CN112909933A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112909933A
CN112909933A CN202110133895.6A CN202110133895A CN112909933A CN 112909933 A CN112909933 A CN 112909933A CN 202110133895 A CN202110133895 A CN 202110133895A CN 112909933 A CN112909933 A CN 112909933A
Authority
CN
China
Prior art keywords
pumped storage
storage unit
unit
day
power
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
CN202110133895.6A
Other languages
English (en)
Other versions
CN112909933B (zh
Inventor
周云海
贾倩
辛月杰
张韬
李伟
宋德璟
陈奥洁
石亮波
张智颖
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.)
Beijing Qingdian Technology Co ltd
Original Assignee
China Three Gorges University CTGU
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 Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202110133895.6A priority Critical patent/CN112909933B/zh
Publication of CN112909933A publication Critical patent/CN112909933A/zh
Application granted granted Critical
Publication of CN112909933B publication Critical patent/CN112909933B/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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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，包括设计日内现货市场交易的组织流程；获取电力***运行的基础数据；建立含抽水蓄能机组的日内滚动优化调度模型；线性化处理各市场主体申报的电量价格分段函数；对日内滚动模型进行求解；得到每个日内滚动周期的机组修正计划运行曲线。本发明在保证新能源尽数消纳的同时，实现抽水蓄能机组的按需调度，同时可以对发电计划跟随、发用电主体的分段报价等问题进行处理。

Description

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
技术领域
本发明涉及电力***发电调度领域，具体涉及一种利用在现货市场环境下研究含抽水蓄能机组的日内滚动优化调度方法。
背景技术
在现有电网调控体系下，抽水蓄能电站的调度运行由电网调控中心“按需调度”，抽水蓄能电站时刻处于热备用状态，运行管理人员也需要24小时处于备战状态，造成人员劳动强度和设备运行成本增大，不利于抽水蓄能电站的整体效益提升。同时，受新能源出力预测和负荷预测水平影响，日前市场与实时市场出清结果偏差增大，需要更加完备的日内市场参与，减轻实时市场的调整负担。关于抽水蓄能机组参与含火电/可再生能源电力***的协调优化调度策略的研究工作大部分以理论研究为主，因此，在电力市场环境下满足实际应用要求的抽水蓄能机组的日内滚动优化运行方法和策略还需深入研究，实现发电计划跟随日前制定计划。
发明内容
本发明所要解决的技术问题是提供一种现货市场环境下研究含抽水蓄能机组的日内优化调度方法，解决现有的抽水蓄能电站获得的收益难以覆盖投资和运行成本，电网调用积极性不高，同时新能源出力预测、负荷预测水平受限，日前制定的发电计划在***实际运行时跟随效果并不理想，引入市场机制，基于所设计的日内市场交易流程，在日前电量出清计划的基础上。利用更准确的新能源出力和负荷超短期预测(15min)信息，构建了含抽水蓄能机组的日内滚动优化调度模型，并对相关市场主体所申报的电量价格信息线性化处理，制定机组一个交易周期内(4h)的计划运行曲线。设计了滚动偏差限制，保障日前计划的有效跟随，减少实时调度的调节成本。在满足用电需求的前提下，保障电网安全稳定运行，促进可再生能源发展和消纳。
为解决上述技术问题，本发明所采用的技术方案是：
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，其特征在于，包括以下步骤：
步骤一、设计日内现货交易流程；
步骤二、获取电力***的基础数据；
步骤三、建立含抽水蓄能机组的日内滚动优化模型；
步骤四、对各市场主体申报的电量价格分段函数作线性化处理；
步骤五、对日内滚动优化模型进行求解，得到该交易周期内的机组计划运行曲线。
上述的步骤一中，日内现货市场交易流程包括交易准备、市场出清、交易信息发布及执行三个阶段。
上述的步骤二中，基础数据包括火电机组以15min为一点的日前机组96点出清计划以及运行状态信息、火电机组信息、新能源场站信息、抽水蓄能电站信息、区域负荷预测信息、日内市场的市场主体申报的电量价格信息。
上述步骤三中，建立含抽水蓄能机组的日内滚动优化模型的目标函数如下：
Figure BDA0002926357670000021
其中，Pi,t为火电机组i在时段t的日内计划出力值，
Figure BDA0002926357670000022
为火电机组i在时段t的增、减出力，Fi,t为新能源站i在时段t的日内出清出力值，
Figure BDA0002926357670000023
为新能源站i在时段t的增、减出力，
Figure BDA0002926357670000024
为抽水蓄能机组i在发电状态时在时段t的增、减出力，Pg,i,t为抽水蓄能机组i在发电状态时在时段t的日内出清计划出力值，利用机组日前制定计划和日内计划的差值可以表示该机组在某一时刻的增减出力，Ci,t(Pi,t)、Ci,t(Fi,t)、Ci,t(Pg,i,t)是与火电机组i、新能源站i、抽水蓄能机组i申报的各段出力区间和对应的能量价格有关的多段线性函数，
Figure BDA0002926357670000025
为抽水蓄能机组发电的状态变量，其中1为发电状态，0为停机状态，NG为***火电机组数，NM为***新能源站数量，NH为抽水蓄能机组数，T1为一个日内交易周期16点的出清时段。
上述步骤三中，所建模型的约束条件包括：***功率平衡约束、机组出力约束、火电机组爬坡约束、***旋转备用约束、抽水蓄能机组发电功率约束、水库容量约束、水库容量平衡约束、滚动计划值偏差约束。
1)上述***功率平衡约束的表达式为：
Figure BDA0002926357670000031
式中Pl,i,t为抽水蓄能机组i在时段t的抽水功率，
Figure BDA0002926357670000032
为抽水蓄能机组抽水的状态变量；1为抽水状态，0为停机状态，Lin,t、Loff,t分别为该交易时段t的某区域负荷超短期预测值及外购电计划值。
2)上述机组出力约束的表达式为：
Ii,t*Pi min≤Pi,t≤Ii,t*Pi max
Fi,t≤Qi,t
式中Pi max、Pi min为火电机组i的出力上下限，Qi,t为新能源站i在时段t的最大预测出力；Ii,t为火电机组i在时段t的启停状态变量；0为停机状态，1为运行状态；由日前计划决定。
