CN114399162A - 一种基于能源调度时间自适应变化的滚动优化调度方法 - Google Patents

一种基于能源调度时间自适应变化的滚动优化调度方法 Download PDF

Info

Publication number
CN114399162A
CN114399162A CN202111520536.2A CN202111520536A CN114399162A CN 114399162 A CN114399162 A CN 114399162A CN 202111520536 A CN202111520536 A CN 202111520536A CN 114399162 A CN114399162 A CN 114399162A
Authority
CN
China
Prior art keywords
scheduling
power
model
energy
optimization
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
Application number
CN202111520536.2A
Other languages
English (en)
Inventor
吴振杰
黄天恩
唐剑
李祥
王源涛
莫雅俊
周依希
徐双蝶
许�鹏
周志全
张洁
李城达
应燕
陈煜�
张超
王艳
廖培
夏衍
董航
孙思聪
陈嘉宁
苏熀兴
杨兴超
李跃华
祝文澜
向新宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111520536.2A priority Critical patent/CN114399162A/zh
Publication of CN114399162A publication Critical patent/CN114399162A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—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
    • 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
    • G06Q10/0639—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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于能源调度时间自适应变化的滚动优化调度方法，包括如下步骤：S1、建立电力负荷模型和能源出力模型；S2、以电力***发电能耗最低、碳排放量最小为优化目标，确定低碳发电调度模型的多目标函数；S3、将具有双重优化目标的低碳发电调度优化模型可转化为以电力***发电能耗与碳排放总成本表征的电能生产总成本最小化为目标的单目标函数；S4、引入反馈控制，利用实时测量值对当前的调度策略进行修正，减少调度的偏差；对目标函数进行滚动优化。该方案在保证电力***安全稳定的前提下，能够减少新型电力***运行的成本，提高***运行的经济性和安全性。

Description

一种基于能源调度时间自适应变化的滚动优化调度方法
技术领域
本发明涉及电力***优化调度领域，具体的，涉及一种基于能源调度时间自适应变化的滚动优化调度方法。
背景技术
风能、光伏作为可再生能源的重要组成部分，大量新能源机组接入配电网后，其波动性、间歇性、低可控性等问题不但给配电网的安全可靠运行带来巨大挑战，同时也给配电网规划带来复杂性与不确定性。与此同时，柔性负荷也具有不确定性，例如用户需求响应行为受心理行为、天气因素、突发事件影响具有不确定性；电动汽车上网也具有时变性、随机性。可再生能源发电在负荷波动的基础上，又加大了功率预测上的不确定性和困难，使得发电计划性差，给电网方式安排和实时监控带来不利影响。
风电、光伏作为目前应用规模最大的新能源发电方式，对节能减排具有十分积极的意义；但其出力具有随机性与波动性，大规模风电、光伏并网给电力市场运行与机组调度决策提出更高的要求。考虑到风电、光伏具有不确定性，当***中火电机组占比更高，新能源机组占比更低时，***碳排放更多，安全性越高；当***中火电机组占比更低，新能源机组占比更低高，***碳排放更少，而安全性越低。因此建立科学的调度决策方法对合理消纳风电、兼顾***运行的安全性与碳排放目标十分重要。
在新型电力***的运行调度中存在着以下的挑战：
(1)碳捕集技术和新能源发电可以带来巨大的经济效益并且绿色环保，但是，可再生能源的随机性和间歇性缺点也给电网的安全可靠运营带来挑战，它们的波动会引起电能质量的变化，也会对整个电网的稳定性和可靠性带来一定影响。并且以风能、太阳能和水的势能为首的一些可再生能源，它们的不确定性与时间相关。为了推进低碳经济的发展，研究含碳捕集的新能源出力不确定性建模成为难点；
(2)目前电力***的很多优化调度模型都基于模型预测控制，模型预测控制属于动态优化的领域，在优化过程中考虑了实际运行状况，不断滚动将实时数据输入到我们的目标函数，从而使我们的调度实现最优。在基于MPC的分散滚动优化调度过程中，调度时间间隔是一个固定值，但是在实际运行过程中，***的电力负荷不是很大，如果仍然采取固定值作为调度时间间隔，会造成不必要的调度成本。因此，研究调度时间间隔自适应变化的滚动优化调度是研究的难点。
发明内容
本发明的目的设计一种基于能源调度时间自适应变化的滚动优化调度方法，充分考虑可再生能源的渗透率逐渐提高带来的电力***扰动，建立计及源荷不确定的电力负荷模型和能源出力模型；响应双碳政策和能源转型的号召，考虑***运行的安全性、低碳性和经济性，建立多目标的优化模型，引入反馈校正，对日前调度的偏差进行修正；在保证安全稳定的前提下，减少新型电力***运行的成本，提高***运行的经济性和安全性。
为实现上述技术目的，本发明提供的一种技术方案是，一种基于能源调度时间自适应变化的滚动优化调度方法，包括如下步骤：
S1、建立电力负荷模型和能源出力模型；
S2、以电力***发电能耗最低、碳排放量最小为优化目标，确定低碳发电调度模型的多目标函数；
S3、将具有双重优化目标的低碳发电调度优化模型可转化为以电力***发电能耗与碳排放总成本表征的电能生产总成本最小化为目标的单目标函数；
S4、引入反馈控制，利用实时测量值对当前的调度策略进行修正，减少调度的偏差；对目标函数进行滚动优化。
作为优选，电力负荷模型包括有静态负荷模型和温控负荷模型；所述静态负荷模型包括有恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P，使用6个参数％Zi、％Ii、％Pi、
Figure BDA0003407157070000021
表征负荷i处有功和无功的消耗，公式如下：
Figure BDA0003407157070000022
式中：VNi和Vi分别是i点处的额定电压和实际电压；Si为额定功率；％Zi、％Ii、％Pi分别为恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷所占比例的大小；
Figure BDA0003407157070000023
Figure BDA0003407157070000024
分别是恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷的相角。
