CN117422183A - 机组检修优化方法、装置、设备及存储介质 - Google Patents
机组检修优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117422183A CN117422183A CN202311736836.3A CN202311736836A CN117422183A CN 117422183 A CN117422183 A CN 117422183A CN 202311736836 A CN202311736836 A CN 202311736836A CN 117422183 A CN117422183 A CN 117422183A
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- energy storage
- unit
- standby
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 51
- 238000004146 energy storage Methods 0.000 claims abstract description 168
- 238000012423 maintenance Methods 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000015654 memory Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000013215 result calculation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- QVQLCTNNEUAWMS-UHFFFAOYSA-N barium oxide Chemical compound [Ba]=O QVQLCTNNEUAWMS-UHFFFAOYSA-N 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000907788 Cordia gerascanthus Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及电力调度技术领域,公开了机组检修优化方法、装置、设备及存储介质,该方法包括:获取预先设置的多个各调频备用调用场景的样本数据;通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果;根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵;对机组检修计划模型进行计算,得到机组检修优化方案,机组检修计划模型的约束条件包含分布鲁棒约束,分布鲁棒约束使得优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平,本发明保证了机组检修下电网备用的充裕性和鲁棒性。
Description
技术领域
本发明涉及电力调度技术领域,具体涉及机组检修优化方法、装置、计算机设备及存储介质。
背景技术
大规模新能源接入产生的出力波动性对电网的备用提出了更高需求,当电网出现波动时,通常是通过机组和储能共同出力对电网进行调频,使得电网平稳运行。机组和储能中通常会预留有一定量的调频备用,当正常的调频无法满足电网需求时,需要调用机组和储能中的调频备用。
但是机组需要不定期地进行检修,检修过程中无法为电网提供调频备用,因此机组检修会导致电网备用减少,因此一方面需要对机组检修计划进行更优化的编制,另一方面需要积极增加储能资源为电网提供备用,使得机组检修时,储能资源能够为电网提供充足的调频备用,因此,如何设置在储能资源中设置调频备用使得机组检修时储能资源能够满足电网的用电需求是一个亟待解决的技术问题。
发明内容
有鉴于此,本发明提供了一种机组检修优化方法、装置、设备及存储介质,以解决机组检修时正常的调频无法满足电网需求的问题。
第一方面,本发明提供了一种机组检修优化方法,包括:获取预先设置的多个各调频备用调用场景的样本数据;通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果;根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵;对机组检修计划模型进行计算,得到机组检修优化方案,机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;机组检修计划模型包括目标函数和约束条件,目标函数用于表征机组和储能的总成本最小,总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;约束条件包含分布鲁棒约束,在满足期望和协方差的任意概率分布模糊集中,分布鲁棒约束使得通过机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
本发明实施例提供的方法,预先设置了多个不同的调频备用调用场景,通过各场景中的样本数据计算得到储能调频备用调用率的期望和协方差,然后通过机组检修计划模型计算得到机组检修优化方案,其中,机组检修计划模型中的约束条件包括分布鲁棒约束,在满足期望和协方差的任意概率分布模糊集中,通过本发明实施例计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平,保证了机组检修下电网备用的充裕性和鲁棒性。
在一种可选的实施方式中,根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的协方差矩阵的步骤包括:根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的原始协方差矩阵;若原始协方差矩阵不为半正定矩阵,通过F范数逼近方法计算与原始协方差矩阵距离最短的半正定矩阵,将与原始协方差矩阵距离最短的半正定矩阵确定为协方差矩阵。
