CN112989279B - 含风电的电热联合***的调度方法及装置 - Google Patents
含风电的电热联合***的调度方法及装置 Download PDFInfo
- Publication number
- CN112989279B CN112989279B CN201911294551.2A CN201911294551A CN112989279B CN 112989279 B CN112989279 B CN 112989279B CN 201911294551 A CN201911294551 A CN 201911294551A CN 112989279 B CN112989279 B CN 112989279B
- Authority
- CN
- China
- Prior art keywords
- wind power
- day
- power output
- prediction data
- time period
- 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.)
- Active
Links
- 238000005485 electric heating Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005338 heat storage Methods 0.000 claims abstract description 80
- 238000012937 correction Methods 0.000 claims abstract description 39
- 230000008901 benefit Effects 0.000 claims description 17
- 230000009194 climbing Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 abstract description 13
- 238000010248 power generation Methods 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000009833 condensation Methods 0.000 description 6
- 230000005494 condensation Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- G06Q10/06315—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
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种含风电的电热联合***的调度方法及装置。其中,方法包括:获取日内当前时间段的风电出力预测数据;根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划。本发明实施例提供的含风电的电热联合***的调度方法及装置,基于风电功率的超短期预测数据,对基于风电不确定性进行的短期预测获得的日前调度计划进行修正,能减少资源浪费。
Description
技术领域
本发明涉及能源技术领域,更具体地,涉及一种含风电的电热联合***的调度方法及装置。
背景技术
电力***调度是是指在满足各种技术性和安全性约束的条件下,合理安排机组运行方式,满足负荷需求,兼顾新能源消纳要求,并在合理的时间内求得满足工程生产实际、安全可靠的发电计划。以传统能源为主的电力***调度模型尚不能完全满足风电、光伏发电等波动性可再生能源的并网运行要求,电力***的灵活性未能充分发挥,存在弃水、弃风、弃光的新能源消纳难题。
对于含风电的电热联合***,日前调度计划作为优化调度的重要工作之一,为电热联合***中各机组的出力及储热装置的储放热策略提供了科学的依据。现阶段对风电出力的预测精度还不够高,且风电的预测误差与时间呈正相关,导致单一的日前调度计划与当天的运行出力相差较大,不能适用于含大规模风电的电热联合***当中,导致资源浪费较大。
发明内容
本发明实施例提供一种含风电的电热联合***的调度方法及装置,用以解决或者至少部分地解决现有技术存在的资源浪费较大的缺陷。
第一方面,本发明实施例提供一种含风电的电热联合***的调度方法,包括:
获取日内当前时间段的风电出力预测数据;
根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;
根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划。
优选地,所述根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据的具体步骤包括:
根据所述日内当前时间段的风电出力预测数据,与预设的本周期风电出力的预测数据集中与所述当前时间段对应的风电出力数据之间的相似度,从所述本周期风电出力的预测数据集中筛选出若干组的风电出力数据;
将所述若干组的风电出力数据中与所述当前时间段对应的风电出力数据,替换为所述日内当前时间段的风电出力预测数据,获得所述日内风电出力的修正预测数据。
优选地,所述根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划之前,还包括:
根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,获取所述日前调度计划。
优选地,所述根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据之前,还包括:
根据历史风电出力的预测数据和实际数据,以及本周期风电出力的初始预测数据,获取所述本周期风电出力的预测数据集。
优选地,所述根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,获取所述日前调度计划的具体步骤包括:
根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,建立日前调度模型;
根据最优化方法和所述日前调度模型,获取所述日前调度计划;
其中,所述日前调度模型以最大化所述电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
优选地,所述根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划的具体步骤包括:
根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,建立日内调度模型;
根据最优化方法和所述日内调度模型,获取所述当前时间段的日内调度计划;
其中,所述日内调度模型以最大化所述电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
优选地,所述获取所述当前时间段的日内调度计划之后,还包括:
根据所述当前时间段的日内调度计划,对根据日内上一时间段的日内调度计划进行修正获取的日前调度计划进行修正。
第二方面,本发明实施例提供一种含风电的电热联合***的调度装置,包括:
风电预测模块,用于获取日内当前时间段的风电出力预测数据;
场景修正模块,用于根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;
调度获取模块,用于根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划。
第三方面,本发明实施例提供一种电子设备,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,执行所述程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的含风电的电热联合***的调度方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的含风电的电热联合***的调度方法的步骤。
本发明实施例提供的含风电的电热联合***的调度方法及装置,基于风电功率的超短期预测数据,对基于风电不确定性进行的风电出力的短期预测获得的日前调度计划进行修正,获得当前时间段的日内调度计划,使得日内调度计划与本周期的运行出力更加接近,能减少资源浪费。并且,能够有效地应对风电出力的不确定性,能在保证电热联合***运行经济性的同时提升风电消纳能力,具有重要的现实意义和环境效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的含风电的电热联合***的调度方法的流程示意图;
图2为根据本发明实施例提供的含风电的电热联合***的调度装置的结构示意图;
图3为根据本发明实施例提供的电子设备的实体结构示意图。
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。
为了克服现有技术的上述问题,本发明实施例提供一种含风电的电热联合***的调度方法及装置,其发明构思是,将基于风电不确定性进行的风电出力(即风电功率,风电机组的发电功率)的短期预测获得的日前调度计划,根据风电出力的超短期预测结果进行修正,能滚动修正日前计划由风电不确定性引起的偏差,保证***安全运行的前提下能较好的适应风电出力的不确定性,并且兼顾***的经济性及风电消纳的能力,能更有效地利用风力资源和储热装置,从而减少资源浪费。
图1为根据本发明实施例提供的含风电的电热联合***的调度方法的流程示意图。如图1所示,该方法包括:步骤S101、获取日内当前时间段的风电出力预测数据。
需要说明的是,含风电的电热联合***包括风电机组、火电机组和含储热装置的热电联产机组。
每一日被划分为多个等时长的时间段,时间段的时长不超过4小时。
0至4小时的风电出力的预测为超短期预测,因此,可以根据通常的风电出力超短期预测方法,获取日内当前时间段的风电出力预测数据。
日内当前时间段,指本周期内的当前时间段。
可以根据预设的时间分辨率进行风电出力超短期预测,将日内当前时间段的风电出力预测数据表示为向量s。时间分辨率一般大于15分钟。
例如,时间分辨率为1小时,则;其中,t为上一时间段的结束时刻,当前时间段为第t至t+1小时,s表示t至t+1这未来四个小时内的风电出力预测数据。
步骤S102、根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据。
具体地,本周期风电出力的预测数据集包括多组本周期风电出力的预测数据,以及每组本周期风电出力的预测数据发生的概率。每组本周期风电出力的预测数据,是根据本周期风电出力的初始预测数据获得的。每组本周期风电出力的预测数据,作为一个风电出力场景,因此,本周期风电出力的预测数据集为基于短期预测生成的包含大量风电出力场景的场景集。
本周期风电出力的初始预测数据,是基于风电的不确定性进行短期预测获得的。对于时间分辨率上的每个点位,该点位上的预测数据为风电出力区间。对每个点位对应的风电出力区间进行抽样,从而可以得到多组本周期风电出力的预测数据。
