CN109103924B - 基于柔性分析的可再生能源消纳能力关键因素的分析方法 - Google Patents
基于柔性分析的可再生能源消纳能力关键因素的分析方法 Download PDFInfo
- Publication number
- CN109103924B CN109103924B CN201810846610.1A CN201810846610A CN109103924B CN 109103924 B CN109103924 B CN 109103924B CN 201810846610 A CN201810846610 A CN 201810846610A CN 109103924 B CN109103924 B CN 109103924B
- Authority
- CN
- China
- Prior art keywords
- renewable energy
- power
- flexible
- energy consumption
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 65
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 238000000556 factor analysis Methods 0.000 claims abstract description 5
- 238000004146 energy storage Methods 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 25
- 230000009194 climbing Effects 0.000 claims description 24
- 238000006467 substitution reaction Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 6
- GHIVDTCFLFLOBV-UHFFFAOYSA-N 2-(diethylamino)ethyl 2-acetyloxybenzoate Chemical compound CCN(CC)CCOC(=O)C1=CC=CC=C1OC(C)=O GHIVDTCFLFLOBV-UHFFFAOYSA-N 0.000 claims description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 description 6
- 230000035699 permeability Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- H02J3/382—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力***中可再生能源并网仿真计算技术领域,是一种基于柔性分析的可再生能源消纳能力关键因素的分析方法,包括建立基于时序生产模拟的可再生能源消纳能力评估模型;在可再生能源消纳能力评估模型中的控制变量的基础上,引入柔性参数计入目标函数中;建立可再生能源消纳能力柔性优化模型;根据输入的不同柔性参数,构建不同侧重点的场景,以用于反应不同的柔性约束对可再生能源消纳能力的关键因素分析。本发明由于采用时序生产模拟的方法从源网荷储多个方面入手建立可再生能源消纳能力评估模型,并引入柔性参数对各影响因素进行量化分析,在消纳量最大和经济性最好之间进行最优权衡。为科学合理开发可再生能源提供理论依据。
Description
技术领域
本发明涉及电力***中可再生能源并网仿真计算技术领域,是一种基于柔性分析的可再生能源消纳能力关键因素的分析方法。
背景技术
现有技术中可再生能源是能源供应体系的重要组成部分。目前,全球可再生能源开发利用规模不断扩大,应用成本快速下降,发展可再生能源已成为许多国家推进能源转型的核心内容和应对气候变化的重要途径,也是我国推进能源生产和消费革命、推动能源转型的重要措施。“十二五”期间,我国可再生能源发展迅速,为我国能源结构调整做出了重要贡献。“十三五”时期是落实******提出的“四个革命、一个合作”能源发展战略的关键时期。为实现2020年和2030年非化石能源分别占一次能源消费比重15%和20%的目标,加快建立清洁低碳的现代能源体系,促进可再生能源产业持续健康发展,近年来我国可再生能源发展势头迅猛。
2017年我国可再生能源新增装机首次超过火电,截止2017年底,可再生能源发电累计装机容量29393万千瓦,占全国电源装机容量的17%,新能源发电新增装机容量6809万千瓦,占全国电源新增装机容量的52%。但是,国内诸多地区的可再生能源装机容量已经超过了消纳可再生能源的最大能力,并且由于可再生能源发电功率的随机性、波动性、间歇性以及本地电源结构、输电通道、负荷需求等多方面的影响,导致我国弃风弃光现象十分严峻。2015年、2016年,我国全国平均弃风率均处高位,分别为15.2%和17%。2017年,我国弃风电量和弃光电量分别达到了419亿千瓦时、73亿千瓦时,弃风率和弃光率同比明显下降,但仍分别达到了12%和6%。
大力开发利用可再生能源是未来能源发展的必然趋势,但盲目的增加可再生能源会对电网产生不利的影响。
发明内容
本发明提供了一种基于柔性分析的可再生能源消纳能力关键因素的分析方法,克服了上述现有技术之不足,其能有效解决发电功率陡增、陡降造成的电网运行安全稳定性的问题;进一步解决了发电功率频繁波动引起的电力***的灵活性不足,进而导致弃风、弃光的经济性的问题。
本发明的技术方案是通过以下措施来实现的:基于柔性分析的可再生能源消纳能力关键因素的分析方法,包括以下步骤:
步骤1:建立基于时序生产模拟的可再生能源消纳能力评估模型,设定电量评估指标为可再生能源消纳能力的评估指标,公式如下:
对可再生能源消纳能力评估模型优化后,可再生能源消纳量的目标函数为:
其中,x、u分别为控制变量和状态变量向量;g(x,u)、h(x,u)分别为等式约束和不等式约束;
步骤2:在可再生能源消纳能力评估模型中的控制变量的基础上,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中:以总发电成本作为衡量***经济性的标准,总发电成本的公式为:
其中,ai、bi、ci为火电机组i的发电成本系数,di为可再生能源的发电成本系数,λj为改变柔性参数的成本增量,Δxj为第j个柔性参数的增量;
考虑电力***运行的经济性后,总发电成本的目标函数为:
步骤3:建立可再生能源消纳能力柔性优化模型;即建立基于柔性分析的双目标优化模型,达到可再生能源消纳量最大、总发电成本最小,公式如下:
式中,其中,x为控制变量,u为状态变量向量,g(x,u)、h(x,u)分别为等式约束和不等式约束,Δg和Δh分别为等式约束和不等式约束的柔性约束边界,在柔性优化模型中Δg和Δh分别为取值可变的参数;
步骤4:根据输入的不同柔性参数,构建不同侧重点的场景,以用于反应不同的柔性约束对可再生能源消纳能力的关键因素分析,从而获得分析结果以用于指导实践。
构建不同场景,输入场景中负荷、电源装机、网架结构等参数,在此基础上求解优化模型,并对各场景中可再生能源消纳能力的关键因素进行分析。
下面是对上述发明技术方案的进一步优化或/和改进:
上述步骤1中,可再生能源消纳能力评估模型的目标函数以电量指标为准,约束条件包括等式约束条件和非等式约束条件:
其中,等式约束条件包括:
(1)节点平衡约束:
(2)考虑电能替代约束:
不等式约束条件包括:
(1)机组出力及爬坡约束:
(2)区域间联络线约束:
(3)最大负荷时刻机组旋转备用约束:
∑PLoad+H≤∑PGen (13)
其中,H为备用容量;
(4)考虑储能约束:
(5)相角约束:
θmin≤θi≤θmax (16)
式中,θ为母线i的相角,θmin、θmax分别为母线相角的最小值与最大值。
上述步骤2中,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中,根据可再生能源消纳能力关键因素分析,引入柔性变量的约束条件具体描述为:
(1)机组出力及爬坡约束:
其中,ΔPr,i为可再生能源机组出力边界值的增量,与可再生能源装机容量直接相关;ΔPG,i,-、PG,i,+为灵活机组出力边界值的减量与增量;ΔRampu、ΔRampd分别为机组向上爬坡与向下爬坡边界值的增量;
(2)区域间联络线约束:
其中,ΔPLine,-、ΔPLine,+为区域间联络线输送功率的减量与增量,送出为正;ΔPij,-、ΔPij,+为联络线交换功率边界值的减量与增量;为t时刻线路传输功率,Pij,minPij,max为线路潮流边界值;
(3)考虑电能替代约束:
其中,ΔED为替代电量的增量;
(4)考虑储能约束:
其中,ΔPS,i,-、ΔPS,i,+为输出功率边界值减量与增量;ΔEs,i,-、ΔEs,i,+为储能电量约束边界减量与增量。
上述步骤4中,不同的柔性约束对可再生能源消纳能力的关键因素分析包括:
(1)根据至少一个柔型参数构建不同的场景,求解优化模型;
(2)针对单一柔性参数对可再生能源消纳能力影响进行分析,或综合多个场景,通过多个柔性变量的设置考虑各因素联合对可再生能源消纳能力的影响;
(3)从可再生能源的消纳量和柔性参数改变的总发电成本经济性两方面对可再生能源消纳能力的关键因素进行分析,各因素对消纳能力影响的贡献度表示为:
其中,单一因素的贡献度越大,表示该因素对可再生能源消纳能力的影响力越大,该单一因素作为用来分析影响可再生能源消纳能力的关键因素;
(4)将各个柔性参数联系在一起,考虑其相互制约,从而达到综合趋优的目的:
其中,Δ1,…,Δi为柔性变量的优化结果,表示各因素最佳的改善取值,多个因素共同提升消纳能力时,通过优化模型得出电网最佳的源网荷改善策略。
本发明通过采用时序生产模拟的方法从源网荷储多个方面入手建立可再生能源消纳能力评估模型,并引入柔性参数对各影响因素进行量化分析,在消纳量最大和经济性最好之间进行最优权衡。通过对不同场景中输入参数的设置可以根据贡献度直观的分析各因素对可在生能源消纳能力的影响。此外,还可以同时对多个柔性参数进行设置来反映其共同对消纳能力的影响,为科学合理开发可再生能源提供理论依据。
附图说明
附图1为本发明实施例1的方法流程图。
附图2为本发明实施例2的可再生能源消纳能力机理分析图。
具体实施方式
本发明不受下述实施例的限制,可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述:
实施例1:如附图1、2所示,包括以下步骤:步骤1:建立基于时序生产模拟的可再生能源消纳能力评估模型,设定电量评估指标为可再生能源消纳能力的评估指标,公式如下:
对可再生能源消纳能力评估模型优化后,可再生能源消纳量的目标函数为:
其中,x、u分别为控制变量和状态变量向量;g(x,u)、h(x,u)分别为等式约束和不等式约束;
步骤2:在可再生能源消纳能力评估模型中的控制变量的基础上,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中:以总发电成本作为衡量***经济性的标准,总发电成本的公式为:
式中ai、bi、ci为火电机组i的发电成本系数,di为可再生能源的发电成本系数,λj为改变柔性参数的成本增量,Δxj为第j个柔性参数的增量;
考虑电力***运行的经济性后,总发电成本的目标函数为:
步骤3:建立可再生能源消纳能力柔性优化模型;即建立基于柔性分析的双目标优化模型,达到可再生能源消纳量最大、总发电成本最小,公式如下:
其中,其中,x为控制变量,u为状态变量向量,g(x,u)、h(x,u)分别为等式约束和不等式约束,Δg和Δh分别为等式约束和不等式约束的柔性约束边界,在柔性优化模型中Δg和Δh分别为取值可变的参数;
步骤4:根据输入的不同柔性参数,构建不同侧重点的场景,以用于反应不同的柔性约束对可再生能源消纳能力的关键因素分析,从而获得分析结果以用于指导实践。
构建不同场景,输入场景中负荷、电源装机、网架结构等参数,在此基础上求解优化模型,并对各场景中可再生能源消纳能力的关键因素进行分析。
可根据实际需要,对上述基于柔性分析的可再生能源消纳能力关键因素的分析方法作进一步优化或/和改进:
如附图1所示,步骤1中,可再生能源消纳能力评估模型的目标函数以电量指标为准,约束条件包括等式约束条件和非等式约束条件:
其中,等式约束条件包括:
(1)节点平衡约束:
(2)考虑电能替代约束:
不等式约束条件包括:
(1)机组出力及爬坡约束:
(2)区域间联络线约束:
(3)最大负荷时刻机组旋转备用约束:
∑PLoad+H≤∑PGen (13)
其中,H为备用容量;
(4)考虑储能约束:
(5)相角约束:
θmin≤θi≤θmax (16)
式中,θ为母线i的相角,θmin、θmax分别为母线相角的最小值与最大值。
如附图1所示,步骤2中,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中,根据可再生能源消纳能力关键因素分析,引入柔性变量的约束条件具体描述为:
(1)机组出力及爬坡约束:
其中,ΔPr,i为可再生能源机组出力边界值的增量,与可再生能源装机容量直接相关;ΔPG,i,-、PG,i,+为灵活机组出力边界值的减量与增量;ΔRampu、ΔRampd分别为机组向上爬坡与向下爬坡边界值的增量;
(2)区域间联络线约束:
其中,ΔPLine,-、ΔPLine,+为区域间联络线输送功率的减量与增量,送出为正;ΔPij,-、ΔPij,+为联络线交换功率边界值的减量与增量;为t时刻线路传输功率,Pij,minPij,max为线路潮流边界值;
(3)考虑电能替代约束:
其中,ΔED为替代电量的增量;
(4)考虑储能约束:
其中,ΔPS,i,-、ΔPS,i,+为输出功率边界值减量与增量;ΔEs,i,-、ΔEs,i,+为储能电量约束边界减量与增量。
如附图1所示,步骤4中,不同的柔性约束对可再生能源消纳能力的关键因素分析包括:
(1)根据至少一个柔型参数构建不同的场景,求解优化模型;
(2)针对单一柔性参数对可再生能源消纳能力影响进行分析,或综合多个场景,通过多个柔性变量的设置考虑各因素联合对可再生能源消纳能力的影响;
(3)从可再生能源的消纳量和柔性参数改变的总发电成本经济性两方面对可再生能源消纳能力的关键因素进行分析,各因素对消纳能力影响的贡献度表示为:
其中,单一因素的贡献度越大,表示该因素对可再生能源消纳能力的影响力越大,该单一因素作为用来分析影响可再生能源消纳能力的关键因素;Δx为柔性参数的增量;
(4)将各个柔性参数联系在一起,考虑其相互制约,从而达到综合趋优的目的:
其中,Δ1,…,Δi为柔性变量的优化结果,表示各因素最佳的改善取值,多个因素共同提升消纳能力时,通过优化模型得出电网最佳的源网荷改善策略。
实施例2:如图2所示,在满足安全性的基础上新建电网应尽可能的消纳可再生能源,为合理开发区域电网中可再生能源,评估电网的消纳能力。而电网新能源消纳能力涉及源网荷三方面。
影响消纳能力的因素主要有可再生能源装机、多种可再生能源接入比例、可再生能源状况、传统机组爬坡速率以及装机容量、调峰系数等电源侧因素。而线路以及区域间联络线传输功率等网架侧因素也将影响可再生能源消纳能力。另外,考虑负荷时序特性以及电能替代、负荷增长、储能容量等因素,体现负荷侧对区域电网可再生能源消纳能力的影响。
如图2所示:可再生能源消纳能力机理分析:
由于大规模可再生能源的接入,灵活性电源不仅要跟随负荷变化,还要平衡风光的出力波动。当风光出力超过***灵活性调节范围时就会产生弃风、弃光现象。图2中为24个时段的功率曲线,05:00—06:00时段,可再生能源出力陡升,而此时***中灵活性电源向下调节能力有限,因此导致可再生能源削减功率增加。而灵活性机组降低到最小技术出力时,往往是出现弃风弃光的高峰期。如图2中06:00—18:00时段,由于灵活性机组最小技术出力与可再生能源出力间的矛盾,导致了大量的弃风、弃光,此时可以通过配置储能将多余的电能储存起来,以提高可再生能源利用率。此外,当风、光资源较好,可再生能源理论发电功率超过线路允许传输功率时,也会导致可再生能源功率削减,针对该情况,除了增加储能装置外,还可通过线路扩容或电网互联来提升可再生能源的消纳能力。
实施例3:如表1所示,基础场景的设置如表1所示:构建侧重点不同的场景来体现源网荷等不同柔性约束对消纳能力的影响。输入场景中负荷、电源装机、网架结构等参数,如:最高负荷、全天用电量、灵活性电源装机、可再生能源装机、可再生能源渗透率、风电与光伏装机比例、灵活性电源爬坡速率、灵活性电源备用容量、灵活性机组调峰深度等。
在基础场景的基础上,改变其中的一个或多个约束条件设置的场景可包括以下几种场景:
(1)可再生能源场景
区域内电网可再生能源接纳能力研究中,假设该地区可再生能源最大利用小时数已知,并且基本保持不变。以可再生装机量以及装机比例为控制变量,研究消纳能力评估变化趋势,如在渗透率为200%的前提下,将风电接入比例分为0%、50%和100%三种情况,计算可再生能源的消纳能力。
(2)基于灵活性电源对于消纳能力影响分析,在该场景下主要考虑灵活性爬坡能力以及调峰深度两个因素。研究调峰深度在多种爬坡环境下可再生能源评估指标的变化趋势,其中将爬坡能力分为无爬坡能力以及最大爬坡能力两种,调峰深度刻画限制机组最小出力。计算可再生能源的消纳能力。
(3)负荷侧储能场景中考虑电能替代、储能配置,评估电网可再生能源接纳能力。其中电能替代水平增加负荷电量,储能配置提高消纳能力。
以上技术特征构成了本发明的实施例,其具有较强的适应性和实施效果,可根据实际需要增减非必要的技术特征,来满足不同情况的需求。
表1 基础场景设置
场景参数 | 参数设置 |
可再生能源渗透率 | 200% |
风电与光伏装机比例 | 1:1 |
灵活性电源爬坡速率 | 100% |
灵活性电源备用容量/MW | 50MW |
灵活性机组调峰深度 | 100% |
电能替代率 | 0 |
储能配置 | 0MWh/50MW |
Claims (3)
1.一种基于柔性分析的可再生能源消纳能力关键因素的分析方法,其特征在于包括以下步骤:
步骤1:建立基于时序生产模拟的可再生能源消纳能力评估模型,设定电量评估指标为可再生能源消纳能力的评估指标,公式如下:
对可再生能源消纳能力评估模型优化后,可再生能源消纳量的目标函数为:
其中,x、u分别为控制变量和状态变量向量;g(x,u)、h(x,u)分别为等式约束和不等式约束;
步骤2:在可再生能源消纳能力评估模型中的控制变量的基础上,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中:以总发电成本作为衡量***经济性的标准,总发电成本的公式为:
其中,ai、bi、ci为火电机组i的发电成本系数;di为可再生能源的发电成本系数;λj为改变柔性参数的成本增量;Δxj为第j个柔性参数的增量;
考虑电力***运行的经济性后,总发电成本的目标函数为:
步骤3:建立可再生能源消纳能力柔性优化模型;即建立基于柔性分析的双目标优化模型,达到可再生能源消纳量最大、总发电成本最小,公式如下:
其中,x为控制变量,u为状态变量向量,g(x,u)、h(x,u)分别为等式约束和不等式约束;Δg和Δh分别为等式约束和不等式约束的柔性约束边界,在柔性优化模型中Δg和Δh分别为取值可变的参数;
步骤4:根据输入的不同柔性参数,构建不同侧重点的场景,以用于反应不同的柔性约束对可再生能源消纳能力的关键因素分析,从而获得分析结果以用于指导实践,其中不同的柔性约束对可再生能源消纳能力的关键因素分析包括:
(1)根据至少一个柔型参数构建不同的场景,求解优化模型;
(2)针对单一柔性参数对可再生能源消纳能力影响进行分析,或综合多个场景,通过多个柔性变量的设置考虑各因素联合对可再生能源消纳能力的影响;
(3)从可再生能源的消纳量和柔性参数改变的总发电成本经济性两方面对可再生能源消纳能力的关键因素进行分析,各因素对消纳能力影响的贡献度表示为:
其中,单一因素的贡献度越大,表示该因素对可再生能源消纳能力的影响力越大,该单一因素作为用来分析影响可再生能源消纳能力的关键因素;
(4)将各个柔性参数联系在一起,考虑其相互制约,从而达到综合趋优的目的:
其中,Δ1,…,Δi为柔性变量的优化结果,表示各因素最佳的改善取值,多个因素共同提升消纳能力时,通过优化模型得出电网最佳的源网荷改善策略。
2.根据权利要求1所述的基于柔性分析的可再生能源消纳能力关键因素的分析方法,其特征在于步骤1中,可再生能源消纳能力评估模型的目标函数以电量指标为准,约束条件包括等式约束条件和非等式约束条件:
其中,等式约束条件包括:
(1)节点平衡约束:
(2)考虑电能替代约束:
不等式约束条件包括:
(1)机组出力及爬坡约束:
(2)区域间联络线约束:
(3)最大负荷时刻机组旋转备用约束:
∑PLoad+H≤∑PGen (13)
其中,H为备用容量;
(4)考虑储能约束:
(5)相角约束:
θmin≤θi≤θmax (16)
其中,θi为母线i的相角;θmin、θmax分别为母线相角的最小值与最大值。
3.根据权利要求2所述的基于柔性分析的可再生能源消纳能力关键因素的分析方法,其特征在于步骤2中,引入柔性参数并将其量化为惩罚成本计入考虑电力***经济调度的目标函数中,根据可再生能源消纳能力关键因素分析,引入柔性变量的约束条件具体描述为:
(1)机组出力及爬坡约束:
其中,ΔPr,i为可再生能源机组出力边界值的增量,与可再生能源装机容量直接相关;ΔPG,i,-、PG,i,+为灵活机组出力边界值的减量与增量;ΔRampu、ΔRampd分别为机组向上爬坡与向下爬坡边界值的增量;
(2)区域间联络线约束:
其中,ΔPLine,-、ΔPLine,+为区域间联络线输送功率的减量与增量,送出为正;ΔPij,-、ΔPij,+为联络线交换功率边界值的减量与增量;为t时刻线路传输功率,Pij,min Pij,max为线路潮流边界值;
(3)考虑电能替代约束:
其中,ΔED为替代电量的增量;
(4)考虑储能约束:
其中,ΔPS,i,-、ΔPS,i,+为输出功率边界值减量与增量;ΔEs,i,-、ΔEs,i,+为储能电量约束边界减量与增量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846610.1A CN109103924B (zh) | 2018-07-27 | 2018-07-27 | 基于柔性分析的可再生能源消纳能力关键因素的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846610.1A CN109103924B (zh) | 2018-07-27 | 2018-07-27 | 基于柔性分析的可再生能源消纳能力关键因素的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109103924A CN109103924A (zh) | 2018-12-28 |
CN109103924B true CN109103924B (zh) | 2022-06-07 |
Family
ID=64847908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810846610.1A Active CN109103924B (zh) | 2018-07-27 | 2018-07-27 | 基于柔性分析的可再生能源消纳能力关键因素的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109103924B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109950897A (zh) * | 2019-02-18 | 2019-06-28 | 中国电力科学研究院有限公司 | 一种微能源网络的运行方法及*** |
CN109993407B (zh) * | 2019-02-28 | 2021-06-22 | 重庆大学 | 考虑弹性空间的可再生能源消纳能力静态等值评估方法 |
CN112103989B (zh) * | 2019-12-09 | 2023-07-04 | 沈阳工业大学 | 一种考虑多类型负荷调控能力的新能源消纳贡献量化方法 |
CN111401756B (zh) * | 2020-03-19 | 2023-12-05 | 国家电网公司西南分部 | 一种涉及网、源、荷分析的风光消纳评价的方法 |
CN112270096B (zh) * | 2020-10-29 | 2022-12-16 | 国网甘肃省电力公司电力科学研究院 | 促进新能源消纳的灵活性资源贡献度求解方法 |
CN113313351B (zh) * | 2021-04-26 | 2023-05-09 | 山东大学 | 计及多能耦合影响的电-气-热***灵活性评估方法 |
CN113381400B (zh) * | 2021-05-28 | 2022-09-27 | 国网青海省电力公司 | 储能消纳新能源能力评估方法和装置 |
CN114928113A (zh) * | 2022-05-07 | 2022-08-19 | 国网河北省电力有限公司建设公司 | 一种发电成本调控方法、装置、介质以及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网***容量优化配置方法 |
CN107832919A (zh) * | 2017-10-17 | 2018-03-23 | 国网江苏省电力公司盐城供电公司 | 一种用于间歇性可再生能源接入电网的源网荷协调控制*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9906038B2 (en) * | 2015-01-29 | 2018-02-27 | Cyboenergy, Inc. | Smart renewable power generation system with grid and DC source flexibility |
-
2018
- 2018-07-27 CN CN201810846610.1A patent/CN109103924B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
CN107832919A (zh) * | 2017-10-17 | 2018-03-23 | 国网江苏省电力公司盐城供电公司 | 一种用于间歇性可再生能源接入电网的源网荷协调控制*** |
CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网***容量优化配置方法 |
Non-Patent Citations (2)
Title |
---|
"发电侧与用电侧参与电能替代的效益分析与优化研究";王冠;《中国博士学位论文全文数据库 经济与管理科学辑》;20180215(第2期);J150-19 * |
"需求响应参与清洁能源集成消纳与效益评价模型研究";鞠立伟;《中国博士学位论文全文数据库 经济与管理科学辑》;20171215(第12期);J150-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN109103924A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109103924B (zh) | 基于柔性分析的可再生能源消纳能力关键因素的分析方法 | |
CN109523128B (zh) | 一种促进消纳的可再生能源容量配置方法 | |
WO2021088442A1 (zh) | 协调控制风电场无功电压的方法和*** | |
CN103762620B (zh) | 基于预测调节性能和安全约束的新能源并网功率控制方法 | |
Xu et al. | A day-ahead economic dispatch method considering extreme scenarios based on wind power uncertainty | |
CN108092324B (zh) | 一种风电参与调峰调频的agc控制***和控制方法 | |
CN113644670B (zh) | 一种储能容量优化配置的方法及*** | |
CN104009499A (zh) | 一种解决风电并网***潮流不均衡的调度方法 | |
CN107994618B (zh) | 配电网级光储集群的有功功率调度方法和配电网测控设备 | |
CN105826946B (zh) | 大规模光伏接入的配电网动态无功优化方法 | |
CN105207207A (zh) | 基于能量管理的孤网状态下的微电网***调度方法 | |
CN114465246A (zh) | 一种计及调速器死区与限幅环节的机组组合优化方法 | |
CN113313351B (zh) | 计及多能耦合影响的电-气-热***灵活性评估方法 | |
CN114825469A (zh) | 一种分布式电源集群出力评估方法及*** | |
CN105762806B (zh) | 一种大规模区外来电下电网内外电源协调运行方法 | |
CN108695893B (zh) | 一种省级电网新能源弃电量影响因素分解方法 | |
CN114301071A (zh) | 适应全调度周期考核模式的风电场计划偏差率整定方法 | |
CN116581775A (zh) | 一种考虑核电调峰的电力电量平衡分析方法及*** | |
CN110994695A (zh) | 配电网的日内优化调度方法和*** | |
CN105095999A (zh) | 一种基于改进轻鲁棒模型的分布式发电站规划方法 | |
CN115663791A (zh) | 基于运行环境时变性的智能配电网多目标自适应调度方法 | |
CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
CN112039057B (zh) | 一种基于两阶段调度的低电压治理方法 | |
ZHANG et al. | A Robust Reserve Scheduling Method Considering Wind Turbine Generator’s De-loading Control | |
Bixiong et al. | Carbon Emission Reduction Benefits considering the Coordinated Dispatching of EVs and Wind power |
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 |