CN114398777A - 一种基于巴什博弈理论的电力***灵活性资源配置方法 - Google Patents
一种基于巴什博弈理论的电力***灵活性资源配置方法 Download PDFInfo
- Publication number
- CN114398777A CN114398777A CN202210013002.9A CN202210013002A CN114398777A CN 114398777 A CN114398777 A CN 114398777A CN 202210013002 A CN202210013002 A CN 202210013002A CN 114398777 A CN114398777 A CN 114398777A
- Authority
- CN
- China
- Prior art keywords
- power
- node
- flexibility
- ith
- power generation
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004146 energy storage Methods 0.000 claims description 41
- 230000009194 climbing Effects 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 19
- 230000003827 upregulation Effects 0.000 claims description 18
- 230000003828 downregulation Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 125000004432 carbon atom Chemical group C* 0.000 claims 1
- 238000012821 model calculation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 5
- 230000035699 permeability Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于巴什博弈理论的电力***灵活性资源配置方法,该方法先将新能源发电企业与灵活性资源视作博弈两方,根据***历史数据确定不同工况下新能源的出力波动区间,再通过最优潮流模型计算得到各工况下与新能源出力波动区间对应的***最优运行状态,即博弈预期状态集合,然后根据博弈预期状态集合确定各工况下各节点所需灵活性资源的总容量,最后考虑各类灵活性资源的特性,基于以规划期限内综合成本最小为目标的节点灵活性需求分配模型,将各节点所需灵活性资源的总容量分配至各类灵活性资源,得到各工况下的灵活性资源最优配置方案。本设计不仅实现了灵活性资源的准确合理配置,而且有效加快了计算速度。
Description
技术领域
本发明属于电力技术领域,具体涉及一种针对高比例可再生能源并网电力***的基于巴什博弈理论的电力***灵活性资源配置方法。
背景技术
随着全球碳排放量的持续升高,为了在满足巨大的电力需求的同时,保证环境的清洁和可持续发展,可再生能源的大规模并网将是未来电力***发展的必然趋势。截止2020年,我国可再生能源电源的装机容量和发电量增长率分别高达17.5%与8.4%,新增装机容量与累计装机容量均位居世界第一位,占电源总装机的21%,可再生能源仅次于火电,成为第二大电源。可再生能源并网比例不断提高,不确定性所引起的电力***灵活性需求逐渐增长,关于电力***灵活性的研究也逐渐深入。
灵活性资源包括所有能够应对波动性与不确定性的调节手段,可来自供给侧、储能及需求侧,例如机组爬坡、储能、可中断负荷等。由于可再生能源发电的随机变化和不确定性,高比例可再生能源并网势必会对***的稳定运行和安全供应带来冲击,如何在高比例新能源并网的背景下,考虑***的灵活性需求,配置足够容量的灵活性资源,制定最优的灵活性资源配置策略,使得***能够可靠稳定运行,成为亟待解决的问题。最终面向高比例可再生能源并网电力***的灵活性资源规划研究工作,为***提供合理的灵活性资源配置方案,有效提高***的灵活性,提高各类能源资源的使用效率,降低弃风弃光率,对保证区域电网安全高效运营具有重要意义。
发明内容
本发明的目的是针对现有技术存在的上述问题,提供一种能够实现快速、准确配置的基于巴什博弈理论的电力***灵活性资源配置方法。
