CN114172210A - 一种考虑电源不确定性的电网规划方法及*** - Google Patents
一种考虑电源不确定性的电网规划方法及*** Download PDFInfo
- Publication number
- CN114172210A CN114172210A CN202111448077.1A CN202111448077A CN114172210A CN 114172210 A CN114172210 A CN 114172210A CN 202111448077 A CN202111448077 A CN 202111448077A CN 114172210 A CN114172210 A CN 114172210A
- Authority
- CN
- China
- Prior art keywords
- power
- wind power
- constraint
- value
- energy storage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004146 energy storage Methods 0.000 claims abstract description 69
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 230000010354 integration Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 37
- 238000007599 discharging Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000009194 climbing Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000003313 weakening effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
Abstract
本发明提出了一种考虑电源不确定性的电网规划方法及***,包括:构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。本发明增加了整个***的灵活性资源,提高了调配能力。
Description
技术领域
本发明属于电网技术领域,尤其涉及一种考虑电源不确定性的电网规划方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
近年来随着经济的飞速发展,电力事业取得了举世瞩目的成就,目前实行以火电为主的发电模式。但由此引发的环境污染情况却日益加剧。目前积极寻求可再生能源进行电力供应以代替传统能源占据主导地位的发电模式已成为重要趋势。风能作为清洁能源,在可再生能源中处于十分重要的地位,风力发电在当前新能源发电中建设成本最低,且应用技术最为成熟。
但风力发电具有很强的波动性和随机性,且其在电网日内调度中常呈现反调峰趋势,以风电为代表的大规模新能源并网也给电力***的安全稳定运行带来了一定的挑战。
综上所述,为了提高电力***的风电消纳水平,减少风电并网对电力***稳定运行的影响,有必要量化分析风电出力随机特性对电力***运行决策的影响,并探讨研究如何增强调度决策的鲁棒性。
同时,在含风电场的电网***中通过合理进行储能装置的配置,可以改善由于风电功率的波动性对***运行带来的不良影响。储能***的灵活性可以与风电场、电力***运行调度相互调,提高***对于风电的接纳能力。也要兼顾储能装置投资的经济性,实现资源合理配置的同时最大程度上保证经济收益。
目前关于风电并网后的电力***日内调度问题常采用如下三类方法:
(1)确定性备用容量法:根据日内负荷及风电预测水平确定机组的调度运行,利用预留的旋转备用容量以应对由于预测误差导致的功率不平衡情况。该方法由于操作简单因而被广泛应用。但由于难以准确量化由于误差对***稳定运行的影响,故需要预留足够的旋转备用容量以应对一切不确定情况,需要花费大量资金,经济性较差。
(2)随机规划法:基于随机优化技术,其通常采用场景法以描述上网负荷和电力设备的不确定性,根据场景进行优化决策。随即规划法在一定程度上节约了发电成本且提高了***稳定性,但针对大规模电力***问题求解时却难以获得概率信息的分布规律,且为保证***稳定性需要刻画大量场景,增大了计算复杂程度,降低了求解效率。
(3)鲁棒优化方法:计及风电不确定性出力条件下的电网调度决策重要方法之一,该方法可以在不考虑概率分布信息的情况下采用区间方式刻画不确定性,即***内各节点可接受的扰动范围。鲁棒优化法在不确定参数的边界处进行决策,无需具体分析随机变量的概率分布,求解复杂程度小于随机规划。两种方法相结合的方式也为本发明的研究提供了一定的思路。
总之,现有技术存在的问题是:因为风电并网的不确定性,无法减少风电并网对电力***稳定运行的影响,无法计及接纳风电条件风险价值,现有的技术不能量化分析风电出力随机特性对电力***运行决策的影响。
发明内容
为克服上述现有技术的不足,本发明提供了一种考虑电源不确定性的电网调度方法,能够很好的应对电源不确定性带来的影响,确保电力***安全稳定的运行。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
第一方面,公开了一种考虑电源不确定性的电网调度方法,包括:
构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;