在一种可选的实施方式中,储能调频备用调用率包括第一概率、第二概率、第三概率和第四概率;第一概率用于表征各储能在不同时段中,在放电状态下的提供正调频概率;第二概率用于表征各储能在不同时段中,在放电状态下的提供负调频概率;第三概率用于表征各储能在不同时段中,在充电状态下的提供正调频概率;第四概率用于表征各储能在不同时段中,在充电状态下的提供负调频概率。
在一种可选的实施方式中,机组检修计划中的目标函数为:
其中,T为总时段数,G为常规机组集合,S为储能集合,为机组g在时段t的运行成本,/>为机组g在时段t提供调频备用的成本,/>为机组g在时段t提供事故备用的成本,/>为储能s在时段t的充电成本,/>为储能s在时段t的放电收益,/>为储能s在时段t提供调频备用的成本,/>为储能s在时段t提供事故备用的成本,/>为机组g在时段t的计划出力,/>、/>为机组g在时段t预留的调频备用和事故备用,/>、/>分别为储能s在时段t计划的充电功率和放电功率,/>、/>分别为储能s在时段t在充电状态预留的调频备用和事故备用,/>、/>分别为储能s在时段t在放电状态预留的调频备用和事故备用。
在一种可选的实施方式中,分布鲁棒约束为:
其中,Pr(∙)表示发生事件的概率,为储能s的容量,/>为储能s在时段t-1的荷电状态,/>为储能s的充放电效率,/>为在时段t’中,储能s在放电状态下的提供正调频备用概率,/>为在时段t’中,储能s在充电状态预留的调频备用,/>为时间间隔长度,/>为在时段t’中,储能s在充电状态下的提供正调频备用概率,/>为在时段t’中,储能s在放电状态预留的调频备用,/>为储能s在时段t计划的放电功率,/>为在时段t中,储能s在充电状态预留的调频备用,/>为在时段t中,储能s在充电状态预留的事故备用,为储能s的荷电状态的最小限值,/>为预设置信水平,/>为在时段t’中,储能s在放电状态下的提供负调频备用概率,/>为在时段t’中,储能s在充电状态下的提供负调频备用概率,/>为储能s在时段t计划的充电功率,/>为在时段t中,储能s在放电状态预留的调频备用,/>为储能s的荷电状态的最大限值。
在一种可选的实施方式中,机组检修计划模型中的约束条件还包括:电网约束、常规机组约束和储能约束,其中,电网约束包括电力平衡约束、潮流约束和系统备用约束;常规机组约束包括出力限值约束、检修工期约束和检修连续约束;储能约束包括出力限值约束、充放电状态约束、考虑充放电效率的电量-功率关系约束。
在一种可选的实施方式中,对机组检修计划模型进行计算,得到机组检修优化方案的步骤包括:将机组检修计划模型中的二次约束进行线性转化,得到线性转化后的模型;对线性转化后的模型进行求解,得到机组检修优化方案。
第二方面,本发明提供了一种机组检修优化装置,包括:样本数据获取模块,用于获取预先设置的多个各调频备用调用场景的样本数据;调用结果计算模块,用于通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果;储能调频备用调用率计算模块,用于根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵;机组检修优化模块,用于对机组检修计划模型进行计算,得到机组检修优化方案,机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;机组检修计划模型包括目标函数和约束条件,目标函数用于表征机组和储能的总成本最小,总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;约束条件包含分布鲁棒约束,在满足期望和协方差的任意概率分布模糊集中,分布鲁棒约束使得通过机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的机组检修优化方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的机组检修优化方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的机组检修优化方法的流程示意图;
图2是方案1的储能出力及叠加调频备用后出力范围示意图;
图3是方案2的储能出力及叠加调频备用后出力范围示意图;
图4是方案3的储能出力及叠加调频备用后出力范围示意图;
图5是根据本发明实施例的机组检修优化装置的结构框图;
图6是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、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,本领域技术人员在没有做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。
根据本发明实施例,提供了一种机组检修优化方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种机组检修优化方法,图1是根据本发明实施例的机组检修优化方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取预先设置的多个各调频备用调用场景的样本数据。
在一可选实施例中,调频备用调用场景是指电网需要对储能中预留的调频备用进行调用的场景,调频备用是指为了保持电力系统频率稳定而准备的备用电力资源。
在一可选实施例中,在不同的调频备用调用场景中,电网中的负荷水平不同。
在本发明实施例中,获取各调频备用调用场景的样本数据,是为了统计储能调频备用的调用率分布,如果只依靠历史数据,由于一个历史日只能提供一个样本,所以需要很长的时间来获得足够的样本,而系统运行状况会因为多种因素发生变化,如负荷季节性、网络拓扑变化,导致随机参数的非平稳分布,因此不能仅依靠历史数据进行调频备用调用统计,本发明实施例中通过获取多个调频备用调用场景的样本来更好地统计储能调频备用的调用率分布。
步骤S102,通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果。
在一可选实施例中,通过预先建立的调度计划备用调度模型能够计算得到各调频备用调用场景中对机组的调频备用的调用结果以及对储能的调频备用的调用结果。
在一可选实施例中,对储能的调频备用的调用结果包括在不同时段对储能的调频备用的调用量;对机组的调频备用的调用结果包括在不同时段对机组的调频备用的调用量。
