CN111917142A - 一种基于风光水的能源集控平台的有功分配方法 - Google Patents

一种基于风光水的能源集控平台的有功分配方法 Download PDF

Info

Publication number
CN111917142A
CN111917142A CN202010680642.6A CN202010680642A CN111917142A CN 111917142 A CN111917142 A CN 111917142A CN 202010680642 A CN202010680642 A CN 202010680642A CN 111917142 A CN111917142 A CN 111917142A
Authority
CN
China
Prior art keywords
active power
wind
power
value
generating set
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
CN202010680642.6A
Other languages
English (en)
Inventor
李亦凡
龚传利
张煦
文正国
何飞跃
迟海龙
张卫君
张显兵
何婷
冯宾春
冯迅
韩长霖
任延明
刘晓彤
邓小刚
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 Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202010680642.6A priority Critical patent/CN111917142A/zh
Publication of CN111917142A publication Critical patent/CN111917142A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种基于风光水的能源集控平台的有功分配方法通过优先消纳风光有功功率出力值，去达到最大化利用潜在的风能与光能的目的，通过水电有功功率出力值去补偿风光有功功率出力值，保障总的有功功率出力值满足设定的有功功率输出需求值，同时设定多种约束去对风光有功功率出力值进行约束，并有效降低机组的振动磨损，使机组出力维持在振动区以外稳定运行。

Description

一种基于风光水的能源集控平台的有功分配方法
技术领域
本发明涉及新能源发电领域，具体涉及一种基于风光水的能源集控平台的有功分配方法。
背景技术
当前我国能源结构中，大幅增加了风电、太阳能等新能源的占比，但由于其能源间歇性和波动性的特点，目前弃风弃光现象较为严重，需要建立补偿电站。
目前现有的多种能源短期及实时出力控制主要靠调度通知，有两种调节方法。一种是风电场和光伏电场不限出力运行，由水电厂(包括抽水蓄能电站)、火电厂或其他常规电厂参与能源集控平台的AGC(Automatic Generation Control自动发电控制)并进行实时补偿调节，使得总出力曲线符合日计划曲线。这种模式的缺点是对常规电站调节能力要求较高，且在天气变化剧烈的情况下，常规电站电厂调节频繁，调节负荷变化幅度较大，影响机组的使用寿命，增加了电厂的维护成本。另一种是风电场和光伏电厂AGC限制出力运行，常规电站按照计划曲线常规运行。这种方法的缺点是互补的实时性调节不足，不能充分利用风能与光能。
目前AGC的策略在短期及实时发电调度中未能充分利用多种能源出力之间的互补效应。为了充分利用新能源并对其进行集约化管理，各大发电企业建立或正在建立相关的集控平台。需要在该平台上建立一套AGC***及并完善AGC出力分配策略，使其能够满足多种能源电站自动调节负荷的方法。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于风光水的能源集控平台的有功分配方法解决了现有技术中对新能源互补效应利用不足，并在保障电网安全稳定运行的前提下提高了电网对新能源的消纳能力。
为了达到上述发明目的，本发明采用的技术方案为：一种基于风光水的能源集控平台的有功分配方法，包括以下步骤：
S1、通过能源集控平台的风光出力预测模块测量当前风能和光能，得到风电有功功率预测值和光伏电有功功率预测值；
S2、根据风电有功功率预测值和光伏电有功功率预测值，通过机器学习训练得到使优先消纳风光出力目标函数最大的风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值；
S3、根据智能功率分配法，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，实现对风电、光伏电和水电的有功分配。
进一步地，步骤S2中优先消纳风光出力目标函数为：
Figure BDA0002585690540000021
其中，T为总时段，t为当前时段，f1为优先消纳风光出力目标函数，Pw,t为风电有功功率出力值，Ps,t为光伏电有功功率出力值，ΔPh,t为水电有功功率出力补偿值，P′w,t为风电有功功率预测值，P′s,t为光伏电有功功率预测值。
进一步地，步骤S3包括以下分步骤：
S31、判断有功功率输出需求值是否大于风电有功功率预测值与光伏电有功功率预测值之和，若是，则跳转至步骤S32，若否，则跳转至步骤S33；
S32、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f2得到最小最优解，实现对风电、光伏电和水电的有功分配；
S33、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f3得到最小最优解，实现对风电、光伏电和水电的有功分配。
进一步地，所述目标函数f2为：
minf2＝C1·ΔPh,t+C2·W(T)+C3·N(T) (2)
其中，C1为水电有功功率加权系数，C2为水电耗水量加权系数，C3为水电机组振动磨损加权系数，W(T)为水电耗水量，N(T)为水电机组发电全场时间内穿越振动区次数。
进一步地，所述目标函数f3为：
minf3＝C4·(PAGC-P′AGC)+C5 (3)
其中，PAGC为有功功率输出需求值，P′AGC为实际发出有功功率总值，C4为功率偏差的惩罚系数，C5为风电机组与光伏电机组折旧成本总量。
进一步地，所述水电耗水量W(T)为：
Figure BDA0002585690540000031
其中，T为总时段，t为当前时段，n为水电机组的个数，WF(Pi,H,t)为t时段第i台水电机组在H水头下的有功功率出力值对应的耗水量，WC(i,t)为t时段第i台水电机组的开停机耗水量，WN(Pi,H,t)为t时段第i台水电机组在H水头下的补偿风电和光伏电的耗水量，Q(Pi,H,t)为t时段第i台水电机组在H水头下的流量。
进一步地，所述水电机组发电全场时间内穿越振动区次数N(T)为：
Figure BDA0002585690540000041
其中，T为总时段，t为当前时段，n为水电机组的个数，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，Pi,1为第i台水电机组第一个振动区的有功功率出力值，Pi,2为第i台水电机组第二个振动区的有功功率出力值，Pi(t)为t时段不属于振动区的有功功率出力值。
进一步地，所述步骤S32和步骤S33中的智能功率限定条件包括以下等式和不等式：
功率平衡约束
Figure BDA0002585690540000042
机组出力约束
Figure BDA0002585690540000043
水电振动区约束
Figure BDA0002585690540000044
调节死区约束|ΔP|>0.01Pspecified
爬坡率限制
Figure BDA0002585690540000045
水电机组开机条件PAGC-(P′w,t+P′s,t)+Pb>∑PT
水电机组开机台数Nh,Open＝(PAGC-P′w,t-P′s,t+Pb-∑PT)/Pm+1
水电机组停机条件∑PT-(PAGC-P′w,t-P′s,t+Pb)>Pm
水电机组停机台数Nh,Close＝[∑PT-(PAGC-P′w,t-P′s,t+Pb)]/Pm
水电机组退出能源集控平台的条件PAGC<θ1*(P′w,t+P′s,t)
风电机组的停机条件PAGC＜＜θ2*P′w,t-Pwj
风电机组的开机条件
Figure BDA0002585690540000051
其中，PAGC为有功功率输出需求值，Pw,t为风电有功功率出力值，Ps,t为光伏电有功功率出力值，ΔPh,t为水电有功功率出力补偿值，
Figure BDA0002585690540000052
为水电有功功率出力值下限，
Figure BDA0002585690540000053
为水电有功功率出力值上限，
Figure BDA0002585690540000054
为风电有功功率出力值下限，
Figure BDA0002585690540000055
为风电有功功率出力值上限，
Figure BDA0002585690540000056
为光伏电有功功率出力值下限，
Figure BDA0002585690540000057
为光伏电有功功率出力值上限，Pwi为第i台水电机组正常运行时的有功功率出力值，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，ΔP为水电、风电或光伏电有功下发增量，Pspecified为水电、风电或光伏电机组额定功率值，Rit为t时段第i台水电机组的爬坡率，Ridown为第i台水电机组下降爬坡速率限值，Riup为第i台水电机组上升爬坡速率限值，Rjt为t时段第j台风电机组的爬坡率，Rjdown为第j台风电机组下降爬坡速率限值，Rjup为第j台风电机组上升爬坡速率限值，Rkt为t时段第k台光伏电机组的爬坡率，Rkdown为第k台光伏电机组下降爬坡速率限值，Rkup为第k台光伏电机组上升爬坡速率限值，P′w,t为风电有功功率预测值，P′s,t为光伏电有功功率预测值，Pb为水电厂的旋转备用容量，∑PT为已投入的能源集控平台的并网机组的可调容量，Nh,Open为水电机组的开机台数，Pm为水电机组的单机最大容量，Nh,Close为水电机组停机台数，θ1为水电机组加权系数，取值范围0～1，θ2为风电机组停机条件加权系数，取值范围0～1，Pwj为单台风电机组的有功功率出力值，θ3为风电机组开机条件加权系数，取值范围0～1，J为风电机组总数，P′wj为单台风机的有功功率预测值，l为第l台风机，
Figure BDA0002585690540000058
为所有未开机风机的有功功率预测值。
综上，本发明的有益效果为：一种基于风光水的能源集控平台的有功分配方法通过优先消纳风光有功功率出力值，去达到最大化利用潜在的风能与光能的目的，通过水电有功功率出力值去补偿风光有功功率出力值，保障总的有功功率出力值满足设定的有功功率输出需求值，同时设定多种约束去对风光有功功率出力值进行约束，并有效降低机组的振动磨损，使机组出力维持在振动区以外稳定运行。
附图说明
图1为一种基于风光水的能源集控平台的有功分配方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于风光水的能源集控平台的有功分配方法，包括以下步骤：
S1、通过能源集控平台的风光出力预测模块测量当前风能和光能，得到风电有功功率预测值和光伏电有功功率预测值；
S2、根据风电有功功率预测值和光伏电有功功率预测值，通过机器学习训练得到使优先消纳风光出力目标函数最大的风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值；
步骤S2中优先消纳风光出力目标函数为：
Figure BDA0002585690540000071
其中，T为总时段，t为当前时段，f1为优先消纳风光出力目标函数，Pw,t为风电有功功率出力值，Ps,t为光伏电有功功率出力值，ΔPh,t为水电有功功率出力补偿值，P′w,t为风电有功功率预测值，P′s,t为光伏电有功功率预测值。
S3、根据智能功率分配法，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，实现对风电、光伏电和水电的有功分配。
所述步骤S3包括以下分步骤：
S31、判断有功功率输出需求值是否大于风电有功功率预测值与光伏电有功功率预测值之和，若是，则跳转至步骤S32，若否，则跳转至步骤S33；
S32、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f2得到最小最优解，实现对风电、光伏电和水电的有功分配；
目标函数f2为：
minf2＝C1·ΔPh,t+C2·W(T)+C3·N(T) (2)
其中，C1为水电有功功率加权系数，C2为水电耗水量加权系数，C3为水电机组振动磨损加权系数，W(T)为水电耗水量，N(T)为水电机组发电全场时间内穿越振动区次数。
所述水电耗水量W(T)为：
Figure BDA0002585690540000072
其中，T为总时段，t为当前时段，n为水电机组的个数，WF(Pi,H,t)为t时段第i台水电机组在H水头下的有功功率出力值对应的耗水量，WC(i,t)为t时段第i台水电机组的开停机耗水量，WN(Pi,H,t)为t时段第i台水电机组在H水头下的补偿风电和光伏电的耗水量，Q(Pi,H,t)为t时段第i台水电机组在H水头下的流量。
所述水电机组发电全场时间内穿越振动区次数N(T)为：
Figure BDA0002585690540000081
其中，T为总时段，t为当前时段，n为水电机组的个数，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，Pi,1为第i台水电机组第一个振动区的有功功率出力值，Pi,2为第i台水电机组第二个振动区的有功功率出力值，Pi(t)为t时段不属于振动区的有功功率出力值。
在有功功率输出需求值大于风电有功功率预测值与光伏电有功功率预测值之和的情况下，不限制风电机组和光伏电机组的有功功率出力值，使得风电和光伏电最大消纳，水电机组补偿风电机组和光伏电机组的有功功率出力值的随机性带来的功率缺失，水电有功功率出力值Ph越小，水电机组对补偿风电机组和光伏电机组的补偿就越小，有功功率输出需求值与风电机组和光伏电机组的有功功率出力值的偏差越小。
S33、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f3得到最小最优解，实现对风电、光伏电和水电的有功分配。
目标函数f3为：
minf3＝C4·(PAGC-P′AGC)+C5 (3)
其中，PAGC为有功功率输出需求值，P′AGC为实际发出有功功率总值，C4为功率偏差的惩罚系数，C5为风电机组与光伏电机组折旧成本总量。
在有功功率输出需求值小于风电有功功率预测值与光伏电有功功率预测值之和的情况下，通过能源集控平台将水电机组产生的电能进行存储，适当的关闭风电机组和光伏电机组，根据有功功率输出需求值对风电机组和光伏电机组进行调节。
步骤S32和步骤S33中的智能功率限定条件包括以下等式和不等式：
功率平衡约束
Figure BDA0002585690540000094
机组出力约束
Figure BDA0002585690540000091
其中，《GB/T 19963-2011风电场接入电力***技术规定》对风电场有功功率变化最大值给出了限值，以满足电力***安全稳定运行的要求，见表1。
正常运行情况下风电场有功变化最大值表一
Figure BDA0002585690540000092
《GB/T 19964-2012光伏电站接入电力***技术规定》对光伏电站的有功功率给出了限制，光伏电站的有功功率变化速率应不超过10％装机容量/min，允许出现因太阳能辐照度降低而引起的光伏发电站有功功率变化速率超出限制的情况。
水电振动区约束
Figure BDA0002585690540000093
水电振动区约束用于减少机组穿越振动区的次数，可以有效降低机组的振动磨损，使机组出力维持在振动区以外稳定运行。
调节死区约束|ΔP|>0.01Pspecified
通过调节死区约束避免微小的功率波动带来机组调节的频繁动作，为了避免有功调节不达标而造成调度的考核惩罚，本发明取调节死区为1％的机组额定功率值，即有功下发增量绝对值大于1％的机组额定功率值。
爬坡率限制
Figure BDA0002585690540000101
水电机组开机条件PAGC-(P′w,t+P′s,t)+Pb>∑PT
水电机组开机台数Nh,Open＝(PAGC-P′w,t-P′s,t+Pb-∑PT)/Pm+1
水电机组停机条件∑PT-(PAGC-P′w,t-P′s,t+Pb)>Pm
水电机组停机台数Nh,Close＝[∑PT-(PAGC-P′w,t-P′s,t+Pb)]/Pm
水电机组退出能源集控平台的条件PAGC<θ1*(P′w,t+P′s,t)
有功功率输出需求值较小时，将水电机组进行关机。
风电机组的停机条件PAGC＜＜θ2*P′w,t-Pwj
风电机组的停机条件用于排出风资源最差的风机。
风电机组的开机条件
Figure BDA0002585690540000102
风电机组的开机条件用于根据有功功率输出需求值，将风资源好的风机开机。
其中，PAGC为有功功率输出需求值，Pw,t为风电有功功率出力值，Ps,t为光伏电有功功率出力值，ΔPh,t为水电有功功率出力补偿值，
Figure BDA0002585690540000103
为水电有功功率出力值下限，
Figure BDA0002585690540000104
为水电有功功率出力值上限，
Figure BDA0002585690540000105
为风电有功功率出力值下限，
Figure BDA0002585690540000106
为风电有功功率出力值上限，
Figure BDA0002585690540000107
为光伏电有功功率出力值下限，
Figure BDA0002585690540000108
为光伏电有功功率出力值上限，Pwi为第i台水电机组正常运行时的有功功率出力值，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，ΔP为水电、风电或光伏电有功下发增量，Pspecified为水电、风电或光伏电机组额定功率值，Rit为t时段第i台水电机组的爬坡率，Ridown为第i台水电机组下降爬坡速率限值，Riup为第i台水电机组上升爬坡速率限值，Rjt为t时段第j台风电机组的爬坡率，Rjdown为第j台风电机组下降爬坡速率限值，Rjup为第j台风电机组上升爬坡速率限值，Rkt为t时段第k台光伏电机组的爬坡率，Rkdown为第k台光伏电机组下降爬坡速率限值，Rkup为第k台光伏电机组上升爬坡速率限值，P′w,t为风电有功功率预测值，P′s,t为光伏电有功功率预测值，Pb为水电厂的旋转备用容量，∑PT为已投入的能源集控平台的并网机组的可调容量，Nh,Open为水电机组的开机台数，Pm为水电机组的单机最大容量，Nh,Close为水电机组停机台数，θ1为水电机组加权系数，取值范围0～1，θ2为风电机组停机条件加权系数，取值范围0～1，Pwj为单台风电机组的有功功率出力值，θ3为风电机组开机条件加权系数，取值范围0～1，J为风电机组总数，P′wj为单台风机的有功功率预测值，l为第l台风机，
Figure BDA0002585690540000111
为所有未开机风机的有功功率预测值。
综上，本发明的有益效果为：一种基于风光水的能源集控平台的有功分配方法通过优先消纳风光有功功率出力值，去达到最大化利用潜在的风能与光能的目的，通过水电有功功率出力值去补偿风光有功功率出力值，保障总的有功功率出力值满足设定的有功功率输出需求值，同时设定多种约束去对风光有功功率出力值进行约束，并有效降低机组的振动磨损，使机组出力维持在振动区以外稳定运行。

Claims (8)

1.一种基于风光水的能源集控平台的有功分配方法，其特征在于，包括以下步骤：
S1、通过能源集控平台的风光出力预测模块测量当前风能和光能，得到风电有功功率预测值和光伏电有功功率预测值；
S2、根据风电有功功率预测值和光伏电有功功率预测值，通过机器学习训练得到使优先消纳风光出力目标函数最大的风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值；
S3、根据智能功率分配法，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，实现对风电、光伏电和水电的有功分配。
2.根据权利要求1所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述步骤S2中优先消纳风光出力目标函数为：
Figure FDA0002585690530000011
其中，T为总时段，t为当前时段，f1为优先消纳风光出力目标函数，Pw，t为风电有功功率出力值，Ps，t为光伏电有功功率出力值，ΔPh，t为水电有功功率出力补偿值，P′w，t为风电有功功率预测值，P′s，t为光伏电有功功率预测值。
3.根据权利要求2所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述步骤S3包括以下分步骤：
S31、判断有功功率输出需求值是否大于风电有功功率预测值与光伏电有功功率预测值之和，若是，则跳转至步骤S32，若否，则跳转至步骤S33；
S32、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f2得到最小最优解，实现对风电、光伏电和水电的有功分配；
S33、根据智能功率限定条件，通过机器学习方法进行训练，修正风电有功功率出力值、光伏电有功功率出力值和水电有功功率出力补偿值，使目标函数f3得到最小最优解，实现对风电、光伏电和水电的有功分配。
4.根据权利要求3所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述目标函数f2为：
minf2＝C1·ΔPh，t+C2·W(T)+C3·N(T) (2)
其中，C1为水电有功功率加权系数，C2为水电耗水量加权系数，C3为水电机组振动磨损加权系数，W(T)为水电耗水量，N(T)为水电机组发电全场时间内穿越振动区次数。
5.根据权利要求3所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述目标函数f3为：
minf3＝C4·(PAGC-P′AGC)+C5 (3)
其中，PAGC为有功功率输出需求值，P′AGC为实际发出有功功率总值，C4为功率偏差的惩罚系数，C5为风电机组与光伏电机组折旧成本总量。
6.根据权利要求4所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述水电耗水量W(T)为：
Figure FDA0002585690530000021
其中，T为总时段，t为当前时段，n为水电机组的个数，WF(Pi，H，t)为t时段第i台水电机组在H水头下的有功功率出力值对应的耗水量，WC(i，t)为t时段第i台水电机组的开停机耗水量，WN(Pi，H，t)为t时段第i台水电机组在H水头下的补偿风电和光伏电的耗水量，Q(Pi，H，t)为t时段第i台水电机组在H水头下的流量。
7.根据权利要求4所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述水电机组发电全场时间内穿越振动区次数N(T)为：
Figure FDA0002585690530000031
其中，T为总时段，t为当前时段，n为水电机组的个数，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，Pi，1为第i台水电机组第一个振动区的有功功率出力值，Pi，2为第i台水电机组第二个振动区的有功功率出力值，Pi(t)为t时段不属于振动区的有功功率出力值。
8.根据权利要求3所述的基于风光水的能源集控平台的有功分配方法，其特征在于，所述步骤S32和步骤S33中的智能功率限定条件包括以下等式和不等式：
功率平衡约束
Figure FDA0002585690530000032
机组出力约束
Figure FDA0002585690530000033
水电振动区约束
Figure FDA0002585690530000034
调节死区约束|ΔP|＞0.01Pspecified
爬坡率限制
Figure FDA0002585690530000035
水电机组开机条件PAGC-(P′w，t+P′s，t)+Pb＞∑PT
水电机组开机台数Nh，Open＝(PAGC-P′w，t-P′s，t+Pb-∑PT)/Pm+1
水电机组停机条件∑PT-(PAGC-P′w，t-P′s，t+Pb)＞Pm
水电机组停机台数Nh，Close＝[∑PT-(PAGC-P′w，t-P′s，t+Pb)]/Pm
水电机组退出能源集控平台的条件PAGC＜θ1*(P′w，t+P′s，t)
风电机组的停机条件PAGC＜＜θ2*P′w，t-Pwj
风电机组的开机条件
Figure FDA0002585690530000041
其中，PAGC为有功功率输出需求值，Pw，t为风电有功功率出力值，Ps，t为光伏电有功功率出力值，ΔPh，t为水电有功功率出力补偿值，
Figure FDA0002585690530000042
为水电有功功率出力值下限，
Figure FDA0002585690530000043
为水电有功功率出力值上限，
Figure FDA0002585690530000044
为风电有功功率出力值下限，
Figure FDA0002585690530000045
为风电有功功率出力值上限，
Figure FDA0002585690530000046
为光伏电有功功率出力值下限，
Figure FDA0002585690530000047
为光伏电有功功率出力值上限，Pwi为第i台水电机组正常运行时的有功功率出力值，PiDown1为第i台水电机组第一个振动区的下限，PiUp1为第i台水电机组第一个振动区的上限，PiDown2为第i台水电机组第二个振动区的下限，PiUp2为第i台水电机组第二个振动区的上限，ΔP为水电、风电或光伏电有功下发增量，Pspecified为水电、风电或光伏电机组额定功率值，Rit为t时段第i台水电机组的爬坡率，Ridown为第i台水电机组下降爬坡速率限值，Riup为第i台水电机组上升爬坡速率限值，Rjt为t时段第j台风电机组的爬坡率，Rjdown为第j台风电机组下降爬坡速率限值，Rjup为第j台风电机组上升爬坡速率限值，Rkt为t时段第k台光伏电机组的爬坡率，Rkdown为第k台光伏电机组下降爬坡速率限值，Rkup为第k台光伏电机组上升爬坡速率限值，P′w，t为风电有功功率预测值，P′s，t为光伏电有功功率预测值，Pb为水电厂的旋转备用容量，∑PT为已投入的能源集控平台的并网机组的可调容量，Nh，Open为水电机组的开机台数，Pm为水电机组的单机最大容量，Nh，Close为水电机组停机台数，θ1为水电机组加权系数，取值范围0～1，θ2为风电机组停机条件加权系数，取值范围0～1，Pwj为单台风电机组的有功功率出力值，θ3为风电机组开机条件加权系数，取值范围0～1，J为风电机组总数，P′wj为单台风机的有功功率预测值，l为第l台风机，
Figure FDA0002585690530000051
为所有未开机风机的有功功率预测值。
CN202010680642.6A 2020-07-15 2020-07-15 一种基于风光水的能源集控平台的有功分配方法 Pending CN111917142A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010680642.6A CN111917142A (zh) 2020-07-15 2020-07-15 一种基于风光水的能源集控平台的有功分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010680642.6A CN111917142A (zh) 2020-07-15 2020-07-15 一种基于风光水的能源集控平台的有功分配方法

Publications (1)

Publication Number Publication Date
CN111917142A true CN111917142A (zh) 2020-11-10

Family

ID=73280142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010680642.6A Pending CN111917142A (zh) 2020-07-15 2020-07-15 一种基于风光水的能源集控平台的有功分配方法

Country Status (1)

Country Link
CN (1) CN111917142A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113890108A (zh) * 2021-08-24 2022-01-04 王浩 基于卧式抽水蓄能的风光水储多能互补***
CN114884137A (zh) * 2022-07-07 2022-08-09 中国长江三峡集团有限公司 一种功率控制方法、装置、电子设备及存储介质
JP2023118690A (ja) * 2022-02-15 2023-08-25 中国長江電力股▲ふん▼有限公司 水力発電所起動停止ユニットがａｇｃによって振動領域を迅速に横断する方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332730A (zh) * 2011-08-17 2012-01-25 国家电网公司 可再生能源发电出力控制方法和***
CN102623989A (zh) * 2012-03-28 2012-08-01 湖南大学 一种间歇分布式电源优化配置方法
CN103457313A (zh) * 2013-07-01 2013-12-18 中国水利水电科学研究院 风光通用型新能源智能控制***及其控制方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332730A (zh) * 2011-08-17 2012-01-25 国家电网公司 可再生能源发电出力控制方法和***
CN102623989A (zh) * 2012-03-28 2012-08-01 湖南大学 一种间歇分布式电源优化配置方法
CN103457313A (zh) * 2013-07-01 2013-12-18 中国水利水电科学研究院 风光通用型新能源智能控制***及其控制方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵泽: "风光水互补发电***有功控制问题研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113890108A (zh) * 2021-08-24 2022-01-04 王浩 基于卧式抽水蓄能的风光水储多能互补***
JP2023118690A (ja) * 2022-02-15 2023-08-25 中国長江電力股▲ふん▼有限公司 水力発電所起動停止ユニットがａｇｃによって振動領域を迅速に横断する方法
JP7454720B2 (ja) 2022-02-15 2024-03-22 中国長江電力股▲ふん▼有限公司 水力発電所起動停止ユニットがａｇｃによって振動領域を迅速に横断する方法
CN114884137A (zh) * 2022-07-07 2022-08-09 中国长江三峡集团有限公司 一种功率控制方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111917142A (zh) 一种基于风光水的能源集控平台的有功分配方法
CN104795846A (zh) 一种抽水蓄能电站与风电的联合***的优化运行方法
CN104467030B (zh) 一种基于风电与火电联合发电的功率分配方法
CN112234655A (zh) 一种送端电网安全稳定的源网协调调峰优化方法
CN105896617B (zh) 一种计及风机有功主动控制的风电调节备用容量评估方法
CN112736985B (zh) 一种考虑受端负荷特性的水光联合调度的出力分配方法
CN112018824A (zh) 一种基于水光互补的电网协调控制方法
CN110880761A (zh) 一种基于p2p平台的风光抽蓄混合***的联合调度方法
CN114069688A (zh) 一种基于时序生产模拟的多电源容量布局规划方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN109103894B (zh) 一种用于水光互补电站的无功控制方法
Wang et al. Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage
CN110797888A (zh) 基于柔性直流输电和抽蓄电站蓄能的电力***调度方法
CN114123248B (zh) 以新能源一次调频优先的电网调频运行控制方法及***
CN115659666A (zh) 一种考虑综合需求响应的虚拟电厂风光联合优化调度方法
CN116245680A (zh) 基于清洁能源基地水光月内互补的光伏消纳率计算方法
CN115719973A (zh) 一种分布式光伏并网电压综合治理方法及***
CN112600202B (zh) 计及新能源随机性的含可控移相器电网最优潮流计算方法
CN112821464B (zh) 经同一并网点的可再生能源与火力发电耦合***调度模型
Xu et al. Real-time dispatching and coordinated control of large capacity wind power integration
CN115473282A (zh) 一种梯级水电与光伏互补发电***及控制方法
CN115204472A (zh) 一种风-光-储***的能量分配方法
CN112801816A (zh) 一种风光水互补***总效益的资源优化调度方法
Liao et al. Optimal Capacity Allocation for Wind-Solar Station Considering Power Response of Pumped Storage
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201110

RJ01 Rejection of invention patent application after publication