WO2022022101A1 - 一种送端电网故障状态下紧急源网协调调峰控制方法 - Google Patents

一种送端电网故障状态下紧急源网协调调峰控制方法 Download PDF

Info

Publication number
WO2022022101A1
WO2022022101A1 PCT/CN2021/099423 CN2021099423W WO2022022101A1 WO 2022022101 A1 WO2022022101 A1 WO 2022022101A1 CN 2021099423 W CN2021099423 W CN 2021099423W WO 2022022101 A1 WO2022022101 A1 WO 2022022101A1
Authority
WO
WIPO (PCT)
Prior art keywords
time
unit
wvpg
power
limit
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.)
Ceased
Application number
PCT/CN2021/099423
Other languages
English (en)
French (fr)
Inventor
周强
马彦宏
张彦琪
吴悦
汪宁渤
马志程
韩旭杉
金国刚
赵龙
王定美
吕清泉
张金平
高鹏飞
张睿骁
张健美
李津
张珍珍
刘丽娟
范越
苟晓侃
王学斌
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.)
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
State Grid Corp of China SGCC
Original Assignee
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
State Grid Corp of China SGCC
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 State Grid Gansu Electric Power Co Ltd, Electric Power Research Institute of State Grid Gansu Electric Power Co Ltd, State Grid Qinghai Electric Power Co Ltd, Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd, State Grid Corp of China SGCC filed Critical State Grid Gansu Electric Power Co Ltd
Priority to US17/372,458 priority Critical patent/US12027857B2/en
Publication of WO2022022101A1 publication Critical patent/WO2022022101A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; 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 feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
    • H02J3/46—Controlling the sharing of generated power between the generators, sources or networks
    • H02J3/466—Scheduling or selectively controlling the operation of the generators or sources, e.g. connecting or disconnecting generators to meet a demand
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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—ELECTRIC POWER NETWORKS; 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
    • H02J3/001—Arrangements for handling faults or abnormalities, e.g. emergencies or contingencies
    • H02J3/0014—Arrangements for handling faults or abnormalities, e.g. emergencies or contingencies for preventing or reducing power oscillations in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; 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 feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2101/00—Supply or distribution of decentralised, dispersed or local electric power generation
    • H02J2101/20—Dispersed power generation using renewable energy sources
    • H02J2101/22—Solar energy
    • H02J2101/24—Photovoltaics
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2101/00—Supply or distribution of decentralised, dispersed or local electric power generation
    • H02J2101/20—Dispersed power generation using renewable energy sources
    • H02J2101/28—Wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2103/00—Details of circuit arrangements for mains or AC distribution networks
    • H02J2103/30—Simulating, planning, modelling, reliability check or computer assisted design [CAD] of electric power networks
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Definitions

  • the invention relates to a coordinated peak shaving control method, in particular to a coordinated peak shaving control method of an emergency source network under the fault state of a sending end power grid, and belongs to the technical field of electrical engineering.
  • wind power/photovoltaic In a high-proportion renewable energy system, wind power/photovoltaic usually participates in the dispatching of the system in the passive form of "negative load", which will require the power system to provide a large number of flexible resources to meet its volatility and promote consumption, but in the system
  • the peak shaving power supply is in a system emergency such as unplanned outage, the system has a peak shaving shortage.
  • wind power/photovoltaic can also provide peak shaving capability in a system emergency. It has randomness and volatility, unlike conventional units such as thermal power, whose output is stable and controllable. Therefore, it is necessary to study and quantitatively evaluate the dispatchable output of wind power/photovoltaic, and calculate the peak shaving that wind power/photovoltaic can provide to the system. ability.
  • the purpose of the present invention is to provide an emergency source grid coordinated peak regulation control method in the state of power grid failure at the sending end, so as to solve the problems raised in the above background technology.
  • a method for coordinating peak-shaving control of an emergency source network under a power grid failure state at a sending end comprising the following steps:
  • the evaluation method in the S1 is:
  • a1 Statistical analysis of the time-varying characteristics of the probability distribution of wind power characteristics and correlation coefficients; through the two aspects of wind power characteristics concerned, including volatility and uncertainty, the fluctuation of the wind cluster virtual power generation unit (WVPG)
  • the stability ⁇ P VPG (t) and uncertainty ⁇ VPG (t) can be expressed as:
  • n k is the number of wind farms in the WVPG
  • t is the time
  • ⁇ P i W (t) is the fluctuating power of the ith wind farm
  • ⁇ i W (t) is the ith wind farm.
  • a2 Establish a model set according to the offline conditions of marginal probability distribution and rank correlation coefficient matrix; including the following steps:
  • condition-dependent probability distribution of each wind farm at each moment is established on a rolling basis, and the conditional probability distribution of the WVPG and the internal Conditional probability distribution of each wind farm;
  • a3.2 select the rank correlation coefficient matrix from the offline model set, first predict the wind direction according to the time t wind farm i, j, and calculate the wind direction difference coefficient; are the data pairs consisting of elements in the i-th column and the j-th column in the mth random matrix, respectively, where m ⁇ (1,2,...,S); the The data pairs are divided into several subsets; set is the rank correlation coefficient calculated according to the cth subset elements of wind farms i and j in the mth random matrix; let Centralized with offline models If the condition set takes the same rank correlation coefficient, the objective function of the mth matrix A m can be set as:
  • n c is the number of subsets
  • the optimal matrix is the matrix that minimizes G(A m ) in each iteration;
  • a3.4 Convergence judgment, set is the optimal matrix of the k-th generation of the genetic algorithm, is the initial optimal matrix, then the improvement of the k-th optimal matrix relative to the initial situation is: In the kth generation, if Then the genetic algorithm iteration stops, ⁇ is the algorithm convergence coefficient, otherwise go to a3.2;
  • the calculation method in the S2 is:
  • the producible power refers to the possible value of the actual output of the WVPG at time t;
  • the producible power of the thermal power unit is any point value between the minimum stable combustion output and the installed capacity.
  • the power that can be generated at time t of WVPG is defined as formula (4):
  • the power that can be generated at time t of WVPG (unit is MW), is a random variable, and the corresponding time-varying probability distribution is is the predicted value (MW) of the power point at time t of WVPG; is the output uncertainty random variable (MW) at time t of WVPG, and the corresponding time-varying probability distribution is
  • the calculation method of the probability distribution of the transmittable power is as follows:
  • the limit of the producible power refers to the maximum and minimum values of the WVPG producible power at time t;
  • the upper limit of the output of the thermal power unit is the installed capacity, and the lower limit of the output is the minimum stable combustion output, which is a fixed value at each time ;
  • the limit of WVPG transmittable power is the upper and lower boundary values of the probability distribution under a certain confidence level, and it will change with the time-varying probability distribution of transmittable power;
  • MW the upper limit of power
  • ⁇ the confidence probability
  • the meaning is to be sure with the probability of exceeding ⁇ that the power that can be generated at time t of WVPG is less than or equal to a, and the minimum value of all a is the upper limit of output;
  • the lower limit of WVPG transmittable power at time t is defined as formula (7):
  • the output adjustment range refers to the upward/downward adjustment limit of the output at the WVPG time t;
  • the output adjustment range of the thermal power unit is equal to the range determined by the upper and lower limits of the producible power;
  • the WVPG output adjustment range is controlled by the upper and lower limits of the producible power and the means to decide jointly;
  • WVPG time t output increase limit (MW) is equal to the upper limit of the power that can be generated
  • the WVPG output can be reduced to 0.
  • the output reduction limit can be expressed as:
  • the thermal power unit ramp rate is a fixed value
  • the WVPG ramp rate is determined by its output volatility, which is a volatility probability distribution The upper and lower bounds at a certain confidence probability.
  • the determination of the WVPG ramp rate limit in the dispatch model it is also necessary to consider the limit of the wind power fluctuation range allowed per unit time by the dispatch regulations;
  • ⁇ P VPG (t) is the random variable of output volatility at time t of WVPG; ⁇ is the confidence probability; is the limit of the upward slope rate determined by the volatility at the time t of WVPG, which is a positive value; the meaning of formula (11) is that the probability of exceeding ⁇ is sure that the value of the volatility is less than or equal to a, and the minimum value in all a is the upper limit determined by the volatility characteristics Climb rate limit;
  • formula (12) is the down-climbing rate limit determined by output volatility at WVPG time t, and is a negative value; formula (12) means that the probability of exceeding ⁇ is sure that the value of volatility is greater than or equal to b, and the maximum value in all b is determined by volatility The downhill rate limit of ;
  • the ramp rate of WVPG in the dispatch model can be determined according to equations (13) and (14) respectively.
  • the WVPG upper ramp rate limit is:
  • the up-slope limit determined by the volatility is lower than the scheduling regulation limit.
  • the up-slope rate limit should be set to
  • formula (14) is the downward ramp rate limit (MW/min) determined by the dispatching procedure at the time t of WVPG, which is a negative value; is the downhill rate limit (MW/min) of WVPG time t, which is a negative value;
  • the downhill rate limit should be set as
  • the downhill rate can be increased by control means such as wind curtailment.
  • the limit of downhill rate is set as
  • the analysis method in the S3 is:
  • TT represents the total time of operation
  • NG represents the number of units
  • A(i), B(i), C(i) represent the quadratic coefficient of the quadratic function of the power generation cost and output power of unit i
  • the linear coefficient and Constant term c(i,t) is the power generation cost of unit i in period t
  • b(i,t) is the start-up cost of unit i in period t
  • the calculation of b(i,t) is related to the shutdown of unit before start-up Time is related, and the specific calculation is explained in detail in the constraints
  • the downtime cost is generally not considered because it has a small impact on the total cost
  • PD(i,t) represents the load value of the translatable load i in the period t
  • D 0 (t) represents the fixed load of the system in the period t
  • NI represents the number of translatable loads
  • Equation (19) constrains that a unit cannot start and stop simultaneously at the same time
  • Equation (20) constrains the consistency of the actions of starting and stopping and the working state of the unit
  • G(i) Min[TT,(T up (i)-T 0 (i)) ⁇ U 0 (i)], it represents the initial shortest running time of unit i after the operation starts;
  • T up (i) represents the minimum start-up running time of unit i
  • U 0 (i) represents the initial operating state of unit i
  • U 0 (i) 0 means unit i Initially in the shutdown state;
  • T 0 (i) represents the initial running or shutdown time of unit i, if it is the initial running time, take a positive number, if it is the initial shutdown time, take a negative number;
  • formulas (22), (23) ) mainly considers the influence of the operation status at the end of the previous day on the operation of the new day.
  • Equation (22) represents the constraint that the unit needs to run at least for the time
  • Equation (23) represents The last T up (i) of the running time - the minimum running time constraint within 1 hour; if the unit is started within this period, it must run until the end of the day and cannot be shut down again;
  • L(i) Min[TT,(T down (i)+T 0 (i)) ⁇ (1-U 0 (i))], it means that after the start of operation, the initial shortest shutdown required by unit i time; T down (i) represents the minimum shutdown time of unit i; Equations (25) and (26) mainly consider the influence of the operation status at the end of the previous day on the operation of the new day. If the initial state of the unit is shutdown, Then it means that the unit needs at least the time constraint of downtime; Equation (25) represents the constraint of the minimum downtime time after each shutdown of the unit i; Equation (26) represents the last T down (i)- The minimum shutdown time within 1 hour is limited. If the unit is shut down within this period, it must be shut down until the end of the day and cannot be restarted;
  • RATEUP(i) represents the up-slope rate of unit i, that is, the speed at which the output of unit i increases
  • RATEDN(i) represents the down-slope rate of unit i, that is, the speed at which the output of unit i is lowered
  • the speed of the unit’s output adjustment is limited , the change of output between two adjacent time periods is limited, and the ramp rate constraint is to characterize this limit
  • T 0 min[t,NT(i)]; D tr (i,j) is the load value of the j-th segment of the load sequence that can translate the load i; NT(i) represents the sequence of the translatable load i Length of time; NI represents the sequence number set of translatable loads.
  • the distribution method in the step S4 is:
  • the present invention is an emergency source-grid coordinated peak regulation control method in the state of power grid failure at the sending end.
  • the present invention first analyzes the real-time scheduling characteristics of wind power participating in real-time power balance, and provides specific evaluation indicators and calculation methods, and gives Then, combined with the demand-side response resources, a real-time scheduling optimization strategy is given, and the DC and AC lines are coordinated and operated for the tie line to provide emergency source-grid coordinated peak shaving control in the event of a power grid failure at the sending end method to ensure normal operation.
  • the present invention provides a technical scheme of a method for coordinated peak regulation control of an emergency source network under the fault state of the power grid at the sending end, comprising the following steps:
  • the evaluation method in the S1 is:
  • a1 Statistical analysis of the time-varying characteristics of the probability distribution of wind power characteristics and correlation coefficients; through the two aspects of wind power characteristics concerned, including volatility and uncertainty, the fluctuation of the wind cluster virtual power generation unit (WVPG)
  • the stability ⁇ P VPG (t) and uncertainty ⁇ VPG (t) can be expressed as:
  • n k is the number of wind farms in the WVPG
  • t is the time
  • ⁇ P i W (t) is the fluctuating power of the ith wind farm
  • ⁇ i W (t) is the ith wind farm.
  • a2 Establish a model set according to the offline conditions of marginal probability distribution and rank correlation coefficient matrix; including the following steps:
  • condition-dependent probability distribution of each wind farm at each moment is established on a rolling basis, and the conditional probability distribution of the WVPG and the internal Conditional probability distribution for each wind farm.
  • a3 Online sampling calculation according to the time-varying probability distribution of WVPG; including the following steps:
  • the wind direction is predicted according to the wind farm i, j at time t, and the wind direction difference coefficient is calculated; are the data pairs composed of elements in the i-th column and the j-th column in the m-th m ⁇ (1,2,...,S) random matrix, where m ⁇ (1,2,...,S) ;will The data pairs are divided into subsets.
  • the rank correlation coefficient calculated from the cth subset elements of wind farms i and j in the mth random matrix.
  • the objective function of the mth matrix A m can be set as:
  • n c is the number of subsets:
  • the calculation method in the S2 is:
  • the producible power refers to the possible value of the actual output of the WVPG at time t.
  • the producible power of a thermal power unit is any point between the minimum stable combustion output and the installed capacity. When it is running online, the range of producible power at different times remains unchanged.
  • the producible power of WVPG obeys a probability distribution, and the probability distribution of producible power at different times changes with the change of the predicted power value and the uncertainty probability distribution.
  • the power that can be generated at time t of WVPG is defined as formula (4):
  • ⁇ VPG (t) is the output uncertainty random variable (MW) at time t of WVPG, and the corresponding time-varying probability distribution is
  • the calculation method of the probability distribution of the transmittable power is as follows:
  • the limit of the power that can be generated refers to the maximum and minimum values of the power that can be generated by the WVPG at time t.
  • the upper limit of the output of the thermal power unit is the installed capacity, and the lower limit of the output is the minimum stable combustion output, which is a fixed value at each time.
  • the transmittable power limit of WVPG is the upper and lower boundary values of the probability distribution under a certain confidence level, and it will change with the time-varying of the transmittable power probability distribution.
  • MW the upper limit of power
  • ⁇ the confidence probability. It means that the probability of exceeding ⁇ is certain that the WVPG can generate power less than or equal to a at time t, and the minimum value of all a is the output upper limit.
  • the lower limit of WVPG transmittable power at time t is defined as formula (7):
  • MW the lower limit of the power that can be generated at time t of WVPG.
  • the meaning is to be sure that the WVPG time t can transmit power is greater than or equal to b, and the maximum value of all b is the lower limit of the transmittable power.
  • the output adjustment range refers to the upward/downward adjustment limit of the output at the time t of WVPG.
  • the output adjustment range of the thermal power unit is equal to the range determined by the upper and lower limits of the producible power; the WVPG output adjustment range is jointly determined by the upper and lower limits of the producible power and the control method.
  • WVPG time t output increase limit (MW) is equal to the upper limit of the power that can be generated
  • the WVPG output can be reduced to 0.
  • the output reduction limit can be expressed as:
  • the thermal power unit ramp rate is a fixed value
  • the WVPG ramp rate is determined by its output volatility, which is a volatility probability distribution The upper and lower bounds at a certain confidence probability.
  • the determination of the WVPG ramp rate limit in the dispatch model it is also necessary to consider the limit of the wind power fluctuation range allowed per unit time by the dispatch regulations.
  • Equation (11) means that the probability of exceeding ⁇ is sure that the volatility value is less than or equal to a, and the minimum value in all a is the limit of the up-slope rate determined by the fluctuation characteristics.
  • Equation (12) is the limit of the downhill ramp rate determined by the output fluctuation at the WVPG time t, and is a negative value. Equation (12) means that the probability of exceeding ⁇ is sure that the value of volatility is greater than or equal to b, and the maximum value in all b is the limit of the down-slope rate determined by the volatility.
  • the ramp rate of WVPG in the dispatch model can be determined according to equations (13) and (14) respectively. ,Upper limit.
  • the WVPG upper ramp rate limit is:
  • the up-slope limit determined by the volatility is lower than the scheduling regulation limit.
  • the up-slope rate limit should be set to
  • the downhill rate limit should be set as
  • the downhill rate can be increased by control means such as wind curtailment.
  • the limit of downhill rate is set as
  • the calculation method is similar to the formula, and the upper and lower ramp rate limits determined by the output fluctuation characteristics can be obtained. Then, according to the definitions of equations (13) and (14), the limit value of the gradient rate of the WVPG at the current moment can be obtained.
  • the analysis method in the S3 is:
  • TT represents the total time of operation
  • NG represents the number of units
  • A(i), B(i), C(i) represent the quadratic coefficient of the quadratic function of the power generation cost and output power of unit i
  • the linear coefficient and Constant term c(i,t) is the power generation cost of unit i in period t
  • b(i,t) is the start-up cost of unit i in period t.
  • the calculation of b(i,t) is related to the shutdown time of the unit before start-up, and the specific calculation is explained in detail in the constraints. Downtime costs are generally not considered because they have a small impact on the overall cost.
  • PD(i,t) represents the load value of the translatable load i in the period t.
  • D 0 (t) represents the fixed load of the system at time period t, and
  • NI represents the number of translatable loads. This constraint matches the sum of the fixed load and the translatable load after translation to the total unit output.
  • Equation (19) restricts that a unit cannot start and stop simultaneously at the same time.
  • Equation (20) constrains the start and stop actions and the consistency of the unit's working state.
  • G(i) Min[TT,(T up (i)-T 0 (i)) ⁇ U 0 (i)], it represents the shortest running time required by unit i initially after the operation starts.
  • T up (i) represents the minimum start-up running time of unit i
  • U 0 (i) represents the initial operating state of unit i
  • U 0 (i) 0 then The unit i is initially in a shutdown state.
  • T 0 (i) represents the time that unit i has been running or stopped initially, if it is the initial running time, it will be a positive number, and if it is the initial shutdown time, it will be a negative number.
  • Equations (22) and (23) mainly consider the influence of the operation status at the end of the previous day on the operation of the new day. If the initial state of the unit is running, the formula (22) represents the constraint that the unit still needs to run at least for the time. Equation (23) represents the minimum operating time constraint within the last T up (i)-1 hour of the operating time. If the unit starts within this period, it must run until the end of the day and cannot be shut down again;
  • Equation (25) represents the constraint of the minimum shutdown time after each shutdown of unit i.
  • Equation (26) represents the minimum shutdown time constraint within the last T down (i)-1 hour of the running time. If the unit is shut down within this period, it must be shut down until the end of the day and cannot be restarted.
  • RATEUP(i) represents the up-slope rate of unit i, that is, the speed at which the output of unit i is raised
  • RATEDN(i) represents the down-slope rate of unit i, that is, the speed at which the output of unit i is lowered. Since the speed at which the unit adjusts the output is limited, the change of the output between two adjacent time periods is limited, and the ramp rate constraint is to characterize this limitation.
  • segment startup cost b(i,t) where UPcost(i,j) represents the startup cost of unit i after shutdown for j hours.
  • UPcost(i,j) represents the startup cost of unit i after shutdown for j hours.
  • ND represents the threshold value of the time until the startup cost does not change in the segment startup cost calculation.
  • ⁇ (i,t,j) for each time period of each unit, at most one of ⁇ (i,t,j) can take 1.
  • the continuous downtime counts S(i,t) and ⁇ (i,t,j) are linked using dummy variables m(i,t).
  • T 0 min[t,NT(i)].
  • D tr (i,j) is the load value of the j-th segment of the load sequence of the translatable load i.
  • NT(i) represents the time length of the sequence of translatable loads i.
  • NI represents the sequence number set of translatable loads.
  • the allocation method in step S4 is:
  • the present invention provides an emergency source network coordinated peak regulation control method in the state of a sending-end power grid failure.
  • the schedulability of the cluster wind power virtual unit is evaluated, and a calculation method for the schedulability index of the cluster wind turbine is established.
  • the source load peak regulation resource strategy is analyzed, and finally the control strategy of the tie line peak regulation is allocated.
  • the invention first analyzes the real-time dispatch characteristics of wind power participating in real-time power balance, and provides specific evaluation indicators and calculation methods.
  • a real-time scheduling optimization strategy is given in combination with the demand-side response resources, and the DC and AC lines are coordinated and operated for the tie line, which provides emergency source-grid coordination for the sending-end power grid failure state. Peak control method to ensure normal operation.
  • the present invention may be a fixed connection, a detachable connection, or an integrated; it may be a mechanical connection or an electrical connection; it may be a direct connection or a
  • the indirect connection through an intermediate medium may be the internal communication between two elements or the interaction relationship between the two elements.

Landscapes

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

Abstract

本发明公开了一种送端电网故障状态下紧急源网协调调峰控制方法，包括以下步骤S1：对集群风电虚拟机组可调度性的作出评估；S2：建立集群风电机组可调度性指标的计算方法；S3：对源荷调峰资源策略作出分析；S4：对联络线调峰的控制策略作出分配，本发明的有益效果是，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。

Description

一种送端电网故障状态下紧急源网协调调峰控制方法 技术领域
本发明涉及一种协调调峰控制方法，特别涉及一种送端电网故障状态下紧急源网协调调峰控制方法，属于电气工程技术领域。
背景技术
在高比例可再生能源系统中，通常将风电/光伏以“负负荷”的被动形式参与系统的调度，这将需要电力系统提供大量的灵活性资源满足其波动性，促进消纳，但在系统调峰电源出现非计划停运等系统紧急状态时，系统出现调峰缺额，风电/光伏做为一种“波动性供能机组”也可以在系统紧急状态下提供调峰能力，由于风电/光伏具有随机性和波动性，不像火电等常规机组一样出力具有稳定可控的特点，因此需要对风电/光伏的可调度性出力进行研究并定量评估，计算风电/光伏可以给系统提供的调峰能力。
发明内容
本发明的目的在于提供一种送端电网故障状态下紧急源网协调调峰控制方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种送端电网故障状态下紧急源网协调调峰控制方法，包括以下步骤：
S1：对集群风电虚拟机组的可调度性作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
作为本发明的一种优选技术方案，所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性进行统计分析；通过关注的风电特性包括波动性和不确定性两个方面，集群风电发电单元(wind cluster virtual power generation unit，WVPG)的波动性ΔP VPG(t)和不确定性ε VPG(t)可表示为：
Figure PCTCN2021099423-appb-000001
Figure PCTCN2021099423-appb-000002
式(1)和(2)中，n k为WVPG内风电场个数，t为时间，ΔP i W(t)为第i个风电场的波动功率，ε i W(t)为第i个风电场的不确定性；
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
a2.1,建立WVPG内部各风电场的波动性ΔP i W(t)和不确定性ε i W(t)的条件相依概率分布离线模型集；
a2.2,建立WVPG内部多个风电场之间波动性ΔP i W(t)和不确定性ε i W(t)累积概率分布函数的条件相依秩相关系数矩阵
Figure PCTCN2021099423-appb-000003
的离线模型集；
a2.3,采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布；
a3：根据WVPG的时变概率分布在线采样计算，包括以下步骤：
a3.1,初始化，随机生成S个n s×n k阶矩阵作为遗传算法的初始种群，其中n s为采样规模，n k为WVPG内风电场个数，矩阵元素均为[0,1]之间均匀分布的随机数；
a3.2,从离线模型集中选取秩相关系数矩阵，首先根据时刻t风电场i,j预测风向，计算风向差异性系数；设
Figure PCTCN2021099423-appb-000004
分别为第m个随机矩阵中，第i列和第j列元素组成的数据对，其中，m∈(1,2,...,S)；将
Figure PCTCN2021099423-appb-000005
中数据对划分为若干子集；设
Figure PCTCN2021099423-appb-000006
为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数；设
Figure PCTCN2021099423-appb-000007
为离线模型集中与
Figure PCTCN2021099423-appb-000008
条件集合取值相同的秩相关系数，可设置第m个矩阵A m目标函数为：
Figure PCTCN2021099423-appb-000009
式中n c为子集个数；
a3.3,利用遗传算法求解式(3)，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵的秩相关系数矩阵逼近目标值
Figure PCTCN2021099423-appb-000010
即使得中G(A m)尽可能小，其中，最优矩阵为每次迭代中使G(A m)最小的矩阵；
a3.4,收敛性判断，设
Figure PCTCN2021099423-appb-000011
为遗传算法第k代的最优矩阵，
Figure PCTCN2021099423-appb-000012
为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
Figure PCTCN2021099423-appb-000013
在第k代，若
Figure PCTCN2021099423-appb-000014
则遗传算法迭代停止，σ为算法收敛性系数，否则转a3.2；
a3.5，根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
Figure PCTCN2021099423-appb-000015
设
Figure PCTCN2021099423-appb-000016
为a3.4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
Figure PCTCN2021099423-appb-000017
WVPG的第g个采样样本为
Figure PCTCN2021099423-appb-000018
a3.6，进行样本时间相关性校核；
a3.7，根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模n s足够大时，即为离散概率分布的估计；由此，可得到风电场i和WVPG时刻t不确定性时变概率分布离散估计
Figure PCTCN2021099423-appb-000019
和
Figure PCTCN2021099423-appb-000020
作为本发明的一种优选技术方案，所述S2中的计算方法为：
b1:可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值；火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变；而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变；
定义WVPG时刻t可发功率如式(4)：
Figure PCTCN2021099423-appb-000021
式中，
Figure PCTCN2021099423-appb-000022
为WVPG时刻t可发功率(单位为MW)，为随机变量，对应的时变概率分布为
Figure PCTCN2021099423-appb-000023
为WVPG时刻t功率点预测值(MW)；
Figure PCTCN2021099423-appb-000024
为WVPG时刻t出力不确定性随机变量(MW)，对应的时变概率分布为
Figure PCTCN2021099423-appb-000025
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布
Figure PCTCN2021099423-appb-000026
做平移运算，平移长度为预测值
Figure PCTCN2021099423-appb-000027
设
Figure PCTCN2021099423-appb-000028
分别为平移前后
Figure PCTCN2021099423-appb-000029
第i个状态的取值，
Figure PCTCN2021099423-appb-000030
分别为相应的状态概率，则有：
Figure PCTCN2021099423-appb-000031
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为0处进行向下截断运算；设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
Figure PCTCN2021099423-appb-000032
为：
Figure PCTCN2021099423-appb-000033
式(5)中，
Figure PCTCN2021099423-appb-000034
为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
Figure PCTCN2021099423-appb-000035
b2:可发功率极限的计算；可发功率极限指时刻t时WVPG可发功率的最大、最小值；火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值；WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化；
基于风险价值理论，定义时刻t时WVPG可发功率上限如式(6)：
Figure PCTCN2021099423-appb-000036
式(6)中，
Figure PCTCN2021099423-appb-000037
为WVPG时刻t可发功率上限(MW)；β为置信概率；
Figure PCTCN2021099423-appb-000038
含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限；
定义时刻t时WVPG可发功率下限如式(7)：
Figure PCTCN2021099423-appb-000039
式(7)中，
Figure PCTCN2021099423-appb-000040
为WVPG时刻t可发功率下限(MW)；含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限；
可发功率极限指标计算方法：
设
Figure PCTCN2021099423-appb-000041
多状态概率分布的第i个状态值和状态概率分别为
Figure PCTCN2021099423-appb-000042
以可发功率上限为例，若
Figure PCTCN2021099423-appb-000043
的第b个状态值对应的累积概率满足式(8)：
Figure PCTCN2021099423-appb-000044
则可发功率上限为式(9)：
Figure PCTCN2021099423-appb-000045
式(9)中，
Figure PCTCN2021099423-appb-000046
表示第b+1个和第b个状态的状态值取值之差，
Figure PCTCN2021099423-appb-000047
表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例；
b3:出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限；火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定；
WVPG时刻t出力上调极限
Figure PCTCN2021099423-appb-000048
(MW)等于可发功率上限
Figure PCTCN2021099423-appb-000049
出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
Figure PCTCN2021099423-appb-000050
当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
Figure PCTCN2021099423-appb-000051
b4:出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
Figure PCTCN2021099423-appb-000052
在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制；
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
Figure PCTCN2021099423-appb-000053
(MW/min)如式(11)所示：
Figure PCTCN2021099423-appb-000054
式中，ΔP VPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
Figure PCTCN2021099423-appb-000055
为WVPG时刻t由波动性决定的上爬坡率极限，为正值；式(11)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限；
定义WVPG时刻t由出力波动性决定的下爬坡率极限
Figure PCTCN2021099423-appb-000056
(MW/min)如式(12)所示：
Figure PCTCN2021099423-appb-000057
式(12)中，
Figure PCTCN2021099423-appb-000058
为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值；式(12)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限；
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(13)、(14)分别确定调度模型中WVPG的爬坡率下、上限值；
WVPG上爬坡率极限为：
Figure PCTCN2021099423-appb-000059
式(13)中，
Figure PCTCN2021099423-appb-000060
为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；
Figure PCTCN2021099423-appb-000061
为WVPG时刻t的上爬坡率极限(MW/min)；
当
Figure PCTCN2021099423-appb-000062
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升 速度的高估，应将上爬坡率极限设置为
Figure PCTCN2021099423-appb-000063
当
Figure PCTCN2021099423-appb-000064
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
Figure PCTCN2021099423-appb-000065
WVPG下爬坡率极限为：
Figure PCTCN2021099423-appb-000066
式(14)中，
Figure PCTCN2021099423-appb-000067
为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；
Figure PCTCN2021099423-appb-000068
为WVPG时刻t的下爬坡率极限(MW/min)，为负值；
若
Figure PCTCN2021099423-appb-000069
表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
Figure PCTCN2021099423-appb-000070
若
Figure PCTCN2021099423-appb-000071
表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
Figure PCTCN2021099423-appb-000072
爬坡率指标计算方法：
对WVPG时刻t波动性的多状态概率分布
Figure PCTCN2021099423-appb-000073
进行分位点运算，即可得到由出力波动特性决定的上下爬坡率极限
Figure PCTCN2021099423-appb-000074
然后，按照式(13)、(14)定义即可求得当前时刻WVPG的爬坡率极限值。
作为本发明的一种优选技术方案，所述S3中的分析方法为：
c1.变量
c1.1.整数变量；
①机组i在t时刻的工作启停状态变量v(i,t)，v(i,t)＝1表示机组i在t时段处于开机状态，而v(i,t)＝0则代表处于停机状态；
②机组i在t时刻的转换状态变量y(i,t)，y(i,t)＝1表示机组i在t时段由关机变为开机，而y(i,t)＝0则表示机组处于其它状态；
③机组i在t时刻的转换状态变量z(i,t)，z(i,t)＝1表示机组i在t时段由开机变为关机，而z(i,t)＝0则表示机组处于其它状态；
④机组停机时间状态变量ω(i,t,j)，ω(i,t,j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态；
添加一个0-1变量Tr(i,t)表示可平移负荷的启动时间,Tr(i,t)＝1表示可平移负荷i在t时段开始运行，Tr(i,t)＝0表示可平移负荷i不是从t时段开始运行的；
c1.2.连续变量
机组i在t时段的出力p(i,t)。
c2.目标函数
Figure PCTCN2021099423-appb-000075
其中，c(i,t)＝A(i)×p(i,t) 2+B(i)×p(i,t)+C(i)×v(i,t)  (16)，
其中TT表示运行的总时间，NG表示机组的数量，A(i),B(i),C(i)表示机组i发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i,t)为机组i在t时段的发电成本，b(i,t)为机组i在t时段的启动成本；b(i,t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释；停机成本一般不予考虑，因为其对于总成本影响较小；
c3.约束条件
c3.1.功率平衡约束
Figure PCTCN2021099423-appb-000076
其中，PD(i,t)表示可平移负荷i在t时段的负荷值；D 0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数 量；该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配；
c3.2.机组出力上下限约束
Figure PCTCN2021099423-appb-000077
Figure PCTCN2021099423-appb-000078
表示机组i在t时段的出力下限，
Figure PCTCN2021099423-appb-000079
表示机组i在t时段的出力上限，G表示所有机组的集合；该约束条件保证各机组都能在其正常运行的出力范围内运行；
c3.3.启停辅助变量约束
Figure PCTCN2021099423-appb-000080
Figure PCTCN2021099423-appb-000081
式(19)约束了一个机组在同一时刻不可以同时启动和停机，式(20)约束了启动和停机的动作和机组工作状态的一致性；
c3.4.最小运行时间约束
Figure PCTCN2021099423-appb-000082
Figure PCTCN2021099423-appb-000083
Figure PCTCN2021099423-appb-000084
其中，G(i)＝Min[TT,(T up(i)-T 0(i))×U 0(i)]，表示在运行开始后，机组i最初所需的最短运行时间；T up(i)表示机组i的最小开机运行时间，U 0(i)表示机组i的初始运行状态，U 0(i)＝1则机组i初始处于运行状态，U 0(i)＝0则机组i初始处于停机状态；T 0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数；式(22)、(23)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响，如果机组的初始状态是运行的，则式(22)表示该机组还需要至少运行的时间的约束；式(23)表示运行时间的最后的T up(i)-1小时内的最小运行时间约束；如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
c3.5.最小停运时间约束
Figure PCTCN2021099423-appb-000085
Figure PCTCN2021099423-appb-000086
Figure PCTCN2021099423-appb-000087
其中，L(i)＝Min[TT,(T down(i)+T 0(i))×(1-U 0(i))]，表示在运行开始后，机组i最初所需的最短停机时间；T down(i)表示机组i的最小停机时间；式(25)、(26)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响，如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束；式(25)表示机组i每次关停后的最小停机的时间的约束；式(26)表示运行时间的最后的T down(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机；
c3.6.爬坡率约束
Figure PCTCN2021099423-appb-000088
Figure PCTCN2021099423-appb-000089
RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度，RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度；由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的；
c3.7.停机时间计数器约束
Figure PCTCN2021099423-appb-000090
S(i,t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的；这四个约束条件实现的功能就是当v(i,t)＝0时，S(i,t)＝S(i,t-1)+1，而v(i,t)＝1时，S(i,t)＝0,实现了连续停机时间的累计；
c3.8.分段启动成本约束
Figure PCTCN2021099423-appb-000091
这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i,t)的计算的，其中，UPcost(i,j)表示机组i在停机j小时后的启动成本；一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化；ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值；ω(i,t,j)是表示机组停机时间状态的0-1变量，ω(i,t,j)＝1表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态；该约束中对于每一个机组的每一个时段，ω(i,t,j)至多只能有一个取1，利用虚拟变量m(i,t)将连续停机时间计数S(i,t)和ω(i,t,j)联系起来；
c3.9.时段平移负荷的约束
Figure PCTCN2021099423-appb-000092
其中，T 0＝min[t,NT(i)]；D tr(i,j)为可平移负荷i的负荷序列的第j段的负荷值；NT(i)表示可平移负荷i的序列的时间长度；NI表示可平移负荷的序号集合。
作为本发明的一种优选技术方案，所述步骤S4中的分配方式为：
d1：建立最优功率分配问题的一般模型；
d2：对最优功率分配问题的简化模型；
d3：对简化最优功率分配模型的求解；
d4：对求解的数值进行仿真分析。
与现有技术相比，本发明的有益效果是：
1.本发明一种送端电网故障状态下紧急源网协调调峰控制方法，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明提供了一种送端电网故障状态下紧急源网协调调峰控制方法的技术方案：包括以下步骤：
S1：对集群风电虚拟机组的可调度性作出评估；
S2：建立集群风电机组可调度性指标的计算方法；
S3：对源荷调峰资源策略作出分析；
S4：对联络线调峰的控制策略作出分配。
所述S1中的评估方法为：
a1：对风电特性概率分布及相关系数的时变特性进行统计分析；通过关注的风电特性包括波动性和不确定性两个方面，集群风电发电单元(wind cluster virtual power generation unit，WVPG)的波动性ΔP VPG(t)和不确定性ε VPG(t)可表示为：
Figure PCTCN2021099423-appb-000093
Figure PCTCN2021099423-appb-000094
式(1)和(2)中，n k为WVPG内风电场个数，t为时间，ΔP i W(t)为第i个风电场的波动功率，ε i W(t)为第i个风电场的不确定性；
a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
a2.1,建立WVPG内部各风电场的波动性ΔP i W(t)和不确定性ε i W(t)的条件相依概率分布离线模型集；
a2.2,建立WVPG内部多个风电场之间波动性ΔP i W(t)和不确定性ε i W(t)累积概率分布函数的条件相依秩相关系数矩阵
Figure PCTCN2021099423-appb-000095
的离线模型集；
a2.3,采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布。
a3：根据WVPG的时变概率分布在线采样计算；包括以下步骤：
a3.1,初始化，随机生成S个n s×n k阶矩阵作为遗传算法的初始种群，其中n s为采样规模，n k为WVPG内风电场个数，矩阵元素均为[0,1]之间均匀分布的随机数；
a3.2,从离线模型集中选取秩相关系数矩阵。首先根据时刻t风电场i,j预测风向，计算风向差异性系数；设
Figure PCTCN2021099423-appb-000096
分别为第m个m∈(1,2,...,S)随机矩阵中，第i列和第j列元素组成的数据对，其中，m∈(1,2,...,S)；将
Figure PCTCN2021099423-appb-000097
中数据对划分为若干子集。设
Figure PCTCN2021099423-appb-000098
为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数。设
Figure PCTCN2021099423-appb-000099
为离线模型集中与
Figure PCTCN2021099423-appb-000100
条件集合取值相同的秩相关系数，可设置第m个矩阵A m目标函数为：
Figure PCTCN2021099423-appb-000101
式中n c为子集个数：
a3.3,利用遗传算法求解式(3)，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵(每次迭代中使G(A m)最小的矩阵)的秩相关系数矩阵逼近目标值
Figure PCTCN2021099423-appb-000102
即使得中G(A m)尽可能小；
a3.4,收敛性判断。设
Figure PCTCN2021099423-appb-000103
为遗传算法第k代的最优矩阵，
Figure PCTCN2021099423-appb-000104
为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
Figure PCTCN2021099423-appb-000105
在第k代，若
Figure PCTCN2021099423-appb-000106
则遗传算法迭代停止，σ为算法收敛性系数，否则转a3.2；
a3.5,根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
Figure PCTCN2021099423-appb-000107
设
Figure PCTCN2021099423-appb-000108
为a3.4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
Figure PCTCN2021099423-appb-000109
WVPG的第g个采样样本为
Figure PCTCN2021099423-appb-000110
a3.6,根据式进行样本时间相关性校核；
a3.7,根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模n s足够大时，即为离散概率分布的估计。由此，可得到风电场i和WVPG时刻t不确定性时变概率分布离散估计
Figure PCTCN2021099423-appb-000111
和
Figure PCTCN2021099423-appb-000112
所述S2中的计算方法为：
b1:可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值。火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变。而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变。
定义WVPG时刻t可发功率如式(4)：
Figure PCTCN2021099423-appb-000113
式中，
Figure PCTCN2021099423-appb-000114
为WVPG时刻t可发功率(单位为MW)，为随机变量，对应的时变概率分布为
Figure PCTCN2021099423-appb-000115
为WVPG时刻t功率点预测值(MW)；ε VPG(t)为WVPG时刻t出力不确定性随机变量(MW)，对应的时变概率分布为
Figure PCTCN2021099423-appb-000116
可发功率概率分布的计算方法如下：
(1)将WVPG时刻t的不确定性的多状态概率分布
Figure PCTCN2021099423-appb-000117
做平移运算，平移长度为预测值
Figure PCTCN2021099423-appb-000118
设
Figure PCTCN2021099423-appb-000119
分别为平移前后
Figure PCTCN2021099423-appb-000120
第i个状态的取值，
Figure PCTCN2021099423-appb-000121
分别为相应的状态概率，则有：
Figure PCTCN2021099423-appb-000122
(2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为0处进行向下截断运算。设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
Figure PCTCN2021099423-appb-000123
为：
Figure PCTCN2021099423-appb-000124
式(5)中，
Figure PCTCN2021099423-appb-000125
为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
Figure PCTCN2021099423-appb-000126
b2:可发功率极限的计算；可发功率极限指时刻t时WVPG可发功率的最大、最小值。火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值。WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化。
基于风险价值理论，定义时刻t时WVPG可发功率上限如式(6)：
Figure PCTCN2021099423-appb-000127
式(6)中，
Figure PCTCN2021099423-appb-000128
为WVPG时刻t可发功率上限(MW)；β为置信概率。
Figure PCTCN2021099423-appb-000129
含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限。
定义时刻t时WVPG可发功率下限如式(7)：
Figure PCTCN2021099423-appb-000130
式(7)中，
Figure PCTCN2021099423-appb-000131
为WVPG时刻t可发功率下限(MW)。含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限。
可发功率极限指标计算方法：
设
Figure PCTCN2021099423-appb-000132
多状态概率分布的第i个状态值和状态概率分别为
Figure PCTCN2021099423-appb-000133
以可发功率上限为例，若
Figure PCTCN2021099423-appb-000134
的第b个状态值对应的累积概率满足式(8)：
Figure PCTCN2021099423-appb-000135
则可发功率上限为式(9)：
Figure PCTCN2021099423-appb-000136
式(9)中，
Figure PCTCN2021099423-appb-000137
表示第b+1个和第b个状态的状态值取值之差，
Figure PCTCN2021099423-appb-000138
表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例。
b3:出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限。火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定。
WVPG时刻t出力上调极限
Figure PCTCN2021099423-appb-000139
(MW)等于可发功率上限
Figure PCTCN2021099423-appb-000140
出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
Figure PCTCN2021099423-appb-000141
当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
Figure PCTCN2021099423-appb-000142
b4:出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
Figure PCTCN2021099423-appb-000143
在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制。
首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
Figure PCTCN2021099423-appb-000144
(MW/min)如式(11)所示：
Figure PCTCN2021099423-appb-000145
式中，ΔP VPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
Figure PCTCN2021099423-appb-000146
为WVPG时刻t由波动性决定的上爬坡率极限，为正值。式(11)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限。
定义WVPG时刻t由出力波动性决定的下爬坡率极限
Figure PCTCN2021099423-appb-000147
(MW/min)如式(12)所示：
Figure PCTCN2021099423-appb-000148
式(12)中，
Figure PCTCN2021099423-appb-000149
为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值。式(12)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限。
综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(13)、(14)分别确定调度模型中WVPG的爬坡率下、上限值。
WVPG上爬坡率极限为：
Figure PCTCN2021099423-appb-000150
式(13)中，
Figure PCTCN2021099423-appb-000151
为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；
Figure PCTCN2021099423-appb-000152
为WVPG时刻t的上爬坡率极限(MW/min)。
当
Figure PCTCN2021099423-appb-000153
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升速度的高估，应将上爬坡率极限设置为
Figure PCTCN2021099423-appb-000154
当
Figure PCTCN2021099423-appb-000155
时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
Figure PCTCN2021099423-appb-000156
WVPG下爬坡率极限为：
Figure PCTCN2021099423-appb-000157
式(14)中，
Figure PCTCN2021099423-appb-000158
为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；
Figure PCTCN2021099423-appb-000159
为WVPG时刻t的下爬坡率极限(MW/min)，为负值
若
Figure PCTCN2021099423-appb-000160
表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
Figure PCTCN2021099423-appb-000161
若
Figure PCTCN2021099423-appb-000162
表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
Figure PCTCN2021099423-appb-000163
爬坡率指标计算方法：
对WVPG时刻t波动性的多状态概率分布
Figure PCTCN2021099423-appb-000164
进行分位点运算，运算方法与式类似，即可得到由出力波动特性决定的上下爬坡率极限
Figure PCTCN2021099423-appb-000165
然后，按照式(13)、(14)定义即可求得当前时刻WVPG的爬坡率极限值。
所述S3中的分析方法为：
c1.变量
c1.1，整数变量
①机组i在t时刻的工作启停状态变量v(i,t)，v(i,t)＝1表示机组i在t时段处于开机状态，而v(i,t)＝0则代表处于停机状态；
②机组i在t时刻的转换状态变量y(i,t)，y(i,t)＝1表示机组i在t时段由关机变为开机，而y(i,t)＝0则表示机组处于其它状态；
③机组i在t时刻的转换状态变量z(i,t)，z(i,t)＝1表示机组i在t时段由开机变为关机，而z(i,t)＝0则表示机组处于其它状态；
④机组停机时间状态变量ω(i,t,j)，ω(i,t,j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态。
还需要添加一个0-1变量Tr(i,t)表示可平移负荷的启动时间。Tr(i,t)＝1表示可平移负荷i在t时段开始运行，Tr(i,t)＝0表示可平移负荷i不是从t时段开始运行的。
c1.2，连续变量
机组i在t时段的出力p(i,t)。
c2.目标函数
Figure PCTCN2021099423-appb-000166
其中，c(i,t)＝A(i)×p(i,t) 2+B(i)×p(i,t)+C(i)×v(i,t)  (16)，
其中TT表示运行的总时间，NG表示机组的数量，A(i),B(i),C(i)表示机组i发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i,t)为机组i在t时段的发电成本，b(i,t)为机组i在t时段的启动成本。b(i,t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释。停机成本一般不予考虑，因为其对于总成本影响较小。
c3.约束条件
c3.1.功率平衡约束
Figure PCTCN2021099423-appb-000167
其中，PD(i,t)表示可平移负荷i在t时段的负荷值。D 0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数量。该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配。
c3.2.机组出力上下限约束
Figure PCTCN2021099423-appb-000168
Figure PCTCN2021099423-appb-000169
表示机组i在t时段的出力下限，
Figure PCTCN2021099423-appb-000170
表示机组i在t时段的出力上限，G表示所有机组的集合。该约束条件保证各机组都能在其正常运行的出力范围内运行。
c3.3.启停辅助变量约束
Figure PCTCN2021099423-appb-000171
Figure PCTCN2021099423-appb-000172
式(19)约束了一个机组在同一时刻不可以同时启动和停机。式(20)约束了启动和停机的动作和机组工作状态的一致性。
c3.4.最小运行时间约束
Figure PCTCN2021099423-appb-000173
Figure PCTCN2021099423-appb-000174
Figure PCTCN2021099423-appb-000175
其中，G(i)＝Min[TT,(T up(i)-T 0(i))×U 0(i)]，表示在运行开始后，机组i最初所需的最短运行时间。T up(i)表示机组i的最小开机运行时间，U 0(i)表示机组i的初始运行状态，U 0(i)＝1则机组i初始处于运行状态，U 0(i)＝0则机组i初始处于停机状态。T 0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数。式(22)、(23)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是运行的，则式(22)表示该机组还需要至少运行的时间的约束。式(23)表示运行时间的最后的T up(i)-1小时内的最小运行时间约束，如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
c3.5.最小停运时间约束
Figure PCTCN2021099423-appb-000176
Figure PCTCN2021099423-appb-000177
Figure PCTCN2021099423-appb-000178
其中，L(i)＝Min[TT,(T down(i)+T 0(i))×(1-U 0(i))]，表示在运行开始后，机组i最初所需的最短停机时间。T down(i)表示机组i的最小停机时间。式(25)、(26)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响。如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束。式(25)表示机组i每次关停后的最小停机的时间的约束。式(26)表示运行时间的最后的T down(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机。
c3.6.爬坡率约束
Figure PCTCN2021099423-appb-000179
Figure PCTCN2021099423-appb-000180
RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度，RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度。由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的。
c3.7.停机时间计数器约束
Figure PCTCN2021099423-appb-000181
S(i,t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的。这四个约束条件实现的功能就是当v(i,t)＝0时，S(i,t)＝S(i,t-1)+1，而v(i,t)＝1时，S(i,t)＝0,实现了连续停机时间的累计。
c3.8.分段启动成本约束
Figure PCTCN2021099423-appb-000182
Figure PCTCN2021099423-appb-000183
这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i,t)的计算的，其中，UPcost(i,j)表示机组i在停机j小时后的启动成本。一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化。ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值。ω(i,t,j)是表示机组停机时间状态的0-1变量，ω(i,t,j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态。该约束中对于每一个机组的每一个时段，ω(i,t,j)至多只能有一个取1。利用虚拟变量m(i,t)将连续停机时间计数S(i,t)和ω(i,t,j)联系起来。
c3.9.时段平移负荷的约束
Figure PCTCN2021099423-appb-000184
其中，T 0＝min[t,NT(i)]。D tr(i,j)为可平移负荷i的负荷序列的第j段的负荷值。NT(i)表示可平移负荷i的序列的时间长度。NI表示可平移负荷的序号集合。
步骤S4中的分配方式为：
d1：建立最优功率分配问题的一般模型；
d2：对最优功率分配问题的简化模型；
d3：对简化最优功率分配模型的求解；
d4：对求解的数值进行仿真分析。
具体使用时，本发明的一种送端电网故障状态下紧急源网协调调峰控制方法，首先对集群风电虚拟机组可调度性的作出评估，并建立集群风电机组可调度性指标的计算方法，紧接着对源荷调峰资源策略作出分析，最后对联络线调峰的控制策略作出分配，本发明首先分析了风电参与实时功率平衡的实时调度特性，并给出了具体评价指标和计算方法，并给出了算例验证；而后，结合需求侧响应资源给出了实时调度优化策略，并针对联络线进行了直流、交流线路统一协调运行，为送端电网故障状态下提供紧急源网协调调峰的控制方法，保证正常运行。
在本发明的描述中，需要理解的是，指示的方位或位置关系为基于实施例所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

  1. 一种送端电网故障状态下紧急源网协调调峰控制方法，其特征在于，包括以下步骤：
    S1：对集群风电虚拟机组的可调度性作出评估；
    S2：建立集群风电机组可调度性指标的计算方法；
    S3：对源荷调峰资源策略作出分析；
    S4：对联络线调峰的控制策略作出分配。
  2. 根据权利要求1所述的送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S1中的评估方法为：
    a1：对风电特性概率分布及相关系数的时变特性进行统计分析；通过关注的风电特性包括波动性和不确定性两个方面，集群风电发电单元(wind cluster virtual power generation unit，WVPG)的波动性ΔP VPG(t)和不确定性ε VPG(t)可表示为：
    Figure PCTCN2021099423-appb-100001
    Figure PCTCN2021099423-appb-100002
    式(1)和(2)中，n k为WVPG内风电场个数，t为时间，ΔP i W(t)为第i个风电场的波动功率，
    Figure PCTCN2021099423-appb-100003
    为第i个风电场的不确定性；
    a2：依据边缘概率分布及秩相关系数矩阵的离线条件建立模型集；包括以下步骤：
    a2.1,建立WVPG内部各风电场的波动性ΔP i W(t)和不确定性
    Figure PCTCN2021099423-appb-100004
    的条件相依概率分布离线模型集；
    a2.2,建立WVPG内部多个风电场之间波动性ΔP i W(t)和不确定性
    Figure PCTCN2021099423-appb-100005
    累积概率分布函数的条件相依秩相关系数矩阵
    Figure PCTCN2021099423-appb-100006
    的离线模型集；
    a2.3,采用基于遗传算法的蒙特卡罗模拟方法，滚动建立每时刻在各风电场边缘条件相依概率分布，和多风电场条件相依秩相关系数矩阵共同约束下，WVPG的条件概率分布以及内部各风电场的条件概率分布；
    a3：根据WVPG的时变概率分布在线采样计算，包括以下步骤：
    a3.1,初始化，随机生成S个n s×n k阶矩阵作为遗传算法的初始种群，其中n s为采样规模，n k为WVPG内风电场个数，矩阵元素均为[0,1]之间均匀分布的随机数；
    a3.2,从离线模型集中选取秩相关系数矩阵，首先根据时刻t风电场i,j预测风向，计算风向差异性系数；设
    Figure PCTCN2021099423-appb-100007
    分别为第m个随机矩阵中，第i列和第j列元素组成的数据对，其中，m∈(1,2,...,S)；将
    Figure PCTCN2021099423-appb-100008
    中数据对划分为若干子集；设
    Figure PCTCN2021099423-appb-100009
    为根据第m个随机矩阵中风电场i和j的第c个子集元素计算的秩相关系数；设
    Figure PCTCN2021099423-appb-100010
    为离线模型集中与
    Figure PCTCN2021099423-appb-100011
    条件集合取值相同的秩相关系数，可设置第m个矩阵A m目标函数为：
    Figure PCTCN2021099423-appb-100012
    式中n c为子集个数；
    a3.3,利用遗传算法求解式(3)，其中经过遗传和变异改变S个随机矩阵中的元素，使得最优矩阵的秩相关系数矩阵逼近目标值
    Figure PCTCN2021099423-appb-100013
    即使得中G(A m)尽可能小，其中，最优矩阵为每次迭代中使G(A m)最小的矩阵；
    a3.4,收敛性判断，设
    Figure PCTCN2021099423-appb-100014
    为遗传算法第k代的最优矩阵，
    Figure PCTCN2021099423-appb-100015
    为初始最优矩阵，则第k代最优矩阵相对于初始情况的改进为
    Figure PCTCN2021099423-appb-100016
    在第k代，若
    Figure PCTCN2021099423-appb-100017
    则遗传算法迭代停止，σ为算法收敛性系数，否则转a3.2；
    a3.5，根据时刻t风电场i不确定性条件集合取值，从离线模型集中选取风电场i对应的累积分布函数
    Figure PCTCN2021099423-appb-100018
    设
    Figure PCTCN2021099423-appb-100019
    为a3.4中最优矩阵中第i列第g个元素，则风电场i的第g个采样样本为
    Figure PCTCN2021099423-appb-100020
    WVPG 的第g个采样样本为
    Figure PCTCN2021099423-appb-100021
    a3.6，进行样本时间相关性校核；
    a3.7，根据样本统计时刻t各风电场及WVPG不确定性的频率分布，当采样规模n s足够大时，即为离散概率分布的估计；由此，可得到风电场i和WVPG时刻t不确定性时变概率分布离散估计
    Figure PCTCN2021099423-appb-100022
    和
    Figure PCTCN2021099423-appb-100023
  3. 根据权利要求1所述的送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S2中的计算方法为：
    b1:可发功率的计算；可发功率指WVPG时刻t实际出力的可能取值；火电机组的可发功率为最小稳燃出力和装机容量之间任意点值，当其在线运行时，不同时刻可发功率范围均不变；而WVPG的可发功率服从一概率分布，且不同时刻的可发功率概率分布会随着功率预测值和不确定性概率分布的变化而时变；
    定义WVPG时刻t可发功率如式(4)：
    Figure PCTCN2021099423-appb-100024
    式中，P a VPG(t)为WVPG时刻t可发功率(单位为MW)，为随机变量，对应的时变概率分布为
    Figure PCTCN2021099423-appb-100025
    为WVPG时刻t功率点预测值(MW)；ε VPG(t)为WVPG时刻t出力不确定性随机变量(MW)，对应的时变概率分布为
    Figure PCTCN2021099423-appb-100026
    可发功率概率分布的计算方法如下：
    (1)将WVPG时刻t的不确定性的多状态概率分布
    Figure PCTCN2021099423-appb-100027
    做平移运算，平移长度为预测值
    Figure PCTCN2021099423-appb-100028
    设
    Figure PCTCN2021099423-appb-100029
    分别为平移前后
    Figure PCTCN2021099423-appb-100030
    第i个状态的取值，
    Figure PCTCN2021099423-appb-100031
    分别为相应的状态概率，则有：
    Figure PCTCN2021099423-appb-100032
    (2)WVPG的可发功率最小值为0，因此，需将平移后的概率分布从取值为0处进行向下截断运算；设平移后概率分布的第1～a个状态取值小于0，则向下截断后0状态对应的概率
    Figure PCTCN2021099423-appb-100033
    为：
    Figure PCTCN2021099423-appb-100034
    式(5)中，
    Figure PCTCN2021099423-appb-100035
    为在0处进行截断运算前，多状态分布取值为0的概率，若截断前分布无取值为0的状态，则
    Figure PCTCN2021099423-appb-100036
    b2:可发功率极限的计算；可发功率极限指时刻t时WVPG可发功率的最大、最小值；火电机组出力上限为装机容量，出力下限为最小稳燃出力，在各时刻均为固定值；WVPG可发功率极限为一定置信水平下概率分布的上下边界值，并且会随着可发功率概率分布的时变而变化；
    基于风险价值理论，定义时刻t时WVPG可发功率上限如式(6)：
    Figure PCTCN2021099423-appb-100037
    式(6)中，
    Figure PCTCN2021099423-appb-100038
    为WVPG时刻t可发功率上限(MW)；β为置信概率；
    Figure PCTCN2021099423-appb-100039
    含义为以超过β的概率确信，WVPG时刻t可发功率小于等于a，所有a中最小值为出力上限；
    定义时刻t时WVPG可发功率下限如式(7)：
    Figure PCTCN2021099423-appb-100040
    式(7)中，
    Figure PCTCN2021099423-appb-100041
    为WVPG时刻t可发功率下限(MW)；含义为以超过β概率确信，WVPG时刻t可发功率大于等于b，所有b中最大值为可发功率下限；
    可发功率极限指标计算方法：
    设
    Figure PCTCN2021099423-appb-100042
    多状态概率分布的第i个状态值和状态概率分别为
    Figure PCTCN2021099423-appb-100043
    以可发功率上限为例，若
    Figure PCTCN2021099423-appb-100044
    的第b个状态值对应的累积概率满足式(8)：
    Figure PCTCN2021099423-appb-100045
    则可发功率上限为式(9)：
    Figure PCTCN2021099423-appb-100046
    式(9)中，
    Figure PCTCN2021099423-appb-100047
    表示第b+1个和第b个状态的状态值取值之差，
    Figure PCTCN2021099423-appb-100048
    表示置信概率β和第b个状态的累积概率之差，占第b+1个和第b个状态累积概率之差的比例；
    b3:出力调节范围的计算；出力调节范围指WVPG时刻t出力向上/向下调节极限；火电机组出力调节范围等于可发功率上下限决定的范围；WVPG出力调节范围由可发功率上下限和控制手段共同决定；
    WVPG时刻t出力上调极限
    Figure PCTCN2021099423-appb-100049
    等于可发功率上限
    Figure PCTCN2021099423-appb-100050
    出力下调极限的确定有两种情况：当允许切机控制时，WVPG出力可下调至0，此时
    Figure PCTCN2021099423-appb-100051
    当仅允许桨距角调节时，设风电机组功率下调极限(MW)为可发的功率的k％，则出力下调极限可表示为：
    Figure PCTCN2021099423-appb-100052
    b4:出力调节范围的计算；火电机组爬坡率为一固定值，而WVPG爬坡率由其出力波动性决定，是波动性概率分布
    Figure PCTCN2021099423-appb-100053
    在一定置信概率下的上下界边界值。同时，在调度模型中对WVPG爬坡率极限的确定，还需考虑调度规程对单位时间内允许的风电功率波动范围限制；
    首先，定义WVPG时刻t由出力波动性决定的上爬坡率极限
    Figure PCTCN2021099423-appb-100054
    如式(11)所示：
    Figure PCTCN2021099423-appb-100055
    式中，ΔP VPG(t)为WVPG时刻t出力波动性随机变量；β为置信概率；
    Figure PCTCN2021099423-appb-100056
    为WVPG时刻t由波动性决定的上爬坡率极限，为正值；式(11)含义为以超过β的概率确信波动性取值小于等于a，所有a中最小值为波动特性决定的上爬坡率极限；
    定义WVPG时刻t由出力波动性决定的下爬坡率极限
    Figure PCTCN2021099423-appb-100057
    如式(12)所示：
    Figure PCTCN2021099423-appb-100058
    式(12)中，
    Figure PCTCN2021099423-appb-100059
    为WVPG时刻t由出力波动性决定的下爬坡率极限，为负值；式(12)含义为以超过β的概率确信波动性的取值大于等于b，所有b中最大值为波动性决定的下爬坡率极限；
    综合考虑由出力波动性决定的爬坡率极限，以及调度规程对单位时间内允许的风电功率波动范围的限制，可按式(13)、(14)分别确定调度模型中WVPG的爬坡率下、上限值；
    WVPG上爬坡率极限为：
    Figure PCTCN2021099423-appb-100060
    式(13)中，
    Figure PCTCN2021099423-appb-100061
    为WVPG时刻t由调度规程决定的上爬坡率极限(MW/min)；
    Figure PCTCN2021099423-appb-100062
    为WVPG时刻t的上爬坡率极限(MW/min)；
    当
    Figure PCTCN2021099423-appb-100063
    时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限低于调度规程限制，为避免对功率上升速度的高估，应将上爬坡率极限设置为
    Figure PCTCN2021099423-appb-100064
    当
    Figure PCTCN2021099423-appb-100065
    时，表明从时刻t-1到时刻t，波动性决定的上爬坡极限高于调度规程限制，为避免功率上升过快，应将上爬坡率极限设置为
    Figure PCTCN2021099423-appb-100066
    WVPG下爬坡率极限为：
    Figure PCTCN2021099423-appb-100067
    式(14)中，
    Figure PCTCN2021099423-appb-100068
    为WVPG时刻t由调度规程决定的下爬坡率极限(MW/min)，为负值；
    Figure PCTCN2021099423-appb-100069
    为WVPG时刻t的下爬坡率极限(MW/min)，为负值；
    若
    Figure PCTCN2021099423-appb-100070
    表明从时刻t-1到时刻t，波动性决定的出力下降过快，为避免对下爬坡率的低估，应将下爬坡率极限设置为
    Figure PCTCN2021099423-appb-100071
    若
    Figure PCTCN2021099423-appb-100072
    表明从时刻t-1到时刻t，出力向下波动的速度小于调度规程要求，必要时可通过弃风等控制手段增加下爬坡率，下爬坡率极限设置为
    Figure PCTCN2021099423-appb-100073
    爬坡率指标计算方法：
    对WVPG时刻t波动性的多状态概率分布
    Figure PCTCN2021099423-appb-100074
    进行分位点运算，即可得到由出力波动特性决定的上下爬坡率极限
    Figure PCTCN2021099423-appb-100075
    然后，按照式(13)、(14)定义即可求得当前时刻WVPG的爬坡率极限值。
  4. 根据权利要求1所述的送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述S3中的分析方法为：
    c1.变量
    c1.1.整数变量；
    ①机组i在t时刻的工作启停状态变量v(i,t)，v(i,t)＝1表示机组i在t时段处于开机状态，而v(i,t)＝0则代表处于停机状态；
    ②机组i在t时刻的转换状态变量y(i,t)，y(i,t)＝1表示机组i在t时段由关机变为开机，而y(i,t)＝0则表示机组处于其它状态；
    ③机组i在t时刻的转换状态变量z(i,t)，z(i,t)＝1表示机组i在t时段由开机变为关机，而z(i,t)＝0则表示机组处于其它状态；
    ④机组停机时间状态变量ω(i,t,j)，ω(i,t,j)＝1表示表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态；
    添加一个0-1变量Tr(i,t)表示可平移负荷的启动时间,Tr(i,t)＝1表示可平移负荷i在t时段开始运行，Tr(i,t)＝0表示可平移负荷i不是从t时段开始运行的；
    c1.2.连续变量
    机组i在t时段的出力p(i,t)。
    c2.目标函数
    Figure PCTCN2021099423-appb-100076
    其中，c(i,t)＝A(i)×p(i,t) 2+B(i)×p(i,t)+C(i)×v(i,t)  (16)，
    其中TT表示运行的总时间，NG表示机组的数量，A(i),B(i),C(i)表示机组i发电成本与输出功率的二次函数的二次项系数，一次项系数和常数项，c(i,t)为机组i在t时段的发电成本，b(i,t)为机组i在t时段的启动成本；b(i,t)的计算与机组在启动前的停机时间有关，具体的计算在约束条件中详细解释；停机成本一般不予考虑，因为其对于总成本影响较小；
    c3.约束条件
    c3.1.功率平衡约束
    Figure PCTCN2021099423-appb-100077
    其中，PD(i,t)表示可平移负荷i在t时段的负荷值；D 0(t)表示t时段系统的固定负荷，NI表示可平移负荷的数量；该约束将固定负荷和平移后的可平移负荷的总和与机组总出力相匹配；
    c3.2.机组出力上下限约束
    Figure PCTCN2021099423-appb-100078
    p(i,t)表示机组i在t时段的出力下限，
    Figure PCTCN2021099423-appb-100079
    表示机组i在t时段的出力上限，G表示所有机组的集合；该约束条件保证各机组都能在其正常运行的出力范围内运行；
    c3.3.启停辅助变量约束
    Figure PCTCN2021099423-appb-100080
    Figure PCTCN2021099423-appb-100081
    式(19)约束了一个机组在同一时刻不可以同时启动和停机，式(20)约束了启动和停机的动作和机组工作状态的一致性；
    c3.4.最小运行时间约束
    Figure PCTCN2021099423-appb-100082
    Figure PCTCN2021099423-appb-100083
    Figure PCTCN2021099423-appb-100084
    其中，G(i)＝Min[TT,(T up(i)-T 0(i))×U 0(i)]，表示在运行开始后，机组i最初所需的最短运行时间；T up(i)表示机组i的最小开机运行时间，U 0(i)表示机组i的初始运行状态，U 0(i)＝1则机组i初始处于运行状态，U 0(i)＝0则机组i初始处于停机状态；T 0(i)表示机组i初始已经运行或停运的时间，若为初始已运行时间，则取正数，若为初始停机时间则取负数；式(22)、(23)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响，如果机组的初始状态是运行的，则式(22)表示该机组还需要至少运行的时间的约束；式(23)表示运行时间的最后的T up(i)-1小时内的最小运行时间约束；如果机组在该时段内启动就必须一直运行到一天结束，不能再次停机；
    c3.5.最小停运时间约束
    Figure PCTCN2021099423-appb-100085
    Figure PCTCN2021099423-appb-100086
    Figure PCTCN2021099423-appb-100087
    其中，L(i)＝Min[TT,(T down(i)+T 0(i))×(1-U 0(i))]，表示在运行开始后，机组i最初所需的最短停机时间；T down(i)表示机组i的最小停机时间；式(25)、(26)主要考虑前一天结束时的运行状况对于新的一天开始运行的影响，如果机组的初始状态是停机的，则表示该机组还需要至少停运的时间的约束；式(25)表示机组i每次关停后的最小停机的时间的约束；式(26)表示运行时间的最后的T down(i)-1小时内的最小停机时间约束，如果机组在该时段内关停就必须一直停机到一天结束，不能再次开机；
    c3.6.爬坡率约束
    Figure PCTCN2021099423-appb-100088
    Figure PCTCN2021099423-appb-100089
    RATEUP(i)表示机组i的上爬坡率，即机组i出力上调的速度，RATEDN(i)表示机组i的下爬坡率，即机组i出力下调的速度；由于机组调节出力的速度是有限的，两个相邻时段之间出力的变化时有限的，爬坡率约束就是表征这一限制的；
    c3.7.停机时间计数器约束
    Figure PCTCN2021099423-appb-100090
    Figure PCTCN2021099423-appb-100091
    Figure PCTCN2021099423-appb-100092
    S(i,t)是一个停机时间计数变量，它表示的是机组i在t时段已经累计连续停机的时间，由于模型中的启动成本是分段的，与机组停机时间有关，所以利用以上的约束记录停机时间是必要的；这四个约束条件实现的功能就是当v(i,t)＝0时，S(i,t)＝S(i,t-1)+1，而v(i,t)＝1时，S(i,t)＝0,实现了连续停机时间的累计；
    c3.8.分段启动成本约束
    Figure PCTCN2021099423-appb-100093
    Figure PCTCN2021099423-appb-100094
    Figure PCTCN2021099423-appb-100095
    Figure PCTCN2021099423-appb-100096
    Figure PCTCN2021099423-appb-100097
    这几个约束条件是利用连续停机时间的计数器，实现分段启动成本b(i,t)的计算的，其中，UP cos t(i,j)表示机组i在停机j小时后的启动成本；一般来讲，随着停机时间的增长，启动成本是不断变大的，当停机达到一定的时间后，启动成本不再发生变化；ND表示分段启动成本计算中，最后使得启动成本不再变化的时间的阈值；ω(i,t,j)是表示机组停机时间状态的0-1变量，ω(i,t,j)＝1表示的是机组i在t时刻已经停机j小时，ω(i,t,j)＝0表示机组处于其它状态；该约束中对于每一个机组的每一个时段，ω(i,t,j)至多只能有一个取1，利用虚拟变量m(i,t)将连续停机时间计数S(i,t)和ω(i,t,j)联系起来；
    c3.9.时段平移负荷的约束
    Figure PCTCN2021099423-appb-100098
    Figure PCTCN2021099423-appb-100099
    Figure PCTCN2021099423-appb-100100
    其中，T 0＝min[t,NT(i)]；D tr(i,j)为可平移负荷i的负荷序列的第j段的负荷值；NT(i)表示可平移负荷i的序列的时间长度；NI表示可平移负荷的序号集合。
  5. 根据权利要求1所述的送端电网故障状态下紧急源网协调调峰控制方法，其特征在于：所述步骤S4中的分配方式为：
    d1：建立最优功率分配问题的一般模型；
    d2：对最优功率分配问题的简化模型；
    d3：对简化最优功率分配模型的求解；
    d4：对求解的数值进行仿真分析。
PCT/CN2021/099423 2020-07-30 2021-06-10 一种送端电网故障状态下紧急源网协调调峰控制方法 Ceased WO2022022101A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/372,458 US12027857B2 (en) 2020-07-30 2021-07-10 Method for controlling peak saving by wind power grid

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010748432.6 2020-07-30
CN202010748432.6A CN111934364A (zh) 2020-07-30 2020-07-30 一种送端电网故障状态下紧急源网协调调峰控制方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/372,458 Continuation US12027857B2 (en) 2020-07-30 2021-07-10 Method for controlling peak saving by wind power grid

Publications (1)

Publication Number Publication Date
WO2022022101A1 true WO2022022101A1 (zh) 2022-02-03

Family

ID=73316025

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/099423 Ceased WO2022022101A1 (zh) 2020-07-30 2021-06-10 一种送端电网故障状态下紧急源网协调调峰控制方法

Country Status (2)

Country Link
CN (1) CN111934364A (zh)
WO (1) WO2022022101A1 (zh)

Cited By (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657786A (zh) * 2021-08-24 2021-11-16 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN114465239A (zh) * 2022-02-07 2022-05-10 中国电力科学研究院有限公司 两级电网协同安全校正方法、装置、电子设备和存储介质
CN114530888A (zh) * 2022-03-15 2022-05-24 国网山东省电力公司经济技术研究院 基于源荷平衡的电力系统新能源消纳能力分析方法及系统
CN114548757A (zh) * 2022-02-21 2022-05-27 三峡大学 一种考虑源荷不确定性的火电机组灵活性改造规划方法
CN114552658A (zh) * 2022-03-29 2022-05-27 合肥工业大学 计及需求侧响应的新能源电力系统调度方法
CN114564825A (zh) * 2022-02-21 2022-05-31 国网江苏省电力有限公司经济技术研究院 一种考虑时延连锁故障的电力系统韧性评估方法
CN114648176A (zh) * 2022-04-22 2022-06-21 天津大学 一种基于数据驱动的风光电源消纳优化方法
CN114693118A (zh) * 2022-03-30 2022-07-01 浙大城市学院 多能源转换的综合能源系统快速多状态可靠性提高方法
CN114781780A (zh) * 2022-02-28 2022-07-22 山东鲁软数字科技有限公司 一种基于数据挖掘的机组调峰能力评估方法、终端及存储介质
CN114825339A (zh) * 2022-05-20 2022-07-29 华中科技大学 基于电力终端泛在物联的源网荷储连续时间协调控制方法
CN114925493A (zh) * 2022-04-02 2022-08-19 清华大学 一种基于变尺度时段聚合的电力系统机组组合优化方法
CN114928052A (zh) * 2022-07-01 2022-08-19 全球能源互联网集团有限公司 考虑深度调峰的高渗透率新能源电网调度方法及系统
CN114926014A (zh) * 2022-05-17 2022-08-19 清华大学深圳国际研究生院 应用于电力系统的隐秘性攻击风险评估方法
CN114944645A (zh) * 2022-03-10 2022-08-26 国网浙江省电力有限公司绍兴供电公司 一种计及资源时空相关性的新能源发电集群划分方法
CN114977318A (zh) * 2022-04-29 2022-08-30 广西电网有限责任公司 一种考虑相关性的随机-确定耦合电源调度方法及系统
CN114971372A (zh) * 2022-06-16 2022-08-30 太原理工大学 基于需求响应的微能网多时空尺度优化调度方法
CN115001034A (zh) * 2022-05-26 2022-09-02 华北电力大学 一种考虑火电机组灵活性综合评价的电力系统调度方法
CN115000957A (zh) * 2022-07-19 2022-09-02 山东电力工程咨询院有限公司 考虑时刻间净负荷不确定性的资源调度优化方法及系统
CN115036977A (zh) * 2022-07-21 2022-09-09 南方电网科学研究院有限责任公司 动态响应稳控系统、电网安全稳定控制方法、设备和介质
CN115034587A (zh) * 2022-05-25 2022-09-09 国网浙江省电力有限公司经济技术研究院 一种计及风险的省间省内电量互动方法
CN115034493A (zh) * 2022-06-24 2022-09-09 江苏方天电力技术有限公司 一种考虑机组运行状态的风电场黑启动路径寻优方法
CN115034589A (zh) * 2022-05-27 2022-09-09 南京国电南自电网自动化有限公司 一种虚拟电厂集中控制下经济低碳双层动态调度方法
CN115081955A (zh) * 2022-08-12 2022-09-20 东方电子股份有限公司 一种用于综合供能系统的分层分布式故障处理系统
CN115130391A (zh) * 2022-08-25 2022-09-30 华北电力大学 一种计及热惯性的电热综合能源系统故障恢复方法及系统
CN115146900A (zh) * 2022-05-07 2022-10-04 河北工业大学 一种基于改进聚类算法的风电场分层降功率分配方法
CN115169956A (zh) * 2022-07-27 2022-10-11 国网江苏省电力有限公司镇江供电分公司 面向调度计划的增量配电网电量平衡裕度评估方法
CN115313454A (zh) * 2022-08-05 2022-11-08 清华大学 储能配置方法及装置
CN115439000A (zh) * 2022-09-26 2022-12-06 南京理工大学 考虑风光荷功率不确定性和相关性的配电网区块划分方法
CN115441459A (zh) * 2022-10-17 2022-12-06 东南大学 一种基于负荷准线的电力系统安全约束机组组合决策方法
CN115441515A (zh) * 2022-09-14 2022-12-06 南方电网数字电网研究院有限公司 一种燃煤-燃气机组联合状态优化控制方法
CN115603376A (zh) * 2022-09-30 2023-01-13 国网河南省电力公司电力科学研究院（Cn） 大容量调相机同期并网参数整定方法和系统
CN115600791A (zh) * 2022-09-07 2023-01-13 华北电力大学（Cn） 一种风能太阳能互补性评估方法及系统
CN115640737A (zh) * 2022-09-05 2023-01-24 国电和风风电开发有限公司 一种面向异常天气状态的风电功率预测方法及系统
CN115841017A (zh) * 2022-10-28 2023-03-24 武汉大学 一种面向燃气机组调峰的天然气管网动态安全域构建方法
CN115842377A (zh) * 2022-12-15 2023-03-24 中国华能集团清洁能源技术研究院有限公司 基于生产模拟优化的区域电源运行曲线确定方法及系统
CN115864377A (zh) * 2022-11-27 2023-03-28 重庆大学 一种高比例风电电力系统运行可靠性和频率综合评估方法
CN115879731A (zh) * 2022-12-28 2023-03-31 南昌大学 一种计及综合需求响应的源-网-荷-储系统协调规划的方法
CN115907365A (zh) * 2022-11-15 2023-04-04 国网青海省电力公司经济技术研究院 调峰资源优化配置方法、系统及装置
CN116050306A (zh) * 2023-04-03 2023-05-02 广东电网有限责任公司珠海供电局 考虑海上风电分频接入的工频电网可靠性评估方法和系统
CN116094031A (zh) * 2022-11-18 2023-05-09 中国华能集团清洁能源技术研究院有限公司 基于无线电能传输模块的光伏并网逆变器及其控制方法
CN116109216A (zh) * 2023-04-13 2023-05-12 国网湖北省电力有限公司营销服务中心(计量中心) 一种源网储荷系统的可调性评估方法
CN116187039A (zh) * 2023-01-19 2023-05-30 华中科技大学 储能可信容量计算方法
CN116245312A (zh) * 2023-01-11 2023-06-09 北京交通大学 一种城市区域配电网移动应急资源灾前布点决策方法
CN116362622A (zh) * 2023-04-23 2023-06-30 国网河南省电力公司电力科学研究院 一种极端气象条件下电网供电能力评估方法和装置
CN116388306A (zh) * 2023-06-02 2023-07-04 电力规划总院有限公司 一种随机性电源场优化控制方法和装置
CN116611627A (zh) * 2023-04-12 2023-08-18 国网浙江省电力有限公司电力科学研究院 一种考虑不确定性的综合能源系统多目标优化调度方法
CN116739074A (zh) * 2023-06-08 2023-09-12 河海大学 基于改进q学习的配电系统过程状态驱动的弹性策略方法
CN116885691A (zh) * 2023-05-30 2023-10-13 淮阴工学院 一种风电功率爬坡事件间接预测方法
CN117077934A (zh) * 2023-07-27 2023-11-17 国网江苏省电力有限公司灌云县供电分公司 基于深度强化学习算法的省地多元灵活资源协同调峰决策方法
CN117195517A (zh) * 2023-08-25 2023-12-08 北京理工大学 冲击环境下多态系统的部件交换与工作强度调节策略
CN117217099A (zh) * 2023-11-08 2023-12-12 云南滇能智慧能源有限公司 一种续建风电机的机位确定方法、装置、设备及存储介质
CN117613979A (zh) * 2023-12-04 2024-02-27 电力规划总院有限公司 一种运行在顶峰供电的功率跟踪状态的电网智能调度方法
CN117913920A (zh) * 2024-03-19 2024-04-19 山东大学 计及机组爬坡速率约束与系统初始状态的调度方法及系统
CN118137522A (zh) * 2024-05-07 2024-06-04 杭州太阁未名科技有限公司 电力系统最优调峰量测算方法、装置及计算机设备
CN118449111A (zh) * 2024-04-12 2024-08-06 华中科技大学 拓扑引导的安全约束机组组合求解方法、设备及介质
CN118572645A (zh) * 2024-07-31 2024-08-30 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种风电柔性直流输电并网系统直流故障处理方法和装置
CN118587038A (zh) * 2024-08-05 2024-09-03 长江三峡集团实业发展(北京)有限公司 风光储一体化电站发电数据实时校核上报方法和装置
CN118643320A (zh) * 2024-05-28 2024-09-13 江南大学 基于动态正交子空间的质量相关微小故障检测方法
CN118739265A (zh) * 2024-06-07 2024-10-01 南京工业大学 一种电力系统可靠性评估方法及装置
CN119340996A (zh) * 2024-12-19 2025-01-21 国网浙江省电力有限公司浦江县供电公司 计及源荷特性的源荷储耦合调度方法和系统
CN119624153A (zh) * 2024-08-06 2025-03-14 重庆大学 一种考虑源荷不确定性及市场机制的省内电力平衡裕度快速评估方法
CN119726773A (zh) * 2024-12-10 2025-03-28 国网山东省电力公司经济技术研究院 基于分层调节和多场景生成算法的负荷侧调峰方法及系统
CN119742865A (zh) * 2024-12-10 2025-04-01 三峡大学 一种巨型水电机组的开机流程辅助决策方法
CN119831462A (zh) * 2024-12-31 2025-04-15 山东大学 一种基于灵活性缺额分区评估的虚拟电厂规划方法和系统
CN119834341A (zh) * 2024-12-05 2025-04-15 鄂尔多斯市多能互补能源有限公司 风光火一体化工业园区电源场站的调度方法、装置
CN119940695A (zh) * 2024-12-16 2025-05-06 重庆大学 基于数据驱动多项式混沌展开的电氢综合能源系统可靠性评估方法
CN120049525A (zh) * 2025-04-25 2025-05-27 华南理工大学 一种应对风电下爬坡的备用容量调用方法
CN120320316A (zh) * 2025-06-12 2025-07-15 北京飔合科技有限公司 一种考虑天气因素的电力负荷与电价联合预测方法及系统
CN120430562A (zh) * 2025-04-23 2025-08-05 国网辽宁省电力有限公司抚顺供电公司 调度方法、系统、终端及介质
CN120524340A (zh) * 2025-07-24 2025-08-22 国电南瑞科技股份有限公司 一种计及灵活资源状态的爬坡能力量化评估方法及系统
CN120527915A (zh) * 2025-07-24 2025-08-22 国电南瑞科技股份有限公司 计及多时间尺度新能源不确定性的优化调度方法及系统
CN120728586A (zh) * 2025-08-21 2025-09-30 南京信息工程大学 一种基于风速爬坡识别与匹配的多维风电功率预测方法
CN120767863A (zh) * 2025-07-10 2025-10-10 国核电力规划设计研究院有限公司 风电波动条件下电解槽群功率分配的优化调度方法及系统
CN121072897A (zh) * 2025-11-06 2025-12-05 华电电力科学研究院有限公司 多不确定性因素下风电场站停机与储能协同运行优化方法
CN121150037A (zh) * 2025-11-14 2025-12-16 国网上海市电力公司 一种考虑多能互补的虚拟电厂协调运行方法、装置及系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111934364A (zh) * 2020-07-30 2020-11-13 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法
CN112688368B (zh) * 2021-01-05 2022-09-16 国网甘肃省电力公司电力科学研究院 一种送端电网源网协调调峰方法
CN113132471B (zh) * 2021-03-31 2023-02-21 长沙理工大学 云服务预算优化调度方法、装置、设备和存储介质
CN115360744B (zh) * 2022-07-12 2024-08-02 中国农业大学 基于时空相关和源荷互补的分布式光伏动态集群划分方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108448646A (zh) * 2018-01-16 2018-08-24 华北电力大学 一种考虑直流外送功率调节特性的源网协调调峰方法
US20190036342A1 (en) * 2016-01-27 2019-01-31 Wobben Properties Gmbh Method for feeding electrical power into an electrical supply network
CN111934364A (zh) * 2020-07-30 2020-11-13 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045655A (zh) * 2016-12-07 2017-08-15 三峡大学 基于多智能体随机一致博弈和虚拟发电部落的狼群部落策略方法
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190036342A1 (en) * 2016-01-27 2019-01-31 Wobben Properties Gmbh Method for feeding electrical power into an electrical supply network
CN108448646A (zh) * 2018-01-16 2018-08-24 华北电力大学 一种考虑直流外送功率调节特性的源网协调调峰方法
CN111934364A (zh) * 2020-07-30 2020-11-13 国网甘肃省电力公司电力科学研究院 一种送端电网故障状态下紧急源网协调调峰控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIAN WANG, ZONGXIANG LU, YING QIAO, ZHAO CHEN: "Research on Demand Response Mechanism of Wind Power Local Accommodation Utilizing Energy-Intensive Loads", POWER SYSTEM TECHNOLOGY, SHUILI-DIANLIBU DIANLI KEXUE YANJIUYUAN, BEIJING, CN, vol. 41, no. 7, 1 July 2017 (2017-07-01), CN , XP055892706, ISSN: 1000-3673, DOI: 10.13335/j.1000-3673.pst.2016.2467 *
YE, XI, LU ZONGXIANG, QIAO YING, MIN YONG: "Time-Varying Probabilistic Model and Dispatch Performance Indices for Wind Farm Cluster Virtual Power Generator—Part I: Time-Varying Probabilistic Model", PROCEEDINGS OF THE CSEE, ZHONGGUO DIANJI GONGCHENG XUEHUI, CN, vol. 35, no. 20, 20 October 2015 (2015-10-20), CN , pages 5135 - 5146, XP055892744, ISSN: 0258-8013, DOI: 10.13334/j.0258-8013.pcsee.2015.20.003 *
YE, XI, ZONGXIANG LU, YING QIAO, YONG MIN: "Time-varying Probabilistic Model and Dispatch Performance Indices for Wind Farm Cluster Virtual Power Generator—Part II: Dispatch Performance Indices", PROCEEDINGS OF THE CSEE, ZHONGGUO DIANJI GONGCHENG XUEHUI, CN, vol. 35, no. 21, 5 November 2015 (2015-11-05), CN , pages 5395 - 5404, XP055892746, ISSN: 0258-8013, DOI: 10.13334/j.0258-8013.pcsee.2015.21.002 *

Cited By (91)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657786B (zh) * 2021-08-24 2024-08-27 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN113657786A (zh) * 2021-08-24 2021-11-16 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN114465239A (zh) * 2022-02-07 2022-05-10 中国电力科学研究院有限公司 两级电网协同安全校正方法、装置、电子设备和存储介质
CN114548757A (zh) * 2022-02-21 2022-05-27 三峡大学 一种考虑源荷不确定性的火电机组灵活性改造规划方法
CN114564825A (zh) * 2022-02-21 2022-05-31 国网江苏省电力有限公司经济技术研究院 一种考虑时延连锁故障的电力系统韧性评估方法
CN114781780A (zh) * 2022-02-28 2022-07-22 山东鲁软数字科技有限公司 一种基于数据挖掘的机组调峰能力评估方法、终端及存储介质
CN114944645A (zh) * 2022-03-10 2022-08-26 国网浙江省电力有限公司绍兴供电公司 一种计及资源时空相关性的新能源发电集群划分方法
CN114530888A (zh) * 2022-03-15 2022-05-24 国网山东省电力公司经济技术研究院 基于源荷平衡的电力系统新能源消纳能力分析方法及系统
CN114552658A (zh) * 2022-03-29 2022-05-27 合肥工业大学 计及需求侧响应的新能源电力系统调度方法
CN114552658B (zh) * 2022-03-29 2024-03-01 合肥工业大学 计及需求侧响应的新能源电力系统调度方法
CN114693118A (zh) * 2022-03-30 2022-07-01 浙大城市学院 多能源转换的综合能源系统快速多状态可靠性提高方法
CN114925493A (zh) * 2022-04-02 2022-08-19 清华大学 一种基于变尺度时段聚合的电力系统机组组合优化方法
CN114648176A (zh) * 2022-04-22 2022-06-21 天津大学 一种基于数据驱动的风光电源消纳优化方法
CN114977318B (zh) * 2022-04-29 2024-05-17 广西电网有限责任公司 一种考虑相关性的随机-确定耦合电源调度方法及系统
CN114977318A (zh) * 2022-04-29 2022-08-30 广西电网有限责任公司 一种考虑相关性的随机-确定耦合电源调度方法及系统
CN115146900A (zh) * 2022-05-07 2022-10-04 河北工业大学 一种基于改进聚类算法的风电场分层降功率分配方法
CN114926014A (zh) * 2022-05-17 2022-08-19 清华大学深圳国际研究生院 应用于电力系统的隐秘性攻击风险评估方法
CN114825339A (zh) * 2022-05-20 2022-07-29 华中科技大学 基于电力终端泛在物联的源网荷储连续时间协调控制方法
CN115034587A (zh) * 2022-05-25 2022-09-09 国网浙江省电力有限公司经济技术研究院 一种计及风险的省间省内电量互动方法
CN115001034A (zh) * 2022-05-26 2022-09-02 华北电力大学 一种考虑火电机组灵活性综合评价的电力系统调度方法
CN115034589A (zh) * 2022-05-27 2022-09-09 南京国电南自电网自动化有限公司 一种虚拟电厂集中控制下经济低碳双层动态调度方法
CN114971372A (zh) * 2022-06-16 2022-08-30 太原理工大学 基于需求响应的微能网多时空尺度优化调度方法
CN115034493A (zh) * 2022-06-24 2022-09-09 江苏方天电力技术有限公司 一种考虑机组运行状态的风电场黑启动路径寻优方法
CN115034493B (zh) * 2022-06-24 2024-05-14 江苏方天电力技术有限公司 一种考虑机组运行状态的风电场黑启动路径寻优方法
CN114928052A (zh) * 2022-07-01 2022-08-19 全球能源互联网集团有限公司 考虑深度调峰的高渗透率新能源电网调度方法及系统
CN115000957A (zh) * 2022-07-19 2022-09-02 山东电力工程咨询院有限公司 考虑时刻间净负荷不确定性的资源调度优化方法及系统
CN115036977A (zh) * 2022-07-21 2022-09-09 南方电网科学研究院有限责任公司 动态响应稳控系统、电网安全稳定控制方法、设备和介质
CN115169956A (zh) * 2022-07-27 2022-10-11 国网江苏省电力有限公司镇江供电分公司 面向调度计划的增量配电网电量平衡裕度评估方法
CN115313454A (zh) * 2022-08-05 2022-11-08 清华大学 储能配置方法及装置
CN115081955B (zh) * 2022-08-12 2022-11-15 东方电子股份有限公司 一种用于综合供能系统的分层分布式故障处理系统
CN115081955A (zh) * 2022-08-12 2022-09-20 东方电子股份有限公司 一种用于综合供能系统的分层分布式故障处理系统
CN115130391A (zh) * 2022-08-25 2022-09-30 华北电力大学 一种计及热惯性的电热综合能源系统故障恢复方法及系统
CN115640737A (zh) * 2022-09-05 2023-01-24 国电和风风电开发有限公司 一种面向异常天气状态的风电功率预测方法及系统
CN115600791A (zh) * 2022-09-07 2023-01-13 华北电力大学（Cn） 一种风能太阳能互补性评估方法及系统
CN115600791B (zh) * 2022-09-07 2024-01-05 华北电力大学 一种风能太阳能互补性评估方法及系统
CN115441515A (zh) * 2022-09-14 2022-12-06 南方电网数字电网研究院有限公司 一种燃煤-燃气机组联合状态优化控制方法
CN115441515B (zh) * 2022-09-14 2024-05-03 南方电网数字电网研究院有限公司 一种燃煤-燃气机组联合状态优化控制方法
CN115439000A (zh) * 2022-09-26 2022-12-06 南京理工大学 考虑风光荷功率不确定性和相关性的配电网区块划分方法
CN115603376A (zh) * 2022-09-30 2023-01-13 国网河南省电力公司电力科学研究院（Cn） 大容量调相机同期并网参数整定方法和系统
CN115441459A (zh) * 2022-10-17 2022-12-06 东南大学 一种基于负荷准线的电力系统安全约束机组组合决策方法
CN115841017A (zh) * 2022-10-28 2023-03-24 武汉大学 一种面向燃气机组调峰的天然气管网动态安全域构建方法
CN115907365A (zh) * 2022-11-15 2023-04-04 国网青海省电力公司经济技术研究院 调峰资源优化配置方法、系统及装置
CN116094031A (zh) * 2022-11-18 2023-05-09 中国华能集团清洁能源技术研究院有限公司 基于无线电能传输模块的光伏并网逆变器及其控制方法
CN115864377A (zh) * 2022-11-27 2023-03-28 重庆大学 一种高比例风电电力系统运行可靠性和频率综合评估方法
CN115842377A (zh) * 2022-12-15 2023-03-24 中国华能集团清洁能源技术研究院有限公司 基于生产模拟优化的区域电源运行曲线确定方法及系统
CN115879731A (zh) * 2022-12-28 2023-03-31 南昌大学 一种计及综合需求响应的源-网-荷-储系统协调规划的方法
CN116245312A (zh) * 2023-01-11 2023-06-09 北京交通大学 一种城市区域配电网移动应急资源灾前布点决策方法
CN116187039A (zh) * 2023-01-19 2023-05-30 华中科技大学 储能可信容量计算方法
CN116050306B (zh) * 2023-04-03 2023-06-02 广东电网有限责任公司珠海供电局 考虑海上风电分频接入的工频电网可靠性评估方法和系统
CN116050306A (zh) * 2023-04-03 2023-05-02 广东电网有限责任公司珠海供电局 考虑海上风电分频接入的工频电网可靠性评估方法和系统
CN116611627A (zh) * 2023-04-12 2023-08-18 国网浙江省电力有限公司电力科学研究院 一种考虑不确定性的综合能源系统多目标优化调度方法
CN116109216A (zh) * 2023-04-13 2023-05-12 国网湖北省电力有限公司营销服务中心(计量中心) 一种源网储荷系统的可调性评估方法
CN116109216B (zh) * 2023-04-13 2023-06-23 国网湖北省电力有限公司营销服务中心(计量中心) 一种源网储荷系统的可调性评估方法
CN116362622B (zh) * 2023-04-23 2023-11-21 国网河南省电力公司电力科学研究院 一种极端气象条件下电网供电能力评估方法和装置
CN116362622A (zh) * 2023-04-23 2023-06-30 国网河南省电力公司电力科学研究院 一种极端气象条件下电网供电能力评估方法和装置
CN116885691B (zh) * 2023-05-30 2024-02-23 淮阴工学院 一种风电功率爬坡事件间接预测方法
CN116885691A (zh) * 2023-05-30 2023-10-13 淮阴工学院 一种风电功率爬坡事件间接预测方法
CN116388306A (zh) * 2023-06-02 2023-07-04 电力规划总院有限公司 一种随机性电源场优化控制方法和装置
CN116739074A (zh) * 2023-06-08 2023-09-12 河海大学 基于改进q学习的配电系统过程状态驱动的弹性策略方法
CN116739074B (zh) * 2023-06-08 2023-11-17 河海大学 基于改进q学习的配电系统过程状态驱动的弹性策略方法
CN117077934A (zh) * 2023-07-27 2023-11-17 国网江苏省电力有限公司灌云县供电分公司 基于深度强化学习算法的省地多元灵活资源协同调峰决策方法
CN117195517A (zh) * 2023-08-25 2023-12-08 北京理工大学 冲击环境下多态系统的部件交换与工作强度调节策略
CN117217099B (zh) * 2023-11-08 2024-03-26 云南滇能智慧能源有限公司 一种续建风电机的机位确定方法、装置、设备及存储介质
CN117217099A (zh) * 2023-11-08 2023-12-12 云南滇能智慧能源有限公司 一种续建风电机的机位确定方法、装置、设备及存储介质
CN117613979A (zh) * 2023-12-04 2024-02-27 电力规划总院有限公司 一种运行在顶峰供电的功率跟踪状态的电网智能调度方法
CN117913920A (zh) * 2024-03-19 2024-04-19 山东大学 计及机组爬坡速率约束与系统初始状态的调度方法及系统
CN117913920B (zh) * 2024-03-19 2024-06-04 山东大学 计及机组爬坡速率约束与系统初始状态的调度方法及系统
CN118449111A (zh) * 2024-04-12 2024-08-06 华中科技大学 拓扑引导的安全约束机组组合求解方法、设备及介质
CN118137522A (zh) * 2024-05-07 2024-06-04 杭州太阁未名科技有限公司 电力系统最优调峰量测算方法、装置及计算机设备
CN118643320A (zh) * 2024-05-28 2024-09-13 江南大学 基于动态正交子空间的质量相关微小故障检测方法
CN118739265A (zh) * 2024-06-07 2024-10-01 南京工业大学 一种电力系统可靠性评估方法及装置
CN118572645A (zh) * 2024-07-31 2024-08-30 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种风电柔性直流输电并网系统直流故障处理方法和装置
CN118587038A (zh) * 2024-08-05 2024-09-03 长江三峡集团实业发展(北京)有限公司 风光储一体化电站发电数据实时校核上报方法和装置
CN119624153A (zh) * 2024-08-06 2025-03-14 重庆大学 一种考虑源荷不确定性及市场机制的省内电力平衡裕度快速评估方法
CN119624153B (zh) * 2024-08-06 2025-10-03 重庆大学 一种考虑源荷不确定性及市场机制的省内电力平衡裕度快速评估方法
CN119834341A (zh) * 2024-12-05 2025-04-15 鄂尔多斯市多能互补能源有限公司 风光火一体化工业园区电源场站的调度方法、装置
CN119742865B (zh) * 2024-12-10 2025-08-29 三峡大学 一种巨型水电机组的开机流程辅助决策方法
CN119726773A (zh) * 2024-12-10 2025-03-28 国网山东省电力公司经济技术研究院 基于分层调节和多场景生成算法的负荷侧调峰方法及系统
CN119742865A (zh) * 2024-12-10 2025-04-01 三峡大学 一种巨型水电机组的开机流程辅助决策方法
CN119940695A (zh) * 2024-12-16 2025-05-06 重庆大学 基于数据驱动多项式混沌展开的电氢综合能源系统可靠性评估方法
CN119340996A (zh) * 2024-12-19 2025-01-21 国网浙江省电力有限公司浦江县供电公司 计及源荷特性的源荷储耦合调度方法和系统
CN119831462A (zh) * 2024-12-31 2025-04-15 山东大学 一种基于灵活性缺额分区评估的虚拟电厂规划方法和系统
CN120430562A (zh) * 2025-04-23 2025-08-05 国网辽宁省电力有限公司抚顺供电公司 调度方法、系统、终端及介质
CN120049525A (zh) * 2025-04-25 2025-05-27 华南理工大学 一种应对风电下爬坡的备用容量调用方法
CN120320316A (zh) * 2025-06-12 2025-07-15 北京飔合科技有限公司 一种考虑天气因素的电力负荷与电价联合预测方法及系统
CN120767863A (zh) * 2025-07-10 2025-10-10 国核电力规划设计研究院有限公司 风电波动条件下电解槽群功率分配的优化调度方法及系统
CN120527915A (zh) * 2025-07-24 2025-08-22 国电南瑞科技股份有限公司 计及多时间尺度新能源不确定性的优化调度方法及系统
CN120524340A (zh) * 2025-07-24 2025-08-22 国电南瑞科技股份有限公司 一种计及灵活资源状态的爬坡能力量化评估方法及系统
CN120728586A (zh) * 2025-08-21 2025-09-30 南京信息工程大学 一种基于风速爬坡识别与匹配的多维风电功率预测方法
CN121072897A (zh) * 2025-11-06 2025-12-05 华电电力科学研究院有限公司 多不确定性因素下风电场站停机与储能协同运行优化方法
CN121150037A (zh) * 2025-11-14 2025-12-16 国网上海市电力公司 一种考虑多能互补的虚拟电厂协调运行方法、装置及系统

Also Published As

Publication number Publication date
CN111934364A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
WO2022022101A1 (zh) 一种送端电网故障状态下紧急源网协调调峰控制方法
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
US12027857B2 (en) Method for controlling peak saving by wind power grid
CN118017573B (zh) 一种考虑灵活性供需平衡的源网荷储资源规划方法
CN118054451A (zh) 风电场群优化储能的管理方法及装置、微电网系统
CN110071530B (zh) 基于lstm的含储能电力系统风电爬坡协调调度方法
CN109713713B (zh) 一种基于机会约束凸松弛的机组启停随机优化方法
CN119726679A (zh) 一种充电桩智能控制管理平台
CN120073836B (zh) 用户侧储能集群管理系统及方法
CN112436510A (zh) 一种风-光-火特高压直流外送调度方法及系统
CN110061522B (zh) 一种风电场自动发电系统控制方法
CN118214088A (zh) 一种火电机组深度调峰的分层优化调度方法
CN115730818A (zh) 功率平衡风险指标评估方法、装置、设备及介质
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN117937559A (zh) 基于可信容量替代效应的风光火储系统多目标决策方法
CN120527915B (zh) 计及多时间尺度新能源不确定性的优化调度方法及系统
CN114881385B (zh) 考虑储能运行模式的微电网电力平衡功率确定方法及系统
CN120433318A (zh) 一种源网荷储系统运行控制方法、系统、设备及介质
CN119994899A (zh) 基于辅助服务的聚合体动态互动方法及相关装置
CN120320307A (zh) 一种基于电价弹性和可变转移率的多类型算力中心负荷协同优化运行方法
CN119695916A (zh) 一种用于农村新型电力系统的电力电量平衡方法及装置
CN111934361A (zh) 一种源网协调调峰优化策略评估方法
CN118569652A (zh) 考虑水电机组水力特性的短期调度风险管理方法及装置
CN111064187A (zh) 一种发用电的电量极限分配方法
CN115392785A (zh) 计及阻塞抵抗性的配电网阻塞调度方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21851048

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21851048

Country of ref document: EP

Kind code of ref document: A1