3)上述火电机组爬坡约束的表达式为：
Pi,t-Pi,t-1≤△Pi U
Pi,t-1-Pi,t≤△Pi D
△Pi U、△Pi D为火电机组i的最大上、下爬坡速率。
4)上述***旋转备用约束的表达式为：
Figure BDA0002926357670000033
Figure BDA0002926357670000034
式中lu％、ld％为负荷高于、低于预期百分比，fu％、fd％为新能源出力高于、低于预期百分比。
5)上述抽水蓄能机组，在日内滚动优化调度阶段，主要以抽水蓄能机组来平衡新能源出力预测误差，因此需要对抽水蓄能电站的出力及库容等加以约束：
5.1)抽水蓄能机组为满功率抽水，仅考虑发电时机组出力约束，约束的表达式为：
Figure BDA0002926357670000041
式中
Figure BDA0002926357670000042
为抽水蓄能机组i发电时的最大出力；
5.2)水库容量约束的表达式为：
Emin≤Et≤Emax
式中Et为抽水蓄能电站在时段t的水库容量，利用电量来衡量，Emax、Emin为抽水蓄能电站上水库的最大、最小库容；
5.3)水库容量平衡约束的表达式为：
Figure BDA0002926357670000043
式中，ηl、ηg为抽水蓄能机组的抽水、发电效率；
5.4)抽水蓄能机组不能同时发电和抽水，抽发互斥约束，约束的表达式为：
Figure BDA0002926357670000044
6)滚动调度的修正值与原计划值具有关联性，需将每台机组修正后的出力值与日前计划出力偏差控制在一定范围内，保证日内调度和日前调度之间的协调性，滚动计划偏差约束的表达式为：
Figure BDA0002926357670000045
Figure BDA0002926357670000046
为机组i日前计划出力值。Pi E为机组i的额定功率，ξ为约束乘子，调整其大小可以改变日内调度最大允许的修正偏差。
上述的步骤四中，考虑到常规火电机组的发电成本具有二次函数形式的表达式，电力现货市场允许发电机组提交多段报价，即出力－价格阶梯曲线(分段函数)，且各段报价单调非递减；所建立的模型主要利用0-1整数线性规划方法求解，考虑到采用线性规划来解决问题得到的优化结果比较理想，在出清机组计划运行曲线时需要对电量价格分段函数作线性化处理，以一台机组为例，其电量价格具体线性化过程如下：
Figure BDA0002926357670000051
其中，
Figure BDA0002926357670000052
为机组第i段出力区间对应的起点、终点，Ci为机组第i段出力区间对应的电量价格，按容量大小依次递增，C为机组在某时刻出力对应线性化后的电量价格信息，考虑n＝3段，即将机组出力范围分为3个区间段进行申报，引入0-1整数变量Ki对电量价格线性化。
优选地，上述的含抽水蓄能机组的日内滚动优化模型的求解，采用0-1混合整数线性规划方法。
本发明提供的一种现货市场环境下研究含抽水蓄能机组的日内优化调度方法，具有以下有益效果：
1)本发明考虑了可再生能源出力预测的精度会随着预测时间缩短而提高的特点，利用日前电能量交易出清结果为计算依据，提出了滚动计划修订模型，通过设计滚动偏差值约束，较好的对发电计划跟随问题进行处理，较好消纳新能源；
2)本发明考虑了现阶段抽水蓄能电站经营模式导致成本回收困难背景，将其引入现货市场，提出的含抽水蓄能机组的日内滚动优化模型中考虑了抽水蓄能运行效益，抽水蓄能在按需调度过程中保证了新能源最大消纳量；
3)本发明是在现货市场背景下组织展开的，涉及相关市场主体申报电量价格信息过程，引入0-1变量后较好的处理了发用电方分段报价的问题。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为现货市场环境下含抽水蓄能机组的日内滚动优化调度的流程图；
图2为日内市场交易组织流程图；
图3为日内滚动时序图；
图4为反映新能源消纳情况示意图；
图5为滚动修订后的机组运行曲线示意图；
图6为抽水蓄能每台机组运行状态和出力情况示意图。
具体实施方式
以下结合附图和实施例详细说明本发明技术方案。
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，其特征在于，包括以下步骤：
步骤一、设计日内现货交易流程；
1)交易准备阶段主要工作：日前交易出清闭市后，所有直调发电机组、场(站)需在日内市场向市场运营机构提供其运行参数，各市场主体基于日前现货市场交易出清结果，针对日内电网负荷波动、临时安全调整等需要，申报运行日上调、下调容量及价格信息。市场运营机构综合有关信息，提前4h向相关市场主体发布日内现货市场的运行参数及边界条件信息；
2)市场出清阶段主要工作：以4h为一个日内交易周期，每15min为一个交易出清时段，每个交易周期含有16个交易出清时段，日内市场每天开放6次，以前两个交易周期为例，图3为具体滚动时序图，T为交易执行时刻，基于日前市场优化出清结果、实时更新的超短期负荷预测和新能源出力预测信息，综合考虑相关网络安全约束，进行日内优化出清，在(T-140)min前，出清该日内交易时段的机组运行计划曲线(16点)，在(T-110)min前，市场运营机构对该时段的机组出力曲线进行交流潮流安全校核，若不满足该约束，则在模型中添加相应约束条件，重新进行上述过程直到满足，得到该日内交易时段的分时发电出力曲线；
3)信息发布及执行阶段主要工作：(T-80)min前，市场技术支持***向相关市场主体发布日内交易出清结果。各市场主体审核后返回确认信息，对出清结果有异议的市场主体可向市场运营机构提出解释申请；
步骤二、获取电力***的基础数据；
1)火电机组日前96点运行计划
Figure BDA0002926357670000061
每台火电机组运行状态Ii,t；
2)新能源场(站)信息：新能源场(站)数量NM，新能源场(站)编号i，新能源超短期功率预测信息Qi,t,新能源出力高于、低于预期百分比fu％、fd％；
3)某区域负荷超短期预测值Lin,t、外购电计划值Loff,t,负荷高于、低于预期百分比lu％、ld％；
4)电力***中火电机组信息：火电机组总台数NG，火电机组编号i，每台火电机组的最大有功出力Pi max、最小有功出力Pi min以及额定功率Pi E，上爬坡速率△Pi U、下爬坡速率△Pi D；
5)抽水蓄能电站信息：抽水蓄能机组数NH，抽水蓄能机组编号i，抽水蓄能机组最大发电功率
Figure BDA0002926357670000071
抽水功率
Figure BDA0002926357670000072
抽水蓄能电站上水库最大库容Emax、最小库容Emin、抽水效率ηl、发电效率ηg；
6)市场主体申报的电量价格信息：火电机组Ci,t(Pi,t)、新能源场站Ci,t(Fi,t)、抽水蓄能机组Ci,t(Pg,i,t)；
步骤三、建立含抽水蓄能机组的日内滚动优化模型,该模型由目标函数和约束条件构成；
步骤四、对各市场主体申报的电量价格分段函数作线性化处理；
步骤五、通过线性规划求解模型，该模型为0-1混合整数线型规划模型，调用成熟的线型规划软件包进行求解，如GLPK,得到该交易周期内的机组计划运行曲线。
上述步骤三中，确定市场环境下含抽水蓄能机组的日内滚动优化模型目标函数中，考虑***整体效益最大，保证了抽水蓄能电站的一部分收益,同时，以日前计划出清的机组运行结果信息为计算依据，并在约束条件中添加了滚动计划修正值偏差约束，在使新能源被***最大化消纳的情况下可保证修正后的机组出力计划较好的跟随日前计划，减少部分调节成本,最后，对于日内市场价格信息，也做了线性化处理，较好的处理了市场主体分段报价的问题；
综上，目标函数综合考虑***运行整体效益最大，目标函数如下：
Figure BDA0002926357670000073
其中，Pi,t为火电机组i在时段t的日内计划出力值，
Figure BDA0002926357670000074
为火电机组i在时段t的增、减出力。Fi,t为新能源站i在时段t的日内计划出力值，
Figure BDA0002926357670000075
为新能源站i在时段t的增、减出力，
Figure BDA0002926357670000076
为抽水蓄能机组i在发电状态时在时段t的增、减出力，Pg,i,t为抽水蓄能机组i在发电状态时在时段t的日内计划出力值，利用机组日前制定计划和日内计划的差值可以表示该机组在某一时刻的增减出力，Ci,t(Pi,t)、Ci,t(Fi,t)、Ci,t(Pg,i,t)是与火电机组i、新能源站i、抽水蓄能机组i申报的各段出力区间和对应的能量价格有关的多段线性函数，
Figure BDA0002926357670000081
为抽水蓄能机组发电的状态变量，其中1为发电状态，0为停机状态，NG为***火电机组数，NM为***新能源站数量，NH为抽水蓄能机组数，T1为一个日内交易周期16点的出清时段。
上述步骤三中，所建模型的约束条件包括：***功率平衡约束、机组出力约束、火电机组爬坡约束、***旋转备用约束、抽水蓄能机组发电功率约束、水库容量约束、水库容量平衡约束、滚动计划值偏差约束。
1)上述***功率平衡约束的表达式为：
Figure BDA0002926357670000082
式中Pl,i,t为抽水蓄能机组i在抽水状态时的抽水功率，
Figure BDA0002926357670000083
为抽水蓄能机组抽水的状态变量；1为抽水状态，0为停机状态，Lin,t、Loff,t分别为该交易时段t的某区域负荷超短期预测值及外购电计划值。
2)上述机组出力约束的表达式为：
Ii,t*Pi min≤Pi,t≤Ii,t*Pi max
Fi,t≤Qi,t
