CN107967567B - 基于虚拟电源的风电场调度方法和*** - Google Patents

基于虚拟电源的风电场调度方法和*** Download PDF

Info

Publication number
CN107967567B
CN107967567B CN201711338928.0A CN201711338928A CN107967567B CN 107967567 B CN107967567 B CN 107967567B CN 201711338928 A CN201711338928 A CN 201711338928A CN 107967567 B CN107967567 B CN 107967567B
Authority
CN
China
Prior art keywords
wind
wind turbine
turbine generator
regulation
power supply
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.)
Expired - Fee Related
Application number
CN201711338928.0A
Other languages
English (en)
Other versions
CN107967567A (zh
Inventor
李茜
刘贵豪
张安安
王嘉糯
王鹏程
邓发强
袁进
熊钰
李茂银
柏祥
黄海涛
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.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum 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 Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN201711338928.0A priority Critical patent/CN107967567B/zh
Publication of CN107967567A publication Critical patent/CN107967567A/zh
Application granted granted Critical
Publication of CN107967567B publication Critical patent/CN107967567B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

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

Abstract

本发明公开了一种基于虚拟电源的风电场调度方法和***，能够使风电场中风电机组的损耗最小，有效地提高消纳风电的能力并降低风电场的运行成本。该方法包括：划分出运行类和调度类风电机组；分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型；基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数；在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型；接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率。

Description

基于虚拟电源的风电场调度方法和***
技术领域
本发明涉及风电调度技术领域，尤其涉及一种基于虚拟电源的风电场调度方法和***。
背景技术
为了实现对风电场有功功率的控制，风电场需安装有功功率控制***，能够接收并自动执行调度部门远方发送的有功出力控制信号，确保风电场最大输出功率及功率变化率不超过电网调度机构的给定值。在下列特定情况下，风电场应根据调度指令来控制其输出的有功功率。例如，电网故障或特殊运行方式下要求降低风电场有功功率，以防止输电线路超稳定极限运行或者线路过载，确保电力***安全稳定；当电网频率过高，常规电厂调频容量不足时，降低风电场有功功率。
以往对于风电的不确定性，只通过风电场中的风电机组的功率预测误差来表示风电的随机性，对于风电场中的风电机组的功率波动性带来的危害却没有考虑。同时风电场中的风电机组均以“被动”参与的者身份参与出力调度，即电网只能通过备用约束或通过备用约束转换得到的风险指标约束来应对风电出力的不确定性。当并网风电规模达到一定程度，若按全额收购并网风电的方式，电网运行的经济性及安全性都会受到极大的影响。
发明内容
本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种基于虚拟电源的风电场调度方法和***，能够使风电场中风电机组的损耗最小，有效地提高消纳风电的能力并降低风电场的运行成本。
为了实现上述目的，本发明采用的技术方案包括以下各方面。
基于虚拟电源的风电场调度方法，其包括：
基于风电场内的风电机组在统计时段内的出力数据，划分出运行类和调度类风电机组；分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型；基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数；在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型；接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率。
基于虚拟电源的风电场调度***，其包括通过网络连接的至少一台电子设备和一台数据库服务器；
其中，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的方法；所述数据库服务器用于存储统计时段内的出力数据。
综上所述，由于采用了上述技术方案，本发明至少具有以下有益效果：
通过将风电场中的风电机组分为运行类风电机组和调度类风电机组，并建立分类风电机组的等效虚拟电源调度模型，将运行类风电机组等效得到的虚拟电源处理为一个“负负荷”，被动地参与电网调度；将调度类风电机组等效得来虚拟电源作为“主动”电源，灵活性地参与电网调度；在此基础上构建风电场内部风电机组的出力调度模型，能够在得到风电场中风电机组最优出力计划的同时，根据调度模型生成出力计划使风电场中风电机组的损耗最小，避免了以往无论什么时候都全额收购风电对电网带来的经济性和安全性的影响，能有效地提高电网消纳风电的能力并降低风电场的运行成本。
附图说明
图1是根据本发明实施例的基于虚拟电源的风电场调度方法的流程图。
图2是根据本发明实施例的基于虚拟电源的风电场调度***的结构示意图。
具体实施方式
下面结合附图及实施例，对本发明进行进一步详细说明，以使本发明的目的、技术方案及优点更加清楚明白。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1示出了根据本发明实施例的基于虚拟电源的风电场调度方法。该实施例的方法包括：
步骤101：基于风电场内的风电机组在统计时段内的出力数据，划分出运行类和调度类风电机组
具体地，可以输入风电场内的每个风电机组在统计时段内的出力数据，通过核函数对出力数据进行概率分布拟合，获取每个风电机组出力的概率密度函数；分别根据出力的概率密度函数，计算出力概率分布的期望和方差。
将出力概率分布的期望小于或等于第一出力期望阈值(例如，0.6980)，且出力概率分布的方差大于或等于第一出力方差阈值(例如，0.5514)的风电机组分为调度类风电机组。
将出力概率分布的期望大于或等于和第二出力期望阈值(例如，0.6027)，且出力概率分布的方差小于或等于第二出力方差阈值(例如，0.5242)的风电机组分为运行类风电机组。
步骤102：分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型
运行类风电机组的出力功率大、波动小，其在调度期间一直处于运行状态，且出力等于其期望出力。由该类风电机组等效得到的虚拟电源可作为一个“负负荷”参与电网调度。调度类风电机组的出力功率相对较小，波动较大，其在调度期间根据电网下达给风电场的调度指来设置启停及出力功率。此由调度类风电机组等效得来虚拟电源具有灵活性，可主动参与电网调度。
具体地，与调度类风电机组等效的调度虚拟电源的调度模型表示为：
Figure BDA0001507947920000041
和
Figure BDA00015079479200000411
式中，
Figure BDA0001507947920000045
