CN113128786A - 一种基于空间网格搜索的风光水互补容量与选址优化方法 - Google Patents
一种基于空间网格搜索的风光水互补容量与选址优化方法 Download PDFInfo
- Publication number
- CN113128786A CN113128786A CN202110498818.0A CN202110498818A CN113128786A CN 113128786 A CN113128786 A CN 113128786A CN 202110498818 A CN202110498818 A CN 202110498818A CN 113128786 A CN113128786 A CN 113128786A
- Authority
- CN
- China
- Prior art keywords
- wind
- light
- power station
- grid
- capacity
- 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
- 230000000295 complement effect Effects 0.000 title claims abstract description 100
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 230000008901 benefit Effects 0.000 claims abstract description 37
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 22
- 230000005611 electricity Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 14
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 8
- 238000010845 search algorithm Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- H02J3/381—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
- H02J3/466—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]
-
- 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
- H02J2300/24—The renewable source being solar energy of photovoltaic 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
- H02J2300/20—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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于空间网格搜索的风光水互补容量与选址优化方法,在考虑风光水***全生命周期综合效益最大的同时,提出了面向多层级、多对象的多能互补***关键风险指标约束,采用基于高精度地理网格组合的“升尺度降维‑网格扩展遍历‑降尺度重构”三阶段精细化网格搜索算法,实现多能互补***最优容量配置方案的高效求解;同时在考虑风光水***风险指标约束的前提下,基于***全生命周期净收益筛选得到最优的容量配置方案。本发明将大规模风、光电站选址和规模优化问题转化为若干个空间网格的组合和搜索问题,为新能源的规划建设提供技术支持,适用于在大规模多能互补***容量精细化配置和选址中推广应用。
Description
技术领域
本发明涉及发电***容量配置与选址技术领域,特别涉及一种基于空间网格搜索的风光水互补容量与选址优化方法。
背景技术
风光水多能互补***容量配置已成为国内外热点研究对象,其中,科学合理地规划论证与现有水电站匹配的风光电站选址和接入规模,是保证多能互补***运行可靠性和经济性的基础和关键。多能互补***容量配置的核心内容为:在资源可用性和负荷特性基础上,优化***电站的选址和装机规模,使得互补***既满足电力可靠供应,又兼顾投资经济合理。当前对于多能互补***电源容量配置的技术研究主要集中于小型互补***,包括风光互补、水光互补、水风互补和风光水互补***,而由于大规模互补***内部结构复杂,不确定性因素众多,模型求解困难,目前对于大规模、特别是两种以上能源互补***容量配置的研究相对较少。
此外,多能互补***精细化容量配置,需在宏观配置研究基础上,进一步考虑风光资源时空差异特性、***时序运行特性等多重因素,提出各电站位置、装机、接入方式等方案。当前的配置方案多集中于其中一个重点,例如针对风光能源提出了兼顾资源时空特性、电力***接纳能力和新能源发电量占比等目标的容量规划与选址优化方法,但未涉及风光水三种能源的多能互补运行。或是利用风光资源特性初步规划了风光电站场址,建立保障负荷需求的风光水***选址和容量优化模型。总的来说,由于精细化配置模型的复杂性,目前风光电站选址和规模研究一般对于***调度方式、资源时空分布差异等都做了大量简化,对于方案效益和风险的计算分析也不充分。
从上述现有多能互补***的电源容量配置技术可以看出,目前对于小规模互补***的容量配置已有较多探讨,但对于结构复杂、难度更大、不确定性更突出的千万千瓦级风光水三种清洁能源互补***而言,相关技术以解决打捆容量或装机配比等宏观问题为主,未能充分考虑资源时空分布差异和出力时序互补特性,缺乏针对电站选址、规模、接入方式等更精细要素的优化配置技术方案。
发明内容
针对上述现有大规模风光水互补***电源容量配置技术的不足,本发明提出一种基于空间网格搜索的风光水互补容量与选址优化方法,可以有效均衡容量和选址方案的潜在风险和综合效益,适用于在我国大型清洁能源基地新能源容量配置中推广应用。
本发明采用的技术方案如下:
本发明提供一种基于空间网格搜索的风光水互补容量与选址优化方法,包括:
构建以风光水互补***全生命周期净效益最大为目标的风光电站容量配置模型;
建立风光水互补***的风险评价指标体系及指标的可控阈值约束集,作为风光电站容量配置寻优过程中的安全约束;
采用基于精细化空间网格搜索的方式对所述风光电站容量配置模型进行求解;
考虑风光水互补***风险评价指标安全约束,对所求解的风光电站容量配置方案进行寻优,确定最优风光电站的容量配置方案。
进一步的,所述构建以风光水互补***全生命周期净效益最大为目标的风光电站容量配置模型,包括:
max NP=P-Cin-Com;
其中,NP为风光水互补***全生命周期净收益,P为风光水互补***全生命周期的发电效益,Cin为风光电站的投资成本,Com为风光电站的运行维护成本,Y为全生命周期年数,T为每年的天数,分别表示水电站、光伏电站和风电站在第i年j天k小时内的发电收益,和分别为单位装机容量光伏电站和风电站的投资费用,Npv和Nw分别表示光伏电站和风电站的装机容量,和分别表示单位装机容量光伏电站和风电站的年运行维护费用。
进一步的,从“全***”到“电源组”再到“单个电站”逐级构建风光水互补***风险评价指标,包括:
全***的可靠性指标通过风光水互补***的长期电量不足指标和短期电力不足指标进行评价,采用失负荷概率来表征;
全***的稳定性指标通过风光水互补***的出力波动率和爬坡率来表征;
全***的经济性指标通过风光水互补***的电价波动率和弃电率来表征;
电源组的可靠性指标通过功率分布特性指标和分配到各电源组的电量不足指标进行评价;
电源组的稳定性指标通过各电源组的出力波动率和爬坡率来表征;
电源组的经济性指标通过各电源组的电价波动率和电源组年利用小时数来表征;
风电站运行风险指标通过风电出力波动率和弃风电量指标来表征;
光伏电站运行风险指标通过光伏出力波动率和弃光电量指标来表征;
水电站运行风险指标通过水库下泄流量波动指标和水位变化风险指标来表征。
进一步的,根据各电站的电力送出方式将风光水互补***中电站群划分为多个电源组。
进一步的,预设各风险评价指标的阈值范围,作为风光电站容量配置寻优过程中的安全约束。
进一步的,所述采用基于精细化空间网格搜索的方式对所述风光电站容量配置模型进行求解,包括:
基于风光资源数据的空间分辨率,对风电站和光伏电站的可开发区域进行地理网格划分;
依据所划分的地理网格,以网格内风光水互补***全生命周期净效益最大为目标,采用“升尺度降维-网格扩展遍历-降尺度重构”三阶段精细化网格搜索方式,实现风光电站容量配置模型的求解。
进一步的,
在百米级网格分辨率条件下,采用网格坐标定位风电站和光伏电站场址,用该网格所对应空间范围内可建设装机容量代表所建电站的规模,将风光电站的选址和容量配置方案转化为空间上连续的网格组合方案。
进一步的,所述“升尺度降维-网格扩展遍历-降尺度重构”三阶段精细化网格搜索方式为:
对划分的原始网格进行空间升尺度,逐网格计算全生命周期净收益,排除净收益不符合要求的网格;
将筛选后的网格与相邻网格合并,并计算合并后的新组合的全生命周期净收益,如果大于合并前的净收益,则更新风光规模与选址方案;重复该过程直至无法通过合并相邻网格提高全生命周期净收益;
将扩展遍历筛选后的网格组合进行降尺度重构,对降尺度重构后的网格组合的边缘网格进行缩减,并计算缩减后新组合的全生命周期净收益,如果大于缩减前的净收益,则更新风光规模与选址方案;重复该过程直至无法提高全生命周期净收益;
对缩减操作后更新的网格组合的边缘网格进行相邻网格合并的扩增操作,并计算扩增后新组合的全生命周期净收益,如果大于扩增前的净收益,则更新风光规模与选址方案;重复该过程直至无法提高全生命周期净收益。
进一步的,所述对所求解的风光电站容量配置方案进行寻优,确定最优的风光电站容量配置方案,包括:
在满足风光水互补***风险评价指标安全约束的前提下,对所求解的风光电站容量配置方案基于全生命周期净收益进行排序,得到在保证风光水互补***安全稳定运行的情况下,最大化***净收益的最优风光电站容量配置方案。
本发明的有益效果为:
(1)本发明在考虑风光水***全生命周期综合效益最大的同时,提出了面向多层级、多对象的多能互补***关键风险指标约束,分析不同配置方案下互补***全生命周期内的综合效益和运行风险,实现效益风险均衡的多能互补容量精细化配置方案。
(2)本发明提出了基于高精度地理网格组合的多能互补***电源规模和选址协同优化建模方法,将电站规模和选址问题转化为若干个空间网格的组合和搜索问题,研发了基于地理空间网格建模的“升尺度降维-网格扩展遍历-降尺度重构”三阶段精准高效搜索算法,避免了电站容量与选址寻优过程的“维数灾”问题。本发明可以为新能源的规划建设提供技术支持,适用于在我国大规模多能互补***容量精细化配置和选址中推广应用。
附图说明
图1为本发明中构建的风光水多能互补***的风险评价指标体系;
图2为本发明基于精细化空间网格组合的多能互补容量配置空间建模原理示意图;
图3为本发明中面向海量空间网格组合方案的三阶段精细化搜索过程示意;
图4为本发明中网格扩增过程示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提供一种基于空间网格搜索的风光水互补容量与选址协同优化方法,包括:
(1)考虑时序运行特性的风光水互补***全生命周期效益分析
提出将风光水***的全生命周期净效益最大作为风光电站容量配置的优化目标。风光水多能互补***在全生命周期净效益主要与成本和效益有关,分析多能互补***在全生命周期中主要成本和效益组成,包括风电站、光伏电站的建设投资成本、运行维护成本、风光水各电站发电效益三部分。
首先,分别基于风电站和光伏电站建设与运行维护的需求,提出***在全生命周期内的投资和运行维护成本计算方法;以净效益最大为目标,优化水库调节方案,模拟特定风光开发方案下多能互补***在全生命周期内的运行过程,再结合风光水电全年不同时段的上网电价,计算总发电收益。由此,实现多能互补***面向全生命周期的净收益分析,各项成本和收益计算方法如下。
1)投资成本:分别考虑风电站与光伏电站的地理位置和装机规模等影响因素,分析风电站与光伏电站在设计建造期需投入的前期工作费、建筑工程费、设备购置费与其他费用,计算多能互补***的总投资成本Cin。
2)运行维护成本:风电站和光伏电站建成运行以后,为保证电站能够长期正常稳定运行,每年都需进行必要的维护检修。分析风电站和光伏电站的运行维护需求,根据电站运行寿命,计算***在全生命周期内的运行维护成本。
3)发电收益:在风光水***投入运行期间,根据不同时段不同电站的上网电价,结合风光水电在各时段的发电量,计算多能互补***的总发电收益。
4)全生命周期净收益:风光水***面向全生命周期的净收益NP表示为***在生产运营阶段的发电收益减去投资和运行维护的成本费用之和:
maxNP=P-Cin-Com (6)
式中,P、Cin、Com三项依次代表风光水互补发电***在全生命周期内的发电收益、风光电站的投资成本以及运行维护成本。
(2)面向多层级、多对象的风光水多能互补***风险分析
分析风光水多能互补***面临的各类调度运行要求和限制,分别从“全***”到“电源组”再到“单个电站”逐步细化识别多能互补***风险来源,构建风光水多能互补***风险评价指标体系,如图1所示。
1)全***:从风光水互补***总发电过程的发电可靠性、稳定性和经济性三个方面进行量化评估。
***发电可靠性关注于负荷满足程度,通过长期电量不足指标和短期电力不足指标进行评价,可运用失负荷概率(LOLP)来表征,具体形式为:
式中,LOLP为风光水互补***的失负荷概率,ESt为t时段内风光水互补***总发电小于负荷需求的电量或电力;LDt为t时段内的负荷需求,n为研究总时段数。
稳定性通过出力波动和出力爬坡指标进行评估,可分别运用出力波动率和爬坡率来表示:
多能互补***的出力爬坡事件表示为互补***的总出力在研究时段内连续增大或减小的过程,爬坡率具体表现形式为:
式中,RR为互补***总出力的平均爬坡率,l为研究时段内爬坡事件的次数,ρm是第m个爬坡事件的爬坡率,Pj-Pi和tj-ti分别表示该爬坡事件的出力变化值和持续时间。
***经济性受到入网电价的不确定性和弃电导致的机组利用小时数下降的影响,可通过电价波动率和弃电率指标进行评价:
式中,R为互补***t时段内的平均上网电价波动率,Prt、Prt-1分别为t、t-1时段***的上网电价。
式中,CR为互补***的弃电率,PCt为***在t时段产生的弃电量,Et为***在t时段的总发电量。
2)电源组:由于风光水多能互补***复杂的电力互联机制,需要分析各个风电站、光伏电站和水电站的电力送出方式,根据电力送出方式将***中各电站划分为多个电源组,从各电源组的出力可靠性、稳定性和经济性进行风险评估。由于各电源组发电的不确定性,可靠性可通过功率分布特性指标和分配到各电源组的电量不足指标进行评价(参考式(7));稳定性可通过出力波动指标(参考式(8))和出力爬坡指标(参考式(9))进行评价;经济性则运用电源组的电价波动指标(参考式(10))和电源组年利用小时数进行评估,年利用小时数的具体形式如下:
g=Eyr/Pcap (12)
式中,g表示该电源组的年利用小时数,Eyr为电源组年内实际总发电量,Pcap为该电源组的装机容量。
3)各电站:考虑风光水电站差异化的运行特性,需分开考虑风电站、光伏电站和水电站的运行风险。风电站的运行风险主要通过风电出力波动性指标(参考式(8))和弃风电量指标(参考式(11))来评估;光伏电站运行风险则通过光电出力波动性指标(参考式(8))和弃光电量指标(参考式(11))进行评价;水电站的运行需考虑对水资源配置、水库运行和下游安全的影响,可通过水库下泄流量波动指标和水位变化风险指标进行评价。下泄流量波动指标以下泄流量差异系数CVQ为评价指标,公式如下:
水位变化风险以水库前后时段水位差值绝对值的最大值作为评价指标,具体公式如下:
式中,Z(t),Z(t-1)分别为t时段和t-1时段的水库水位,Δt为时段时长。
基于上述风光水多能互补***的风险评价指标体系(见图1),提炼***关键风险指标,并提出相应风险指标的阈值范围,作为配置方案寻优过程中的***安全运行约束,以保障特定容量配置方案下***的安全稳定运行。
(3)面向海量电站选址和规模组合的三阶段精准高效搜索算法
千万千瓦级多源多网混合发电***具有规模庞大、结构复杂、电站数量众多的特点,风光资源沿流域的广泛分布以及时空差异特性,使得各电站选址、规模、接入方式在相互组合后,形成了海量的互补容量配置方案,存在严重的“维数灾”。为了避免“维数灾”,同时获得效益最优、风险可控的目标容量配置方案,本发明提出了基于精细化空间网格组合的互补容量优化配置建模方法;针对海量网格组合方案的大规模复杂高维优化问题,研发“升尺度降维-网格扩展遍历-降尺度重构”三阶段精准高效搜索算法,具体步骤为:
1)空间建模
首先将风电站、光伏电站可开发区域划分高精度地理网格,在网格分辨率较高(百米级)的条件下,可用网格坐标定位风、光电站场址,用该网格所对应空间范围内可建的装机容量代表所建电站的规模,由此将特定电站的选址和规模方案转化为一组空间上连续的网格组合,进而将大规模风、光电站选址和规模优化问题转化为若干个空间网格的组合和搜索问题,从而实现风光水互补***精细化容量配置建模,如图2所示。
基于风光资源数据的空间分辨率划分研究区域地理网格,建立初始网格模型;考虑地形地貌条件对风光电站建设的影响,借助更高空间分辨率的MODIS地表覆盖数据将初始网格进行再次细分,明确每个细分网格的地表覆盖类型、土地利用率和坡度大小,进而计算各地理网格的风光能源可建设容量。
2)精细化网格组合搜索
针对研究区域划分的高精度地理网格,本发明提出“升尺度降维-网格扩展遍历-降尺度重构”三阶段精细化网格搜索技术,形成精细化网格组合与大规模搜索问题的高效寻优方案,具体过程如图3所示。
a)升尺度降维,进行[1×1]网格方案全面搜索。例如,原始研究区域内共有500个网格,将原始0.25°×0.25°空间尺度升至0.5°×0.5°,搜索次数则由降到极大降低空间自由度,提高寻优收敛速度。同时,将网格组合根据全生命周期净收益由大到小排序,排除净收益低下的组合方案以减少后续计算维数。至此,完成第一阶段的降维寻优。
b)网格扩增遍历,寻找具有更高复杂性和净收益的风光选址和规模方案。阶段a)生成的初始方案还无法满足精细化风光规模和选址的要求,阶段b)通过合并相邻网格实现由[1×1]到[p×q]网格的扩展。图4展示了网格扩增遍历过程(针对一个网格):初始网格可以与四个相邻网格合并,每次合并一个相邻网格,当新组合的全生命周期净收益大于初始组合时,则更新风光规模与选址方案;每次合并后将定义新的相邻网格,重复以上过程直至没有相邻网格可以提高***净收益。由此,完成第二阶段的搜索过程。
c)降尺度重构,恢复研究域分辨率,构建精细化风光规模与选址方案。前两阶段搜寻的方案仍在较粗的分辨率网格下进行,阶段c)通过重构分辨率对方案进行局部调整。经过网格“缩减”和“扩增”两大步骤,缩减针对的是组合方案的边缘网格,两步骤具体实施过程同阶段b)。搜索过程中不断更新在保证***安全运行的前提下具有更高全生命周期净收益的风光规模和选址方案,极大加快搜索收敛速度,实现多能互补***最优容量配置方案的高效求解。
(4)构建基于效益风险均衡的多能互补容量精细化配置模型
在容量优化配置中,如何确定百余座电站选址、规模和接入方式的最优组合,不仅需要考虑风光资源的时空分布特性,还需要考虑***时序运行互补特性,本发明提出一种以全生命周期净收益最大为目标,同时满足各类风险指标约束的互补***容量精细化配置模型。
将经过三阶段精细化搜索过程生成的优化网格组合结果,转化为其所对应的容量配置方案。模拟该方案在全生命周期的调度运行方式,对其效益和风险进行综合评估。在满足风光水***关键风险指标约束的前提下,基于***全生命周期净收益对方案进行排序筛选,从而得到在优先保证多能互补***安全稳定运行的情况下,最大化***净收益的最优方案,优化模型可表示为:
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,包括:
构建以风光水互补***全生命周期净效益最大为目标的风光电站容量配置模型;
建立风光水互补***的风险评价指标体系及指标的可控阈值约束集,作为风光电站容量配置寻优过程中的安全约束;
采用基于精细化空间网格搜索的方式对所述风光电站容量配置模型进行求解;
考虑风光水互补***风险评价指标安全约束,对所求解的风光电站容量配置方案进行寻优,确定最优的风光电站容量配置方案。
2.根据权利要求1所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,所述构建以风光水互补***全生命周期净效益最大为目标的风光电站容量配置模型,包括:
max NP=P-Cin-Com;
3.根据权利要求1所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,从“全***”到“电源组”再到“单个电站”逐级构建风光水互补***风险评价指标,包括:
全***的可靠性指标通过风光水互补***的长期电量不足指标和短期电力不足指标进行评价,采用失负荷概率来表征;
全***的稳定性指标通过风光水互补***的出力波动率和爬坡率来表征;
全***的经济性指标通过风光水互补***的电价波动率和弃电率来表征;
电源组的可靠性指标通过功率分布特性指标和分配到各电源组的电量不足指标进行评价;
电源组的稳定性指标通过各电源组的出力波动率和爬坡率来表征;
电源组的经济性指标通过各电源组的电价波动率和电源组年利用小时数来表征;
风电站运行风险指标通过风电出力波动率和弃风电量指标来表征;
光伏电站运行风险指标通过光伏出力波动率和弃光电量指标来表征;
水电站运行风险指标通过水库下泄流量波动指标和水位变化风险指标来表征。
4.根据权利要求3所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,根据各电站的电力送出方式将风光水互补***中的电站群划分为多个电源组。
5.根据权利要求3所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,预设各风险评价指标的阈值范围,作为风光电站容量配置寻优过程中的安全约束。
6.根据权利要求1所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,所述采用基于精细化空间网格搜索的方式对所述风光电站容量配置模型进行求解,包括:
基于风光资源数据的空间分辨率,对风电站和光伏电站的可开发区域进行地理网格划分;
依据所划分的地理网格,以网格内风光水互补***全生命周期净效益最大为目标,采用“升尺度降维-网格扩展遍历-降尺度重构”三阶段精细化网格搜索方式,实现风光电站容量配置模型的求解。
7.根据权利要求6所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,
在百米级网格分辨率条件下,采用网格坐标定位风电站和光伏电站场址,用该网格所对应空间范围内可建设装机容量代表所建电站的规模,将风光电站的选址和容量配置方案转化为空间上连续的网格组合方案。
8.根据权利要求6所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,所述“升尺度降维-网格扩展遍历-降尺度重构”三阶段精细化网格搜索方式为:
对划分的原始网格进行空间升尺度,逐网格计算全生命周期净收益,排除净收益不符合要求的网格;
将筛选后的网格与相邻网格合并,并计算合并后的新组合的全生命周期净收益,如果大于合并前的净收益,则更新风光规模与选址方案;重复该过程直至无法通过合并相邻网格提高全生命周期净收益;
将扩展遍历筛选后的网格组合进行降尺度重构,对降尺度重构后的网格组合的边缘网格进行缩减,并计算缩减后新组合的全生命周期净收益,如果大于缩减前的净收益,则更新风光规模与选址方案;重复该过程直至无法提高全生命周期净收益;
对缩减操作后更新的网格组合的边缘网格进行相邻网格合并的扩增操作,并计算扩增后新组合的全生命周期净收益,如果大于扩增前的净收益,则更新风光规模与选址方案;重复该过程直至无法提高全生命周期净收益。
9.根据权利要求1所述的一种基于空间网格搜索的风光水互补容量与选址优化方法,其特征在于,所述对所求解的风光电站容量配置方案进行寻优,确定最优的风光电站容量配置方案,包括:
在满足风光水互补***风险评价指标安全约束的前提下,对所求解的风光电站容量配置方案基于全生命周期净收益进行排序,得到在保证风光水互补***安全稳定运行的情况下,最大化***净收益的最优风光电站容量配置方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498818.0A CN113128786B (zh) | 2021-05-08 | 2021-05-08 | 一种基于空间网格搜索的风光水互补容量与选址优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498818.0A CN113128786B (zh) | 2021-05-08 | 2021-05-08 | 一种基于空间网格搜索的风光水互补容量与选址优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128786A true CN113128786A (zh) | 2021-07-16 |
CN113128786B CN113128786B (zh) | 2022-08-19 |
Family
ID=76781138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110498818.0A Active CN113128786B (zh) | 2021-05-08 | 2021-05-08 | 一种基于空间网格搜索的风光水互补容量与选址优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128786B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316898A (zh) * | 2023-04-10 | 2023-06-23 | 大连理工大学 | 水风光多能互补***时空协调方法、***、设备及介质 |
CN116667395A (zh) * | 2023-05-31 | 2023-08-29 | 河海大学 | 基于梯级水电改造的水风光蓄互补泵站容量配置方法 |
CN117132063A (zh) * | 2023-08-29 | 2023-11-28 | 山东探越物联网技术有限公司 | 一种风光互补供电*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补***中光伏电站容量优化方法 |
CN107256450A (zh) * | 2017-05-22 | 2017-10-17 | 武汉大学 | 考虑长‑短嵌套决策的水光电互补调度容量配置方法 |
AU2020100983A4 (en) * | 2019-11-14 | 2020-07-16 | Shandong University | Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation |
CN112290600A (zh) * | 2020-10-20 | 2021-01-29 | 山东大学 | 基于容量可信度的风光互补发电容量优化配置方法及*** |
-
2021
- 2021-05-08 CN CN202110498818.0A patent/CN113128786B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107256450A (zh) * | 2017-05-22 | 2017-10-17 | 武汉大学 | 考虑长‑短嵌套决策的水光电互补调度容量配置方法 |
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补***中光伏电站容量优化方法 |
AU2020100983A4 (en) * | 2019-11-14 | 2020-07-16 | Shandong University | Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation |
CN112290600A (zh) * | 2020-10-20 | 2021-01-29 | 山东大学 | 基于容量可信度的风光互补发电容量优化配置方法及*** |
Non-Patent Citations (1)
Title |
---|
辛禾等: "计及资源互补特性的风光水储耦合***运行策略及求解算法", 《可再生能源》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316898A (zh) * | 2023-04-10 | 2023-06-23 | 大连理工大学 | 水风光多能互补***时空协调方法、***、设备及介质 |
CN116316898B (zh) * | 2023-04-10 | 2023-10-27 | 大连理工大学 | 水风光多能互补***时空协调方法、***、设备及介质 |
CN116667395A (zh) * | 2023-05-31 | 2023-08-29 | 河海大学 | 基于梯级水电改造的水风光蓄互补泵站容量配置方法 |
CN116667395B (zh) * | 2023-05-31 | 2023-11-21 | 河海大学 | 基于梯级水电改造的水风光蓄互补泵站容量配置方法 |
CN117132063A (zh) * | 2023-08-29 | 2023-11-28 | 山东探越物联网技术有限公司 | 一种风光互补供电*** |
CN117132063B (zh) * | 2023-08-29 | 2024-06-25 | 山东探越物联网技术有限公司 | 一种风光互补供电*** |
Also Published As
Publication number | Publication date |
---|---|
CN113128786B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128786B (zh) | 一种基于空间网格搜索的风光水互补容量与选址优化方法 | |
Sawle et al. | PV-wind hybrid system: A review with case study | |
Perera et al. | Machine learning methods to assist energy system optimization | |
Vafaeipour et al. | Assessment of regions priority for implementation of solar projects in Iran: New application of a hybrid multi-criteria decision making approach | |
Suganthi et al. | Applications of fuzzy logic in renewable energy systems–a review | |
Wang et al. | Reliable-economical equilibrium based short-term scheduling towards hybrid hydro-photovoltaic generation systems: Case study from China | |
CN109508823B (zh) | 一种基于场景分析法的配电网中分布式电源规划方法 | |
Abid et al. | Energy storage integration with solar PV for increased electricity access: A case study of Burkina Faso | |
CN107480825B (zh) | 一种计及容量可信度的光伏电站优化规划方法 | |
CN109103929A (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
Zhu et al. | GIScience can facilitate the development of solar cities for energy transition | |
CN115860205A (zh) | 考虑跨季节调度的两阶段分布鲁棒氢储设备优化配置方法 | |
Lv et al. | Optimal capacity configuration model of power-to-gas equipment in wind-solar sustainable energy systems based on a novel spatiotemporal clustering algorithm: A pathway towards sustainable development | |
Bacha et al. | Optimal sizing of a hybrid microgrid system using solar, wind, diesel, and battery energy storage to alleviate energy poverty in a rural area of Biskra, Algeria | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
CN111260206A (zh) | 一种光伏发电影响因素评价模型、构建方法及应用 | |
CN105226639A (zh) | 基于***等效电价最低的微网***设计方案及测试平台 | |
Roldán-Blay et al. | Optimal sizing and design of renewable power plants in rural microgrids using multi-objective particle swarm optimization and branch and bound methods | |
Huang et al. | Power prediction method of distributed photovoltaic digital twin system based on GA-BP | |
CN109546647B (zh) | 一种用于含风光水储的电力***的安全稳定评估方法 | |
Zhang et al. | Data-Driven Distributionally Robust Optimization-Based Coordinated Dispatching for Cascaded Hydro-PV-PSH Combined System | |
CN114444955A (zh) | 综合能源用关键参数数据挖掘及长期配置预测方法及*** | |
Ghaemi et al. | Sizing optimization of district energy systems considering meteorological, demand, and electricity emission factor uncertainties | |
Teske et al. | Renewable Energy for Viet Nam-A proposal for an economically and environmentally sustainable 8th Power Development Plan of the government of Viet Nam | |
Perera | Modeling and Assessment of Urban Energy Systems |
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 |