式中Pi max、Pi min为火电机组i的出力上下限，Qi,t为新能源站i在时段t的最大预测出力；Ii,t为火电机组i在时段t运行的状态变量；0为停机状态，1为运行状态；由日前计划决定。
3)上述火电机组爬坡约束的表达式为：
Pi,t-Pi,t-1≤△Pi U
Pi,t-1-Pi,t≤△Pi D
△Pi U、△Pi D为火电机组i的最大上、下爬坡速率。
4)上述***旋转备用约束的表达式为：
Figure BDA0002926357670000091
Figure BDA0002926357670000092
式中lu％、ld％为负荷高于、低于预期百分比，fu％、fd％为新能源出力高于、低于预期百分比。
5)上述抽水蓄能机组，在日内滚动优化调度阶段，主要以抽水蓄能机组来平衡新能源出力预测误差，因此需要对抽水蓄能电站的出力及库容等加以约束：
5.1)抽蓄机组为满功率抽水，仅考虑发电状态机组出力约束，约束的表达式为：
Figure BDA0002926357670000093
式中
Figure BDA0002926357670000094
为抽水蓄能机组i发电时的最大出力；
5.2)水库容量约束的表达式为：
Emin≤Et≤Emax
式中Et为抽水蓄能电站t时刻上水库的容量，利用电量来衡量，Emax、Emin为抽水蓄能电站上水库的最大、最小库容；
5.3)水库容量平衡约束的表达式为：
Figure BDA0002926357670000095
式中，ηl、ηg为抽水蓄能机组的抽水、发电效率；
5.4)抽水蓄能机组不能同时发电和抽水，抽发互斥约束，约束的表达式为：
Figure BDA0002926357670000096
6)滚动调度的修正值与原计划值具有关联性，需将每台机组修正后的出力值与日前计划出力偏差控制在一定范围内，保证日内调度和日前调度之间的协调性，滚动计划偏差约束的表达式为：
Figure BDA0002926357670000097
式中
Figure BDA0002926357670000098
为机组i日前计划出力值。Pi E为机组i的额定功率，ξ为约束乘子，调整其大小可以改变日内调度最大允许的修正偏差。
上述的步骤四中，电量价格分段函数线性化处理如下所示：
Figure BDA0002926357670000101
式中，
Figure BDA0002926357670000102
为机组申报的第i段出力区间对应的起点、终点，Ci为机组第i段出力区间对应的电量价格，按容量大小依次递增，C为机组在某时刻出力对应线性化后的电量价格信息，考虑n＝3段，引入0-1整数变量Ki对电量价格线性化。
优选地，上述的含抽水蓄能机组的日内滚动优化模型的求解，采用0-1混合整数线性规划方法。
采用某省级电网数据为计算依据，该电网潮流母线节点数1925个，线路851条，变压器934台，发电机561台(含风光电厂等值发电机)；等值风电场224个，光伏电站95个，直调风电装机容量为18446.34MW，直调光伏装机容量为7240.1MW。该地区建有一座抽蓄电站，安装有4台300MW抽水蓄能机组，总装机容量为1200MW；最大储能量为满发7.4h，满功率抽水需要9.15h。滚动周期设为8:15～12:00，即时刻33～48，从D5000平台自动获取优化算法所需要的各类数据后对所提模型及优化方法进行验证，所建优化模型为0-1混合整数线性规划模型，共有57466个变量，其中整数变量9200个，58193个约束条件，采用自由软件项目GNU的线性规划软件包GLPK进行求解，因为问题规模较大，且多为0-1变量，采用了Fischetti-Monaci邻近搜索启发式算法，该算法能够快速改进混合整数规划问题的可行解，使得一些需要很长时间才能得到最优解的问题快速获得次优解，大大提高了求解速率。
采用本发明的现货市场环境下含抽水蓄能机组的日内滚优化模型进行求解，所得新能源消纳情况、机组修正后的计划运行曲线和抽水蓄能机组运行状态结果如图4、图5和图6所示。
从图4可以看出滚动周期内的所有时段新能源超短期预测出力和实际出力一致，一个周期内并无弃风、光现象，说明了所建模型在大部分时间下可对可再生能源消纳情况较好。
风电场、光伏电站、抽水蓄能电站运行曲线以及滚动修正后的火电机组计划运行曲线如图5所示，可以看出在9:00～12:00,负荷降低且新能源总出力基本保持稳定，***为了吸收更多的新能源，抽水蓄能电站机组基本处于抽水状态运行，火电机组出力较稳定，降低了电机组调峰压力，实现各种能源的优化配置。
抽水蓄能电站4台机组运行状态和出力情况如图6所示，上水库储水量的变化是通过电量来衡量的，由4台机组运行状态共同决定，从图中可以看出在8:15-8:45蓄能蓄电站处于发电状态，在其他时段由于新能源出力缓慢增加，抽水蓄能电站安排相应机组抽水运行，随着新能源出力情况的变化，抽水蓄能机组按需调度来保证新能源被尽数消纳。