步骤S103,根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵。
在一可选实施例中,通过不同时段对储能的调频备用的调用量可以计算得到储能调频备用调用率的期望和协方差矩阵。
步骤S104,对机组检修计划模型进行计算,得到机组检修优化方案,机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;机组检修计划模型包括目标函数和约束条件,目标函数用于表征机组和储能的总成本最小,总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;约束条件包含分布鲁棒约束,在满足期望值和协方差的任意概率分布模糊集中,分布鲁棒约束使得通过机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
本发明实施例中所称的分布鲁棒约束是指基于矩不确定性的分布鲁棒约束,当电力系统在不同时段对储能的调频备用的调用率满足上述步骤S103计算得到的期望和协方差时,通过本发明实施例计算得到的机组检修优化方案能够在机组检修时,使得储能备用的不可调用率不超过预设置信水平。
在一可选实施例中,机组提供的备用包含调频备用和事故备用,储能提供的备用也包含调频备用和事故备用,其中,调频备用用于调节电力系统的频率,事故备用用于在电力系统发生故障时为电力系统提供备用电能。
在一可选实施例中,预设置信水平可以根据实际需求进行设置,在此不做限制。
本发明实施例提供的方法,预先设置了多个不同的调频备用调用场景,通过各场景中的样本数据计算得到储能调频备用调用率的期望和协方差,然后通过机组检修计划模型计算得到机组检修优化方案,其中,机组检修计划模型中的约束条件包括分布鲁棒约束,在满足期望值和协方差的任意概率分布模糊集中,通过本发明实施例计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平,保证了机组检修下电网备用的充裕性和鲁棒性。
在一可选实施例中,在实际的调频过程中,对各机组和储能按照一定的比例分布因子进行分配,设定机组和储能的调频比例因子分别为和/>,在按照分布因子进行调频以后,可能会有线路越限,这时根据调整量偏差最小的原则再对机组和储能进行微调。
上述步骤S102中,计算调用结果所使用的调度计划备用调度模型为:
(1)目标函数:
目标函数是在比例调频之后的机组和储能的微调功率最小:
(1)
式中:T表示总时段数,G为常规机组集合,S为储能集合,、/>分别表示常规机组g调用调频正备用、负备用的微调功率,/>和/>分别表示储能s调用调频正备用、负备用的微调功率。
(2)约束条件
包括调频后功率平衡约束(2)、网络安全约束(3)、备用限值约束(4)~(9)。
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
式中,F为负荷集合,I为母线集合,G i 、S i 、F i分别为在母线i上的机组集合、储能集合、负荷集合,为负荷f在时段t的变化量,/>、/>分别为常规机组g和储能s在时段t的调频备用调用功率,/>表示线路l的功率限值,/>表示线路l在时段t的潮流,/>为母线i对线路l的灵敏度,/>表示机组g在场景中预留的调频备用,/>、/>分别表示储能s在场景中在放电、充电状态预留的调频备用,/>、/>分别表示常规机组g和储能s在时段t的调频系数。
上述调度计划备用调度模型为混合整数规划问题,可以采用成熟的商业优化软件如CPLEX进行求解,获得各场景下的机组和储能的调频备用调用结果。
在一可选实施例中,在本发明实施例提供的方法中,储能调频备用调用率包括第一概率、第二概率、第三概率和第四概率,第一概率用于表征各储能在不同时段中,在放电状态下的提供正调频概率;第二概率用于表征各储能在不同时段中,在放电状态下的提供负调频概率/>;第三概率用于表征各储能在不同时段中,在充电状态下的提供正调频概率/>;第四概率用于表征各储能在不同时段中,在充电状态下的提供负调频概率。
在一个样本中,当储能停运时数据是无效的,而储能运行时也只能处于充电或放电中的一种,因此两组变量(、/>)和(/>、/>)只能有一组是有效的,所以对于每个时段t,都要对四个变量/>、/>、/>和/>分别选择其有效的样本进行采样,综合获得相应的期望值/>和协方差矩阵/>。
在一可选实施例中,在上述步骤S103中,根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的协方差矩阵的步骤包括:
首先,根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的原始协方差矩阵。
然后判断原始协方差矩阵是否为半正定矩阵,
若原始协方差矩阵不为半正定矩阵,则通过F范数逼近方法计算与原始协方差矩阵距离最短的半正定矩阵,将与原始协方差矩阵距离最短的半正定矩阵确定为协方差矩阵。
设,则B是实对称阵,对B进行极分解B=UH,其中U是正交矩阵,H是对称矩阵,于是与矩阵/>的F范数距离最短的半正定矩阵是/>。
在本发明实施例中,通过对储能不同充放电状态下的调用率随机变量的分类和样本统计,并选择最接近的协方差半正定矩阵,有效提高了储能调用率的概率模型准确性。
在一可选实施例中,上述步骤S104中所采用的机组检修计划模型中的目标函数为:
(10)
其中,T为总时段数,G为常规机组集合,S为储能集合,为机组g在时段t的运行成本,/>为机组g在时段t提供调频备用的成本,/>为机组g在时段t提供事故备用的成本,/>为储能s在时段t的充电成本,/>为储能s在时段t的放电收益,/>为储能s在时段t提供调频备用的成本,/>为储能s在时段t提供事故备用的成本,/>为机组g在时段t的计划出力,/>、/>为机组g在时段t预留的调频备用和事故备用,/>、/>分别为储能s在时段t计划的充电功率和放电功率,/>、/>分别为储能s在时段t在充电状态预留的调频备用和事故备用,/>、/>分别为储能s在时段t在放电状态预留的调频备用和事故备用。
在一可选实施例中,上述步骤S104中所采用的机组检修计划模型中的约束条件还包括电网约束、常规机组约束和储能约束,其中,
电网约束包括:电力平衡约束、潮流约束和系统备用约束:
(11)
(12)
(13)
(14)
式中,是母线负荷f在时段t的功率,/>是电网在时段t需要的最小调频容量,是电网在时段t需要的最小事故容量。
2)常规机组约束包括出力限值约束、检修工期约束和检修连续约束。
(15)
(16)
(17)
(18)
(19)
(20)
(21)
式中,、/>表示机组g的出力上限和下限,/>表示机组g在时段t的检修状态,0为检修,1为运行。/>、/>表示机组g在时段t的状态变化,当其从检修变为运行,则/>为1,其余时间/>为0,当其从运行变为检修,则/>为1,其余时间/>为0。/>表示机组g的检修工期。
3)储能约束包括出力限值约束、充放电状态约束、考虑充放电效率的电量-功率关系约束。
(22)
(23)
(24)
(25)
(26)
(27)
(28)
(29)
(30)
式中,、/>表示储能s的最大和最小放电功率,/>表示储能s在时段t的放电状态,放电为1,其余为0;/>、/>表示储能s的最大和最小充电功率,/>表示储能s在时段t的充电状态,充电为1,其余为0;/>为储能s的充放电效率。/>为储能s的容量,/>表示储能s在时段t的荷电状态。/>、/>表示储能s的荷电状态的最大和最小限值。
在一可选实施例中,上述步骤S104中所采用的机组检修计划模型中的分布鲁棒约束为:
(31)
(32)
其中,Pr(∙)表示发生事件的概率,为储能s的容量,/>为储能s在时段t-1的荷电状态,/>为储能s的充放电效率,/>为在时段t’中,储能s在放电状态下的提供正调频备用概率,/>为在时段t’中,储能s在充电状态预留的调频备用,/>为时间间隔长度,/>为在时段t’中,储能s在充电状态下的提供正调频备用概率,/>为在时段t’中,储能s在放电状态预留的调频备用,/>为储能s在时段t计划的放电功率,/>为在时段t中,储能s在充电状态预留的调频备用,/>为在时段t中,储能s在充电状态预留的事故备用,为储能s的荷电状态的最小限值,/>为预设置信水平,/>为在时段t’中,储能s在放电状态下的提供负调频备用概率,/>为在时段t’中,储能s在充电状态下的提供负调频备用概率,/>为储能s在时段t计划的充电功率,/>为在时段t中,储能s在放电状态预留的调频备用,/>为储能s的荷电状态的最大限值。
在一可选实施例中,在上述步骤S104中,对机组检修计划模型进行计算的步骤包括:
首先,将机组检修计划模型中的二次约束进行线性转化,得到线性转化后的模型。
然后,对线性转化后的模型进行求解,得到机组检修优化方案。
示例性地,对于上述分布鲁棒约束,定义为/>的概率分布,/>表示/>的模糊集,满足期望为/>、协方差为/>。于是式(31)、(32)可规范化为式(33):
(33)
式(33)中对应于式(31)部分的具体变量是:
(34)
(35)
(36)
式(33)中对应于式(32)部分的具体变量是:
(37)
(38)
(39)/>
式(33)可等价于以下约束(40):
(40)
式(40)是二次规划约束,会影响模型求解速度,将其线性化近似可以大幅提高求解效率,式(40)可以统一规范为形如式(41)的不等式形式:
(41)
对于式(41),可以等效为(42)、(43)两式,按照同样的方法,可以对(43)继续分解,最终把(41)转化为一系列的两变量二次约束:
(42)
(43)
对于式(42),可以近似等效为(44)~(48)式,式中,K为选定的线性约束数量参数,当K越大时,近似的程度越高,但是计算规模也相应增加。
(44)
(45)
(46)
(47)
(48)
通过把二次约束进行线性化处理,整体模型转化为混合整数规划问题,可以采用成熟的商业优化软件如CPLEX进行求解,获得机组检修优化方案。
本发明实施例提供的方法,对于分布鲁棒模型的二次规划约束,采用线性化分段近似,大幅减少了计算时间,且具有较高的精度。
本发明实施例中提供了一个具体的算例对上述实施例中提供的方法进行了进一步的分析:
采用IEEE118节点系统验证所提方法,系统中包含3个储能。时间参数τ为1小时,T设为24小时。置信水平为5%。每个历史日的场景数量为200个,选取10个历史日,统计各储能在各时段的期望值和协方差矩阵。采用Cplex12.10进行求解。
考虑以下三个方案:
方案1:未考虑储能备用无法调用的情况,仅考虑电网约束、机组和储能运行约束。
方案2:考虑电网约束、机组和储能运行约束,另外考虑储能备用需要完全满足调用约束,未采用可调用的概率方法。
方案3:采用本发明所提方法,储能备用的调用满足一定的置信水平。
各方案的储能出力及调频备用结果如图2、图3和图4所示,在图2-图4中,实线表示储能计划出力,虚线表示储能出力叠加调频备用后的出力,两条虚线之间表示储能的出力范围。在方案1中,储能提供了最大份额的备用,机组的检修安排也更加得随机。方案2中的模型是最保守的,储能提供最小数额的备用,机组的检修也收到更多限制,导致电网成本增加。方案3模型介于两者之间。
表1采用500个随机场景对电网的备用情况进行验证,三个方案的储能调度遵循早晨和深夜充电,在高峰负荷小时放电。由表1可知,方案1因为没有考虑储能备用调用的可用性,所以在各时段都预留了很多备用,导致有466个场景会出现备用不足的情况,方案2和方案3都考率储能备用的可调用性,所有场景都没有出现备用不足。为了保证备用的可用性,方案2和方案3在早上都会减少预留调频备用,方案2更是只在13-20预留调频备用,其余时间完全没有预留调频备用以应对极端场景,过于保守,考虑到极端场景出现的概率很低,这个部署方案会较大得影响系统的经济性。因此,方案2说明过于保守的检修模型会影响电网的经济性,方案1说明过于激进的检修模型会使储能面临备用无法调用的高风险。
由此可见,本发明提供的方法能够更好地同时实现检修计划的经济性和安全性。
表1不同方案下的计算结果
表2显示了方案3在置信水平从3% 增加到10% 的结果变化。当对储能的备用可调用性降低时,电网成本也会减少。因此,适当的设置可以平衡经济性和安全性。
表2 不同置信水平下的安全性分析结果
表3为方案3中对二次约束进行显性转化时,K值的选取以及线性化对计算性能的影响。对二次约束的线性化处理能有效提高计算速度。另外,K 的设置对求解时间有很大的影响,适当的 K 值(例如 K = 6)可以获得较好的求解精度。
表3 计算时间比较结果
在本实施例中还提供了一种机组检修优化装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种机组检修优化装置,如图5所示,包括:
样本数据获取模块51,用于获取预先设置的多个各调频备用调用场景的样本数据。
调用结果计算模块52,用于通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果。
储能调频备用调用率计算模块53,用于根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵。
机组检修优化模块54,用于对机组检修计划模型进行计算,得到机组检修优化方案,机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;机组检修计划模型包括目标函数和约束条件,目标函数用于表征机组和储能的总成本最小,总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;约束条件包含分布鲁棒约束,在满足期望值和协方差的任意概率分布模糊集中,分布鲁棒约束使得通过机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
在一些可选的实施方式中,储能调频备用调用率计算模块53包括:
原始协方差矩阵计算单元,用于根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的原始协方差矩阵。
半正定矩阵转化单元,若原始协方差矩阵不为半正定矩阵,半正定矩阵转化单元用于通过F范数逼近方法计算与原始协方差矩阵距离最短的半正定矩阵,将与原始协方差矩阵距离最短的半正定矩阵确定为协方差矩阵。
在一些可选的实施方式中,机组检修优化模块54包括:
线性转化单元,用于将机组检修计划模型中的二次约束进行线性转化,得到线性转化后的模型。
模型求解单元,用于对线性转化后的模型进行求解,得到机组检修优化方案。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种计算机设备,具有上述图5所示的机组检修优化装置。
请参阅图6,图6是本发明可选实施例提供的一种计算机设备的结构示意图,如图6所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以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、至少一个功能所需要的应用程序;存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息,以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。上述显示设备包括但不限于液晶显示器,发光二极管,显示器和等离子体显示器。在一些可选的实施方式中,显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种机组检修优化方法,其特征在于,所述方法包括:
获取预先设置的多个各调频备用调用场景的样本数据;
通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果;
根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵;
对机组检修计划模型进行计算,得到机组检修优化方案,所述机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;所述机组检修计划模型包括目标函数和约束条件,所述目标函数用于表征机组和储能的总成本最小,所述总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,所述机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;所述约束条件包含分布鲁棒约束,在满足所述期望和协方差的任意概率分布模糊集中,所述分布鲁棒约束使得通过所述机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
2.根据权利要求1所述的方法,其特征在于,
根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的协方差矩阵的步骤包括:
根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的原始协方差矩阵;
若所述原始协方差矩阵不为半正定矩阵,
通过F范数逼近方法计算与所述原始协方差矩阵距离最短的半正定矩阵,将与所述原始协方差矩阵距离最短的半正定矩阵确定为所述协方差矩阵。
3.根据权利要求1所述的方法,其特征在于,
所述储能调频备用调用率包括第一概率、第二概率、第三概率和第四概率;
所述第一概率用于表征各储能在不同时段中,在放电状态下的提供正调频概率;
所述第二概率用于表征各储能在不同时段中,在放电状态下的提供负调频概率;
所述第三概率用于表征各储能在不同时段中,在充电状态下的提供正调频概率;
所述第四概率用于表征各储能在不同时段中,在充电状态下的提供负调频概率。
4.根据权利要求1所述的方法,其特征在于,所述机组检修计划中的目标函数为:
其中,T为总时段数,G为常规机组集合,S为储能集合,为机组g在时段t的运行成本,为机组g在时段t提供调频备用的成本,/>为机组g在时段t提供事故备用的成本,/>为储能s在时段t的充电成本,/>为储能s在时段t的放电收益,/>为储能s在时段t提供调频备用的成本,/>为储能s在时段t提供事故备用的成本,/>为机组g在时段t的计划出力,/>、/>为机组g在时段t预留的调频备用和事故备用,/>、/>分别为储能s在时段t计划的充电功率和放电功率,/>、/>分别为储能s在时段t在充电状态预留的调频备用和事故备用,/>、/>分别为储能s在时段t在放电状态预留的调频备用和事故备用。
5.根据权利要求3所述的方法,其特征在于,所述分布鲁棒约束为:
其中,Pr(∙)表示发生事件的概率,为储能s的容量,/>为储能s在时段t-1的荷电状态,/>为储能s的充放电效率,/>为在时段t’中,储能s在放电状态下的提供正调频备用概率,/>为在时段t’中,储能s在充电状态预留的调频备用,/>为时间间隔长度,为在时段t’中,储能s在充电状态下的提供正调频备用概率,/>为在时段t’中,储能s在放电状态预留的调频备用,/>为储能s在时段t计划的放电功率,/>为在时段t中,储能s在充电状态预留的调频备用,/>为在时段t中,储能s在充电状态预留的事故备用,为储能s的荷电状态的最小限值,/>为预设置信水平,/>为在时段t’中,储能s在放电状态下的提供负调频备用概率,/>为在时段t’中,储能s在充电状态下的提供负调频备用概率,/>为储能s在时段t计划的充电功率,/>为在时段t中,储能s在放电状态预留的调频备用,/>为储能s的荷电状态的最大限值。
6.根据权利要求1所述的方法,其特征在于,所述机组检修计划模型中的约束条件还包括:电网约束、常规机组约束和储能约束,其中,
电网约束包括电力平衡约束、潮流约束和系统备用约束;
常规机组约束包括出力限值约束、检修工期约束和检修连续约束;
储能约束包括出力限值约束、充放电状态约束、考虑充放电效率的电量-功率关系约束。
7.根据权利要求1所述的方法,其特征在于,对机组检修计划模型进行计算,得到机组检修优化方案的步骤包括:
将所述机组检修计划模型中的二次约束进行线性转化,得到线性转化后的模型;
对线性转化后的模型进行求解,得到所述机组检修优化方案。
8.一种机组检修优化装置,其特征在于,所述装置包括:
样本数据获取模块,用于获取预先设置的多个各调频备用调用场景的样本数据;
调用结果计算模块,用于通过预先建立的调度计划备用调度模型分别对各调频备用调用场景中的样本数据进行计算,得到各调频备用调用场景中对储能的调频备用的调用结果;
储能调频备用调用率计算模块,用于根据各调频备用调用场景中对储能的调频备用的调用结果,计算储能调频备用调用率的期望和协方差矩阵;
机组检修优化模块,用于对机组检修计划模型进行计算,得到机组检修优化方案,所述机组检修优化方案包括机组在不同时段预留的调频备用和储能在不同时段预留的调频备用;所述机组检修计划模型包括目标函数和约束条件,所述目标函数用于表征机组和储能的总成本最小,所述总成本包含机组和储能提供电能量的成本以及机组和储能提供备用的成本,所述机组和储能提供备用的成本是结合机组和储能在不同时段预留的调频备用计算得到的;所述约束条件包含分布鲁棒约束,在满足所述期望和协方差的任意概率分布模糊集中,所述分布鲁棒约束使得通过所述机组检修计划模型计算得到的机组检修优化方案能够在机组检修时,储能备用的不可调用率不超过预设置信水平。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的机组检修优化方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的机组检修优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311736836.3A CN117422183B (zh) | 2023-12-18 | 2023-12-18 | 机组检修优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311736836.3A CN117422183B (zh) | 2023-12-18 | 2023-12-18 | 机组检修优化方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422183A true CN117422183A (zh) | 2024-01-19 |
CN117422183B CN117422183B (zh) | 2024-03-19 |
Family
ID=89523382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311736836.3A Active CN117422183B (zh) | 2023-12-18 | 2023-12-18 | 机组检修优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422183B (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029142A1 (en) * | 2010-07-02 | 2011-02-03 | David Sun | System tools that provides dispatchers in power grid control centers with a capability to make changes |
CN103457281A (zh) * | 2013-05-21 | 2013-12-18 | 国家电网公司 | 一种超级电容储能系统参与电力一次调频的协调控制方法 |
CN109193668A (zh) * | 2018-10-31 | 2019-01-11 | 四川大学 | 一种基于分布鲁棒优化的合同电量分解方法 |
CN110188995A (zh) * | 2019-04-29 | 2019-08-30 | 国网宁夏电力有限公司电力科学研究院 | 机组负荷协同备用优化配置方法及系统、设备、存储介质 |
CN111463838A (zh) * | 2020-05-07 | 2020-07-28 | 国网山东省电力公司经济技术研究院 | 计及储能参与二次调频的两阶段鲁棒优化调度方法及系统 |
CN112448400A (zh) * | 2019-09-02 | 2021-03-05 | 国网江苏省电力有限公司电力科学研究院 | 一种确定风电一次调频备用的鲁棒优化调度方法和系统 |
CN112597633A (zh) * | 2020-12-04 | 2021-04-02 | 山东大学 | 考虑多故障场景的电力系统备用优化方法及系统 |
CN113595104A (zh) * | 2021-07-28 | 2021-11-02 | 华中科技大学 | 一种风储联合调频系统的储能容量配置方法 |
CN113988390A (zh) * | 2021-10-18 | 2022-01-28 | 浙江大学 | 一种基于支持向量机的机组检修优化方法 |
CN114221357A (zh) * | 2021-12-14 | 2022-03-22 | 上海电力大学 | 计及调频备用效益的主动配电网分层分布式优化调度方法 |
