CN117634828A - 模糊可信性风-光-储协同规划方法、系统、设备及介质 - Google Patents
模糊可信性风-光-储协同规划方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117634828A CN117634828A CN202311661703.4A CN202311661703A CN117634828A CN 117634828 A CN117634828 A CN 117634828A CN 202311661703 A CN202311661703 A CN 202311661703A CN 117634828 A CN117634828 A CN 117634828A
- Authority
- CN
- China
- Prior art keywords
- representing
- fuzzy
- cost
- unit
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 39
- 230000007774 longterm Effects 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 28
- 230000007704 transition Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 11
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 238000004146 energy storage Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000010248 power generation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000010977 unit operation Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种模糊可信性风‑光‑储协同规划方法、系统、设备及介质，包括：考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；考虑所述模糊机会约束以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案，该方法、系统、设备及介质能够针对风‑光‑储协同进行规划。
Description
技术领域
本发明属于电力系统领域，涉及一种模糊可信性风-光-储协同规划方法、系统、设备及介质。
背景技术
电源结构演化路径研究是综合考虑多种电源之间的协同优化，在中长期电源规划中合理配置不同类型的电源，以实现电力系统的经济、高效、安全、可靠运行。为了保障电能的安全供应，势必要配备储能以调节风光发电的波动性。然而，长期电源规划时间周期长，未知性强，投建过程受到经济增长、技术冲击和成本变化不确定性的影响较大，目前没有针对风-光-储协同的电源规划方法。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供了一种模糊可信性风-光-储协同规划方法、系统、设备及介质，该方法、系统、设备及介质能够针对风-光-储协同进行电源规划。
为达到上述目的，本发明采用如下技术方案：
本发明一方面，本发明提供了一种模糊可信性风-光-储协同规划方法，包括：
考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；
以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；
求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案。
本发明所述模糊可信性风-光-储协同规划方法进一步的改进在于：
还包括：
以电力系统运行成本最小为目标，建立电力系统高时间分辨率运行模拟模型，所述电力系统运行成本包括各类电源的发电成本以及机组开停机产生的启停成本；
基于所述电力系统高时间分辨率运行模拟模型对全周期电源方案进行模拟及评估。
所述投资费用包括机组和储能设备的投资建设成本、运行维护成本以及发电所需的燃料成本。
所述考虑模糊机会约束的长期电源投资决策模型的目标函数为：
其中，Cinvestment表示规划期内发电机组及储能的综合成本；N表示规划期；n表示规划年；表示机组和储能的投资建设成本；/>表示机组和储能运行维护成本；/>表示发电所需的燃料成本；r表示折现率；/>表示j类发电机组新建容量的单位建设成本；/>表示j类发电机组的新建容量；/>表示储能新增功率的单位建设成本；/>表示储能的新增功率；/>表示储能新增容量的单位建设成本；/>表示储能的新增容量；/>表示j类发电机组的运维成本；/>表示j类发电机组的现存容量；/>表示储能功率的单位运维成本；/>表示储能的现存功率；/>表示储能容量的单位运维成本；/>表示储能的现存容量；/>表示j类发电机组所需燃料的单位价格；fn,j表示j类发电机组所需燃料的消耗率；Gn,j表示j类发电机组的发电量；Hn,j表示j类发电机组的利用小时数。
所述考虑模糊机会约束的长期电源投资决策模型满足投建约束、模糊机会约束、备用约束、调峰调频备用约束、蓄电池相关约束、自然资源约束和碳排放约束。
所述电力系统高时间分辨率运行模拟模型的目标函数为：
