CN109217291A - 考虑削峰填谷模型的电气互联***多目标优化方法 - Google Patents
考虑削峰填谷模型的电气互联***多目标优化方法 Download PDFInfo
- Publication number
- CN109217291A CN109217291A CN201810988858.1A CN201810988858A CN109217291A CN 109217291 A CN109217291 A CN 109217291A CN 201810988858 A CN201810988858 A CN 201810988858A CN 109217291 A CN109217291 A CN 109217291A
- Authority
- CN
- China
- Prior art keywords
- power
- natural gas
- formula
- node
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 236
- 239000003345 natural gas Substances 0.000 claims description 118
- 239000007789 gas Substances 0.000 claims description 90
- 230000005611 electricity Effects 0.000 claims description 76
- 230000005540 biological transmission Effects 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 6
- 239000000567 combustion gas Substances 0.000 claims description 4
- 238000005553 drilling Methods 0.000 claims description 4
- 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 description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005684 electric field Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910052796 boron Inorganic materials 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H02J3/386—
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种考虑削峰填谷模型的电气互联***多目标优化方法,包括:建立电气互联***的削峰填谷模型,模型采用目标加权法的遗传算法进行优化。本发明建立了电气互联***的削峰填谷模型,设计了基于目标加权法的遗传算法,通过算例验证模型具有良好的平滑净负荷波动的能力,并在权值比不同的情况下,进行***削峰填谷效果和经济性能的协调分析。
Description
技术领域
本发明涉及一种能源互联网的节能环保技术,特别是一种考虑削峰填谷模型的电气互联***多目标优化方法。
背景技术
经过连续多年爆发式增长,我国出现了严重的弃风现象,制约风电行业发展。2012年我国弃风率达17.12%,成为有史以来弃风最为严重的一年。2016年7月,国家能源局发布《关于建立监测预警机制促进风电产业持续健康发展的通知》,风电投资监测预警机制启动。此外,风电会间接拉大电网的峰谷差,增大有功调度控制的难度。
能源互联网有望解决新能源接入的矛盾。能源互联网是以电力***为核心,以互联网及其他前沿信息技术为基础,以分布式可再生能源为主要一次能源,与天然气网络、交通网络等其他***紧密耦合而形成的复杂多网流***。电气互联***则是能源互联网的基础和过渡。随着天然气开采技术的发展,天然气的成本有所下降,在发电行业的渗透率趋于提高。另一方面,电转气(P2G)技术逐渐成熟,P2G技术是指利用电能将水和二氧化碳转化为氢气或甲烷的过程,可将可再生能源的富余出力转化为天然气进行存储。因此,电力***和天然气***的耦合程度随之加深,构成了能量可以双向流动的闭环***。
目前高空作业领域的危险系数特别大,景区清洁人员长期处于高强度的工作压力下,生命安全往往得不到很好的保障,尽管四轴飞行器的应用前景十分广泛,但是在高空垃圾清除作业领域,对于悬崖等特定环境的垃圾清除装置更是屈指可数。