其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;
求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;
当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。
进一步的技术方案,所述风电接纳的条件风险价值为风电波动性导致接纳风电功率超出允许范围而导致的平均损失值。
进一步的技术方案,所述约束条件至少包括功率平衡约束、火电机组功率极限约束、风电机组功率极限约束、火电机组爬坡速率约束、***备用容量约束、机组最小开停机时间约束、储能***充放电状态约束、储能***充放电功率约束以及储能***容量约束。
进一步的技术方案,所述***备用容量约束包括***正备用容量约束以及***负备用容量约束。
进一步的技术方案,所述***正备用容量约束综合考虑到高估风电出力对电网的影响,此时风电机组实际出力低于计划出力,选取***负荷预测误差与风电预测误差之和作为正备用容量约束的需求下限值。
进一步的技术方案,所述***负备用容量约束综合考虑到低估风电出力对电网的影响,此时风电机组实际出力高于计划出力,选取风电机组出力上限值与各风电机组计划出力值之差作为负备用容量约束的需求下限值。
进一步的技术方案,所述目标函数为:
T为时段数,N为***中投入的火电机组数目,f(pi,t)为火电机组的煤耗特性成本曲线,为一二次函数。
第二方面,公开了一种考虑电源不确定性的电网调度***,包括:
模型构建模块,被配置为:构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;
其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;
电网调度模块,被配置为:求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;
当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。
以上一个或多个技术方案存在以下有益效果:
本发明针对储能装置实现输电网优化规划,其主要研究思路可以分为以经济性为优先目标和以应用性为优先目标。针对经济性优先,考虑储能装置投资建设成本最小值为目标函数,在以风电为代表的新能源并网比例较大的电网中,考虑其随机出力特性,构建模型并求解最优储能装置配置;针对应用性优先,其主要针对于储能装置应用场景,根据决策的调度计划判定合适的储能装置容量。
本发明在负荷需求量大的时段,储能***通过放电以满足电网对于负荷量增大的需求;而在负荷需求量小的时段,储能***利用自身灵活的特性,为应对风电的反调峰特性,可以起到削弱峰值,填补谷值的作用,从而使负荷曲线变得平缓。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书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。
图1为本发明实施例风电概率密度分布图;
图2为本发明实施例6节点***单风电场接线图;
图3为本发明实施例储能***调度结果图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
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。
实施例一
本实施例公开了一种考虑电源不确定性的电网调度方法:
首先结合随机规划方法与鲁棒优化方法,设置条件风险价值(cVaR),即***由于风电出力不确定性接纳的风电超出所允许的接收范围后所导致的平均损失。将量化后的cVaR成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数,设置有关约束条件,利用鲁棒优化思想,综合构建计及接纳风电条件风险价值的优化模型。最终,通过简单6节点***测试分析,验证了方案的有效性。
关于计及条件风险价值的优化模型
计及接纳风电的条件风险值,优化模型的目标函数设置为火电机组运行成本与风电接纳的条件风险价值成本之和的最小值,即:
式中,T为时段数,N为***中投入的火电机组数目,f(pi,t)为火电机组的煤耗特性成本曲线,为一二次函数。μup及μdown为高估或低估风电的条件风险价值系数。为超出风电可接纳上界的风电量,为低于风电可接纳下界的风电量。
同时,在优化模型构造过程中需要考虑以下几个方面。
1)功率平衡约束
在本模型中火电机组产生的功率与风电机组并网运行产生的功率同***负荷的所需功率时刻保持平衡,其约束条件描述为:
式中,pf,t为风电机组日内的计划出力值,pLoad,t为日内上网负荷需求量。
2)火电机组功率极限约束
火电机组实际运行过程中存在出力区间,其允许出力的下限值一般为火电机组正常开启运行时的启动临界功率,其允许出力的上限值一般为规定的额定输出功率,其约束条件描述为:
uitpi,min≤pi,t≤uitpi,max (3)
式中,pi,min为火电机组i的出力下限值,pi,max为火电机组i的出力上限值,ugt为机组启停状态决策变量,取值为0或1。
3)风电机组功率极限约束
考虑本发明研究主要针对电网短期调度,基于Beta分布的风电功率概率密度函数是以短期的风电实际出力数据为参考,且Beta函数的变量值总是位于[0,1]之间,因而能够更加合理地刻画实际情况。故风电概率密度函数选取Beta函数描述。
为更精确描述风电出力极限约束,本发明参考机会约束规划中的概率约束限定风电场的计划出力值,令不确定方式下表示的约束条件在给定的置信水平值上成立。