CN114465226A (zh) * | 2021-10-30 | 2022-05-10 | 国网河南省电力公司电力科学研究院 | 一种电力系统多级备用获取联合优化模型的建立方法 |
CN114825483A (zh) * | 2022-06-29 | 2022-07-29 | 西安热工研究院有限公司 | 一种火电机组调频系统、方法及装置 |
CN114899869A (zh) * | 2022-05-26 | 2022-08-12 | 国网福建省电力有限公司经济技术研究院 | 一种协同多类调频资源的电力系统调度方法及装置 |
CN115204443A (zh) * | 2022-05-12 | 2022-10-18 | 电力规划总院有限公司 | 风光火储联合参与市场竞价最优策略模型 |
CN115842359A (zh) * | 2022-08-26 | 2023-03-24 | 华北电力大学 | 考虑动态调频性能的风光储场站一次调频备用整定方法 |
CN116050635A (zh) * | 2023-02-08 | 2023-05-02 | 广东电网有限责任公司 | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 |
CN116191501A (zh) * | 2023-04-27 | 2023-05-30 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种压缩空气储能电站的高压厂用电系统及其布置方式 |
CN116436040A (zh) * | 2023-05-06 | 2023-07-14 | 山东大学 | 考虑频率动态安全约束的输配电协同优化调度方法和系统 |
CN116667387A (zh) * | 2023-06-21 | 2023-08-29 | 广东电网有限责任公司电力调度控制中心 | 一种电网频率调控的方法、装置及存储介质 |
CN116822928A (zh) * | 2023-08-29 | 2023-09-29 | 四川众鹏科技有限公司 | 输电线路检修方法、装置、计算机设备及存储介质 |
CN116957229A (zh) * | 2023-06-16 | 2023-10-27 | 三峡大学 | 基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法 |
CN117154746A (zh) * | 2023-09-01 | 2023-12-01 | 浙江大学海南研究院 | 一种考虑光伏出力不确定性的微电网日前优化调度方法 |
-
2023
- 2023-12-18 CN CN202311736836.3A patent/CN117422183B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029142A1 (en) * | 2010-07-02 | 2011-02-03 | David Sun | System tools that provides dispatchers in power grid control centers with a capability to make changes |
CN103457281A (zh) * | 2013-05-21 | 2013-12-18 | 国家电网公司 | 一种超级电容储能系统参与电力一次调频的协调控制方法 |
CN109193668A (zh) * | 2018-10-31 | 2019-01-11 | 四川大学 | 一种基于分布鲁棒优化的合同电量分解方法 |
CN110188995A (zh) * | 2019-04-29 | 2019-08-30 | 国网宁夏电力有限公司电力科学研究院 | 机组负荷协同备用优化配置方法及系统、设备、存储介质 |
CN112448400A (zh) * | 2019-09-02 | 2021-03-05 | 国网江苏省电力有限公司电力科学研究院 | 一种确定风电一次调频备用的鲁棒优化调度方法和系统 |
CN111463838A (zh) * | 2020-05-07 | 2020-07-28 | 国网山东省电力公司经济技术研究院 | 计及储能参与二次调频的两阶段鲁棒优化调度方法及系统 |
CN112597633A (zh) * | 2020-12-04 | 2021-04-02 | 山东大学 | 考虑多故障场景的电力系统备用优化方法及系统 |
CN113595104A (zh) * | 2021-07-28 | 2021-11-02 | 华中科技大学 | 一种风储联合调频系统的储能容量配置方法 |
CN113988390A (zh) * | 2021-10-18 | 2022-01-28 | 浙江大学 | 一种基于支持向量机的机组检修优化方法 |
CN114465226A (zh) * | 2021-10-30 | 2022-05-10 | 国网河南省电力公司电力科学研究院 | 一种电力系统多级备用获取联合优化模型的建立方法 |
CN114221357A (zh) * | 2021-12-14 | 2022-03-22 | 上海电力大学 | 计及调频备用效益的主动配电网分层分布式优化调度方法 |
CN115204443A (zh) * | 2022-05-12 | 2022-10-18 | 电力规划总院有限公司 | 风光火储联合参与市场竞价最优策略模型 |
CN114899869A (zh) * | 2022-05-26 | 2022-08-12 | 国网福建省电力有限公司经济技术研究院 | 一种协同多类调频资源的电力系统调度方法及装置 |
CN114825483A (zh) * | 2022-06-29 | 2022-07-29 | 西安热工研究院有限公司 | 一种火电机组调频系统、方法及装置 |
CN115842359A (zh) * | 2022-08-26 | 2023-03-24 | 华北电力大学 | 考虑动态调频性能的风光储场站一次调频备用整定方法 |