发明内容
本发明的目的在于提供一种考虑削峰填谷模型的电气互联***多目标优化方法,包括:建立电气互联***的削峰填谷模型;模型采用目标加权法的遗传算法进行优化。
采用上述方法电气互联***的削峰填谷模型包括目标函数和约束条件;目标函数包括削峰填谷效果最好目标和电气互联***的运行成本目标;约束条件包括电力***和天然气***各自的物理运营约束;电力***的物理运营约束包括:电力***节点在某一时刻的有功功率平衡约束,输电线路传输的有功功率的变化,输电线路受到输送功率上下限的约束,电压相位角的约束,电力***对备用容量的限制,天然气输入功率和燃气轮机组电力有功功率输出的转换关系,燃气轮机组输出功率的约束,外网联络节点输出功率的约束,风电场输出功率的约束;天然气***物理运营约束包括:天然气***节点在某一时刻存在功率平衡约束,天然气管道受到输送功率上下限的约束,天然气储气罐对存储容量的限制,天然气***对备用容量的限制,风电输入功率和电转气设备天然气输出功率的转换关系,天然气供给站输出功率的约束。
采用上述方法,目标函数包括削峰填谷效果最好目标和电气互联***的运行成本目标,具体为式(1)
其中,crun(τ)为τ时刻的电气互联***运行总成本,Pnet(τ)为τ时刻电力***的净负荷,β和γ分别为两个目标的权重;
其中,电气互联***的运行成本目标Crun(τ)如式(2)
ΦTPU、ΦEe、ΦNGS、ΦGST、ΦWF和ΦP2G分别为已存在的燃气轮机组、外网联络点、天然气供给站、天然气储气罐、风电场和电转气设备的集合,Cu,i、Ce,i、Cs,m、Cgs,m、Cw,k和CP2G,p分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p的每小时单位出力成本,Pu,i(τ)、Pe,i(τ)、Qs,m(τ)、Qgs,m(τ)、Pw,k(τ)和PP2G,p(τ)分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p在τ时刻的小时出力,δw,k为风电场k的弃风率;
其中,削峰填谷效果最好目标Pnet(τ)如式(3)
其中,PL,i(τ)为节点i在τ时刻的有功负荷。
采用上述方法,所述电力***物理运营约束包括式(4)至式(12)
xijPl,ij(τ)=θi(τ)-θj(τ) (5)
Pu,i(τ)=φu,iQg,i(τ) (9)
其中,式(4)为电力***节点i在τ时刻的有功功率平衡约束,ΦTL为已存在的输电线路集合,Pl,ij(τ)为电力***ij节点间输电线路在τ时刻传输的有功功率,
式(5)为输电线路传输的有功功率的变化,xij表示电力***ij节点间输电线路的电抗参数,θi(τ)和θj(τ)分别表示电力***节点i和j在τ时刻的电压相位角,
式(6)为输电线路受到输送功率上下限的约束,和Pl,ij分别表示电力***ij节点间输电线路的传输有功功率上下限,
式(7)对电压相位角的约束,和θi分别表示电力***节点i的电压相位角上下限,
式(8)为电力***对备用容量的限制,ΦEn表示电力***的节点集合,表示燃气轮机组i的最大出力;表示外网联络点i的最大出力,表示风电场i的最大出力,PR表示电力***的备用容量,
式(9)为天然气输入功率和燃气轮机组电力有功功率输出的转换关系,φu,i表示燃气轮机组i的转换效率;Qg,i(τ)为燃气轮机组i在τ时刻的天然气输入功率,
式(10)为燃气轮机组输出功率的约束,和Pu,i分别表示燃气轮机组i的有功出力上下限,
式(11)为外网联络节点输出功率的约束,和Pe,i分别表示外网联络节点i的有功出力上下限,
式(12)为风电场输出功率的约束,和Pw,k分别表示风电场i的有功出力上下限。
采用上述方法,所述天然气***物理运营约束包括式(13)至式(18)
其中,式(13)为天然气***节点m在τ时刻存在功率平衡约束,ΦNGP表示已存在的天然气管道集合,QP2G,m(τ)为电转气设备在τ时刻在节点m转换得到的天然气功率,Qg,m(τ)为在τ时刻在节点m燃气轮机组消耗的天然气功率,QL,m(τ)为在τ时刻节点m的天然气负荷功率,Qc,mn(τ)为节点mn间天然气管道在τ时刻的传输功率,
式(14)为天然气管道受到输送功率上下限的约束,和Qc,mn分别表示节点mn间天然气管道在τ时刻的传输功率上下限,
式(15)为天然气储气罐对存储容量的限制,和Qgs,m分别表示天然气储气罐的存储容量上下限,
式(16)为天然气***对备用容量的限制,ΦGn表示天然气***的节点集合,Qs,m表示天然气供给站m的最大输出功率,Qgs,m表示天然气储气罐m的最大输出功率,QP2G,m表示电转气设备在节点m转换得到的最大天然气功率;QR表示天然气***的备用容量,