P{Wt≥Pft}≥ρ (4)
式中,ρ为概率约束下给定的置信水平,置信水平ρ越高,风电场能够实现计划出力的可能性越大,相应的***稳定运行的概率越大。
基于Beta分布的风电实际出力概率密度函数为:
式中,fr(p)表示风电出力的概率密度函数;α和β为概率密度函数的两项参数。
由式(5)求取积分,推导得到风电实际出力概率分布函数为:
结合式(7),式(4)可以写为
P{Wt≥Pf,t}=Fr(K)≥ρ (8)
式中,K=Pf,t/Pfmax,式(8)表示在此概率分布内风电场能够执行给定调度计划的概率,显然,K为概率分布函数Fr(p)的上侧分位数,故风电场计划出力值的上限不再为风电场最大计划出力值,而是在给出的置信水平下,通过风电概率分布函数求反函数得对应的风电计划出力值。对Fr(p)求取反函数,可得优化后的风电计划出力上下限的约束条件为:
0≤Pf,t≤PfmaxFr -1(1-ρ) (9)
式中,Fr -1为Fr(p)的反函数,Pfmax为风电机组的最大输出功率。
4)火电机组爬坡速率约束
火电机组爬坡速率的约束条件通常描述为:
-Δi,dT60ui(t-1)≤pi,t-pi,t-1≤Δi,uT60uit (10)
式中,Δi,u为火电机组i的向上爬坡速率,Δi,d为火电机组i的向下爬坡速率,T60为火电机组的爬坡响应时间,通常取时间值为60分钟。
5)***备用容量约束
大规模风电并网后,考虑到风电自身特性,而根据现有的方法预测风功率的精准性远不及对***负荷预测的准确性,故需在备用约束条件中需计及风电并网对电网调度的影响,通常方法是规定一定的正、负备用约束容量。
(1)***正备用容量约束
式中,SU为t时段***为保证电网稳定供电进行调峰所预留的正备用容量;SU,i为t时段第i台机组***所提供的在10min响应时间内的总的正备用容量;L%为由于上网负荷预测误差导致对正备用容量的需求百分比;u%为由于风电预测误差导致对正备用容量的需求百分比;为火电机组i给定的出力上限值;T10为给定正备用的响应时间,本发明取10min;N为火电机组数目。
对式(11),综合考虑到高估风电出力对电网的影响,此时风电机组实际出力低于计划出力,选取***负荷预测误差与风电预测误差之和作为正备用容量约束的需求下限值。
(2)***负备用容量约束
式中,SD为t时段***在风电实际出力过大情况下预留的负备用总容量;SD,i为t时段第i台机组***提供的10min响应时间总的负备用容量;pfmax为风电机组i最大可出力;d%为于风电预测误差导致对负备用容量的需求百分比;Δi,d为火电机组i向下的爬坡速率,为火电机组i给定的出力下限值。
对式(12),综合考虑到低估风电出力对电网的影响,此时风电机组实际出力高于计划出力,选取风电机组出力上限值与各风电机组计划出力值之差作为负备用容量约束的需求下限值。
6)机组最小开停机时间约束
(Xi on-Ti on)(ui(t-1)-uit)≥0
(Xi off-Ti off)(uit-ui(t-1))≥0
基于上述内容,下面介绍关于综合计及储能优化及风电接纳条件风险价值模型:
针对风电等新能源并网后对电力***带来的运行风险,除量化条件风险价值评估可再生能源出力不确定性,降低其对电网稳定运行的影响外,还可以考虑结合利用储能装置进行优化。储能***可以进行充放电操作,既可视作上网负荷从***中吸收功率,也可视作供电电源向***提供功率。由于储能装置的灵活性,使其在***中可以与火电机组很好的配合以降低风电并网不确定性对***运行的影响。在实际应用中考虑构建有关储能***的优化模型,与风电接纳条件风险价值模型结合运用。
综合优化模型的目标函数除考虑火电机组运行成本及风电接纳条件风险价值外,还需要计及储能装置在充、放电过程中利用电能所产生的成本,故储能装置成本最优化也应是目标函数的一项组成部分。综合模型目标函数表示为:
新增约束条件:
1)储能***充放电状态约束
2)储能***充放电功率约束
3)储能***容量约束
Em,end=Em,start (18)
式中,Em,t为储能***m在t时段所能储存的能量值,T60取值为60min;为储能***m的充、放电效率;为储能***m所能储存能量的最大值、最小值;Em,start、Em,end为储能***m在初始时段储存的能量值与结束时段储存的能量值。计及下一工作时段储能***可以正常工作,因此令初始时段能量值等于结束时段能量值。
算例1:
综合风电接纳的条件风险价值概述。风险价值又被称为风险收益,这一概念最早应用于经济领域,其含义为在给定的置信水平下,某一金融资产在未来特定时间段内对应的最大可能损失值。基于此概念进行延伸,可以得到条件风险价值这一量化指标,该指标为风险价值的条件均值形式,定义为资产在投资过程中超出某个给定VaR值的条件下,该投资组合的平均损失值。
将条件风险价值这一概念应用于含风电的电力***日内调度问题,CVaR表示为超出电网所能消纳风电不确定性最大区间[Wdown,Wup]的场景下所导致的可能平均损失值,即图1中的阴影部分。在充分计及***的最大调度能力时,风电接纳的条件风险价值在本公开中可以表示为由于风电波动性造成的超出***接纳范围的平均损失值。
图1中,Wt为风电实时出力值,为一随机值;Wup,Wdown分别为***所能接纳的风电功率的上限值和下限值;WY,t表示风电功率的预测值,Wmax为风电场输出功率的上限值,fr(p)为风电出力的概率密度函数。
对于风电并网后的电网***而言,若注入的风电功率一直维持在可以允许接纳的风电值范围内,即接入风电取值位于[[Wdown,Wup]区间内,则不会对***的安全稳定运行造成影响;当***接入的实际风电值超出***所允许接纳的最大风电值Wup时,即WH≥Wup,此时超越***临界上限值的差值为ΔW=WH-Wup,***需要通过弃风等手段降低风电并网的比例,以此保障***处于稳定运行状态;当***接入的实际风电值低于***所允许接纳的最小风电值Wdown时,即WH≤Wdown,此时低于***临界下限值的差值为ΔW=Wdown-WH,***需要通过一定的调度手段启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。由上文可知,由于风电波动性导致接纳风电功率超出允许范围而导致的平均损失值即为***风电接纳的条件风险价值CVaR。
算例2:
本算例以简单6节点***为例,对所提出模型的有效性进行分析。
(1)参数设置
接入单风电场的6节点测试***如图2所示,***共有3台火力发电机组,一个容量设置为75MW的风电场,1个储能***,储能***参数设置如表1所示。模拟时间尺度为1天,共计为24时段。风电接纳CVaR对应的成本系数设置为:当出现弃风情况时,成本系数为200元/MWh,当出现调度火电机组或切负荷时,成本系数为1000/MWh;设置正备用容量的需求百分比u%=10%,负备用容量的需求百分比u%=30%。
表1
(2)综合优化模型调度结果及计及风电接纳CVaR调度结果对比分析
以6节点测试***为例,设置置信水平为ρ=0.5,得到调度结果分别如表2、表3所示。
表2
表3
由表2及表3可以得出,综合优化模型中,经济性最强机组G1在调度时段内始终运行,且在时段8:00-15:00基本处于额定运行上限值;经济性最差,成本耗费最大的机组G2在调度时段内始终不运行,相较于计及风电接纳CVaR优化模型机组G2在时段14:00-15:00退出运行,机组G3在时段15:00-16:00、18:00-20:00处于运行状态,对应的***总成本为612540.18元,相较于计及风电接纳CVaR优化模型成本减少53127.60元。一方面来看,储能***可以起到削弱峰值,弥补谷值的有效作用,使得火电机组可以灵活调度以应对风电不确定性对***调度的影响,提高了电网对于风电的消纳程度;另一方面来看,减少了用电高峰时段对于火电机组备用容量的需求,减少了火电机组的启停次数,间接增加了火电机组的工作年限,提高了机组的运行效率,降低了机组组合的运行成本。
(3)计及不同风电置信水平下优化模型综合成本比较分析
分别设置置信水平值ρ=0.1、0.3、0.5、0.7、0.9,对于备用约束值,设置正备用容量的需求百分比u%=10%,负备用容量的需求百分比u%=30%。计算出计及不同风电置信水平下优化模型综合成本,成本结果折线图如图3所示。
表4
由表4可知,随着规定的风电置信水平的提高,综合发电成本也在不断提高。这是由于置信水平代表了风电能实现计划出力的概率,给定的置信水平越高,***对于安全稳定运行能力要求的越高,此时允许并网的风电量会越少,即火电机组出力增加,此时综合成本提高;反之,给定的置信水平越低,***对于安全稳定运行能力要求的越低,此时允许并网的风电量会增加,即火电机组可以减少出力,此时综合成本会降低。规模化风电接入虽然可以减少调度综合成本,但是也以影响电网稳定性作为代价。
(4)储能***充、放电模式综合效能分析
以6节点***作为仿真算例,进行求解分析,得到如图3所示的储能***运行图。
图3展示了储能***的调度运行结果,可以看出在负荷需求量大的时段,储能***通过放电以满足电网对于负荷量增大的需求;而在负荷需求量小的时段,储能***利用自身灵活的特性,为应对风电的反调峰特性,可以起到削弱峰值,填补谷值的作用,从而使负荷曲线变得平缓。
经过6节点***进行算例仿真分析,得出:
(1)基于鲁棒优化思想,考虑风电接纳的条件风险价值惩罚成本、运行成本及储能***充放电成本之和的最小作为目标函数,综合构建鲁棒优化的机组组合模型,通过与仅含风电接纳的条件风险价值优化模型对比分析,得出综合优化模型可以减少火电机组启停次数,减少综合经济成本,增强了机组的运行效率。
(2)通过设置风电置信水平这一参数,评估分析风电并网后的综合运行成本,得出***综合成本随置信水平的提高而增加,但***此时的安全稳定运行能力也是随着增加的,实际应用中可以合理评估置信水平。
(3)针对输电网优化问题,本发明引入储能***,利用其运行的灵活性,配合***中的火电机组一起使用以应对规模化风电接入后由于其不确定性对***的影响,使其在用电高峰时段增加放电量以满足负荷需求,用电低峰时段起到削弱峰值,填补谷值的作用,增加了整个***的灵活性资源,提高了调配能力。
实施例二
本实施例的目的是提供一种计算装置,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,所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述方法的步骤。
实施例四
本实施例的目的是提供一种考虑电源不确定性的电网规划***,包括:
模型构建模块,被配置为:构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;
其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;
电网调度模块,被配置为:求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;
当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。
本发明通过设置条件风险价值作为目标函数的一部分以减少风电位于可接纳区间外的可能性,利用储能装置的灵活性结合火电机组进行调度,通过其削弱峰值、填补谷值的作用实现输电网优化规划,利用6节点***进行算例仿真,验证了综合优化模型的可行性。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种考虑电源不确定性的电网规划方法,其特征是,包括:
构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;
其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;
求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;
当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。
2.如权利要求1所述的一种考虑电源不确定性的电网规划方法,其特征是,所述风电接纳的条件风险价值为风电波动性导致接纳风电功率超出允许范围而导致的平均损失值。
3.如权利要求1所述的一种考虑电源不确定性的电网规划方法,其特征是,所述约束条件至少包括功率平衡约束、火电机组功率极限约束、风电机组功率极限约束、火电机组爬坡速率约束、***备用容量约束、机组最小开停机时间约束、储能***充放电状态约束、储能***充放电功率约束以及储能***容量约束。
4.如权利要求3所述的一种考虑电源不确定性的电网规划方法,其特征是,所述***备用容量约束包括***正备用容量约束以及***负备用容量约束。
5.如权利要求4所述的一种考虑电源不确定性的电网规划方法,其特征是,所述***正备用容量约束综合考虑到高估风电出力对电网的影响,此时风电机组实际出力低于计划出力,选取***负荷预测误差与风电预测误差之和作为正备用容量约束的需求下限值。
6.如权利要求4所述的一种考虑电源不确定性的电网规划方法,其特征是,所述***负备用容量约束综合考虑到低估风电出力对电网的影响,此时风电机组实际出力高于计划出力,选取风电机组出力上限值与各风电机组计划出力值之差作为负备用容量约束的需求下限值。
8.一种考虑电源不确定性的电网规划***,其特征是,包括:
模型构建模块,被配置为:构建计及储能优化及风电接纳条件风险价值模型,所述模型包括目标函数及约束条件;
其中,将量化后的条件风险价值成本与***运行成本之和作为目标函数的一部分,同时考虑储能装置配置后的充、放电成本,将上述三部分的加和作为目标函数;
电网调度模块,被配置为:求解模型并进行判断:当电力***接入的实际风电值超出***所允许接纳的最大风电值时,降低风电并网的比例,以使***处于稳定运行状态;
当***接入的实际风电值低于***所允许接纳的最小风电值时,通过启用部分火电机组工作以弥补由于风电出力不足造成的功率缺额。
9.一种计算装置,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,其特征是,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448077.1A CN114172210B (zh) | 2021-11-30 | 2021-11-30 | 一种考虑电源不确定性的电网规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448077.1A CN114172210B (zh) | 2021-11-30 | 2021-11-30 | 一种考虑电源不确定性的电网规划方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114172210A true CN114172210A (zh) | 2022-03-11 |
CN114172210B CN114172210B (zh) | 2023-12-05 |
Family
ID=80482160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111448077.1A Active CN114172210B (zh) | 2021-11-30 | 2021-11-30 | 一种考虑电源不确定性的电网规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114172210B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
CN107240933A (zh) * | 2017-07-11 | 2017-10-10 | 华北电力大学(保定) | 一种考虑风电功率特性的风火协调滚动调度方法 |
CN110619425A (zh) * | 2019-08-06 | 2019-12-27 | 国网山东省电力公司经济技术研究院 | 一种考虑源网荷储差异特性的多功能区综合能源***协同规划方法 |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
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 |
CN113364051A (zh) * | 2021-06-22 | 2021-09-07 | 国网山东省电力公司经济技术研究院 | 考虑海上风电接入的多电源***容量配置调度方法及装置 |
-
2021
- 2021-11-30 CN CN202111448077.1A patent/CN114172210B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
CN107240933A (zh) * | 2017-07-11 | 2017-10-10 | 华北电力大学(保定) | 一种考虑风电功率特性的风火协调滚动调度方法 |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
CN110619425A (zh) * | 2019-08-06 | 2019-12-27 | 国网山东省电力公司经济技术研究院 | 一种考虑源网荷储差异特性的多功能区综合能源***协同规划方法 |
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 |
CN113364051A (zh) * | 2021-06-22 | 2021-09-07 | 国网山东省电力公司经济技术研究院 | 考虑海上风电接入的多电源***容量配置调度方法及装置 |
Non-Patent Citations (1)
Title |
---|
杨佳俊;雷宇;孙允;谭圆;朱思萌;: "计及风险及备用成本的含风电电力***经济调度", 山东电力技术, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN114172210B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107039977B (zh) | 电力***鲁棒调度不确定集构建方法 | |
CN111555281B (zh) | 一种电力***灵活性资源配置仿真方法及装置 | |
CN113193547B (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*** | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
Lin et al. | Long-term stable operation control method of dual-battery energy storage system for smoothing wind power fluctuations | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
CN112928767B (zh) | 一种分布式储能协同控制方法 | |
CN109713713B (zh) | 一种基于机会约束凸松弛的机组启停随机优化方法 | |
CN109193802A (zh) | 一种考虑新能源预测误差的需求侧资源调度方法和*** | |
Zhang et al. | Day-ahead optimization dispatch strategy for large-scale battery energy storage considering multiple regulation and prediction failures | |
CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力***日内灵活调峰方法 | |
Usama et al. | Utilizing spinning reserves as energy storage for renewable energy integration | |
CN113644670A (zh) | 一种储能容量优化配置的方法及*** | |
Li et al. | A novel two-stage energy management of hybrid AC/DC microgrid considering frequency security constraints | |
CN115713197A (zh) | 计及风电不确定性的电力***荷储联合优化调度方法 | |
CN109657898B (zh) | 一种基于凸松弛的可再生能源随机动态经济调度方法 | |
Zhang et al. | Optimal day-ahead large-scale battery dispatch model for multi-regulation participation considering full timescale uncertainties | |
CN113344309B (zh) | 电力***联合调峰出清方法、装置、电子设备及存储介质 | |
CN114172210B (zh) | 一种考虑电源不确定性的电网规划方法及*** | |
CN115796492A (zh) | 一种混合储能***的微电网调度方法及终端 | |
Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
Huan et al. | Evaluating transmission network flexibility considering uncertainties | |
Han et al. | Robust allocation of distributed energy storage systems considering locational frequency security | |
Yin et al. | Study on unit commitment considering wind power uncertainty | |
CN115241878B (zh) | 一种考虑风电备用可靠性的备用优化方法及*** |
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 |