作为优选，温控负荷模型，公式如下：
Figure BDA0003407157070000025
式中：Ta为室内空气温度；Tm为质量温度；Ua为建筑物的电导；To为室外温度；Hm为室内空气和固体的电导；Ca为空气的热质量；Cm为建筑材料和装修的热质量；Qa为进入室内空气的热量；Qm为进入室内固体的热量。
作为优选，能源出力模型包括风电出力模型、光伏出力模型以及水电出力模型；
其中，
风电出力模型，公式如下：
Figure BDA0003407157070000031
式中，Vr是风机的额定风速，Pr是风机的额定输出功率，V为当前风速，Vci为切入风速；Vco为切出风速Vco。
作为优选，光伏出力模型，公式如下：
Figure BDA0003407157070000032
式中：Pstc为标准条件下光伏电池板的输出功率；Istc为标准太阳辐射度，It为光伏阵列所在地的最大太阳辐照度，ηt1是太阳能电池板的光电转换效率；
作为优选，水电出力模型，公式如下：
Pwat＝9.81QHηt2
Pwat是机组的发电功率，Q是某一时段的平均流量，H是河段的落差，ηt2是水轮机发电的效率。
作为优选，S2中，低碳发电调度模型的多目标函数公式如下：
Figure BDA0003407157070000033
式中，F1是电力***发电总能耗；F2是电力***发电碳排放量总量；T是时段数；N是电力***内火电机组总台数；Ui,t是机组i在时段t运行状态的变量，当Ui,t＝1时机组运行，Ui,t＝0时停机；Si是机组i的启动能耗；SCi是机组i启机时的CO2排放量；fi(Pi,t)是机组i的耗量特性函数，fi(Pi,t)＝a0,i+a1,iPi,t+a2,iPi,t 2，其中a0,i、a1,i、a2,i为给定参数；Ci(Pi,t)是机组i的电碳特性参数，Ci(Pi,t)＝b0,i+b1,iPi,t+b2,iPi,t 2，其中b0,i、b1,i、b2,i为给定参数。
作为优选，S3中，转化后的单目标函数公式如下：
Figure BDA0003407157070000041
式中，F为电能生产总成本；Pi,fuel为机组所用燃料价格，单位为元/kg；
Figure BDA0003407157070000042
为单位碳排放造成的外部成本，单位为元/kg，Ui,t和Ui,t-1表示机组i在t时刻和t-1时刻的状态，启动则取1，停机则取0，T表示总的时间段，N表示发电机组的个数，Pi,t表示机组i在t时刻的功率，fi(Pi,t)和Si表示机组i在运行和启停时的燃料消耗量，ci(Pi,t)和SCi表示机组i在运行和启停时的CO2的排放量。
作为优选，S4包括如下步骤：
S41、通过建立的电力负荷模型和能源出力模型，对于日内的负荷值和能源出力进行预测，设置调度时间间隔t1和t2以及调度时间间隔决策指标标准值ξ0；
S42、以当前发电机的实际出力P0(k)作为初始值；以调度时间间隔t1，建立发电机出力预测模型：公式如下：
Figure BDA0003407157070000043
式中，其中P(k+i)表示在时刻k时预测k+i时刻的变量输出值，Δu(k+i|k)表示在时刻k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量；
S43、根据单目标函数优化求得控制序列，公式如下：
Δu＝[Δu(k+1|k),Δu(k+2|k),Δu(k+3|k)...,Δu(k+N|k)]T
式中，Δu(k+i|k)表示在k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量，N表示预测的总步长；
S44、将得到的控制增量下发至电力***，利用求得的k+1-k+N时刻发电机出力计算该滚动周期内的成本c1,计算调度时间间隔决策指标ξ；
S45、将计算的调度时间间隔决策指标ξ和标准值ξ0相比较，若ξ＜ξ0，则改变调度时间间隔为t2进行滚动优化，重复S42-S43中求得控制增量，求解
Figure BDA0003407157070000044
时刻发电机出力和天然气气源产气量；判断优化周期是否结束，如果没有，则测量
Figure BDA0003407157070000051
