CN118137587B - 电力系统的电能量参数生成方法、装置、设备及介质 - Google Patents
电力系统的电能量参数生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118137587B CN118137587B CN202410552144.1A CN202410552144A CN118137587B CN 118137587 B CN118137587 B CN 118137587B CN 202410552144 A CN202410552144 A CN 202410552144A CN 118137587 B CN118137587 B CN 118137587B
- Authority
- CN
- China
- Prior art keywords
- target
- unit
- combination
- output
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000010248 power generation Methods 0.000 claims abstract description 110
- 238000004146 energy storage Methods 0.000 claims abstract description 59
- 238000005457 optimization Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 41
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000004088 simulation Methods 0.000 claims description 32
- 238000007599 discharging Methods 0.000 claims description 20
- 230000009194 climbing Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000002441 reversible effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010926 purge Methods 0.000 claims 3
- 230000008569 process Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 12
- 239000000446 fuel Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种电力系统的电能量参数生成方法、装置、设备及介质,应用于电力规划技术领域,其中,所述方法包括:通过预先构建的安全约束机组组合模型预测电力系统的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息;基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数;基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
Description
技术领域
本申请涉及电力规划技术领域,尤其涉及一种电力系统的电能量参数生成方法、装置、设备及介质。
背景技术
随着新型电力系统建设的不断深入,安全性、可靠性、绿色性、经济性的电力系统规划体系全面升级,电力市场环境下电力系统的运行情况对电力系统规划体系的影响进一步加大。目前,电力市场环境下的电力系统存在的经济性量化分析方法缺失的问题。
发明内容
本申请实施例提供一种电力系统的电能量参数生成方法、装置、设备及介质,以解决电力市场环境下的电力系统存在的经济性量化分析方法缺失的问题。
为解决上述技术问题,本申请是这样实现的:
第一方面,本申请提供一种电力系统的电能量参数生成方法,包括:
通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;
以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息;
基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数;
基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
可选地,所述安全约束机组组合模型是基于预测数据构建的,所述预测数据包括物理特性数据和经济特性数据,所述物理特性数据包括所述电力系统中各发电机组的最大出力、最小出力、爬坡速率、最短运行时间、最短停机时间、所述电力系统的负荷数据和所述电力系统中电网的输电断面中至少一项,所述经济特性数据包括所述电力系统中各发电机组的发电成本。
可选地,所述最大出力和所述最小出力通过如下方式获取:
获取所述电力系统中第一发电机组在第一时间段的历史发电容量和在第二时间段的环境特性,其中,所述第一发电机组为所述电力系统中的任意一个所述风电机组或者所述光伏发电机组,所述第一时间段为所述目标周期内的一个时间段,所述第二时间段由至少一个所述第一时间段组成;
根据所述第一发电机组的所述历史发电容量,构建所述第一发电机组的第一发电特性曲线;
根据所述第一发电机组在所述第二时间段的所述环境特性,构建第二发电特性曲线;
基于所述第一发电特性曲线和所述第二发电特性曲线,构建所述第一发电机组在第三时间段内的第三发电特性曲线,所述第三时间段由至少一个所述第二时间段组成;
基于对所述第一发电机组的预测装机容量和所述第三发电特性曲线,确定所述第一发电机组在所述目标周期内的第四发电特性曲线;
根据所述第四发电特性曲线,确定所述第一发电机组的所述最大出力和所述最小出力。
可选地,所述负荷数据通过如下方式获取:
获取所述电力系统在至少一个第一目标时间段的历史负荷数据和在至少一个第二时间段的历史负荷峰值;其中,所述第二时间段由多个第一时间段组成,所述第一目标时间段为所述多个第一时间段中的一个;
根据所述至少一个第二时间段的历史负荷峰值,确定所述电力系统在第三时间段内的负荷峰值,所述第三时间段由所述至少一个第二时间段组成;
基于所述电力系统在所述第三时间段内的负荷峰值数据,通过插值法确定所述电力系统在每一个所述第一时间段的负荷峰值数据;
根据所述至少一个第一目标时间段的历史负荷数据,提取所述电力系统在所述至少一个第一目标时间段内的负荷峰值;
基于对所述电力系统在所述目标周期内的预测负荷峰值和在所述至少一个第一目标时间段内的负荷峰值,确定所述电力系统在所述目标周期的所述负荷数据。
可选地,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在满足第一约束条件的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电能量参数;
其中,所述第一约束条件包括如下至少一项:
所述电力系统的负荷平衡约束、正备用容量约束、负备用容量约束、旋转备用容量约束、所述目标机组组合的出力约束、报价约束、线路潮流约束、断面潮流约束、所述目标机组组合中所述火电机组的爬坡约束和启停机时间约束。
可选地,所述电能量参数包括出清电能量参数,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括新能源机组的情况下,获取所述新能源机组的装机容量和历史出力数据;其中,所述新能源机组包括所述光伏发电机组和所述风电机组中任意一项,所述历史出力数据包括所述新能源机组在第四时间段内的总出力和至少一个在第五时间段内的出力曲线,所述第四时间段由至少一个所述第五时间段组成;
根据至少一个在所述第五时间段内的出力曲线,确定所述新能源机组在目标时刻的出力概率曲线,所述目标时刻为所述第五时间段内的一个时刻;
基于所述新能源机组在第四时间段内的总出力和所述出力概率曲线,确定所述新能源机组的出力上限;
在所述目标机组组合中新能源机组的出力小于或者等于所述新能源机组的出力上限的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
可选地,所述电能量参数包括出清电能量参数,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括所述储能机组的情况下,获取所述储能机组的额定容量、最大充电功率、最大放电功率、充电效率和放电效率;
基于所述额定容量、所述最大充电功率、所述最大放电功率、所述充电效率和所述放电效率,确定所述储能机组的目标电量;
在所述储能机组在任意时刻的电量等于所述目标电量的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
可选地,所述目标周期由多个第一周期组成,所述第一周期由多个第二周期组成;
所述通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息,包括:
通过所述安全约束机组组合模型,获取在第一目标周期内的所述目标机组组合,其中,所述第一目标周期为所述多个第一周期中的一个;
通过所述安全约束经济调度模型,获取多个第二目标周期内的所述目标机组组合的启停信息和出力信息,所述第一目标周期由所述多个第二目标周期组成;
在出清所述电力系统的情况下,将第三目标周期内的所述目标机组组合的启停信息和出力信息,确定为所述目标机组组合在所述第一目标周期的启停信息和出力信息,所述第三目标周期为所述多个第二目标周期中的一个;
所述基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数,包括:
基于所述目标机组组合在所述第一目标周期的启停信息和出力信息,获取所述目标机组组合在所述第一目标周期的所述节点电能量参数;
所述方法还包括:
将所述目标机组组合在所述第一目标周期的启停信息、出力信息和所述节点电能量参数作为所述第一目标周期的下一周期的仿真参数,输入所述安全约束机组组合模型、所述安全约束经济调度模型和用于计算所述节点电能量参数的模型中。
第二方面,本申请实施例提供了一种电力系统的电能量参数生成装置,包括:
模型预测模块,用于通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;
第一获取模块,用于以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息;
第二获取模块,用于基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数;
参数确定模块,用于基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第二方面中任一项所述的电力系统的电能量参数生成方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如第一方面中任一项所述的电力系统的电能量参数生成方法的步骤。
第五方面,本申请实施例还提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现如第一方面中任一项所述的电力系统的电能量参数生成方法的步骤。
在本申请实施例中通过预先构建的安全约束机组组合模型,实现对电力系统中不同类型机组的组合进行预测和分析,确定目标机组组合,随后以目标机组组合的发电成本最小化为优化目标,通过安全约束经济调度模型获取目标机组组合的启停信息和出力信息,从而实现电力系统的经济调度和规划。再根据目标机组组合的启停信息和出力信息,获取节点电能量参数,用于进一步优化电力系统的运行和调度。最后结合目标机组组合、启停信息、出力信息和节点电能量参数,生成电力系统在目标周期内的电能量参数。可见,根据本申请实施例确定的电能量参数能够保障目标周期内电力系统的稳定运行,为电力系统提供更加可靠、更加准确的电能量信息,实现对电力市场环境下的电力系统的经济性量化分析。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电力系统的电能量参数生成方法的流程示意图之一;
图2是本申请实施例提供的一种电力系统的电能量参数生成方法的流程示意图之二;
图3是本申请实施例中目标周期内统调负荷的时序曲线的示意图;
图4是本申请实施例中光伏发电机组出力的时序曲线的示意图;
图5是本申请实施例中出清电价的日前价格曲线和仿真价格曲线的比对示意图;
图6是本申请实施例中在目标周期内的出清电价对应的曲线图;
图7是本申请实施例中新能源机组装机水平提高10%后在目标周期内的出清电价对应的曲线图;
图8是本申请实施例中在目标周期内新能源机组的全年弃电量对应的曲线图;
图9是本申请实施例中新能源机组装机水平提高10%后在目标周期内新能源机组的全年弃电量对应的曲线图;
图10是本申请实施例中对风电机组和光伏发电机组分别对应的出力特性曲线进行出力概率统计的示意图;
图11是本申请实施例中目标周期内电力系统失负荷电量迭代值的曲线图;
图12是本申请实施例中目标周期内电力系统失负荷小时数迭代值的曲线图;
图13是本申请实施例提供的一种电力系统的电能量参数生成装置的结构示意图;
图14是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,本申请实施例提供一种电力系统的电能量参数生成方法,具体包括以下步骤:
步骤101、通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合。
需要说明的是,本申请中的电力系统可以涵盖电力技术领域的多个方面,包括电源侧、电网侧、负荷侧涉及的多个设备,例如发电机组、输电线路、负荷设备等,本申请中的电力系统在电力市场中运行,通过确定电力系统的出清参数能够对电力市场的发展规划进行管理或者作出调整,以提高电力系统在电力市场中运行的可靠性和经济性。
值得一提的是,上述安全约束机组组合(Security Constrained UnitCommitment,SCUC)模型是电力系统中的一种优化模型,用于确定在满足系统约束条件的前提下,合理配置发电机组的输出组合。SCUC考虑了诸如供需平衡、新能源(如风电、太阳能)和水电出力约束等因素,并在系统安全运行的前提下,最大化经济收益。
在上述步骤中,通过SCUC模型,可以在预测基础数据的基础上,确定电力系统所采取的机组组合,包括机组组合中的机组类型、不同类型机组的数量、每个发电机组的出力等,以满足电力系统的需求。
进一步地,目标机组组合具体可以是水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合,根据不同的电力市场需求情况,目标机组组合中机组类型可以不尽相同。
此外,上述目标周期可以是预先设置的未来的一段时间段,例如未来的某一年作为一个目标周期,未来的某一个月也可以作为一个目标周期,本申请对此不作具体限制。具体地,上述预测的基础数据可以是根据历史基础数据确定的,例如根据2023年和2024年的风电机组的发电数据预测2025年整年的风力发电数据。
步骤102、以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息;
需要说明的是,安全约束经济调度优化(Security-Constrained EconomicsDispatch,SCED)模型是在SCUC的基础上进一步优化调度的模型。SCED可以考虑实时电力系统情况和实际负荷变化情况,通过动态调整发电机组的出力,以实现系统的经济性和稳定性。
具体地,在通过SCUC确定目标机组组合的基础上通过SCED确定目标机组组合的启停信息和出力信息。其中,启停信息可以是目标机组组合内各个发电机组的启停机计划,出力信息可以是目标机组组合内各个发电机组的分时发电出力曲线。例如,在通过SCUC确定目标机组组合后,以15分钟为一个时段,以系统发电成本最小化为目标,考虑实时的负荷需求和电网安全约束,采用SCED模型优化计算运行日机组发电计划,出清得到优化后的目标机组组合的启停信息和出力信息。
步骤103、基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数。
在本申请的具体实施例中,在确定目标机组组合的启停信息和出力信息之后,可以开展节点电价(Locational Marginal Price,LMP)计算,节点电价计算可以用于衡量不同地理位置的电能的价格,可以计算基于电力系统中各个节点(或者电力交汇点)的供需情况和验电线路的功率波动情况,可以确定不同地区的经济性参数,以反映电力供需平衡情况。
具体地,LMP可以基于电力系统中市场运营的市场模型和电力系统的输电网络模型,通过考虑目标机组组合的启停信息、出力信息、输电线路信息、发电成本等,以确定每个节点的电能量参数,此时的电能量参数可以是能够反映目标机组组合的实时供需情况的参数,例如节点电价等。
步骤104、基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
具体地,电能量参数可以是出清电能量参数、各品种电源的市场价格、市场化消纳电量或者一些可以衡量电力系统的经济性的参数等多维指标。本申请实施例还能够对电力系统作出整体规划,以综合衡量规划方案的经济性。其中,出清电能量参数即与电力系统出清相关的参数,例如出清价格、电力系统出清的资源配置效率、各品种电源出清电量等。而对电力系统作出的整体规划可以包括电源侧发电机组组成、电源侧各发电机组的启停规划、储能机组的储能时间、储能电量等、电网侧采用的输电路线等,本申请对此不作具体限制。以上电能量参数能够影响电力系统的运行稳定性和电力供应的可靠性。
在上述步骤中,在确定了目标机组组合、目标机组组合的启停信息和处理信息,以及节点电能量参数的情况下,可以采用电力系统的出清模型,生成电力系统在目标周期内的出清电能量参数。此外,还可以对电力系统出清的资源配置效率、各品种电源出清电量、各品种电源的市场价格、市场化消纳电量等多维度指标进行分析确定,以可靠、准确地对电力规划方案进行经济性量化分析。
值得一提的是,在电能量参数包括出清电价时,也即实现电力系统的出清,旨在实现供需平衡,确保电力系统的稳定运行。在出清过程中,通过考虑各种因素,例如发电成本、负荷需求、输电线路限制等,以最优化方式确定每个时段的电能量价格和电力系统机组配置方案。通过电力系统出清,电力系统可以更有效地管理电力供需关系,提高市场效率,降低发电成本,并促进可再生能源等新能源的整合和发展。
在本申请的一些实施例中,结合目标机组组合、目标机组组合的启停信息、出力信息和节点电能量参数等数据信息,对电力系统开展出清仿真模拟,具体可以采用以下电力系统的出清模型确定电能量参数中的出清电价:
;
其中,表示目标机组组合中火电机组的总台数;
表示目标机组组合中光伏发电机组的总台数;
表示目标机组组合中风电机组的总台数;
表示目标机组组合中储能机组的总台数;
表示目标机组组合中水电机组的总台数;
NL表示线路总数;
NS表示断面总数;
T表示一个周期(以15分钟为一个t,则1天内包括96个t,T的具体数值可以为96);
表示目标机组组合中机组i在时段t的运行费用;
表示目标机组组合中机组i在时段t的启动费用(运行费用和启动费用为机组申报参数,可以根据启停信息确定);
表示目标机组组合中机组i在t时段出力;
表示目标机组组合中机组i在时段t开停机状态;
,分别表示目标机组组合中光伏发电机组i的报价和出力;
,表示目标机组组合中风电机组i的报价和出力;
表示目标机组组合中储能机组i的放电报价和放电量;
表示目标机组组合中储能机组i的充电报价和充电量;
表示弃水惩罚因子;
表示目标机组组合中水电机组i在时刻t的弃水量;
、分别表示线路的正、反向潮流松弛变量;
、分别表示断面的正、反向潮流松弛变量;
M表示松弛变量的惩罚因子。
可见,在本申请实施例中,通过安全约束机组组合模型、安全约束经济调度模型以及节点电能量参数的获取,确定电力系统在目标周期的多个基本数据信息,包括目标机组组合、目标机组组合的启停信息、出力信息和节点电能量参数等。基于此基本数据信息,再考虑到新能源、水电出力约束等相关约束,依据市场边界和机组边际成本(也即报价水平),可以开展对电力系统电价出清的仿真模拟,通过仿真优化生成电力系统在目标周期内的电能量参数。综上所述,本申请实施例有助于提高电力系统的运行效率、促进可再生能源的利用、优化电力市场运行,并保障电力系统的稳定、可靠运行。
应理解的是,电能量参数可以是出清电价,在实际应用过程中,可以基于出清电价对电力系统中的设备进行控制,控制包括如下至少一项:
对负荷侧负荷量进行控制,由于出清价格的改变使得电力消费者因价格高低对电力的需求相应增大或者减少,因此,出清电价可以对电力系统中负荷侧的负荷设备的电力负荷量进行控制。
对电源侧中发电机组的发电量进行控制,由于出清价格的变化使得电力负荷量变化,进而需要根据负荷量调整电源侧发电设备的发电量,因此,出清电价可以对电力系统中电源侧的发电设备进行控制。
对电力系统中储能机组中设备的充放电时间进行控制,由于出清价格的变化引起供需关系变化,存在多余电量可以存储在储能设备中,充电时间变长。若负荷量变大可以从储能设备中获取电力,使得放电时间变长。可见,出清电价可以对储能机组中储能设备的充放电时间进行控制。
可选地,所述安全约束机组组合模型是基于预测数据构建的,所述预测数据包括物理特性数据和经济特性数据,所述物理特性数据包括所述电力系统中各发电机组的最大出力、最小出力、爬坡速率、最短运行时间、最短停机时间、所述电力系统的负荷数据和所述电力系统中电网的输电断面中至少一项,所述经济特性数据包括所述电力系统中各发电机组的发电成本。
一些实施例中,前述安全约束机组组合模型、安全约束经济调度优化模型以及电力系统的出清模型均可以通过预测数据构建,而预测数据可以是基于历史数据确定的。本申请中各个模型的输入参数可以分为物理特性数据和经济特性数据,其中,物理特性数据主要用于描述各个机组的运行方式和出力能力,包括各发电机组的最大出力、最小出力、爬坡速率、最短运行时间、最短停机时间、电力系统的负荷数据和电力系统中电网的输电断面等。这些物理特性数据可以随着时间变化,例如以一年为一个周期,一年内包括供热期和非供热期,由于供热的影响,燃煤机组的最小出力能力会有一定调整。当煤电机组进行灵活性改造后,其最小机组出力也会发生变化,例如火电厂加装储能设备后,其功率调节速率,即爬坡能力进一步提升。
对于经济特性数据,可以用于描述目标机组组合中各机组的综合变动成本,主要可以包括发电燃料成本、启动成本和运维成本等。例如某机组的发电综合成本可以用以下公式表示:
;
其中,表示某机组的发电综合成本,单位可以为元/千瓦时;
表示发电机组的发电燃料成本;
表示发电机组运维成本;
表示发电机组排放成本。
可以理解的是,上述发电机组的发电燃料成本可以是生产电力和热力产品耗用的各种煤、气、油等一次能源的成本。发电燃料成本一方面与机组煤耗、气耗、发电水平和发电量相关,另一方面与一次能源价格有关。具体地,发电燃料成本计算公式如下:
;
其中,表示发电机组的热耗率,单位为可以焦/千瓦时;表示燃料价格,单位可以为元/焦或元/克标煤。
此外,针对上述启动成本,可以将其区分为不同状态下的启动成本,不同的状态包括冷态启动、温态启动和热态启动。可以根据冷态启动、温态启动和热态启动的不同时间,分别给出冷态启动、温态启动和热态启动的不同成本。上述运维成本指除燃料成本外,还可以随着发电生产的变动而呈线性变动的成本。例如,发电机组中的人工、材料等都可以是变动成本。
可选地,所述最大出力和所述最小出力通过如下方式获取:
获取所述电力系统中第一发电机组在第一时间段的历史发电容量和在第二时间段的环境特性,其中,所述第一发电机组为所述电力系统中的任意一个所述风电机组或者所述光伏发电机组,所述第一时间段为所述目标周期内的一个时间段,所述第二时间段由至少一个所述第一时间段组成;
根据所述第一发电机组的所述历史发电容量,构建所述第一发电机组的第一发电特性曲线;
根据所述第一发电机组在所述第二时间段的所述环境特性,构建第二发电特性曲线;
基于所述第一发电特性曲线和所述第二发电特性曲线,构建所述第一发电机组在第三时间段内的第三发电特性曲线,所述第三时间段由至少一个所述第二时间段组成;
基于对所述第一发电机组的预测装机容量和所述第三发电特性曲线,确定所述第一发电机组在所述目标周期内的第四发电特性曲线;
根据所述第四发电特性曲线,确定所述第一发电机组的所述最大出力和所述最小出力。
应理解,物理特性数据中的最大出力和所述最小出力可以根据历史数据预测得到。例如,在一些具体实施例中,能够根据历史数据预测第一发电机组的最大出力和最小出力,第一发电机组具体可以是目标机组组合中的风电机组或者光伏发电机组。由于光伏发电机组的时序出力曲线与日照强度强相关,假设某一地区日照强度与日照小时数变化特点大致相似,可以构造该光伏发电机组的发电出力曲线,具体采用如下步骤:
首先,研究当地光伏发电机组的历史数据中日照强度与日照小时数特点,得到该光伏发电机组的发电容量为m万千万,以此构造该地区典型日光伏发电特性曲线为(即第一发电特性曲线);
随后,根据该地区四季光照强度和光照时间的变化特点,如夏季光照时间长、冬季光照时间短的特性,构造月光伏最大出力曲线为(即第二发电特性曲线);
再基于典型日光伏发电特性曲线和月光伏最大出力曲线,构造历史光伏发电年时序出力曲线,即光伏发电机组8760小时的光伏发电出力曲线(即第三发电特性曲线)。
最后,可以设置目标年(即目标周期)的光伏发电机组装机容量预测值设为n万千瓦时,在该地区光照特点到目标年无明显变化的情况下,可按照目标年的机组装机与该发电机组的发电装机的比例,对历史年8760小时发电出力曲线做调整,得到目标年光伏发电机组8760小时发电出力曲线(即第四发电特性曲线)。以此根据目标周期内的发电出力曲线确定该光伏发电机组的最大出力和最小出力。
可以理解地,基于上述步骤,可以构建风电机组在目标周期的发电出力曲线,以此确定风电机组在目标周期内的最大出力和最小出力,具体参照前述实施例进行,在此不再赘述。
可选地,所述负荷数据通过如下方式获取:
获取所述电力系统在至少一个第一目标时间段的历史负荷数据和在至少一个第二时间段的历史负荷峰值;其中,所述第二时间段由多个第一时间段组成,所述第一目标时间段为所述多个第一时间段中的一个;
根据所述至少一个第二时间段的历史负荷峰值,确定所述电力系统在第三时间段内的负荷峰值,所述第三时间段由所述至少一个第二时间段组成;
基于所述电力系统在所述第三时间段内的负荷峰值数据,通过插值法确定所述电力系统在每一个所述第一时间段的负荷峰值数据;
根据所述至少一个第一目标时间段的历史负荷数据,提取所述电力系统在所述至少一个第一目标时间段内的负荷峰值;
基于对所述电力系统在所述目标周期内的预测负荷峰值和在所述至少一个第一目标时间段内的负荷峰值,确定所述电力系统在所述目标周期的所述负荷数据。
在本申请的又一些实施例中,电力系统在目标周期内的负荷数据可以通过所构造的时序负荷功率预测模型获取,具体地,本申请实施例中时序负荷功率预测模型的构造步骤如下:
首先,获取某地历史年月峰值负荷数据(即至少一个第二时间段的历史负荷峰值),冬季和夏季典型日24小时负荷数据和(即电力系统在至少一个第一目标时间段的历史负荷数据)。第二时间段可以是月,则第一时间段为日。第二时间段也可以是年,则第一时间段可以是月,也可以是日。本申请对此不作限制。
基于已知12个月月负荷峰值数据(即至少一个第二时间段的历史负荷峰值),采用插值法得到全年每日负荷峰值数据(即电力系统在第三时间段内的负荷峰值)。具体地,插值法的等插值可表示为:
;
其中,表示历史年中第j月的月峰值负荷数据;n表示和之间的间隔数。
随后,在得到插值法的全年日负荷峰值数据之后,可以采用随机数增加噪声,得到接近实际的365个日负荷峰值数据(即至少一个第一目标时间段内的负荷峰值)。
这样,假设冬季(上一年10月至当前年度4月)和夏季(当前年度5月至9月)中典型日24小时负荷数据分别为和(即至少一个第一目标时间段的历史负荷数据),可以从中提取的日最大负荷需求为典型日的负荷峰值(即至少一个第一目标时间段内的负荷峰值)。根据以下公式可以计算得到历史年份8760小时负荷曲线:
;
其中,表示历史年份的负荷曲线;
表示目标周期内每日的负荷峰值数据;
表示典型日的负荷峰值;
表示历史年负荷峰值(电力系统在第三时间段内的负荷峰值);
表示目标年负荷峰值预测设为(即目标周期内的预测负荷峰值)。
按照比例调整历史年的8760小时负荷数据,得到目标年份(即目标周期)的8760小时负荷预测数据,表示为以下公式:
;
其中,为目标周期的负荷预测数据。
此外,偏差度公式为:
。
可以得到,年时序负荷曲线公式如下,使其满足年总用电需求的预测值:
;
;
其中,表示已知历史年份总用电量;表示年用电需求预测。
值得一提的是,在本申请考虑多区域互联的出清中,需要考虑跨地域跨区输电线路的输送能力。因此,可以根据最基本的数据需求对输电网进行建模,具体地,最基本的数据需求可以包括输电网拓扑结构、输电设备(线路和变压器支路)的参数。特别是对于输电通道存在阻塞的情况,对输电网的准确建模,才能保证模型出清结果的准确性。具体可以考虑输电断面的约束,输电断面约束是对一组输电线路或者一组变压器支路总潮流的限额约束。而限额约束中输电断面的限额信息通常会由市场交易系统发布获取。
可选地,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在满足第一约束条件的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电能量参数;
其中,所述第一约束条件包括如下至少一项:
所述电力系统的负荷平衡约束、正备用容量约束、负备用容量约束、旋转备用容量约束、所述目标机组组合的出力约束、报价约束、线路潮流约束、断面潮流约束、所述目标机组组合中所述火电机组的爬坡约束和启停机时间约束。
在本申请的一些具体实施例中,在确定的电能量参数为出清电价时,可以在满足一些具体的第一约束条件的基础上,获得出清电价,以更好的适应电力系统发展需求,增强电力系统运行可靠性和稳定性。
具体地,第一约束条件可以包括电力系统的负荷平衡约束,具体可以通过以下公式进行表述:
;
其中,表示目标机组组合中的火电机组i在时刻t的出力;
表示目标组合组合中光伏发电机组i在时刻t的出力;
表示目标机组组合中风电机组i在时刻t的的出力;
表示目标机组组合中的储能机组i在时刻t的放电量;
表示目标机组组合中的储能机组i在时刻t的充电量;
表示外送线路j在时刻t功率;
NT表示联络线总条数;
表示时刻t时的市场竞价负荷;
表示目标机组组合中水电机组i在时刻t的弃水量。
可见,通过在任意时刻,约束开机机组、外送电、非市场机组出力总和应满足系统负荷要求,保障电力系统运行的稳定性。此外,还可以设置负荷平衡松弛量,使得在出现松弛显示电力系统的负荷不平衡,以及时对电力系统作出调整,促进电力系统运行的可靠性。
第一约束条件可以包括正备用容量约束和负备用容量约束,分别可以用以下公式进行表示:
;
;
其中,表示目标机组组合中火电机组在时段的启停状态;
表示目标机组组合中机组在时段的最大出力;
表示时段的系统正备用容量要求;
表示目标机组组合中机组在时段的最小出力;
表示时段的系统负备用容量要求。
可见,在任意时刻,电力系统中目标机组组合的开机容量、外送电、非市场机组出力总和与系统负荷之差应满足系统备用要求,以提高电力系统的运行稳定性。
第一约束条件还包括旋转备用容量约束,具体可以通过以下公式表述:
;
;
其中,表示目标机组组合中火电机组的最大上爬坡速率;
表示目标机组组合中火电机组的最大下爬坡速率;
、分别表示时段系统上调、下调旋转备用要求。
可见,在任意时刻,目标机组组合中处于开机状态的火电机组的剩余容量应满足系统旋转备用要求,同时满足机组爬坡速率限制。
第一约束条件还包括目标机组组合的出力约束,具体可以以下列公式进行表示:
;
;
;
其中,K表示机组分段报量报价的段数;和分别表示机组i在t时段第k段报量的最小值和最大值。
可见,在任意时刻,机组中标出力应满足机组出力限制。
第一约束条件还包括目标机组组合中机组的报价约束,具体可以用以下公式进行表示:
;
其中,为机组报价,可以呈现单调非递减阶梯式,最小报价可以为0;表示机组的最大报价,可以是市场限价。
第一约束条件还包括目标机组组合中所述火电机组的爬坡约束,具体可以用以下公式表示:
;
;
其中,表示目标机组组合中机组在时段的出力;
表示目标机组组合中机组的最大上爬坡速率;
表示目标机组组合中机组在时段的启停状态。
可见,目标机组组合中的火电机组连续时刻中标出力之差应满足机组上下爬坡速率限制。
第一约束条件还包括目标机组组合中火电机组的启停机时间约束,具体可以用以下公式进行表示:
;
;
其中,,分别表示火电机组i在时刻t前已经连续开机时间和连续停机时间;、分别表示火电机组最小连续开机时间要求和最小连续停机时间要求。
可见,判断火电机组截止上一时刻已连续开、停机时间是否达到机组最小连续开、停机时间要求。若未到达,则火电机组的开停机决策变量需保持前一时刻状态,以提高目标机组组合中火电机组运行的稳定性。
第一约束条件还可以包括线路潮流约束,具体可以用以下公式表示:
;
其中,表示线路的潮流传输极限;
表示目标机组组合中的机组所在节点对线路的发电机输出功率转移分布因子;
为联络线所在节点对线路的发电机输出功率转移分布因子;
表示电力系统的节点数量;
表示负荷所在节点对线路的发电机输出功率转移分布因子;
表示节点在时段的母线负荷值。
可见,电力系统的全部节点的净注入功率可以按照潮流分布因子,流向某条线路的潮流加和应小于或者等于线路输送极限。此外,还可以设置线路输送限值松弛量。
第一约束条件中还可以包括断面潮流约束,具体可以通过以下公式进行表示:
;
其中,、分别表示断面S的潮流传输最小值和潮流传输最大值;
表示目标机组组合中的机组所在节点对断面的发电机输出功率转移分布因子;
表示联络线所在节点对断面S的发电机输出功率转移分布因子;
表示负荷所在节点对断面的发电机输出功率转移分布因子。
可见,组成断面的各线路可以按照开断系数形成的断面潮流加和应满足断面输送极限。
具体地,组成断面线路间,任一线路ij断开,对另一线路mn的潮流转移系数计算模型可以用如下公式进行表示:
;
其中,表示线路ij对线路mn的功率传输因子;
表示节点i注入单位有功功率,节点j取出单位有功潮流时,线路 m-n 的有功潮流的变化量;
表示节点m注入单位有功功率,节点n取出单位有功潮流时,线路 m-n的有功潮流的变化量;
表示当节点i流入单位有功功率,平衡节点流出单位有功功率时,线路 m-n的有功潮流的变化量;
表示当节点j流入单位有功功率,平衡节点流出单位有功功率时,线路 m-n的有功潮流的变化量;
表示当节点m流入单位有功功率,平衡节点流出单位有功功率时,线路 m-n的有功潮流的变化量;
表示当节点n流入单位有功功率,平衡节点流出单位有功功率时,线路 m-n的有功潮流的变化量。
这样,通过上述实施例,可以使得电力系统出清模型能够更好的适应电力市场,增强电力系统运行可靠性和稳定性。
可选地,所述电能量参数包括出清电能量参数,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括新能源机组的情况下,获取所述新能源机组的装机容量和历史出力数据;其中,所述新能源机组包括所述光伏发电机组和所述风电机组中任意一项,所述历史出力数据包括所述新能源机组在第四时间段内的总出力和至少一个在第五时间段内的出力曲线,所述第四时间段由至少一个所述第五时间段组成;
根据至少一个在所述第五时间段内的出力曲线,确定所述新能源机组在目标时刻的出力概率曲线,所述目标时刻为所述第五时间段内的一个时刻;
基于所述新能源机组在第四时间段内的总出力和所述出力概率曲线,确定所述新能源机组的出力上限;
在所述目标机组组合中新能源机组的出力小于或者等于所述新能源机组的出力上限的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
在本申请的一些实施例中,在基于目标机组组合、目标机组组合的启停信息、出力信息和节点电能量参数等,根据出清模型确定电力系统在目标周期内的出清电价。在此过程中,需要受到目标机组组合中所含不同发电机组的限制,例如在目标机组组合包括新能源机组时,可以将新能源机组视为常规机组加入市场竞价机组。根据新能源机组标识,将目标机组组合中的新能源机组筛选出,并将目标机组组合约束分为常规机组约束和新能源机组约束。针对新能源机组约束,可以设置新能源机组的报价,将新能源机组的多段报价简化为一段报价,最低报价可以为0,申报量为出力上限设置,初始值可以设置为风电机组的装机容量。随后,可以设置每个时段新能源机组的出力上限,并根据交易中心公布的新能源总出力,根据机组的装机容量,按比例计算每个机组的出力上限,计算公式如下:
;
其中,i表示新能源机组的编号;t表示时刻编号;I表示新能源机组的总数量;表示在t时刻机组i的出力上限;表示新能源机组的总出力。
从历史出力数据选择典型新能源机组的出力数据,进行出力曲线分析。以风电机组为例,统计若干天风电逐时出力曲线(即至少一个在第五时间段内的出力曲线),计算该天数中每日12点出力率,统计相同出力率的天数之和占比,即为该风场该时刻出力概率曲线(即新能源机组在目标时刻的出力概率曲线)。
在本申请实施例中,通过设置新能源机组的出力约束,约束确定电力系统在目标周期内的出清电价的过程,充分考虑新能源机组参与电力系统的影响,提升电能量参数确定过程的合理性和准确性。
进一步地,水电机组参与市场竞价以最大程度实现水电消纳为目标,因此弃水量产生的效益损失可以表示为:
;
其中,表示水电集,i表示水电台数;表示弃水费用;表示水电机组i在t时刻弃水发电量。
因此,可以构建弃水发电量计算模型表示为如下公式:
;
其中,表示水电机组i的机组容量;
表示水电i在时段t的出力;
表示水电机组i在时段t的弃水流量;
表示水电机组i的耗水率。
这样,水电机组的发电量、发电流量所需遵循的发电流量约束,具体可以为:
;
对上述水电发电量、发电流量和耗水率三者按照流量分阶段建模,具体为:
;
其中,表示0、1变量,用来表示发电流量是否处于分段k,当处在分段k上时取1,否则取0;
表示发电流量图Q分段的下限;
表示发电流量图Q分段的上限;
表示发电流量图上第k段的斜率;
表示发电流量图上第k段的截距。
针对水电机组发电导致的水库水位变化,该约束模型(即要求目标机组组合中水电机组的水位小于水位上限并且大于水电机组的水位下限)具体可以表示为:
;
其中,表示水电机组i在时段t末水位控制要求水位上限;
表示水电机组i在时段t末水位控制要求水位下限;
表示参数,代表水电机组i在次日零点的初始水位(通常可由前一日的日前市场出清结果或实时出清结果估算);
表示水电机组i的耗水率;
表示水电机组i的库面面积;
表示水电机组i的上游水电机组;
表示水电机组i面临的上游迟滞时间;
表示水电机组i在时段τ的自然来水流量。
可选地,所述电能量参数包括出清电能量参数,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括所述储能机组的情况下,获取所述储能机组的额定容量、最大充电功率、最大放电功率、充电效率和放电效率;
基于所述额定容量、所述最大充电功率、所述最大放电功率、所述充电效率和所述放电效率,确定所述储能机组的目标电量;
在所述储能机组在任意时刻的电量等于所述目标电量的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
又一些实施例中,在目标机组组合包括储能机组的情况下,需要充分考虑储能机组对出清模型的影响,建立储能机组的约束模型。例如,可以构建下列储能参与出清模型:
;
;
;
;
;
其中,,均表示0至1的变量,当值为1时表示储能机组i在t时段的放电状态,表示储能机组i在t时段的充电状态;
表示储能机组i的最大充电功率;
表示储能机组i的最大放电功率;
表示储能机组i在t时段的电量;
表示储能机组i的额定容量;
表示储能机组i的充电效率;
表示储能机组i的放电效率。
由此可见,通过上述储能参与出清模型可以形成对出清模型的约束,保障在确定电能量参数的过程中能够充分考虑到储能机组的影响,提升所确定电能量参数的合理性和准确性。
可选地,所述目标周期由多个第一周期组成,所述第一周期由多个第二周期组成;
所述通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息,包括:
通过所述安全约束机组组合模型,获取在第一目标周期内的所述目标机组组合,其中,所述第一目标周期为所述多个第一周期中的一个;
通过所述安全约束经济调度模型,获取多个第二目标周期内的所述目标机组组合的启停信息和出力信息,所述第一目标周期由所述多个第二目标周期组成;
在出清所述电力系统的情况下,将第三目标周期内的所述目标机组组合的启停信息和出力信息,确定为所述目标机组组合在所述第一目标周期的启停信息和出力信息,所述第三目标周期为所述多个第二目标周期中的一个;
所述基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数,包括:
基于所述目标机组组合在所述第一目标周期的启停信息和出力信息,获取所述目标机组组合在所述第一目标周期的所述节点电能量参数;
所述方法还包括:
将所述目标机组组合在所述第一目标周期的启停信息、出力信息和所述节点电能量参数作为所述第一目标周期的下一周期的仿真参数,输入所述安全约束机组组合模型、所述安全约束经济调度模型和用于计算所述节点电能量参数的模型中。
请参考图2,在本申请的一些实施例中,可以采取逐日仿真模拟的方式确定目标周期内的电能量参数。具体地,可以将目标周期分为第一周期,第一周期又可以分为第二周期,例如目标周期为一整年,则第一周期可以为该年中的每个月,第二周期则可以为某月中的某一天,本申请对目标周期、第一周期和第二周期的设置不作具体限制,可以根据实际需求进行设置。
如图2所示,本申请实施例中的一种电力系统的电能量参数生成方法包括以下步骤:
步骤201、通过所述安全约束机组组合模型,获取在第一目标周期内的所述目标机组组合,其中,所述第一目标周期为所述多个第一周期中的一个;
步骤202、通过所述安全约束经济调度模型,获取第二目标周期内的所述目标机组组合的启停信息和出力信息,所述第一目标周期由所述多个第二目标周期组成;
步骤203、将所述目标机组组合在所述第一目标周期的启停信息、出力信息和所述节点电能量参数作为所述第一目标周期的下一周期的仿真参数,输入所述安全约束机组组合模型、所述安全约束经济调度模型和用于计算所述节点电能量参数的模型中;
步骤204、基于所述目标机组组合在所述第一目标周期的启停信息和出力信息,获取所述目标机组组合在所述第一目标周期的所述节点电能量参数;
步骤205、判断是否完成对每一个第二目标周期内目标机组组合的启停信息和出力信息的获取;
步骤206、判断是否完成对每一个第一目标周期内目标机组组合的获取;
步骤207、在出清所述电力系统的情况下,将第三目标周期内的所述目标机组组合的启停信息和出力信息,确定为所述目标机组组合在所述第一目标周期的启停信息和出力信息,所述第三目标周期为所述多个第二目标周期中的一个;
步骤208、基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
在本申请的具体实施例中,可以以第二周期为单位,基于电力系统中的网络拓扑结构、线路检修计划、断面信息和系统负荷预测等数据,以电力系统运行总成本最小化为优化目标,综合考虑电力系统功率、各发电机组运行、电网安全等约束,采用SCUC模型计算未来24小时的目标机组组合,开展长周期内的第1日仿真。在确定当日的目标机组组合之后,可以以15分钟为一个时段,以电力系统运行总成本最小化为优化目标,考虑实时的负荷需求和电网安全约束,采用SCED模型优化计算当日目标机组组合中各机组的发电启停计划等,得到最优的机组开停机计划和分时发电出力曲线。随后,可以开展LMP计算,得到各个节点电价。
进一步地,可以开展逐日仿真,即逐日更新每日的负荷水平、新能源机组出力。具体可以将上一日各机组运行出力状态、连续开停机时间等参数,进行保存,作为下一日仿真的参数,逐日计算,开展周、月、年等长周期的仿真模拟,最后可以得到目标周期内的电能量参数。举例而言,本实施例以某地区为例,对2025年电力系统进行仿真规划,按照各电源品种边际成本代替报价,开展长周期电力现货市场仿真,以确定在不同规划方案下的各类电源经济效益、运行调节、出力消纳和系统运行可靠性。
首先,可以获取电力系统的历史数据信息,例如在电源侧、电网侧、负荷侧和燃料等方面的市场基础数据和历史公开数据,包括各类电源(即目标机组组合中各类发电机组)装机容量(如表1所示的各类机组装机情况)、断面输送极限、网络拓扑结构、全社会用电量和系统负荷情况(如表2所示)等。可以根据所获取的该地区电力系统的基础数据,考虑新增输电线路工程和负荷增长情况,搭建电力系统网络拓扑结构,分析目标年的电源装机情况、全社会用电负荷和燃料价格(如表3所示)等信息。
表1 各类机组装机情况
电源总装机容量 | 煤电装机 | 常规水电装机 | 风电 | 太阳能 | 生物质发电 | 储能 | |
2023年 | 8340 | 2257 | 980 | 2726 | 2353 | 24 | 106 |
2025年 | 12649 | 3459 | 1000 | 3853 | 4269 | 68 | 437 |
表2 全社会用电量和系统负荷情况
全社会用电量(亿千瓦时) | 全社会最大负荷(万千瓦) | |
2022年 | 1501 | 2071 |
2025年 | 1790 | 2750 |
表3 燃料价格
火电机组燃料长期协商价格 | 现货价格水平 | |
2022年 | 655 | 891 |
2025年 | 720 | 980 |
随后,可以以15分钟为单位,根据所获取的电力系统的历史公开数据,包括统调负荷、联络线计划、新能源出力等各类市场边界信息,分析历史变化趋势和典型特征;再次,根据每15分钟统调负荷、联络线计划、新能源出力等历史数据的时序曲线,考虑负荷及外送增长情况,结合典型场站历史出力曲线,构建目标周期内的统调负荷的时序曲线(如图3所示)、风电出力时序曲线(如图4所示)、光伏出力等电力系统中所需的各类供需信息。
此外,本申请实施例还可以验证在电力市场采用所获得的电能量参数时,是否能够满足电力系统供电的可靠性需求。具体地,如图5所示,以2023年1月份的数据为例,比对2023年1月的实际出清电价(即日前价格)和根据出清模型确定的2023年的出清电价(即仿真价格),两者的平均电价偏差小于1%,因此,可以以本申请实施例中的出清模型确定的目标周期内的出清电价,完成对目标周期内电能量参数的仿真模拟,以反映了目标周期内的日内价格高低变化趋势和发生的时段。
进一步地,可以基于安全约束机组组合模型、基于安全约束经济调度模型和节点电价(LMP)计算得到所需的参数,再根据电力现货市场的出清模型,考虑统调负荷、外送电计划、非市场机组出力和新能源出力等市场供需和电网运行数据,并且在系统负荷平衡、正负备用容量、旋转备用容量、机组出力、机组爬坡、机组开停机和线路潮流等约束条件的约束下,开展单日市场仿真,可以得到一日内(以15分钟为一个时段,共有96个时段)的目标机组组合和节点价格,作为开展次日仿真的边界条件。
再开展目标周期内全年的逐日仿真模拟。可以根据前日仿真结果,包括出清电价、市场供需以及机组启停状态、输电线路、断面信息等,逐日更新系统负荷、新能源出力等市场供需信息,作为新的边界条件,开展逐日仿真计算,得出目标周期全年8760小时的市场出清电价(如图6所示)。目标周期内全年的出清加强价格具体可以259.86元/兆瓦时。
另外,还可以开展敏感性分析,可以保持电力负荷、网络拓扑等边界条件不变,将目标机组组合中新能源机组的装机水平提高10%,根据上述实施例中的模型开展长周期仿真计算,得出全网全年出清加权价格为286.1元/兆瓦时(如图7所示),相比原规划方案有所提高。可见,通过本申请实施例得出的电能量参数的经济性较好、合理性更强,对目标周期内电能量参数预测的准确性较高。
本申请还公开了在上述电能量参数生产方法实施例之外,对上述方法实施例的验证实施例,包括对新能源消纳情况和电力系统运行可靠性的验证。具体地,对电力系统新能源消纳情况的验证具体可以是:
目标机组组合中的电源统一参与电力市场,考虑到电力供需以及线路、火电机组最小出力等约束,可以得出全部上网电量(即中标电量),与理论发电功率对比,电源理论出力水平与中标电量的偏差即为弃电量。随后,可以开展全年(即8760小时)仿真,得出目标周期全网新能源机组的全年弃电量,如图8所示,目标周期2025年的弃电量为248亿千瓦时,弃电率达到20.4%。另外,请参考图9,保持电力负荷、网络拓扑等边界条件不变,将新能源机组的装机水平提高10%,开展8760小时仿真,得出新能源机组新增装机场景下目标周期内全年新能源弃电量为319.09亿千瓦时,弃电率为29.6%,相比前述正常新能源装机容量下的规划方案,新能源弃电率有所增加。
具体地,对电力系统运行可靠性的验证过程具体可以是:
首先,可以基于历史数据信息中的新能源机组的出力功率的实际值和预测的出力值,进行统计分析,逐月确定多典型日内的逐时风电机组、光伏发电机组分别对应的出力概率。例如,如图10所示,可以以2022年12月份为例,统计每日12点的风光出力率,以风电机组在12月的相同出力率的天数之和/31,即为12点风电机组出力概率。同样地,也可以得到光伏发电机组在12点的出力概率。
其次,以确定的目标机组组合开展8760小时逐时供电情况分析,考虑火电机组、光伏发电机组、风电机组、各机组弃电等的不确定性,以及机组检修计划,采用蒙特卡洛抽样确定机组可用性。考虑到蒙特卡洛生成随机数特性,可以进行3000次计算,综合3000次计算结果,计算得到目标周期内各类机组供电的可靠性指标。如图11所示,可以以平准化度电成本(Levelized Cost of Energy,LOEE)为例,逐次计算缺电量.通过滑动平均法,可获得每次。可以获得LOEE=19.57,表明目标周期2025年的全年失负荷期望值为19.57兆瓦时。
此外,请参照图12,还可以以LOLE为例,逐次计算每年缺电小时,通过滑动平均法,也可以获得每次得到仿真结果为LOLE=0.067,表明目标周期2025年全年失负荷小时数可以为0.067小时。
这样,通过上述实施例能够在实现电力系统经济性和充分利用各类资源的情况下,准确得到电力系统中的电能量参数,提升电力系统规划预测的合理性和准确性。
请参考图13,图13是本申请实施例提供的一种电力系统的电能量参数生成装置的结构示意图,所述电能量参数生成装置300包括:
模型预测模块301,用于通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;
第一获取模块302,用于以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息;
第二获取模块303,用于基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数;
参数确定模块304,用于基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数。
可选地,所述安全约束机组组合模型是基于预测数据构建的,所述预测数据包括物理特性数据和经济特性数据,所述物理特性数据包括所述电力系统中各发电机组的最大出力、最小出力、爬坡速率、最短运行时间、最短停机时间、所述电力系统的负荷数据和所述电力系统中电网的输电断面中至少一项,所述经济特性数据包括所述电力系统中各发电机组的发电成本。
可选地,所述最大出力和所述最小出力通过如下方式获取:
获取所述电力系统中第一发电机组在第一时间段的历史发电容量和在第二时间段的环境特性,其中,所述第一发电机组为所述电力系统中的任意一个所述风电机组或者所述光伏发电机组,所述第一时间段为所述目标周期内的一个时间段,所述第二时间段由至少一个所述第一时间段组成;
根据所述第一发电机组的所述历史发电容量,构建所述第一发电机组的第一发电特性曲线;
根据所述第一发电机组在所述第二时间段的所述环境特性,构建第二发电特性曲线;
基于所述第一发电特性曲线和所述第二发电特性曲线,构建所述第一发电机组在第三时间段内的第三发电特性曲线,所述第三时间段由至少一个所述第二时间段组成;
基于对所述第一发电机组的预测装机容量和所述第三发电特性曲线,确定所述第一发电机组在所述目标周期内的第四发电特性曲线;
根据所述第四发电特性曲线,确定所述第一发电机组的所述最大出力和所述最小出力。
可选地,所述负荷数据通过如下方式获取:
获取所述电力系统在至少一个第一目标时间段的历史负荷数据和在至少一个第二时间段的历史负荷峰值;其中,所述第二时间段由多个第一时间段组成,所述第一目标时间段为所述多个第一时间段中的一个;
根据所述至少一个第二时间段的历史负荷峰值,确定所述电力系统在第三时间段内的负荷峰值,所述第三时间段由所述至少一个第二时间段组成;
基于所述电力系统在所述第三时间段内的负荷峰值数据,通过插值法确定所述电力系统在每一个所述第一时间段的负荷峰值数据;
根据所述至少一个第一目标时间段的历史负荷数据,提取所述电力系统在所述至少一个第一目标时间段内的负荷峰值;
基于对所述电力系统在所述目标周期内的预测负荷峰值和在所述至少一个第一目标时间段内的负荷峰值,确定所述电力系统在所述目标周期的所述负荷数据。
可选地,所述参数确定模块304包括:
第一确定单元,用于在满足第一约束条件的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电能量参数;
其中,所述第一约束条件包括如下至少一项:
所述电力系统的负荷平衡约束、正备用容量约束、负备用容量约束、旋转备用容量约束、所述目标机组组合的出力约束、报价约束、线路潮流约束、断面潮流约束、所述目标机组组合中所述火电机组的爬坡约束和启停机时间约束。
可选地,所述电能量参数包括出清电能量参数,所述参数确定模块304包括:
第一获取单元,用于在所述目标机组组合包括新能源机组的情况下,获取所述新能源机组的装机容量和历史出力数据;其中,所述新能源机组包括所述光伏发电机组和所述风电机组中任意一项,所述历史出力数据包括所述新能源机组在第四时间段内的总出力和至少一个在第五时间段内的出力曲线,所述第四时间段由至少一个所述第五时间段组成;
第二确定单元,用于根据至少一个在所述第五时间段内的出力曲线,确定所述新能源机组在目标时刻的出力概率曲线,所述目标时刻为所述第五时间段内的一个时刻;
第三确定单元,用于基于所述新能源机组在第四时间段内的总出力和所述出力概率曲线,确定所述新能源机组的出力上限;
第四确定单元,用于在所述目标机组组合中新能源机组的出力小于或者等于所述新能源机组的出力上限的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
可选地,所述电能量参数包括出清电能量参数,所述参数确定模块304包括:
第二获取单元,用于在所述目标机组组合包括所述储能机组的情况下,获取所述储能机组的额定容量、最大充电功率、最大放电功率、充电效率和放电效率;
第五确定单元,用于基于所述额定容量、所述最大充电功率、所述最大放电功率、所述充电效率和所述放电效率,确定所述储能机组的目标电量;
第六确定单元,用于在所述储能机组在任意时刻的电量等于所述目标电量的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
可选地,所述目标周期由多个第一周期组成,所述第一周期由多个第二周期组成;
所述第一获取模块302包括:
第三获取单元,用于通过所述安全约束机组组合模型,获取在第一目标周期内的所述目标机组组合,其中,所述第一目标周期为所述多个第一周期中的一个;
第四获取单元,用于通过所述安全约束经济调度模型,获取多个第二目标周期内的所述目标机组组合的启停信息和出力信息,所述第一目标周期由所述多个第二目标周期组成;
第七确定单元,用于在出清所述电力系统的情况下,将第三目标周期内的所述目标机组组合的启停信息和出力信息,确定为所述目标机组组合在所述第一目标周期的启停信息和出力信息,所述第三目标周期为所述多个第二目标周期中的一个;
所述第二获取模块303包括:
第五获取单元,用于基于所述目标机组组合在所述第一目标周期的启停信息和出力信息,获取所述目标机组组合在所述第一目标周期的所述节点电能量参数;
所述出清参数生成装置300还包括:
仿真模块,用于将所述目标机组组合在所述第一目标周期的启停信息、出力信息和所述节点电能量参数作为所述第一目标周期的下一周期的仿真参数,输入所述安全约束机组组合模型、所述安全约束经济调度模型和用于计算所述节点电能量参数的模型中。
本申请实施例提供的出清参数生成装置300能够实现图1或者图2所述方法实施例实现的各个过程,为避免重复,这里不再赘述。
如图14所示,本申请实施例还提供一种电子设备,包括处理器400和存储器420,存储在存储器420上并可在处理器400上运行的程序或指令,该程序或指令被处理器400执行时实现如图1或者图2中所示方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述图1或图2所述的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现上述图1或图2所述的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,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设备(可以是终端或者平台等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种电力系统的电能量参数生成方法,其特征在于,包括:
通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;
以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息、出力信息和输电线路信息;
基于所述目标机组组合的启停信息、出力信息和输电线路信息进行节点电价计算,获取所述目标机组组合的节点电能量参数,所述节点电能量参数包括节点电价;
基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数;其中,所述电能量参数包括出清电能量参数;
所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在满足第一约束条件的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述出清电能量参数;
其中,所述第一约束条件包括如下至少一项:所述电力系统的负荷平衡约束、正备用容量约束、负备用容量约束、旋转备用容量约束、所述目标机组组合的出力约束、报价约束、线路潮流约束、断面潮流约束、所述目标机组组合中所述火电机组的爬坡约束和启停机时间约束;
所述生成所述电力系统在所述目标周期内的电能量参数,包括:
采用所述电力系统的出清模型确定所述出清电能量参数中的出清电价:
;
其中,表示目标机组组合中火电机组的总台数;
表示目标机组组合中光伏发电机组的总台数;
表示目标机组组合中风电机组的总台数;
表示目标机组组合中储能机组的总台数;
表示目标机组组合中水电机组的总台数;
NL表示线路总数;
NS表示断面总数;
T表示一个周期;
表示目标机组组合中机组i在时段的运行费用;
表示目标机组组合中机组在时段的启动费用;
表示目标机组组合中机组在时段出力;
表示目标机组组合中机组i在时段t开停机状态;
,分别表示目标机组组合中光伏发电机组i的报价和出力;
,表示目标机组组合中风电机组i的报价和出力;
,表示目标机组组合中储能机组i的放电报价和放电量;
,表示目标机组组合中储能机组i的充电报价和充电量;
表示弃水惩罚因子;
表示目标机组组合中水电机组i在时刻t的弃水量;
、分别表示线路的正、反向潮流松弛变量;
、分别表示断面的正、反向潮流松弛变量;
M表示松弛变量的惩罚因子。
2.根据权利要求1所述的方法,其特征在于,所述安全约束机组组合模型是基于预测数据构建的,所述预测数据包括物理特性数据和经济特性数据,所述物理特性数据包括所述电力系统中各发电机组的最大出力、最小出力、爬坡速率、最短运行时间、最短停机时间、所述电力系统的负荷数据和所述电力系统中电网的输电断面中至少一项,所述经济特性数据包括所述电力系统中各发电机组的发电成本。
3.根据权利要求2所述的方法,其特征在于,所述最大出力和所述最小出力通过如下方式获取:
获取所述电力系统中第一发电机组在第一时间段的历史发电容量和在第二时间段的环境特性,其中,所述第一发电机组为所述电力系统中的任意一个所述风电机组或者所述光伏发电机组,所述第一时间段为所述目标周期内的一个时间段,所述第二时间段由至少一个所述第一时间段组成;
根据所述第一发电机组的所述历史发电容量,构建所述第一发电机组的第一发电特性曲线;
根据所述第一发电机组在所述第二时间段的所述环境特性,构建第二发电特性曲线;
基于所述第一发电特性曲线和所述第二发电特性曲线,构建所述第一发电机组在第三时间段内的第三发电特性曲线,所述第三时间段由至少一个所述第二时间段组成;
基于对所述第一发电机组的预测装机容量和所述第三发电特性曲线,确定所述第一发电机组在所述目标周期内的第四发电特性曲线;
根据所述第四发电特性曲线,确定所述第一发电机组的所述最大出力和所述最小出力。
4.根据权利要求2或3所述的方法,其特征在于,所述负荷数据通过如下方式获取,包括:
获取所述电力系统在至少一个第一目标时间段的历史负荷数据和在至少一个第二时间段的历史负荷峰值;其中,所述第二时间段由多个第一时间段组成,所述第一目标时间段为所述多个第一时间段中的一个;
根据所述至少一个第二时间段的历史负荷峰值,确定所述电力系统在第三时间段内的负荷峰值,所述第三时间段由所述至少一个第二时间段组成;
基于所述电力系统在所述第三时间段内的负荷峰值数据,通过插值法确定所述电力系统在每一个所述第一时间段的负荷峰值数据;
根据所述至少一个第一目标时间段的历史负荷数据,提取所述电力系统在所述至少一个第一目标时间段内的负荷峰值;
基于对所述电力系统在所述目标周期内的预测负荷峰值和在所述至少一个第一目标时间段内的负荷峰值,确定所述电力系统在所述目标周期的所述负荷数据。
5.根据权利要求1所述的方法,其特征在于,所述电能量参数包括出清电能量参数,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括新能源机组的情况下,获取所述新能源机组的装机容量和历史出力数据;其中,所述新能源机组包括所述光伏发电机组和所述风电机组中任意一项,所述历史出力数据包括所述新能源机组在第四时间段内的总出力和至少一个在第五时间段内的出力曲线,所述第四时间段由至少一个所述第五时间段组成;
根据至少一个在所述第五时间段内的出力曲线,确定所述新能源机组在目标时刻的出力概率曲线,所述目标时刻为所述第五时间段内的一个时刻;
基于所述新能源机组在第四时间段内的总出力和所述出力概率曲线,确定所述新能源机组的出力上限;
在所述目标机组组合中新能源机组的出力小于或者等于所述新能源机组的出力上限的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的出清电能量参数。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括所述水电机组的情况下,获取所述水电机组的装机容量和水文数据,所述水文数据包括所述水电机组在第六时间段内的出力、弃水流量、耗水率、发电流量、水位上限、水位下限、初始水位和库面面积;
根据所述水电机组的装置容量、在第六时间段内的出力、所述弃水流量、所述耗水率、所述发电流量,确定所述水电机组的发电流量约束模型;
根据所述发电流量约束模型、所述水位上限、所述水位下限所述、初始水位和所述库面面积,确定所述水电机组的水位约束模型;
在所述水电机组的水位满足所述水位约束模型的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的电能量参数。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数,包括:
在所述目标机组组合包括所述储能机组的情况下,获取所述储能机组的额定容量、最大充电功率、最大放电功率、充电效率和放电效率;
基于所述额定容量、所述最大充电功率、所述最大放电功率、所述充电效率和所述放电效率,确定所述储能机组的目标电量;
在所述储能机组在任意时刻的电量等于所述目标电量的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电力系统在所述目标周期内的电能量参数。
8.根据权利要求1所述的方法,其特征在于,所述目标周期由多个第一周期组成,所述第一周期由多个第二周期组成;
所述通过安全约束经济调度模型获取所述目标机组组合的启停信息和出力信息,包括:
通过所述安全约束机组组合模型,获取在第一目标周期内的所述目标机组组合,其中,所述第一目标周期为所述多个第一周期中的一个;
通过所述安全约束经济调度模型,获取多个第二目标周期内的所述目标机组组合的启停信息和出力信息,所述第一目标周期由所述多个第二目标周期组成;
在出清所述电力系统的情况下,将第三目标周期内的所述目标机组组合的启停信息和出力信息,确定为所述目标机组组合在所述第一目标周期的启停信息和出力信息,所述第三目标周期为所述多个第二目标周期中的一个;
所述基于所述目标机组组合的启停信息和出力信息,获取所述目标机组组合的节点电能量参数,包括:
基于所述目标机组组合在所述第一目标周期的启停信息和出力信息,获取所述目标机组组合在所述第一目标周期的所述节点电能量参数;
所述方法还包括:
将所述目标机组组合在所述第一目标周期的启停信息、出力信息和所述节点电能量参数作为所述第一目标周期的下一周期的仿真参数,输入所述安全约束机组组合模型、所述安全约束经济调度模型和用于计算所述节点电能量参数的模型中。
9.一种电力系统的电能量参数生成装置,其特征在于,所述装置包括:
模型预测模块,用于通过预先构建的安全约束机组组合模型预测电力系统在目标周期内的目标机组组合;其中,所述目标机组组合包括水电机组、火电机组、光伏发电机组、风电机组和储能机组中至少一项的组合;
第一获取模块,用于以所述目标机组组合发电成本最小化为优化目标,通过安全约束经济调度模型获取所述目标机组组合的启停信息、出力信息和输电线路信息;
第二获取模块,用于基于所述目标机组组合的启停信息、出力信息和输电线路信息进行节点电价计算,获取所述目标机组组合的节点电能量参数,所述节点电能量参数包括节点电价;
参数确定模块,用于基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,生成所述电力系统在所述目标周期内的电能量参数;其中,所述电能量参数包括出清电能量参数;
所述参数确定模块包括:
第一确定单元,用于在满足第一约束条件的情况下,基于所述目标机组组合、所述目标机组组合的启停信息、出力信息和所述节点电能量参数,确定所述电能量参数;
其中,所述第一约束条件包括如下至少一项:所述电力系统的负荷平衡约束、正备用容量约束、负备用容量约束、旋转备用容量约束、所述目标机组组合的出力约束、报价约束、线路潮流约束、断面潮流约束、所述目标机组组合中所述火电机组的爬坡约束和启停机时间约束;
所述参数确定模块包括:
第二确定单元,用于采用所述电力系统的出清模型确定所述出清电能量参数中的出清电价:
;
其中,表示目标机组组合中火电机组的总台数;
表示目标机组组合中光伏发电机组的总台数;
表示目标机组组合中风电机组的总台数;
表示目标机组组合中储能机组的总台数;
表示目标机组组合中水电机组的总台数;
NL表示线路总数;
NS表示断面总数;
T表示一个周期;
表示目标机组组合中机组i在时段的运行费用;
表示目标机组组合中机组在时段的启动费用;
表示目标机组组合中机组在时段出力;
表示目标机组组合中机组i在时段t开停机状态;
,分别表示目标机组组合中光伏发电机组i的报价和出力;
,表示目标机组组合中风电机组i的报价和出力;
,表示目标机组组合中储能机组i的放电报价和放电量;
,表示目标机组组合中储能机组i的充电报价和充电量;
表示弃水惩罚因子;
表示目标机组组合中水电机组i在时刻t的弃水量;
、分别表示线路的正、反向潮流松弛变量;
、分别表示断面的正、反向潮流松弛变量;
M表示松弛变量的惩罚因子。
10.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如权利要求1至8中任一项所述的电力系统的电能量参数生成方法。
11.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1至8中任一项所述的电力系统的电能量参数生成方法。
12.一种计算机程序产品,其特征在于,包括计算机指令,该计算机指令被处理器执行时实现如权利要求1至8中任一项所述的电力系统的电能量参数生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410552144.1A CN118137587B (zh) | 2024-05-07 | 2024-05-07 | 电力系统的电能量参数生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410552144.1A CN118137587B (zh) | 2024-05-07 | 2024-05-07 | 电力系统的电能量参数生成方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118137587A CN118137587A (zh) | 2024-06-04 |
CN118137587B true CN118137587B (zh) | 2024-07-23 |
Family
ID=91246069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410552144.1A Active CN118137587B (zh) | 2024-05-07 | 2024-05-07 | 电力系统的电能量参数生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118137587B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110224399A (zh) * | 2019-06-12 | 2019-09-10 | 广东电网有限责任公司 | 基于风电场的电力现货市场出清方法、装置及存储介质 |
CN111724254A (zh) * | 2020-05-27 | 2020-09-29 | 中国南方电网有限责任公司 | 调峰辅助服务与电能量联合出清方法、系统、装置及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485352B (zh) * | 2016-09-30 | 2019-06-25 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法 |
CN117273797A (zh) * | 2023-08-03 | 2023-12-22 | 中国电力科学研究院有限公司 | 电力系统日前出清方法、系统、计算机设备及存储介质 |
-
2024
- 2024-05-07 CN CN202410552144.1A patent/CN118137587B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110224399A (zh) * | 2019-06-12 | 2019-09-10 | 广东电网有限责任公司 | 基于风电场的电力现货市场出清方法、装置及存储介质 |
CN111724254A (zh) * | 2020-05-27 | 2020-09-29 | 中国南方电网有限责任公司 | 调峰辅助服务与电能量联合出清方法、系统、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118137587A (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Madaeni et al. | How thermal energy storage enhances the economic viability of concentrating solar power | |
Wang et al. | Coordinated operation of conventional hydropower plants as hybrid pumped storage hydropower with wind and photovoltaic plants | |
Ghofrani et al. | A framework for optimal placement of energy storage units within a power system with high wind penetration | |
Wu et al. | GENCO's risk-constrained hydrothermal scheduling | |
Michiorri et al. | Storage sizing for grid connected hybrid wind and storage power plants taking into account forecast errors autocorrelation | |
CN111445107A (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN110929428B (zh) | 一种电力系统发电容量充裕度确定方法及系统 | |
Karimi et al. | Scheduling and value of pumped storage hydropower plant in Iran power grid based on fuel-saving in thermal units | |
CN107644116A (zh) | 一种适应于间歇性能源接入的随机生产模拟算法 | |
Bartecka et al. | Sizing of prosumer hybrid renewable energy systems in Poland | |
CN110932261A (zh) | 一种基于全局效益最大化的多能源系统联合装机规划方法 | |
Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
Borkowski et al. | Battery energy storage system for grid-connected photovoltaic farm–Energy management strategy and sizing optimization algorithm | |
Sridhar et al. | Energy storage integration with run of river power plants to mitigate operational environmental constraints: Case study of Sweden | |
Rizvi et al. | Optimal scheduling of virtual power plants utilizing wind power and electric vehicles | |
Lopes et al. | Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems | |
Yan et al. | Practical flexibility analysis on europe power system with high penetration of variable renewable energy | |
Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
CN118137587B (zh) | 电力系统的电能量参数生成方法、装置、设备及介质 | |
CN116187509A (zh) | 一种电力系统生产成本测算的方法及装置 | |
Hokmabad et al. | Optimizing size and economic feasibility assessment of photovoltaic and energy storage setup in residential applications | |
Carranza et al. | Impact of the photovoltaic integration on the hydrothermal dispatch on power systems | |
Hashimoto et al. | Optimal operation of fuel cell and electrolyzer in household hybrid system by stochastic programming | |
Rendroyoko et al. | Integration of solar photovoltaic plant in the eastern Sumba microgrid using unit commitment optimization | |
Voigt et al. | Optimizing prosumers’ battery energy storage management using machine learning |
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 |