为实现以上目的,本发明的技术方案如下:
一种基于巴什博弈理论的电力***灵活性资源配置方法,依次包括以下步骤:
步骤A、基于巴什博弈理论,将新能源发电企业与灵活性资源视作博弈两方,根据***历史数据确定不同工况下新能源的出力波动区间;
步骤B、基于各工况下新能源的出力波动区间,通过最优潮流模型计算得到各工况下与新能源出力波动区间对应的***最优运行状态,即博弈预期状态集合;
步骤C、根据博弈预期状态集合确定各工况下各节点所需灵活性资源的总容量;
步骤D、考虑各类灵活性资源的特性,基于以规划期限内综合成本最小为目标的节点灵活性需求分配模型,将各节点所需灵活性资源的总容量分配至各类灵活性资源,得到各工况下的灵活性资源最优配置方案,其中,所述灵活性资源包括常规火电机组、储能设备、可中断负荷。
步骤B中,所述博弈预期状态集合θ*为:
θ*={θv *,v∈Z}
上式中,θv *为第v个工况下的预期状态,即最优潮流模型计算得到的该工况的最优运行状态下各节点的注入功率最大、最小值,Z为整数。
步骤B中,所述最优潮流模型以有功和无功的总成本最小为目标函数:
上式中,fi为第i个发电节点的有功成本函数,ui为第i个发电节点的无功成本函数,Pgi、Qgi分别为第i个发电节点机组的有功、无功出力,V为节点电压幅值,θ为节点电压相位,Pg、Qg分别为节点有功、无功出力;
所述最优潮流模型的约束条件包括功率平衡约束、节点电压约束、传输功率约束、无功约束、有功约束;
所述功率平衡约束为:
上式中,PLi、QLi分别为第i个发电节点的负荷需求有功、无功功率,Gij、Bij分别为支路ij的电导、电纳,Vi为第i个发电节点的电压幅值,θij为支路ij的电压相角差;
所还节点电压约束为:
Vimin≤Vi≤Vimax
上式中,Vimax、Vimin分别为第i个发电节点的电压上、下限值;
所述传输功率约束为:
Pij≤Pijmax
上式中,Pij为支路ij的传输功率,Pijmax为支路ij允许的最大传输功率;
所述无功约束为:
Qmin,i≤Qgi≤Qmax,i
上式中,Qmax,i、Qmin,i分别为第i个发电节点机组的无功功率上、下限值;
所述有功约束为:
Pχmin,i-Δf≤Pχi ≤Pχmax,i+Δf
上式中,χ为发电节点的性质,χ为g时表示该节点为常规发电机节点,此时Pχ,min,i、Pχmax,i分别取该节点机组的发电功率最小、最大值,χ为w时表示该节点为风机节点,此时Pχmin,i、Pχmax,i同时取风功率的波动区间下限值或上限值,Δf为预留的灵活性资源容量变化值。
步骤C中,所述各节点所需灵活性资源的总容量根据以下公式计算得到:
上式中,Fχit,up、Fχit,down为t时刻第i个发电节点的灵活性资源总容量上、下限值,max(Pχi,t)、min(Pχi,t)分别为最优潮流模型计算得到的该工况的最优运行状态下t时刻第i个发电节点的注入功率最大、最小值,χ为g时,为该节点机组的初始发电功率,χ为w时,为该节点的风机功率,λ1、λ2分别为上、下调灵活性需求的0-1变量,当时λ1取1,当时λ1取0,当时λ2取1,当时λ2取0。
步骤D中,所述节点灵活性需求分配模型的目标函数g为:
grun,t,i=ai·Pt,i 2+bi·Pt,i+c
上式中,np为发电节点数量,T为时刻总数量,grun,t,i为t时刻第i个发电节点的发电成本,在考虑爬坡费用时,以t时刻第i个发电节点机组的爬坡率Rt,i代替t时刻第i个发电节点机组的有功功率Pt,i,ai、bi、c分别为发电成本函数中的二次项系数、一次项目系数以及常数项,Ce,i为第i个发电节点机组的灵活性改造容量,nl为负荷点数量,q为可中断负荷单价,Pdl,t,i为t时刻第i个负荷点的可中断负荷,ns为储能数量,Cset、CArep分别为储能安装成本的等年值成本、置换成本,Si为第i台储能的总容量,Crun为储能的运行维护成本,λc、λd分别为表征储能充、放电的0-1变量,Sc,t,i、Sd,t,i分别为t时刻第i台储能的充、放电功率。
所述节点灵活性需求分配模型的约束条件包括机组爬坡约束、机组改造后的最小发电功率约束、储能充放电功率和荷电状态约束、可中断负荷最大中断容量和中断次数约束、灵活性需求平衡约束;
所述机组爬坡约束为:
|Rt,i|≤α1Rmax,i
Pmin,i′≤Pt,i≤Pmax,i
上式中,α1为爬坡裕度系数,Rmax,i为第i个发电节点机组的最大爬坡率,Pmin,i为第i个发电节点机组改造后的最小发电功率,Pmax,i为第i个发电节点机组的最大发电功率;
