CN111626470A - 一种电热综合协调优化调度方法及*** - Google Patents

一种电热综合协调优化调度方法及*** Download PDF

Info

Publication number
CN111626470A
CN111626470A CN202010282974.9A CN202010282974A CN111626470A CN 111626470 A CN111626470 A CN 111626470A CN 202010282974 A CN202010282974 A CN 202010282974A CN 111626470 A CN111626470 A CN 111626470A
Authority
CN
China
Prior art keywords
scene
unit
wind power
constraint
output
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
Application number
CN202010282974.9A
Other languages
English (en)
Inventor
黄国栋
戴赛
丁强
董恩伏
高凯
张艳军
王力
周桂平
周承玺
孙明成
吴南
李博
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.)
China Electric Power Research Institute Co Ltd CEPRI
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning 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 China Electric Power Research Institute Co Ltd CEPRI, State Grid Liaoning Electric Power Co Ltd, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202010282974.9A priority Critical patent/CN111626470A/zh
Publication of CN111626470A publication Critical patent/CN111626470A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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; 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明提供了一种电热综合协调优化调度方法包括：对预先获取的误差概率分布的数据进行筛选处理并计算场景概率；基于场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；基于确定机组的开停机情况和风电预测场景求解预先构建的调度计划模型，得到调度策略；其中多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标确定各机组的开停机情况；调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对***的发电总成本进行计算；通过多场景机组组合模型、调度计划模型，提高热电机组限值设定的合理性和准确性，为后续调度中进一步优化留出更科学的裕度。

Description

一种电热综合协调优化调度方法及***
技术领域
本发明属于电力***调度计划领域，涉及一种电热综合协调优化调度方法及***。
背景技术
一些地区风能和煤炭等资源丰富，电源中火电机组大部分为供热机组，在供热期出力调整范围显著缩小，同时冬季供暖期热负荷需求量高，由于“以热定电”，热电机组基本不参与调峰，导致***调峰能力下降；而冬季风能资源丰富，其出力又呈反调峰特性，在这两个因素共同作用下，低谷时段风电大发而电网调峰能力不足，风电并网容量受限并造成弃风。传统的调度运行方式不能满足促进经济效益最优和减少污染排放的要求，亟需深入研究热电联产机组运行特点，充分考虑大规模风电接入下的调度运行，提高风电消纳能力和热电机组能效，兼顾供热需求与电网安全，提升***调峰能力和电-热综合调度水平。
长期以来把以热定电作为发展热电联产的基本方针，要求在热电厂的设计中，根据供暖热负荷选择辅炉和汽轮机发电机组的容量和类型，在满足供热***的连续稳定的运行的同时将电作为供热的副产品，一定程度造成电网电力负荷低谷期发电量过剩，而电网电力负荷高峰期发电量不足的局面，不利于解决电网电力负荷的峰谷差问题。热电联运机组发电功率限值当前在多个网省往往都是按月给定，但由于各机组实际对外的供热负荷相差很大，导致机组实际热电比和热电联产效率达不到国家规定要求，低谷时期挤占大容量高效机组发电空间，影响到电网的安全运行水平和整体节能环保水平。
发明内容
针对现有的低谷时段风电大发而电网调峰能力不足，风电并网容量受限并造成弃风的问题，本发明提供了一种电热综合协调优化调度方法，具体包括：
对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；
所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算。
优选的，所述多场景机组组合模型的构建，包括：
考虑场景类型，各类型场景发生概率，以***的发电总成本最小为目标构建目标函数；
并在每种场景下均以机组特性约束、网络安全约束以及电力平衡约束构建约束条件。
优选的，所述多场景机组组合模型的目标函数的计算式如下所示：
Figure BDA0002445534590000021
式中F是***的发电总成本，包括机组启动成本和煤耗成本，I为火电机组数量，T为总调度时段数量，SCi，t为第i台机组在第t个时段的启动成本，ui，t为第i台机组在第t个时段的运行状态，1是开机，0是停机，Ns为场景个数，ps为场景s的概率，ui，t-1为第i台机组在第t-1个时段的运行状态，1是开机，
Figure BDA0002445534590000022
为第i台机组在第s个场景下、第t个时段的煤耗成本。
优选的，所述第i台机组在第s个场景下、第t个时段的煤耗成本
Figure BDA0002445534590000023
的计算式如下：
Figure BDA0002445534590000024
式中，
Figure BDA0002445534590000025
为第i台机组在第t个时段、第s个场景下的功率值，ai、bi、ci为机组i的煤耗成本系数。
优选的，所述调度计划模型包括：
基于选取的风电预测最大场景，确定热电机组最小出力，对所述***的发电总成本进行计算；
基于选取的风电预测最小场景，确定热电机组最大出力，对所述***的发电总成本进行计算；
基于选取的正常风电预测场景，确定热电机组正常出力，对所述***的发电总成本进行计算。
优选的，所述风电预测最大场景的调度计划模型包括：
以热电机组最小出力为目标；
以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件。
优选的，所述热电机组最小出力的目标函数的计算式如下所示：
Figure BDA0002445534590000031
式中，F为***的发电总成本，FCi，t表示第i个热电机组第t个时段的煤耗成本，QF′i，t是选取风电预测最大场景时风电场j在t时段的弃风功率，γ是惩罚因子，Ck，t是调峰火电机组k在t时段的调峰功率，ηk，t是调峰火电机组k在t时段的调峰报价，I、J、K分别是热电机组、风电场、调峰机组的数量，T为运行周期。
优选的，所述风电预测最小场景的调度计划模型包括：
以热电机组最大出力为目标；以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件为约束。
优选的，所述热电机组最大出力的目标函数的计算式如下所示：
Figure BDA0002445534590000033
式中，QF″i，t是选取风电预测最小场景时风电场j在t时段的弃风功率。
优选的，所述以正常风电预测场景的调度计划模型包括：
基于确定机组的开停机情况和风电预测正常场景，构建热电机组正常出力的目标函数；
为所述正常出力的目标函数确定约束条件；
其中，所述约束条件包括：电热耦合约束出力上下限约束、电力电量平衡约束、机组出力约束、爬坡约束、电网安全约束。
优选的，所述热电机组正常出力的目标函数的计算式如下所示：
Figure BDA0002445534590000041
式中，FC′i，t表示正常场景下第i个火电机组(包括热电机组)第t个时段的煤耗成本，I是火电机组的总数量，QF″′i，t是选取风电预测正常场景时风电场j在t时段的弃风功率。
优选的，所述场景概率的计算如下：
基于历史统计的预测值、预测误差，计算预测t时刻的风电出力值，并基于预测的风电出力值和实际风电变化范围得到多个t时刻预测风电状态；
将多个t时刻预测风电状态、t-1时刻预测风电状态输入到状态转移矩阵得到在预设置信水平内由所述t-1时刻预测风电状态转移到各个t时刻预测风电状态的概率，并根据概率从大到小排列所述t时刻预测风电状态；
基于预设置信水平内由所述t-1时刻预测风电状态转移到t时刻预测风电状态、概率的计算，利用所述状态转移矩阵计算得到多时段的风电状态场景及场景概率。
基于同一构思，本发明提供了一种电热综合协调优化调度***，包括：处理模块、开机情况确定模块和求解模块；
所述处理模块，用于对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
所述开机情况确定模块，用于基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
所述求解模块，用于基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；
所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算。
与现有技术相比，本发明的有益效果为：
1、本发明提供的一种电热综合协调优化调度方法包括：对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算，通过多场景机组组合模型以及调度计划模型，提高热电机组限值设定的合理性和准确性，拓展热电联运机组参与调峰的空间，同时为其在后续调度中作进一步优化留出更科学的裕度；
2、本发明提供的一种电热综合协调优化调度方法及***，通过概率场景生成和筛选确定机组组合，同时考虑调峰辅助服务、弃风惩罚、热电机组耦合特性等要求，给出热电机组发电计划的同时给出了运行范围，有利于计划编制人员对热电机组进行灵活把控，提升***灵活性和调峰能力，有助于抑制新能源波动，提升电网消纳新能源的能力。
附图说明
图1为本发明提供的方法流程图；
图2为本发明实施例提供的热电机组电热耦合关系图；
图3为本发明实施例提供的一种电-热综合协调优化调度方法流程示意图；
图4为本发明提供的***结构图。
具体实施方式
结合附图对本发明的实施例作进一步说明。
实施例1：
本发明提供了一种电热综合协调优化调度方法，结合图1的方法流程图进行介绍，具体包括：
步骤1：对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
步骤2：基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
步骤3：基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，步骤1：对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率，具体包括：
一种风电场景生成。获取风电预测及风电预测误差概率分布，利用蒙特卡洛模拟得到1000组风电场景集。
风电场景荐选。利用状态转移矩阵、同步回代缩减法对1000组场景进行缩减荐选，得到N个风电场景及每个场景概率Ps(s＝1，2，......，N)。
场景树的生成流程：
(1)计算t时刻的可能风电出力。t时刻的预测风电出力值为Pt，wind，考虑历史统计的预测误差(有预测值，也有预测误差的分布函数)，认为实际风电变化范围为Pt，wind×(1±3σ)，σ是预测误差的标准差，根据蒙特卡洛模拟，得到多个可能的风电状态wi(i＝1，2，3……)。
(2)根据状态转移矩阵，得到从状态wt-1转移到wt时刻可能风电状态的概率
Figure BDA0002445534590000061
按照概率从大到小依次确定对应的状态wi∈wt，直到转移到wt的概率大于一定置信水平。
(3)根据得到的t时刻风电出力状态，重复(1)～(2)，得到t+1时刻的风电状态。
(4)重复(3)，可以得到多时段的风电状态场景，每个场景的概率为
Figure BDA0002445534590000062
(5)利用同步回代缩减法，基于概率距离最小，完成场景缩减筛选。
步骤2：基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况，具体包括：
建立多场景机组组合模型，确定机组开停，结合图3的一种电-热综合协调优化调度方法流程示意图进行介绍。
确定目标函数，目标函数如下所示：
Figure BDA0002445534590000063
式中F是***的发电总成本，包括机组启动成本和煤耗成本，I为火电机组数量，T为总调度时段数量，SCi，t为第i台机组在第t个时段的启动成本，ui，t为第i台机组在第t个时段的运行状态，1是开机，0是停机，Ns为场景个数，ps为场景s的概率。
第i台机组在第s个场景下、第t个时段的煤耗成本为：
Figure BDA0002445534590000071
式中
Figure BDA0002445534590000072
表示第s个场景下，第t个时段的煤耗成本，
Figure BDA0002445534590000073
为第i台机组在第t个时段、第s个场景下的功率值，ai、bi、ci为机组i的煤耗成本系数。
确定约束条件
约束条件包括机组特性、网络安全和电力平衡等约束，在每种场景下都需要满足这些约束条件。
模型求解
得到***各场景的发生概率后，上述模型转变为确定的机组组合模型，利用混合整数规划求解上述模型，得到确定的机组组合。
步骤3：基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略，具体包括：
选取风电预测最大场景，确定热电机组最小出力。
为了求解热电机组的最小出力，选取风电预测最大的场景，建立调度计划模型。
确定目标函数
Figure BDA0002445534590000074
其中：F是***的发电总成本，包括热电机组煤耗成本、弃风成本、调峰成本三部分，FCi，t表示第i个热电机组第t个时段的煤耗成本，计算方法同式(2)，QF′i，t是选取风电预测最大场景时风电场j在t时段的弃风功率，γ是惩罚因子，Ck，t是调峰火电机组k在t时段的调峰功率，ηk，t是调峰火电机组k在t时段的调峰报价，I、J、K分别是热电机组、风电场、调峰机组的数量，T为运行周期。
确定约束条件
包括电力电量平衡、机组出力约束、爬坡约束、电网安全约束等，热电机组还需要考虑电热耦合约束，具体如下：
结合图2的热电机组电热耦合关系图进行介绍，通过热负荷可以确定热电机组i的常规出力上限
Figure BDA0002445534590000081
和出力下限
Figure BDA0002445534590000082
Figure BDA0002445534590000083
Figure BDA0002445534590000084
式中a1i、b1i、a2i、b2i表示耦合参数，Hi，t表示表示热电机组i在t时段的供热需求，可提前获取。
建立调度计划模型，求解得到热电机组的出力，就是热电机组的最小出力。
选取风电预测最小场景，确定热电机组最大出力。
为了求解热电机组的最大出力，选取风电预测最小的场景，目标函数调整如下：
Figure BDA0002445534590000085
约束条件同步骤4，建立调度计划模型，求解得到热电机组的出力，就是热电机组的最大出力，QF″i，t是选取风电预测最小场景时风电场j在t时段的弃风功率。
选择正常风电预测数据，确定热电机组的参考出力。
为了求解热电机组的出力曲线，选取正常风电预测数据，目标函数
Figure BDA0002445534590000087
其中：FC′i，t表示正常场景下第i个火电机组(包括热电机组)第t个时段的煤耗成本，I是火电机组的总数量，QF″′i，t是选取风电预测正常场景时风电场j在t时段的弃风功率。
约束条件为电力电量平衡、机组出力约束、爬坡约束、电网安全约束等，热电机组还需要考虑电热耦合约束，建立调度计划模型，求解得到热电机组的出力，就是热电机组的参考出力，供调度人员参考使用。
实施例2：
基于同一发明构思，本发明还提供了一种电热综合协调优化调度***，结合图4的***结构图进行介绍，具体包括：处理模块、开机情况确定模块和求解模块；
所述处理模块，用于对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
所述开机情况确定模块，用于基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
所述求解模块，用于基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；
所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算。
所述开机情况确定模块，包括：组合模型目标子模块和组合模型约束子模块；
所述组合模型目标子模块，用于考虑场景类型，各类型场景发生概率，以***的发电总成本最小为目标构建目标函数；
所述组合模型约束子模块，用于在每种场景下均以机组特性约束、网络安全约束以及电力平衡约束构建约束条件。
所述求解模块，包括：最大场景子模块、最小场景子模块和正常场景子模块；
所述最大场景子模块，用于基于选取的风电预测最大场景，确定热电机组最小出力，对所述***的发电总成本进行计算；
所述最小场景子模块，用于基于选取的风电预测最小场景，确定热电机组最大出力，对所述***的发电总成本进行计算；
所述正常场景子模块，用于基于选取的正常风电预测场景，确定热电机组正常出力，对所述***的发电总成本进行计算。
所述最大场景子模块，包括：最小出力目标单元和最小出力约束单元；
所述最小出力目标单元，用于以热电机组最小出力为目标；
所述最小出力约束单元，用于以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件。
所述最小场景子模块，包括：最大出力目标单元和最大出力约束单元；所述最大出力目标单元，用于以热电机组最大出力为目标；
所述最大出力约束单元，用于以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件为约束。
所述正常场景子模块，包括：正常出力单元和正常出力约束单元；
所述正常出力单元，用于基于确定机组的开停机情况和风电预测正常场景，构建热电机组正常出力的目标函数；
所述正常出力约束单元，用于为所述正常出力的目标函数确定约束条件；
其中，所述约束条件包括：电热耦合约束出力上下限约束、电力电量平衡约束、机组出力约束、爬坡约束、电网安全约束。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (13)

1.一种电热综合协调优化调度方法，其特征在于，包括：
对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；
所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算。
2.如权利要求1所述的方法，其特征在于，所述多场景机组组合模型的构建，包括：
考虑场景类型，各类型场景发生概率，以***的发电总成本最小为目标构建目标函数；
并在每种场景下均以机组特性约束、网络安全约束以及电力平衡约束构建约束条件。
3.如权利要求2所述的方法，其特征在于，所述多场景机组组合模型的目标函数的计算式如下所示：
Figure FDA0002445534580000011
式中F是***的发电总成本，包括机组启动成本和煤耗成本，I为火电机组数量，T为总调度时段数量，SCi，t为第i台机组在第t个时段的启动成本，ui，t为第i台机组在第t个时段的运行状态，1是开机，0是停机，Ns为场景个数，ps为场景s的概率，ui，t-1为第i台机组在第t-1个时段的运行状态，1是开机，
Figure FDA0002445534580000012
为第i台机组在第s个场景下、第t个时段的煤耗成本。
4.如权利要求3所述的方法，其特征在于，所述第i台机组在第s个场景下、第t个时段的煤耗成本
Figure FDA0002445534580000013
的计算式如下：
Figure FDA0002445534580000014
式中，
Figure FDA0002445534580000021
为第i台机组在第t个时段、第s个场景下的功率值，ai、bi、ci为机组i的煤耗成本系数。
5.如权利要求3所述的方法，其特征在于，所述调度计划模型包括：
基于选取的风电预测最大场景，确定热电机组最小出力，对所述***的发电总成本进行计算；
基于选取的风电预测最小场景，确定热电机组最大出力，对所述***的发电总成本进行计算；
基于选取的正常风电预测场景，确定热电机组正常出力，对所述***的发电总成本进行计算。
6.如权利要求5所述的方法，其特征在于，所述风电预测最大场景的调度计划模型包括：
以热电机组最小出力为目标；
以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件。
7.如权利要求6所述的方法，其特征在于，所述热电机组最小出力的目标函数的计算式如下所示：
Figure FDA0002445534580000022
式中，F为***的发电总成本，FCi，t表示第i个热电机组第t个时段的煤耗成本，QF′i，t是选取风电预测最大场景时风电场j在t时段的弃风功率，γ是惩罚因子，Ck，t是调峰火电机组k在t时段的调峰功率，ηk，t是调峰火电机组k在t时段的调峰报价，I、J、K分别是热电机组、风电场、调峰机组的数量，T为运行周期。
8.如权利要求5所述的方法，其特征在于，所述风电预测最小场景的调度计划模型包括：
以热电机组最大出力为目标；以电热耦合出力上下限、电力电量平衡、机组出力约束、爬坡约束和电网安全为约束条件为约束。
9.如权利要求8所述的方法，其特征在于，所述热电机组最大出力的目标函数的计算式如下所示：
Figure FDA0002445534580000031
式中，QF″i，t是选取风电预测最小场景时风电场j在t时段的弃风功率。
10.如如权利要求5所述的方法，其特征在于，所述以正常风电预测场景的调度计划模型包括：
基于确定机组的开停机情况和风电预测正常场景，构建热电机组正常出力的目标函数；
为所述正常出力的目标函数确定约束条件；
其中，所述约束条件包括：电热耦合约束出力上下限约束、电力电量平衡约束、机组出力约束、爬坡约束、电网安全约束。
11.如权利要求10所述的方法，其特征在于，所述热电机组正常出力的目标函数的计算式如下所示：
Figure FDA0002445534580000032
式中，FC′i，t表示正常场景下第i个火电机组(包括热电机组)第t个时段的煤耗成本，I是火电机组的总数量，QF″′i，t是选取风电预测正常场景时风电场j在t时段的弃风功率。
12.如权利要求1所述的方法，其特征在于，所述场景概率的计算如下：
基于历史统计的预测值、预测误差，计算预测t时刻的风电出力值，并基于预测的风电出力值和实际风电变化范围得到多个t时刻预测风电状态；
将多个t时刻预测风电状态、t-1时刻预测风电状态输入到状态转移矩阵得到在预设置信水平内由所述t-1时刻预测风电状态转移到各个t时刻预测风电状态的概率，并根据概率从大到小排列所述t时刻预测风电状态；
基于预设置信水平内由所述t-1时刻预测风电状态转移到t时刻预测风电状态、概率的计算，利用所述状态转移矩阵计算得到多时段的风电状态场景及场景概率。
13.一种电热综合协调优化调度***，其特征在于，包括：处理模块、开机情况确定模块和求解模块；
所述处理模块，用于对预先获取的误差概率分布的数据进行筛选处理，并计算场景概率；
所述开机情况确定模块，用于基于所述场景概率将筛选过的数据输入预先构建的多场景机组组合模型进行求解，确定机组的开停机情况；
所述求解模块，用于基于所述确定机组的开停机情况和风电预测场景，求解预先构建的调度计划模型，得到调度策略；
其中，所述多场景机组组合模型，在考虑场景类型及各类型场景发生概率情况下以***的发电总成本最小为目标，确定各机组的开停机情况；
所述调度计划模型，基于风电预测各场景下以热电机组最小和最大出力为目标，对所述***的发电总成本进行计算。
CN202010282974.9A 2020-04-10 2020-04-10 一种电热综合协调优化调度方法及*** Pending CN111626470A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010282974.9A CN111626470A (zh) 2020-04-10 2020-04-10 一种电热综合协调优化调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010282974.9A CN111626470A (zh) 2020-04-10 2020-04-10 一种电热综合协调优化调度方法及***

Publications (1)

Publication Number Publication Date
CN111626470A true CN111626470A (zh) 2020-09-04

Family

ID=72258826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010282974.9A Pending CN111626470A (zh) 2020-04-10 2020-04-10 一种电热综合协调优化调度方法及***

Country Status (1)

Country Link
CN (1) CN111626470A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112366687A (zh) * 2020-10-23 2021-02-12 国网青海省电力公司经济技术研究院 一种考虑绿色证书的调峰辅助服务补偿方法及装置
CN112365034A (zh) * 2020-10-27 2021-02-12 燕山大学 一种电热综合能源***调度方法及***
CN114069613A (zh) * 2021-11-03 2022-02-18 国网山东省电力公司东营供电公司 基于企业用能特性的自备电厂参与调峰的调控方法及***
CN116454890A (zh) * 2023-04-20 2023-07-18 中国南方电网有限责任公司 基于scuc模型的机组组合控制方法、装置和设备

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112366687A (zh) * 2020-10-23 2021-02-12 国网青海省电力公司经济技术研究院 一种考虑绿色证书的调峰辅助服务补偿方法及装置
CN112366687B (zh) * 2020-10-23 2023-01-13 国网青海省电力公司经济技术研究院 一种考虑绿色证书的调峰辅助服务补偿方法及装置
CN112365034A (zh) * 2020-10-27 2021-02-12 燕山大学 一种电热综合能源***调度方法及***
CN114069613A (zh) * 2021-11-03 2022-02-18 国网山东省电力公司东营供电公司 基于企业用能特性的自备电厂参与调峰的调控方法及***
CN114069613B (zh) * 2021-11-03 2024-03-12 国网山东省电力公司东营供电公司 基于企业用能特性的自备电厂参与调峰的调控方法及***
CN116454890A (zh) * 2023-04-20 2023-07-18 中国南方电网有限责任公司 基于scuc模型的机组组合控制方法、装置和设备
CN116454890B (zh) * 2023-04-20 2024-02-06 中国南方电网有限责任公司 基于scuc模型的机组组合控制方法、装置和设备

Similar Documents

Publication Publication Date Title
CN111626470A (zh) 一种电热综合协调优化调度方法及***
CN105048516B (zh) 一种风光水火多源互补优化调度方法
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
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及***
CN107679776A (zh) 一种能源调度方法及分布式能源***、分布式能源网络***
CN106786793A (zh) 一种基于鲁棒优化的冷热电联供型微网运行方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN110826773B (zh) 一种考虑新能源接入的火电机组月度发电计划优化方法
CN105305423A (zh) 一种考虑间歇性能源不确定性的最优误差边界的确定方法
CN108808740A (zh) 多区域互联电网的多时间尺度的调度方法、装置以及存储介质
CN102593855B (zh) 平抑电力***中可再生能源电源输出功率波动的方法
CN108596442A (zh) 计及条件风险价值的综合能源***经济调度方法
CN113256045A (zh) 考虑风光不确定性的园区综合能源***日前经济调度方法
CN105244870A (zh) 一种快速计算电网风电场弃风率及机组发电量的方法
CN114936720A (zh) 一种源-荷-储协调的综合能源***低碳经济调度方法
CN112909933A (zh) 现货市场环境下含抽水蓄能机组的日内滚动优化调度方法
CN115360706A (zh) 考虑dr和灵活性供需平衡的源荷储联合调度方法及***
CN108667077A (zh) 一种风蓄联合***优化调度方法
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及***
CN105305485A (zh) 一种消纳大规模间歇性能源的安全约束经济调度方法
CN113452078B (zh) 基于新能源接入及水火电特性的agc多目标协调优化策略
Du et al. Exploring the flexibility of CSP for wind power integration using interval optimization
CN112365034B (zh) 一种电热综合能源***调度方法及***
CN110247392A (zh) 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法

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