式(17)为风电输入功率和电转气设备天然气输出功率的转换关系,表示电转气设备m的转换效率;PP2G,m(τ)为τ时刻输入电转气设备m的风电功率,
式(18)为天然气供给站输出功率的约束,和Qs,m分别为天然气供给站m的输出功率上下限。
采用上述方法,遗传算法如式(19)
其中,X=(X1,X2,...,Xn)T是Rn空间的n维向量,称X所在的空间D为问题的决策空间;fi(X)(i=1,2,...,m)为问题子目标函数,问题子目标函数之间是相互冲突的,即不存在X∈Ω使(f1(X),f2(X),...,fm(X))在X处同时取最小值;m维向量(f1(X),f2(X),...,fm(X))所在的空间为问题的目标空间,gi(X)≤0(i=1,2,...,p)为约束条件。
本发明建立了电气互联***的削峰填谷模型,设计了基于目标加权法的遗传算法,通过算例验证模型具有良好的平滑净负荷波动的能力,并在权值比不同的情况下,进行***削峰填谷效果和经济性能的协调分析。通过电转气和燃气轮机的协调配合,实现风电出力时空平移,有效平滑净负荷曲线。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1是本发明中削峰填谷原理示意图。
图2是电气***和天然气***耦合拓补图。
图3是日电负荷、风电场出力、天然气负荷曲线示意图。
图4是遗传算法迭代曲线图,其中β/γ=0.1。
图5是日净负荷、燃气轮机组出力、电转气功率曲线示意图。
图6是不同β/γ情况下,净负荷方差和、净负荷最大峰谷差、运行成本、弃风成本变化曲线图。
图7是本发明的方法流程示意图。
具体实施方式
参照图1至图7,一种考虑削峰填谷模型的电气互联***多目标优化方法,包括电气互联***的削峰填谷模型和基于目标加权法的遗传算法。
参照图1,所述削峰填谷方法为:与传统的电负荷削峰填谷不同,本发明将电转气功率、燃气轮机出力和风电场出力均看成广义的电负荷,定义电负荷、电转气功率与燃气轮机出力、风电场出力的差为净负荷,对净负荷进行协调削峰填谷。通过协调***的电源侧和负荷侧,能够提高***整体安全性和可靠性,同时增强网络传输能力。电转气将剩余风电转化为天然气存储,使得净负荷曲线变得平缓;燃气轮机动态响应快速,适于调峰调频。故本发明利用电转气和燃气轮机对净负荷削峰填谷。
由于风电的反调峰特性,当电负荷低谷时,风电出力为高峰时段,大量风电难以消纳,通过电转气将剩余风电转化为天然气进行存储,提高了***对风电的消纳能力,有效增加了净负荷,起到“填谷”的作用;当电负荷高峰时,增加燃气轮机出力以减少净负荷,起到“削峰”作用。这样通过电转气和燃气轮机的协调配合,实现风电出力时空平移,有效平滑净负荷曲线。
所述电气互联***的削峰填谷模型包括以下目标函数和约束条件:
所述目标函数包括以下两个部分,全天候运行成本最低目标和削峰填谷效果最好目标。所述目标函数表示如式(1):
式中,β和γ分别为两个目标的权重,削峰填谷目标采用所有相邻时间段的净负荷变化率平方和最小来表征。由于削峰填谷目标和运行成本目标量纲不同,引入权重β和γ将削峰填谷目标投影到经济维度,与***运行成本一起构成综合成本最低经济目标,从而将多目标优化问题转化为单目标优化,对负荷削峰填谷的同时兼顾***运行的经济性;crun(τ)为τ时刻的电气互联***运行总成本;Pnet(τ)为τ时刻电力***的净负荷。
其中,电气互联***的运行总成本如式(2),包括燃气轮机组发电成本、外网联络点发电成本、天然气供给站供气成本、天然气储气罐储气成本、弃风成本和电转气成本:
式中,ΦTPU、ΦEe、ΦNGS、ΦGST、ΦWF和ΦP2G分别为已存在的燃气轮机组、外网联络点、天然气供给站、天然气储气罐、风电场和电转气设备的集合;Cu,i、Ce,i、Cs,m、Cgs,m、Cw,k和CP2G,p分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p的每小时单位出力成本;Pu,i(τ)、Pe,i(τ)、Qs,m(τ)、Qgs,m(τ)、Pw,k(τ)和PP2G,p(τ)分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p在τ时刻的小时出力;δw,k为风电场k的弃风率。
此外,用电力***净负荷的差方来衡量削峰填谷效果。定义净负荷如式(3),为电负荷、电转气功率与燃气轮机组出力、风电场出力的差:
式中,PL,i(τ)为节点i在τ时刻的有功负荷。
所述约束条件包括电力***和天然气***各自的物理运营约束。