所述机组改造后的最小发申功率约束为:
Pmin,i′=Pmin,i-ΔP
Pmin,i′≥Pmin,i o
上式中,Pmin,i为第i个发电节点机组改造前的最小发电功率,ΔP为机组改造容量减少量,Pmin,i o为第i个发电节点机组的理论最小功率;
所述储能充放电功率和荷电状态约束为:
SOCmin,i≤SOCt,i≤SOCmax,i
上式中,Pcmax,i、Pdmax,i分别为第i台储能的最大充、放电功率,SOCt,i为t时刻第i台储能的荷电状态,SOCmax,i、SOCmini分别为第i台储能荷电状态的上、下限值;
所述可中断负荷最大中断容量和中断次数约束为:
Pdl,t,i≤α2PL,t
上式中,α2为最大可中断负荷容量比例,PL,t为t时刻的负荷值,εk,t为t时刻的切断负荷次数,Nd为切断负荷次数最大值;
所述灵活性需求平衡约束为:
上式中,Ft,i,up、Ft,i,down分别为t时刻发电节点的灵活性上调、下调值, 分别为常规火电机组的灵活性上调、下调值,分别为储能的灵活性上调、下调值,为可中断负荷的灵活性上调值,Pmax、Pmin分别为机组的最大、最小发电功率,Pt为t时刻的机组出力,R为机组的爬坡率,Δt为计算时间尺度,Pcmax、Pdmax分别为储能的最大充、放电功率,Sc,t、Sd,t分别为t时刻储能的充放电功率,SOC(t)为t时刻的储能荷电状态,SOCmax、SOCmin分别为储能荷电状态的上、下限值,η为储能的转换效率,E为储能的额定容量,Pdl2,t、Pdl2,t+Δt为t时刻、t+Δt时刻中断的负荷。
步骤A中,所述不同工况下新能源的出力波动区间通过基于选取的时间尺度将多个随机数据点转化为有限个确定的区间端点数据点的方式确定:
上式中,Bound(Pre)为新能源发电企业的发电功率波动范围,ΔPre为新能源发电企业的发电功率波动值。
与现有技术相比,本发明的有益效果为:
本发明一种基于巴什博弈理论的电力***灵活性资源配置方法先将新能源发电企业与灵活性资源视作博弈两方,根据***历史数据确定不同工况下新能源的出力波动区间,再通过最优潮流模型计算得到各工况下与新能源出力波动区间对应的***最优运行状态,即博弈预期状态集合,然后根据博弈预期状态集合确定各工况下各节点所需灵活性资源的总容量,最后考虑各类灵活性资源的特性,基于以规划期限内综合成本最小为目标的节点灵活性需求分配模型,将各节点所需灵活性资源的总容量分配至各类灵活性资源,得到各工况下的灵活性资源最优配置方案,一方面,本方法基于巴什博弈机理将包含新能源出力不确定性的规划问题转化为求取博弈平衡态的确定性的凸优化问题,实现了充分利用常规机组爬坡、储能、可中断负荷等多种灵活性资源协同应对高比例可再生能源并网电力***中新能源的出力波动,为***提供了准确合理的灵活性资源配置方案,另一方面,本方法计算各节点灵活性需求的过程,间接将运行约束与潮流计算从整体规划模型中解耦,潮流计算不但成为单独计算的模块,降低了模型求解的复杂性,减小了误差,而且大大降低了潮流的计算次数,使得求解更为快速。因此,本发明不仅实现了灵活性资源的准确合理配置,而且有效加快了计算速度。
附图说明
图1为本发明的流程图。
图2为本发明实施例1中修改后的IEEE标准39节点***图。
图3为实施例1得到的三个场景下风功率的四季波动图。
图4为实施例1得到的各场景下各常规发电机节点四季所需灵活性资源的总容量图。
图5为场景一下各节点灵活性资源分配结果图。
图6为场景二下各节点灵活性资源分配结果图。
图7为场景三下各节点灵活性资源分配结果图。
图8为各场景下灵活性资源综合成本变化图。
图9为场景一的灵活性资源配置前、后***网损对比图。
图10为场景二的灵活性资源配置前、后***网损对比图。
图11为场景三的灵活性资源配置前、后***网损对比图。
图12为本发明与传统方法的灵活性评价指标对比图。
具体实施方式
下面结合具体实施方式以及附图对本发明作进一步详细的说明。
本发明提供了一种基于巴什博弈理论的电力***灵活性资源配置方法,该方法将灵活性资源配置问题转化为灵活性的需求计算与灵活性的需求分配两个子问题。首先根据巴什博弈的获胜策略(将配置灵活性资源应对新能源不确定性的问题,转化为配置灵活性资源使得***保持在确定的运行状态的问题),结合最优潮流计算,建立电力***的灵活性需求计算模型;随后基于以综合成本最小为目标的灵活性需求分配模型确定各类灵活性资源的最优配置。本发明面向高比例可再生能源并网电力***的灵活性资源规划研究工作,为***提供合理的灵活性资源配置方案,有效提高***的灵活性,提高各类能源资源的使用效率,降低弃风弃光率,最终提高了***运行的可靠性与经济性。
