CN111555281A - 一种电力***灵活性资源配置仿真方法及装置 - Google Patents

一种电力***灵活性资源配置仿真方法及装置 Download PDF

Info

Publication number
CN111555281A
CN111555281A CN202010474412.4A CN202010474412A CN111555281A CN 111555281 A CN111555281 A CN 111555281A CN 202010474412 A CN202010474412 A CN 202010474412A CN 111555281 A CN111555281 A CN 111555281A
Authority
CN
China
Prior art keywords
power
constraint
unit
flexibility
short
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010474412.4A
Other languages
English (en)
Other versions
CN111555281B (zh
Inventor
李文升
刘晓明
袁振华
刘冬
杨思
高效海
魏鑫
王轶群
程佩芬
曹相阳
孙东磊
张丽娜
张天宝
张玉跃
魏佳
田鑫
张栋梁
孙毅
王男
陈博
王宪
薄其滨
杨斌
牟颖
张家宁
付一木
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 Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
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 Corp of China SGCC, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010474412.4A priority Critical patent/CN111555281B/zh
Publication of CN111555281A publication Critical patent/CN111555281A/zh
Application granted granted Critical
Publication of CN111555281B publication Critical patent/CN111555281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力***资源配置领域，提供电力***灵活性资源配置仿真方法及装置。其中，电力***灵活性资源配置仿真方法包括获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额并作为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。

Description

一种电力***灵活性资源配置仿真方法及装置
技术领域
本发明属于电力***资源配置领域，尤其涉及一种电力***灵活性资源配置仿真方法及装置。电力***灵活性资源配置仿真
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
与传统的火电、水电等能源形式不同，受随机气象因素的影响，光伏、风电等可再生能源的出力变幻莫测。因此，可再生能源的大规模并网正严重加剧电力***运行面临的变化性和不确定性程度，从而给电力***的稳定运行和功率平衡带来巨大挑战。这要求在电力***的资源配置过程中，不仅要保证长期电力电量平衡，还需对短期甚至超短期的电力电量平衡提供保障。电力***功率平衡不再单纯的意味着长期运行调度的平衡，还应包括当负荷需求突变时的短时功率平衡，即电力***的灵活性。
发明人发现，已有研究大多围绕在灵活机组建模、超短期优化调度方法以及灵活资源的发掘等方面，缺乏对灵活性资源全面规划以及针对含高比例可再生能源的灵活性资源多层次协调规划，难以实现兼顾经济性和灵活性的电力***资源优化配置。
发明内容
为了解决上述问题，本发明提供一种电力***灵活性资源配置仿真方法及装置，其综合考虑规划层、运行层和灵活层三个层次，多次迭代求解电源优化投资决策模型、短期和超短期运行模拟模型，在求解方法上将多层迭代与松弛技术相结合，提高计算的鲁棒性，使计算结果既能满足***灵活性需求又能实现***经济性最优，最终适用于大型电力***的资源优化配置。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种电力***灵活性资源配置仿真方法。
一种电力***灵活性资源配置仿真方法，包括：
获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；
基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；
基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额；
以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若增调灵活机组后仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。
本发明的第二个方面提供一种电力***灵活性资源配置仿真装置。
一种电力***灵活性资源配置仿真装置，包括：
规划层模型构建及求解模块，其用于获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；
运行层模型构建及求解模块，其用于基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；
灵活层模型构建及求解模块，其用于基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额；
灵活性需求判断模块，其用于以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若增调灵活机组后仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的电力***灵活性资源配置仿真方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电力***灵活性资源配置仿真方法中的步骤。
与现有技术相比，本发明的有益效果是：
本实施例综合考虑了规划层、运行层和灵活层，仿真构建了电源优化投资决策模型、短期运行模拟模型和超短期运行模拟模型，多次仿真迭代求解电源优化投资决策模型、短期运行模拟模型和超短期运行模拟模型，在求解方法上将多层迭代与松弛技术相结合，提高了计算的鲁棒性，使计算结果既能满足***灵活性需求又能实现***经济性最优，最终适用于大型电力***的资源优化配置。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的一种电力***灵活性资源配置仿真方法流程图；
图2是本发明实施例的规划期电力平衡和负荷变化趋势；
图3是本发明实施例的电力***初次超短期调度各电源累计电量图；
图4是本发明实施例的电力***初次超短期调度各时刻上下调峰功率缺额；
图5是本发明实施例的迭代后电力***超短期调度各电源累计电量图；
图6是本发明实施例的迭代后电力***超短期调度各时刻上下调峰功率缺额；
图7是本发明实施例的计及可中断负荷参与超短期调度后负荷曲线。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例的一种电力***灵活性资源配置仿真方法，包括：
步骤1)：获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案。
在具体实施中，电源规划过程中考虑经济因素，目标函数为规划年内总成本，得到电源优化投资决策模型，也就是规划层模型：
Figure BDA0002515384580000051
其中：
Figure BDA0002515384580000052
式中，T1为规划期内总月数；G1、RES1、H1、BES1分别规划期内待投建为常规、可再生能源、水电、储能电厂数；
Figure BDA0002515384580000054
为第τ个月常规电厂新增容量和单位建设成本；
Figure BDA0002515384580000055
为第τ个月可再生能源能电厂新增容量和单位建设成本；
Figure BDA0002515384580000056
为第τ个月水电厂新增容量和单位建设成本；
Figure BDA0002515384580000057
表示第τ个月新增常规、可再生能源、水电、储能是否需要分摊初始投资成本和使用年限；
Figure BDA0002515384580000058
为第τ个月新增储能装置功率容量和能量容量和其对应的单位容量建设成本；ζt为第t个月的折现值系数；σ为年贴现率。
后续模型中会用到已有各类电源的总装机容量，因此令：
Figure BDA0002515384580000061
式中：
Figure BDA0002515384580000062
分别表示相应时段内各火电厂已有装机容量、新增装机容量、退役容量和最终装机容量；
Figure BDA0002515384580000063
分别表示相应时段内可再生能源电厂已有装机容量、新增装机容量、退役容量和最终装机容量；
Figure BDA0002515384580000064
分别表示相应时段内水电厂已有装机容量、新增装机容量、退役容量和最终装机容量。
Figure BDA0002515384580000065
分别表示相应时段内储能机组已有装机容量、新增装机容量、退役容量和最终装机容量。
约束条件：
电源投资决策的约束条件主要有电力约束：
Figure BDA0002515384580000066
式中，Pt L,max、
Figure BDA0002515384580000067
为第t个月参与电力平衡的最大负荷值、静态容量备用系数。
各类电厂最大、最小利用小时约束：
Figure BDA0002515384580000068
式中，
Figure BDA0002515384580000069
为常规机组的最小、最大利用小时数；
Figure BDA00025153845800000610
为常规机组的实际利用小时数。
可再生能源装机占比约束：
Figure BDA00025153845800000611
式中，αt为第t个月可再生能源装机占比。
水电厂电量约束：
Figure BDA0002515384580000071
式中，