其中，Coperation表示规划期内的总运行成本；N表示规划期；n表示规划年；表示第n个规划年的发电成本；/>表示第n个规划年的机组启动成本；/>表示第n个规划年机组的关停成本；r表示折现率；/>表示发电成本；T表示一年内运行模拟的总时段；ai,bi,ci表示机组i的燃料消耗系数；pi,t表示机组i在t时段的运行出力；/>表示机组的总启动成本；表示机组i的启动成本；/>表示机组的总关停成本；/>表示机组关停成本；ui,t表示机组的开关机状态。
所述电力系统高时间分辨率运行模拟模型满足机组出力约束、机组爬坡约束、机组启停时间约束、功率平衡约束、弃风弃光约束及储能约束。
本发明二方面，本发明提供了一种模糊可信性风-光-储协同规划系统，包括：
形成模块，用于考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；
建立模块，用于考虑模糊机会约束，以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；
求解模块，用于求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案；
本发明三方面，本发明提供了一种计算机设备，包括存储器、处理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，所述处理器执行所述计算机程序时实现所述模糊可信性风-光-储协同规划方法的步骤。
本发明四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述模糊可信性风-光-储协同规划方法的步骤。
本发明具有以下有益效果：
本发明所述的模糊可信性风-光-储协同规划方法、系统、设备及介质在具体操作时，基于模糊机会约束，考虑风光投建的模糊约束和风光配置储能的耦合约束，以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案，需要说明的是，本发明通过引入电源规划，有效解决电源规划过程中长期不确定性的问题，实现风-光-储的协同规划。
进一步，本发明通过电力系统高时间分辨率运行模拟模型对得到的全周期电源方案进行模拟及评估，以提高规划的效果。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的方法流程图；
图2为模糊状态转移矩阵的示意图；
图3a为风电投建路线图；
图3b为光伏投建路线图；
图4a投建决策模型的求解结果图；
图4b为可靠性评估与优化调整的运行结果图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
参考图1，本发明所述的模糊可信性风-光-储协同规划方法包括以下步骤：
将电源结构规划的长期目标通过状态转移分解到每一个期，基于此本发明提出一种基于模糊可行性约束的风-光-储协同规划方法，有效解决电源规划过程中长期不确定性的问题，包括模糊状态转移、考虑模糊机会约束的长期电源投资决策模型以及电力系统高时间分辨率运行模拟模型与可行性校验，具体为：
1)模糊状态转移。
参考图2，设电源消费结构从t时刻到t+n时刻的一步转移概率矩阵PE(n)为:
在转移概率矩阵PE(n)中，主对角线上的元素表示四类电源消费保持原有份额的概率；主对角线以外的概率元素为转移概率：其中，行元素表示该类电源消费份额向其他电源转化的概率，列元素表示该类电源吸收其他类电源消费份额的概率，例如，pth→wt(n)表示下一年电源消费份额中煤炭向风电转化的概率，pth→wt(n)表示下一年煤炭吸收石油消费份额的概率，此外，概率矩阵PE(n)的每一行之和均等于1。
SE(t+n)＝SE(t)*PE(n)＝SE(t)*APE n (2)
Et+1＝EtSE(t) (3)
通过式(2)得到平均状态转移矩阵APE，通过三角隶属度函数μξ(x)，将状态转移矩阵中的元素模糊化，Et为t时刻电源结构，通过式(3)得到下一时刻的电源结构。模糊规划是一种以模糊数学为基础的规划方法，设ξ为一个模糊变量，其隶属函数为μξ(x)，则模糊事件{ξ≤k}的可能性测度为：
其中，Pos{ξ≤k}表示模糊事件{ξ≤k}的可能性测度；Sup表示使ξ≤k成立的最小上界；μξ(x)表示模糊变量ξ的隶属函数；模糊事件{ξ≤k}的必要性测度为：
其中，Nec{ξ≤k}表示模糊事件{ξ≤k}的必要性测度；Sup表示使ξ>k成立的最小上界；μξ(x)表示模糊变量ξ的隶属函数；设ξ为三角模糊数(r1,r2,r3)，则μξ(x)为：
计算得到事件{ξ≤k}的可能性测度和必要性测度分别为：
由于可能性测度和必要性测度不具有可加性和自对偶性，存在一定的局限性，将事件的可信性定义为上述两种测度方法计算结果的平均值，即：
其中，Cr{ξ≤k}表示模糊事件{ξ≤k}的可信性测度，则事件{ξ≤k}的可信性测度为：
基于可信性测度的模糊机会约束的求解思想是要求在给定的置信水平下，使模糊约束成立的可信性测度大于等于该置信水平，从而将其转化为清晰等价形式以便于求解，基于可信性测度的模糊机会约束的一般形式为：
其中，f为目标函数；cij为目标函数中的实数型参数；xij为决策变量；Cr为模糊约束条件成立的可信性测度；aij为约束条件中的实数型参数；为约束条件中的模糊型参数；λi为约束条件i成立的置信水平；i为约束条件个数；j为决策变量个数。
2)建立考虑模糊机会约束的长期电源投资决策模型，求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案。
目标函数为规划期内的综合成本最小，包括机组和储能设备的投资建设成本、运行维护成本以及发电所需的燃料成本，即
其中，Cinvestment表示规划期内发电机组及储能的综合成本；N表示规划期；n表示规划年；表示机组和储能的投资建设成本；/>表示机组和储能运行维护成本；/>表示发电所需的燃料成本；r表示折现率。/>表示j类发电机组新建容量的单位建设成本；/>表示j类发电机组的新建容量；/>表示储能新增功率的单位建设成本；/>表示储能的新增功率；/>表示储能新增容量的单位建设成本；/>表示储能的新增容量。/>表示j类发电机组的运维成本；/>表示j类发电机组的现存容量；/>表示储能功率的单位运维成本；/>表示储能的现存功率；/>表示储能容量的单位运维成本；/>表示储能的现存容量；/>表示j类发电机组所需燃料的单位价格；fn,j表示j类发电机组所需燃料的消耗率；Gn,j表示j类发电机组的发电量；Hn,j表示j类发电机组的利用小时数。
其中，式(17)，式(18)和式(19)为投建约束，式(17)为模糊机会约束，表示国家政策标定的风电、光伏投建规模的边界，为模糊数，/>表示发电机组的退役容量。
其中，式(20)和式(21)为备用约束；Yj为发电机组的置信容量系数；PLn为峰值电力负荷；R为电力系统备用容量比率；PDn表示用电量需求。
其中，式(22)和式(23)表示调峰调频备用约束；αj表示电源的调峰系数；Lpeak表示负荷需求的调峰系数；βj表示电源的调频系数；Lreg表示负荷调频需求系数；
其中，式(24)和式(25)为蓄电池相关约束；kp表示政策要求风光装机总量配置储能规模的最低比例。
其中，式(26)和式(27)为自然资源约束和碳排放约束；MDCj表示自然资源开发上限；EIj表示电源的碳排放系数；CEn表示国电力部门的碳排放限额。
3)建立电力系统高时间分辨率运行模拟模型。
运行模拟模型的目标函数为使总的运行成本最小，包括各类电源的发电成本以及机组开停机产生的启停成本，即
其中，Coperation表示规划期内的总运行成本；N表示规划期；n表示规划年；表示第n个规划年的发电成本；/>表示第n个规划年的机组启动成本；/>表示第n个规划年机组的关停成本；r表示折现率。
其中，式(29)表示发电成本，式(30)及式(31)分别表示发电机启停成本，表示发电成本；T表示一年内运行模拟的总时段，本发明中T选取8760小时；ai,bi,ci表示机组i的燃料消耗系数，pi,t表示机组i在t时段的运行出力；/>表示机组的总启动成本；/>表示机组i的启动成本；/>表示机组的总关停成本；/>表示机组关停成本；ui,t表示机组的开关机状态，采用0-1变量进行表示。
其中，式(32)-式(24)表示机组出力约束；表示电机组的最小出力系数；/>表示第j类发电机组现存的装机容量；pj,t表示第j类发电机组运行出力；/>表示第j类发电机组的最大出力系数；/>表示风电最大发电能力；/>表示光伏发电最大发电能力。
pi,t-pi,t-1≤RUi (35)
pi,t-1-pi,t≤RDi (36)
其中，式(35)和式(36)表示机组爬坡约束；式(37)和式(38)表示机组启停时间约束；pi,t表示机组i运行际出力；RUi表示机组i的最大向上爬坡速率限值；RDi表示机组i的最大向下爬坡速率限值。
其中，式(39)表示功率平衡约束；表示储能的放电功率；PLt表示全国用电峰值负荷功率；/>表示储能充电功率；pcut,t表示系统的切负荷量。
其中，式(40)和式(41)为弃风弃光约束；和/>表示风电和光伏的弃电量。
0≤Et≤En (44)
其中，式(42)-式(44)表示储能约束；和/>表示储能充放电功率，η表示储能的充放电效率，Et表示储能装置的存储能量。
4)根据利用所述电力系统高时间分辨率运行模拟模型对全周期电源方案进行模拟及评估，得到所述全周期电源方案的电能不足期望值，判断所述全周期电源方案的电能不足期望值是否满足要求，当满足要求时，则将当前得到的全周期电源方案作为最终规划结果；否则，则修改模糊机会约束，直至得到的全周期电源方案的电能不足期望值满足要求为止，图3a至图4b为本发明的仿真结果。
实施例二
本发明所述的模糊可信性风-光-储协同规划系统，包括：
形成模块，用于考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；
建立模块，用于考虑模糊机会约束，以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；
求解模块，用于求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案。
实施例三
一种计算机设备，包括存储器、处理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，所述处理器执行所述计算机程序时实现所述模糊可信性风-光-储协同规划方法的步骤，其中，所述存储器可能包含内存，例如高速随机存储器，也可能还包括非易失性存储器，例如，至少一个磁盘存储器等；处理器、网络接口、存储器通过内部总线互相连接，该内部总线可以是工业标准体系结构总线、外设部件互连标准总线、扩展工业标准结构总线等，总线可以分为地址总线、数据总线、控制总线等。存储器用于存放程序，具体地，程序可以包括程序代码、所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
实施例四
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述模糊可信性风-光-储协同规划方法的步骤，具体地，所述计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器可以包括随机存储存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器可以包括只读存储器(ROM)、硬盘、闪存、光盘、磁盘等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (10)
1.一种模糊可信性风-光-储协同规划方法，其特征在于，包括：
考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；
考虑模糊机会约束，以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；
求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案。
2.根据权利要求1所述模糊可信性风-光-储协同规划方法，其特征在于，还包括：
以电力系统运行成本最小为目标，建立电力系统高时间分辨率运行模拟模型，所述电力系统运行成本包括各类电源的发电成本以及机组开停机产生的启停成本；
基于所述电力系统高时间分辨率运行模拟模型对全周期电源方案进行模拟及评估。
3.根据权利要求1所述的模糊可信性风-光-储协同规划方法，其特征在于，所述投资费用包括机组和储能设备的投资建设成本、运行维护成本以及发电所需的燃料成本。
4.根据权利要求3所述的模糊可信性风-光-储协同规划方法，其特征在于，所述考虑模糊机会约束的长期电源投资决策模型的目标函数为：
其中，Cinvestment表示规划期内发电机组及储能的综合成本；N表示规划期；n表示规划年；表示机组和储能的投资建设成本；/>表示机组和储能运行维护成本；/>表示发电所需的燃料成本；r表示折现率；/>表示j类发电机组新建容量的单位建设成本；/>表示j类发电机组的新建容量；/>表示储能新增功率的单位建设成本；/>表示储能的新增功率；/>表示储能新增容量的单位建设成本；/>表示储能的新增容量；/>表示j类发电机组的运维成本；/>表示j类发电机组的现存容量；/>表示储能功率的单位运维成本；/>表示储能的现存功率；/>表示储能容量的单位运维成本；/>表示储能的现存容量；/>表示j类发电机组所需燃料的单位价格；fn,j表示j类发电机组所需燃料的消耗率；Gn,j表示j类发电机组的发电量；Hn,j表示j类发电机组的利用小时数。
5.根据权利要求1所述的模糊可信性风-光-储协同规划方法，其特征在于，所述考虑模糊机会约束的长期电源投资决策模型满足投建约束、模糊机会约束、备用约束、调峰调频备用约束、蓄电池相关约束、自然资源约束和碳排放约束。
6.根据权利要求1所述的模糊可信性风-光-储协同规划方法，其特征在于，所述电力系统高时间分辨率运行模拟模型的目标函数为：
其中，Coperation表示规划期内的总运行成本；N表示规划期；n表示规划年；表示第n个规划年的发电成本；/>表示第n个规划年的机组启动成本；/>表示第n个规划年机组的关停成本；r表示折现率；/>表示发电成本；T表示一年内运行模拟的总时段；ai,bi,ci表示机组i的燃料消耗系数；pi,t表示机组i在t时段的运行出力；/>表示机组的总启动成本；/>表示机组i的启动成本；/>表示机组的总关停成本；/>表示机组关停成本；ui,t表示机组的开关机状态。
7.根据权利要求1所述的模糊可信性风-光-储协同规划方法，其特征在于，所述电力系统高时间分辨率运行模拟模型满足机组出力约束、机组爬坡约束、机组启停时间约束、功率平衡约束、弃风弃光约束及储能约束。
8.一种模糊可信性风-光-储协同规划系统，其特征在于，包括：
形成模块，用于考虑电源结构和碳减排目标约束，将电源结构规划的长期目标通过状态转移矩阵分解到每一个规划期，以形成模糊机会约束；
建立模块，用于考虑模糊机会约束，以投建费用最小为目标函数，建立考虑模糊机会约束的长期电源投资决策模型；
求解模块，用于求解所述考虑模糊机会约束的长期电源投资决策模型，得到全周期电源方案。
9.一种计算机设备，包括存储器、处理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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述模糊可信性风-光-储协同规划方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述模糊可信性风-光-储协同规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311661703.4A CN117634828A (zh) | 2023-12-05 | 2023-12-05 | 模糊可信性风-光-储协同规划方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311661703.4A CN117634828A (zh) | 2023-12-05 | 2023-12-05 | 模糊可信性风-光-储协同规划方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117634828A true CN117634828A (zh) | 2024-03-01 |
Family
ID=90019755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311661703.4A Pending CN117634828A (zh) | 2023-12-05 | 2023-12-05 | 模糊可信性风-光-储协同规划方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117634828A (zh) |
-
2023
- 2023-12-05 CN CN202311661703.4A patent/CN117634828A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
| CN113193600B (zh) | 计及风电概率分布不确定性的电力系统调度方法及装置 | |
| Rodriguez et al. | Fuzzy logic-based energy management for isolated microgrid using meta-heuristic optimization algorithms | |
| CN108155674B (zh) | 考虑不确定分布特性的水火电联合调度方法及系统 | |
| CN113285490A (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
| Shotorbani et al. | Enhanced real-time scheduling algorithm for energy management in a renewable-integrated microgrid | |
| CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
| CN113435659B (zh) | 基于场景分析的综合能源系统两阶段优化运行方法及系统 | |
| CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
| Pan et al. | Optimal scheduling for unit commitment with electric vehicles and uncertainty of renewable energy sources | |
| CN112994011B (zh) | 考虑电压风险约束的多源电力系统日前优化调度方法 | |
| CN113779874A (zh) | 一种离网微电网建设的多目标优化方法 | |
| CN117674290A (zh) | 一种基于多场景的水电平抑分布鲁棒优化方法 | |
| CN115296345B (zh) | 一种燃气发电机组启停-出力-备用联合优化方法及装置 | |
| CN117634828A (zh) | 模糊可信性风-光-储协同规划方法、系统、设备及介质 | |
| CN113394789B (zh) | 考虑高比例可再生能源接入的电力系统一体化调度方法 | |
| Liu et al. | A multi-objective optimization model for the coordinated operation of hydropower and renewable energy | |
| CN112736894A (zh) | 一种计及风电与电动汽车随机性的两阶段机组组合建模方法 | |
| Lin et al. | Long-term multi-objective optimal scheduling for large cascaded hydro-wind-photovoltaic complementary systems considering short-term peak-shaving demands | |
| Zhang et al. | Optimal Scheduling Strategy for Power Systems Containing Offshore Wind Farms Considering Wind Power Uncertainty | |
| CN109449935B (zh) | 一种基于能源互联的时序生产模拟方法及系统 | |
| Ruizeng et al. | A two-stage robust optimization method based on the expected scenario for island microgrid energy management | |
| Alturki et al. | Sizing and Cost Minimization of Standalone Hybrid WT/PV/Biomass/Pump-Hydro Storage-Based Energy Systems. Energies 2021, 14, 489 | |
| Araya et al. | Optimal Energy Management System Using Probabilistic Day-ahead Forecasting | |
| Qi et al. | Research on Optimal Design of Microgrid Including Electric Vehicles |
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 |