0至72小时(即0至3日)的风电出力的预测为短期预测,因此,可以根据通常的风电出力短期预测方法,获得本周期风电出力的初始预测数据及本周期风电出力的预测数据集。
由于现阶段对风电出力的预测精度还不够高,且风电出力的预测误差与时间呈正相关,基于超短期预测获得的日内当前时间段的风电出力预测数据,对本周期风电出力的预测数据集进行筛选,筛选出与日内当前时间段的风电出力预测数据相匹配的短期预测数据,并根据日内当前时间段的风电出力预测数据,对筛选出的本周期风电出力的预测数据进行修正,获得预测精度更高的日内风电出力的修正预测数据。
步骤S103、根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划。
具体地,根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,建立以电热联合***的总收益最高为优化目标的日内调度模型。
调度计划由电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率构成。
电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,为日内调度模型的决策变量。
日前调度计划,是本周期之前根据预测数据获得的调度计划;日内调度计划,是在本周期内根据预测数据获得的未来若干个小时的调度计划。
需要说明的是,为了使日内调度计划与日前调度计划更好地衔接,在日内调度模型中,需要考虑日前调度计划与日内调度计划之间的差异。
可以理解的是,由于风电出力的时间相关性,因而在日内调度模型中,还需要考虑上一时间段的日内调度计划对当前时间段的日内调度计划的影响,根据日内上一时间段的日内调度计划对日前调度计划进行修正获取。
根据最优化方法,对日内调度模型进行求解,可以获得当前时间段电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,作为当前时间段的日内调度计划。
本发明实施例基于风电功率的超短期预测数据,对基于风电不确定性进行的风电出力的短期预测获得的日前调度计划进行修正,获得当前时间段的日内调度计划,使得日内调度计划与本周期的运行出力更加接近,能减少资源浪费。并且,能够有效地应对风电出力的不确定性,能在保证电热联合***运行经济性的同时提升风电消纳能力,具有重要的现实意义和环境效益。
基于上述各实施例的内容,根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据的具体步骤包括:根据日内当前时间段的风电出力预测数据,与预设的本周期风电出力的预测数据集中与当前时间段对应的风电出力数据之间的相似度,从本周期风电出力的预测数据集中筛选出若干组的风电出力数据。
具体地,本发明实施例中是通过时间尺度为1日的短期预测,发明实施例以本周期的时长为1日,进行说明,实际采用的本周期的时长不超过72小时即可。本周期风电出力的预测数据集中的某一组本周期风电出力的预测数据(即某一场景)为其中,/>为场景集。
需要说明的是,的时间分辨率为1小时,本发明实施例以时间分辨率为1小时进行说明,实际采用的时间分辨率大于15分钟即可。
日内当前时间段的风电出力预测数据为,当前时间段为第t至t+1小时,从/>中截取与s对应的时间段(第t至t+1小时)的数据/>。
通过计算s和两个向量之间的相似性,作为日内当前时间段的风电出力预测数据,与预设的本周期风电出力的预测数据集中与当前时间段对应的风电出力数据之间的相似度。
s和两个向量之间的相似性,可以通过计算s和/>两个向量之间的欧氏距离等向量之间的距离获得。
优选地,由于风电前一时刻出力值与上一时刻 的大小有较强的相关性,且随时间的推移,其相关性呈现逐渐减弱的态势,因此在计算s和之间的相似性时,可以采用加权欧氏距离进行计算。
s和之间的相似性的计算公式为
其中,表示当前时间段中各个时刻的相关性权重系数。
比较s和之间的相似性与预设的阈值/>,若小于或等于预设的阈值/>,说明日内当前时间段的风电出力预测数据对应的场景与上述场景/>之间的相似度符合要求,筛选出该组本周期风电出力的预测数据,记为/>;若大于预设的阈值/>,说明日内当前时间段的风电出力预测数据对应的场景与上述场景/>之间的相似度不符合要求,舍弃该组本周期风电出力的预测数据。即
其中,预设的阈值为满足条件的向量之间的距离(例如欧氏距离或加权欧氏距离)最大值;/>表示场景/>发生的概率。
将若干组的风电出力数据中与当前时间段对应的风电出力数据,替换为日内当前时间段的风电出力预测数据,获得日内风电出力的修正预测数据。
具体地,将场景中当前时间段(第t至t+1小时)的数据,用日内当前时间段的风电出力预测数据/>代替,记为新的场景,并获取场景/>发生的概率/>。
进行场景概率归一化,获得场景发生的概率:
其中,为筛选出的本周期风电出力的预测数据的组数(即场景/>的个数)。
本发明实施例基于风电出力的超短期预测数据与短期预测数据之间的相似性,筛选出与风电出力的超短期预测数据更接近的场景,从而能基于筛选结果对日前调度计划进行修正,获得当前时间段的日内调度计划,使得日内调度计划与本周期的运行出力更加接近,能减少资源浪费。
基于上述各实施例的内容,根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划之前,还包括:根据本周期风电出力的预测数据集、电热联合***中各机组和储热装置的参数,以及电热联合***本周期的电负荷和热负荷的预测数据,获取日前调度计划。
具体地,步骤S102之前,根据本周期风电出力的预测数据集、电热联合***中各机组和储热装置的参数,以及电热联合***本周期的电负荷和热负荷的预测数据,建立以电热联合***的总收益最高为优化目标的日前调度模型。
电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,为日前调度模型的决策变量。
根据最优化方法,对日前调度模型进行求解,可以获得本周期各时刻电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,作为日前调度计划。
本发明实施例通过基于风电不确定性获得的各场景,能获得与本周期的运行出力更加接近的日前调度计划,从而能基于日前调度计划进行修正获得与本周期的运行出力更加接近的日内调度计划,能减少资源浪费。
基于上述各实施例的内容,根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据之前,还包括:根据历史风电出力的预测数据和实际数据,以及本周期风电出力的初始预测数据,获取本周期风电出力的预测数据集。
具体地,以历史风电出力的预测数据和实际数据为基础,获得风电场的经验误差分布函数。
考虑风电的不确定性,可以根据蒙特卡洛(Monte Carlo)方法对电场的经验误差分布函数进行模拟,获得风电功率预测误差序列。
将得到的风电功率预测误差序列与初始预测风电功率结合得到某一场景下各时段内的风电预测出力,获得该场景(即该组本周期风电出力的预测数据)。
通过重复上述步骤,可以获得包括多组本周期风电出力的预测数据及每组本周期风电出力的预测数据发生的概率的本周期风电出力的预测数据集。
本发明实施例根据历史风电出力的预测数据和实际数据,以及本周期风电出力的初始预测数据,获取本周期风电出力的预测数据集,考虑了风电的不确定性,能获得更接近实际的场景集,从而能基于场景集获得与本周期的运行出力更加接近的日内调度计划,能减少资源浪费。
基于上述各实施例的内容,根据本周期风电出力的预测数据集、电热联合***中各机组和储热装置的参数,以及电热联合***本周期的电负荷和热负荷的预测数据,获取日前调度计划的具体步骤包括:根据本周期风电出力的预测数据集、电热联合***中各机组和储热装置的参数,以及电热联合***本周期的电负荷和热负荷的预测数据,建立日前调度模型。其中,日前调度模型以最大化电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
具体地,获取日前调度计划之前,还包括获取电热联合***中各机组和储热装置的参数。
电热联合***中各机组和储热装置的参数包括:火电机组的总台数,火电机组编号/>,每台火电机组的最大有功出力/>和最小有功出力/>,每台火电机组的最大向上爬坡速率/>和最大向下爬坡速率/>,火电机组/>的耗量常数系数/>、一次项系数/>、二次项系数/>;含储热装置的热电联产机组的总台数/>,含储热装置的热电联产机组编号/>,每台热电联产机组纯凝工况下的最大有功出力/>、最小有功出力/>、最大供热功率/>和最小供热功率/>,每台热电联产机组在机组纯凝工况下的最大向上爬坡速率/>和最大向下爬坡速率/>,热电联产机组/>的耗量常数系数/>、一次项系数/>、二次项系数/>,储热装置的最大储热速率/>和最大放热速率/>,储热装置的最大储热量/>;获取/>时段的电负荷需求/>和热负荷需求/>。
日前调度模型中,电热联合***的本周期总收益,由电热联合***的供电、供热收益减去电热联合***中机组的发电成本获得。
日前调度模型的目标函数为
其中,表示第/>个风电出力场景(简称“场景”);/>表示风电场景的个数;/>表示第/>个风电场景出现的概率;/>表示日前调度周期;/>表示第/>个风电出力场景下时段***的供电、供热收益之和;/>表示第/>个风电出力场景下/>时段***的发电、供热成本之和;表示第个风电出力场景下时段的惩罚成本。
其中,表示第/>个风电出力场景下/>时段火电机组的发电功率;/>表示第个风电出力场景下时段热电联产机组/>的发电功率;/>表示联合***在/>时段的上网电价;/>表示电热联合***在/>时段的单位供热价格;/>表示第/>个风电出力场景下/>时段火电机组的总发电成本;/>表示第/>个风电出力场景下/>时段热电联产机组的总发电成本;/>表示/>时段联合***的弃风量;/>表示/>时段联合***的切负荷量;表示单位弃风的惩罚费用;/>表示单位切负荷的惩罚费用。
其中,表示第/>个风电出力场景下/>时段热电联产机组/>的供热功率;/>表示第/>个风电出力场景下/>时段热电联产机组/>对应储热装置的储、放热功率(/>值为负时放热);/>表示热电联产机组/>的机组运行参数;/>表示第/>个风电出力场景下/>时段风电场的最大出力;/>表示第/>个风电出力场景下/>时段风电场的实际出力。
日前调度模型的约束条件包括:
火电机组出力约束条件
火电机组爬坡约束条件
其中,表示火电机组出力调整时间;
风电场出力约束条件
热电联产机组出力条件
本发明实施例考虑抽气式热电联产机组,热电联产机组的热电出力存在耦合约束,当热出力一定时,机组的电功率被限制在一个特定的区间内如下:
其中,分别表示热电机组的运行参数;/>表示有抽气时机组的最小发电功率;/>表示有抽气时机组最小发电功率对应的供热功率。
热电联产机组爬坡条件
热电联合机组的出力变化通过抽气量决定,故其爬坡速率应将电、热出力统一折算到在机组纯凝工况下的电功率约束:
其中,表示第/>个风电出力场景下热电联产机组/>在/>时段折算到纯凝工况下的电功率。
储热装置储放热功率约束条件
储热装置容量约束条件
其中,表示第/>个风电出力场景下在机组/>配置的储热装置/>时段的储热量。
储热装置状态约束条件
其中,表示储热装置的热损失率。/>
储热装置周期约束条件
。
根据最优化方法和日前调度模型,获取日前调度计划。
具体地,根据最优化方法,对日前调度模型进行求解,可以获得本周期各时刻电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,作为日前调度计划。
本发明实施例通过基于风电不确定性获得的各场景,能获得与本周期的运行出力更加接近的日前调度计划,从而能基于日前调度计划进行修正获得与本周期的运行出力更加接近的日内调度计划,能减少资源浪费。
基于上述各实施例的内容,根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划的具体步骤包括:根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,建立日内调度模型。
其中,日内调度模型以最大化电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
可以理解的是,步骤S103之前还包括获取电热联合***中各机组和储热装置的参数。
电热联合***中各机组和储热装置的参数包括:火电机组的总台数,火电机组编号/>,每台火电机组的最大有功出力/>和最小有功出力/>,每台火电机组的最大向上爬坡速率/>和最大向下爬坡速率/>,火电机组/>的耗量常数系数/>、一次项系数/>、二次项系数/>;含储热装置的热电联产机组的总台数/>,含储热装置的热电联产机组编号/>,每台热电联产机组纯凝工况下的最大有功出力/>、最小有功出力/>、最大供热功率/>和最小供热功率/>,每台热电联产机组在机组纯凝工况下的最大向上爬坡速率/>和最大向下爬坡速率/>,热电联产机组/>的耗量常数系数/>、一次项系数/>、二次项系数/>,储热装置的最大储热速率/>和最大放热速率/>,储热装置的最大储热量/>;获取/>时段的电负荷需求/>和热负荷需求/>。
日内调度模型中,电热联合***的本周期总收益,由电热联合***的供电、供热收益减去电热联合***中机组的发电成本及惩罚费用获得。
日内调度模型的目标函数为
其中,分别表示第/>个风电出力场景下时段***的供电供热收益、发电和供热成本、弃风和切负荷惩罚成本以及与日前调度计划的偏差惩罚。
其中,分别表示第/>个风电出力场景下/>时段日内调度计划以及日前调度计划的总发电功率;/>表示单位功率偏差惩罚成本。
需要说明的是,日内调度模型的供电供热收益、发电和供热成本、弃风和切负荷惩罚成本及约束条件的公式,与日前调度模型的供电供热收益、发电和供热成本、弃风和切负荷惩罚成本约束条件的公式类似,区别在于日前调度模型基于筛选前的个场景,而日内调度模型基于筛选出的/>的场景。因此,日内调度模型的供电供热收益、发电和供热成本、弃风和切负荷惩罚成本及约束条件,可以参见上述日前调度模型的实施例,此处不再赘述。
根据最优化方法和日内调度模型,获取当前时间段的日内调度计划。
具体地,根据最优化方法,对日内调度模型进行求解,可以获得当前时间段电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,作为当前时间段的日内调度计划。
本发明实施例基于风电功率的超短期预测数据,对基于风电不确定性进行的风电出力的短期预测获得的日前调度计划进行修正,获得当前时间段的日内调度计划,使得日内调度计划与本周期的运行出力更加接近,能减少资源浪费。
基于上述各实施例的内容,获取当前时间段的日内调度计划之后,还包括:根据当前时间段的日内调度计划,对根据日内上一时间段的日内调度计划进行修正获取的日前调度计划进行修正。
具体地,获取当前时间段的日内调度计划之后,对根据日内上一时间段的日内调度计划进行修正获取的日前调度计划进行修正,具体为将根据日内上一时间段的日内调度计划进行修正获取的日前调度计划中当前时间段的部分,替换为当前时间段的日内调度计划。
通过获取本周期内每一时间段的日内调度计划,直至整个日前调度周期结束,可以获得电热联合***日内调度计划。
可以理解的是,将本周期内最后一个时间段各决策变量的值作为下个周期调度的边界条件。
本发明实施例根据当前时间段的日内调度计划,对根据日内上一时间段的日内调度计划进行修正获取的日前调度计划进行修正,能获得与本周期的运行出力更加接近的下一时间段的日内调度计划,能减少资源浪费。
图2为根据本发明实施例提供的含风电的电热联合***的调度装置的结构示意图。基于上述各实施例的内容,如图2所示,该装置包括风电预测模块201、场景修正模块202和调度获取模块203,其中:
风电预测模块201,用于获取日内当前时间段的风电出力预测数据;
场景修正模块202,用于根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;
调度获取模块203,用于根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划。
具体地,风电预测模块201、场景修正模块202和调度获取模块203依次电连接。
风电预测模块201可以根据通常的风电出力超短期预测方法,获取日内当前时间段的风电出力预测数据,或者直接获取风电出力预测工具得到的日内当前时间段的风电出力预测数据。
场景修正模块202基于超短期预测获得的日内当前时间段的风电出力预测数据,对本周期风电出力的预测数据集进行筛选,筛选出与日内当前时间段的风电出力预测数据相匹配的短期预测数据,并根据日内当前时间段的风电出力预测数据,对筛选出的本周期风电出力的预测数据进行修正,获得预测精度更高的日内风电出力的修正预测数据。
调度获取模块203根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,建立以电热联合***的总收益最高为优化目标的日内调度模型;根据最优化方法,对日内调度模型进行求解,可以获得当前时间段电热联合***中各机组(火电机组和热电联产机组)的电出力、热电联产机组的热出力以及储热装置的储放热功率,作为当前时间段的日内调度计划。
本发明实施例提供的含风电的电热联合***的调度装置,用于执行本发明上述各实施例提供的含风电的电热联合***的调度方法,该含风电的电热联合***的调度装置包括的各模块实现相应功能的具体方法和流程详见上述含风电的电热联合***的调度方法的实施例,此处不再赘述。
该含风电的电热联合***的调度装置用于前述各实施例的含风电的电热联合***的调度方法。因此,在前述各实施例中的含风电的电热联合***的调度方法中的描述和定义,可以用于本发明实施例中各执行模块的理解。
本发明实施例基于风电功率的超短期预测数据,对基于风电不确定性进行的风电出力的短期预测获得的日前调度计划进行修正,获得当前时间段的日内调度计划,使得日内调度计划与本周期的运行出力更加接近,能减少资源浪费。
图3为根据本发明实施例提供的电子设备的实体结构示意图。基于上述实施例的内容,如图3所示,该电子设备可以包括:处理器(processor)301、存储器(memory)302和总线303;其中,处理器301和存储器302通过总线303完成相互间的通信;处理器301用于调用存储在存储器302中并可在处理器301上运行的计算机程序指令,以执行上述各方法实施例所提供的含风电的电热联合***的调度方法,例如包括:获取日内当前时间段的风电出力预测数据;根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划
本发明另一实施例公开一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的含风电的电热联合***的调度方法,例如包括:获取日内当前时间段的风电出力预测数据;根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划
此外,上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明另一实施例提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述各方法实施例所提供的含风电的电热联合***的调度方法,例如包括:获取日内当前时间段的风电出力预测数据;根据日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;根据日内风电出力的修正预测数据、电热联合***中各机组和储热装置的参数、电热联合***当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取当前时间段的日内调度计划
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行上述各个实施例或者实施例的某些部分的方法。
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)
1.一种含风电的电热联合***的调度方法,其特征在于,包括:
获取日内当前时间段的风电出力预测数据;
根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;
根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划;
所述根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据的具体步骤包括:
根据所述日内当前时间段的风电出力预测数据,与预设的本周期风电出力的预测数据集中与所述当前时间段对应的风电出力数据之间的相似度,从所述本周期风电出力的预测数据集中筛选出若干组的风电出力数据;
将所述若干组的风电出力数据中与所述当前时间段对应的风电出力数据,替换为所述日内当前时间段的风电出力预测数据,获得所述日内风电出力的修正预测数据。
2.根据权利要求1所述的含风电的电热联合***的调度方法,其特征在于,所述根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划之前,还包括:
根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,获取所述日前调度计划。
3.根据权利要求1所述的含风电的电热联合***的调度方法,其特征在于,所述根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据之前,还包括:
根据历史风电出力的预测数据和实际数据,以及本周期风电出力的初始预测数据,获取所述本周期风电出力的预测数据集。
4.根据权利要求2所述的含风电的电热联合***的调度方法,其特征在于,所述根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,获取所述日前调度计划的具体步骤包括:
根据所述本周期风电出力的预测数据集、所述电热联合***中各机组和储热装置的参数,以及所述电热联合***本周期的电负荷和热负荷的预测数据,建立日前调度模型;
根据最优化方法和所述日前调度模型,获取所述日前调度计划;
其中,所述日前调度模型以最大化所述电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
5.根据权利要求1所述的含风电的电热联合***的调度方法,其特征在于,所述根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划的具体步骤包括:
根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,建立日内调度模型;
根据最优化方法和所述日内调度模型,获取所述当前时间段的日内调度计划;
其中,所述日内调度模型以最大化所述电热联合***的本周期总收益为目标,以各机组的出力约束及爬坡约束、储热装置的运行约束、供电和供热平衡约束为约束条件。
6.根据权利要求1至5任一所述的含风电的电热联合***的调度方法,其特征在于,所述获取所述当前时间段的日内调度计划之后,还包括:
根据所述当前时间段的日内调度计划,对根据日内上一时间段的日内调度计划进行修正获取的日前调度计划进行修正。
7.一种含风电的电热联合***的调度装置,其特征在于,包括:
风电预测模块,用于获取日内当前时间段的风电出力预测数据;
场景修正模块,用于根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据;
调度获取模块,用于根据所述日内风电出力的修正预测数据、所述电热联合***中各机组和储热装置的参数、所述电热联合***所述当前时间段的电负荷和热负荷的预测数据和根据日内上一时间段的日内调度计划进行修正获取的日前调度计划,获取所述当前时间段的日内调度计划;
所述根据所述日内当前时间段的风电出力预测数据和预先获取的本周期风电出力的预测数据集,获取日内风电出力的修正预测数据的具体步骤包括:
根据所述日内当前时间段的风电出力预测数据,与预设的本周期风电出力的预测数据集中与所述当前时间段对应的风电出力数据之间的相似度,从所述本周期风电出力的预测数据集中筛选出若干组的风电出力数据;
将所述若干组的风电出力数据中与所述当前时间段对应的风电出力数据,替换为所述日内当前时间段的风电出力预测数据,获得所述日内风电出力的修正预测数据。
8.一种电子设备,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至6任一所述的含风电的电热联合***的调度方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一所述的含风电的电热联合***的调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294551.2A CN112989279B (zh) | 2019-12-16 | 2019-12-16 | 含风电的电热联合***的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294551.2A CN112989279B (zh) | 2019-12-16 | 2019-12-16 | 含风电的电热联合***的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989279A CN112989279A (zh) | 2021-06-18 |
CN112989279B true CN112989279B (zh) | 2023-11-17 |
Family
ID=76343335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911294551.2A Active CN112989279B (zh) | 2019-12-16 | 2019-12-16 | 含风电的电热联合***的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989279B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705862B (zh) * | 2021-08-12 | 2024-02-13 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种电力现货市场环境下超短期新能源预测数据修正方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606967A (zh) * | 2013-11-26 | 2014-02-26 | 华中科技大学 | 一种实现电力***鲁棒运行的调度方法 |
CN107332286A (zh) * | 2017-07-27 | 2017-11-07 | 清华大学 | 一种含储热的热电联产与风电协调调度方法 |
CN107341593A (zh) * | 2017-06-19 | 2017-11-10 | 东北电力大学 | 一种基于场景划分的电热综合***弃风消纳协调调度模型 |
CN107800153A (zh) * | 2017-11-09 | 2018-03-13 | 国网甘肃省电力公司电力科学研究院 | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 |
CN108039736A (zh) * | 2017-11-14 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的大容量储热储电协调调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103296679B (zh) * | 2013-05-20 | 2016-08-17 | 国家电网公司 | 电力***中长期优化运行的中长期风电出力模型建模方法 |
-
2019
- 2019-12-16 CN CN201911294551.2A patent/CN112989279B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606967A (zh) * | 2013-11-26 | 2014-02-26 | 华中科技大学 | 一种实现电力***鲁棒运行的调度方法 |
CN107341593A (zh) * | 2017-06-19 | 2017-11-10 | 东北电力大学 | 一种基于场景划分的电热综合***弃风消纳协调调度模型 |
CN107332286A (zh) * | 2017-07-27 | 2017-11-07 | 清华大学 | 一种含储热的热电联产与风电协调调度方法 |
CN107800153A (zh) * | 2017-11-09 | 2018-03-13 | 国网甘肃省电力公司电力科学研究院 | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 |
CN108039736A (zh) * | 2017-11-14 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种提高风电接纳能力的大容量储热储电协调调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112989279A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maleki et al. | Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms | |
CN106849190B (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
CN106058917A (zh) | 一种计及光伏发电的电力***动态经济调度方法 | |
CN107800153B (zh) | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 | |
CN104299173B (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN103997039A (zh) | 基于概率区间预测的计及风电接纳的旋转备用区间预测方法 | |
CN113241803A (zh) | 一种基于新能源消纳的储能调度方法及计算机介质 | |
CN111523204B (zh) | 一种并网型综合能源网电-气储能***优化配置求解方法 | |
CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和*** | |
CN111740408A (zh) | 一种基于鲁棒随机模型的光热电站最优报价决策方法 | |
CN112989279B (zh) | 含风电的电热联合***的调度方法及装置 | |
CN117913914A (zh) | 基于电量分类的一体化项目并网多时段调度方法及装置 | |
CN109494794B (zh) | 区域分布式储能优化调度方法及装置 | |
CN114884101B (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源***调度优化方法 | |
Fadheel et al. | A Hybrid Sparrow Search Optimized Fractional Virtual Inertia Control for Frequency Regulation of Multi-Microgrid System | |
CN116470587A (zh) | 一种电网优化调度方法、装置、电子设备及可读存储介质 | |
Hua et al. | Design of energy dispatch strategy of active distribution network using chance-constrained programming | |
Yang et al. | An economic optimization for BESS sizing in a hybrid PV and wind power plant | |
CN113725917B (zh) | 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 | |
Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
Yuan et al. | Multi-area generation expansion planning model of high variable generation penetration | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
CN105958479B (zh) | 一种含钠硫电池的微电网能量管理优化方法 | |
CN115085227A (zh) | 一种微电网源储容量配置方法及装置 |
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 |