化预测方法和系统 | |
Feng et al. | Real‐time active power dispatch of virtual power plant based on distributed model predictive control | |
Zhang et al. | Influence of distributed photovoltaic power generation on distribution network and the design of optimal access scheme | |
Tang et al. | Synthesised‐objective collaborative model and its solution algorithm for transmission–distribution coordinated optimisation | |
Shi et al. | Day‐ahead optimal dispatching of hybrid power system based on deep reinforcement learning | |
Song et al. | Power grid planning based on differential abandoned wind rate | |
CN115579935A (zh) | 发电系统控制方法、装置、系统、电子设备及存储介质 | |
Wang et al. | Analysis for distribution network on hosting capacity of distributed wind turbines considering additional income under procedure conditions | |
Ma et al. | Day‐ahead dispatch strategy for integrated system of wind/photovoltaic/pumped‐storage/gas‐turbine‐power/energy storage based on multi‐frequency scale of PWP | |
Ye et al. | Multi-scenario stochastic optimal scheduling for power systems with source-load matching based on pseudo-inverse Laguerre polynomials |
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 |