Claims (7)

1.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，其特征在于，包括以下步骤：
步骤一、设计日内现货交易流程；
步骤二、获取电力***的基础数据；
步骤三、建立含抽水蓄能机组的日内滚动优化模型；
步骤四、对各市场主体申报的电量价格分段函数作线性化处理；
步骤五、对日内滚动优化模型进行求解，得到该交易周期内的机组计划运行曲线。
2.根据权利要求1所述的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，其特征在于，所述的步骤一中，日内现货市场交易流程包括交易准备、市场出清、交易信息发布及执行三个阶段。
3.根据权利要求1所述的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，其特征在于，所述的步骤二中，基础数据包括火电机组以15min为一点的日前机组96点出清计划以及运行状态信息、火电机组信息、新能源场站信息、抽水蓄能电站信息、区域负荷预测信息、日内市场的市场主体申报的电量价格信息。
4.根据权利要求1所述的在现货市场环境下研究含抽水蓄能机组的日内优化调度方法，其特征在于，在步骤三中，建立含抽水蓄能机组的日内滚动优化模型的目标函数如下：
Figure FDA0002926357660000011
其中，Pi,t为火电机组i在时段t的日内计划出力值，
Figure FDA0002926357660000012
为火电机组i在时段t的增、减出力，Fi,t为新能源站i在时段t的日内出清出力值，
Figure FDA0002926357660000013
为新能源站i在时段t的增、减出力，
Figure FDA0002926357660000014
为抽水蓄能机组i在发电状态时在时段t的增、减出力，Pg,i,t为抽水蓄能机组i在发电状态时在时段t的日内出清计划出力值，Ci,t(Pi,t)、Ci,t(Fi,t)、Ci,t(Pg,i,t)是与火电机组i、新能源站i、抽水蓄能机组i申报的各段出力区间和对应的能量价格有关的多段线性函数，
Figure FDA0002926357660000021
为抽水蓄能机组发电的状态变量，其中1为发电状态，0为停机状态，NG为***火电机组数，NM为***新能源站数量，NH为抽水蓄能机组数，T1为一个日内交易周期16点的出清时段。
5.根据权利要求1所述的在现货市场环境下研究含抽水蓄能机组的日内优化调度方法，其特征在于，在步骤三中，所建模型的约束条件包括：***功率平衡约束、机组出力约束、火电机组爬坡约束、***旋转备用约束、抽水蓄能机组发电功率约束、水库容量约束、水库容量平衡约束、滚动计划值偏差约束。
6.根据权利要求1所述的在现货市场环境下研究含抽水蓄能机组的日内优化调度方法，其特征在于，所述的步骤四中，电量价格分段函数线性化处理如下所示：
Figure FDA0002926357660000022
其中，
Figure FDA0002926357660000023
为机组申报的第i段出力区间对应的起点、终点，Ci为第i段出力区间对应的电量价格，电量价格按容量大小依次递增，C为线性化后的电量价格信息，考虑n＝3段，引入0-1整数变量Ki对电量价格线性化。
7.根据权利要求1所述的在现货市场环境下研究含抽水蓄能机组的日内优化调度方法，其特征在于，所述的步骤五中，对含抽水蓄能机组的日内滚动优化模型求解，采用0-1整数线性规划方法。
CN202110133895.6A 2021-02-01 2021-02-01 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 Active CN112909933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110133895.6A CN112909933B (zh) 2021-02-01 2021-02-01 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110133895.6A CN112909933B (zh) 2021-02-01 2021-02-01 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

