JP2023042528A - クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置 - Google Patents

クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置 Download PDF

Info

Publication number
JP2023042528A
JP2023042528A JP2022071359A JP2022071359A JP2023042528A JP 2023042528 A JP2023042528 A JP 2023042528A JP 2022071359 A JP2022071359 A JP 2022071359A JP 2022071359 A JP2022071359 A JP 2022071359A JP 2023042528 A JP2023042528 A JP 2023042528A
Authority
JP
Japan
Prior art keywords
csp
capacity
carbon
low
total
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2022071359A
Other languages
English (en)
Other versions
JP7153289B1 (ja
Inventor
天光 呂
Tian Guang Lu
競 李
Jing Li
樹敏 孫
Shumin Sun
明 楊
Ming Yang
訪 石
Fang Shi
浩然 趙
Haoran Zhao
正▲シャク▼ 李
Zhengshuo Li
▲ホン▼ 于
Peng Yu
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Application granted granted Critical
Publication of JP7153289B1 publication Critical patent/JP7153289B1/ja
Publication of JP2023042528A publication Critical patent/JP2023042528A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/472—For selectively connecting the AC sources in a particular order, e.g. sequential, alternating or subsets of sources
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • H02J3/38—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
    • H02J2203/20—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

【課題】大規模電力システムの長期計画問題の分析に適した、クラスタ学習に基づく低炭素ＣＳＰシステムの計画及び運用の協調的最適化方法並びに装置を提供する。【解決手段】方法は、システムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得することと、ＣＳＰユニットグループの総オンライン容量、総起動容量及び総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約並びに瞬時熱電力バランス制約を構築し、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築することと、低炭素ＣＳＰシステムの各ユニットの定格容量を取得することと、各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得することと、を含む。【選択図】図１

Description

本発明は、電力システム計画の技術分野、特にクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法及び装置に関する。
この部分の記述は、本発明に関連する背景情報を提供するだけであり、必ずしも先行技術を構成するものではない。
電力システムにおける再生可能エネルギーの浸透率をさらに高めるために、集光型太陽光発電（Ｃｏｎｃｅｎｔｒａｔｉｎｇ ｓｏｌａｒ ｐｏｗｅｒ、 ＣＳＰ）ユニットは、再生可能エネルギーを使用して発電できるだけでなく、システムの運用上の柔軟性を効果的に改善できるため、ますます注目を集めている。本発明において、ＣＳＰユニットなどの大量の再生可能エネルギー発電ユニットを含む電力システムは、低炭素ＣＳＰシステムと呼ばれる。ＣＳＰシステムの長期計画問題の年間運用コストの分析と計算では、ＣＳＰユニット用に確立されたモデルは混合整数線形計画モデルであり、該混合整数線形計画モデルを解く場合、計算速度が遅くなる。現在、いくつかの研究は、長期計画問題の分析のための計画モデルの計算の複雑さを減らすことに焦点を合わせ、たとえば、複雑なシナリオを減らし、制約条件を単純化することで、長期計画の問題の計算負荷を減らすか、または、モデリングの観点から、クラスタリング技術を使用して、ユニットの組み合わせ式で同一または類似のユニットをグループ化し、計算の複雑さを軽減し、ただし、これらの方法はいずれもモデルの混合整数の性質を変更しないため、モデルを解く際の計算速度はまだ遅くなる。
上記の問題を解決するために、本発明は、クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法及び装置を提供する。最初に、システム内のＣＳＰユニットをグループ化し、次にＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの各項制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築し、構築されたＣＳＰユニットグループの各項制約には単一ユニットのスイッチ状態を表すバイナリ変数がないため、構築されたＣＳＰユニットグループの各項制約はすべて完全な線形最適化モデルになり、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの計算の複雑さを効果的に軽減し、モデル計算結果の精度を確保しながら、計算効率を大幅に向上させることができ、大規模電力システムの長期計画問題の分析に適用し、これは、従来の最適化モデルに単一ユニットのスイッチ状態を表すバイナリ変数が含まれており、モデルの複雑さが高く、計算効率が低いという問題を解決する。
上記の目的を達成するために、本発明は以下の技術的解決手段を採用する。
第１の態様では、クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法を提供し、
低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得することと、
ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築することと、
低炭素ＣＳＰシステムの各ユニットの定格容量を取得することと、
各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得することと、を含む。
第２の態様では、クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化装置を提供し、
グループ化モジュールであって、低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得するために使用されるものと、
モデル構築モジュールであって、ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築するために使用されるものと、
パラメータ取得モジュールであって、低炭素ＣＳＰシステムの各ユニットの定格容量を取得するするために使用されるものと、
容量構成計画取得モジュールであって、各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得するために使用されるものと、を含む。
従来技術と比較して、本発明の有益な効果は以下の通りである。本発明では、低炭素ＣＳＰシステムの計画と運用の協調的最適化を実施する場合、隣接する地理的領域において同様の運用特性を有するユニットをクラスタにグループ化すると、単一ユニットではなく、ユニットのグループの動作を最適化し、かつＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数を導入してＣＳＰユニットグループの各項制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築し、構築されたＣＳＰユニットグループの各項制約にはすべて単一ユニットのスイッチ状態を表すバイナリ変数がないため、構築されたＣＳＰユニットグループの各項制約は完全な線形最適化モデルになり、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの計算の複雑さを効果的に軽減し、従来の最適化モデルに単一ユニットのスイッチ状態を表すバイナリ変数が含まれており、モデルの計算複雑さが高いという問題を克服し、計算速度を向上させ、大規模電力システムの長期計画問題の分析に適している。
本発明の追加の態様の利点は、部分的には以下の説明に記載され、部分的には以下の説明から明らかになるか、または本発明の実施によって学習される。
本出願の一部を形成する明細書の図面は、本出願のさらなる理解を提供するために使用され、本出願の例示的な実施形態及びその説明は、本出願を説明するために使用され、本出願の不適切な制限を構成しない。
図１は、実施例１に開示された方法のフローチャートである。 図２は、ＣＳＰユニットの構造概略図である。 図３は、ＣＳＰユニットグループの総オンライン容量の可能な値の概略図である。
以下に図面及び実施例を参照しながら本発明をさらに説明する。
以下の詳細な説明はすべて例示的なものであり、本発明のさらなる説明を提供することを意図していることに留意されたい。 特に明記しない限り、本発明で使用されるすべての技術用語および科学用語は、当業者によって一般に理解されるのと同じ意味を有する。
本明細書で使用される用語は、具体的な実施形態を説明するためだけのものであり、本出願による例示的な実施形態を限定することを意図するものではないことに留意されたい。本明細書で使用されるように、本発明が他に明確に示さない限り、単数形は複数形を含むことも意図され、また、本明細書で「含む」及び／又は「含み」という用語が使用される場合、それは、特徴、ステップ、操作、デバイス、構成要素及び／又はそれらの組み合わせの存在を示すことも理解される。
実施例１
この実施例では、クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法を開示し、
低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得することと、
ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築することと、
低炭素ＣＳＰシステムの各ユニットの定格容量を取得することと、
各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得することと、を含む。
さらに、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルは、システムの総コストの最小化を目的としており、システム電力バランス制約、予備制約、低炭素政策制約、ＣＳＰユニットグループの出力電力制約、ランプ制約、および最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約、充電状態制約を制約条件とした。
さらに、システムの総コストには、投資コスト、固定運用・保守コスト、変動運用コストが含まれた。
さらに、構築されたＣＳＰユニットグループの出力電力制約は次のとおりである。時間ｔでの各グループの出力電力は、該グループの最小出力電力以上であり、該グループの最大出力電力以下であり、ここで、ＣＳＰユニットグループの最小出力電力と最大出力電力は、それぞれ該グループの最小出力電力と該グループの総オンライン容量の比率、該グループの最大出力電力と該グループの総オンライン容量の比率及び該グループの総オンライン容量によって取得される。
さらに、ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数間の関係は、時間ｔでのＣＳＰユニットグループの総オンライン容量と時間ｔ－１での総オンライン容量の差が、時間ｔでのＣＳＰユニットグループの総起動容量と総シャットダウン容量の差に等しくなることである。
さらに、ＣＳＰユニットグループの総オンライン容量は、０以上で、グループ内のすべてのＣＳＰユニットの定格容量の合計以下である。
さらに、低炭素ＣＳＰシステムのユニットには、火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットが含まれる。
この実施例で開示されるクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法を詳細に説明する。
ＣＳＰシステムの従来の長期計画では、ＣＳＰユニットの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約、充電状態制約などを制約条件として従来の最適化モデルを構築した。
ここで、ＣＳＰユニットの出力電力制約を式（１）に示す。
Figure 2023042528000002
Figure 2023042528000003
Figure 2023042528000004
ＣＳＰユニットのランプ制約は式（４）に示される。
Figure 2023042528000005
Figure 2023042528000006
ＣＳＰユニットの最小オンライン時間制約と最小オフライン時間制約は、それぞれ式（５）と（６）に示される。
Figure 2023042528000007
ここで、Ｉｉ，ｔは時間ｔでのＣＳＰユニットｉのスイッチ状態を示し、Ｉｉ，ｔ－１は時間ｔ－１でのＣＳＰユニットｉのスイッチ状態を示し、Ｔｏｎは、ＣＳＰユニットの最小オンライン時間を示し、Ｔｏｆｆは、ＣＳＰユニットの最小オフライン時間を示す。
ＣＳＰユニットの瞬時熱電力バランス制約を式（７）に示す。
Figure 2023042528000008
Figure 2023042528000009
ＣＳＰユニットの蓄熱モジュールの充放電バランス制約を式（８）に示す。
Figure 2023042528000010
Figure 2023042528000011
はＣＳＰユニットの蓄熱モジュールの効率係数を示し、Ｅｔは時間ｔでのＣＳＰユニットの蓄熱モジュールの充電状態を示し、Ｅｔ－１は時間ｔ－１でのＣＳＰユニットの蓄熱モジュールの充電状態を示す。
ＣＳＰユニットの蓄熱モジュールの充電状態制約を式（９）に示す。
Figure 2023042528000012
ここで、ＥｍｉｎとＥｍａｘは、それぞれＣＳＰユニットの蓄熱モジュールの充電状態の下限値と上限値を示す。
従来の最適化モデルの制約条件には、単一ユニットのスイッチ状態を表す変数を含む式（１）～（９）が含まれていることがわかり、単一ユニットのスイッチ状態を表す変数には０と１の２つの値があるため、単一ユニットのスイッチ状態を表す該変数はバイナリ変数であり、従来の最適化モデルには単一ユニットのユニット状態を表すバイナリ変数が存在するため、従来の最適化モデルは混合整数線形計画モデルであり、従来の最適化モデルを解く場合、計算の複雑さが高く、計算効率が低いため、電力システムの長期計画問題の高速計算が困難になる。
本実施例では、電力システムの長期計画に従来の最適化モデルを使用する場合の高い計算の複雑さと低い計算効率の問題を解決するために、従来の最適化モデルを改善し、最初に、システム内のＣＳＰユニットをグループ化し、複数のＣＳＰユニットグループを取得し、次にＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの各項制約を構築し、ＣＳＰユニットグループの各項制約の構築に基づいて、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築し、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを解くことにより、各ユニットグループの容量構成計画が得られ、構築されたＣＳＰユニットグループの各項制約内の変数はすべて連続変数であり、単一ユニットのスイッチ状態を表すバイナリ変数はなく、完全な線形最適化モデルであるため、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの複雑さを効果的に軽減し、モデル計算の効率を向上させる。
図１に示すように、本実施例で開示されるクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法は、以下を含む。
Ｓ１：低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得する。
低炭素ＣＳＰシステムのユニットには、火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットが含まれ、
低炭素ＣＳＰシステムの計画と運用の協調最適化の速度を向上させ、計算の複雑さを軽減するために、低炭素ＣＳＰシステムの計画と運用の協調最適化モデルを構築する場合、最初にＣＳＰユニットをクラスタにグループ化するため、最適化問題を単一ユニットの動作の最適化からグループの動作の最適化に変わり、具体的な実施では、隣接する地理的領域で同様の動作特性を持つＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得する。
Ｓ２：ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの各項制約を構築し、ＣＳＰユニットグループの各項制約に応じて低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築する。
ここで、ＣＳＰユニットグループの各項制約には、ＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約及び充電状態制約が含まれる。
構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルは具体的には以下のとおりである。システムの総コストの最小化を目的として、システムの電力バランス制約、予備制約、低炭素政策制約、ＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、およびＣＳＰユニットの蓄熱モジュールの充放電バランス制約と充電状態制約を制約条件とする。
具体的な実施では、各ユニットの容量構成の最適な組み合わせを決定して、環境制約の条件下で低炭素ＣＳＰシステムの洗練された信頼性の高いエネルギー供給を実現するために、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルが構築された。
低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルには、２つのレベルの意思決定変数が含まれ、計画レベルでは、意思決定変数には、発電技術の種類と特定の年にどのくらいの新しい発電容量を投資する必要のあるかが含まれ、つまり、このレベルでは、投資コストを削減するために、設備の種類の選択と投資容量の決定を含むなどのシステムの設備構成を合理的に設計する必要がある。運用レベルでは、意思決定変数には、特定の時間ごとに各種類の発電技術によって投資とスケジュールに利用できる容量が含まれ、つまり、このレベルでは、システムの経済的で信頼性の高い運用を実現するために、各発電設備の出力を合理的に配置する。
したがって、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルは、システムの総コストの最小化を目的として、ここでの総コストには、投資コスト、固定運用・保守コスト、変動運用コストが含まれ、その目的関数は式（１０）に示される。
Figure 2023042528000013
ここで、
Figure 2023042528000014
式では、Ｃは総コストを示し、Ｃｉは投資コストを示し、ａｔｈ－ｍ、ａｗ、ａｓ、ａｃ－ｊは、それぞれ火力発電ユニット、風力発電ユニット、太陽光発電ユニット、ＣＳＰユニットの投資コストを示し、Ｉｔｈ－ｍ、Ｉｗ、Ｉｓ、およびＩｃ－ｊは、それぞれ、火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットの新規容量を示し、Ｃｆは固定運用・保守コストを示し、ｆｔｈ－ｍ、ｆｗ、ｆｓ、ｆｃ－ｊはそれぞれ火力発電ユニット、風力発電ユニット、太陽光発電ユニット、ＣＳＰユニットの固定運用・保守コストを示し、
Figure 2023042528000015
ＣＳＰユニットは通常、図２に示すように、集光集熱モジュール、蓄熱モジュール、および発電モジュールの３つの部分で構成される。集光集熱モジュールは、反射鏡を介して太陽エネルギーを太陽エネルギー収集装置に収集し、次にその中の熱伝導性作動媒体を加熱し、それによって太陽エネルギーを熱エネルギーに変換する。熱伝導性作動媒体は、熱交換のために蓄熱モジュールに流れ込み、蓄熱または熱放出を実現できる。発電モジュールは、蒸気タービン発電機を介して熱エネルギーを機械エネルギーに変換し、最終的に電気エネルギーに変換することができる。
低炭素ＣＳＰシステムの計画と運用の協調最適化の速度を向上させ、計算の複雑さを軽減するために、低炭素ＣＳＰシステムの計画と運用の協調最適化モデルを構築する場合、ＣＳＰユニットをクラスタにグループ化するため、最適化問題を単一ユニットの動作の最適化からグループの動作の最適化に変わり、かつＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数を導入して低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの制約条件を構築する。
構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの制約条件は、システム電力バランス制約、予備制約、低炭素政策制約、ＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約と充電状態制約等を含む。
電力システム運用の主なタスクは、システムの安全で安定した運用を確保することである。したがって、この実施例で開示される低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルは、電力システムの電力バランス制約を満たす必要がある。つまり、火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットの発電量の合計は、常にこの地域の電力需要と地域外に送電された電力の合計と等しくなければならない。式（１４）に示す。
Figure 2023042528000016
Figure 2023042528000017
時間ｔでの火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットの出力電力を示す。
火力発電ユニットの場合、火力発電ユニットの１時間あたりの出力電力は、式（１５）に示すように、総設備容量を超えてはならない。
Figure 2023042528000018
Figure 2023042528000019
第ｍ種類の火力発電ユニットの総設備容量、既存容量、新規容量を示す。
風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットの場合、１時間あたりの出力電力は、それぞれ式（１６）、（１７）、（１８）に示すように、既存容量、新規容量、および常に変化する容量因子によって共に制限される。
Figure 2023042528000020
ここで、
Figure 2023042528000021
電力システムの安全で信頼性の高い運用を確保するために、システムの緊急事態に対処するために、電力計画に一定のマージンを残す必要があることがよくある。この実施例では、風力エネルギーおよび太陽エネルギーの出力電力の予測誤差が考慮され、風力発電および太陽光発電の不確実性がシステムの予備容量に変換され、それにより、電力システムの経済的かつ安定した運用を確保する。風力発電と太陽光発電のランダム性と変動性を考慮して、システムを構築するための予備制約は、式（１９）に示される。
Figure 2023042528000022
Figure 2023042528000023
これは、その地域で最大の火力発電ユニットの設備容量または予測誤差による予想負荷偏差に等しくなり、
Figure 2023042528000024
はそれぞれ風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットの出力電力の予測誤差を示す。
再生可能ポートフォリオ基準（Ｒｅｎｅｗａｂｌｅ Ｐｏｒｔｆｏｌｉｏ Ｓｔａｎｄａｒｄ、ＲＰＳ）は、電力会社に最小の再生可能エネルギー比率を要求している。この実施例では、式（２０）に示すように、ＲＰＳ基準を使用して低炭素政策制約を達成することを意図している。
Figure 2023042528000025
ここで、ｒは、総発電量に占める再生可能エネルギー発電量の割合を示す。
それぞれＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によって、ＣＳＰユニットグループを構築するための各項制約を詳細に説明する。
ＣＳＰユニットグループの各項制約には、ＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約及び充電状態制約が含まれる。
構築されたＣＳＰユニットグループの各項制約内のすべての変数を連続的にするために、ＣＳＰユニットのスイッチ状態を表すバイナリ変数がないため、構築されたＣＳＰユニットグループの各項制約は完全に線形最適化モデルであり、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの複雑さを軽減し、モデルの計算効率を向上させるために、まず、それぞれＣＳＰユニットグループの総オンライン容量、総起動容量、
Figure 2023042528000026
該グループ内のすべてのユニットのグループ動作をシミュレートし、式（２１）、（２２）、（２３）に示す。
Figure 2023042528000027
ここで、
Figure 2023042528000028
間ｔでグループｊで起動されたＣＳＰユニットの定格容量の合計を示し、ｕｉ，ｔは、ＣＳＰユニットの起動状態を示し、ユニットが起動する場合にｕｉ，ｔ＝１、それ以外の場合はｕｉ，ｔ＝０である。
Figure 2023042528000029
グループ内のすべてのユニットが同じ定格容量を持っていると仮定して可能な値を減らすと、構築されたＣＳＰユニットグループのさまざまな制約の混合整数の性質を変更できないため、該ＣＳＰユニットグループのさまざまな制約によって構築された最適化モデルは、依然として複雑性が高く、計算効率が低くなっている。
Figure 2023042528000030
最終的なＣＳＰユニットグループの各項制約を構築し、最終的に構築されたＣＳＰユニットグループの各項制約内のすべての変数を連続にし、従来の最適化モデルの各ユニットのスイッチ状態を表す３＊Ｉ個のバイナリ変数を含まず、完全な線形最適化モデルにし、意思決定変数の数を大幅に削減し、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの複雑さを軽減し、モデルの計算を高速化する。
Figure 2023042528000031
ここで、Ｓｊは、ＣＳＰユニットグループｊの総容量、つまり、式（２５）から得られるグループｊ内のすべてのＣＳＰユニットの定格容量の合計をを示す。
Figure 2023042528000032
Figure 2023042528000033
はグループｊのＣＳＰユニットｉの最大出力電力を示す。
Figure 2023042528000034
時間ｔでのＣＳＰユニットグループｊの総シャットダウン容量、つまり、時間ｔでグループｊでシャットダウンされたＣＳＰユニットの定格容量の合計を示す。
Figure 2023042528000035
連続意思決定変数に基づくと、ＣＳＰユニットグループの出力電力制約は式（２７）である。
Figure 2023042528000036
ここで、Ｐｊ，ｍｉｎとＰｊ，ｍａｘは、それぞれＣＳＰユニットグループｊの最小出力電力および最大出力電力を示し、それぞれ式（２８）および（２９）によって得られる。
Figure 2023042528000037
ここで、
Figure 2023042528000038
連続意思決定変数に基づくと、ＣＳＰユニットグループのランプ制約は式（３０）、（３１）である。
Figure 2023042528000039
ここで、
Figure 2023042528000040
はそれぞれ上向きと下向きのランプ率を示す。
式（３０）と（３１）を補足し、式（３２）に示すように、時間ｔでのＣＳＰユニットグループｊの出力電力に対して制約条件をさらに増やす。
Figure 2023042528000041
連続意思決定変数に基づくと、ＣＳＰユニットグループの最小オンライン時間制約と最小オフライン時間制約は、式（３３）、（３４）、（３５）、および（３６）である。
Figure 2023042528000042
Figure 2023042528000043
ＣＳＰユニットグループの瞬時熱電力バランス制約は、式（３７）に示す。
Figure 2023042528000044
従来の最適化モデルのＣＳＰユニットの蓄熱モジュールの充放電バランス制約と蓄熱モジュールの充電状態制約における意思決定変数はどちらも連続変数であるため、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルのＣＳＰユニットの蓄熱モジュールの充放電バランス制約と充電状態制約は、引き続き式（８）と（９）を使用する。
したがって、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルにおけるＣＳＰユニットの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約と充電状態制約には、式（８）、（９）及び（２４）～（３７）が含まれ、ここですべての変数は連続的であり、ＣＳＰユニットのスイッチ状態を表すバイナリ変数を含まず、完全な線形最適化モデルであり、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルの複雑さを軽減し、この低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルにより、低炭素ＣＳＰを含むシステムの長期計画を実行すると、計算結果の精度を維持しながら、計算効率を大幅に向上させることができ、従来の最適化モデルには、ＣＳＰユニットのスイッチ状態を表すバイナリ変数が含まれ、モデルの複雑さが高く、計算効率が低いという問題を解決する。
Ｓ３：低炭素ＣＳＰシステムにおける各ユニットの定格容量を取得する。
Ｓ４：各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得する。
本発明で提供された方法の実現可能性および有効性をさらに説明するために、例を示して説明する。たとえば、５台のＣＳＰユニットで構成され、個々のユニットの定格容量は、それぞれ２５０、３００、３３０、３５０、および３５０ＭＷであるＣＳＰユニットのグループの場合、従来の最適化モデルを採用する場合、各台のＣＳＰユニットにはオンライン（Ｉｉ，ｔ＝１）とオフライン（Ｉｉ，ｔ＝０）の２つの状態があり、その場合、
Figure 2023042528000045
０、２５０、３００、３３０、３５０、５５０、５８０、６００、６３０、６５０、６８０、７００、８８０、９００、９３０、９５０、９８０、１０００、１０３０、１２３０、１２５０、１２８０、１３３０、１５８０という２４種類の可能な値（図３の「●」で示されている）を取ることができる。簡略化のために従来のクラスタリング方法を使用する場合、各台のＣＳＰユニットの定格容量はすべて３１６ＭＷ（平均値）であると仮定すると、ユニットグループ全体（つまり、５台のＣＳＰユニット）の総オンライン容量を表す整数変数
Figure 2023042528000046
の可能な値は減少するが、構築される制約条件の混合整数の性質は変更されないため、モデルを解くときの計算速度はさらに遅くなる。本発明で提供するクラスタ学習に基づく低炭素ＣＳＰシステムの協調的最適化方法は、ユニットグループ全体（すなわち、５台のＣＳＰユニット）の総オンライン容量を表す連続変数
Figure 2023042528000047
は０～１５８０ＭＷの任意の値を取ることができ、このとき、最適化によって得られる総オンライン容量の最適値が７５０ＭＷの場合、実際の値は８８０ＭＷである必要があり、両者の差は１３０ＭＷであり、総容量Ｓｊのわずか８．２％であり、その最大差はグループ内の最大ユニットの定格容量を超えず、グループ内のユニット数が増えると差が小さくなるため、この方法では、計算結果の精度を維持しながら計算の複雑さを大幅に軽減できる。
したがって、本実施例で開示するクラスタ学習に基づく低炭素ＣＳＰシステムの協調最適化方法は、ＣＳＰユニットグループの総オンライン容量、総起動容量、総シャットダウン容量を表す３つの連続変数を導入することにより、より詳細な低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを確立し、さらに、確立された低炭素ＣＳＰシステムの計画と運用の協調最適化モデルにおけるＣＳＰユニットグループの各項制約には、単一ユニットのスイッチ状態を表すバイナリ変数が含まれておらず、完全な線形最適化モデルであり、モデルを解く複雑さを軽減し、計算の効率を向上させ、大規模電力システムの長期規模における多様で複雑なシナリオの計画と分析により適している。
実施例２
この実施例では、クラスタ学習に基づく低炭素ＣＳＰシステムの協調的最適化装置が開示され、
グループ化モジュールであって、低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得するために使用されるものと、
モデル構築モジュールであって、ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築するものと、
パラメータ取得モジュールであって、低炭素ＣＳＰシステムの各ユニットの定格容量を取得するするために使用されるものと、
容量構成計画取得モジュールであって、各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得するために使用されるものと、を含む。
上記の各モジュールの具体的な実施形態は、実施例１で詳細に説明されており、ここでは繰り返されないことに留意されたい。
最後に、上記の実施例は、本発明の技術的解決手段を説明するためにのみ使用され、それらを限定するものではないことに留意されたい。上記の実施例を参照して本発明を詳細に説明したが、当業者は、以下を理解する必要がある：本発明の具体的な実施形態を、依然として変更または同等に置き換えることができ、本発明の精神および範囲から逸脱しない変更または同等の代替は、本発明の特許請求の範囲の保護範囲に含まれるものとする。

Claims (8)

  1. クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法であって、
    低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得することと、
    ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築することと、
    低炭素ＣＳＰシステムの各ユニットの定格容量を取得することと、
    各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得することと、を含むことを特徴とするクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  2. 構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルは、システムの総コストの最小化を目的としており、システム電力バランス制約、予備制約、低炭素政策制約、ＣＳＰユニットグループの出力電力制約、ランプ制約、および最小オンライン時間制約、最小オフライン時間制約、瞬時熱電力バランス制約、ＣＳＰユニットの蓄熱モジュールの充放電バランス制約、充電状態制約を制約条件とすることを特徴とする請求項１に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  3. システムの総コストには、投資コスト、固定運用・保守コスト、変動運用コストが含まれることを特徴とする請求項２に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  4. 構築されたＣＳＰユニットグループの出力電力制約では、時間ｔでの各グループの出力電力は、該グループの最小出力電力以上であり、該グループの最大出力電力以下であり、ここで、ＣＳＰユニットグループの最小出力電力と最大出力電力は、それぞれ該グループの最小出力電力と該グループの総オンライン容量の比率、該グループの最大出力電力と該グループの総オンライン容量の比率及び該グループの総オンライン容量によって取得されることを特徴とする請求項２に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  5. ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数間の関係は、時間ｔでのＣＳＰユニットグループの総オンライン容量と時間ｔ－１での総オンライン容量の差が、時間ｔでのＣＳＰユニットグループの総起動容量と総シャットダウン容量の差に等しくなることであることを特徴とする請求項１に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  6. ＣＳＰユニットグループの総オンライン容量は、０以上で、グループ内のすべてのＣＳＰユニットの定格容量の合計以下であることを特徴とする請求項１に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  7. 低炭素ＣＳＰシステムのユニットには、火力発電ユニット、風力発電ユニット、太陽光発電ユニット、およびＣＳＰユニットが含まれることを特徴とする請求項１に記載のクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化方法。
  8. クラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化装置であって、
    低炭素ＣＳＰシステムのＣＳＰユニットをクラスタにグループ化して、複数のＣＳＰユニットグループを取得するために使用されるグループ化モジュールと、
    ＣＳＰユニットグループの総オンライン容量、総起動容量、および総シャットダウン容量を表す３つの連続変数によってＣＳＰユニットグループの出力電力制約、ランプ制約、最小オンライン時間制約、最小オフライン時間制約、および瞬時熱電力バランス制約を構築し、次に、低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルを構築するために使用されるモデル構築モジュールと、
    低炭素ＣＳＰシステムの各ユニットの定格容量を取得するために使用されるパラメータ取得モジュールと、
    各ユニットの定格容量と、構築された低炭素ＣＳＰシステムの計画と運用の協調的最適化モデルに従って、各ユニットグループの容量構成計画を取得するために使用される容量構成計画取得モジュールと、を含むことを特徴とするクラスタ学習に基づく低炭素ＣＳＰシステム協調的最適化装置。

JP2022071359A 2021-09-14 2022-04-25 クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置 Active JP7153289B1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111071355.6A CN113541205B (zh) 2021-09-14 2021-09-14 基于集群学习的低碳csp系统协同优化方法及装置
CN202111071355.6 2021-09-14

Publications (2)

Publication Number Publication Date
JP7153289B1 JP7153289B1 (ja) 2022-10-14
JP2023042528A true JP2023042528A (ja) 2023-03-27

Family

ID=78093191

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022071359A Active JP7153289B1 (ja) 2021-09-14 2022-04-25 クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置

Country Status (2)

Country Link
JP (1) JP7153289B1 (ja)
CN (1) CN113541205B (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336730B (zh) * 2021-11-21 2023-08-15 国网江苏省电力有限公司 一种考虑辅助服务优选的电力系统低碳优化调度方法
CN115563815B (zh) * 2022-11-11 2023-11-28 国网江苏省电力有限公司电力科学研究院 双高电力系统碳排放流时空演变模拟计算方法及装置
CN116187209B (zh) * 2023-05-04 2023-08-08 山东大学 高比例新能源系统容量优化配置方法、设备、介质及装置
CN116826788B (zh) * 2023-08-30 2024-01-05 东方电气集团科学技术研究院有限公司 一种光伏发电主动支撑集群构建及控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170170B (zh) * 2011-04-02 2013-02-13 清华大学 消纳风电接入的大电网调度滚动计划方法
TWI545257B (zh) * 2012-10-29 2016-08-11 Atomic Energy Council 多功能太陽能熱電共生系統
CN105870976B (zh) * 2016-04-15 2018-05-29 国家电网公司 一种基于能源环境效率的低碳调度方法和装置
CN106548413A (zh) * 2016-10-18 2017-03-29 中国电力科学研究院 一种电力系统储能适用性评价方法及系统
CN107591830A (zh) * 2017-10-23 2018-01-16 国网能源研究院有限公司 一种适于高比例可再生能源发展的能源电力规划方法
JP7241644B2 (ja) * 2019-08-29 2023-03-17 三菱電機株式会社 発電プラントの運転計画装置および発電プラントの運転計画立案方法
JP7313300B2 (ja) * 2020-02-26 2023-07-24 株式会社日立製作所 分散リソース管理装置および分散リソース管理方法

Also Published As

Publication number Publication date
CN113541205B (zh) 2021-12-24
JP7153289B1 (ja) 2022-10-14
CN113541205A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
JP7153289B1 (ja) クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置
Zhang et al. Lifelong learning for complementary generation control of interconnected power grids with high-penetration renewables and EVs
CN109508499A (zh) 多时段多场景分布式电源最优接入位置与容量研究方法
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
CN109634119B (zh) 一种基于日内滚动优化的能源互联网优化控制方法
CN112491043B (zh) 一种新能源富集电网电源规划方法及系统
CN112234604A (zh) 一种多能互补电源基地优化配置方法、存储介质及设备
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN115425668A (zh) 一种基于电力系统时序生产模拟的储能容量优化配置方法
CN114066204A (zh) 一种综合能源系统的一体化优化规划与运行方法及装置
CN115860205A (zh) 考虑跨季节调度的两阶段分布鲁棒氢储设备优化配置方法
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
Sun et al. Review on pumped storage power station in high proportion renewable energy power system
Johnson et al. Feasibility study of a 200 kW solar wind hybrid system
CN111898801B (zh) 一种用于配置多能互补供电系统的方法及系统
CN110120682B (zh) 一种最小失弃风量的塔筒电梯供电优化调度方法
Zhang et al. Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads
Zhao et al. Research on multiobjective optimal operation strategy for wind-photovoltaic-hydro complementary power system
Le et al. Design, sizing and operation of a hybrid renewable energy system for farming
CN109149630A (zh) 一种新能源电量消纳能力分析规划方法
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
Yin et al. Economic and technical comparison of energy storage technologies for renewable accommodation
CN112069676A (zh) 一种含清洁能源的微电网能量管理方法
CN116187209B (zh) 高比例新能源系统容量优化配置方法、设备、介质及装置
Vishakha et al. Review of Optimization Techniques for Hybrid Wind PV-ESS System

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220426

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220426

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220426

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220726

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220819

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220830

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220921

R150 Certificate of patent or registration of utility model

Ref document number: 7153289

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150