实施例1:
该实施例以修改后的IEEE标准39节点***作为研究对象,其具体拓扑结构参见图2,对该***设定了三个场景,其中,场景一:将34节点处的G5、38节点处的G9替换为风机;场景二:将34节点处的G5、38节点处的G9、36节点处的G6替换为风机;场景三:将34节点处的G5、38节点处的G9、36节点处的G6、35节点处的G7替换为风机(风电替代等容量的常规机组对于***振荡模态具有正向影响,并且对强相关机组的作用比对弱相关机组的作用更大,因此选择振荡中的强相关发电机组G9、G5、G6、G7依次替换为风机),场景一、二、三的风电渗透率分别为18.7%,28.06%,35.97%。储能安装节点主要选择:风机节点G5、G6、G7、G9处;负荷水平较高节点,节点8与发电机节点G10处;调峰能力差的点,发电机节点G8处;对可靠性要求较高的薄弱节点,节点16处。网间互联点选择39节点。设置互联电网传输功率每次最大传输功率为300MW,日总交换功率不超换1000MW。光伏安装容量根据节点负荷大小设为100MW或200MW,总装机容量不超过峰值负荷的25%。可中断负荷取峰值负荷10%。
参见图1,一种基于巴什博弈理论的电力***灵活性资源配置方法,依次按照以下步骤进行:
1、基于巴什博弈理论,将新能源发电企业与灵活性资源视作博弈两方,针对各场景,选取一年作为研究周期,以1h为时间尺度,基于采集的风功率、光伏、负荷的四季典型日数据以及历史数据,将一月内各天24h的风电功率数据点包含于一个区间内,得到一年内各月的风功率波动区间,取各区间的上、下限值共12×24×2=576个数据点,最终确定三个场景下风功率的四季波动区间,波动图参见图3。
2、基于各场景下新能源的出力波动区间,通过最优潮流模型计算得到各场景下与新能源出力波动区间对应的***最优运行状态,其中,所述最优潮流模型以有功和无功的总成本最小为目标函数:
上式中,fi为第i个发电节点的有功成本函数,ui为第i个发电节点的无功成本函数,Pgi、Qgi分别为第i个发电节点机组的有功、无功出力,V为节点电压幅值,θ为节点电压相位,Pg、Qg分别为节点有功、无功出力;
所述最优潮流模型的约束条件包括:
功率平衡约束:
上式中,PLi、QLi分别为第i个发电节点的负荷需求有功、无功功率,Gij、Bij分别为支路ij的电导、电纳,Vi为第i个发电节点的电压幅值,θij为支路ij的电压相角差;
节点电压约束:
Vimin≤Vi≤Vimax
上式中,Vimax、Vimin分别为第i个发电节点的电压上、下限值;
传输功率约束:
Pij≤Pijmax
上式中,Pij为支路ij的传输功率,Pijmax为支路ij允许的最大传输功率;
无功约束:
Qmin,i≤Qgi≤Qmax,i
上式中,Qmax,i、Qmin,i分别为第i个发电节点机组的无功功率上、下限值;
有功约束:
Pχmin,i-Δf≤Pχi ≤Pχmax,i+Δf
上式中,χ为发电节点的性质,χ为g时表示该节点为常规发电机节点,Pχmin,i、Pχmax,i分别取该节点机组的发电功率最小、最大值,χ为w时表示该节点为风机节点,Pχmin,i、Pχmax,i同时取风功率的波动区间下限值或上限值,Δf为预留的灵活性资源容量变化值。
3、基于最优潮流模型计算得到各场景的***最优运行状态下不同时刻各节点的注入功率值,取各时刻各节点注入功率值中的最大、最小值作为该时刻各节点上、下调灵活性资源需满足的博弈预期状态值,从而得到博弈预期状态集合θ*:
θ*={θv *,v∈Z}
上式中,Qv *为第v个场景下的预期状态,即最优潮流模型计算得到的该场景的最优运行状态下各节点的注入功率最大、最小值,Z为正数。
4、根据博弈预期状态集合确定各场景下各节点四季所需灵活性资源的总容量:
上式中,Fχit,up、Fχit,down为t时刻第i个发电节点的灵活性资源总容量上、下限值,max(Pχi,t)、min(Pχi,t)分别为最优潮流模型计算得到的该工况的最优运行状态下t时刻第i个发电节点的注入功率最大、最小值,χ为g时,为该节点机组的初始发电功率,χ为w时,为该节点的风机功率,λ1、λ2分别为上、下调灵活性需求的0-1变量,当时λ1取1,当时λ1取0,当时λ2取1,当时λ2取0。
本实施例得到的各场景下各常规发电机节点四季所需灵活性资源的总容量如图4所示。从图中可以看出,总体上,灵活性总需求容量随风电渗透率的提高而逐渐增加,上调灵活性需求容量的增幅相对较小,而下调灵活性需求容量则大幅提高。在不同季节中,上调灵活性容量需求的差异较小,但由于冬季与夏季风功率波动起伏较大,因此大部分常规发电机节点在冬季与夏季具有更高的下调灵活性需求,且需求量相比其他季节增幅较大。
5、考虑各类灵活性资源的特性,基于以规划期限内各灵活性资源安装和运行总成本最小为目标的节点灵活性需求分配模型,将各节点所需灵活性资源的总容量分配至各类灵活性资源,得到各场景下的灵活性资源最优配置方案,其中,所述节点灵活性需求分配模型的目标函数g为:
grun,t,i=ai·Pt,i 2+bi·Pt,i+c
上式中,np为发电节点数量,T为时刻总数量,grun,t,i为t时刻第i个发电节点的发电成本,在考虑爬坡费用时,以t时刻第i个发电节点机组的爬坡率Rt,i代替t时刻第i个发电节点机组的有功功率Pt,i,ai、bi、c分别为发电成本函数中的二次项系数、一次项目系数以及常数项,Ce,i为第i个发电节点机组的灵活性改造容量,nl为负荷点数量,q为可中断负荷单价,Pdl,t,i为t时刻第i个负荷点的可中断负荷,ns为储能数量,Cset、CArep分别为储能安装成本的等年值成本、置换成本,Si为第i台储能的总容量,Crun为储能的运行维护成本,λc、λd分别为表征储能充、放电的0-1变量,Sc,t,i、Sd,t,i分别为t时刻第i台储能的充、放电功率;
所述节点灵活性需求分配模型的约束条件包括:
机组爬坡约束:
|Rt,i|≤α1Rmax,i
Pmin,i′≤Pt,i≤Pmax,i
上式中,α1为爬坡裕度系数,Rmax,i为第i个发电节点机组的最大爬坡率,Pmin,i为第i个发电节点机组改造后的最小发电功率,Pmax,i为第i个发电节点机组的最大发电功率;
机组改造后的最小发电功率约束:
Pmin,i′=Pmin,i-ΔP
Pmin,i′≥Pmin,i o
上式中,Pmin,i为第i个发电节点机组改造前的最小发电功率,ΔP为机组改造容量减少量,Pmin,i o为第i个发电节点机组的理论最小功率;
储能充放电功率和荷电状态约束:
SOCmin,i≤SOCt,i≤SOCmax,i
上式中,Pcmax,i、Pdmax,i分别为第i台储能的最大充、放电功率,SOCt,i为t时刻第i台储能的荷电状态,SOCmax,i、SOCmin,i分别为第i台储能荷电状态的上、下限值;
可中断负荷最大中断容量和中断次数约束:
Pd1,t,i≤α2PL,t
上式中,α2为最大可中断负荷容量比例,PL,t为t时刻的负荷值,εk,t为t时刻的切断负荷次数,Nd为切断负荷次数最大值;
灵活性需求平衡约束:
上式中,Ft,i,up、Fti,down分别为t时刻发电节点的灵活性上调、下调值, 分别为常规火电机组的灵活性上调、下调值,分别为储能的灵活性上调、下调值,为可中断负荷的灵活性上调值,Pmax、Pmin分别为机组的最大、最小发电功率,Pt为t时刻的机组出力,R为机组的爬坡率,Δt为计算时间尺度,Pcmax、Pdmax分别为储能的最大充、放电功率,Sc,t、Sd,t分别为t时刻储能的充放电功率,SOC(t)为t时刻的储能荷电状态,SOCmax、SOCmin分别为储能荷电状态的上、下限值,η为储能的转换效率,E为储能的额定容量,Pdl2,t、Pdl2,t+Δt为t时刻、t+Δt时刻中断的负荷。
本实施例得到的各场景下的各节点灵活性资源分配结果如图5-图7所示,各场景下灵活性资源综合成本如图8所示。
从图5-图7来看,总体上,灵活性总需求容量随风电渗透率提高而逐渐增加。三种场景下上调灵活性总需求容量分别为2718MW,3042MW,3604MW,呈小幅增长趋势,而下调灵活性总需求容量由2397MW大幅增至3639MW,后随风电渗透率提高增加至4125MW。
从图8中可以发现,随风电渗透率的增加,灵活性资源总成本由51.3亿元增至77.5亿元,储能需求的大幅增加是总成本提高的直接原因。
另外,本实施例将各场景下灵活性资源配置前、后的***网损进行对比(参见图9-11,发现本实施例所述方法能有效降低***网损,从而提高***运行的经济性。
为考察本发明方法的优势,以灵活性不足概率作为***灵活性评价指标,将本发明方法与传统方法(建立双层规划模型,上层为采用实数编码的遗传算法,下层为采用非支配排序遗传算法)的配置结果进行评估比较,结果参见图12。
图12所示结果表明,在24小时的时间尺度上,本发明所提方法具有较低的灵活性不足概率,可以有效提高***运行的可靠性。
同时,将两者的计算时间进行对比,结果如表1所示:
表1两种方法的计算时间对比