所述电力***物理运营约束包括式(4)至式(12):
电力***节点i在τ时刻存在有功功率平衡约束如式(4):
式中,ΦTL为已存在的输电线路集合;Pl,ij(τ)为电力***ij节点间输电线路在τ时刻传输的有功功率。
采用直接潮流法表示输电线路传输有功功率的变化如式(5):
xijPl,ij(τ)=θi(τ)-θj(τ) (5)
式中,xij表示电力***ij节点间输电线路的电抗参数;θi(τ)和θj(τ)分别表示电力***节点i和j在τ时刻的电压相位角。
输电线路都受到输送功率上下限的约束如式(6):
式中,和P l,ij分别表示电力***ij节点间输电线路的传输有功功率上下限。
电力***采用直流潮流法计算时,对电压相位角也存在约束,如式(7):
式中,和θ i分别表示电力***节点i的电压相位角上下限。
电力***对备用容量有限制,如式(8):
式中,ΦEn表示电力***的节点集合;表示燃气轮机组i的最大出力;表示外网联络点i的最大出力;表示风电场i的最大出力;PR表示电力***的备用容量。
天然气输入功率和燃气轮机组电力有功功率输出存在转换关系,如式(9):
Pu,i(τ)=φu,iQg,i(τ) (9)
式中,φu,i表示燃气轮机组i的转换效率;Qg,i(τ)为燃气轮机组i在τ时刻的天然气输入功率。
由于燃气轮机组的技术条件,存在输出功率的约束,如式(10):
式中,和P u,i分别表示燃气轮机组i的有功出力上下限。
外网联络节点也存在输出功率的约束,如式(11):
式中,和P e,i分别表示外网联络节点i的有功出力上下限。
由于风电场的技术条件,存在输出功率的约束,如式(12):
式中,和P w,k分别表示风电场i的有功出力上下限。
所述天然气***物理运营约束包括包括式(13)至式(18):
天然气***节点m在τ时刻存在功率平衡约束,如式(13):
式中,ΦNGP表示已存在的天然气管道集合;QP2G,m(τ)为电转气设备在τ时刻在节点m转换得到的天然气功率;Qg,m(τ)为在τ时刻在节点m燃气轮机组消耗的天然气功率;QL,m(τ)为在τ时刻节点m的天然气负荷功率;Qc,mn(τ)为节点mn间天然气管道在τ时刻的传输功率。
天然气管道受到输送功率上下限的约束,如式(14):
式中,和Qc,mn分别表示节点mn间天然气管道在τ时刻的传输功率上下限。
天然气储气罐对存储容量有限制,如式(15):
式中,和Qgs,m分别表示天然气储气罐的存储容量上下限。
天然气***对备用容量有限制,如式(16):
式中,ΦGn表示天然气***的节点集合;Qs,m表示天然气供给站m的最大输出功率;Qgs,m表示天然气储气罐m的最大输出功率;QP2G,m表示电转气设备在节点m转换得到的最大天然气功率;QR表示天然气***的备用容量。
风电输入功率和电转气设备天然气输出功率存在转换关系,如式(17):
式中,表示电转气设备m的转换效率;PP2G,m(τ)为τ时刻输入电转气设备m的风电功率。
由于天然气供给站的技术条件,存在输出功率的约束,如式(18):
式中,和Q s,m分别为天然气供给站m的输出功率上下限。
所述基于目标加权法的遗传算法包括加权求和法和遗传算法。
所述加权求和法就是将多目标优化中的各个目标函数加权(即乘以一个用户自定义的权值)然后求和,将其转换为单目标优化问题进行求解。利用加权求和可以将多目标优化转化为以下形式,如式(19):
其中,X=(X1,X2,...,Xn)T是Rn空间的n维向量,称X所在的空间D为问题的决策空间,fi(X)(i=1,2,...,m)为问题子目标函数,他们之间是相互冲突的,即不存在X∈Ω使(f1(X),f2(X),...,fm(X))在X处同时取最小值,m维向量(f1(X),f2(X),...,fm(X))所在的空间称为问题的目标空间,gi(X)≤0(i=1,2,...,p)为约束条件。
所述遗传算法中一条合格的染色体s由四部分组成,假设电气互联***中有i个燃气轮机组和k个风电场,则第一部分代表每小时的弃风率,为24行1列矩阵;第二部分代表各个风电场的小时出力,为24行k列矩阵;第三部分代表各个燃气轮机组的小时出力,为24行i列矩阵;第四部分代表各个风电场的小时弃风量,为24行k列矩阵。
将本发明提出的优化方法用于IEEE57节点的电力***和19节点的天然气***的耦合算例中。
