CN117639114A - 梯级水电协同配置风光容量优化方法、装置、设备及介质 - Google Patents
梯级水电协同配置风光容量优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117639114A CN117639114A CN202410111712.4A CN202410111712A CN117639114A CN 117639114 A CN117639114 A CN 117639114A CN 202410111712 A CN202410111712 A CN 202410111712A CN 117639114 A CN117639114 A CN 117639114A
- Authority
- CN
- China
- Prior art keywords
- wind
- constraint
- capacity
- pumping
- cascade
- 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 62
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000005086 pumping Methods 0.000 claims abstract description 112
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 67
- 238000010248 power generation Methods 0.000 claims abstract description 61
- 230000000295 complement effect Effects 0.000 claims abstract description 28
- 230000008878 coupling Effects 0.000 claims abstract description 19
- 238000010168 coupling process Methods 0.000 claims abstract description 19
- 238000005859 coupling reaction Methods 0.000 claims abstract description 19
- 238000004146 energy storage Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及多能源互补发电系统技术领域,尤其涉及一种梯级水电协同配置风光容量优化方法、装置、设备及介质,方法包括:以源荷匹配度最大为第一目标,以梯级水电外送通道利用率最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;对混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。本发明能够实现梯级水电和风电光伏的互补运行。
Description
技术领域
本发明涉及多能源互补发电系统技术领域,尤其涉及一种梯级水电协同配置风光容量优化方法、装置、设备及介质。
背景技术
随着新能源技术持续进步、成本持续下降、效率持续提高,因此新能源的高比例消纳、关键技术创新、产业链供应链安全、保供增供等也成为了关键问题。因此,在目前情况下风电、光伏、水电资源丰富的前提下,如何将风电、光伏、水电更好的组合起来,提高新能源消纳率等,也亟需解决。
在我国西南地区,已经建成了广阔的梯级水电站群,在这基础上加入抽水蓄能电站进行改造,并配置一定容量的风电场与光伏电站,建成风-光-水-抽联合发电系统,充分利用常规水电站与抽水蓄能电站的调节能力,减少风光发电出力的不稳定性,增强风光电量的消纳,提高水电送出通道利用率,建设以可再生能源为主的水风光蓄一体化可再生能源综合开发基地,是一项有效的措施。
随着风电、光伏等新能源的大规模并网,其出力的随机波动性也给电力系统的稳定运行造成了很大的压力,其发电过程不可调节,受到负荷需求限制的电网系统在接纳大规模新能源时往往面临巨大的调峰压力。在常规水电站调节能力有限的情况下,抽水蓄能作为一项成熟的储能技术,可以很大程度的改善大规模风光资源并网带来的电力系统的不稳定性。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提供了一种梯级水电协同配置风光容量优化方法、装置、设备及介质,从而有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:一种梯级水电协同配置风光容量优化方法,包括如下步骤:
以源荷匹配度最大为第一目标,以梯级水电外送通道利用率最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以所述目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
对所述混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
进一步地,所述第一目标包括:
将源荷匹配度最大转换为系统净负荷峰谷差最小:
;
;
其中,为第/>时段剩余负荷;/>为第/>时段受端电网的负荷,/>为梯级水电站群第/>时段第/>级水电站中水电机组的出力;/>为光伏电站第/>时段光伏机组出力;/>为风电场第/>时段光伏机组出力;/>为抽蓄机组发电工况下第/>时段出力;/>为抽蓄机组抽水工况下第/>时段出力。
进一步地,所述第二目标包括:
;
;
其中,为一个调度周期内联合发电系统外送输送通道的利用率;/>为一个时段内外送通道容量上限。
进一步地,所述建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件,包括如下约束:
风光电站约束,所述风光电站约束包括:风光电站装机容量约束和风光电站出力约束;
水力耦合约束,所述水力耦合约束包括:弃风弃光约束、梯级水电站水量平衡约束、水电机组开停机状态约束和外送通道容量约束;
抽蓄机组约束,所述抽蓄机组约束包括:抽蓄机组流量约束、抽蓄机组功率上下限约束和抽蓄机组最小启停时间约束。
进一步地,所述风光电站约束包括:
风光电站装机容量约束:
;
其中,为风电场最小装机容量;/>为风电场最大装机容量;/>为光伏电站最小装机容量;/>为光伏电站最大装机容量;
风光电站出力约束:
;
其中,为风电场第/>时段最大预测出力;/>为光伏电站第/>时段最大预测出力。
进一步地,所述水力耦合约束包括:
弃风弃光约束:
;
其中,为一个调度周期内联合发电系统总的弃电量;/>为一个调度周期内联合发电系统总的风电与光伏发电量;/>为联合发电系统的最大弃电率;
梯级水电站水量平衡约束:
一级电站:
;
其中,为第/>时段一级电站水库库容;/>为一级电站水库初始库容;/>为第时段上游来水;/>为第/>时段一级电站下泄流量;
二级电站:
;
其中,为第/>时段二级电站水库库容;/>为二级电站水库初始库容;/>为第/>时段二级电站下泄流量;
三级电站:
;
其中,为第/>时段三级电站下泄流量;
流量约束:
;
其中,为第/>级梯级水电站第/>时段下泄流量;/>为第/>级梯级水电站第/>时段发电流量;/>为第/>时段抽蓄机组发电工况下的流量;/>为第/>时段抽蓄机组抽水工况下的流量;/>为第/>级梯级水电站第/>时段弃水流量;
库容控制约束:
;
其中,为第/>级梯级水电站的最小库容;/>为第/>级梯级水电站的最大库容;/>为第/>级梯级水电站的初始库容;
水电机组弃水流量限制约束:
;
水电机组出力特性约束:
;
其中,为第/>级梯级水电站的水轮机最小出力;/>为第/>级梯级水电站的水轮机最大出力;
水电机组开停机状体约束:
;
其中,为第/>级梯级水电站的水轮机开机状态变量;/>第/>级梯级水电站的水轮机关机状态变量;/>为第/>级梯级水电站的水轮机运行状态变量;
外送通道容量约束:
。
进一步地,所述抽蓄机组约束包括:
抽蓄机组流量约束:
;
其中,为发电工况下的流量;/>为抽水工况下的流量;
抽蓄机组功率上下限约束:
;
其中,为抽蓄机组第/>时段发电工况的运行状态变量;/>为抽蓄机组第/>时段抽水工况的运行状态变量;/>,/>为抽蓄机组发电工况下的最小最大出力;,/>为抽蓄机组抽水工况下的最小最大出力;
抽蓄机组最小启停时间约束:
;
其中,,/>为抽蓄机组第/>时段发电工况下启停状态变量;/>,/>为抽蓄机组第/>时段抽水工况下启停状态变量;/>,/>分别为抽蓄机组在发电、抽水工况下的日内最大启停次数。
进一步地,所述通过历史场景数据聚类获得典型场景,包括:
;
;
其中,为各个场景对应的分布概率,/>为总的数学期望值,/>为模型中第/>个变量,/>为第/>个场景,/>为第/>个场景的目标值。
进一步地,所述对所述混合整数线性规划模型进行求解,包括:
采用Yalmip调用Gurobi求解器对所述梯级水风光联合容量优化配置的混合整数线性规划模型进行求解,得到梯级水电站中各发电机组和风力电站光伏电站在各时刻的有功出力。
本发明还包括一种梯级水电协同配置风光容量优化装置,使用如上述的方法,包括:
目标单元,所述目标单元以梯级水电外送通道利用率最大为第一目标,以源荷匹配度最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
约束单元,所述约束单元用于建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
建模单元,所述建模单元对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以所述目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
求解单元,所述求解单元对所述混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
本发明还包括一种计算机设备,包括存储器、处理器及存储在存储器上并可在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,实现如上述的方法。
本发明还包括一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的方法。
本发明的有益效果为:本发明能够充分考虑风电光伏出力的不确定性以及抽蓄在系统中的调节能力,兼顾联合发电系统调峰效果和风电光伏消纳与打捆外送的通道利用率,对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型,得到优化配置方法,实现梯级水电和风电光伏的互补运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明中记载的一些实施例,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为实施例1中方法的流程图;
图2为实施例1中装置的结构示意图;
图3为实施例2中历史数据聚类后获得的十二个典型场景的风电出力图;
图4为实施例2中历史数据聚类后获得的十二个典型场景的光伏出力图;
图5为实施例2中历史数据聚类后获得的十二个典型场景的负荷出力图;
图6为实施例2中历史数据聚类后获得的十二个典型场景的来水出力图;
图7为实施例2中典型场景7的联合系统出力结果图;
图8为实施例2中典型场景7的抽蓄工况图;
图9为实施例2中典型场景7的风光出力结果图;
图10为实施例2中典型场景7的梯级水电出力结果图;
图11为实施例2中典型场景7的调峰效果结果图;
图12为计算机设备的结构示意图。
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。
实施例1:
如图1所示:一种梯级水电协同配置风光容量优化方法,包括如下步骤:
以源荷匹配度最大为第一目标,以梯级水电外送通道利用率最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
对混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
在本实施例中,第一目标包括:
将源荷匹配度最大转换为系统净负荷峰谷差最小:
;
;
其中,为第/>时段剩余负荷;/>为第/>时段受端电网的负荷,/>为梯级水电站群第/>时段第/>级水电站中水电机组的出力;/>为光伏电站第/>时段光伏机组出力;/>为风电场第/>时段光伏机组出力;/>为抽蓄机组发电工况下第/>时段出力;/>为抽蓄机组抽水工况下第/>时段出力。
第二目标包括:
;
;
其中,为一个调度周期内联合发电系统外送输送通道的利用率;/>为一个时段内外送通道容量上限。
建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件,包括如下约束:
风光电站约束,风光电站约束包括:风光电站装机容量约束和风光电站出力约束;
水力耦合约束,水力耦合约束包括:弃风弃光约束、梯级水电站水量平衡约束、水电机组开停机状态约束和外送通道容量约束;
抽蓄机组约束,抽蓄机组约束包括:抽蓄机组流量约束、抽蓄机组功率上下限约束和抽蓄机组最小启停时间约束。
风光电站约束包括:
风光电站装机容量约束:
;
其中,为风电场最小装机容量;/>为风电场最大装机容量;/>为光伏电站最小装机容量;/>为光伏电站最大装机容量;
风光电站出力约束:
;
其中,为风电场第/>时段最大预测出力;/>为光伏电站第/>时段最大预测出力。
作为上述实施例的优选,水力耦合约束包括:
弃风弃光约束:
;
其中,为一个调度周期内联合发电系统总的弃电量;/>为一个调度周期内联合发电系统总的风电与光伏发电量;/>为联合发电系统的最大弃电率;
梯级水电站水量平衡约束:
一级电站:
;
其中,为第/>时段一级电站水库库容;/>为一级电站水库初始库容;/>为第时段上游来水;/>为第/>时段一级电站下泄流量;
二级电站:
;
其中,为第/>时段二级电站水库库容;/>为二级电站水库初始库容;/>为第/>时段二级电站下泄流量;
三级电站:
;
其中,为第/>时段三级电站下泄流量;
流量约束:
;
其中,为第/>级梯级水电站第/>时段下泄流量;/>为第/>级梯级水电站第/>时段发电流量;/>为第/>时段抽蓄机组发电工况下的流量;/>为第/>时段抽蓄机组抽水工况下的流量;/>为第/>级梯级水电站第/>时段弃水流量;
库容控制约束:
;
其中,为第/>级梯级水电站的最小库容;/>为第/>级梯级水电站的最大库容;/>为第/>级梯级水电站的初始库容;
水电机组弃水流量限制约束:
;
水电机组出力特性约束:
;
其中,为第/>级梯级水电站的水轮机最小出力;/>为第/>级梯级水电站的水轮机最大出力;
水电机组开停机状体约束:
;
其中,为第/>级梯级水电站的水轮机开机状态变量;/>第/>级梯级水电站的水轮机关机状态变量;/>为第/>级梯级水电站的水轮机运行状态变量;
外送通道容量约束:
。
抽蓄机组约束包括:
抽蓄机组流量约束:
;
其中,为发电工况下的流量;/>为抽水工况下的流量;
抽蓄机组功率上下限约束:
;
其中,为抽蓄机组第/>时段发电工况的运行状态变量;/>为抽蓄机组第/>时段抽水工况的运行状态变量;/>,/>为抽蓄机组发电工况下的最小最大出力;,/>为抽蓄机组抽水工况下的最小最大出力;
抽蓄机组最小启停时间约束:
;
其中,,/>为抽蓄机组第/>时段发电工况下启停状态变量;/>,/>为抽蓄机组第/>时段抽水工况下启停状态变量;/>,/>分别为抽蓄机组在发电、抽水工况下的日内最大启停次数。
在本实施例中,通过历史场景数据聚类获得典型场景,包括:
;
;
其中,为各个场景对应的分布概率,/>为总的数学期望值,/>为模型中第/>个变量,/>为第/>个场景,/>为第/>个场景的目标值。
作为上述实施例的优选,对混合整数线性规划模型进行求解,包括:
采用Yalmip调用Gurobi求解器对梯级水风光联合容量优化配置的混合整数线性规划模型进行求解,得到梯级水电站中各发电机组和风力电站光伏电站在各时刻的有功出力。
本实施例方案能够充分考虑风电光伏出力的不确定性以及抽蓄在系统中的调节能力,兼顾联合发电系统调峰效果和风电光伏消纳与打捆外送的通道利用率,对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型,得到优化配置方法,实现梯级水电和风电光伏的互补运行。
如图2所示,本实施例还包括一种梯级水电协同配置风光容量优化装置,使用如上述的方法,包括:
目标单元,目标单元以梯级水电外送通道利用率最大为第一目标,以源荷匹配度最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
约束单元,约束单元用于建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
建模单元,建模单元对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
求解单元,求解单元对混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
实施例2:
为展现本发明提供的水风光蓄互补发电的联合发电系统容量优化配置方法的有效性,下面结合具体的应用场景进行说明。
如图3至11所示,本发明实施例包含三座梯级水电站,一座风力发电站以及一座光伏发电站,梯级水电站的总装机容量为141MW,光伏电站最大容量为500MW,风力电站最大容量为500MW,梯级水风光蓄联合发电系统的外送输电容量限制为320MW。
首先建立梯级水风光蓄互补的容量优化配置的目标函数如下:
(1)系统净负荷峰谷差最小
其中,为一个调度周期内的剩余负荷的峰谷差;/>为第/>时段剩余负荷;/>为第/>时段受端电网的负荷。
(2)外送通道利用率最大
其中,为一个调度周期内联合发电系统外送输送通道的利用率;/>为梯级水电站群第/>时段第/>级水电站中水电机组的出力;/>为光伏电站第/>时段光伏机组出力;/>为风电场第/>时段光伏机组出力;/>为抽蓄机组发电工况下第/>时段出力;/>为抽蓄机组抽水工况下第/>时段出力;/>为一个时段内外送通道容量上限。
接着建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件如下:
风光电站装机容量约束:
其中,为风电场最小装机容量;/>为风电场最大装机容量;/>为光伏电站最小装机容量;/>为光伏电站最大装机容量。
风光电站出力约束
其中,为风电场第/>时段最大预测出力;/>为光伏电站第/>时段最大预测出力。
弃风弃光约束
其中,为一个调度周期内联合发电系统总的弃电量;/>为一个调度周期内联合发电系统总的风电与光伏发电量;/>为联合发电系统的最大弃电率;
梯级水电站水量平衡约束
1)一级电站
其中,为第/>时段一级电站水库库容;/>为一级电站水库初始库容;/>为第/>时段上游来水;/>为第/>时段一级电站下泄流量。
2)二级电站
其中,为第/>时段二级电站水库库容;/>为二级电站水库初始库容;/>为第时段二级电站下泄流量。
3)三级电站
其中,为第/>时段三级电站下泄流量。
流量约束
其中,为第/>级梯级水电站第/>时段下泄流量;/>为第/>级梯级水电站第/>时段发电流量;/>为第/>时段抽蓄机组发电工况下的流量;/>为第/>时段抽蓄机组抽水工况下的流量;/>为第/>级梯级水电站第/>时段弃水流量。
梯级水电机组基础参数见表1:
表1 梯级水电机组基础参数
梯级水电机组水轮机参数见表2:
表2 梯级水电机组水轮机参数
库容控制约束
其中,为第/>级梯级水电站的最小库容;/>为第/>级梯级水电站的最大库容;/>为第/>级梯级水电站的初始库容;
水电机组弃水流量限制约束
水电机组出力特性约束
其中,为第/>级梯级水电站的水轮机最小出力;/>为第/>级梯级水电站的水轮机最大出力。
水电机组开停机状体约束
其中,为第/>级梯级水电站的水轮机开机状态变量;/>第/>级梯级水电站的水轮机关机状态变量;/>为第/>级梯级水电站的水轮机运行状态变量。
外送通道容量约束
抽蓄机组流量约束
其中,为发电工况下的流量;/>为抽水工况下的流量。
抽蓄机组功率上下限约束
其中,为抽蓄机组第/>时段发电工况的运行状态变量;/>为抽蓄机组第/>时段抽水工况的运行状态变量;/>,/>为抽蓄机组发电工况下的最小最大出力;,/>为抽蓄机组抽水工况下的最小最大出力。
抽蓄机组最小启停时间约束
其中,,/>为抽蓄机组第/>时段发电工况下启停状态变量;/>,/>为抽蓄机组第/>时段抽水工况下启停状态变量;/>,/>分别为抽蓄机组在发电、抽水工况下的日内最大启停次数。
接着对历史场景聚类后的典型场景采取随机优化的方法,在目标中求取期望值如下:
其中,为各个场景对应的分布概率,/>为总的数学期望值,/>为模型中第/>个变量,/>为第/>个场景,/>为第/>个场景的目标值。
十二个典型场景有无抽蓄机组情况下的通道利用率见表3:
表3 十二个典型场景有无抽蓄机组情况下的通道利用率
十二个典型场景有无抽蓄机组情况下的净负荷峰谷差见表4:
表4 有无抽蓄机组情况下的净负荷峰谷差
有无抽蓄机组情况下的风光装机容量见表5:
表5 有无抽蓄机组情况下的风光装机容量
请参见图12示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400,包括:处理器410和存储器420,存储器420存储有处理器410可执行的计算机程序,计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430,该存储介质430上存储有计算机程序,该计算机程序被处理器410运行时执行如上的方法。
其中,存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本发明的描述中,术语“第一”、“第二”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”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;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或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种梯级水电协同配置风光容量优化方法,其特征在于,包括如下步骤:
以源荷匹配度最大为第一目标,以梯级水电外送通道利用率最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以所述目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
对所述混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
2.根据权利要求1所述的梯级水电协同配置风光容量优化方法,其特征在于,所述第一目标 包括:
将源荷匹配度最大转换为系统净负荷峰谷差最小:
;
;
其中,为第/>时段剩余负荷;/>为第/>时段受端电网的负荷,/>为梯级水电站群第/>时段第/>级水电站中水电机组的出力;/>为光伏电站第/>时段光伏机组出力;/>为风电场第/>时段光伏机组出力;/>为抽蓄机组发电工况下第/>时段出力;/>为抽蓄机组抽水工况下第/>时段出力。
3.根据权利要求2所述的梯级水电协同配置风光容量优化方法,其特征在于,所述第二目标包括:
;
;
其中,为一个调度周期内联合发电系统外送输送通道的利用率; />为一个时段内外送通道容量上限。
4.根据权利要求1所述的梯级水电协同配置风光容量优化方法,其特征在于,所述建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件,包括如下约束:
风光电站约束,所述风光电站约束包括:风光电站装机容量约束和风光电站出力约束;
水力耦合约束,所述水力耦合约束包括:弃风弃光约束、梯级水电站水量平衡约束、水电机组开停机状态约束和外送通道容量约束;
抽蓄机组约束,所述抽蓄机组约束包括:抽蓄机组流量约束、抽蓄机组功率上下限约束和抽蓄机组最小启停时间约束。
5.根据权利要求4所述的梯级水电协同配置风光容量优化方法,其特征在于,所述风光电站约束包括:
风光电站装机容量约束:
;
其中,为风电场最小装机容量;/>为风电场最大装机容量;/>为光伏电站最小装机容量;/>为光伏电站最大装机容量;
风光电站出力约束:
;
其中,为风电场第/>时段最大预测出力;/>为光伏电站第/>时段最大预测出力。
6.根据权利要求4所述的梯级水电协同配置风光容量优化方法,其特征在于,所述水力耦合约束包括:
弃风弃光约束:
;
其中,为一个调度周期内联合发电系统总的弃电量;/>为一个调度周期内联合发电系统总的风电与光伏发电量;/>为联合发电系统的最大弃电率;
梯级水电站水量平衡约束:
一级电站:
;
其中,为第/>时段一级电站水库库容;/>为一级电站水库初始库容;/>为第/>时段上游来水;/>为第/>时段一级电站下泄流量;
二级电站:
;
其中,为第/>时段二级电站水库库容;/>为二级电站水库初始库容;/>为第/>时段二级电站下泄流量;
三级电站:
;
其中,为第/>时段三级电站下泄流量;
流量约束:
;
其中,为第/>级梯级水电站第/>时段下泄流量;/>为第/>级梯级水电站第/>时段发电流量;/>为第/>时段抽蓄机组发电工况下的流量;/>为第/>时段抽蓄机组抽水工况下的流量;/>为第/>级梯级水电站第/>时段弃水流量;
库容控制约束:
;
其中,为第/>级梯级水电站的最小库容;/>为第/>级梯级水电站的最大库容;为第/>级梯级水电站的初始库容;
水电机组弃水流量限制约束:
;
水电机组出力特性约束:
;
其中,为第/>级梯级水电站的水轮机最小出力;/>为第/>级梯级水电站的水轮机最大出力;
水电机组开停机状体约束:
;
其中,为第/>级梯级水电站的水轮机开机状态变量;/>第/>级梯级水电站的水轮机关机状态变量;/>为第/>级梯级水电站的水轮机运行状态变量;
外送通道容量约束:
。
7.根据权利要求4所述的梯级水电协同配置风光容量优化方法,其特征在于,所述抽蓄机组约束包括:
抽蓄机组流量约束:
;
其中,为发电工况下的流量;/>为抽水工况下的流量;
抽蓄机组功率上下限约束:
;
其中,为抽蓄机组第/>时段发电工况的运行状态变量;/>为抽蓄机组第/>时段抽水工况的运行状态变量;/>,/>为抽蓄机组发电工况下的最小最大出力;/>,为抽蓄机组抽水工况下的最小最大出力;
抽蓄机组最小启停时间约束:
;
其中,,/>为抽蓄机组第/>时段发电工况下启停状态变量;/>,/>为抽蓄机组第/>时段抽水工况下启停状态变量;/>,/>分别为抽蓄机组在发电、抽水工况下的日内最大启停次数。
8.根据权利要求3所述的梯级水电协同配置风光容量优化方法,其特征在于,所述通过历史场景数据聚类获得典型场景,包括:
;
;
其中,为各个场景对应的分布概率,/>为总的数学期望值,/>为模型中第/>个变量,/>为第/>个场景,/>为第/>个场景的目标值。
9.根据权利要求1所述的梯级水电协同配置风光容量优化方法,其特征在于,所述对所述混合整数线性规划模型进行求解,包括:
采用Yalmip调用Gurobi求解器对所述梯级水风光联合容量优化配置的混合整数线性规划模型进行求解,得到梯级水电站中各发电机组和风力电站光伏电站在各时刻的有功出力。
10.一种梯级水电协同配置风光容量优化装置,其特征在于,使用如权利要求1至9中任一项所述的方法,包括:
目标单元,所述目标单元以梯级水电外送通道利用率最大为第一目标,以源荷匹配度最大为第二目标,建立梯级水风光互补协同优化配置的目标函数;
约束单元,所述约束单元用于建立考虑水力耦合的梯级水电约束为主的容量优化配置约束条件;
建模单元,所述建模单元对风电与光伏出力进行不确定性集合建模,通过历史场景数据聚类获得典型场景,对目标采取求期望的方法,以所述目标函数和约束条件构建抽蓄改造梯级水电下的水风光互补联合优化配置的混合整数线性规划模型;
求解单元,所述求解单元对所述混合整数线性规划模型进行求解,获得梯级水风光蓄互补联合发电系统容量优化配置方法。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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1-9中任一项所述的方法。
12.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410111712.4A CN117639114B (zh) | 2024-01-26 | 2024-01-26 | 梯级水电协同配置风光容量优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410111712.4A CN117639114B (zh) | 2024-01-26 | 2024-01-26 | 梯级水电协同配置风光容量优化方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117639114A true CN117639114A (zh) | 2024-03-01 |
CN117639114B CN117639114B (zh) | 2024-04-02 |
Family
ID=90036067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410111712.4A Active CN117639114B (zh) | 2024-01-26 | 2024-01-26 | 梯级水电协同配置风光容量优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117639114B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117833299A (zh) * | 2024-03-04 | 2024-04-05 | 华北电力大学 | 一种混合抽蓄电站群容量分配方法、系统及电子设备 |
CN117879063A (zh) * | 2024-03-12 | 2024-04-12 | 河海大学 | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283226A (zh) * | 2014-10-13 | 2015-01-14 | 东北电力大学 | 一种基于储能的光伏电站群外送输电容量静态优化方法 |
WO2022112941A1 (en) * | 2020-11-26 | 2022-06-02 | Genius Watter S.R.L. | A desalination plant |
CN115833240A (zh) * | 2022-12-13 | 2023-03-21 | 合肥工业大学 | 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 |
CN116667395A (zh) * | 2023-05-31 | 2023-08-29 | 河海大学 | 基于梯级水电改造的水风光蓄互补泵站容量配置方法 |
CN117318156A (zh) * | 2023-10-08 | 2023-12-29 | 国网浙江省电力有限公司电力科学研究院 | 梯级分布式抽水蓄能电站的调度方法、装置、设备及介质 |
-
2024
- 2024-01-26 CN CN202410111712.4A patent/CN117639114B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283226A (zh) * | 2014-10-13 | 2015-01-14 | 东北电力大学 | 一种基于储能的光伏电站群外送输电容量静态优化方法 |
WO2022112941A1 (en) * | 2020-11-26 | 2022-06-02 | Genius Watter S.R.L. | A desalination plant |
CN115833240A (zh) * | 2022-12-13 | 2023-03-21 | 合肥工业大学 | 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 |
CN116667395A (zh) * | 2023-05-31 | 2023-08-29 | 河海大学 | 基于梯级水电改造的水风光蓄互补泵站容量配置方法 |
CN117318156A (zh) * | 2023-10-08 | 2023-12-29 | 国网浙江省电力有限公司电力科学研究院 | 梯级分布式抽水蓄能电站的调度方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
杨东;毛宗波;黄炜斌;马光文;王玉华;郭乐;: "基于多电网负荷趋势的梯级水电站群中长期联合优化调度", 水电能源科学, no. 02, 25 February 2015 (2015-02-25) * |
黄涛;成立芹;: "电力市场环境下梯级水电站短期优化调度研究", 水力发电学报, no. 03, 25 June 2009 (2009-06-25) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117833299A (zh) * | 2024-03-04 | 2024-04-05 | 华北电力大学 | 一种混合抽蓄电站群容量分配方法、系统及电子设备 |
CN117833299B (zh) * | 2024-03-04 | 2024-05-17 | 华北电力大学 | 一种混合抽蓄电站群容量分配方法、系统及电子设备 |
CN117879063A (zh) * | 2024-03-12 | 2024-04-12 | 河海大学 | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 |
CN117879063B (zh) * | 2024-03-12 | 2024-05-17 | 河海大学 | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117639114B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117639114B (zh) | 梯级水电协同配置风光容量优化方法、装置、设备及介质 | |
An et al. | Theories and methodology of complementary hydro/photovoltaic operation: Applications to short-term scheduling | |
Petrescu et al. | Ecosphere protection through green energy | |
CN109245169B (zh) | 一种风光水储联合调度方法 | |
CN116388301B (zh) | 梯级水光互补日前鲁棒调峰调度方法、系统、设备及介质 | |
CN114254937A (zh) | 以机组为调度单元的梯级水电及光伏短期互补调度方法和系统 | |
CN117543721B (zh) | 梯级水风光互补系统的优化调度方法、装置、设备及介质 | |
CN115940207A (zh) | 基于平抑风光波动的抽水蓄能容量优化配置方法 | |
Fang et al. | Risk-constrained optimal scheduling with combining heat and power for concentrating solar power plants | |
CN110768303A (zh) | 一种海岛型能源系统设备容量的优化配置方法 | |
CN112583051B (zh) | 变速抽水蓄能机组在区域电网中的优化调度模型构建方法 | |
CN112183839B (zh) | 一种含梯级水电风光水互补发电系统中长期优化调度方法 | |
CN104701870A (zh) | 一种电力系统储能优化方法 | |
CN116667362A (zh) | 梯级抽水蓄能电站日调峰运行方法 | |
CN110690729A (zh) | 一种调节电力系统峰谷差的抽蓄优化调度方法 | |
CN114389262B (zh) | 一种弹性环境下基于鲁棒优化的区域电网调度方法 | |
CN113824152B (zh) | 一种计及水头敏感的变速抽蓄协同风光发电调峰调度方法 | |
CN105514985B (zh) | 一种电网聚合模型的构建方法 | |
Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
CN103560534A (zh) | 一种移动储能电站基于经济调度的优化方法 | |
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 | |
CN117879063B (zh) | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 | |
CN117713160A (zh) | 混合式抽蓄电站容量优化配置方法、装置、设备及介质 | |
Wang et al. | Control strategies of battery energy storage systems for smoothing wind power fluctuations | |
CN115018260B (zh) | 一种梯级水光互补发电系统的调峰优化调度方法 |
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 |