通过表1可以看出,本发明所提方法有效的缩短了计算时间,避免了无法收敛的问题。
综上所述,本发明方法有效减少了计算工作量,降低了计算误差,且能确保***始终运行在最优状态,有效提高了***运行的可靠性与经济性。
Claims (7)
1.一种基于巴什博弈理论的电力***灵活性资源配置方法,其特征在于:
所述方法依次包括以下步骤:
步骤A、基于巴什博弈理论,将新能源发电企业与灵活性资源视作博弈两方,根据***历史数据确定不同工况下新能源的出力波动区间;
步骤B、基于各工况下新能源的出力波动区间,通过最优潮流模型计算得到各工况下与新能源出力波动区间对应的***最优运行状态,即博弈预期状态集合;
步骤C、根据博弈预期状态集合确定各工况下各节点所需灵活性资源的总容量;
步骤D、考虑各类灵活性资源的特性,基于以规划期限内综合成本最小为目标的节点灵活性需求分配模型,将各节点所需灵活性资源的总容量分配至各类灵活性资源,得到各工况下的灵活性资源最优配置方案,其中,所述灵活性资源包括常规火电机组、储能设备、可中断负荷。
2.根据权利要求1所述的一种基于巴什博弈理论的电力***灵活性资源配置方法,其特征在于:
步骤B中,所述博弈预期状态集合θ*为:
θ*={θv *,v∈Z}
上式中,θv *为第v个工况下的预期状态,即最优潮流模型计算得到的该工况的最优运行状态下各节点的注入功率最大、最小值,Z为整数。
3.根据权利要求1或2所述的一种基于巴什博弈理论的电力***灵活性资源配置方法,其特征在于:
步骤B中,所述最优潮流模型以有功和无功的总成本最小为目标函数:
上式中,fi为第i个发电节点的有功成本函数,ui为第i个发电节点的无功成本函数,Pgi、Qgi分别为第i个发电节点机组的有功、无功出力,V为节点电压幅值,θ为节点电压相位,Pg、Qg分别为节点有功、无功出力;
所述最优潮流模型的约束条件包括功率平衡约束、节点电压约束、传输功率约束、无功约束、有功约束;
所述功率平衡约束为:
上式中,PLi、QLi分别为第i个发电节点的负荷需求有功、无功功率,Gij、Bij分别为支路ij的电导、电纳,Vi为第i个发电节点的电压幅值,θij为支路ij的电压相角差;
所述节点电压约束为:
Vimin≤Vi≤Vimax
上式中,Vimax、Vimin分别为第i个发电节点的电压上、下限值;
所述传输功率约束为:
Pij≤Pijmax
上式中,Pij为支路ij的传输功率,Pijmax为支路ij允许的最大传输功率;
所述无功约束为:
Qmin,i≤Qgi≤Qmax,i
上式中,Qmax,i、Qmin,i分别为第i个发电节点机组的无功功率上、下限值;
所述有功约束为:
Pχmin,i-Δf≤Pχi≤Pχmax,i+Δf
上式中,χ为发电节点的性质,χ为g时表示该节点为常规发电机节点,此时Pχmin,i、Pχmax,i分别取该节点机组的发电功率最小、最大值,χ为w时表示该节点为风机节点,此时Pχmin,i、Pχmax,i同时取风功率的波动区间下限值或上限值,Δf为预留的灵活性资源容量变化值。
5.根据权利要求1或2所述的一种基于巴什博弈理论的电力***灵活性资源配置方法,其特征在于:
步骤D中,所述节点灵活性需求分配模型的目标函数g为:
grun,t,i=ai·Pt,i 2+bi·Pt,i+c
上式中,np为发电节点数量,T为时刻总数量,grun,t,i为t时刻第i个发电节点的发电成本,在考虑爬坡费用时,以t时刻第i个发电节点机组的爬坡率Rt,i代替t时刻第i个发电节点机组的有功功率Pt,i,ai、bi、c分别为发电成本函数中的二次项系数、一次项目系数以及常数项,Ce,i为第i个发电节点机组的灵活性改造容量,nl为负荷点数量,q为可中断负荷单价,Pdl,t,i为t时刻第i个负荷点的可中断负荷,ns为储能数量,Cset、CArep分别为储能安装成本的等年值成本、置换成本,Si为第i台储能的总容量,Crun为储能的运行维护成本,λc、λd分别为表征储能充、放电的0-1变量,Sc,t,i、Sd,t,i分别为t时刻第i台储能的充、放电功率。
6.根据权利要求5所述的一种基于巴什博弈理论的电力***灵活性资源配置方法,其特征在于:
所述节点灵活性需求分配模型的约束条件包括机组爬坡约束、机组改造后的最小发电功率约束、储能充放电功率和荷电状态约束、可中断负荷最大中断容量和中断次数约束、灵活性需求平衡约束;
所述机组爬坡约束为:
|Rt,i|≤α1Rmax,i
Pmin,i≤Pt,i≤Pmax,i
上式中,α1为爬坡裕度系数,Rmax,i为第i个发电节点机组的最大爬坡率,Pmin,i为第i个发电节点机组改造后的最小发电功率,Pmax,i为第i个发电节点机组的最大发电功率;
所述机组改造后的最小发电功率约束为:
Pmin,i′=Pmin,i-ΔP
Pmin′i′≥Pmin′i o
上式中,Pmin,i为第i个发电节点机组改造前的最小发电功率,ΔP为机组改造容量减少量,Pmin,i o为第i个发电节点机组的理论最小功率;
所述储能充放电功率和荷电状态约束为:
SOCmin,i≤SOCt,i≤SOCmax,i
上式中,Pcmax,i、Pdmax,i分别为第i台储能的最大充、放电功率,SOCt,i为t时刻第i台储能的荷电状态,SOCmax,i、SOCmin,i分别为第i台储能荷电状态的上、下限值;
所述可中断负荷最大中断容量和中断次数约束为:
Pdl,t,i≤α2PL,t
上式中,α2为最大可中断负荷容量比例,PL,t为t时刻的负荷值,εk,i为t时刻的切断负荷次数,Nd为切断负荷次数最大值;
所述灵活性需求平衡约束为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013002.9A CN114398777B (zh) | 2022-01-07 | 2022-01-07 | 一种基于巴什博弈理论的电力***灵活性资源配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013002.9A CN114398777B (zh) | 2022-01-07 | 2022-01-07 | 一种基于巴什博弈理论的电力***灵活性资源配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114398777A true CN114398777A (zh) | 2022-04-26 |
CN114398777B CN114398777B (zh) | 2024-07-12 |
Family
ID=81229200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013002.9A Active CN114398777B (zh) | 2022-01-07 | 2022-01-07 | 一种基于巴什博弈理论的电力***灵活性资源配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114398777B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439090A (zh) * | 2023-12-19 | 2024-01-23 | 浙江大学 | 以灵活调节系数为指标的灵活性资源配置或调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111682529A (zh) * | 2020-06-10 | 2020-09-18 | 广西大学 | 一种基于节点电价信息的移动储能车灵活调度方法 |
CN112651177A (zh) * | 2020-12-28 | 2021-04-13 | 中国农业大学 | 考虑灵活***费用的配电网灵活型资源配置方法及*** |
KR20210050672A (ko) * | 2019-10-29 | 2021-05-10 | 한국전력공사 | 가상발전소 운영을 위한 소규모 전력자원 통합 운영 장치 및 방법 |
-
2022
- 2022-01-07 CN CN202210013002.9A patent/CN114398777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210050672A (ko) * | 2019-10-29 | 2021-05-10 | 한국전력공사 | 가상발전소 운영을 위한 소규모 전력자원 통합 운영 장치 및 방법 |
CN111682529A (zh) * | 2020-06-10 | 2020-09-18 | 广西大学 | 一种基于节点电价信息的移动储能车灵活调度方法 |
CN112651177A (zh) * | 2020-12-28 | 2021-04-13 | 中国农业大学 | 考虑灵活***费用的配电网灵活型资源配置方法及*** |
Non-Patent Citations (2)
Title |
---|