如图2中左半部分所示,为57节点的电力***网络拓扑图,包括50个电力负荷节点,7个发电机节点,80条输电线路。设置节点1、3、8处分别接入燃气轮机组,有功上限为580MW,转化效率为43%;设置节点9、12处分别接入风电场集群,出力上限为900MW,弃风成本为1000元/(MW·h)。如图2中右半部分所示,为19节点的天然气***网络拓扑图,包括19个天然气负荷节点,2个天然气供给站,19条天然气管道,设置节点B、H、N、P处分别接入储气罐,容量上限为0.25Mm3,成本系数为4.5万元/Mm3。设置天然气节点P、N、H处的储气罐分别与电力节点1、3、8处的燃气轮机组相连,进行G2P工作。设置电力节点9、12处的风电场集群分别与天然气节点B、P处的储气罐相连,进行P2G工作。如图3所示,所述算例设置的日电负荷分为高峰、非峰谷和低谷时段。其中,高峰时段为8:00-11:00和18:00-23:00;非峰谷时段为7:00-8:00和11:00-18:00;低谷时段为23:00-7:00。设置的日天然气负荷与日电负荷类似。
取权值比β/γ=0.1,对上述算例进行求解。遗传算法的迭代情况如图4所示,目标函数在850次左右趋近于收敛,最小值为0.43×107万元。当β/γ=0.1时,各个时段的日净负荷、燃气轮机组出力、P2G功率变化如图5(a)所示;当β/γ=10时,如图5(b)所示。不难发现,2:00-6:00和14:00-19:00这两个时段的P2G功率最大。此时,大量风电难以消纳,剩余的风电通过P2G转化为天然气,增加了电负荷低谷时的净负荷,起到了“填谷”的作用。9:00-11:00和20:00-23:00h这两个时段的燃气轮机组出力最大。此时,存储的天然气通过燃气轮机组转化为电能,减少了电负荷高峰时的净负荷,起到了“削峰”的作用。因此,电气互联***通过P2G和燃气轮机组的协调作用,使***净负荷曲线变得平滑,起到了“削峰填谷”的作用。
电气互联***的运行成本最低目标和削峰填谷效果最好目标是两个不同的目标,本发明通过加权求和法,将多目标优化问题转化为单目标优化,通过设置不同的权值比β/γ,可以反映出两个目标不同的重要性。分别对β/γ=0.1、0.5、1、2、3、5、8、9、10这9种不同情况逐一进行仿真,***的净负荷方差和、净负荷最大峰谷差、运行成本、弃风成本的变化如图6所示。不难发现,β/γ越小,净负荷方差和、净负荷最大峰谷差越小,削峰填谷效果越好;β/γ越大,运行成本、弃风成本越小,***经济性能越优。可见,削峰填谷模型为了抑制净负荷曲线波动,会导致弃风量增大,造成经济成本增加。因此,电力和天然气调度部门可以根据实时需求,调整权值比β/γ,以此来兼顾削峰填谷效果和经济性能。
Claims (6)
1.一种考虑削峰填谷模型的电气互联***多目标优化方法,其特征在于,包括:
建立电气互联***的削峰填谷模型;
模型采用目标加权法的遗传算法进行优化。
2.根据权利要求1所述的方法,其特征在于,电气互联***的削峰填谷模型包括目标函数和约束条件;其中
目标函数包括削峰填谷效果最好目标和电气互联***的运行成本目标;
约束条件包括电力***和天然气***各自的物理运营约束;
电力***的物理运营约束包括:
电力***节点在某一时刻的有功功率平衡约束,
输电线路传输的有功功率的变化,
输电线路受到输送功率上下限的约束,
电压相位角的约束,
电力***对备用容量的限制,
天然气输入功率和燃气轮机组电力有功功率输出的转换关系,
燃气轮机组输出功率的约束,
外网联络节点输出功率的约束,
风电场输出功率的约束;
天然气***物理运营约束包括:
天然气***节点在某一时刻存在功率平衡约束,
天然气管道受到输送功率上下限的约束,
天然气储气罐对存储容量的限制,
天然气***对备用容量的限制,
风电输入功率和电转气设备天然气输出功率的转换关系,
天然气供给站输出功率的约束。
3.根据权利要求2所述的方法,其特征在于,目标函数包括削峰填谷效果最好目标和电气互联***的运行成本目标,具体为式(1)
其中,crun(τ)为τ时刻的电气互联***运行总成本,Pnet(τ)为τ时刻电力***的净负荷,β和γ分别为两个目标的权重;
其中,电气互联***的运行成本目标Crun(τ)如式(2)
ΦTPU、ΦEe、ΦNGS、ΦGST、ΦWF和ΦP2G分别为已存在的燃气轮机组、外网联络点、天然气供给站、天然气储气罐、风电场和电转气设备的集合,Cu,i、Ce,i、Cs,m、Cgs,m、Cw,k和CP2G,p分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p的每小时单位出力成本,Pu,i(τ)、Pe,i(τ)、Qs,m(τ)、Qgs,m(τ)、Pw,k(τ)和PP2G,p(τ)分别为燃气轮机组i、外网联络点i、天然气供给站m、天然气储气罐m、风电场k和电转气设备p在τ时刻的小时出力,δw,k为风电场k的弃风率;
其中,削峰填谷效果最好目标Pnet(τ)如式(3)
其中,PL,i(τ)为节点i在τ时刻的有功负荷。
4.根据权利要求2所述的方法,其特征在于,所述电力***物理运营约束包括式(4)至式(12)
xijPl,ij(τ)=θi(τ)-θj(τ) (5)
Pu,i(τ)=φu,iQg,i(τ) (9)
其中,式(4)为电力***节点i在τ时刻的有功功率平衡约束,ΦTL为已存在的输电线路集合,Pl,ij(τ)为电力***ij节点间输电线路在τ时刻传输的有功功率,
式(5)为输电线路传输的有功功率的变化,xij表示电力***ij节点间输电线路的电抗参数,θi(τ)和θj(τ)分别表示电力***节点i和j在τ时刻的电压相位角,
式(6)为输电线路受到输送功率上下限的约束,和P l,ij分别表示电力***ij节点间输电线路的传输有功功率上下限,
式(7)对电压相位角的约束,和θ i分别表示电力***节点i的电压相位角上下限,
式(8)为电力***对备用容量的限制,ΦEn表示电力***的节点集合,表示燃气轮机组i的最大出力;表示外网联络点i的最大出力,表示风电场i的最大出力,PR表示电力***的备用容量,
式(9)为天然气输入功率和燃气轮机组电力有功功率输出的转换关系,φu,i表示燃气轮机组i的转换效率;Qg,i(τ)为燃气轮机组i在τ时刻的天然气输入功率,
式(10)为燃气轮机组输出功率的约束,和P u,i分别表示燃气轮机组i的有功出力上下限,
式(11)为外网联络节点输出功率的约束,和P e,i分别表示外网联络节点i的有功出力上下限,
式(12)为风电场输出功率的约束,和P w,k分别表示风电场i的有功出力上下限。
5.根据权利要求2所述的方法,其特征在于,所述天然气***物理运营约束包括式(13)至式(18)
其中,式(13)为天然气***节点m在τ时刻存在功率平衡约束,ΦNGP表示已存在的天然气管道集合,QP2G,m(τ)为电转气设备在τ时刻在节点m转换得到的天然气功率,Qg,m(τ)为在τ时刻在节点m燃气轮机组消耗的天然气功率,QL,m(τ)为在τ时刻节点m的天然气负荷功率,Qc,mn(τ)为节点mn间天然气管道在τ时刻的传输功率,
式(14)为天然气管道受到输送功率上下限的约束,和Qc,mn分别表示节点mn间天然气管道在τ时刻的传输功率上下限,
式(15)为天然气储气罐对存储容量的限制,和Qgs,m分别表示天然气储气罐的存储容量上下限,
式(16)为天然气***对备用容量的限制,ΦGn表示天然气***的节点集合,Qs,m表示天然气供给站m的最大输出功率,Qgs,m表示天然气储气罐m的最大输出功率,QP2G,m表示电转气设备在节点m转换得到的最大天然气功率;QR表示天然气***的备用容量,
式(17)为风电输入功率和电转气设备天然气输出功率的转换关系,表示电转气设备m的转换效率;PP2G,m(τ)为τ时刻输入电转气设备m的风电功率,
式(18)为天然气供给站输出功率的约束,和Qs,m分别为天然气供给站m的输出功率上下限。
6.根据权利要求1所述的方法,其特征在于,遗传算法如式(19)
其中,X=(X1,X2,...,Xn)T是Rn空间的n维向量,称X所在的空间D为问题的决策空间;fi(X)(i=1,2,...,m)为问题子目标函数,问题子目标函数之间是相互冲突的,即不存在X∈Ω使(f1(X),f2(X),...,fm(X))在X处同时取最小值;m维向量(f1(X),f2(X),...,fm(X))所在的空间为问题的目标空间,gi(X)≤0(i=1,2,...,p)为约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988858.1A CN109217291A (zh) | 2018-08-28 | 2018-08-28 | 考虑削峰填谷模型的电气互联***多目标优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988858.1A CN109217291A (zh) | 2018-08-28 | 2018-08-28 | 考虑削峰填谷模型的电气互联***多目标优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109217291A true CN109217291A (zh) | 2019-01-15 |
Family
ID=64986676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810988858.1A Pending CN109217291A (zh) | 2018-08-28 | 2018-08-28 | 考虑削峰填谷模型的电气互联***多目标优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109217291A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110829504A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN111030110A (zh) * | 2019-12-28 | 2020-04-17 | 福州大学 | 一种考虑电转气消纳风电的电力-天然气耦合***鲁棒协同调度方法 |
CN111342452A (zh) * | 2020-03-16 | 2020-06-26 | 四川大学 | 一种多区域电气综合能源***能量与备用分散式调度方法 |
CN112990541A (zh) * | 2021-02-05 | 2021-06-18 | 三峡大学 | 一种基于家庭综合能源需求响应的电力削峰决策方法 |
US11062792B2 (en) | 2017-07-18 | 2021-07-13 | Analytics For Life Inc. | Discovering genomes to use in machine learning techniques |
US11139048B2 (en) | 2017-07-18 | 2021-10-05 | Analytics For Life Inc. | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106058942A (zh) * | 2016-08-03 | 2016-10-26 | 长沙理工大学 | 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 |
CN106208157A (zh) * | 2016-07-19 | 2016-12-07 | 河海大学 | 基于电转气的电‑气互联综合能源***削峰填谷方法 |
US20170302218A1 (en) * | 2014-12-02 | 2017-10-19 | Electronic Power Design | System and Method for HYBRID POWER GENERATION |
-
2018
- 2018-08-28 CN CN201810988858.1A patent/CN109217291A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170302218A1 (en) * | 2014-12-02 | 2017-10-19 | Electronic Power Design | System and Method for HYBRID POWER GENERATION |
CN106208157A (zh) * | 2016-07-19 | 2016-12-07 | 河海大学 | 基于电转气的电‑气互联综合能源***削峰填谷方法 |
CN106058942A (zh) * | 2016-08-03 | 2016-10-26 | 长沙理工大学 | 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 |
Non-Patent Citations (1)
Title |
---|
马小姝: "多目标优化的遗传算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11062792B2 (en) | 2017-07-18 | 2021-07-13 | Analytics For Life Inc. | Discovering genomes to use in machine learning techniques |
US11139048B2 (en) | 2017-07-18 | 2021-10-05 | Analytics For Life Inc. | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions |
CN110829504A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110829504B (zh) * | 2019-11-08 | 2021-02-02 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN111914491A (zh) * | 2019-11-21 | 2020-11-10 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN111914491B (zh) * | 2019-11-21 | 2021-09-10 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN111030110A (zh) * | 2019-12-28 | 2020-04-17 | 福州大学 | 一种考虑电转气消纳风电的电力-天然气耦合***鲁棒协同调度方法 |
CN111030110B (zh) * | 2019-12-28 | 2021-05-18 | 福州大学 | 一种考虑电转气消纳风电的电力-天然气耦合***鲁棒协同调度方法 |
CN111342452A (zh) * | 2020-03-16 | 2020-06-26 | 四川大学 | 一种多区域电气综合能源***能量与备用分散式调度方法 |
CN111342452B (zh) * | 2020-03-16 | 2023-09-12 | 四川大学 | 一种多区域电气综合能源***能量与备用分散式调度方法 |
CN112990541A (zh) * | 2021-02-05 | 2021-06-18 | 三峡大学 | 一种基于家庭综合能源需求响应的电力削峰决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109217291A (zh) | 考虑削峰填谷模型的电气互联***多目标优化方法 | |
WO2022048127A1 (zh) | 一种电热泵-热电联合***的优化调控方法及*** | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
CN105576657B (zh) | 主动配电网与输电网集成***随机模糊连续潮流建模方法 | |
CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与*** | |
CN106503839A (zh) | 一种海上风电场环形集电网络分层规划方法 | |
CN105939029A (zh) | 综合能源***规划方案获取方法和*** | |
CN103577891B (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
CN106130079A (zh) | 一种风水火短期联合优化调度方法 | |
CN109494809A (zh) | 包含电转气装置的电-气互联***及运行方法 | |
CN104578183B (zh) | 提高电力***低碳化水平的联络线送电计划优化方法 | |
JP7296657B2 (ja) | マルチエネルギー協同の配電網用アクティブ解列制御方法 | |
CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
CN109034587A (zh) | 一种协调多种可控单元的主动配电***优化调度方法 | |
CN105244912A (zh) | 有源配电网孤岛恢复供电及黑启动方法 | |
CN112862253A (zh) | 考虑风电不确定性的电-气-热储能协同规划方法及*** | |
CN112417651A (zh) | 一种基于后悔规避的用户级综合能源***优化方法 | |
CN109149656A (zh) | 一种气-电互联综合能源***机组组合方法 | |
CN112836957B (zh) | 一种考虑供电可靠性的区域综合能源***规划方法 | |
Ma et al. | Multi-objective optimal power flow of multiple-energy system considering wind power penetration | |
CN111768036B (zh) | 一种综合能源配电***与上级电网交互运行的功率优化方法 | |
CN113078684A (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN111445351A (zh) | 一种海上油气平台群天然气交互调度方法 | |
CN110380447A (zh) | 一种风机失效下的电-气互联能源***降风险调度方法 | |
CN109472716A (zh) | 一种基于遗传算法的考虑多因素的产能端功率分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |