CN117691641A - 一种含多种新能源发电的抽水蓄能电站优化方法及系统 - Google Patents
一种含多种新能源发电的抽水蓄能电站优化方法及系统 Download PDFInfo
- Publication number
- CN117691641A CN117691641A CN202410133011.0A CN202410133011A CN117691641A CN 117691641 A CN117691641 A CN 117691641A CN 202410133011 A CN202410133011 A CN 202410133011A CN 117691641 A CN117691641 A CN 117691641A
- Authority
- CN
- China
- Prior art keywords
- module
- layer
- pumped
- power station
- optimizing
- 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 71
- 238000005457 optimization Methods 0.000 title claims description 71
- 238000010248 power generation Methods 0.000 claims abstract description 48
- 230000008901 benefit Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000010410 layer Substances 0.000 claims description 98
- 230000005611 electricity Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 23
- 239000002245 particle Substances 0.000 claims description 20
- 238000011144 upstream manufacturing Methods 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 239000002355 dual-layer Substances 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000005622 photoelectricity Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 45
- 238000007599 discharging Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000013016 learning Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009326 social learning Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及抽水蓄能电站技术领域，具体而言，涉及一种含多种新能源发电的抽水蓄能电站优化方法及系统，主要包括了双层规划模块，双层规划模块包括上层优化模块、下层优化模块、成本计算模块、收益计算模块和处理模块，结合风电、光电和抽水蓄能的相关数据，准确地获得由光伏和风电多种新能源和抽水蓄能电站相结合的混合能源系统的容量配置方法，利用3种能源在时空分布上的差异实现其间的互补开发，而这样的能源利用方式适用于电网设施建设薄弱的偏远地区，并有利于当地的生态环境保护。
Description
技术领域
本发明涉及抽水蓄能电站技术领域，具体而言，涉及一种含多种新能源发电的抽水蓄能电站优化方法及系统。
背景技术
由于新能源具有波动性、随机性和间歇性的特点，如果直接引入电网，会对电网的运行和管理造成巨大的负担。目前将新能源系统引入储能，在负荷需求谷段时将多余的电量储存起来，在负荷需求峰段时提供给电网，起到削峰填谷的作用，为了进一步提升新能源发电的经济性，由新能源发电技术有机结合而成的抽水蓄能电站被视为实现该目标的重要手段，抽水蓄能在保障全球电力系统安全运行和促进新能源大规模发展方面重要性日益突出。
目前在小容量互补发电系统以及抽水蓄能与单一新能源子系统互补发电系统中，一般选择蓄电池为储能单元与其互补发电；对于容量较大的新能源系统，一般选择启停速度快、容量大、无污染的抽水蓄能电站与其互补发电。
针对于以蓄电池为储能单元的小容量互补发电系统以及抽水蓄能与单一新能源子系统的互补发电系统，虽然目前已有一定的研究与应用，但同时对三者进行互补发电利用的研究较少，传统计算方法无法准确地获得由光伏、风电和抽水蓄能电站相结合的混合能源系统的容量配置方法，缺少将传统的水能与光能、风能相结合的能源利用方式。
发明内容
本发明的目的是提供一种含多种新能源发电的抽水蓄能电站优化方法及系统，来解决现有技术中传统计算方法无法准确地获得由光伏、风电和抽水蓄能电站相结合的混合能源系统的容量配置问题。
本发明的实施例通过以下技术方案实现：
第一方面，本发明提供了一种含多种新能源发电的抽水蓄能电站优化系统，包括与处理模块连接的双层规划模块，所述双层规划模块包括成本计算模块、收益计算模块、上层优化模块和下层优化模块；
成本计算模块，用于获取光伏发电成本、风力发电成本和抽水蓄能成本，构建总成本计算函数，所述总成本计算函数为上层目标函数；
收益计算模块，用于获取光伏发电收益、风力发电收益和抽水蓄能收益，构建总收益计算函数，所述总收益计算函数为下层目标函数；
上层优化模块，用于获取光伏发电、风力发电和抽水蓄能的总成本与年运行收益的比值最小时的容量配置方案，将容量配置方案传输至下层优化模块；
根据容量配置方案更新各主体容量配置投入成本，结合下层优化模块传递的收益结果求解得出投入成本回收年限，并与上层目标函数的结果进行对比，得出更优化的容量配置方案；
下层优化模块，用于获取容量配置方案，并根据全年电价信息通过算法优化每一小时中光伏发电、风力发电和抽水蓄能的运行行为获得最大的售电收益，并将该收益结果返回给上层优化模块；
处理模块，用于重复执行上层优化模块和下层优化模块的计算过程，得出满足层优化模块和下层优化模块的最优容量配置结果。
在本发明的一实施例中，所述双层规划模块还包括；
式中：和/>分别是上层优化模块和下层优化模块的决策变量；/>和/>分别是上层目标函数和下层目标函数；
为上层优化模块的约束函数，为下层优化模块的约束函数。
在本发明的一实施例中，所述上层目标函数包括；
式中，为混合能源系统在最大化经济效益时的投入成本回收年限；/>为光伏板的总成本；/>为风机的总成；/>为抽水蓄能电站的总成本;/>为一年内混合能源系统通过优化运行所获得的售电收益。
在本发明的一实施例中，所述下层目标函数包括；
式中，为一年内混合能源系统通过优化运行所获得的最大售电收益，为/>时刻的电价；/>为光伏电站上网售卖的输出电量；/>为风机上网售卖的输出电量；/>为抽水蓄能电站的输入电量；/>为一年的天数，365天；/>为一天中的小时数，24小时。
在本发明的一实施例中，所述上层优化模块还包括第一约束条件，所述第一约束条件包括光伏电池数量约束、风机输出功率约束、抽水蓄能电站上游库容容量约束和抽水蓄能电站装机容量约束。
在本发明的一实施例中，所述下层优化模块还包括第二约束条件，所述第二约束条件包括抽水蓄能电站的运行功率约束、上有库容容量约束和进出水量约束。
第二方面，本发明提供了一种含多种新能源发电的抽水蓄能电站优化方法，包括使用上述的一种含多种新能源发电的抽水蓄能电站优化系统进行计算优化。
在本发明的一实施例中，所述计算优化包括；
S1：随机化初始主体，并令i=1，i为当前迭代次数，设置总迭代次数J；
S2：根据、/>更新粒子的速度和位置，并判断粒子位置是否位于约束条件，并将/>和/>的值传输至下层优化模块，计算得到下层目标函数；
S3：若是位于约束条件，则获取下层目标函数，计算上层目标函数，筛选出最小上层目标函数的值为；
S4：令i=i+1，并判断i是否小于J，若是则重新进行步骤S3，生成若干个，若否，则输出/>，/>为若干个/>的集合；
S5：若不位于约束条件，则进行步骤S4。
在本发明的一实施例中，所述计算得到下层目标函数包括；
获取、/>、电价、光照强度和风速的值；
根据今日电价售电收益最高规划光伏发电、风力发电和抽水蓄能的运行方式，获得一年中通过优化获得的收益结果；
并将收益结果传输至上层优化模块。
本发明实施例的技术方案至少具有如下优点和有益效果：
本发明所提供的系统及方法，主要包括了双层规划模块，所述双层规划模块包括成本计算模块、收益计算模块、处理模块、上层优化模块和下层优化模块，双层规划模块主要由两个各具目标函数和各自约束条件的主体构成，并且两个主体之间有着非协作方式的互相作用关系。上层目标函数在自身约束条件下将配置方案传递给下层优化模块，下层目标函数在具体配置方案的基础上对每个方案进行优化运行模拟，并将所得的优化结果传递给上层优化模块，再对上层优化模块的决策产生指导作用。结合风电、光电和抽水蓄能的相关数据，准确地获得由光伏、风电和抽水蓄能电站相结合的混合能源系统的容量配置方法，利用3种能源在时空分布上的差异实现其间的互补开发，而这样的能源利用方式适用于电网设施建设薄弱的偏远地区，并有利于当地的生态环境保护。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是双层规划模块结构示意图；
图2是双层规划模块求解流程图；
图3是粒子群算法求解流程图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
本申请中所出现的模块的划分，是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行。
独立说明的模块或子模块可以是物理上分离的,也可以不是物理上的分离:可以是软件实现的,也可以是硬件实现的,且可以部分模块或子模块通过软件实现,由处理器调用该软件实现这部分模块或子模块的功能，且其它部分模板或子模块通过硬件实现，例如通过硬件电路实现。此外,可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
请参照图1-图3，本发明提供了一种含多种新能源发电的抽水蓄能电站优化系统，包括与处理模块连接的双层规划模块，双层规划模块包括上层优化模块、下层优化模块、成本计算模块和收益计算模块。
具体的是，上层优化模块以成本最低为目标函数，下层优化模块以运行过程中收益最高为目标函数，再以算法对模型迭代求解。
其中，双层规划模块是一类具有主从递阶关系结构的模型，为：
式中：和/>分别是上层优化模块和下层优化模块的决策变量；/>和/>分别是上层目标函数和下层目标函数；
为上层优化模块的约束函数，为下层优化模块的约束函数。
双层规划模块主要由两个各具目标函数和各具约束条件的主体构成，即上层优化模块和下层优化模块，并且两个主体之间有着非协作方式的互相作用关系。上层目标函数在自身约束条件下将配置方案传递给下层，下层目标函数在具体配置方案的基础上对每个方案进行优化运行模拟，并将所得的优化结果传递给上层，再对上层的决策产生指导作用。
成本计算模块，用于获取光伏发电成本、风力发电成本和抽水蓄能成本，构建总成本计算函数，其中，抽水蓄能考虑25年为寿命周期的抽水蓄能电站建设成本，其中分别包括建设、装机容量和其中的替换成本，总成本计算函数为上层目标函数；
上层目标函数具体为；
式中，为混合能源系统在最大化经济效益时的投入成本回收年限；/>为光伏板的总成本；/>为风机的总成；/>为抽水蓄能电站的总成本;/>为一年内混合能源系统通过优化运行所获得的售电收益。
光伏板总成本为：
式中，为光伏板总成本；/>为光伏电池的单价;/>为单位光伏电池的替换成本；/>为光伏电池的寿命周期;/>为单位光伏电池的运行维护成本；/>为折现率；/>为本项目的周期；/>为光伏电站中光伏电池的数量。
风机总成本为：
式中，为风机总成本，/>为风力发电场中风机的数量；/>为风机单价;为风机的替换成本；/>为风机的寿命周期;/>为风机的运行维护成本；/>为折现率;为本项目的周期。
抽水蓄能电站总成本为：
式中，为抽水蓄能电站总成本，/>为抽水蓄能电站上游库容的体积；/>为抽水蓄能电站可逆式水泵水轮机的装机容量；/>为抽水蓄能电站上游库容每立方米的单价；/>为抽水蓄能电站水轮机装机容量每千瓦的单价;为抽水蓄能电站水轮机的替换成本;/>为抽水蓄能电站水轮机的寿命周期；/>为抽水蓄能电站上游库容每立方米和抽水蓄能电站每千瓦的运行维护成本总和，r为折现率，/>为抽水蓄能电站上游库容每立方米和抽水蓄能电站每千瓦的运行维护总和。
收益计算模块，用于获取光伏发电收益、风力发电收益和抽水蓄能收益，构建总收益计算函数，总收益计算函数为下层目标函数；
下层目标函数具体为；
式中，为一年内混合能源系统通过优化运行所获得的最大售电收益，为/>时刻的电价；/>为光伏电站上网售卖的输出电量；/>为风机上网售卖的输出电量；/>为抽水蓄能电站的输入电量；/>为一年的天数，365天；/>为一天中的小时数，24小时。
具体的，
式中，为抽水蓄能电站得输入电量；正值代表抽水蓄能电站正处于抽水状态，负值代表抽水蓄能电站正处于放水状态；/>和/>分别为抽水蓄能电站抽水、放水的效率；1.1是购电增益，表示抽水蓄能电站向电网购电电价为当前向电网售电电价的1.1倍。
光伏电池板的发电主要受到太阳光强度、温度、电池板倾角等因素的影响。
因此小时级别的光伏功率波动特性模型：
式中，为光伏电站上网售卖的输出电量，/>为光伏电池额定功率；/>为逆变器效率；/>为光伏电池损耗效率；/>为光伏电池板在参考温度下的效率；/>为光伏电池板的功率温度系数；/>为运行光伏组件的温度；/>为光伏组件的参考温度；/>为光伏待建地区地表太阳辐射强度的小时均值。
上层优化模块，用于将光伏发电、风力发电和抽水蓄能的总成本与年运行收益的比值最小配置构建容量配置方案，将容量配置方案传输至下层优化模块；
根据容量配置方案更新各主体容量配置投入成本，结合下层优化模块传递的收益结果求解得出投入成本回收年限，并层规划模型根据目标函数结果进行对比，得出更优化的容量配置方案；
下层优化模块，用于获取容量配置方案，并根据全年电价信息通过算法优化每一小时中光伏发电、风力发电和抽水蓄能的运行行为获得最大的售电收益，并将该收益结果返回给上层优化模块；
处理模块，用于反复进行上层优化模块和下层优化模块的计算过程，得出满足层优化模块和下层优化模块的最优容量配置结果。
在本发明的一实施例中，上层优化模块还包括第一约束条件，第一约束条件包括光伏电池数量约束、风机输出功率约束、抽水蓄能电站上游库容容量约束和抽水蓄能电站装机容量约束。
具体的是：
光伏电池数量约束：
式中，为光伏电站中光伏电池的数量；/>为光伏电站中光伏电池数量的上限。
风机输出功率约束：
式中，为风机的输出功率；/>为风机输出功率的最小值；/>为风机输出功率的最大值。
抽水蓄能电站上游库容容量约束：
式中，为抽水蓄能电站上游库容的体积；/>为抽水蓄能电站上游库容体积的上限。
抽水蓄能电站装机容量约束：
式中，为抽水蓄能电站水轮机的总装机容量；/>为抽水蓄能电站水轮机装机容量的上限。
在本发明的一实施例中，下层优化模块还包括第二约束条件，第二约束条件包括抽水蓄能电站的运行功率约束、上有库容容量约束和进出水量约束。
具体的为：
抽水蓄能电站的运行功率约束：
式中，为抽水蓄能电站上游库容中水量得可发电量，正值代表抽水蓄能电站正处于抽水状态，负值代表抽水蓄能电站正处于放水状态；/>为抽水蓄能电站上游水库最大体积所对应的发电量；/>为抽水蓄能电站可逆式水泵水轮机的最大装机容量，1h为1小时。此式限制了抽水蓄能电站任意时刻的抽水、放水功率不得超过可逆式水泵水轮机最大装机容量和上游库容最大可发电量中的较小值。
上有库容容量约束：
式中，为2-t之间的任意整数。
此式限制在任意时刻，抽水蓄能电站上游库容所蓄水量不得超过设定的上游库容体积，且在初始时刻，抽水蓄能电站上游库容的水量设置为库容体积的一半。
进出水量约束：
此式限制一天中抽水蓄能电站的进水量和出水量平衡，为2-t之间的任意整数。
参考图2，本发明提供了一种含多种新能源发电的抽水蓄能电站优化方法，包括使用上述的一种含多种新能源发电的抽水蓄能电站优化系统进行计算优化。
在本发明的一实施例中，计算优化包括；
S1：随机化初始主体，并令i=1，i为当前迭代次数，设置总迭代次数J；
S2：根据、/>更新粒子的速度和位置，并判断粒子位置是否位于约束条件，并将/>和/>的值传输至下层优化模块，计算得到下层目标函数；
其中下层目标函数为，其中/>为第i次迭代的一年内混合能源系统通过优化运行所获得的售电收益。
S3：若是位于约束条件，则获取下层目标函数，计算上层目标函数，筛选出最小上层目标函数的值为；
；/>
式中，为第i次迭代的在一定容量配置下混合能源系统在最大化经济效益时的投入成本回收年限，/>为总成本。
S4：令i=i+1，并判断i是否小于J，若是则重新进行步骤S3，生成若干个，若否，则输出/>，/>为若干个/>的集合；
S5：若不位于约束条件，则进行步骤S4。
在本发明的一实施例中，计算得到下层目标函数包括；
获取、/>、电价、光照强度和风速的值；根据今日电价售电收益最高规划光伏发电、风力发电和抽水蓄能的运行方式，获得一年中通过优化获得的收益结果；并将收益结果传输至上层优化模块。
如图3所示，在本发明的一实施例中，关于更新粒子的速度和位置，光伏电站的光伏电池数、风机数和抽水蓄能电站的上游库容体积和装机容量，基于实际情况确定各电站容量的上、下限，并随机生成满足容量约束的粒子群。再根据容量约束定义粒子飞行的初速度，使其可在解的空间充分迭代搜索，并实时调整自身位置搜寻最优解。在每一次迭代过程中，粒子将依据两个“极端值”不断变换自身的位置：一个是单粒子通过比较每次迭代过程的位置得出的个体最优解；另一个是粒子群在比较每次选代结果后现阶段的群体最优解/>。当两个“极端值”确定后，每个粒子将依据下两式来调整自身的速度和位置。
式中，为粒子的个数；/>为需解决问题的个数；/>为第/>个粒子在第/>次迭代中第/>维的速度；/>为惯性权重；/>和/>为学习因子，分别称为认知学习因子和社会学习因子；和/>为0-1之间的随机数，/>为第k次迭代中在各维度上的自身最优，/>为第i个粒子在第j次迭代自身最优，/>为第i个粒子在第j次迭代的位置矢量。粒子不断根据当前最优解来调节自身的位置，向全局最优解前进。
其中惯性权重是PSO可调整参数中最重要参数，较大的惯性权重有利于粒子逃出局部最优解，提升整体搜寻能力，而较小的惯性权重则便于算法收敛，提升PSO的局部搜寻能力。因此，在迭代过程采用以线性规律变动的惯性权重是解决PSO算法末期易在全局最优解的值附近发生振荡问题的有效措施。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。该计算机软件产品存储在一个存储介质中，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）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括： U 盘、移动硬盘、只读存储器(ROM,Read — OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，包括与处理模块连接的双层规划模块，所述双层规划模块包括成本计算模块、收益计算模块、上层优化模块和下层优化模块；
成本计算模块，用于获取光伏发电成本、风力发电成本和抽水蓄能成本，构建总成本计算函数，所述总成本计算函数为上层目标函数；
收益计算模块，用于获取光伏发电收益、风力发电收益和抽水蓄能收益，构建总收益计算函数，所述总收益计算函数为下层目标函数；
上层优化模块，用于获取光伏发电、风力发电和抽水蓄能的总成本与年运行收益的比值最小时的容量配置方案，将容量配置方案传输至下层优化模块；
根据容量配置方案更新各主体容量配置投入成本，结合下层优化模块传递的收益结果求解得出投入成本回收年限，并与上层目标函数的结果进行对比，得出更优化的容量配置方案；
下层优化模块，用于获取容量配置方案，并根据全年电价信息通过算法优化每一小时中光伏发电、风力发电和抽水蓄能的运行行为获得最大的售电收益，并将该收益结果返回给上层优化模块；
处理模块，用于重复执行上层优化模块和下层优化模块的计算过程，得出满足上层优化模块和下层优化模块的最优容量配置结果。
2.根据权利要求1所述的一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，所述双层规划模块还包括；
式中：和/>分别是上层优化模块和下层优化模块的决策变量；/>和/>分别是上层目标函数和下层目标函数；
为上层优化模块的约束函数，为下层优化模块的约束函数。
3.根据权利要求1所述的一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，所述上层目标函数包括；
式中，为混合能源系统在最大化经济效益时的投入成本回收年限；/>为光伏板的总成本；/>为风机的总成本；/>为抽水蓄能电站的总成本;/>为一年内混合能源系统通过优化运行所获得的售电收益。
4.根据权利要求3所述的一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，所述下层目标函数包括；
式中，为一年内混合能源系统通过优化运行所获得的最大售电收益，/>为/>时刻的电价；/>为光伏电站上网售卖的输出电量；/>为风机上网售卖的输出电量；/>为抽水蓄能电站的输入电量；/>为一年的天数，365天；/>为一天中的小时数，24小时。
5.根据权利要求1所述的一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，所述上层优化模块还包括第一约束条件，所述第一约束条件包括光伏电池数量约束、风机输出功率约束、抽水蓄能电站上游库容容量约束和抽水蓄能电站装机容量约束。
6.根据权利要求1所述的一种含多种新能源发电的抽水蓄能电站优化系统，其特征在于，所述下层优化模块还包括第二约束条件，所述第二约束条件包括抽水蓄能电站的运行功率约束、上有库容容量约束和进出水量约束。
7.一种含多种新能源发电的抽水蓄能电站优化方法，其特征在于，包括使用如权利要求1-6任一所述的一种含多种新能源发电的抽水蓄能电站优化系统进行计算优化。
8.根据权利要求7所述的一种含多种新能源发电的抽水蓄能电站优化方法，其特征在于，所述计算优化包括；
S1：随机化初始主体，并令i=1，i为当前迭代次数，设置总迭代次数J；
S2：根据、/>更新粒子的速度和位置，并判断粒子位置是否位于约束条件，并将和/>的值传输至下层优化模块，计算得到下层目标函数；
S3：若是位于约束条件，则获取下层目标函数，计算上层目标函数，筛选出最小上层目标函数的值为；
S4：令i=i+1，并判断i是否小于J，若是则重新进行步骤S3，生成若干个，若否，则输出/>，/>为若干个/>的集合；
S5：若不位于约束条件，则进行步骤S4。
9.根据权利要求8所述的一种含多种新能源发电的抽水蓄能电站优化方法，其特征在于，所述计算得到下层目标函数包括；
获取、/>、电价、光照强度和风速的值；
根据今日电价售电收益最高规划光伏发电、风力发电和抽水蓄能的运行方式，获得一年中通过优化获得的收益结果；
并将收益结果传输至上层优化模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133011.0A CN117691641A (zh) | 2024-01-31 | 2024-01-31 | 一种含多种新能源发电的抽水蓄能电站优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133011.0A CN117691641A (zh) | 2024-01-31 | 2024-01-31 | 一种含多种新能源发电的抽水蓄能电站优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117691641A true CN117691641A (zh) | 2024-03-12 |
Family
ID=90126815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410133011.0A Pending CN117691641A (zh) | 2024-01-31 | 2024-01-31 | 一种含多种新能源发电的抽水蓄能电站优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117691641A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111431179A (zh) * | 2020-04-22 | 2020-07-17 | 电子科技大学 | 一种并网混合能源系统容量配置优化方法 |
| CN115954957A (zh) * | 2023-01-30 | 2023-04-11 | 中国长江三峡集团有限公司 | 一种复合发电系统的容量配置方法、装置和电子设备 |
-
2024
- 2024-01-31 CN CN202410133011.0A patent/CN117691641A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111431179A (zh) * | 2020-04-22 | 2020-07-17 | 电子科技大学 | 一种并网混合能源系统容量配置优化方法 |
| CN115954957A (zh) * | 2023-01-30 | 2023-04-11 | 中国长江三峡集团有限公司 | 一种复合发电系统的容量配置方法、装置和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 罗仕华 等: "市场机制下光伏/小水电/抽水蓄能电站系统容量优化配置", 《电工技术学报》, 31 July 2020 (2020-07-31), pages 2792 - 2804 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
| Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
| Yousif et al. | An optimal dispatch strategy for distributed microgrids using PSO | |
| Hong et al. | Optimal sizing of hybrid wind/PV/diesel generation in a stand-alone power system using Markov-based genetic algorithm | |
| Babaei et al. | Data-Driven load management of stand-alone residential buildings including renewable resources, energy storage system, and electric vehicle | |
| Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
| CN102623989B (zh) | 一种间歇分布式电源优化配置方法 | |
| Nazari-Heris et al. | Network constrained economic dispatch of renewable energy and CHP based microgrids | |
| Zhuang et al. | Stochastic multi-timescale energy management of greenhouses with renewable energy sources | |
| Deng et al. | System modeling and optimization of microgrid using genetic algorithm | |
| CN113779792B (zh) | 一种基于仿射的综合能源系统优化配置方法 | |
| Okinda et al. | Modeling, simulation and optimal sizing of a hybrid wind, solar PV power system in Northern Kenya | |
| Petrichenko et al. | Modelling the Future of the Baltic Energy Systems: A Green Scenario | |
| Liu et al. | Flexible network planning of autonomy microgrid | |
| Han et al. | Multi-stage distributionally robust optimization for hybrid energy storage in regional integrated energy system considering robustness and nonanticipativity | |
| Haddad et al. | Mixed integer linear programming approach to optimize the hybrid renewable energy system management for supplying a stand-alone data center | |
| Li et al. | Optimization of dynamic dispatch for multiarea integrated energy system based on hierarchical learning method | |
| Xu et al. | A data-based day-ahead scheduling optimization approach for regional integrated energy systems with varying operating conditions | |
| Ju et al. | Three‐level energy flexible management strategy for micro energy grids considering multiple uncertainties at different time scales | |
| Dong et al. | Robust optimal scheduling for integrated energy systems based on multi-objective confidence gap decision theory | |
| CN116681188B (zh) | 综合能源系统优化方法、装置、电子设备及存储介质 | |
| CN116914821A (zh) | 一种基于改进粒子群算法的微电网低碳优化调度方法 | |
| CN117691641A (zh) | 一种含多种新能源发电的抽水蓄能电站优化方法及系统 | |
| Zhao et al. | Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System | |
| Zhou et al. | Integrated location and capacity coordination planning scheme for multi-power complementary generation system |
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 |