Figure BDA0002515384580000072
为水电厂l第t个月的消纳电量；
Figure BDA0002515384580000073
为水电厂l第t个月的平水年预测电量。
考虑到电源投资决策模块和短期运行模拟模块的交互，还应考虑负备用约束：
Figure BDA0002515384580000074
式中，
Figure BDA0002515384580000075
为第t个月火电厂i最大、最小技术出力；
Figure BDA0002515384580000076
为第t个月火电厂i提供负备用能力系数；
Figure BDA0002515384580000077
为水电厂l第t个月的平水年预想出力；
Figure BDA0002515384580000078
为水电厂l提供负备用能力系数；
Figure BDA0002515384580000079
为第储能电厂k发电和蓄电额定功率；
Figure BDA00025153845800000710
为储能电厂k提供负备用能力系数；Pt L,max为第t个月的最大负荷；
Figure BDA00025153845800000711
为第t个月的负备用要求系数。
考虑到电源投资决策模块和超短期运行模拟模块的交互，还应考虑爬坡资源约束：
Figure BDA00025153845800000712
Figure BDA00025153845800000713
式中，
Figure BDA00025153845800000714
为常规电厂的向上、向下爬坡速率；
Figure BDA00025153845800000715
为可再生能源电厂的向上、向下爬坡速率；
Figure BDA00025153845800000716
为水电厂的向上、向下爬坡速率；
Figure BDA00025153845800000717
为储能电厂的向上、向下爬坡速率；ΔT为爬坡资源约束响应的时间间隔；
Figure BDA00025153845800000718
为考虑新能源的预测误差，向上、向下爬坡容量占新能源装机占比；
Figure BDA00025153845800000719
为考虑负荷的预测误差，向上、向下爬坡容量占峰荷的比例。
步骤2)：基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式。
其中，短期运行模拟模型也就是运行层模型，其目标函数即为最小化成本，包括发电带来的煤耗成本和机组开停机成本、储能装置的维护成本和折旧费用、弃风弃光成本：
Figure BDA0002515384580000081
式中，G2、BES2、RES2为参与短期调度的常规、储能、可再生能源机组数；T2为短期调度周期内时段数；
Figure BDA0002515384580000082
分别为机组i的煤耗成本、启动成本和关停成本；
Figure BDA0002515384580000083
为常规机组i在t时刻的实际出力；
Figure BDA0002515384580000084
为机组i在t时段的启动状态变量和停机状态变量；
Figure BDA0002515384580000085
为第k个储能机组的单位电量运行维护成本；
Figure BDA0002515384580000086
储能机组k在t时刻的实际出力；
Figure BDA0002515384580000087
为第k个储能机组的额定容量和额定功率功率；
Figure BDA0002515384580000088
为储能机组k的单位容量和单位功率安装成本的现值；
Figure BDA0002515384580000089
为储能机组k的寿命损耗系数；
Figure BDA00025153845800000810
为可再生能源电厂l的可用资源量和实际出力；ρres为弃风弃光惩罚因子；ρIL和Pt IL为可中断负荷补偿价格和参与短期调度的可中断负荷量。
上式中机组i的煤耗成本可示成二次函数的形式：
Figure BDA00025153845800000811
式中，ai、bi、ci为机组i的煤耗系数。
约束条件：
短期运行模拟模型中约束条件分为等式约束和不等式约束，等式约束为***有功功率平衡约束：
Figure BDA0002515384580000091
式中，
Figure BDA0002515384580000092
为常规、可再生能源、水电、储能机组在t时刻的有功出力；Pt IL为在t时刻参与短期调度的可中断负荷量；Pt L为***在t时刻的负荷需求。
不等式约束有：
Figure BDA0002515384580000093
Figure BDA0002515384580000094
Figure BDA0002515384580000095
Figure BDA0002515384580000096
Figure BDA0002515384580000097
Figure BDA0002515384580000098
0≤Pt IL≤Pi IL,max (19)
式(13)-(19)分别为机组出力上下限约束、爬坡约束、***热备用约束、起停费用约束、起停时间约束、可再生能源出力约束、可中断负荷中断量约束。其中，Ui,t为常规机组i在t时刻的启停状态；
Figure BDA0002515384580000099
机组的上、下爬坡速率；ρ为热备用系数；
Figure BDA00025153845800000910
为机组i的最大启动、关停成本限制；Hi、Ji为组i的单次启动、关停成本；TS、TO为最小关停、开机时间；
Figure BDA0002515384580000101
为可再生能源的可用资源量；Pi IL,max为可中断负荷的最大中断量。
此外，水电厂电量约束与电源优化投资决策模型中式(6)相同，储能参与***短期调度过程中的约束为：
Figure BDA0002515384580000102
Figure BDA0002515384580000103
Figure BDA0002515384580000104
Figure BDA0002515384580000105
式(20)-(23)分别为储能的充放电功率上下限约束、工作状态约束、充放电的电量存储约束、储能装置调度周期始末容量相等。其中，
Figure BDA0002515384580000106
为储能充电、放电工作状态；
Figure BDA0002515384580000107
为储能充电、放电功率；μk为裕度系数；
Figure BDA0002515384580000108
为储能装置k的额定功率；Ek,t为储能装置k在t时刻的实际存储电量；
Figure BDA0002515384580000109
为储能装置k的最大和最小存储电量；δk为储能装置k的能量自损耗系数，
Figure BDA00025153845800001010
为储能机组充电和放电过程中的能量转化效率。
步骤3)：基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额。
其中，超短期运行模拟模型为灵活层模型。
为了便于计算***调峰缺额等灵活性指标，电力***超短期运行模拟过程中往往以分钟级为模拟时间尺度。由于整个模拟时段较短，因此模拟过程中认为常规机组的起停状态不发生变化，因此机组开停机成本可以不考虑、同时储能装置的折旧费用和维护成本也可以忽略。但短期运行模拟过程中可能会出现上下爬坡容量不足和上下调峰容量不足的情况，所以需增加相应的处罚项。将短期运行模拟模型中的目标函数稍作修改即可得到超短期运行模拟的目标函数：
Figure BDA0002515384580000111
式中，T3为运行时刻数；G3、RES3分别为参与超短期调度的常规机组数和可再生能源机组数；Pt reserve,U、Pt reserve,D为上、下调峰功率松弛；Pt ramp,U、Pt ramp,D为上、下爬坡功率松弛；ρ1～ρ4为相应惩罚因子。
约束条件主要有：
Figure BDA0002515384580000112
Figure BDA0002515384580000113
Figure BDA0002515384580000114
Figure BDA0002515384580000115
式(25)-(28)分别为***功率平衡约束、常规机组运行爬坡约束、新能源机组运行约束、可中断负荷中断量上下限约束。其中，Pt reserve,D为t时刻下调峰功率松弛；
Figure BDA0002515384580000116
为储能装置k放电、充电功率；Pt L为电力***在t时刻的负荷；
Figure BDA0002515384580000117
为常规机组的上、下爬坡容量。
在新能源机组中，由于风机出力具有惯性，因此在超短期调度中还需要考虑风机的上下爬坡约束：
Figure BDA0002515384580000121
式中，
Figure BDA0002515384580000122
为风机j在t时刻和t-1时刻的有功出力；
Figure BDA0002515384580000123
为风机的上、下爬坡容量。
考虑到可能出现灵活资源的爬坡容量不足的情况，因此需对爬坡约束进行松弛：
Figure BDA0002515384580000124
Figure BDA0002515384580000125
式中，Pt F为灵活机组F在t时刻的出力；
Figure BDA0002515384580000126
为灵活机组F的上、下爬坡容量。
此外还需考虑电力***任一台火电机组故障时***仍能正常运行，其约束为：
Figure BDA0002515384580000127
式中，K表示所有发电机机组数；Pi max、Pi,t为发电机i的额定功率和t时刻的实际功率；PG,max为最大火电机组的额定功率。
步骤4)：以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则返回步骤2)增调灵活机组，若增调灵活机组后仍不满足，则返回步骤1)重新仿真规划各类电厂投建情况，直至满足灵活性需求。
当***灵活性不足时需要增加灵活机组开机，同时为了不对***的下调峰能力造成影响，需要减少常规机组的开机。灵活机组增调模型中的目标函数主要包括灵活机组增加开机的成本和常规机组关机的成本：
Figure BDA0002515384580000128
式中，F、C分别为灵活机组数和常规机组数；
Figure BDA0002515384580000131
为灵活机组开机惩罚系数和常规机组关机惩罚系数；
Figure BDA0002515384580000132
为灵活机组开机状态变量和常规机组关机状态变量；
Figure BDA0002515384580000133
为上下爬坡容量增加量松弛；
Figure BDA0002515384580000134
为上下调峰容量增加量松弛；ρ1～ρ4为相应惩罚因子。
约束条件主要有上下调峰/爬坡缺额限制约束：
Figure BDA0002515384580000135
式中，Pi C,max、Pi C,min为减少开机的常规机组i的最大、最小功率；Pi F,max、Pi F,min为增加开机的灵活机组i的最大、最小功率；
Figure BDA0002515384580000136
为减少开机的常规机组i的上下爬坡功率；
Figure BDA0002515384580000137
为增加开机的灵活机组i的上下爬坡功率。
为了便于计算和观察，将***上/下调峰功率缺额、上/下爬坡功率缺额直接作为***的灵活性指标，其数值越大说明***灵活性缺额越大，其数值越小说明***灵活性缺额越小。
短期运行模拟模型和超短期运行模拟模型中的煤耗成本均采用二次函数的形式表示，这就导致当***规模扩大时其计算量会大幅度增加，求解起来也会消耗大量时间，因此我们可以对煤耗成本进行分段线性化处理：
Figure BDA0002515384580000138
式中：C0,i＝ai(Pi G,min)2+biPi G,min+ci；
Figure BDA0002515384580000139
m为总分段数；Ki,s为分段线性化后煤耗函数各段的斜率；C0,i为机组以最下出力运行时的煤耗成本；
Figure BDA0002515384580000141
为机组各分段的出力。
经过线性化后，短期运行模拟模型和超短期运行模拟模型均为混合整数线性化模型，同时电源优化投资决策模型也为混合整数线性化模型，因此采用商业优化软件CPLEX进行求解。为了简化程序格式、提高程序可读性，以MATLAB作为变编程环境，引入YALMIP工具箱，可方便直观的添加决策变量、目标函数和约束条件，最后调用CPLEX求解器求解。
迭代流程：求解顺序为先求解规划层的电源优化投资决策模型，将求得的电源投建情况传递给运行层，再求解短期运行模拟模型得到短期调度周期内的机组组合，将机组组合结果传递给灵活层，求解超短期运行模拟模型得到***灵活性缺额。整个求解过程中根据是否满足***备用要求和是否满足***灵活性需求进行迭代，具体流程如图1所示。
下面结合具体实例验证所提灵活性资源配置方法的有效性。所选某区域中，在规划起始年已有常规电厂12座，共计162台机组，总装机容量为7.476MW；已有可再生能源电厂2座，总置信容量为1.502MW。在规划期间内待建常规电厂9座，总装机容量为3.74MW；待建水电厂4座，总装机容量为0.226MW；待建蓄能电厂1座，额定容量为0.02MW；待建可再生能源电厂；待建可再生能源电厂12座，置信容量为0.3206MW。
将该算例带入所提模型中进行求解，可得规划期内电力平衡和负荷月变化趋势如图2所示，可以看出规划期内会依据负荷的增长趋势合理投建各类电厂以满足电力平衡。
选取典型日进程短期运行模拟，再选取典型日内7:00-9:00可再生能源出力上升时段进行超短期运行模拟，超短期运行模拟时间间隔选为5min。可得初次超短期运行模拟结果中的累积电量图和各时刻调峰缺额如图3、图4所示，经过迭代后的超短期运行模拟结果中的累积电量图和各时刻调峰缺额如图5、图6所示。
对比分析图3和图5，在经过几次迭代后，常规机组出力减少，水电机组出力增加，弃风弃光量与初次模拟相比明显降低。各时刻弃风弃光量都大幅度减少，其中弃光量减少为零。这大大增加了电力***对可再生能源的消纳能力。
对比分析图4和图6可以看出，***下调峰容量不再出现不足，上调峰最大功率缺额由1.213MW降低到0.108MW，总体来看***的调峰功率缺额趋于零，这说明了通过多层迭代求解可以大幅度提高电力***的灵活性。
图7展示了可中断负荷参与调度后电力***中原负荷曲线和实际负荷曲线。可以看出在7:35-8:05时段内，存在部分中断负荷参与调度的情况，这弥补了电力***调峰能力不足，进一步增大了电力***的灵活性。
实施例二
本实施例提供了一种电力***灵活性资源配置仿真装置，其包括：
(1)规划层模型构建及求解模块，其用于获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；
(2)运行层模型构建及求解模块，其用于基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；
(3)灵活层模型构建及求解模块，其用于基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额；
(4)灵活性需求判断模块，其用于以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若增调灵活机组后仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。
在具体实施中，在所述规划层模型构建及求解模块、运行层模型构建及求解模块和灵活层模型构建及求解模块中，均基于约束条件求解相应模型。
电源优化投资决策模型的约束条件包括电力约束、各类电厂最大及最小利用小时约束、可再生能源装机占比约束、水电厂电量约束、负备用约束及爬坡资源约束。
短期运行模拟模型的约束条件包括等式约束和不等式约束，等式约束为***有功功率平衡约束；不等式约束有机组出力上下限约束、爬坡约束、***热备用约束、起停费用约束、起停时间约束、可再生能源出力约束、可中断负荷中断量约束、水电厂电量约束和储能参与***短期调度过程中的约束。
超短期运行模拟模型的约束条件包括***功率平衡约束、常规机组运行爬坡约束、新能源机组运行约束、可中断负荷中断量上下限约束、进行松弛的风机上下爬坡约束以及电力***任一台火电机组故障时***仍能正常运行约束。
其中，在所述灵活性需求判断模块中，在增调灵活机组的同时，减少常规机组的开机，典型时段内***上下调峰功率缺额和上下爬坡功率缺额均在限制约束内。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所述的电力***灵活性资源配置仿真方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的电力***灵活性资源配置仿真方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电力***灵活性资源配置仿真方法，其特征在于，包括：
获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；
基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；
基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额；
以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若增调灵活机组后仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。
2.如权利要求1所述的电力***灵活性资源配置仿真方法，其特征在于，基于约束条件仿真求解电源优化投资决策模型，电源优化投资决策模型的约束条件包括电力约束、各类电厂最大及最小利用小时约束、可再生能源装机占比约束、水电厂电量约束、负备用约束及爬坡资源约束。
3.如权利要求1所述的电力***灵活性资源配置仿真方法，其特征在于，基于约束条件仿真求解短期运行模拟模型，短期运行模拟模型的约束条件包括等式约束和不等式约束，等式约束为***有功功率平衡约束；不等式约束有机组出力上下限约束、爬坡约束、***热备用约束、起停费用约束、起停时间约束、可再生能源出力约束、可中断负荷中断量约束、水电厂电量约束和储能参与***短期调度过程中的约束。
4.如权利要求1所述的电力***灵活性资源配置仿真方法，其特征在于，基于约束条件仿真求解超短期运行模拟模型，超短期运行模拟模型的约束条件包括***功率平衡约束、常规机组运行爬坡约束、新能源机组运行约束、可中断负荷中断量上下限约束、进行松弛的风机上下爬坡约束以及电力***任一台火电机组故障时***仍能正常运行约束。
5.如权利要求1所述的电力***灵活性资源配置仿真方法，其特征在于，在增调灵活机组的同时，减少常规机组的开机，典型时段内***上下调峰功率缺额和上下爬坡功率缺额均在限制约束内。
6.一种电力***灵活性资源配置仿真装置，其特征在于，包括：
规划层模型构建及求解模块，其用于获取规划年内负荷数据及待投产机组数据，以规划年内总成本最小为目标函数，构建并仿真求解电源优化投资决策模型，得到各类电厂投建方案；
运行层模型构建及求解模块，其用于基于各类电厂投建方案，以最小成本化为目标函数，构建并仿真求解短期运行模拟模型，求得典型日内机组开机方式；
灵活层模型构建及求解模块，其用于基于典型日内机组组合，增加相应处罚项且以最小成本化为目标函数，构建并仿真求解超短期运行模拟模型，求得典型时段内***上下调峰功率缺额和上下爬坡功率缺额；
灵活性需求判断模块，其用于以典型时段内***上下调峰功率缺额和上下爬坡功率缺额为灵活性指标，判断是否满足电力***的灵活性需求，若不满足则增调灵活机组，若增调灵活机组后仍不满足，则重新仿真规划各类电厂投建情况，直至满足灵活性需求。
7.如权利要求6所述的电力***灵活性资源配置仿真装置，其特征在于，在所述规划层模型构建及求解模块、运行层模型构建及求解模块和灵活层模型构建及求解模块中，均基于约束条件求解相应模型。
8.如权利要求6所述的电力***灵活性资源配置仿真装置，其特征在于，在所述灵活性需求判断模块中，在增调灵活机组的同时，减少常规机组的开机，典型时段内***上下调峰功率缺额和上下爬坡功率缺额均在限制约束内。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的电力***灵活性资源配置仿真方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的电力***灵活性资源配置仿真方法中的步骤。
CN202010474412.4A 2020-05-29 2020-05-29 一种电力***灵活性资源配置仿真方法及装置 Active CN111555281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010474412.4A CN111555281B (zh) 2020-05-29 2020-05-29 一种电力***灵活性资源配置仿真方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010474412.4A CN111555281B (zh) 2020-05-29 2020-05-29 一种电力***灵活性资源配置仿真方法及装置

Publications (2)

Publication Number Publication Date
CN111555281A true CN111555281A (zh) 2020-08-18
CN111555281B CN111555281B (zh) 2022-04-29

Family

ID=72006784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010474412.4A Active CN111555281B (zh) 2020-05-29 2020-05-29 一种电力***灵活性资源配置仿真方法及装置

Country Status (1)

Country Link
CN (1) CN111555281B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016747A (zh) * 2020-08-26 2020-12-01 国网四川省电力公司经济技术研究院 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN112234604A (zh) * 2020-09-10 2021-01-15 西安交通大学 一种多能互补电源基地优化配置方法、存储介质及设备
CN112418614A (zh) * 2020-11-04 2021-02-26 华北电力大学 一种电力***的可调节性资源建设方案确定方法及***
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和***
CN112819278A (zh) * 2020-12-31 2021-05-18 广西大学 一种求解两阶段鲁棒优化机组组合模型的分段仿射方法
CN113205273A (zh) * 2021-05-20 2021-08-03 国网山西省电力公司经济技术研究院 一种计及区外电能交易的低碳化电源规划方法及***
CN113705863A (zh) * 2021-08-12 2021-11-26 南方电网能源发展研究院有限责任公司 一种容量投建决策方案确定方法、装置和计算机设备
CN114156950A (zh) * 2022-02-09 2022-03-08 广东电力交易中心有限责任公司 一种电力***电源容量分配方法及装置
CN114529133A (zh) * 2022-01-05 2022-05-24 华能江苏能源开发有限公司 一种计及多类型供需者的区域电力充裕度仿真方法及装置
CN118052152A (zh) * 2024-04-15 2024-05-17 国网江西省电力有限公司经济技术研究院 一种基于电力性能数据模拟仿真方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109038689A (zh) * 2018-09-13 2018-12-18 中国南方电网有限责任公司电网技术研究中心 一种电力***的超短期优化调度方法
CN110175727A (zh) * 2019-06-26 2019-08-27 华北电力大学 一种电网调峰辅助服务市场主辅协调优化方法
KR20190120548A (ko) * 2018-04-16 2019-10-24 한국전자통신연구원 배전 그리드의 특성을 고려한 에너지 저장 장치의 분석 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190120548A (ko) * 2018-04-16 2019-10-24 한국전자통신연구원 배전 그리드의 특성을 고려한 에너지 저장 장치의 분석 장치 및 방법
CN109038689A (zh) * 2018-09-13 2018-12-18 中国南方电网有限责任公司电网技术研究中心 一种电力***的超短期优化调度方法
CN110175727A (zh) * 2019-06-26 2019-08-27 华北电力大学 一种电网调峰辅助服务市场主辅协调优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王建学等: "大规模新能源并网***电源规划方法", 《中国电机工程学报》 *
黄启航等: "面向灵活资源配置的电力***超短期优化调度", 《中国电力》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016747B (zh) * 2020-08-26 2022-10-11 国网四川省电力公司经济技术研究院 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN112016747A (zh) * 2020-08-26 2020-12-01 国网四川省电力公司经济技术研究院 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN112234604A (zh) * 2020-09-10 2021-01-15 西安交通大学 一种多能互补电源基地优化配置方法、存储介质及设备
CN112234604B (zh) * 2020-09-10 2023-04-28 西安交通大学 一种多能互补电源基地优化配置方法、存储介质及设备
CN112418614A (zh) * 2020-11-04 2021-02-26 华北电力大学 一种电力***的可调节性资源建设方案确定方法及***
CN112418614B (zh) * 2020-11-04 2024-01-30 华北电力大学 一种电力***的可调节性资源建设方案确定方法及***
CN112819278A (zh) * 2020-12-31 2021-05-18 广西大学 一种求解两阶段鲁棒优化机组组合模型的分段仿射方法
CN112819278B (zh) * 2020-12-31 2023-07-11 广西大学 一种求解两阶段鲁棒优化机组组合模型的分段仿射方法
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和***
CN113205273A (zh) * 2021-05-20 2021-08-03 国网山西省电力公司经济技术研究院 一种计及区外电能交易的低碳化电源规划方法及***
CN113205273B (zh) * 2021-05-20 2024-03-29 国网山西省电力公司经济技术研究院 一种计及区外电能交易的低碳化电源规划方法及***
CN113705863B (zh) * 2021-08-12 2022-07-12 南方电网能源发展研究院有限责任公司 一种容量投建决策方案确定方法、装置和计算机设备
CN113705863A (zh) * 2021-08-12 2021-11-26 南方电网能源发展研究院有限责任公司 一种容量投建决策方案确定方法、装置和计算机设备
CN114529133A (zh) * 2022-01-05 2022-05-24 华能江苏能源开发有限公司 一种计及多类型供需者的区域电力充裕度仿真方法及装置
CN114156950A (zh) * 2022-02-09 2022-03-08 广东电力交易中心有限责任公司 一种电力***电源容量分配方法及装置
CN114156950B (zh) * 2022-02-09 2022-06-07 广东电力交易中心有限责任公司 一种电力***电源容量分配方法及装置
CN118052152A (zh) * 2024-04-15 2024-05-17 国网江西省电力有限公司经济技术研究院 一种基于电力性能数据模拟仿真方法

Also Published As

Publication number Publication date
CN111555281B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN111555281B (zh) 一种电力***灵活性资源配置仿真方法及装置
Zhang et al. Market-oriented optimal dispatching strategy for a wind farm with a multiple stage hybrid energy storage system
CN107276127B (zh) 考虑联络线电力交易计划的多区域互联电力***的风电消纳优化方法
CN103151803A (zh) 一种含风电***机组及备用配置的优化方法
CN104915737A (zh) 基于风险控制含大规模风电的电力***协调经济调度方法
CN108039737B (zh) 一种源网荷协调运行模拟***
CN104143839B (zh) 基于功率预测的风电场集群限出力有功功率分配方法
CN112308411B (zh) 基于动态碳交易模型的综合能源站随机规划方法及***
He et al. Stochastic model predictive control of hybrid energy storage for improving AGC performance of thermal generators
CN112186734B (zh) 一种电力***中长期运行模拟方法、储存介质及计算设备
CN107017625A (zh) 用于独立微电网的能量动态调度的方法和设备
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN115860205A (zh) 考虑跨季节调度的两阶段分布鲁棒氢储设备优化配置方法
CN110752598B (zh) 多点分布式储能***灵活性评价方法和装置
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN107769266A (zh) 一种多时间尺度发电与备用联合优化方法
CN108288132B (zh) 一种基于源荷互动电力***调度的建模方法
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及***
CN117013535B (zh) 一种兼顾生态调度需求的水风光火互补容量配置方法
CN112491080A (zh) 一种新能源装机布局规划方法和***
CN112994087B (zh) 基于条件风险约束的多源电力***中期优化调度方法
CN114465226A (zh) 一种电力***多级备用获取联合优化模型的建立方法
CN108418213B (zh) 一种基于源荷互动电力***调度的方法
CN114156950B (zh) 一种电力***电源容量分配方法及装置
CN117748608B (zh) 面向不同场景的多类灵活性资源组合配置方法

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
GR01 Patent grant
GR01 Patent grant