CN112383086A - 一种孤岛微电网日前能量-备用联合优化调度方法 - Google Patents
一种孤岛微电网日前能量-备用联合优化调度方法 Download PDFInfo
- Publication number
- CN112383086A CN112383086A CN202011139756.6A CN202011139756A CN112383086A CN 112383086 A CN112383086 A CN 112383086A CN 202011139756 A CN202011139756 A CN 202011139756A CN 112383086 A CN112383086 A CN 112383086A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- scene
- microgrid
- energy
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010248 power generation Methods 0.000 claims abstract description 52
- 238000004146 energy storage Methods 0.000 claims abstract description 50
- 238000009826 distribution Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000004576 sand Substances 0.000 claims description 7
- 101150067055 minC gene Proteins 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002330 electrospray ionisation mass spectrometry Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种孤岛微电网日前能量‑备用联合优化调度方法,包括采集日前各时段t可再生能源发电功率预测信息与负荷功率预测信息;采集储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数;构建可再生能源发电与负荷的运行功率多场景;建立微电网源荷储备用风险决策模型;对所述备用风险决策模型进行嵌入构建微电网的能量‑备用联合优化调度模型;对所述微电网的能量‑备用联合优化调度模型进行求解,输出微电网内日前功率计划以及备用容量决策结果。本发明能够保证孤岛微电网电力平衡的前提下,实现运行风险与经济调度的协调,促进可再生能源综合消纳,具有工程实用价值。
Description
技术领域
本发明涉及孤岛微电网调度技术,特别涉及一种孤岛微电网日前能量-备用联合优化调度方法。
背景技术
孤岛微电网作为偏远地区或海岛实现有效供电的解决方案,能够充分利用当地丰富的可再生能源以降低供电成本,提高电能覆盖范围。
日前优化调度作为孤岛微电网运行的重要环节,决定未来一天微电网内各单元的协调优化运行策略,是保证微电网运行安全性与经济性的关键所在。然而,在高比例可再生能源接入的情景下,可再生能源与负荷的日前功率预测与实际运行数据往往存在较大出入,致使进一步增大孤岛微电网运行的不确定性。因此,在孤岛微电网日前调度中需要考虑可再生能源与负荷的预测误差对运行的影响。
发明内容
本发明提供一种孤岛微电网日前能量-备用联合优化调度方法,以实现孤岛微电网备用决策与经济调度,缓解因高比例可再生能源接入微电网引起的备用紧缺问题,实现孤岛微电网的安全经济调度,从而提升孤岛微电网的可靠性与经济性间的协调。本发明既可为孤岛微电网的优化调度与能量管理提供决策依据,也能为孤岛微电网的备用优化提供参考。
本发明提供一种孤岛微电网日前能量-备用联合优化调度方法,包括:
采集时段t可再生能源发电功率预测信息与负荷功率预测信息,其中,可再生能源发电包括风电和光伏发电;
采集储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数;
根据所述可再生能源发电功率预测信息和负荷功率预测信息构建可再生能源发电与负荷的运行功率多场景;
根据可再生能源发电与负荷的运行功率多场景、所述技术参数以及所述经济参数,建立微电网源荷储备用风险决策模型;
对所述备用风险决策模型进行嵌入构建微电网的能量-备用联合优化调度模型,其中所述微电网的能量-备用联合优化调度优化模型以微电网经济调度的综合成本最小化作为目标函数;
对所述微电网的能量-备用联合优化调度模型进行求解,输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。
本发明实施例公开了一种孤岛微电网日前能量-备用联合优化调度方法,通过构建微电网源荷储备用风险决策,以经济调度综合成本最小化为目标建立微电网日前能量-备用联合优化调度模型,实现孤岛微电网的安全经济调度,从而提升孤岛微电网的可靠性与经济性间的协调。
附图说明
图1为本发明实施例提供的一种孤岛微电网日前能量-备用联合优化调度方法的流程示意图。
图2为本发明实施例提供的孤岛微电网网络架构示意图。
图3为本发明实施例提供的风电、光伏和负荷的日前预测功率曲线。
图4为本发明实施例提供的期望值场景下微电网各运行单元功率示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,关于可再生能源与负荷预测误差建模方法通常基于传统配电网的思路,未考虑不同可再生能源以及负荷之间预测误差的相关性问题。而关于孤岛微电网的调度运行决策方面,通常存在运行风险的准确度量以及与微电网运行经济性的合理协调优化问题。
针对上述问题,本发明提出一种孤岛微电网日前能量-备用联合优化调度方法,该方法考虑可再生能源与负荷的功率预测误差及其相关性问题,并采用计及相关性的拉丁超立方抽样形成可再生能源与负荷的运行功率多场景。进一步,引入条件风险价值理论建立微电网备用风险决策模型,以综合成本最小化为目标建立孤岛微电网日前能量-备用联合优化调度模型,实现孤岛微电网经济性和安全性的协调优化,满足高比例可再生能源接入微电网的备用容量需求,有利于提升***运行的安全性与经济性。
本发明实施例提供一种孤岛微电网日前能量-备用联合优化调度方法,图1为本发明实施例提供的一种孤岛微电网日前能量-备用联合优化调度方法的流程示意图,参照图1,该方法包括:
步骤110:采集时段t可再生能源发电功率预测信息与负荷功率预测信息,其中,可再生能源发电包括风电和光伏发电。
其中,时段t表示在调度周期内的第t个时段长度;采集孤岛微电网日前调度的时段长度Δt,以一天为调度周期,调度周期内共有T个时段,则t∈[1,2,3,...,T];例如设置时段长度Δt为1小时,则可将调度周期一天内24小时分为24个时段,T=24,t∈[1,2,3,...,24]。用PWT,t、PPV,t、PL,t分别表示时段t的风电预测功率,光伏预测功率,负荷预测功率;其中PWT,t、PPV,t、PL,t为模型的输入量。
步骤120:采集储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数。
其中,可控分布式电源包括微型燃气轮机或柴油发电机。技术参数包括:储能设备、可控分布式电源和可中断负荷的额定功率、可控分布式电源的爬坡速率以及最小允许运行功率、储能设备的额定容量、充放电效率以及允许的最大最小荷电状态。经济参数包括:可控分布式电源的成本函数系数,储能设备、可中断负荷的调节成本、储能设备、可控分布式电源和可中断负荷的单位容量备用成本。
步骤130:根据所述可再生能源发电功率预测信息和负荷功率预测信息构建可再生能源发电与负荷的运行功率多场景。
其中,可再生能源发电与负荷的运行功率多场景是利用可再生能源发电功率与负荷的预测误差概率分布模型以及各预测误差随机变量之间相关性进行随机场景生成得到可再生能源发电功率与负荷的预测误差多场景,将所述的预测误差多场景与对应的所述的可再生能源发电预测功率和负荷预测功率求和,进而得到可再生能源发电与负荷的运行功率多场景。通过考虑可再生能源发电与负荷预测误差及其相关性的问题,避免了预测误差概率模型参数独立设置问题,使模型更加准确。
可选的,利用可再生能源发电功率与负荷的预测误差概率分布模型以及各预测误差随机变量之间相关性进行随机场景生成得到可再生能源发电功率与负荷的预测误差多场景,将所述的预测误差多场景与对应的所述的可再生能源发电预测功率和负荷预测功率求和,进而得到可再生能源发电与负荷的运行功率多场景,包括:
采用正态分布表征时段t风电、光伏、以及负荷的功率日前预测误差分布,设置时段t风电、光伏、负荷的预测误差的正态分布模型的期望值为0,基于历史统计数据分别设置时段t风电、光伏、负荷的功率预测误差正态分布模型的标准差σWT,t、σPV,t、σL,t;
基于历史统计数据,设置风电-光伏-负荷预测误差之间的相关系数矩阵其中,ρW_P为风电-光伏预测误差之间的相关系数、ρW_L为风电-负荷预测误差之间的相关系数、ρP_L光伏-负荷预测误差之间的相关系数;
设置场景数目ψ;
运用计及相关性的拉丁超立方抽样生成风电、光伏、负荷预测误差多场景样本;
基于风电、光伏、负荷预测误差多场景样本,构建微电网内风电、光伏与负荷的运行功率多场景,计算公式如下:
其中,PWT,t、PPV,t、PL,t分别表示时段t的风电、光伏、负荷的预测功率,场景s表示所生成的风电、光伏、负荷预测误差多场景样本中的第s个场景,s∈[1,2,3,...,ψ];PWT,t,s、PPV,t,s分别为微电网内风电、光伏在时段t场景s的输出功率,PL,t,s为微电网在时段t场景s的总负荷;eWT,t,s,ePV,t,s,eL,t,s分别表征时段t场景s的风电、光伏、负荷的功率预测误差。
步骤140:根据可再生能源发电与负荷的运行功率多场景、技术参数以及经济参数,建立微电网源荷储备用风险决策模型。
微电网的能量-备用联合优化调度模型中的源荷储备用风险决策模型是利用可控分布式电源、可中断负荷和储能设备共同为微电网提供备用容量,通过条件风险价值度量因***备用不足引起微电网运行风险进行建模。