时刻的发电机出力和天然气气源产气量，重复S42中步骤继续滚动优化，反之则结束优化调度；
S46、若ξ＞ξ0，则按照S43中得到的控制序列求解k+1时刻发电机出力，判断优化周期是否结束，如果没有，则测量k+1时刻的发电机出力和天然气气源产气量，重复S42继续滚动优化，反之则结束优化调度。
作为优选，S44中，调度时间间隔决策指标ξ公式如下：
Figure BDA0003407157070000052
式中，c1表示在k时刻求得一个滚动周期内***的调度成本，c0表示在k时刻一个滚动周期内日前调度的参考成本。
本发明的有益效果：本发明设计一种基于能源调度时间自适应变化的滚动优化调度方法，充分考虑可再生能源的渗透率逐渐提高带来的电力***扰动，建立计及源荷不确定的电力负荷模型和能源出力模型；响应双碳政策和能源转型的号召，考虑***运行的安全性、低碳性和经济性，建立多目标的优化模型，引入反馈校正，对日前调度的偏差进行修正；在保证安全稳定的前提下，减少新型电力***运行的成本，提高***运行的经济性和安全性。
附图说明
图1为本发明的一种基于能源调度时间自适应变化的滚动优化调度方法流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做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。
实施例：如图1所示，一种基于能源调度时间自适应变化的滚动优化调度方法，包括如下步骤：
S1、建立电力负荷模型和能源出力模型；
其中，电力负荷模型包括有静态负荷模型和温控负荷模型；静态负荷模型包括有恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P，使用6个参数％Zi、％Ii、％Pi、
Figure BDA0003407157070000053
Figure BDA0003407157070000054
表征负荷i处有功和无功的消耗，公式如下：
Figure BDA0003407157070000061
式中：VNi和Vi分别是i点处的额定电压和实际电压；Si为额定功率；％Zi、％Ii、％Pi分别为恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷所占比例的大小；
Figure BDA0003407157070000062
Figure BDA0003407157070000063
分别是恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷的相角。
温控负荷模型，公式如下：
Figure BDA0003407157070000064
式中：Ta为室内空气温度；Tm为质量温度；Ua为建筑物的电导；To为室外温度；Hm为室内空气和固体的电导；Ca为空气的热质量；Cm为建筑材料和装修的热质量；Qa为进入室内空气的热量；Qm为进入室内固体的热量；
还包括有电动汽车负荷模型，电动汽车常用于调节电力市场的供需平衡，将电动汽车视为离散的点进行优化，通过具有检测和控制能力的控制***实施充放电模式。在充电模式下，电动汽车物理模型描述动力电池SOC值随时段变化的规律，具有如下关系：
Figure BDA0003407157070000065
式中：SOC0为初始电动汽车电池电量状态；SOCi为i时电动汽车电池电量状态；Edr为电动汽车行驶消耗的能力；Cbatt为电池额定容量；PEV为电动汽车功率；Δt为间隔时间；
还包括有，需求响应模型：
按照响应特性来分类，柔性负荷可以分为三类：可转移负荷、可平移负荷和可削减负荷。可转移负荷，即在一个调度周期内总用电量不变，但用电特性灵活，各时段用电量可灵活调节；以响应电价为例，可转移负荷可概括为如下形式：
ΔPshift(t)＝f1(P0(t),Δpshift(t),kshift(t),vshift(t))
Figure BDA0003407157070000066
式中：ΔPshift(t)是t时段可转移负荷的响应量；P0(t)为t时段的基荷；Δpshift(t)为t时段与其他时段电价差向量；kshift(t)为t时段相对其他时段的互弹性向量；vshift(t)为转移速率；T为调度周期。
可平移负荷，受生产流程约束，只能将用电曲线在不同时段间平移，如工业大用户；可表示为：