PAN HU, ET AL.: "Flexible Resources Planning for Bulk Energy System With High Penetration of Renewable Energy Based on Bash Game", IEEE, 23 June 2020 (2020-06-23), pages 123904 - 123915, XP011799379, DOI: 10.1109/ACCESS.2020.3004373 * |
王雪纯等: "提升区域综合能源***运行灵活性的多主体互动决策模型", 电工技术学报, vol. 36, no. 11, 30 June 2021 (2021-06-30), pages 2207 - 2219 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439090A (zh) * | 2023-12-19 | 2024-01-23 | 浙江大学 | 以灵活调节系数为指标的灵活性资源配置或调度方法 |
CN117439090B (zh) * | 2023-12-19 | 2024-04-02 | 浙江大学 | 以灵活调节系数为指标的灵活性资源配置或调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114398777B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109980685B (zh) | 一种考虑不确定性的主动配电网分布式优化运行方法 | |
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
WO2022156014A1 (zh) | 混联风光微电网快速频率响应分布式协调控制方法及*** | |
CN107732945A (zh) | 一种基于模拟退火粒子群算法的储能单元优化方法 | |
CN114884110A (zh) | 一种源网荷多约束条件下的电力***储能优化运行方法 | |
CN114696352A (zh) | 一种新能源配电网中电池储能***的运行控制方法 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN115036914A (zh) | 考虑灵活性与新能源消纳的电网储能双层优化方法及*** | |
CN113807566A (zh) | 基于可再生能源和内部负荷不确定的社区能源的调度方法 | |
CN114398777B (zh) | 一种基于巴什博弈理论的电力***灵活性资源配置方法 | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 | |
CN117134409A (zh) | 考虑电-氢-热互补的微网***及其多目标优化配置方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和*** | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢***的运行控制策略 | |
CN116865271A (zh) | 一种基于数字孪生驱动的微电网多智能体协调优化控制策略 | |
CN116805192A (zh) | 考虑最优弃能率的综合能源***双层规划优化方法及应用 | |
CN115642620A (zh) | 一种储能参与低碳灵活调峰的双层优化方法 | |
CN114722615A (zh) | 一种基于生产运营模拟的储能容量优化配置方法 | |
CN113746120A (zh) | 基于ga的储能***优化配置方法 | |
CN113783213B (zh) | 一种集中式储能电站选址定容两阶段优化方法 | |
Zhang et al. | Distributed generation admittance capacity calculation of distribution network based on multi-scenario analysis and active management | |
Wei et al. | Distributed energy storage planning method considering the comprehensive value of energy storage |
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 |