其中,利用可控分布式电源、可中断负荷和储能设备共同为微电网提供备用容量,通过条件风险价值度量因***备用不足引起微电网运行风险(即:失负荷或可再生能源弃发功率)进行建模,包括:
计算微电网的能量-备用联合优化调度模型中时段t场景s下微电网***的正负备用需求,计算公式为:
建立微电网因备用不足引起的失负荷和可再生能源弃发功率损失函数模型,其表达式为:其中,CLL,t,s和CRESC,t,s分别为微电网的能量-备用联合优化调度模型中时段t场景s发生失负荷和可再生能源弃发功率损失。VVOLL为单位失负荷价值,VRESC为可再生能源单位弃发功率损失价值。和分别为微电网的能量-备用联合优化调度模型中时段t场景s微电网***由各灵活性资源提供的总的正负备用容量,具体表达式为:其中,和分别为可控分布式电源在微电网的能量-备用联合优化调度模型中时段t场景s提供的正负备用容量。和分别为储能设备在微电网的能量-备用联合优化调度模型中时段t场景s提供的正负备用容量。为可中断负荷在微电网的能量-备用联合优化调度模型中时段t场景s提供的正备用容量;
通过条件风险价值理论度量微电网因预测误差引起的失负荷和可再生能源弃发功率的风险损失,其表达式如下:
其中,α+和α-分别为失负荷条件风险价值的置信度和可再生能源弃发功率条件风险价值的置信度,和分别为时段t微电网在置信度α+下的失负荷损失的风险价值和条件风险价值,和分别为时段t微电网在置信度α-下可再生能源弃发功率损失的风险价值和条件风险价值。
步骤150:对所述备用风险决策模型进行嵌入构建微电网的能量-备用联合优化调度模型。
其中,构建所述微电网的能量-备用联合优化调度模型的目标函数为微电网经济调度的综合成本最小化。微电网的能量-备用联合优化调度模型目标函数表达式为:
minC=Cdis+βCCVaR,
其中,minC表示微电网经济调度的综合成本最小化,Cdis为微电网的总调度成本,CCVaR为微电网的条件风险价值,β为风险规避权重系数;
Cdis和CCVaR可由下式进行表达,
其中,Cgen,t,s、CES,t,s、CIL,t,s分别为微电网的能量-备用联合优化调度模型中时段t场景s可控分布式电源的发电成本、储能设备的运行成本、可中断负荷的运行成本。分别为微电网的能量-备用联合优化调度模型中时段t场景s微电网需要支付给可控分布式电源、储能设备、可中断负荷的备用成本;T为调度周期内的时段数目。
其中,Cgen,t,s、CES,t,s、CIL,t,s的计算可由下式获得,
其中,NG是孤岛微电网内部可控分布式电源机组的台数。Pgen,i,t,s、PES,t,s、PIL,t,s分别为可控分布式电源机组i在时段t场景s的发电功率,储能的运行功率(正值表示充电,负值表示放电),可中断负荷的削减功率。agen,i和bgen,i分别为可控分布式电源机组i成本函数的二次项和一次项的成本系数。为可控分布式电源机组i在时段t场景s的启动费用。aES和aIL分别为储能设备和可中断负荷的单位运行成本。
式中:和是可控分布式电源机组i在时段t场景s提供的正/负备用容量,和为可控分布式电源机组i提供的正/负备用的单位容量成本。类似的,和为储能设备提供的正/负备用的单位容量成本。为可中断负荷提供的正备用的单位容量成本。
可选的,构建所述微电网的能量-备用联合优化调度模型中的所述约束条件包括微电网***功率平衡约束、可控分布式电源运行约束、储能设备运行约束和可中断负荷运行约束。
微电网的能量-备用联合优化调度模型中的微电网***功率平衡约束为:
微电网的能量-备用联合优化调度模型中的可控分布式电源运行约束为:
其中,ugen,i,t,s为可控分布式电源机组i在时段t场景s的开停机状态变量,1代表运行,0代表停机。和为可控分布式电源机组i运行时输出功率的上下限。ru,i和rd,i分别代表可控分布式电源机组i的向上和向下爬坡速率。Δt为调度周期内的时段长度。为可控分布式电源机组i的启动成本。和为可控分布式电源机组i最小运行持续时间和停机时间。τ为可控分布式电源机组i的备用响应时间。
微电网的能量-备用联合优化调度模型中的储能设备运行约束为:
其中,EES为储能设备的额定容量,SES,t,s为储能设备在时段t场景s的荷电状态,和分别为储能设备在时段t场景s的充电和放电状态的0-1变量,代表储能设备充电,代表储能设备放电。ηc和ηd分别为储能设备的充电和放电效率,SES,0,s和SES,T,s为储能设备在调度周期内的初始荷电状态和最后时刻荷电状态,和为储能设备的荷电状态允许的最大值和最小值,PES为储能设备的额定功率。
微电网的能量-备用联合优化调度模型中的可中断负荷的运行约束为:
步骤160:对微电网的能量-备用联合优化调度模型进行求解,输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。
例如将相关参数代入微电网的能量-备用联合优化调度模型中,在MATLAB平台上编程,使用YALMIP调用CPLEX求解器对微电网的能量-备用联合优化调度模型进行求解。输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。
本发明实施例提供的技术方案,通过采集孤岛微电网日前各时段t可再生能源发电预测功率与负荷预测功率,储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数;构建可再生能源发电与负荷的运行功率多场景;并利用可再生能源发电与负荷的运行功率多场景、技术参数以及经济参数建立微电网源荷储备用风险决策模型;对微电网源荷储备用风险决策模型进行嵌入构建微电网的能量-备用联合优化调度模型;对微电网的能量-备用联合优化调度模型进行求解,输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。总体思路为利用数据采集后进行模型构建及优化模型求解,以实现孤岛微电网运行的可靠性与经济性之间的协调。本发明能够充分挖掘源荷储灵活性资源,有效缓解因高比例可再生能源接入引起的备用紧缺问题,提升微电网对可再生能源的消纳能力,同时对孤岛微电网的安全可靠运行也具有良好的效果。
本发明实施例提供一种孤岛微电网日前能量-备用联合优化调度方法,以某孤岛微电网为例进行仿真计算。
示例性的,图2为孤岛微电网网络架构示意图。图3为风电、光伏和负荷的日前预测功率曲线。
本实施例中,设置调度周期内的时段长度Δt为1小时,则可将调度周期一天内24小时分为24个时段,调度周期的时段数目T=24,t∈[1,2,3,...,24]。
步骤110中采集时段t风电、光伏发电预测功率与负荷预测功率PWT,t、PPV,t、PL,t,各时段PWT,t,PPV,t,PL,t的取值参阅图3。
步骤120中采集储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数。微电网内储能设备、可控分布式电源和可中断负荷的经济参数和技术参数见表1。
表1微电网内储能设备、可控分布式电源和可中断负荷的经济参数和技术参数
步骤130中根据可再生能源发电功率预测信息和负荷功率预测信息构建可再生能源发电与负荷的运行功率多场景。
利用可再生能源发电功率与负荷的预测误差概率分布模型以及各预测误差随机变量之间相关性进行随机场景生成得到可再生能源发电功率与负荷的预测误差多场景,将所述的预测误差多场景与对应的所述的可再生能源发电预测功率和负荷预测功率求和,进而得到可再生能源发电与负荷的运行功率多场景。
采用正态分布表征时段t风电、光伏、以及负荷的功率日前预测误差分布,设置时段t风电、光伏、负荷的预测误差的正态分布模型的期望值为0,基于历史统计数据分别设置时段t风电、光伏、负荷的功率预测误差正态分布模型的标准差:σWT,t=0.2PWT,t,σPV,t=0.2PPV,t,σL,t=0.1PL,t。
设置风电-光伏-负荷预测误差相关系数矩阵为
设置场景数目ψ=500。
运用计及相关性的拉丁超立方抽样生成风电、光伏、负荷预测误差多场景样本,用eWT,t,s,ePV,t,s,eL,t,s分别表征时段t场景s的风电、光伏、负荷的功率预测误差;
构建考虑预测误差的微电网内风电、光伏与负荷的运行功率多场景,计算公式如下:
其中,PWT,t,s、PPV,t,s分别微电网内风电、光伏在时段t场景s的输出功率,PL,t,s为微电网在时段t场景s的总负荷。场景s表示所生成的风电、光伏、负荷预测误差多场景样本中的第s个场景,s∈[1,2,3,...,ψ];eWT,t,s,ePV,t,s,eL,t,s分别表征时段t场景s的风电、光伏、负荷的功率预测误差。
根据图3的PWT,t,PPV,t,PL,t的数据,以及上述预测误差的概率模型,运用计及相关性的拉丁超立方抽样生成风电、光伏、负荷预测误差样本eWT,t,s,ePV,t,s,eL,t,s,可以计算PWT,t,s、PPV,t,s、PL,t,s的数值。
步骤140中计算时段t场景s下微电网***的正负备用需求,计算公式为:
通过条件风险价值理论度量微电网因预测误差引起的失负荷和可再生能源弃发功率的风险损失,其表达式为:
步骤150中微电网的能量-备用联合优化调度模型中的目标函数minC=Cdis+βCCVaR,在本实施例中,假定决策者没有明显偏好,风险规避权重系数β设为1。
微电网的能量-备用联合优化调度模型中的Cdis和CCVaR可由下式进行表达:
其中,其中,Cgen,t,s、CES,t,s、CIL,t,s的计算表达式为:
步骤160将上述实施例相关参数代入微电网的能量-备用联合优化调度模型中,在MATLAB平台上编程,使用YALMIP调用CPLEX求解器对微电网的能量-备用联合优化调度模型进行求解。
输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。
求解的孤岛微电网日前优化调度成本指标如表2所示,图4为期望值场景下微电网各运行单元功率示意图。期望值场景下微电网内各单元功率情况参阅图4。
表2孤岛微电网日前优化调度成本指标
通过实施例分析表2和图4可得出如下结论:
1)由表2可知,尽管微电网中可再生能源发电容量占比约达50%,***失负荷损失和可再生能源弃发功率损失的期望值占微电网总调度成本的比重仍然很小,约1.2%,表明***运行发生失负荷和可再生能源弃发功率很低。进一步说明通过本发明的日前能量-备用联合优化调度方法,能够合理的配置***备用容量,大幅度降低孤岛微电网由于源荷预测误差引起的失负荷和可再生能源弃发功率问题,增强孤岛微电网应对可再生能源出力不确定性的能力,提升***运行的经济性和可靠性;