ΔPshape(t)＝f2(t+Δt(Δp))-f2(t)
式中：ΔPshape(t)是t时段可平移负荷的响应量；f2(t)为其初始用电曲线；Δt(Δp)为由于电价变化Δp引起的负荷平移时段。
可削减负荷，可根据需要对用电量进行一定削减，如空调、照明等。可以表示为：ΔPre(t)＝f3(P0(t),Δpre(t),kre(t),vre(t))
式中：ΔPre(t)为t时段可削减负荷的响应量；Δpre(t)为t时段电价的变化量；kre(t)为t时段的自弹性系数；vshift(t)为削减速率。
能源出力模型包括风电出力模型、光伏出力模型以及水电出力模型；
其中，
风电出力模型，公式如下：
Figure BDA0003407157070000071
式中，Vr是风机的额定风速，Pr是风机的额定输出功率，V为当前风速，Vci为切入风速；Vco为切出风速Vco。
光伏出力模型，公式如下：
Figure BDA0003407157070000072
式中：Pstc为标准条件下光伏电池板的输出功率；Istc为标准太阳辐射度，It为光伏阵列所在地的最大太阳辐照度，ηt1是太阳能电池板的光电转换效率；
水电出力模型，公式如下：
Pwat＝9.81QHηt2
Pwat是机组的发电功率，Q是某一时段的平均流量，H是河段的落差，ηt2是水轮机发电的效率。
S2、以电力***发电能耗最低、碳排放量最小为优化目标，确定低碳发电调度模型的多目标函数；
为了积极响应双碳政策和能源转型的号召，更加注重***运行的低碳性，在保证***经济和稳定的前提下，进一步减少对环境的影响，提出了建立包含低碳性、经济性和安全性的多目标优化模型；依据低碳发电调度的定义，以***发电能耗最低、碳排放量最小为优化目标，确定低碳发电调度模型的目标函数，低碳发电调度模型的多目标函数公式如下：
Figure BDA0003407157070000081
式中，F1是电力***发电总能耗；F2是电力***发电碳排放量总量；T是时段数；N是电力***内火电机组总台数；Ui,t是机组i在时段t运行状态的变量，当Ui,t＝1时机组运行，Ui,t＝0时停机；Si是机组i的启动能耗；SCi是机组i启机时的CO2排放量；fi(Pi,t)是机组i的耗量特性函数，fi(Pi,t)＝a0,i+a1,iPi,t+a2,iPi,t 2，其中a0,i、a1,i、a2,i为给定参数；Ci(Pi,t)是机组i的电碳特性参数，Ci(Pi,t)＝b0,i+b1,iPi,t+b2,iPi,t 2，其中b0,i、b1,i、b2,i为给定参数。
制定多目标函数的约束条件：
火电机组技术约束：主要包括机组容量约束、爬坡率约束、最小启停时间约束等；机组容量约束：
Ui,tPimin≤Pi,t≤Ui,tPimax
式中Pimax、Pimin分别为火电机组i的出力上、下限；
爬坡率约束：
Figure BDA0003407157070000082
式中
Figure BDA0003407157070000083
分别为火电机组i的上、下爬坡限制；
最小启停时间约束：
Figure BDA0003407157070000091
式中Ti,on、Ti,off分别为火电机组i的最小连续运行时间及最小连续停机时间。
水电机组技术约束：主要包括水电发电量约束及水电机组容量约束。对于有调节能力的水电厂，在日前调度中，一般给定其次日耗水量上限，可等视为日发电量上限约束；公式如下：
Figure BDA0003407157070000092
0≤Pj,t≤Pj,max
式中Qj,max是水电机组j的日发电量上限；Pj,i是水电机组的j出力上限。
风电机组技术约束：主要为风电机组出力上、下限约束；公式如下：
Pk,tmin≤Pk,t≤Pk,tmax
式中Pk,tmax是风电机组k在时段t的发电功率上限，需综合风速预测信息以及风电机组的风速一功率曲线计算而得；Pk,tmin是风电机组k在时段t的发电功率下限，考虑到风电机组具有较好的爬坡性能，一般可取值为0。
***功率平衡约束；公式如下：
Figure BDA0003407157070000093
式中M、L分别为***内水电机组、风电机组的总台数；PL,t为时段t考虑网络损耗后的***总负荷需求。