CN116050635A (zh) * | 2023-02-08 | 2023-05-02 | 广东电网有限责任公司 | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 |
CN116191501A (zh) * | 2023-04-27 | 2023-05-30 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种压缩空气储能电站的高压厂用电系统及其布置方式 |
CN116436040A (zh) * | 2023-05-06 | 2023-07-14 | 山东大学 | 考虑频率动态安全约束的输配电协同优化调度方法和系统 |
CN116957229A (zh) * | 2023-06-16 | 2023-10-27 | 三峡大学 | 基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法 |
CN116667387A (zh) * | 2023-06-21 | 2023-08-29 | 广东电网有限责任公司电力调度控制中心 | 一种电网频率调控的方法、装置及存储介质 |
CN116822928A (zh) * | 2023-08-29 | 2023-09-29 | 四川众鹏科技有限公司 | 输电线路检修方法、装置、计算机设备及存储介质 |
CN117154746A (zh) * | 2023-09-01 | 2023-12-01 | 浙江大学海南研究院 | 一种考虑光伏出力不确定性的微电网日前优化调度方法 |
Non-Patent Citations (4)
Title |
---|
凌刚 等: "继电保护智能运维检修标准体系构建研究", 供用电, vol. 40, no. 9, 5 September 2023 (2023-09-05), pages 36 - 42 * |
周安平;杨明;翟鹤峰;赵元春;张程琳;魏少攀;: "计及风电功率矩不确定性的分布鲁棒实时调度方法", 中国电机工程学报, no. 20, 28 September 2018 (2018-09-28), pages 5937 - 5946 * |
汲国强 等: "考虑风电不确定性的机组检修鲁棒优化方法", 中国电机工程学报, vol. 35, no. 12, 20 June 2015 (2015-06-20), pages 2919 - 2926 * |
许丹 等: "考虑安全约束及电量执行的年度发电与检修联合优化模型", 电力系统保护与控制, vol. 47, no. 17, 2 September 2019 (2019-09-02), pages 133 - 139 * |
Also Published As
Publication number | Publication date |
---|---|
CN117422183B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Scalable planning for energy storage in energy and reserve markets | |
Wang et al. | Dynamic reserve zones for day-ahead unit commitment with renewable resources | |
US10409241B2 (en) | Adaptive energy storage operating system for multiple economic services | |
CN108281989B (zh) | 一种风电电力系统经济调度方法及装置 | |
TWI673934B (zh) | 蓄電池運用裝置及蓄電池運用方法 | |
CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
CN116821660A (zh) | 一种电力管理方法、系统、终端设备及存储介质 | |
CN111509700B (zh) | 一种基于电价预测的电网运行管理方法及装置 | |
Zhu et al. | Energy optimal dispatch of the data center microgrid based on stochastic model predictive control | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
CN117422183B (zh) | 机组检修优化方法、装置、设备及存储介质 | |
CN117332005A (zh) | 一种智慧能源服务信息交互方法、系统及存储介质 | |
CN115622087B (zh) | 配电网的功率调控方法、装置和设备 | |
US11854054B2 (en) | Adaptive energy storage operating system for multiple economic services | |
CN115965124A (zh) | 一种台区电动汽车有序充电动态优化控制方法及系统 | |
CN115459258A (zh) | 一种基于配电自动化的负荷精准调控方法及系统 | |
CN116308301B (zh) | 协调多区域的输电检修方法、装置、计算机设备及介质 | |
CN117061367B (zh) | Cdn节点带宽引导方法、装置、电子设备和存储介质 | |
CN115577999A (zh) | 一种基于大数据处理的电网运行安全校核平台 | |
US20220343230A1 (en) | Simulation of modifications to an electrical grid | |
CN118040658A (zh) | 基于电动公交车优化调度策略的电网韧性提升方法及装置 | |
CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 | |
CN114493103A (zh) | 一种电力设备停电作业管控方法 | |
CN115130919A (zh) | 调度员工作负荷量的计算方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |