CN118195219A - 多时间尺度多元柔性资源协调优化配置方法及相关装置 - Google Patents

多时间尺度多元柔性资源协调优化配置方法及相关装置 Download PDF

Info

Publication number
CN118195219A
CN118195219A CN202410298119.5A CN202410298119A CN118195219A CN 118195219 A CN118195219 A CN 118195219A CN 202410298119 A CN202410298119 A CN 202410298119A CN 118195219 A CN118195219 A CN 118195219A
Authority
CN
China
Prior art keywords
flexible resource
configuration
scene
time scale
resource
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
Application number
CN202410298119.5A
Other languages
English (en)
Inventor
程兰芬
叶建东
谭颖
谭涛亮
禤培正
林建熙
周保荣
黄秀秀
余玉晗
卓华硕
王馨尉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South Power Grid International Co ltd
Yangjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
China South Power Grid International Co ltd
Yangjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China South Power Grid International Co ltd, Yangjiang Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN202410298119.5A priority Critical patent/CN118195219A/zh
Publication of CN118195219A publication Critical patent/CN118195219A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/007—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based 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
    • 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]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种多时间尺度多元柔性资源协调优化配置方法及相关装置，针对多元有功无功柔性资源的特性及需求差异，本申请通过区分资源响应时间尺度，提出了一种考虑有功无功协同的多时间尺度多元柔性资源协调优化配置方法，在传统柔性资源配置方法的基础上，区分有功无功多元柔性资源在时间尺度和调节特性上的差异，提出了多时间尺度的分层优化配置方法，能够针对同柔性资源的不同作用时间尺度进行差异化优化配置，兼顾设备投资经济性与电网可靠性，并充分发挥柔性资源的调节潜力，为新能源的进一步发展和电力系统的安全可靠运行提供了有力支撑。

Description

多时间尺度多元柔性资源协调优化配置方法及相关装置
技术领域
本申请涉及电力技术领域，尤其涉及一种多时间尺度多元柔性资源协调优化配置方法及相关装置。
背景技术
柔性资源是指能够增加电力系统供需灵活性，响应系统动态变化的资源。相比于单独无序配置，多元资源的协调配置及调度能够最大程度上兼顾经济性与灵活性，发挥资源的调节潜力。然而，源、网、荷、储各侧的有功及无功柔性资源存在调节特性和需求差异：1、储能设备等有功柔性资源能够承受短时间重过载，因此可以在较长时间尺度(小时级)进行配置，而不用考虑短时间尺度的功率波动性，否则会导致经济效益降低。2、短时间内的新能源波动会导致系统电压越限，因此无功柔性资源的优化配置需要考虑短时间尺度的新能源出力波动。
发明内容
本申请提供了一种多时间尺度多元柔性资源协调优化配置方法及相关装置，针对同柔性资源的不同作用时间尺度进行差异化优化配置，兼顾设备投资经济性与电网可靠性，并充分发挥柔性资源的调节潜力。
有鉴于此，本申请第一方面提供了一种多时间尺度多元柔性资源协调优化配置方法，所述方法包括：
根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各所述源-荷出力场景的配置需求，设定对应的场景时间尺度；
结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，所述目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本；
确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中所述约束包括：系统运行约束和设备运行约束；
基于所述场景时间尺度，根据所述源-荷出力场景选取优化配置所需的所述目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果；
根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
可选地，所述根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，包括：
根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，生成随机场景集，通过同步回代法对所述随机场景集进行场景削减，得到计及不确定性的源-荷出力场景。
可选地，所述目标函数的表达式为：
minf＝Cop+Cbs+Crs+Ccl+Cab；
式中，Cop为传统机组运营成本；Cbs为储能新建及运营成本；Crs为无功补偿设备新建及运营成本；Ccl为可控负荷运营成本；Cab为弃风弃光成本。
可选地，所述系统运行约束，包括：潮流约束、节点电压约束、支路潮流约束、功率平衡约束。
可选地，所述设备运行约束，包括：传统发电机组约束、可平移负荷约束、可削减负荷约束、储能约束。
可选地，所述求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果，包括：
调用商业求解器求解所述优化配置模型，得到考虑有功无功协同的多时间尺度多元柔性资源协调优化配置算法在各配置场景下的出力曲线，提取各场景时间尺度内调用的各柔性资源容量值上限，并对比各场景各柔性资源容量值上限，取其中最高值作为该设备的最终配置容量。
可选地，所述根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果，包括：
基于所述多类型有功功率调节资源协同优化配置结果中的有功柔性资源调度周期及调度曲线，筛选其中对无功柔性资配置容量要求最高时段，以该时段长时间尺度有功资源配置调度结果和较短时间尺度新能源波动场景作为约束，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
本申请第二方面提供一种多时间尺度多元柔性资源协调优化配置系统，所述系统包括：
生成单元，用于根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各所述源-荷出力场景的配置需求，设定对应的场景时间尺度；
设置单元，用于结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，所述目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本；
建模单元，用于确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中所述约束包括：系统运行约束和设备运行约束；
第一计算单元，用于基于所述场景时间尺度，根据所述源-荷出力场景选取优化配置所需的所述目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果；
第二计算单元，用于根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
本申请第三方面提供一种多时间尺度多元柔性资源协调优化配置设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的多时间尺度多元柔性资源协调优化配置方法的步骤。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的多时间尺度多元柔性资源协调优化配置方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种多时间尺度多元柔性资源协调优化配置方法，在传统柔性资源配置方法的基础上，区分有功无功多元柔性资源在时间尺度和调节特性上的差异，提出了多时间尺度的分层优化配置方法，能够针对同柔性资源的不同作用时间尺度进行差异化优化配置，兼顾设备投资经济性与电网可靠性，并充分发挥柔性资源的调节潜力，为新能源的进一步发展和电力系统的安全可靠运行提供了有力支撑。
附图说明
图1为本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置方法的流程示意图；
图2为本申请实施例中提供的光伏随机生成场景示意图；
图3为本申请实施例中提供的风电随机生成场景示意图；
图4为本申请实施例中提供的负荷随机生成场景示意图；
图5为本申请实施例中提供的长时间尺度优化配置结果中无功补偿装置调度曲线示意图；
图6为本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做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。
请参阅图1，本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置方法，包括：
步骤101、根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各源-荷出力场景的配置需求，设定对应的场景时间尺度。
需要说明的是，根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，采用同步回代法进行场景削减，得到计及不确定性的源-荷出力场景，根据实际配置要求，选择配置场景时间尺度，包括小时-日-周-月-季-年等。
步骤102、结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本。
需要说明的是，设立柔性资源容量配置优化模型的优化目标：结合调节资源经济特性分析，考虑不同类型柔性资源投资成本和灵活容量缺额惩罚成本、切负荷及新能源弃风弃光成本等作为系统经济性目标。
步骤103、确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中约束包括：系统运行约束和设备运行约束。
需要说明的是，分析多元柔性资源特性及电力系统约束：分析“源-网-荷-储”多元柔性资源响应特性差异，对电力系统及多元柔性资源进行针对性建模，考虑有功无功协同的电网约束、多元柔性资源的柔性调节相关约束，如潮流约束、电力电量约束，源侧约束、荷侧约束、储侧约束等。
步骤104、基于场景时间尺度，根据源-荷出力场景选取优化配置所需的目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果。
需要说明的是，针对生成的不确定性场景，选择优化配置所需目标函数，选择符合具体需求的优化配置时间尺度，设定多元柔性资源待开发位置，以时间尺度T内每一时段t中可调度的柔性资源功率，求解优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果，应对新能源出力较长时间尺度的不确定性和间歇性导致的系统部分设备重(过)载问题。
步骤105、根据多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
需要说明的是，基于长时间尺度优化配置结果中的有功柔性资源调度周期及其调度曲线，筛选其中对无功柔性资源(如SVC等)配置容量要求最高时段，以该时段长时间尺度有功资源配置调度结果和较短时间尺度新能源波动场景作为约束，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果，应对新能源出力短时波动下的系统节点电压越限问题。
在一个实施例中，步骤101中的根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，包括：
根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，生成随机场景集，通过同步回代法对随机场景集进行场景削减，得到计及不确定性的源-荷出力场景。
需要说明的是，多元柔性资源协调优化配置场景生成说明如下：
基于蒙特卡洛方法和新能源出力概率分布进行抽样，通过抽样获得概率分布的随机样本，基于蒙特卡洛方法生成随机场景时，当所生成场景数量N较大时会给计算求解带来较大压力，为降低计算量以减轻计算求解的压力，同时保证所生成场景的随机性质量，需要对所生成的原始场景进行削减处理，使得削减后的场景能够更好地反映出原始场景的特点。选用同步回代削减方法来对所生成的场景进行削减，以欧式距离(EuclideanDistance)作为场景削减的衡量尺度。假定以si(i＝1,...,N)表示所生成的N个场景，则每一个场景所对应的概率为ps(ps＞0)，并满足∑ps＝1，以dk(si,sj)表示场景si与场景sj之间的欧式距离，即两个场景向量的范数。以集合S表示场景削减前的场景数，即所有场景的集合；至此，同步回代场景削减方法的具体过程描述如下：
步骤1：输入所生成的N个场景，则由蒙特卡洛方法产生每个场景的概率为1/N，当前场景集合S中场景数为N；
步骤2：对每一个场景si，计算其与剩余每一个场景s'(s'≠si)的欧氏距离dk和概率距离PDk，如下式所示：
步骤3：计算si与剩余所有场景的概率距离之和PD(si)：
步骤4：寻找场景d使得PD(d)＝minPD(si),si∈S，并对其进行缩减，并找出与其欧氏距离dk最短的场景sj，将场景si的概率累加场景sj上，如下式所示：
psj＝psj+psi (3)
步骤5：更新场景数，从集合S中删去{d}，如下式所示：
S＝S-{d} (4)
步骤6：重复上述步骤2～步骤5，直至剩余的场景数量达到所设定的要求数量，此时集合S即为削减后的目标场景集合。
在一个实施例中，步骤102中的目标函数的表达式为：
minf＝Cop+Cbs+Crs+Ccl+Cab；
式中，Cop为传统机组运营成本；Cbs为储能新建及运营成本；Crs为无功补偿设备新建及运营成本；Ccl为可控负荷运营成本；Cab为弃风弃光成本。
需要说明的是，系统调节资源优化配置的经济性决策目标是通过最小的成本实现系统的灵活运行。系统运行总成本是灵活性资源新建成本、运营成本、环境成本、新能源弃电成本的总和。
传统机组运营成本：传统机组运营成本Cop等于在1～T时段内第nop台传统机组的单位运营容量乘以单位运营成本cop的积的总和，计算式如下：
式中，Nop为传统机组总数。
负荷调节使用成本：负荷调节使用成本Ccl等于在1～T时段内所有参与调节的可控负荷单位运营容量乘以单位运营成本cl的积的总和：
式中，为第nclt个可平移负荷在t时刻功率，为第ncls个可削减负荷在t时刻功率，cclt、ccls分别为单位时间单位容量的可平移负荷和可削减负荷调节成本，Nclt、Ncls分别为可平移负荷总数和可削减负荷总数。
储能成本：储能成本Cbs包括容量配置成本Cinv.bs、运营维护成本Cmai.bs和储能退化成本Cdeg.bs。
式中，r、Ybs分别为利率和电池使用寿命；cinvp.bs、cinve.bs、cmai.bs、cdeg.bs分别为电池储能的单位容量配置成本、单位能量配置成本、单位时间单位容量运营成本和单位时间单位容量退化成本。分别为第nbs个储能在t时刻充电功率和放电功率，Enbs,t为第nbs个储能在t时刻的荷电状态，Nbs为储能装置总数。
无功补偿成本：无功补偿成本Crs包括容量配置成本Cinv.rs和运营维护成本Cmai.rs。计算式如下：
式中，Yrs为和无功补偿设备使用寿命；cinv.rs、cmai.rs分别为电池储能的单位容量配置成本和单位时间单位容量运营成本。为第nrs个无功补偿设备在t时刻输出功率，Nrs为无功补偿装置总数。
弃风弃光惩罚成本：新能源因灵活性不足弃电后将引起弃风弃光惩罚成本。灵活性资源的新能源弃风弃光惩罚成本Cab等于在1～T时段内所有灵活性资源的弃电惩罚成本的总和。
式中，分别为第nwt个风电机组在t时刻最大出力和实际出力，分别为第npv个光伏机组在t时刻最大出力和实际出力，cab为单位弃风弃光能量成本，Nwt、Npv分别为风电机组总数和光伏机组总数。
切负荷惩罚成本：若柔性调节能力不足引起系统切负荷会产生切负荷惩罚成本。系统切负荷惩罚成本等于在1～T时段内系统中的切负荷惩罚成本的总和。
式中，Pt cl为t时刻切负荷容量，ccl为单位容量切负荷成本，Pt cl为t时刻切除的负荷功率。
进一步需要说明的是，在构建电力系统及多元柔性资源的优化配置模型，还需要考虑决策变量：
考虑有功无功协同的多时间尺度多元柔性资源协调优化配置算法的决策变量如下表1所示：
表1优化配置算法决策变量
在一个实施例中，步骤103中的系统运行约束，包括：潮流约束、节点电压约束、支路潮流约束、功率平衡约束。设备运行约束，包括：传统发电机组约束、可平移负荷约束、可削减负荷约束、储能约束。
系统运行约束：
潮流约束：
采用线性DistFlow潮流方程描述潮流约束，并采用Big-M法对电压方程进行松弛，可选择忽略数值足够小的二次项。
式中，Pij、Qij分别为线路ij有功功率与无功功率；Rij、Xij分别为线路ij电阻与电抗。
由于上述公式为功率、电压、电流之间的非线性约束，为降低原始模型复杂度与求解难度，运用二阶锥松弛方法(Second Order Conic Relaxation,SOCR)将其转化为二阶锥约束。从而使得调度模型由混合整数非线性规划模型(Mixed Integer NonlinearProgramming,MINLP)简化为混合整数二阶锥规划模型(Mixed Integer Second OrderConic Programming,MISOCP)，可通过商业求解器直接求解。
节点电压约束：
各负荷节点电压应符合幅值要求范围。
式中，Ui,max为节点电压上限，本文设置Ui,max＝1.05Un；Ui,min为节点电压的下限，本申请设置Ui,min＝0.95Un，Un为电压基准值，即配电网系统额定电压。
支路潮流约束：
配电网各线路功率应不超过线路传输能力极限。
式中，分别为线路ij的最大有功功率和最大无功功率，lij,t为线路在t时刻运行状态，为0-1变量。
功率平衡约束：
各时刻均应保持系统中电力电量供给与负荷消耗之间的平衡。
式中，分别为t时刻常规负荷有功及无功出力。
设备运行约束：
传统发电机组约束：传统发电机组是电力系统中稳定性较强、可靠性较高的电源，是灵活性资源的重要组成部分。传统能源的装机容量通常较大，输出稳定，但大部分传统资源调整能力不强，启动时间较长，因此在提供柔性资源时受到了一定限制。传统火电机组在提供柔性资源时应保证自身正常启停及运行状态，满足以下约束：
式中，分别为传统火电机组最短启、停时间；为传统火电机组爬坡速率上下限；分别为t-1时刻传统火电机组启停状态的持续时间；为t时刻传统火电机组的运行状态，为0-1变量；分别为t时刻传统火电机组的启、停状态，为0-1变量，ΔT为启停间隔时间。
无功补偿装置约束：
若接入静态无功补偿装置，其无功补偿量连续可调，因此运行约束为：
式中，分别为第nrs台SVC装置无功补偿量的最小值与最大值。
可平移负荷约束：
可平移负荷的调节特性要求用户侧的负荷总量不变，只改变用电时间，且可平移负荷在t时段的转移值应处于可转移的最大值和最小值之间，ttdn为可平移负荷可削减时段集合，ttup为可平移负荷可增加时段集合，即负荷仅在t∈ttdn时段内可削减，且需要在t∈ttup内增加，可平移负荷在各时段的转移负荷量总和应为0：
可削减负荷约束：
可削减负荷是直接将负荷中断，且大于可削减负荷j时段可削减的下限，tsdn为可削减负荷可削减时段集合，即负荷仅在时间t∈tsdn内可削减，约束表达式如下：
储能约束：
储能类灵活性资源具有相似的工作特性，在一定时间尺度内其可调节范围受到充放能功率、效率以及能量的限制。储能设备的功率约束、储能量同充/放功率关系及储能量约束如下：
式中，分别储能系统的充电和放电状态标志，为0-1变量； 分别为储能系统的最大充、放电功率；为储能系统t时刻的无功功率输出；为储能系统t时刻的荷电状态；ηcha，ηdis分别为储能系统的充、放电效率；E为储能系统的电池容量；分别为储能系统的荷电状态上下限；Δt为时间变化量。
在一个实施例中，步骤104中的求解优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果，包括：
调用商业求解器求解优化配置模型，得到考虑有功无功协同的多时间尺度多元柔性资源协调优化配置算法在各配置场景下的出力曲线，提取各场景时间尺度内调用的各柔性资源容量值上限，并对比各场景各柔性资源容量值上限，取其中最高值作为该设备的最终配置容量。
需要说明的是，针对生成的不同运行场景，对多类型可调节资源进行优化配置计算，调用商业求解器求解该混合整数二阶锥规划模型，即得到考虑有功无功协同的多时间尺度多元柔性资源协调优化配置算法在各配置场景下的出力曲线，提取各场景T时间尺度内调用的各柔性资源容量值上限：
对比各场景各柔性资源容量值上限，取其中最高值作为该设备的最终配置容量。
在一个实施例中，步骤105根据多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果，包括：
基于多类型有功功率调节资源协同优化配置结果中的有功柔性资源调度周期及调度曲线，筛选其中对无功柔性资配置容量要求最高时段，以该时段长时间尺度有功资源配置调度结果和较短时间尺度新能源波动场景作为约束，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
以下为考虑有功无功协同的多时间尺度多元柔性资源协调优化配置实施例分析：
基于本申请提出的考虑不确定性的优化配置场景生成方法，生成如图2-4所示的10个光伏、风电及负荷典型场景进行后续优化配置算法验证。
采用调整后的IEEE 33-BUS系统(Matpower 7.0，“case33mg”实例)作为配电网系统进行仿真分析。配电网基准值选取：SB＝1MVA，UB＝12.66kV；各设备详细变量仿真参数见表2及表3，算例经济参数见表4，本实施例中长时间尺度选择0-24h内以h为单位进行优化，短时间尺度选择0-1h内以10min为单位进行优化。
表2发电机组及可调节资源可开发位置
设备 符号 安装节点 设备 符号 可配置节点
传统机组 OP 2 储能 ESS 8
光伏 PV 7 无功补偿 SVC 30
风电 WT 11 可平移负荷 CLT 23
可削减负荷 CLS 24
表3算例技术参数
表4算例经济参数
有功时间尺度优化配置结果如下表5所示：
表5有功时间尺度优化配置结果
长时间尺度优化配置结果中的无功补偿装置调度曲线如图5所示：
针对每一次调度场景，筛选其中对无功资源配置容量要求最高时段，即18-20时区间，以较短时间尺度新能源波动场景(新能源出力存在30％波动)和长时间尺度有功资源配置结果作为约束，以10min为时间尺度对无功灵活性资源进行短时间尺度循环优化配置，更新后的无功配置结果如表6所示：
表6无功时间尺度优化配置结果
SVC容量/kVar 781.27
本申请实施例提供的多时间尺度多元柔性资源协调优化配置方法，在传统柔性资源配置方法的基础上，区分有功无功多元柔性资源在时间尺度和调节特性上的差异，提出了多时间尺度的分层优化配置方法，能够针对同柔性资源的不同作用时间尺度进行差异化优化配置，兼顾设备投资经济性与电网可靠性，并充分发挥柔性资源的调节潜力，为新能源的进一步发展和电力系统的安全可靠运行提供了有力支撑。
以上为本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置方法，以下为本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置系统。
请参阅图6，本申请实施例中提供的一种多时间尺度多元柔性资源协调优化配置系统，包括：
生成单元201，用于根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各源-荷出力场景的配置需求，设定对应的场景时间尺度；
设置单元202，用于结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本；
建模单元203，用于确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中约束包括：系统运行约束和设备运行约束；
第一计算单元204，用于基于场景时间尺度，根据源-荷出力场景选取优化配置所需的目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果；
第二计算单元205，用于根据多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
进一步地，本申请实施例中还提供了一种多时间尺度多元柔性资源协调优化配置设备，设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述方法实施例所述的多时间尺度多元柔性资源协调优化配置方法的步骤。
进一步地，本申请实施例中还提供了计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的多时间尺度多元柔性资源协调优化配置方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
所述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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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例所述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(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种多时间尺度多元柔性资源协调优化配置方法，其特征在于，包括：
根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各所述源-荷出力场景的配置需求，设定对应的场景时间尺度；
结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，所述目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本；
确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中所述约束包括：系统运行约束和设备运行约束；
基于所述场景时间尺度，根据所述源-荷出力场景选取优化配置所需的所述目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果；
根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
2.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，包括：
根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，生成随机场景集，通过同步回代法对所述随机场景集进行场景削减，得到计及不确定性的源-荷出力场景。
3.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述目标函数的表达式为：
minf＝Cop+Cbs+Crs+Ccl+Cab；
式中，Cop为传统机组运营成本；Cbs为储能新建及运营成本；Crs为无功补偿设备新建及运营成本；Ccl为可控负荷运营成本；Cab为弃风弃光成本。
4.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述系统运行约束，包括：潮流约束、节点电压约束、支路潮流约束、功率平衡约束。
5.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述设备运行约束，包括：传统发电机组约束、可平移负荷约束、可削减负荷约束、储能约束。
6.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果，包括：
调用商业求解器求解所述优化配置模型，得到考虑有功无功协同的多时间尺度多元柔性资源协调优化配置算法在各配置场景下的出力曲线，提取各场景时间尺度内调用的各柔性资源容量值上限，并对比各场景各柔性资源容量值上限，取其中最高值作为该设备的最终配置容量。
7.根据权利要求1所述的多时间尺度多元柔性资源协调优化配置方法，其特征在于，所述根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果，包括：
基于所述多类型有功功率调节资源协同优化配置结果中的有功柔性资源调度周期及调度曲线，筛选其中对无功柔性资配置容量要求最高时段，以该时段长时间尺度有功资源配置调度结果和较短时间尺度新能源波动场景作为约束，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
8.一种多时间尺度多元柔性资源协调优化配置系统，其特征在于，包括：
生成单元，用于根据计及不确定性的源-荷模型，采用蒙特卡洛方法进行随机抽样，得到计及不确定性的源-荷出力场景，根据各所述源-荷出力场景的配置需求，设定对应的场景时间尺度；
设置单元，用于结合调节资源经济特性进行分析，从而设置柔性资源容量配置优化模型的目标函数，所述目标函数为系统运行总成本，包括：灵活性资源的新建成本、运营成本、环境成本、新能源弃电成本；
建模单元，用于确定电力系统及多元柔性资源的约束，并分析多元柔性资源的响应特性，从而构建电力系统及多元柔性资源的优化配置模型，其中所述约束包括：系统运行约束和设备运行约束；
第一计算单元，用于基于所述场景时间尺度，根据所述源-荷出力场景选取优化配置所需的所述目标函数，并设定多元柔性资源待开发位置，以时间尺度内每一时段中可调度的柔性资源功率，求解所述优化配置模型，得到考虑大规模新能源并网的多类型有功功率调节资源协同优化配置结果；
第二计算单元，用于根据所述多类型有功功率调节资源协同优化配置结果，对无功灵活性资源进行短时间尺度循环优化配置，得到无功柔性资源优化配置结果。
9.一种多时间尺度多元柔性资源协调优化配置设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的多时间尺度多元柔性资源协调优化配置方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的多时间尺度多元柔性资源协调优化配置方法。
CN202410298119.5A 2024-03-15 2024-03-15 多时间尺度多元柔性资源协调优化配置方法及相关装置 Pending CN118195219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410298119.5A CN118195219A (zh) 2024-03-15 2024-03-15 多时间尺度多元柔性资源协调优化配置方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410298119.5A CN118195219A (zh) 2024-03-15 2024-03-15 多时间尺度多元柔性资源协调优化配置方法及相关装置

Publications (1)

Publication Number Publication Date
CN118195219A true CN118195219A (zh) 2024-06-14

Family

ID=91406172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410298119.5A Pending CN118195219A (zh) 2024-03-15 2024-03-15 多时间尺度多元柔性资源协调优化配置方法及相关装置

Country Status (1)

Country Link
CN (1) CN118195219A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118350611A (zh) * 2024-06-18 2024-07-16 南京时空比硕信息科技有限公司 企业资源综合一体化智慧管理系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118350611A (zh) * 2024-06-18 2024-07-16 南京时空比硕信息科技有限公司 企业资源综合一体化智慧管理系统及方法

Similar Documents

Publication Publication Date Title
Biswas et al. Optimal power flow solutions incorporating stochastic wind and solar power
Khatod et al. Evolutionary programming based optimal placement of renewable distributed generators
CN112016747B (zh) 一种适用于源荷储灵活资源统筹规划与运行的优化方法
Gabash et al. Flexible optimal operation of battery storage systems for energy supply networks
Kayalvizhi et al. Optimal planning of active distribution networks with hybrid distributed energy resources using grid-based multi-objective harmony search algorithm
Zhang et al. Efficient design of energy microgrid management system: a promoted Remora optimization algorithm-based approach
Lakshminarayana et al. Cooperation of storage operation in a power network with renewable generation
CN118195219A (zh) 多时间尺度多元柔性资源协调优化配置方法及相关装置
Maheshwari et al. Flow direction algorithm-based optimal power flow analysis in the presence of stochastic renewable energy sources
Padhi et al. Solving dynamic economic emission dispatch problem with uncertainty of wind and load using whale optimization algorithm
CN111340299A (zh) 一种微电网多目标优化调度方法
CN113794200B (zh) 一种用于虚拟电厂的多类型负荷资源聚合方法
Wang et al. Two-stage full-data processing for microgrid planning with high penetrations of renewable energy sources
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Khan et al. Probablistic generation model for optimal allocation of PV DG in distribution system with time-varying load models
CN104915788B (zh) 一种考虑多风场相关性的电力系统动态经济调度的方法
Ahmadi et al. Optimal allocation of multi-type distributed generators for minimization of power losses in distribution systems
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
CN112994087B (zh) 基于条件风险约束的多源电力系统中期优化调度方法
CN112564160B (zh) 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质
Savvopoulos et al. An Effective Method to Estimate the Aggregated Flexibility at Distribution Level
CN108695848B (zh) 主动配电网运行时序仿真方法
CN116613733A (zh) 计及源荷不确定性的多元能源系统优化调度方法及装置
CN116404670A (zh) 一种基于演化博弈的多主体联合投资云储能容量规划方法
CN116094009A (zh) 储能电站的电量分配方法

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