***备用容量约束；公式如下：
Figure BDA0003407157070000094
式中RU,t、RD,t分别为t时段***所需的上、下旋转备用容量。
线路传输容量约束；公式如下：
Figure BDA0003407157070000095
式中
Figure BDA0003407157070000096
为线路的最大传输容量；Sl,z节点注入功率对线路潮流的灵敏度；Pl,net为节点的注入功率。
***碳排放总量约束；公式如下：
Figure BDA0003407157070000101
式中，
Figure BDA0003407157070000102
为电力行业在该调度周期内的CO2排放总量控制目标。
S3、将具有双重优化目标的低碳发电调度优化模型可转化为以电力***发电能耗与碳排放总成本表征的电能生产总成本最小化为目标的单目标函数；
转化后的单目标函数公式如下：
Figure BDA0003407157070000103
式中，F为电能生产总成本；Pi,fuel为机组所用燃料价格，单位为元/kg；
Figure BDA0003407157070000104
为单位碳排放造成的外部成本，单位为元/kg，Ui,t和Ui,t-1表示机组i在t时刻和t-1时刻的状态，启动则取1，停机则取0，T表示总的时间段，N表示发电机组的个数，Pi,t表示机组i在t时刻的功率，fi(Pi,t)和Si表示机组i在运行和启停时的燃料消耗量，ci(Pi,t)和SCi表示机组i在运行和启停时的CO2的排放量。
S4、引入反馈控制，利用实时测量值对当前的调度策略进行修正，减少调度的偏差；对目标函数进行滚动优化；包括如下子步骤：
S41、通过建立的电力负荷模型和能源出力模型，对于日内的负荷值和能源出力进行预测，设置调度时间间隔t1和t2以及调度时间间隔决策指标标准值ξ0；
S42、以当前发电机的实际出力P0(k)作为初始值；以调度时间间隔t1，建立发电机出力预测模型：公式如下：
Figure BDA0003407157070000105
式中，其中P(k+i)表示在时刻k时预测k+i时刻的变量输出值，Δu(k+i|k)表示在时刻k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量；
S43、根据单目标函数优化求得控制序列，公式如下：
Δu＝[Δu(k+1|k),Δu(k+2|k),Δu(k+3|k)...,Δu(k+N|k)]T
式中，Δu(k+i|k)表示在k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量，N表示预测的总步长；
S44、将得到的控制增量下发至电力***，利用求得的k+1-k+N时刻发电机出力计算该滚动周期内的成本c1,计算调度时间间隔决策指标ξ；
S45、将计算的调度时间间隔决策指标ξ和标准值ξ0相比较，若ξ＜ξ0，则改变调度时间间隔为t2进行滚动优化，重复S42-S43中求得控制增量，求解
Figure BDA0003407157070000111
时刻发电机出力和天然气气源产气量；公式如下：
Figure BDA0003407157070000112
判断优化周期是否结束，如果没有，则测量
Figure BDA0003407157070000113
时刻的发电机出力和天然气气源产气量，令
Figure BDA0003407157070000114
重复S42中步骤继续滚动优化，反之则结束优化调度；
S46、若ξ＞ξ0，则按照S43中得到的控制序列求解k+1时刻发电机出力、P(k+1)＝P0(k)+Δup(k+1|k)，判断优化周期是否结束，如果没有，则测量k+1时刻的发电机出力和天然气气源产气量，令P0(k+1)＝Preal(k+1),k＝k+1，重复S42继续滚动优化，反之则结束优化调度。
S44中，调度时间间隔决策指标ξ公式如下：
Figure BDA0003407157070000115
式中，c1表示在k时刻求得一个滚动周期内***的调度成本，c0表示在k时刻一个滚动周期内日前调度的参考成本。
以上所述之具体实施方式为本发明一种基于能源调度时间自适应变化的滚动优化调度方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。

Claims (8)

1.一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：包括如下步骤：
S1、建立电力负荷模型和能源出力模型；
S2、以电力***发电能耗最低、碳排放量最小为优化目标，确定低碳发电调度模型的多目标函数；
S3、将具有双重优化目标的低碳发电调度优化模型可转化为以电力***发电能耗与碳排放总成本表征的电能生产总成本最小化为目标的单目标函数；
S4、引入反馈控制，利用实时测量值对当前的调度策略进行修正，减少调度的偏差；对目标函数进行滚动优化。
2.根据权利要求1所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：
电力负荷模型包括有静态负荷模型和温控负荷模型；所述静态负荷模型包括有恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P，使用6个参数％Zi、％Ii、％Pi、
Figure FDA0003407157060000013
表征负荷i处有功和无功的消耗，公式如下：
Figure FDA0003407157060000011
式中：VNi和Vi分别是i点处的额定电压和实际电压；Si为额定功率；％Zi、％Ii、％Pi分别为恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷所占比例的大小；
Figure FDA0003407157060000014
Figure FDA0003407157060000015
分别是恒阻抗特性负荷Z、恒电流特性负荷I和恒功率特性负荷P三种负荷的相角。
3.根据权利要求2所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：温控负荷模型，公式如下：
Figure FDA0003407157060000012
式中：Ta为室内空气温度；Tm为质量温度；Ua为建筑物的电导；To为室外温度；Hm为室内空气和固体的电导；Ca为空气的热质量；Cm为建筑材料和装修的热质量；Qa为进入室内空气的热量；Qm为进入室内固体的热量。
4.根据权利要求1或2所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：能源出力模型包括风电出力模型、光伏出力模型以及水电出力模型；
其中，
风电出力模型，公式如下：
Figure FDA0003407157060000021
式中，Vr是风机的额定风速，Pr是风机的额定输出功率，V为当前风速，Vci为切入风速；Vco为切出风速Vco；
光伏出力模型，公式如下：
Figure FDA0003407157060000022
式中：Pstc为标准条件下光伏电池板的输出功率；Istc为标准太阳辐射度，It为光伏阵列所在地的最大太阳辐照度，ηt1是太阳能电池板的光电转换效率；
水电出力模型，公式如下：
Pwat＝9.81QHηt2
Pwat是机组的发电功率，Q是某一时段的平均流量，H是河段的落差，ηt2是水轮机发电的效率。
5.根据权利要求1所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：S2中，低碳发电调度模型的多目标函数公式如下：
Figure FDA0003407157060000023
式中，F1是电力***发电总能耗；F2是电力***发电碳排放量总量；T是时段数；N是电力***内火电机组总台数；Ui,t是机组i在时段t运行状态的变量，当Ui,t＝1时机组运行，Ui,t＝0时停机；Si是机组i的启动能耗；SCi是机组i启机时的CO2排放量；fi(Pi,t)是机组i的耗量特性函数，fi(Pi,t)＝a0,i+a1,iPi,t+a2,iPi,t 2，其中a0,i、a1,i、a2,i为给定参数；Ci(Pi,t)是机组i的电碳特性参数，Ci(Pi,t)＝b0,i+b1,iPi,t+b2,iPi,t 2，其中b0,i、b1,i、b2,i为给定参数。
6.根据权利要求1或5所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：S3中，转化后的单目标函数公式如下：
Figure FDA0003407157060000031
式中，F为电能生产总成本；Pi,fuel为机组所用燃料价格，单位为元/kg；
Figure FDA0003407157060000033
为单位碳排放造成的外部成本，单位为元/kg，Ui,t和Ui,t-1表示机组i在t时刻和t-1时刻的状态，启动则取1，停机则取0，T表示总的时间段，N表示发电机组的个数，Pi,t表示机组i在t时刻的功率，fi(Pi,t)和Si表示机组i在运行和启停时的燃料消耗量，ci(Pi,t)和SCi表示机组i在运行和启停时的CO2的排放量。
7.根据权利要求1所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：S4包括如下步骤：
S41、通过建立的电力负荷模型和能源出力模型，对于日内的负荷值和能源出力进行预测，设置调度时间间隔t1和t2以及调度时间间隔决策指标标准值ξ0；
S42、以当前发电机的实际出力P0(k)作为初始值；以调度时间间隔t1，建立发电机出力预测模型：公式如下：
Figure FDA0003407157060000032
式中，其中P(k+i)表示在时刻k时预测k+i时刻的变量输出值，Δu(k+i|k)表示在时刻k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量；
S43、根据单目标函数优化求得控制序列，公式如下：
Δu＝[Δu(k+1|k),Δu(k+2|k),Δu(k+3|k)...,Δu(k+N|k)]T
式中，Δu(k+i|k)表示在k时刻预测(k+(i-1),k+i]时间段内电力***变量的增量，N表示预测的总步长；
S44、将得到的控制增量下发至电力***，利用求得的k+1-k+N时刻发电机出力计算该滚动周期内的成本c1,计算调度时间间隔决策指标ξ；
S45、将计算的调度时间间隔决策指标ξ和标准值ξ0相比较，若ξ＜ξ0，则改变调度时间间隔为t2进行滚动优化，重复S42-S43中求得控制增量，求解
Figure FDA0003407157060000041
时刻发电机出力和天然气气源产气量；判断优化周期是否结束，如果没有，则测量
Figure FDA0003407157060000042
时刻的发电机出力和天然气气源产气量，重复S42中步骤继续滚动优化，反之则结束优化调度；
S46、若ξ＞ξ0，则按照S43中得到的控制序列求解k+1时刻发电机出力，判断优化周期是否结束，如果没有，则测量k+1时刻的发电机出力和天然气气源产气量，重复S42继续滚动优化，反之则结束优化调度。
8.根据权利要求7所述的一种基于能源调度时间自适应变化的滚动优化调度方法，其特征在于：S44中，调度时间间隔决策指标ξ公式如下：
Figure FDA0003407157060000043
式中，c1表示在k时刻求得一个滚动周期内***的调度成本，c0表示在k时刻一个滚动周期内日前调度的参考成本。
CN202111520536.2A 2021-12-13 2021-12-13 一种基于能源调度时间自适应变化的滚动优化调度方法 Pending CN114399162A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111520536.2A CN114399162A (zh) 2021-12-13 2021-12-13 一种基于能源调度时间自适应变化的滚动优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111520536.2A CN114399162A (zh) 2021-12-13 2021-12-13 一种基于能源调度时间自适应变化的滚动优化调度方法

Publications (1)

Publication Number Publication Date
CN114399162A true CN114399162A (zh) 2022-04-26

Family

ID=81227517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111520536.2A Pending CN114399162A (zh) 2021-12-13 2021-12-13 一种基于能源调度时间自适应变化的滚动优化调度方法

Country Status (1)

Country Link
CN (1) CN114399162A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563815A (zh) * 2022-11-11 2023-01-03 国网江苏省电力有限公司电力科学研究院 双高电力***碳排放流时空演变模拟计算方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563815A (zh) * 2022-11-11 2023-01-03 国网江苏省电力有限公司电力科学研究院 双高电力***碳排放流时空演变模拟计算方法及装置
CN115563815B (zh) * 2022-11-11 2023-11-28 国网江苏省电力有限公司电力科学研究院 双高电力***碳排放流时空演变模拟计算方法及装置

Similar Documents

Publication Publication Date Title
CN109256810B (zh) 考虑风机出力不确定成本的多目标优化方法
CN109919399B (zh) 一种综合能源***日前经济调度方法及***
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN113241757B (zh) 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法
CN111738502A (zh) 促进富余风电消纳的多能互补***需求响应运行优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能***能量协同优化调控方法
CN112270433B (zh) 考虑可再生能源不确定性和用户满意度的微电网优化方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN110543966A (zh) 一种电热气联供的微能源网的日前调度优化方法
An et al. Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations
CN113255198B (zh) 一种含虚拟储能的冷热电联供微电网多目标优化方法
CN114330827A (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
CN115498668A (zh) 一种综合能源***的优化方法
Zhang et al. Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response
CN114399162A (zh) 一种基于能源调度时间自适应变化的滚动优化调度方法
CN115842375A (zh) 考虑能源互联网含风光水火储电力***协同调度优化方法
CN112767189B (zh) 一种计及风电并网下电网灵活性评估方法
CN114357725A (zh) 考虑碳捕集排放的源荷双端不确定性建模方法
CN114188942A (zh) 一种包含大规模新能源基地的电网调度方法
Guoqiang et al. A Multi-Source Dispatching Model with Considering the Nuclear Power Plants Dispatching and Wind Power Accommodation
CN113313329A (zh) 一种含综合能源***的配电网优化调度方法
CN111555270A (zh) 一种综合能源优化与动态分析的方法及***
Lu et al. Optimal modeling of integrated energy system demand response operation considering wind power absorption
CN117474301B (zh) 基于职业进阶的综合能源***多目标优化调度方法及装置
CN117748622B (zh) 一种微电网多态协调控制方法及***

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