是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，
Figure BDA0001507947920000043
是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，
Figure BDA0001507947920000044
是该虚拟电源功率波动在t时段对上调、下调备用的需求容量，PN2为该虚拟电源的额定容量，
Figure BDA0001507947920000046
分别为该虚拟电源在t时段的上调、下调备用需求系数，
Figure BDA0001507947920000047
为该虚拟电源在t时段的预测功率，
Figure BDA0001507947920000048
该为该虚拟电源在t时段的并网功率。
与运行类风电机组等效的运行虚拟电源的调度模型表示为：
Figure BDA0001507947920000042
式中，
Figure BDA00015079479200000412
分别是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，
Figure BDA0001507947920000049
是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，
Figure BDA00015079479200000410
是该虚拟电源功率波动在t时段对上调、下调备用的需求容量。
步骤103：基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数
具体地，电场优化调度模型的目标函数表示为：
min F＝F1+F2+F3+F4
式中，F1为风电机组的运行成本；F2为运行备用费用；F3为弃风惩罚成本；F4为风电场内风电机组的损伤量。
其中，风电机组的运行成本为：
Figure BDA0001507947920000051
式中，Fc.i.i(Pi.tIi.t)为风电机组i的运行成本函数，Ii.t为风电机组i在t时段的启停状态；SUi.t、SDi.t分别为风电机组i在t时段的开机费用和关机费用；NG为常规风电机组台数；T为调度时段数。
运行备用费用为：
Figure BDA0001507947920000052
式中，cr.u.i、cr.d.i分别为风电机组i的上调、下调运行备用的报价系数；ri.u.t、ri.d.t分别为风电机组i在t时段内提供的上调、下调运行备用容量。
弃风惩罚成本为：
Figure BDA0001507947920000053
式中，cw为弃风惩罚成本系数，Pd1 wf.t、Pd2 wf.t分别为虚拟电源1、2在t时段的预测功率，Pdb1 wf.t、Pdb2 wf.t分别为虚拟电源1、2在t时段的并网功率容量。根据运行虚拟电源和调度虚拟电源的调度模型，可以获取弃风量。
风电场内风电机组的损伤量为：
Figure BDA0001507947920000061
式中，N1、N2分别为虚拟电源1、2的所包含的风电机组数；a为风电机组正常运行时的疲劳损伤，b为风电机组启动时的疲劳损伤，c为风电机组停机时的疲劳损伤，d为风电机组空转时的疲劳损伤。
步骤104：在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型
其中，平衡约束为：
Figure BDA0001507947920000062
式中，Pi.t为风电机组i在t时段的出力值(即风电机组功率值)，NG为风电机组台数；Py wf.t为与运行类风电机组等效的运行虚拟电源在t时段的预测功率；Pload.t为t时段的预测负荷；Ploss.t为t时段的网络损耗，包括风电场内有功损耗。
计及爬坡约束的风电机组出力限制约束为：
Figure BDA0001507947920000071
式中，
Figure BDA0001507947920000072
分别为风电机组i在t时段的出力值下限、上限；ri.u.t、ri.d.t为风电机组i在t时段内提供的上调、下调运行备用容量；Pi.t-1为风电机组i在t-1时段的出力值；Pi.max、Pi.min分别为风电机组i的出力上、下限；upi、dpi分别为风电机组i在调度时段内的向上、向下爬坡能力。
运行备用容量约束为：
Figure BDA0001507947920000073
式中，Ru.t、Rd.t分别为在t时段内提供的上调、下调备用容量；Rl.u.t、Rl.d.t分别为预测负荷对上调、下调运行备用容量的需求；Rf.t为事故备用需求；
Figure BDA0001507947920000074
Figure BDA0001507947920000075
分别为风电机组i在t时段内提供的上调、下调运行备用容量限值，并且：
Figure BDA0001507947920000076
具体地，可以利用Yalmip工具箱，通过MATLAB平台，调用CPLEX软件输入上述约束条件来计算风电场优化调度模型的目标函数的解。
步骤105：接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率
图2示出了根据本发明实施例的基于虚拟电源的风电场调度***，其包括通过网络320连接的至少一台电子设备310和一台数据库服务器330。
其中，所述电子设备310包括至少一个处理器311，以及与所述至少一个处理器通信连接的存储器312；所述存储器312存储有可被所述至少一个处理器311执行的指令，所述指令被所述至少一个处理器311执行，以使所述至少一个处理器311能够执行前述任一实施例所公开的方法。所述数据库服务器330用于存储统计时段内的出力数据等各种数据332。
以包括30台1.5MW风电机组的风电场作为并网风电场的调度为例，应用上述实施例的方法和***，采用修订后的IEEE6节点算例进行仿真分析。将风电场内30台风电机组分为运行类和调度类风电机组，并分别将其等效为运行虚拟电源(记为虚拟电源2)和调度虚拟电源(记为虚拟电源1)。因为风电具有较明显的反调峰特性，在负荷低谷时段风电出力大，而在负荷高峰时段风电出力小。为全面分析风电对电网运行的影响，本算例分别对负荷低谷时段(例如4～7时段)及负荷高峰时段(例如20～23时段)进行了分析。负荷低谷、高峰时段的需求负荷及虚拟电源预测功率(MW)如表1、表2所示。
表1
时段4 时段5 时段6 时段7
负荷 198 195 195 204
虚拟电源1 9.677 6.279 7.348 5.935
虚拟电源2 16.280 12.752 13.781 11.317
表2
时段20 时段21 时段22 时段23
负荷 300 291 285 270
虚拟电源1 4.037 3.820 0.413 1.064
虚拟电源2 6.838 6.120 0.911 1.126
其中，拟电源1、2的额定容量分别为10.5MW、16.5MW。网络损耗取预测负荷的5％，负荷预测误差对上调/下调运行备用容量的需求取预测值的2％，事故运行备用取预测负荷的5％，风电场的有功损耗取其装机容量的1％，并网风电对***上调/下调运行备用的需求，根据风电备用需求模型求得，其中风电功率预测误差及风电功率波动的置信度α均取为90％，风电功率波动的功率区间根据虚拟电源的历史出力波动分布统计得到，弃风惩罚成本系数根据略大于最经济一台风电机组的单位成本原则，取cw＝10。接收电网调度指令后，根据风电场优化调度模型设置风电场内风电机组的出力功率，具体地，虚拟电源1、2在负荷低谷时段及高峰时段的出力功率(MW)如表3所示。
表3
Figure BDA0001507947920000091
由表3可知，在负荷高峰时段22虚拟电源1的出力值为0，即进行了弃风，这是因为时段22风电场提供的上调备用不能满足电网的需求，如若此时通过增开调度类风电机组来满足上调备用需求，所增加的经济运行费用将远高弃风惩罚费用，所以在这个时段通过弃风来满足风电场运行的经济性。之所以会由虚拟电源1弃风是因为虚拟电源1的风电机组较虚拟电源2的风电机组出力期望值小，波动大，在进行风电场类风电机组优化调度时优先关停虚拟电源1对应的风电机组，从而有效地提高消纳风电的能力并降低风电场的运行成本。
以上所述，仅为本发明具体实施方式的详细说明，而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于虚拟电源的风电场调度方法，其特征在于，所述方法包括：
基于风电场内的风电机组在统计时段内的出力数据，划分出运行类和调度类风电机组；分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型；基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数；在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型；接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率；
所述方法包括：输入风电场内的每个风电机组在统计时段内的出力数据，通过核函数对出力数据进行概率分布拟合，获取每个风电机组出力的概率密度函数；分别根据出力的概率密度函数，计算出力概率分布的期望和方差；将出力概率分布的期望小于或等于第一出力期望阈值，且出力概率分布的方差大于或等于第一出力方差阈值的风电机组分为调度类风电机组；将出力概率分布的期望大于或等于和第二出力期望阔值，且出力概率分布的方差小于或等于第二出力方差阔值的风电机组分为运行类风电机组。
2.根据权利要求1所述的方法，其特征在于，所述调度虚拟电源的调度模型表示为：
Figure FDA0003354691280000011
和
Figure FDA0003354691280000012
式中，Rd w.u.t、Rd w.d.t是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，Rd f.u.t、Rd f.d.t是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，Rd p.u.t、Rd p.d.t是该虚拟电源功率波动在t时段对上调、下调备用的需求容量，PN2为该虚拟电源的额定容量，Qd w.u.t、Qd w.d.t分别为该虚拟电源在t时段的上调、下调备用需求系数，Pd wf.t为该虚拟电源在t时段的预测功率，Pdb wf.t该为该虚拟电源在t时段的并网功率。
3.根据权利要求2所述的方法，其特征在于，所述运行虚拟电源的调度模型表示为：
Figure FDA0003354691280000021
式中，Ry w.u.t、Ry w.d.t分别是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，Ry f.u.t、Ry f.d.t是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，Ry p.u.t、Ry p.d.t是该虚拟电源功率波动在t时段对上调、下调备用的需求容量。
4.根据权利要求1所述的方法，其特征在于，所述风电场优化调度模型的目标函数为：
min F＝F1+F2+F3+F4
式中，F1为风电机组的运行成本；F2为运行备用费用；F3为弃风惩罚成本；F4为风电场内风电机组的损伤量；
其中，风电机组的运行成本为：
Figure FDA0003354691280000022
式中，Fc.i.i(Pi.tIi.t)为风电机组i的运行成本函数，Ii.t为风电机组i在t时段的启停状态；SUi.t、SDi.t分别为风电机组i在t时段的开机费用和关机费用；NG为常规风电机组台数；T为调度时段数；
运行备用费用为：
Figure FDA0003354691280000031
式中，cr.u.i、cr.d.i分别为风电机组i的上调、下调运行备用的报价系数；ri.u.t、ri.d.t分别为风电机组i在t时段内提供的上调、下调运行备用容量；
弃风惩罚成本为：
Figure FDA0003354691280000032
式中，cw为弃风惩罚成本系数，Pd1 wf.t、Pd2 wf.t分别为虚拟电源1、2在t时段的预测功率，Pdb1 wf.t、Pdb2 wf.t分别为虚拟电源1、2在t时段的并网功率容量；
风电场内风电机组的损伤量为：
Figure FDA0003354691280000033
式中，N1、N2分别为虚拟电源1、2的所包含的风电机组数；a为风电机组正常运行时的疲劳损伤，b为风电机组启动时的疲劳损伤，C为风电机组停机时的疲劳损伤，d为风电机组空转时的疲劳损伤。
5.根据权利要求4所述的方法，其特征在于，所述平衡约束为：
Figure FDA0003354691280000034
式中，Pi.t为风电机组i在t时段的出力值，NG为风电机组台数；Py wf.t为与运行类风电机组等效的运行虚拟电源在t时段的预测功率；Pload.t为t时段的预测负荷；Ploss.t为t时段的网络损耗，包括风电场内有功损耗；
计及爬坡约束的风电机组出力限制约束为：
Figure FDA0003354691280000041
式中，
Figure FDA0003354691280000042
分别为风电机组i在t时段的出力值下限、上限；ri.u，t、ri.d.t为风电机组i在t时段内提供的上调、下调运行备用容量；Pi，t-1为风电机组i在t-1时段的出力值；Pi.max、Pi.min分别为风电机组i的出力上、下限；upi、dpi分别为风电机组i在调度时段内的向上、向下爬坡能力；
运行备用容量约束为：
Figure FDA0003354691280000043
式中，Ru.t、Rd.t分别为在t时段内提供的上调、下调备用容量；R1.u.t、R1.d.t分别为预测负荷对上调、下调运行备用容量的需求；Ry w.u.t、Ry w.d.t分别是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量；Rf.t为事故备用需求；
Figure FDA0003354691280000044
分别为风电机组i在t时段内提供的上调、下调运行备用容量限值，并且：
Figure FDA0003354691280000051
6.根据权利要求1所述的方法，其特征在于，所述方法包括：利用Yalmip工具箱，通过MATLAB平台，调用CPLEX软件来计算风电场优化调度模型的目标函数的解。
7.基于虚拟电源的风电场调度***，其特征在于，所述***包括通过网络连接的至少一台电子设备和一台数据库服务器；
其中，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法；
所述数据库服务器用于存储统计时段内的出力数据。
CN201711338928.0A 2017-12-14 2017-12-14 基于虚拟电源的风电场调度方法和*** Expired - Fee Related CN107967567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711338928.0A CN107967567B (zh) 2017-12-14 2017-12-14 基于虚拟电源的风电场调度方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711338928.0A CN107967567B (zh) 2017-12-14 2017-12-14 基于虚拟电源的风电场调度方法和***

Publications (2)

Publication Number Publication Date
CN107967567A CN107967567A (zh) 2018-04-27
CN107967567B true CN107967567B (zh) 2022-02-11

Family

ID=61995080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711338928.0A Expired - Fee Related CN107967567B (zh) 2017-12-14 2017-12-14 基于虚拟电源的风电场调度方法和***

Country Status (1)

Country Link
CN (1) CN107967567B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108808741B (zh) * 2018-07-03 2021-06-08 广东电网有限责任公司 一种安全约束经济调度方法、***、装置及可读存储介质
CN110458358B (zh) * 2019-08-13 2022-12-09 西南石油大学 计及生产工艺***约束的海上微能***优化调度方法
CN110729721B (zh) * 2019-10-22 2023-07-25 国网江西省电力有限公司经济技术研究院 电力***全局备用容量计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104734200A (zh) * 2015-03-26 2015-06-24 国家电网公司 一种基于虚拟发电的主动配电网优化调度方法
CN105048516A (zh) * 2015-08-18 2015-11-11 四川大学 一种风光水火多源互补优化调度方法
CN105631599A (zh) * 2015-12-30 2016-06-01 国网甘肃省电力公司电力科学研究院 一种虚拟电厂多目标运行调度方法
CN105743126A (zh) * 2016-04-14 2016-07-06 华南理工大学 一种实现负荷管理的微电网能量管理***
CN106548256A (zh) * 2016-12-05 2017-03-29 西南石油大学 一种风电场时空动态相关性建模的方法和***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009017939A1 (de) * 2009-04-17 2010-11-11 Nordex Energy Gmbh Windpark mit mehreren Windenergieanlagen sowie Verfahren zur Regelung der Einspeisung von einem Windpark

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104734200A (zh) * 2015-03-26 2015-06-24 国家电网公司 一种基于虚拟发电的主动配电网优化调度方法
CN105048516A (zh) * 2015-08-18 2015-11-11 四川大学 一种风光水火多源互补优化调度方法
CN105631599A (zh) * 2015-12-30 2016-06-01 国网甘肃省电力公司电力科学研究院 一种虚拟电厂多目标运行调度方法
CN105743126A (zh) * 2016-04-14 2016-07-06 华南理工大学 一种实现负荷管理的微电网能量管理***
CN106548256A (zh) * 2016-12-05 2017-03-29 西南石油大学 一种风电场时空动态相关性建模的方法和***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal Renewable Resources Mix for Distribution System Energy Loss Minimization;Y.M.Atwa等;《IEEE Transactions on Power Systems》;20100120;第25卷(第1期);第360-370页 *
基于虚拟电源配置策略的风光水火多源互补短期优化调度;曾雪婷 等;《电网技术》;20160505;第40卷(第5期);第1379-1386页 *

Also Published As

Publication number Publication date
CN107967567A (zh) 2018-04-27

Similar Documents

Publication Publication Date Title
CN104362673B (zh) 基于调峰裕度的风电并网协调调度优化方法
CN109728578B (zh) 基于牛顿法求解分位数的电力***随机动态机组组合方法
US20230009681A1 (en) Optimal dispatching method and system for wind power generation and energy storage combined system
CN108599268B (zh) 一种考虑风电场时空关联约束的日前优化调度方法
CN104092241B (zh) 一种考虑备用需求的风电消纳能力分析方法
CN107240933B (zh) 一种考虑风电功率特性的风火协调滚动调度方法
Huang et al. An endogenous approach to quantifying the wind power reserve
CN107967567B (zh) 基于虚拟电源的风电场调度方法和***
CN111555281B (zh) 一种电力***灵活性资源配置仿真方法及装置
CN108039737B (zh) 一种源网荷协调运行模拟***
CN109840636B (zh) 一种基于牛顿法的电力***随机滚动调度方法
CN109980636B (zh) 基于改进Benders分解法的风水火协调优化调度方法
CN105279707B (zh) 一种综合考虑负荷与风电时序特性的随机生产模拟方法
Zhou et al. Hierarchical unit commitment with uncertain wind power generation
CN109713713B (zh) 一种基于机会约束凸松弛的机组启停随机优化方法
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
Kushwaha et al. A novel framework to assess synthetic inertia & primary frequency response support from energy storage systems
CN107769266A (zh) 一种多时间尺度发电与备用联合优化方法
CN109787217B (zh) 基于风电多状态模型及机会成本修正的备用出清方法
CN116454944A (zh) 一种基于随机生产模拟的储能装置优化配置方法及***
CN113346541B (zh) 一种台风灾害下风电预防控制优化方法
Sang et al. Reserve scheduling in the congested transmission network considering wind energy forecast errors
CN114498625A (zh) 一种风光储一体化电源的收益预测方法及***
Liu et al. Two-stage robust optimal dispatch method considering wind power and load correlation
CN110176785A (zh) 基于风电爬坡容量模型的发电机组出力调度方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220211

CF01 Termination of patent right due to non-payment of annual fee