2)图4期望值场景下各单元功率情况表明,各时段微电网总负荷与各单元的输出功率的总和相等,体现微电网在各时段下均能够通过合理优化储能设备、可控分布式电源和可中断负荷的输出功率,维持孤岛微电网***功率平衡,保证***运行的安全性;
3)分析图4各时段的调控单元出力特点,在负荷低谷时段,可控分布式电源减少出力(或停机)联合储能设备充电消纳可再生能源富余电力,同时在负荷高峰时段,优先采用储能设备放电联合可控分布式电源支撑高峰负荷,当两者达到较高功率水平则采取一定的切负荷操作。全天可控分布式电源的启停和出力、储能设备的充放电行为均较为合理,符合调度规则。
通过实施例分析表明,本发明所提的一种孤岛微电网日前能量-备用联合优化调度方法具有以下几个方面的优势:
1)本发明能够实现孤岛微电网的日前优化调度,解决因可再生能源接入与负荷波动引起的孤岛微电网运行的功率平衡问题,实现微电网的经济优化调度;
2)通过能量-备用联合优化,充分挖掘孤岛微电网内部灵活性资源,有效应对含高比例可再生能源微电网运行的不确定性,提升孤岛微电网运行的可靠性水平和对可再生能源的消纳能力;
3)通过条件风险价值理论实现孤岛微电网运行风险的量化,促进***运行经济性与运行风险之间的协调,满足调度人员不同风险偏好的决策需求。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于,包括:
采集时段t可再生能源发电功率预测信息与负荷功率预测信息,其中,可再生能源发电包括风电和光伏发电;
采集储能设备、可控分布式电源和可中断负荷运行的技术参数与经济参数;
根据所述可再生能源发电功率预测信息和负荷功率预测信息构建可再生能源发电与负荷的运行功率多场景;
根据可再生能源发电与负荷的运行功率多场景、所述技术参数以及所述经济参数,建立微电网源荷储备用风险决策模型;
对所述备用风险决策模型进行嵌入构建微电网的能量-备用联合优化调度模型,其中所述微电网的能量-备用联合优化调度优化模型以微电网经济调度的综合成本最小化作为目标函数;
对所述微电网的能量-备用联合优化调度模型进行求解,输出微电网内储能设备、可控分布式电源和可中断负荷的日前功率计划以及备用容量决策结果。
2.根据权利要求1所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于:
所述技术参数包括:储能设备、可控分布式电源和可中断负荷的额定功率、可控分布式电源的爬坡速率以及最小允许运行功率、储能设备的额定容量、充放电效率以及允许的最大最小荷电状态;
所述经济参数包括:可控分布式电源的成本函数系数,储能设备、可中断负荷的调节成本、储能设备、可控分布式电源和可中断负荷的单位容量备用成本。
3.根据权利要求1所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于,
根据所述可再生能源发电功率预测信息和负荷功率预测信息构建可再生能源发电与负荷的运行功率多场景,包括:
利用可再生能源发电功率与负荷的预测误差概率分布模型以及各预测误差随机变量之间相关性进行随机场景生成得到可再生能源发电功率与负荷的预测误差多场景,将所述的预测误差多场景与对应的所述的可再生能源发电预测功率和负荷预测功率求和,进而得到可再生能源发电与负荷的运行功率多场景。
4.根据权利要求3所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于,
利用可再生能源发电功率与负荷的预测误差概率分布模型以及各预测误差随机变量之间相关性进行随机场景生成得到可再生能源发电功率与负荷的预测误差多场景,将所述的预测误差多场景与对应的所述的可再生能源发电预测功率和负荷预测功率求和,进而得到可再生能源发电与负荷的运行功率多场景,包括:
采用正态分布表征所述时段t风电、光伏、以及负荷的功率日前预测误差分布,设置所述时段t风电、光伏、负荷的预测误差的正态分布模型的期望值为0,基于历史统计数据分别设置所述时段t风电、光伏、负荷的功率预测误差正态分布模型的标准差σWT,t、σPV,t、σL,t;
基于历史统计数据,设置风电-光伏-负荷预测误差之间的相关系数矩阵其中,ρW_P为风电-光伏预测误差之间的相关系数、ρW_L为风电-负荷预测误差之间的相关系数、ρP_L为光伏-负荷预测误差之间的相关系数;
设置场景数目ψ;
运用计及相关性的拉丁超立方抽样生成风电、光伏、负荷预测误差多场景样本;
基于所述的风电、光伏、负荷预测误差多场景样本,构建微电网内风电、光伏与负荷的运行功率多场景,计算公式如下:
其中,PWT,t、PPV,t、PL,t分别表示所述时段t的风电、光伏、负荷的预测功率,场景s表示所生成的风电、光伏、负荷预测误差多场景样本中的第s个场景,s∈[1,2,3,...,ψ],PWT,t,s、PPV,t,s分别为微电网内风电、光伏在所述时段t场景s的输出功率,PL,t,s为微电网在所述时段t场景s的总负荷,eWT,t,s、ePV,t,s、eL,t,s分别表征所述时段t场景s的风电、光伏、负荷的功率预测误差。
5.根据权利要求1所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于,
根据可再生能源发电与负荷的运行功率多场景、所述技术参数以及所述经济参数,建立微电网源荷储备用风险决策模型,包括:
利用可控分布式电源、可中断负荷和储能设备共同为微电网提供备用容量,通过条件风险价值度量因***备用不足引起微电网运行风险进行建模。
6.根据权利要求5所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于,所述利用可控分布式电源、可中断负荷和储能设备共同为微电网提供备用容量,通过条件风险价值度量因***备用不足引起微电网运行风险进行建模,包括:
其中,CLL,t,s和CRESC,t,s分别为所述时段t场景s发生失负荷和可再生能源弃发功率损失;VVOLL为单位失负荷价值,VRESC为可再生能源单位弃发功率损失价值;和分别为所述时段t场景s微电网***由各灵活性资源提供的总的正负备用容量,具体表达式为:
通过条件风险价值理论度量微电网因预测误差引起的失负荷和可再生能源弃发功率的风险损失,其表达式如下:
8.根据权利要求1所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于:构建所述微电网的能量-备用联合优化调度模型中的约束条件包括微电网***功率平衡约束、可控分布式电源运行约束、储能设备运行约束和可中断负荷运行约束。
9.根据权利要求1所述的一种孤岛微电网日前能量-备用联合优化调度方法,其特征在于:
所述微电网的能量-备用联合优化调度模型求解采用CPLEX求解器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011139756.6A CN112383086B (zh) | 2020-10-22 | 2020-10-22 | 一种孤岛微电网日前能量-备用联合优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011139756.6A CN112383086B (zh) | 2020-10-22 | 2020-10-22 | 一种孤岛微电网日前能量-备用联合优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112383086A true CN112383086A (zh) | 2021-02-19 |
CN112383086B CN112383086B (zh) | 2022-12-09 |
Family
ID=74580661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011139756.6A Active CN112383086B (zh) | 2020-10-22 | 2020-10-22 | 一种孤岛微电网日前能量-备用联合优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112383086B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113364043A (zh) * | 2021-05-08 | 2021-09-07 | 国网浙江省电力有限公司丽水供电公司 | 一种基于条件风险价值的微电网群优化方法 |
CN114118532A (zh) * | 2021-11-06 | 2022-03-01 | 深圳供电局有限公司 | 孤岛微网的调度方法、装置、计算机设备、存储介质 |
CN114498639A (zh) * | 2022-04-15 | 2022-05-13 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103720A (zh) * | 2011-01-31 | 2011-06-22 | 南京航空航天大学 | 一种基于风险的微电网分布式发电备用优化配置方法 |
US20120185106A1 (en) * | 2011-01-14 | 2012-07-19 | International Business Machines Corporation | Integration of demand response and renewable resources for power generation management |
CN110417002A (zh) * | 2019-07-09 | 2019-11-05 | 华中科技大学 | 一种孤岛微电网能量模型的优化方法 |
-
2020
- 2020-10-22 CN CN202011139756.6A patent/CN112383086B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120185106A1 (en) * | 2011-01-14 | 2012-07-19 | International Business Machines Corporation | Integration of demand response and renewable resources for power generation management |
CN102103720A (zh) * | 2011-01-31 | 2011-06-22 | 南京航空航天大学 | 一种基于风险的微电网分布式发电备用优化配置方法 |
CN110417002A (zh) * | 2019-07-09 | 2019-11-05 | 华中科技大学 | 一种孤岛微电网能量模型的优化方法 |
Non-Patent Citations (1)
Title |
---|
黎嘉明等: "利用碳捕获设备协助新能源消纳的鲁棒机组组合模型", 《电气应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113364043A (zh) * | 2021-05-08 | 2021-09-07 | 国网浙江省电力有限公司丽水供电公司 | 一种基于条件风险价值的微电网群优化方法 |
CN114118532A (zh) * | 2021-11-06 | 2022-03-01 | 深圳供电局有限公司 | 孤岛微网的调度方法、装置、计算机设备、存储介质 |
CN114498639A (zh) * | 2022-04-15 | 2022-05-13 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
CN114498639B (zh) * | 2022-04-15 | 2022-06-24 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112383086B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wong et al. | Review on the optimal placement, sizing and control of an energy storage system in the distribution network | |
CN110119886B (zh) | 一种主动配网动态规划方法 | |
CN103606967B (zh) | 一种实现电力***鲁棒运行的调度方法 | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
CN111200281B (zh) | 互联微网储能配置扩容优化方法 | |
CN114498639B (zh) | 一种考虑需求响应的多微电网联合互济的日前调度方法 | |
CN114336599B (zh) | 一种独立型微电网动态优化调度方法 | |
CN107017625B (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
CN117239740B (zh) | 一种虚拟电厂***的优化配置与灵活性提升方法及*** | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
CN103956773A (zh) | 含风电***机组的备用配置优化方法 | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
CN115774935A (zh) | 弱联型风光储微电网运行优化方法及*** | |
CN114362218A (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
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 | |
Tan et al. | Risk control of hydropower-photovoltaic multi-energy complementary scheduling based on energy storage allocation | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN110766285A (zh) | 一种基于虚拟电厂的日前能源调度方法 | |
CN116544953A (zh) | 大规模数据中心微网群的灵活性资源鲁棒调度方法 | |
CN113659566B (zh) | 一种基于CVaR的多能互补发电***的容量配置优化方法 | |
CN112736950B (zh) | 一种面向微电网群的公共储能电站配置方法及*** | |
CN114465226A (zh) | 一种电力***多级备用获取联合优化模型的建立方法 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及*** | |
Seervi et al. | Renewable Energy Forecasting for Energy Storage Sizing: A Review |
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 |