CN117670071A - 源网储协同规划方案的生成方法及装置、介质、终端 - Google Patents
源网储协同规划方案的生成方法及装置、介质、终端 Download PDFInfo
- Publication number
- CN117670071A CN117670071A CN202311400916.1A CN202311400916A CN117670071A CN 117670071 A CN117670071 A CN 117670071A CN 202311400916 A CN202311400916 A CN 202311400916A CN 117670071 A CN117670071 A CN 117670071A
- Authority
- CN
- China
- Prior art keywords
- source network
- network storage
- collaborative planning
- current power
- power system
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004146 energy storage Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 55
- 238000010276 construction Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 16
- 239000002699 waste material Substances 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 10
- 239000003245 coal Substances 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 14
- 230000008901 benefit Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000039077 Copula Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种源网储协同规划方案的生成方法及装置、介质、终端，涉及源网储规划技术领域，主要目的在于改善现有电力系统灵活性调节能力难以满足需求的问题。包括：获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
Description
技术领域
本申请涉及源网储规划技术领域，特别是涉及一种源网储协同规划方案的生成方法及装置、介质、终端。
背景技术
现有的电力系统电源主要以出力可控的火电机组、水电机组为主，这些电源都具有较强的负荷跟踪能力和调节性能。然而，随着大规模风、光可再生能源以及分布式电源等具有较强不确定性的电源接入电网，导致现有电力系统灵活性调节能力难以满足需求；同时，伴随第三产业以及居民用电比重的提升，导致系统峰谷差不断增大，负荷率不断下降，进一步增加现有电力系统的不确定性，进而导致灵活性调节能力需求进一步增加。
发明内容
有鉴于此，本申请提供一种源网储协同规划方案的生成方法及装置、介质、终端，主要目的在于改善现有电力系统灵活性调节能力难以满足需求的问题。
依据本申请一个方面，提供了一种源网储协同规划方案的生成方法，包括：
获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
优选的，所述源网储协同规划耗资模型包括建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型，所述源网储协同规划耗资模型的最小目标函数用于表征所述建设耗资子模型、所述综合生产模拟运行耗资子模型以及所述弃能耗资子模型之和的最小目标函数。
优选的，所述构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案，具体包括：
构建多个所述最小目标函数的约束条件；
将所述最小目标函数分解为柔性规划子问题以及运行子问题，并基于多个所述约束条件对所述柔性规划子问题以及所述运行子问题进行求解，得到求解结果。
优选的，所述约束条件包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件。
优选的，所述源侧网侧储能灵活性资源策略包括煤电灵活性改造子策略、联络线控制子策略以及储能子策略。
依据本申请另一个方面，提供了一种源网储协同规划方案的生成装置，包括：
数据处理模块，用于获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
模型构建模块，用于获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
生成模块，用于构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
优选的，所述源网储协同规划耗资模型包括建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型，所述源网储协同规划耗资模型的最小目标函数用于表征所述建设耗资子模型、所述综合生产模拟运行耗资子模型以及所述弃能耗资子模型之和的最小目标函数。
优选的，所述生成模块，具体包括：
构建单元，用于构建多个所述最小目标函数的约束条件；
求解单元，用于将所述最小目标函数分解为柔性规划子问题以及运行子问题，并基于多个所述约束条件对所述柔性规划子问题以及所述运行子问题进行求解，得到求解结果。
优选的，所述约束条件包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件。
优选的，所述源侧网侧储能灵活性资源策略包括煤电灵活性改造子策略、联络线控制子策略以及储能子策略。
根据本申请的又一方面，提供了一种存储介质，所述存储介质中存储有至少一条可执行指令，所述可执行指令使处理器执行如上述源网储协同规划方案的生成方法对应的操作。
根据本申请的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，所述可执行指令使所述处理器执行上述源网储协同规划方案的生成方法对应的操作。
借由上述技术方案，本申请实施例提供的技术方案至少具有下列优点：
本申请提供了一种源网储协同规划方案的生成方法及装置、介质、终端，首先获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；其次获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；最后构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。与现有技术相比，本申请实施例通过将当前电力系统的源侧网侧储能灵活性资源策略以及聚类重构后的风光荷数据嵌入源网储协同规划耗资模型，得到与当前电力系统相匹配的源网储协同规划耗资模型，并对其最小目标函数进行求解，以得到当前电力系统的源网储协同规划方案，通过将大规模新能源带来的复杂不确定性以及煤电灵活性改造等柔性资源作为生成源网储协同规划方案的依据，使得根据该源网储协同规划方案优化后的电力系统能够满足大规模新能源接入后所需的灵活性调节能力需求。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种源网储协同规划方案的生成方法流程图；
图2示出了本申请实施例提供的另一种源网储协同规划方案的生成方法流程图；
图3示出了本申请实施例提供的一种源网储协同规划方案的生成装置组成框图；
图4示出了本申请实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本申请实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本申请实施例提供了一种源网储协同规划方案的生成方法，如图1所示，该方法包括：
101、获取当前电力系统的基础数据，并对基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据。
其中，基础数据可以包括电源数据、节点负荷数据、输电网数据、储能数据、煤电灵活性改造数据等；其中，电源数据具体可以包括常规机组以及新能源机组的容量、出力限制、电压等级等；节点负荷数据用于表征节点负荷的大小；输电网数据用于表征电网结构数据，具体可以包括输电网拓扑结构数据、容量参数、输电线路长度、阻抗、型号等参数，以及输电线路规划待选集。聚类重构后的风光荷数据为一组中间参数。本申请实施例中，当前执行端可以是电力系统的规划模块，内嵌MATLAB软件，并在规划开始前将当前电力系统的基础数据全部进行输入，并基于MATLAB软件对数据进行复杂不确定性处理，得到聚类重构后的风光荷数据，以供后续程序编写时调用。
需要说明的是，在基于MATLAB软件对数据进行复杂不确定性处理时，针对历史运行场景的转化可以基于深度嵌入技术的聚类方法进行转化；针对未来运行场景的转化，可以基于Copula函数和随机微分方程的重构方法进行转化。
102、获取当前电力系统的源侧网侧储能灵活性资源策略，并将源侧网侧储能灵活性资源策略以及聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与当前电力系统相匹配的源网储协同规划耗资模型。
本申请实施例中，源侧网侧储能灵活性资源策略用于表征灵活性资源的理论基础，可以通过线性化处理后嵌入到源网储协同规划耗资模型中，并且同时嵌入以根据当前电力系统基础数据经过复杂不确定性处理后得到的风光荷数据，即可得到与当前电力系统相匹配的源网储协同规划耗资模型。
需要说明的是，源网储协同规划耗资模型可以包括建设耗资、综合生产模拟运行耗资以及弃能耗资等组成。
103、构建源网储协同规划耗资模型的最小目标函数，并对最小目标函数进行求解，以基于求解结果生成当前电力系统的源网储协同规划方案。
本申请实施例中，构建源网储协同规划耗资模型的最小目标函数用于表征源网储协同规划所耗最少资源；求解结果可以包括输出电源、输电网、储能规划方案，以及规划方案的投资运行成本、切负荷成本、弃能成本等。
与现有技术相比，本申请实施例通过将当前电力系统的源侧网侧储能灵活性资源策略以及聚类重构后的风光荷数据嵌入源网储协同规划耗资模型，得到与当前电力系统相匹配的源网储协同规划耗资模型，并对其最小目标函数进行求解，以得到当前电力系统的源网储协同规划方案，通过将大规模新能源带来的复杂不确定性以及煤电灵活性改造等柔性资源作为生成源网储协同规划方案的依据，使得根据该源网储协同规划方案优化后的电力系统能够满足大规模新能源接入后所需的灵活性调节能力需求。
在一个本申请实施例中，为了进一步限定及说明，源网储协同规划耗资模型包括建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型，源网储协同规划耗资模型的最小目标函数用于表征建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型之和的最小目标函数。
具体的，可以将建设耗资表示为finv，综合生产模拟运行耗资表示为foper，弃能耗资表示为fcurt，则建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型分别表示如下述公式：
进一步的，
其中，xiξ、xjξ、xkξ、xdξ、xeξ表示决策变量，即等于0时投建，等于1时不投建，具体的，xiξ用于指示常规电源和新能源是否投建，xjξ用于指示灵活性调节煤电改造是否投建，xkξ用于指示网架是否投建，xdξ用于指示需求侧响应是否投建，xeξ用于指示储能是否投建；Nψ表示规划期；m表示常规机组和新能源类别；表示第ξ年电源单位建设成本，/>表示第ξ年煤电灵活性改造单位建设成本，/>表示第ξ年线路单位建设成本，xdξ表示第ξ年需求侧响应单位建设成本，/>表示第ξ年储能单位建设成本；/>表示各类发电机组单位维护成本，/>表示各类发电机组单位运行成本，/>表示各类发电机组单位碳排放成本；/>表示储能维护成本，表示DR单位能量转移成本；Eiψ表示各类机组发电量；Ejψ表示运行模拟时间内DR转移的能量，Pjψ,t表示各时刻的响应功率；(1+σ)-1表示综合运行成本均发生在年末，折算至年初，与投资决策成本一致。
源网储协同规划耗资模型的最小目标函数可以表示为
minftotal＝finv+foper+fcurt。
在一个本申请实施例中，为了进一步限定及说明，如图2所示，实施例步骤103构建源网储协同规划耗资模型的最小目标函数，并对最小目标函数进行求解，以基于求解结果生成当前电力系统的源网储协同规划方案，具体包括：
201、构建多个所述最小目标函数的约束条件。
202、将最小目标函数分解为柔性规划子问题以及运行子问题，并基于多个约束条件对柔性规划子问题以及运行子问题进行求解，得到求解结果。
其中，约束条件可以包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件等。本申请实施例中，功率平衡约束条件可以表示如下公式：
其中，Pψ,t表示运行模拟中各时刻的负荷需求，ΔPψ,t表示运行模拟中各时刻的切负荷值，需要说明的是，机组、储能出力、可再生能源出力和DR响应功率之和与负荷平衡。
已有线路直流潮流约束条件可以表示如下：
新建线路直流潮流约束条件可以表示如下公式：
机组出力上下限约束条件可以表示如下公式：
其中，δi min表示常规机组最小出力系数、δi max表示常规机组最大出力系数，Piψ,t表示机组运行模拟中各时刻的实际出力，需要说明的是，此处主要对火电、生物质和水电三类机组。
机组爬坡约束条件可以表示如下公式：
其中，表示机组上爬坡速率，/>表示机组下爬坡速率，且机组前后两个时段出力的变化范围要小于机组的最大爬坡速率。
新能源出力约束条件可以表示如下公式：
其中，表示风电在运行模拟中各时刻的实际出力，/>表示光伏在运行模拟中各时刻的实际出力，/>表示弃风值，/>表示风能预测最大出力值，/>表示弃光值，/>表示光能预测最大出力值。
资源禀赋约束条件用于表征系统新建的各类机组和灵活性资源受到各地区资源禀赋的约束，具体可以表示如下公式：
其中，Pi max表示各类资源的最大开发上限，由自然资源确定；当j＝1时，Pjψ表示储能容量；DR容量在各水平年之间是独立的，不存在累计效应，因此j＝2时，Pjψ为DR容量。
由于各地区根据能源发展规划的不同，制定不同的能源发展路线，因此，能源政策约束条件可以表示如下公式：
其中，上述公式中分子表示第ψ年非化石能源发电量，上述公式中分母表示第ψ年总发电量，αψ表示第ψ年非化石能源发电量最小占比。
为保证新能源的健康稳定发展，各地区制定了不同的弃风/光率上限，因此，新能源持续发展政策约束条件可以表示如下公式：
其中，Eiψ表示在第ψ年各类可再生能源的实际发电量，表示在第ψ年各类可再生能源的最大发电量、βiψ表示在第ψ年各类可再生能源的最大弃风/光率。
由于储能在运行过程中受到功率和能量的限制，因此，储能运行约束条件还包括各时刻储能的充放电功率约束条件以及存储能力约束条件，其中，各时刻储能的充放电功率约束条件可以表示如下公式：
存储能力约束条件可以表示如下公式：
其中，和/>表示储能充放电的0-1状态变量，/>和/>表示储能充放电功率，Ejψ,t和Ejψ,t-1表示储能前后两个时刻的能量，Ejψ,t＝0和/>表示运行周期始末储能能量一致，ηst,j表示充放电效率。
线路传输容量约束条件可以表示如下公式：
其中，Bl表示线路l的电纳值，Fl min表示线路l的最小传输功率，Fl max表示线路l的最大传输功率，θfr(l)表示线路l的首端节点电压相角值，θto(l)表示线路l的末端节点电压相角值。
灵活性指标约束条件可以表示如下公式：
总备用约束条件可以表示如下公式：
其中，λ表示新能源置信容量，α表示系统备用系数，Pr,Install表示新能源r装机容量。
最后，将最小目标函数分解为柔性规划子问题以及运行子问题，并基于上述多个约束条件对其进行求解。
相应的，实施例步骤201中的约束条件包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件。
在一个本申请实施例中，为了进一步限定及说明，源侧网侧储能灵活性资源策略包括煤电灵活性改造子策略、联络线控制子策略以及储能子策略。
其中，针对煤电灵活性改造子策略，改造后机组运行成本如下式所示：
其中，kt表示不投油调峰总成本，k1表示不投油调峰时的单位功率调峰成本，k2表示投油调峰时的单位功率调峰成本，Pi,d表示第i个火电机组基本调峰基准、Pi,t表示第i个火电机组不投油深度调峰基准。
需要说明的是，联络线控制主要解决大规模新能源出力不确定性导致的系统调峰需求骤升问题，利用联络线控制实现多区域间调峰资源的互补。互联互济以增强事故抵御能力，提高电网安全水平和供电可靠性，吸纳更多可再生能源。联络线控制有助于跨区输送新能源，解决新型电力系统电源和负荷分布不均的问题，缓解输电通道利用率的压力，联络线控制能使系统承受较大的负荷冲击及电源波动，在应对风光的波动性方面更具有优势。基于此，联络线运行约束中，以两区域系统为例，设跨区交流联络线l，线路容量为Pl，流经l的有功功率为Pf，得到联络线控制子策略。
另外，由于电力系统年持续净负荷特性曲线在新能源达到一定比例时，系统出现电力富余需储能参与消纳。不同类型储能在不同时间尺度可以发挥不同的作用。比如季节性储能适用于柔性调节，季节性储能在电力系统电能富余时将电能转化为其他可长期存储的能量形式进行储存，实现跨能源形式的长期储能与优化利用。
储能上下调灵活性数学模型如下式所示：
其中，Pd(t)表示储能装置的放电功率，Pc(t)表示储能装置的充电功率，Smax表示储能电量上限，Smin表示储能电量下限，S(t)表示储能装置当前所存储的电量。
进一步的，考虑多类型储能后，现有模型中的目标函数基本形式不变，即储能相关的投资成本由单一储能类型扩展为多种储能类型之和。约束条件则针对储能特点进行设置，具体如下：
储能最大充放电功率约束：
-Pmax≤Pcs(k)≤Pmax
其中，Pcs(k)表示k时刻多类型储能充放电功率，需要说明的是，该变量为规划变量，公式中的上下限为系统参数，可提前赋值。
进一步的，Pcs(k)＝Pcs1(k)+Pcs2(k)+...，表示k时刻的充放电功率等于各种储能的充放电功率之和。
储能容量约束条件可以如下式表示：
其中，Eb表示储能额定容量，SbM,Sb0分别表示储能SOC的上、下限。
进一步的，其中，Pcs1(k)表示具体某一种储能的充放电功率(该变量是规划变量，其他都是系统参数，可提前赋值)，ηSC表示充电效率，ηSD表示放电效率，E0表示储能的初始容量。
储能安全SOC范围约束条件可以如下式表示：
Smin≤Scs(k)≤Smax
其中，Scs(k)表示k时刻多类型储能SOC状态，数学模型如下：
其中，T表示多类型储能系统的控制周期，Ecs表示储能系统的额定容量，不同类型的储能参数不同。Smin,Smax分别表示储能SOC的上、下限。
本申请提供了一种源网储协同规划方案的生成方法，首先获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；其次获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；最后构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。与现有技术相比，本申请实施例通过将当前电力系统的源侧网侧储能灵活性资源策略以及聚类重构后的风光荷数据嵌入源网储协同规划耗资模型，得到与当前电力系统相匹配的源网储协同规划耗资模型，并对其最小目标函数进行求解，以得到当前电力系统的源网储协同规划方案，通过将大规模新能源带来的复杂不确定性以及煤电灵活性改造等柔性资源作为生成源网储协同规划方案的依据，使得根据该源网储协同规划方案优化后的电力系统能够满足大规模新能源接入后所需的灵活性调节能力需求。
进一步的，作为对上述图1所示方法的实现，本申请实施例提供了一种源网储协同规划方案的生成装置，如图3所示，该装置包括：
数据处理模块31，模型构建模块32，生成模块33。
数据处理模块31，用于获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
模型构建模块32，用于获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
生成模块33，用于构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
优选的，所述源网储协同规划耗资模型包括建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型，所述源网储协同规划耗资模型的最小目标函数用于表征所述建设耗资子模型、所述综合生产模拟运行耗资子模型以及所述弃能耗资子模型之和的最小目标函数。
优选的，所述生成模块，具体包括：
构建单元，用于构建多个所述最小目标函数的约束条件；
求解单元，用于将所述最小目标函数分解为柔性规划子问题以及运行子问题，并基于多个所述约束条件对所述柔性规划子问题以及所述运行子问题进行求解，得到求解结果。
优选的，所述约束条件包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件。
优选的，所述源侧网侧储能灵活性资源策略包括煤电灵活性改造子策略、联络线控制子策略以及储能子策略。
本申请提供了一种源网储协同规划方案的生成装置，首先获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；其次获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；最后构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。与现有技术相比，本申请实施例通过将当前电力系统的源侧网侧储能灵活性资源策略以及聚类重构后的风光荷数据嵌入源网储协同规划耗资模型，得到与当前电力系统相匹配的源网储协同规划耗资模型，并对其最小目标函数进行求解，以得到当前电力系统的源网储协同规划方案，通过将大规模新能源带来的复杂不确定性以及煤电灵活性改造等柔性资源作为生成源网储协同规划方案的依据，使得根据该源网储协同规划方案优化后的电力系统能够满足大规模新能源接入后所需的灵活性调节能力需求。
根据本申请一个实施例提供了一种存储介质，所述存储介质存储有至少一条可执行指令，该计算机可执行指令可执行上述任意方法实施例中的源网储协同规划方案的生成方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
图4示出了根据本申请一个实施例提供的一种终端的结构示意图，本申请具体实施例并不对终端的具体实现做限定。
如图4所示，该计算机设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述源网储协同规划方案的生成方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述源网储协同规划方案的生成的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本申请的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本申请的保护范围之内。
Claims (8)
1.一种源网储协同规划方案的生成方法，其特征在于，包括：
获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
2.根据权利要求1所述的方法，其特征在于，所述源网储协同规划耗资模型包括建设耗资子模型、综合生产模拟运行耗资子模型以及弃能耗资子模型，所述源网储协同规划耗资模型的最小目标函数用于表征所述建设耗资子模型、所述综合生产模拟运行耗资子模型以及所述弃能耗资子模型之和的最小目标函数。
3.根据权利要求1或2所述的方法，其特征在于，所述构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案，具体包括：
构建多个所述最小目标函数的约束条件；
将所述最小目标函数分解为柔性规划子问题以及运行子问题，并基于多个所述约束条件对所述柔性规划子问题以及所述运行子问题进行求解，得到求解结果。
4.根据权利要求3所述的方法，其特征在于，所述约束条件包括功率平衡约束条件、已有线路直流潮流约束条件、新建线路直流潮流约束条件、机组出力上下限约束条件、机组爬坡约束条件、新能源出力约束条件、资源禀赋约束条件、能源政策约束条件、新能源持续发展政策约束条件、储能运行约束条件、线路传输容量约束条件、灵活性指标约束条件、总备用约束条件。
5.根据权利要求1所述的方法，其特征在于，所述源侧网侧储能灵活性资源策略包括煤电灵活性改造子策略、联络线控制子策略以及储能子策略。
6.一种源网储协同规划方案的生成装置，其特征在于，包括：
数据处理模块，用于获取当前电力系统的基础数据，并对所述基础数据进行复杂不确定性处理，得到聚类重构后的风光荷数据；
模型构建模块，用于获取所述当前电力系统的源侧网侧储能灵活性资源策略，并将所述源侧网侧储能灵活性资源策略以及所述聚类重构后的风光荷数据嵌入源网储协同规划耗资模型中，得到与所述当前电力系统相匹配的源网储协同规划耗资模型；
生成模块，用于构建所述源网储协同规划耗资模型的最小目标函数，并对所述最小目标函数进行求解，以基于求解结果生成所述当前电力系统的源网储协同规划方案。
7.一种存储介质，所述存储介质中存储有至少一条可执行指令，其特征在于，所述可执行指令使处理器执行如权利要求1-5中任一项所述的源网储协同规划方案的生成方法对应的操作。
8.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一条可执行指令，其特征在于，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的源网储协同规划方案的生成方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311400916.1A CN117670071A (zh) | 2023-10-25 | 2023-10-25 | 源网储协同规划方案的生成方法及装置、介质、终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311400916.1A CN117670071A (zh) | 2023-10-25 | 2023-10-25 | 源网储协同规划方案的生成方法及装置、介质、终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117670071A true CN117670071A (zh) | 2024-03-08 |
Family
ID=90077783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311400916.1A Pending CN117670071A (zh) | 2023-10-25 | 2023-10-25 | 源网储协同规划方案的生成方法及装置、介质、终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117670071A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523060A (zh) * | 2018-10-22 | 2019-03-26 | 上海交通大学 | 高比例可再生能源在输配电网协同接入下的配比优化方法 |
| CN113393172A (zh) * | 2021-07-15 | 2021-09-14 | 华北电力大学 | 一种考虑配电网多设备时序运行的“源网储”规划方法 |
| CN114421538A (zh) * | 2022-01-14 | 2022-04-29 | 燕山大学 | 一种含源荷时序相似度约束的源储协同规划配置方法 |
| WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
| CN116562432A (zh) * | 2023-04-18 | 2023-08-08 | 国网江苏省电力有限公司经济技术研究院 | 面向新型电力系统规划的源网荷储协同规划方法及系统 |
-
2023
- 2023-10-25 CN CN202311400916.1A patent/CN117670071A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523060A (zh) * | 2018-10-22 | 2019-03-26 | 上海交通大学 | 高比例可再生能源在输配电网协同接入下的配比优化方法 |
| WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
| CN113393172A (zh) * | 2021-07-15 | 2021-09-14 | 华北电力大学 | 一种考虑配电网多设备时序运行的“源网储”规划方法 |
| CN114421538A (zh) * | 2022-01-14 | 2022-04-29 | 燕山大学 | 一种含源荷时序相似度约束的源储协同规划配置方法 |
| CN116562432A (zh) * | 2023-04-18 | 2023-08-08 | 国网江苏省电力有限公司经济技术研究院 | 面向新型电力系统规划的源网荷储协同规划方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
| WO2022100091A1 (zh) | 一种广义源储系统调度的集中控制方法 | |
| CN109301818B (zh) | 一种考虑调峰、调压需求的广域分布式储能系统调度方法 | |
| CN107944757A (zh) | 电力互联系统可再生能源消纳能力评估分析方法 | |
| CN112701687B (zh) | 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法 | |
| CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
| CN104318326A (zh) | 一种提升可再生能源接纳能力的网架优化模型 | |
| CN103997039A (zh) | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 | |
| CN110867907B (zh) | 一种基于多类型发电资源同质化的电力系统调度方法 | |
| Pudjianto et al. | Whole system value of long-duration electricity storage in systems with high penetration of renewables | |
| CN113298407A (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 | |
| CN110336308B (zh) | 一种基于机会约束的主动配电网经济调度方法 | |
| Zeng et al. | Long-term wind accommodation of interconnected power grids via HVDC tie-line based on aggregate unit model | |
| CN117670071A (zh) | 源网储协同规划方案的生成方法及装置、介质、终端 | |
| Chang et al. | Research on low-carbon economic operation strategy of renewable energy-pumped storage combined system | |
| Pandi et al. | Dynamic economic load dispatch with wind energy using modified harmony search | |
| Zhao et al. | Two-stage Robust Stochastic Optimal Dispatch of Regional Integrated Energy System Considering Renewable Energy and Load Uncertainty | |
| Sun et al. | Analysis of New Energy Consumption Capacity Considering Photovoltaic Uncertainty | |
| Li et al. | Optimal capacity configuration of the wind-storage combined frequency regulation system considering secondary frequency drop | |
| CN108063447B (zh) | 一种改进的电网低谷时段负荷功率填谷的储电调制方法 | |
| Yoon et al. | An economic ESS design method based on wind system capacity factor for island power grid | |
| Lan et al. | Benefits of Variable Speed Pumped Hydro Storage Technology for Increasing Renewable Integration in Regional Power Grids | |
| Wu | Economic benefit evaluation method for the micro-grid renewable energy system operation | |
| Wang et al. | Economic evaluation of pumped storage power station based on multi-scenario stochastic Commitment Model | |
| Ruhai et al. | A Game Model of Virtual Power Plant Participating in Electric Power Market with Consumption Weight |
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 |