Publications (2)

Publication Number Publication Date
CN112909933A true CN112909933A (zh) 2021-06-04
CN112909933B CN112909933B (zh) 2022-05-03

Family

ID=76122434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110133895.6A Active CN112909933B (zh) 2021-02-01 2021-02-01 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

Country Status (1)

Country Link
CN (1) CN112909933B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113725917A (zh) * 2021-09-01 2021-11-30 国网河南省电力公司电力科学研究院 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法
CN113904324A (zh) * 2021-09-24 2022-01-07 广东电网有限责任公司电力调度控制中心 一种电力现货市场环境下对抽水蓄能机组的调度方法
CN114050611A (zh) * 2022-01-12 2022-02-15 清华四川能源互联网研究院 适应含多台机组的抽水蓄能电站运行调度线性化建模方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013038958A (ja) * 2011-08-09 2013-02-21 Chugoku Electric Power Co Inc:The 電力需給バランスチェック方法及び電力需給バランスチェック装置
CN105634024A (zh) * 2016-02-23 2016-06-01 国网江苏省电力公司电力科学研究院 基于价格需求响应的日内经济调度模型及线性求解方法
CN110443645A (zh) * 2019-07-26 2019-11-12 中国能源建设集团广东省电力设计研究院有限公司 基于电力现货市场的抽水蓄能机组运行策略模型建立方法
CN111047114A (zh) * 2019-12-28 2020-04-21 中国南方电网有限责任公司 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN111525627A (zh) * 2020-05-08 2020-08-11 清华大学 含抽蓄与新能源发电的柔性直流输电***日前调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013038958A (ja) * 2011-08-09 2013-02-21 Chugoku Electric Power Co Inc:The 電力需給バランスチェック方法及び電力需給バランスチェック装置
CN105634024A (zh) * 2016-02-23 2016-06-01 国网江苏省电力公司电力科学研究院 基于价格需求响应的日内经济调度模型及线性求解方法
CN110443645A (zh) * 2019-07-26 2019-11-12 中国能源建设集团广东省电力设计研究院有限公司 基于电力现货市场的抽水蓄能机组运行策略模型建立方法
CN111047114A (zh) * 2019-12-28 2020-04-21 中国南方电网有限责任公司 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN111525627A (zh) * 2020-05-08 2020-08-11 清华大学 含抽蓄与新能源发电的柔性直流输电***日前调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
QI WANG ET AL.: "Day-Ahead Optimal Dispatching of Wind-Solar-Hydro-Thermal Combined Power System with Pumped-storage Hydropower Integration", 《2018 IEEE INNOVATIVE SMART GRID TECHNOLOGIES - ASIA (ISGT ASIA)》 *
余 涛等: "抽水蓄能电站参与电力现货市场竞价多日滚动优化运行方法", 《水力发电》 *
张经纬等: "电力市场环境下抽水蓄能参与电能量市场的优化运行策略", 《电力建设》 *
黄鹏翔等: "基于灵活性裕度的含风电电力***源荷储协调滚动调度", 《中国电力》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113725917A (zh) * 2021-09-01 2021-11-30 国网河南省电力公司电力科学研究院 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法
CN113725917B (zh) * 2021-09-01 2023-08-08 国网河南省电力公司电力科学研究院 一种抽蓄电站向电网提供多时间尺度备用的优化建模方法
CN113904324A (zh) * 2021-09-24 2022-01-07 广东电网有限责任公司电力调度控制中心 一种电力现货市场环境下对抽水蓄能机组的调度方法
CN114050611A (zh) * 2022-01-12 2022-02-15 清华四川能源互联网研究院 适应含多台机组的抽水蓄能电站运行调度线性化建模方法
CN114050611B (zh) * 2022-01-12 2022-04-01 清华四川能源互联网研究院 适应含多台机组的抽水蓄能电站运行调度线性化建模方法

Also Published As

Publication number Publication date
CN112909933B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN112909933B (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
CN105046395B (zh) 一种含多类型新能源的电力***日内滚动计划编制方法
CN109492861B (zh) 一种梯级水电站群中期电量交易计划分解方法
CN102738833B (zh) 一种含风电的电力***多时间尺度滚动协调调度方法
CN110417006A (zh) 考虑多能协同优化的综合能源***多时间尺度能量调度方法
CN103886388B (zh) 一种多周期发电计划协调优化与闭环控制方法
CN109066744B (zh) 一种含储能配电网协调调度方法和***
CN103699941A (zh) 一种电力***调度运行年方案的制定方法
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
CN104809545B (zh) 一种虚拟电厂运行建模方法
CN109858697A (zh) 计及源荷随机的冷热电联供***优化运行方法及***
CN115313378A (zh) 一种风光储发电站日前有功出力优化调度方法及***
CN113346555B (zh) 一种考虑电量协调的日内滚动调度方法
CN111047077A (zh) 一种新能源年度交易电量优化分解方法及***
CN102184468A (zh) 间歇性能源发电有功调度方法
CN112836866A (zh) 一种分时启停多日优化的中长期电量日曲线分解方法和装置
CN108667077A (zh) 一种风蓄联合***优化调度方法
Ma et al. Long-term coordination for hydro-thermal-wind-solar hybrid energy system of provincial power grid
CN112039126B (zh) 含分布式电源的配电网多时间尺度协调调度方法及***
CN112003268A (zh) 基于模型预测控制的智能建筑群电能优化共享***和方法
CN114884101B (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
CN113240546B (zh) 密集水电地区的机组月度调度方法
He et al. Research on intraday rolling optimal dispatch including pumped storage power station
CN114781817A (zh) 电-气互联***多时间尺度联合优化调度方法及***
CN113629781A (zh) 一种基于empc的多vpp日前日内协调优化方法及装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240402

Address after: Room 0702, 6th Floor, Building 1, No. 66, Zhongguancun East Road, Haidian District, Beijing, 100080

Patentee after: Beijing Qingdian Technology Co.,Ltd.

Country or region after: China

Address before: 443002 No. 8, University Road, Xiling District, Yichang, Hubei

Patentee before: CHINA THREE GORGES University

Country or region before: China