CN113656988A - 一种提升风电消纳储能功率的优化方法 - Google Patents
一种提升风电消纳储能功率的优化方法 Download PDFInfo
- Publication number
- CN113656988A CN113656988A CN202111219986.8A CN202111219986A CN113656988A CN 113656988 A CN113656988 A CN 113656988A CN 202111219986 A CN202111219986 A CN 202111219986A CN 113656988 A CN113656988 A CN 113656988A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- load
- power
- source
- wind 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种提升风电消纳储能功率的优化方法,包括两个阶段:第一阶段确定为满足风电消纳的储能功率,具体以源荷协整度为约束条件,以弃风量最小为目标实现;第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案:先预设不同额定功率和不同成本建立储能配置方案的备选模型集合;其次,根据得到的所述储能功率选取若干不同额定功率和不同成本的储能配置方案;再建立以源‑荷‑储***运行成本最小为目标的数学模型,选择最优的储能配置;最后,综合对比不同储能配置方案下得到的弃风量和源‑荷‑储***运行成本,确定最终的储能配置。其成本低廉,储能功率高。
Description
技术领域
本发明涉及电力***领域,特别是涉及一种提升风电消纳储能功率的优化方法。
背景技术
随着大规模新能源电力接入电网,电力***需要在随机波动的负荷需求与随机波动的电源之间实现能量的供需平衡,其结构形态、运行方式、控制策略以及电源、电网发展规划建设与管理也随之发生根本性变革,因此传统的电力***也将形成以新能源电力产、消为主的新型电力***。
新型电力***中主体电源将由火电转变为新能源,火电利用小时数将逐步降低,***的安全稳定运行将受到严格的制约。此时,火电将与储能以及灵活性电源作为应急备用电源,参与调峰等安全辅助服务。而传统电力***运行特性—“电源跟着负荷波动”将向着新型电力***运行特性—“电源与负荷相互波动”转变。
储能作为一种可调度资源能够参与新型电力***的优化调度,有效的缓解了风电功率的不可控性,有利于电网运行。在现有研究中,大多是利用储能技术来削峰填谷、参与***调频、跟踪计划发电、平滑风电功率输出、提升新能源接入电网能力,减少弃风弃光、提升风电利用小时数。因此,在现有研究的基础上,考虑新能源消纳能力及电网承载能力等因素,研究储能最优控制策略为新型电力***发展有重要参考意义。
发明内容
有鉴于此,本发明提出一种提升风电消纳储能功率的优化方法,其目的是从***角度分析储能的配置、储能的价格水平对风电消纳空间的影响。
一方面,本发明提供了一种提升风电消纳储能功率的优化方法,所述方法包括两个阶段:第一阶段确定为满足风电消纳的储能功率;第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案;
所述第一阶段具体包括如下步骤:
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型,根据所述源荷储协整关系模型提出一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储***运行的协整特性,其中,所述常规机组为火电机组;
步骤S2、以源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率;
所述第二阶段具体包括如下步骤:
步骤S3、预设不同额定功率和不同成本,建立储能配置方案的备选模型集合、,式中,为预设不同额定功率建立的储能配置方案的备选模型集合,表示储能的单位功率,n表示n种储能功率,为预设不同成本建立的储能配置方案的备选模型集合,表示储能的单位***格,m表示m种储能的***格,m、n均为大于零的正整数;
步骤S4,根据步骤S2得到的所述储能功率,从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案;
步骤S5,建立以源-荷-储***运行成本最小为目标的数学模型,选择最优的储能配置;
步骤S6,综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储***运行成本,确定最终的储能配置。
进一步地,所述步骤S1包括以下步骤:
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型:
通过建立基于常规机组出力平稳的源荷储协整关系模型,让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型:
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储运行的协整特性:
进一步地,所述步骤S11与步骤S13之间还包括:
步骤S12、建立需求响应的源荷储协整关系模型:
进一步地,所述步骤S2包括:
步骤S21、源荷储协整关系模型中,弃风电量的数学模型为:
步骤S22、根据源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率,其中:
进一步地,所述步骤S5中数学模型为:
式中,f表示源-荷-储***运行成本,表示第台常规机组第时段的燃料成本,表示第台常规机组第时段的启停成本,表示第台常规机组第时段的出力,表示第台常规机组第时段的启停状态;均表示第台常规机组的燃料成本系数;分别表示储能的成本、风电上网电价;表示参与需求响应的单位补偿成本;表示弃风产生的单位惩罚成本;、分别表示负荷变化量、弃风功率;、、、分别表示常规机组台数、储能台数、风电机组数量以及运行的总时长,表示启停次数,表示时间间隔。
上述一种提升风电消纳储能功率的优化方法通过两个阶段,确保使用最低的***格达到最优的储能功率。具体地,第一阶段确定为满足风电消纳的储能需求量,即首先建立基于常规机组出力平稳的源荷储协整关系模型,根据所述源荷储协整关系模型提出一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储***运行的协整特性;其次以源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率。第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案,即首先预设不同额定功率和不同成本,建立储能配置方案的备选模型集合;其次,根据得到的所述储能功率,从前述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案;再次,建立以源-荷-储***运行成本最小为目标的数学模型,选择最优的储能配置;最后,综合对比前述选取的若干所述储能配置方案下得到的弃风量和源-荷-储***运行成本,确定最终的储能配置。本发明在控制***格的基础上,大大提升了风电消纳空间的储能功率,经济效益突出。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种提升风电消纳储能功率的优化方法的流程图;
图2为本发明一种提升风电消纳储能功率的优化方法的阶段模型图;
图3为本发明具体应用在实施例中的风电出力预测曲线、负荷曲线;
图4为本发明的协整度约束下的源-荷-储曲线。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1为本发明一种提升风电消纳储能功率的优化方法的流程图。图2为本发明一种提升风电消纳储能功率的优化方法的阶段模型图。在一个实施例中,如图1-图2所示,一种提升风电消纳储能功率的优化方法,该方法包括两个阶段:第一阶段确定为满足风电消纳的储能需求量;第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案;
具体地,所述第一阶段包括如下步骤:
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型,根据所述源荷储协整关系模型提出一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储***运行的协整特性;常规机组具体指火电机组;同时,需要说明的是源-荷-储***运行的协整特性中源具体指发电电源,荷指负荷,储指储能;
步骤S2、以源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率;
所述第二阶段具体包括如下步骤:
步骤S3、预设不同额定功率和不同成本,建立储能配置方案的备选模型集合、,式中,为预设不同额定功率建立的储能配置方案的备选模型集合,表示储能的单位功率,n表示n种储能功率,为预设不同成本建立的储能配置方案的备选模型集合,表示储能的单位***格,m表示m种储能的***格,m、n均为大于零的正整数;
步骤S4,根据步骤S2得到的所述储能功率,从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案;
步骤S5,建立以源-荷-储***运行成本最小为目标的数学模型,选择最优的储能配置;
需要说明的是,由于弃风量最小和运行成本最低分别对应的储能功率不一样,因此后期为了实现两种目标最优,需要综合考虑。
步骤S6,综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储***运行成本,确定最终的储能配置。
本发明通过两个阶段确保使用最低的***格达到最优的储能功率。具体地,第一阶段确定为满足风电消纳的储能需求量,即首先建立基于常规机组出力平稳的源荷储协整关系模型,根据所述源荷储协整关系模型提出一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储***运行的协整特性;其次以源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率。第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案,即首先预设不同额定功率和不同成本,建立储能配置方案的备选模型集合;其次,根据得到的所述储能功率,从前述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案;再次,建立以源-荷-储***运行成本最小为目标的数学模型,选择最优的储能配置;最后,综合对比前述选取的若干所述储能配置方案下得到的弃风量和源-荷-储***运行成本,确定最终的储能配置。本发明在控制***格的基础上,大大提升了风电消纳空间的储能功率,经济效益突出。
在电力***中,风电出力曲线、负荷预测曲线及储能出力曲线往往呈现出波动性,即具有典型的非平稳序列特征;而常规机组(火电机组)受机组运行特性的制约,火电机组出力呈现出阶段性恒定不变,即其曲线被期望具有平稳性。因此,本发明基于协整理论,分析源-荷-储运行的协整特性。
具体地,在一个实施例中,步骤S1包括以下步骤:
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型:
通过建立基于常规机组出力平稳的源荷储协整关系模型,让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型:
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储运行的协整特性:
在一个实施例中,步骤S1包括以下步骤:
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型:
通过建立基于常规机组出力平稳的源荷储协整关系模型,让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型:
步骤S12、建立需求响应的源荷储协整关系模型:
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储运行的协整特性:
步骤S2包括:
步骤S21、源荷储协整关系模型中,弃风电量的数学模型为:
步骤S22、根据源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率,其中:
在一个实施例中,步骤S5中数学模型为:
式中,f表示源-荷-储***运行成本,表示第台常规机组第时段的燃料成本,表示第台常规机组第时段的启停成本,表示第台常规机组第时段的出力,表示第台常规机组第时段的启停状态;均表示第台常规机组的燃料成本系数;分别表示储能的成本、风电上网电价;表示参与需求响应的单位补偿成本;表示弃风产生的单位惩罚成本;、分别表示负荷变化量、弃风功率;、、、分别表示常规机组台数、储能台数、风电机组数量以及运行的总时长,表示启停次数,表示时间间隔。
为了验证本文方法的储能功率效果,选取某源-储发电***,其中包含 3台常规机组,总装机容量为800MW,风电装机容量为150MW,光伏装机容量为50 MW,储能装置运行参数为:储能容量上限容量为80MWh、下限容量为5 MWh,初始容量为10MWh,最大充、放电功率为30MW。设一个调度周期为24h,每个调度时段为30min。***负荷预测曲线和风电出力预测曲线如图3所示。
根据计算可得出图4,从中可知:
协整度约束下的源−荷−储协整运行中,通过调整多条功率曲线出力,使源−荷−储曲线达到协整状态,从而实现常规机组出力波动小,新能源利用率高。同时,将整个调度周期划分为多个时段,从而建立不同的协整关系,实现常规机组出力在每一个调度周期内是平稳的,但总体上常规机组又随着负荷的增加而增加出力,进一步降低了负荷和储能等可调度资源的调节压力,使得结果更加贴合实际。
以上对本发明所提供的一种提升风电消纳储能功率的优化方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种提升风电消纳储能功率的优化方法,其特征在于,所述方法包括两个阶段:第一阶段确定为满足风电消纳的储能功率;第二阶段考虑储能***格与储能功率的关系,确定最优的配置方案;
所述第一阶段具体包括如下步骤:
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型,根据所述源荷储协整关系模型提出一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储***运行的协整特性,其中,所述常规机组为火电机组;
步骤S2、以源荷协整度为约束条件,以弃风量最小为目标,得到需要的储能功率;
所述第二阶段具体包括如下步骤:
步骤S3、预设不同额定功率和不同成本,建立储能配置方案的备选模型集合、,式中,为预设不同额定功率建立的储能配置方案的备选模型集合,表示储能的单位功率,n表示n种储能功率,为预设不同成本建立的储能配置方案的备选模型集合,表示储能的单位***格,m表示m种储能的***格,m、n均为大于零的正整数;
步骤S4,根据步骤S2得到的所述储能功率,从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案;
步骤S5,建立以源-荷-储***运行成本最小为目标的数学模型,选择最优的储能配置;
步骤S6,综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储***运行成本,确定最终的储能配置。
2.根据权利要求1所述的提升风电消纳储能功率的优化方法,其特征在于,所述步骤S1包括以下步骤:
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型:
通过建立基于常规机组出力平稳的源荷储协整关系模型,让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型:
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标,分析源荷储协整关系模型中源-荷-储运行的协整特性:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219986.8A CN113656988A (zh) | 2021-10-20 | 2021-10-20 | 一种提升风电消纳储能功率的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219986.8A CN113656988A (zh) | 2021-10-20 | 2021-10-20 | 一种提升风电消纳储能功率的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113656988A true CN113656988A (zh) | 2021-11-16 |
Family
ID=78484284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111219986.8A Pending CN113656988A (zh) | 2021-10-20 | 2021-10-20 | 一种提升风电消纳储能功率的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113656988A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140094980A1 (en) * | 2012-02-27 | 2014-04-03 | Kabushiki Kaisha Toshiba | Electric/thermal energy storage schedule optimizing device, optimizing method and optimizing program |
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 |
CN109149557A (zh) * | 2018-07-25 | 2019-01-04 | 贵州电网有限责任公司 | 一种考虑直接负荷控制的微网***经济调度方法 |
CN109284943A (zh) * | 2018-11-17 | 2019-01-29 | 国网辽宁省电力有限公司阜新供电公司 | 一种提高风电消纳能力的电极式电锅炉配置方法 |
CN109830990A (zh) * | 2019-01-08 | 2019-05-31 | 南京工程学院 | 一种基于输电阻塞含风光接入的储能优化配置方法 |
CN111952966A (zh) * | 2019-12-11 | 2020-11-17 | 国网辽宁省电力有限公司经济技术研究院 | 考虑风电消纳能力的源荷储***分阶段协调优化方法 |
CN113036788A (zh) * | 2021-05-27 | 2021-06-25 | 中国能源建设集团湖南省电力设计院有限公司 | 一种支撑电力***新能源消纳的储能配置及成本分析方法 |
CN113313613A (zh) * | 2021-07-06 | 2021-08-27 | 华北电力大学 | 一种电力配网模块化可移动电池储能mmbes优化配置方法 |
-
2021
- 2021-10-20 CN CN202111219986.8A patent/CN113656988A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140094980A1 (en) * | 2012-02-27 | 2014-04-03 | Kabushiki Kaisha Toshiba | Electric/thermal energy storage schedule optimizing device, optimizing method and optimizing program |
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 |
CN109149557A (zh) * | 2018-07-25 | 2019-01-04 | 贵州电网有限责任公司 | 一种考虑直接负荷控制的微网***经济调度方法 |
CN109284943A (zh) * | 2018-11-17 | 2019-01-29 | 国网辽宁省电力有限公司阜新供电公司 | 一种提高风电消纳能力的电极式电锅炉配置方法 |
CN109830990A (zh) * | 2019-01-08 | 2019-05-31 | 南京工程学院 | 一种基于输电阻塞含风光接入的储能优化配置方法 |
CN111952966A (zh) * | 2019-12-11 | 2020-11-17 | 国网辽宁省电力有限公司经济技术研究院 | 考虑风电消纳能力的源荷储***分阶段协调优化方法 |
CN113036788A (zh) * | 2021-05-27 | 2021-06-25 | 中国能源建设集团湖南省电力设计院有限公司 | 一种支撑电力***新能源消纳的储能配置及成本分析方法 |
CN113313613A (zh) * | 2021-07-06 | 2021-08-27 | 华北电力大学 | 一种电力配网模块化可移动电池储能mmbes优化配置方法 |
Non-Patent Citations (4)
Title |
---|
LI JUAN等: "Centralized Control Strategy Considering Decentralized Energy Storage participate in Optimal Power System Dispatching", 《IEEE》 * |
周任军等: "多功率曲线协整度约束下的源-荷-储优化协整模型", 《中国电机工程学报》 * |
方绍凤等: "含源荷相似度和曲线波动度约束的源荷储协调优化模型", 《中国电机工程学报》 * |
陆秋瑜等: "提高风电消纳能力的储能优化配置方法", 《广东电力》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111628503A (zh) | 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法 | |
CN112104007A (zh) | 一种广义源储***调度的集中控制方法 | |
CN103151803A (zh) | 一种含风电***机组及备用配置的优化方法 | |
CN111047114A (zh) | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 | |
CN110829408B (zh) | 基于发电成本约束的计及储能电力***的多域调度方法 | |
CN108039737B (zh) | 一种源网荷协调运行模拟*** | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN111859683B (zh) | 基于动态能量集线器的园区综合能源***优化配置方法 | |
CN113193547A (zh) | 计及新能源及负荷区间不确定性的电力***日前-日内协同调度方法与*** | |
CN106684928B (zh) | 一种基于调峰成本的电网调峰裕度计算方法 | |
CN109274131B (zh) | 基于概率统计理论的新能源消纳能力非时序量化评估方法 | |
CN110796373A (zh) | 面向风电消纳的多阶段场景生成电热***优化调度方法 | |
CN110768302A (zh) | 一种区域电网消纳可再生能源能力评估及调控方法 | |
CN116780646A (zh) | 一种计及灵活性的电力***资源优化调度方法及终端 | |
CN114696352A (zh) | 一种新能源配电网中电池储能***的运行控制方法 | |
CN115693646A (zh) | 计及源荷低碳性与ccgp的两阶段优化调度方法 | |
CN111030101A (zh) | 一种基于多元化大数据清洁能源消纳联动调控方法及*** | |
Ma et al. | Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system | |
Sun et al. | Hierarchical Scheduling Control Method for Cascade Hydro‐PV‐Pumped Storage Generation System | |
CN113656988A (zh) | 一种提升风电消纳储能功率的优化方法 | |
CN112927098B (zh) | 一种考虑源荷不确定性的电网经济调度综合性评估方法 | |
CN114069669A (zh) | 一种共享储能运行模式控制方法 | |
CN110943487B (zh) | 一种园区能源***能量优化的方法和装置 | |
CN114400652A (zh) | 一种计及核电主动参与调峰的多能源发电优化调度方法 | |
CN111740444A (zh) | 一种计及电网短时运行状态的风电接纳调控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |