CN115360706A - 考虑dr和灵活性供需平衡的源荷储联合调度方法及*** - Google Patents
考虑dr和灵活性供需平衡的源荷储联合调度方法及*** Download PDFInfo
- Publication number
- CN115360706A CN115360706A CN202211163168.5A CN202211163168A CN115360706A CN 115360706 A CN115360706 A CN 115360706A CN 202211163168 A CN202211163168 A CN 202211163168A CN 115360706 A CN115360706 A CN 115360706A
- Authority
- CN
- China
- Prior art keywords
- flexibility
- load
- power
- formula
- cost
- 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 35
- 238000003860 storage Methods 0.000 title claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 61
- 238000004146 energy storage Methods 0.000 claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 33
- 238000011002 quantification Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 42
- 239000007789 gas Substances 0.000 claims description 27
- 239000003345 natural gas Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000003828 downregulation Effects 0.000 claims description 17
- 230000003827 upregulation Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 12
- 230000007812 deficiency Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 9
- 230000033228 biological regulation Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 claims description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims 1
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明公开了一种考虑DR和灵活性供需平衡的源荷储联合调度方法及***，步骤S1：导入风光荷场景数据，并设置基准电价；步骤S2：建立机组、储能以及电力***灵活性量化模型；步骤S3：建立电力***灵活性供需平衡指标；步骤S4：计算实时灵活性不足率；步骤S5：建立“源荷储”协同优化调度模型并求解；步骤S6：判断是否达到收敛条件，若是则求解完毕，否则执行步骤S7；步骤S7：基于电价型需求响应，调整电力***灵活性需求、优化电力***灵活性供给，之后返回步骤S4。本发明能够提升电力***灵活性的充裕度，同时提升***运行的经济性，保障电力***供需平衡。
Description
技术领域
本发明涉及新能源技术领域，具体涉及一种考虑DR和灵活性供需平衡的源荷储联合调度方法及***。
背景技术
近年来，为克服传统化石能源短缺、生态污染和气候变化等问题，太阳能、风能等可再生能源并网已成为必然趋势。但由于高比例风电和光伏的输出功率受到风速、太阳辐射值和温度等自然条件的影响，其出力的不确定性对传统电网的运行方式产生深远影响，即高比例可再生能源发电接入电网，给新能源消纳水平与传统电网的线路阻塞、供电可靠性、继电保护等一系列工作带来了挑战。电力***灵活性是衡量***在面对不确定事件时，充分利用***内所有资源应对的能力，是评价电网运行情况的重要指标。
目前，现有设计和研究对灵活性的研究都集中在对电网灵活性指标的定量定性上，极少将量化指标应用于电网调度策略。而已有的电力***供需平衡灵活性的研究，大多侧重于从电源侧方面进行分析，而忽略了供需平衡机理对电网整体灵活性的影响，存在限制了电网灵活性的提升空间且所耗费的经济成本较高的问题。
目前，针对已有的负荷需求响应(demand response,DR)机制的研究中，仅为提升电网运行的经济性，并未考虑需求响应机制与电力***灵活性之间的关系，同时现有负荷需求响应机制中仅针对刚性负荷，忽略了在高比例可再生能源发电***中出现的电转气等多元化新型高弹性负荷对电力***灵活性的影响，缺乏与其他高弹性负荷的耦合机制，即缺少电网与其它能源网络的耦合机制。目前的方法在新型电力***的运行调度中很难保证电网能够有效应对不确定事件，而出现供需失衡风险。
发明内容
针对现有技术的缺陷和不足，本发明提出了一种考虑DR和灵活性供需平衡的源荷储联合调度方法及***，以提升电力***灵活性的充裕度，同时提升***运行的经济性，提升可再生能源的消纳率，保障电力***供需平衡，有利于提升新型电力***运行的安全稳定性。
方案主要包括：步骤S1：导入风光荷场景数据，并设置基准电价；步骤S2：建立机组、储能以及电力***灵活性量化模型；步骤S3：建立电力***灵活性供需平衡指标；步骤S4：计算实时灵活性不足率；步骤S5：建立“源荷储”协同优化调度模型并求解；步骤S6：判断是否达到收敛条件，若是则求解完毕，否则执行步骤S7；步骤S7：基于电价型需求响应，调整电力***灵活性需求、优化电力***灵活性供给，之后返回步骤S4。本发明能够提升电力***灵活性的充裕度，同时提升***运行的经济性，保障电力***供需平衡。
为实现上述目的，本发明具体采取如下技术方案：
一种考虑DR和灵活性供需平衡的源荷储联合调度方法，包括以下步骤：
步骤S1：导入风光荷场景初始数据、设置基准电价；根据电力***中日负荷曲线的波动规律，划分低谷时段、腰荷时段以及高峰时段，并在售电策略上推行峰谷分时电价；步骤S2：建立机组、储能以及电力***灵活性量化模型,包括：t时刻火电机组允许提供的上、下调灵活性
和
储能装置允许提供的上、下调灵活性
和
电力***上、下调灵活性需求
和
步骤S3：由式(1)和式(2)建立电力***灵活性供需平衡指标：
式中：
和
分别表示t时刻上、下调灵活性供需平衡指标；
步骤S4：由式(3)和式(4)计算实时灵活性不足率：
式中：Ft U和Ft D分别表示t时刻上、下调实时灵活性不足率；ΔPt U和ΔPt D分别表示t时刻向上、下负荷功率波动量。
步骤S5：建立“源荷储”协同优化调度模型并求解得到最优调度方案；
步骤S6：判断是否达到收敛条件，若是则求解完毕，否则执行步骤S7；
步骤S7：基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系：实施电价型DR策略后，电网有功负荷如式(5)：
式中：
为t时刻计及电价型需求响应策略前的有功负荷，即基准负荷；PLoad,t为t时刻实施电价型需求响应策略后的有功负荷；ηkt为t时刻k档位下的期望负荷响应率；ρt为t时刻实施电价型需求响应策略后的电力价格；ρ0,t为t时刻峰谷分时电价，即基准电价；αkt为t时刻k档位下的价格率；βkt为电价型需求响应策略的档位标志；
通过调整电力价格实现用户用电行为的调节，引导其形成符合***调度要求的用电行为，调整电力***灵活性需求，优化灵活性供给；之后返回步骤S4。
进一步地，步骤S2具体为：
步骤S21：建立机组灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻火电机组允许提供的上、下调灵活性；PGmax为调度日火电机组的最大输出功率；PGmin为火电机组的最小输出功率；
和
分别表示t时刻火电机组的上、下爬坡速率；Pg,t为t时刻火电机组的输出功率；Δt为调度时间间隔；
步骤S22：建立储能灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻储能装置允许提供的上、下调灵活性；Pr,t和Pd,t分别表示t时刻储能装置的充电功率和放电功率；Et为t时刻储能装置存储的电量；Emax和Emin分别表示储能装置允许存储电量的上、下限；
步骤S23：建立电力***灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻电力***上、下调灵活性需求；
和
分别表示t+1时刻典型日中风电、光伏输出功率；ζload为负荷预测误差系数；ζw为风电输出功率的不确定系数；ζpv为光伏输出功率的不确定系数；Pload,t+1和Pload,t分别表示t+1和t时刻***运行实际有功负荷值。
进一步地，步骤S5具体包括：
所述“源荷储”协同优化调度模型的目标函数为：
Feco＝F1+F2-F3 (13)
式中：Feco为***综合运行成本；
为总运行成本的上界；
为总运行成本的下限；
为灵活性不足率的上限；
为灵活性不足率的下限；μ为权重系数；F1为火电机组成本；F2为经济惩罚成本和储能运行成本；F3为电转气设备运行成本；F4为综合灵活性不足率；
其中火电机组的运行成本F1包括热备用成本和燃料发电成本，其计算方式为：
其中：
SR,t＝PGmax-Pg,t (17)
式中：Cg(Pg,t)为机组燃料发电成本；
为机组热备用成本；a、b和c为机组燃料发电成本系数；SR,t为机组热备用容量；Cs,t为机组热备用成本系数；
基于热备用容量的成本建模方法，得到机组热备用成本系数Cs,t和电力价格ρt之间的关系，如式(18)所示：
目标函数F2计算方式为：
F2＝FRES+Fload+Fess (19)
其中：
式中：FRES为***弃风弃光成本；Fload为失负荷成本；Fess为储能装置的运行成本；Cw、Cpv与Cload分别表示***弃风成本系数、弃光成本系数与失负荷成本系数；
和
分别表示***弃风、弃光和切负荷功率；
电能与天然气之间的关系模型如式(23)所示：
式中：VP2G,t为t时刻电转气设备转化出的天然气量；PP2G,t为t时刻电转气设备的输入功率；ωP2G为电转气设备的生产效率；Lgas为天然气的低热值；
目标函数F3表示售卖天然气产生的收益；其计算方式为：
式中：Cgas为天然气的售卖单价；
对于综合灵活性不足率F4，基于t时刻的ΔPt U和ΔPt D，引入权重系数θ，将Ft U或Ft D转化为综合灵活性不足率F4，其计算方式为：
其中：
目标函数minF的约束条件包括：
用户用电量约束
用于在实施电价型需求响应后，维持电力***安全稳定运行，而控制用户用电总量的变化：
储能装置充放电约束
Emin≤Et≤Emax (31)
式中：
为储能装置允许的充放电最大功率；E0为储能装置初始电量；
功率平衡约束
Pw,t+Ppv,t+Pg,t＝Pload,t+Pd,t+Pr,t+PP2G,t (32)
式中：Pw,t和Ppv,t分别表示t时刻风电、光伏输出功率的实际值；Pw,t为t时刻负荷实际值；
火电出力约束
PGmin≤Pg,t≤PGmax (33)
式中：
为火电机组装机容量总和；
电力***灵活性指标约束
式中：N1为电力***灵活性指标的安全边际；
电转气设备输入功率限制约束
式中：
和
分别为电转气设备输入功率的最小值、最大值；
可中断负荷约束
0≤Pload,t≤PLoad,t (39)
风光运行约束
以及，一种考虑DR和灵活性供需平衡的源荷储联合调度***，基于如上所述的考虑DR和灵活性供需平衡的源荷储联合调度方法及计算机程序***，包括：
数据导入模块，用于导入风光荷场景数据，并设置基准电价；
数据和模型存储模块，用于存储机组、储能以及电力***灵活性量化模型，电力***灵活性供需平衡指标，以及“源荷储”协同优化调度模型；
求解及输出模块，用于计算实时灵活性不足率、求解“源荷储”协同优化调度模型，并输出最佳调度方案。
与现有技术相比，本发明及其优选方案具有以下有益效果：
可以提升电力***灵活性的充裕度，同时提升***运行的经济性，提升可再生能源的消纳率，保障电力***供需平衡，有利于提升新型电力***运行的安全稳定性。
附图说明
图1为本发明实施例电价档位及期望负荷响应率示意图；
图2为本发明实施例上调实时灵活性不足率指标对比图；
图3为本发明实施例下调实时灵活性不足率指标对比图；
图4为本发明实施例总体方案流程图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本说明书使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
电网灵活性是指考虑经济性成本，在给定时间范围内，利用电网中各种灵活性资源进行合理调度，能够有效地应对电源侧、线路侧和负载侧的不确定性。随着可再生能源装机比例的不断增加，电力***需要同时面对电源侧和负荷侧更多的不确定性。若制定的调度策略无法及时应对危机则会威胁电力***的稳定运行，因此提升电力***调度策略灵活性的重要程度逐渐凸显。
如图4所示，本实施例提供了一种考虑DR和灵活性供需平衡的源荷储联合调度方法，包括以下步骤：
步骤S1：导入风光荷场景初始数据、设置基准电价；根据电力***中日负荷曲线的波动规律，可以将其划分为低谷时段、腰荷时段以及高峰时段，因此，本实施例方法在售电策略上推行峰谷分时电价。电力市场的峰谷分时电价价格及时段划分如表1所示。
表1峰谷分时电价价格及时段划分
| 时段 | 时间范围 | 价格/元·(MWh)<sup>-1</sup> |
| 低谷时段 | 00:00-7:00 | 350 |
| 腰荷时段 | 16:00-18:00；22:00-23:00 | 400 |
| 高峰时段 | 8:00-15:00；19:00-21:00 | 450 |
步骤S2：建立机组、储能以及电力***灵活性量化模型,包括t时刻火电机组可以提供的上、下调灵活性
和
储能装置可以提供的上、下调灵活性
和
电力***上、下调灵活性需求
和
步骤S3：由式(1)和式(2)建立电力***灵活性供需平衡指标，定义灵活性供需平衡指标反映某一时刻，向上、向下的电网灵活性供给和需求的差值：
式中：
和
分别表示t时刻上、下调灵活性供需平衡指标；
为保证电力***稳定运行，
和
应等于或略大于零，若
或
小于零，则说明此时电力***有可能出现供需失衡风险，即新能源消纳率下降、失负荷等；若
或
远大于零，则表明电力***内灵活性供给资源大量沉积，造成***运行成本升高，经济性下降。
步骤S4：为了进一步分析所制定的日前调度策略对电力***灵活运行的保障能力，本文定义实时灵活性不足率作为量化指标，其是指某一时刻，负荷功率波动量与灵活性供需平衡指标的差值与负荷功率波动量总和的比值，由式(3)和式(4)计算实时灵活性不足率：
式中：Ft U和Ft D分别表示t时刻上、下调实时灵活性不足率；ΔPt U和ΔPt D分别表示t时刻向上、下负荷功率波动量。
实时灵活性不足率从灵活性裕度容量方面动态评估电力***处理***调度发生不确定性事件的能力，若Ft U或Ft D大于或等于零，则说明此时***面临弃风弃光、失负荷等供需失衡风险；若Ft U或Ft D小于零，则说明此时***拥有抵抗供需失衡风险的能力。
步骤S5：建立“源荷储”协同优化调度模型并求解得到最优调度方案；
步骤S6：判断是否达到收敛条件，若是则求解完毕，否则执行步骤S7；
步骤S7：基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系。10个电价档位和期望负荷的响应程度如图1所示。
以某一电价档位为例，在130％的基准电价下，期望用户负荷量会降低到94.6％。实施电价型需求响应(demand response,DR)策略后，电网有功负荷如式(5)所示：
式中：
为t时刻计及电价型需求响应策略前的有功负荷，即基准负荷；PLoad,t为t时刻实施电价型需求响应策略后的有功负荷；ηkt为t时刻k档位下的期望负荷响应率；ρt为t时刻实施电价型需求响应策略后的电力价格；ρ0,t为t时刻峰谷分时电价，即基准电价；αkt为t时刻k档位下的价格率；βkt为电价型需求响应策略的档位标志。
通过调整电力价格实现用户用电行为的调节，引导其形成符合***调度要求的用电行为，调整电力***灵活性需求，优化灵活性供给；之后返回步骤S4。
在本实施例中，步骤S2具体包括以下内容：
步骤S21：建立机组灵活性量化模型，其上、下调灵活性量化模型为：
式中：
和
分别表示t时刻火电机组可以提供的上、下调灵活性；PGmax为调度日火电机组的最大输出功率；PGmin为火电机组的最小输出功率；
和
分别表示t时刻火电机组的上、下爬坡速率；Pg,t为t时刻火电机组的输出功率；Δt为调度时间间隔。
对于具备较高负荷跟踪度的机组，如常规的火电机组、燃气轮机等，通常被视为灵活性供给资源。基于机组的运行状态，可调节机组的输出功率达到为电力***提供上、下调灵活性的目的。
步骤S22：建立储能灵活性量化模型，其上、下调灵活性量化模型为：
式中：
和
分别表示t时刻储能装置可以提供的上、下调灵活性；Pr,t和Pd,t分别表示t时刻储能装置的充电功率和放电功率；Et为t时刻储能装置存储的电量；Emax和Emin分别表示储能装置允许存储电量的上、下限。
在提高电力***灵活性方面，储能装置是一种比较理想的灵活性资源，具有充放电速度快，投资建设时间短的优点.
步骤S23：建立电力***灵活性量化模型，其上、下调灵活性量化模型为：
式中：
和
分别表示t时刻电力***上、下调灵活性需求；
和
分别表示t+1时刻典型日中风电、光伏输出功率；ζload为负荷预测误差系数；ζw为风电输出功率的不确定系数；ζpv为光伏输出功率的不确定系数；Pload,t+1和Pload,t分别表示t+1和t时刻***运行实际有功负荷值。
基于对电网各类不确定因素的分析，风电、光伏等可再生能源出力的不确定性、负荷波动和预测误差以及设备故障等是电网灵活性需求的重要组成部分。电力***灵活性需求同上述量化模型一样，拥有方向导向性
考虑用户的用电行为间接受到了电力价格浮动的影响，因此引入电价型需求响应，通过调整电力价格实现用户用电行为的调节，引导其形成符合***调度要求的用电行为，调整电力***灵活性需求，提升电力***灵活性的充裕度，提升可再生能源的消纳率，保障电力***供需平衡，有利于提升新型电力***运行的安全稳定性。
在本实施例中，步骤S5具体包括以下步骤：
“源荷储”协同优化调度模型的目标函数为：
Feco＝F1+F2-F3 (13)
式中：Feco为***综合运行成本；
为总运行成本的上界；
为总运行成本的下限；
为灵活性不足率的上限；
为灵活性不足率的下限；μ为权重系数；F1为火电机组成本；F2为经济惩罚成本和储能运行成本；F3为电转气设备运行成本；F4为综合灵活性不足率。该多目标模型求解是通过对其进行归一化处理，并赋予权重系数，加权求和转换成单目标函数进行求解。
其中火电机组的运行成本F1包括了热备用成本和燃料发电成本，其计算方式为：
其中：
SR,t＝PGmax-Pg,t (17)
式中：Cg(Pg,t)为机组燃料发电成本；
为机组热备用成本；a、b和c为机组燃料发电成本系数；SR,t为机组热备用容量；Cs,t为机组热备用成本系数。考虑火电机组的发电成本远高于以风电和光伏为主的可再生能源的发电成本，故计算中可以忽略可再生能源发电的发电成本。
基于热备用容量的成本建模方法，得到机组热备用成本系数Cs,t和电力价格ρt之间的关系，如式(18)所示。
涉及经济惩罚成本和储能运行成本的目标函数F2计算方式为：
F2＝FRES+Fload+Fess (19)
其中：
式中：FRES为***弃风弃光成本；Fload为失负荷成本；Fess为储能装置的运行成本；Cw、Cpv与Cload分别表示***弃风成本系数、弃光成本系数与失负荷成本系数；
和
分别表示***弃风、弃光和切负荷功率。
P2G实现了电能和天然气之间的关系由传统的单向耦合向双向耦合转化，加深了电力网络和天然气管道网络的融合。P2G技术包含两个转化过程：一是电解水制氢；二是将过程一中产生的氢气转化为天然气，即甲烷化。
电能与天然气之间的关系模型如式(23)所示：
式中：VP2G,t为t时刻电转气设备转化出的天然气量；PP2G,t为t时刻电转气设备的输入功率；ωP2G为电转气设备的生产效率；Lgas为天然气的低热值。
在考虑P2G设备的运行成本的情况下，目标函数F3主要是售卖天然气产生的收益，其计算方式为：
式中：Cgas为天然气的售卖单价。
对于综合灵活性不足率F4，基于t时刻的ΔPt U和ΔPt D，引入权重系数θ，将Ft U或Ft D转化为综合灵活性不足率F4，其计算方式为：
其中：
以上目标函数的约束条件为：
①用户用电量约束
该约束条件是为了在实施电价型需求响应后，可以维持电力***可以安全稳定运行，而控制用户用电总量的变化。
②储能装置充放电约束
Emin≤Et≤Emax (31)
式中：
为储能装置允许的充放电最大功率；E0为储能装置初始电量。
③功率平衡约束
Pw,t+Ppv,t+Pg,t＝Pload,t+Pd,t+Pr,t+PP2G,t (32)
式中：Pw,t和Ppv,t分别表示t时刻风电、光伏输出功率的实际值；Pw,t为t时刻负荷实际值。
④火电出力约束
PGmin≤Pg,t≤PGmax (33)
式中：
为火电机组装机容量总和。
⑤电力***灵活性指标约束
式中：N1为电力***灵活性指标的安全边际。
⑥电转气设备输入功率限制约束
式中：
和
分别为电转气设备输入功率的最小值、最大值。
⑦可中断负荷约束
0≤Pload,t≤PLoad,t (39)
⑧风光运行约束
较佳的，本实施例提出了一种在高比例可再生能源并网运行的背景下的电力***灵活性评价指标，给出其量化方法，并建立“源荷储”协同优化调度模型。
(1)基于灵活性供需平衡机理，考虑风光出力不确定性与负荷预测误差，建立电力***灵活性需求指标和灵活性供需平衡指标并量化。
(2)基于电价型需求响应，引入电转气设备建立电力网络与天然气网络耦合，二者协同组成弹性需求响应机制，调节电力***灵活性需求，响应风光出力水平以提升新能源的消纳水平与灵活性水平。基于灵活性量化模型，考虑源-荷交互，建立联合优化调度模型，提升电力***灵活性的充裕度。
较佳的，本实施例可以提升电力***灵活性的充裕度，同时提升***运行的经济性，提升可再生能源的消纳率，保障电力***供需平衡，有利于提升新型电力***运行的安全稳定性。结合具体实施例，本发明的技术效果如图2、图3、表2所示，其中方案1、方案2为传统方案，方案3为本发明方案；图2、图3中的值越低，意味着电力***灵活性越充裕，即新型电力***应对突发事件的能力越强。
表2不同方法结果的经济成本对比
| 成本/万元 | 方案1 | 方案2 | 方案3 |
| 弃风弃光成本 | 1616.4 | 7631.5 | 2047.7 |
| 失负荷成本 | 420.2 | 206.1 | 0 |
| 天然气收益 | 0 | 0 | 1154.15 |
进一步地，基于以上方法方案，结合计算机程序***，构建考虑DR和灵活性供需平衡的源荷储联合调度***，包括：
数据导入模块，用于导入风光荷场景数据，并设置基准电价；
数据和模型存储模块，用于存储机组、储能以及电力***灵活性量化模型，电力***灵活性供需平衡指标，以及“源荷储”协同优化调度模型；
求解及输出模块，用于计算实时灵活性不足率、求解“源荷储”协同优化调度模型，并输出最佳调度方案。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
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。
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的考虑DR和灵活性供需平衡的源荷储联合调度方法及***，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。
Claims (4)
1.一种考虑DR和灵活性供需平衡的源荷储联合调度方法，其特征在于，包括以下步骤：
步骤S1：导入风光荷场景初始数据、设置基准电价；根据电力***中日负荷曲线的波动规律，划分低谷时段、腰荷时段以及高峰时段，并在售电策略上推行峰谷分时电价；
步骤S2：建立机组、储能以及电力***灵活性量化模型,包括：t时刻火电机组允许提供的上、下调灵活性
和
储能装置允许提供的上、下调灵活性
和
电力***上、下调灵活性需求
和
步骤S3：由式(1)和式(2)建立电力***灵活性供需平衡指标：
式中：
和
分别表示t时刻上、下调灵活性供需平衡指标；
步骤S4：由式(3)和式(4)计算实时灵活性不足率：
式中：Ft U和Ft D分别表示t时刻上、下调实时灵活性不足率；ΔPt U和ΔPt D分别表示t时刻向上、下负荷功率波动量。
步骤S5：建立“源荷储”协同优化调度模型并求解得到最优调度方案；
步骤S6：判断是否达到收敛条件，若是则求解完毕，否则执行步骤S7；
步骤S7：基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系：实施电价型DR策略后，电网有功负荷如式(5)：
式中：
为t时刻计及电价型需求响应策略前的有功负荷，即基准负荷；PLoad,t为t时刻实施电价型需求响应策略后的有功负荷；ηkt为t时刻k档位下的期望负荷响应率；ρt为t时刻实施电价型需求响应策略后的电力价格；ρ0,t为t时刻峰谷分时电价，即基准电价；αkt为t时刻k档位下的价格率；βkt为电价型需求响应策略的档位标志；
通过调整电力价格实现用户用电行为的调节，引导其形成符合***调度要求的用电行为，调整电力***灵活性需求，优化灵活性供给；之后返回步骤S4。
2.根据权利要求1所述的考虑DR和灵活性供需平衡的源荷储联合调度方法，其特征在于：
步骤S2具体为：
步骤S21：建立机组灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻火电机组允许提供的上、下调灵活性；PGmax为调度日火电机组的最大输出功率；PGmin为火电机组的最小输出功率；
和
分别表示t时刻火电机组的上、下爬坡速率；Pg,t为t时刻火电机组的输出功率；Δt为调度时间间隔；
步骤S22：建立储能灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻储能装置允许提供的上、下调灵活性；Pr,t和Pd,t分别表示t时刻储能装置的充电功率和放电功率；Et为t时刻储能装置存储的电量；Emax和Emin分别表示储能装置允许存储电量的上、下限；
步骤S23：建立电力***灵活性量化模型，其上、下调灵活性量化模型分别为：
式中：
和
分别表示t时刻电力***上、下调灵活性需求；
和
分别表示t+1时刻典型日中风电、光伏输出功率；ζload为负荷预测误差系数；ζw为风电输出功率的不确定系数；ζpv为光伏输出功率的不确定系数；Pload,t+1和Pload,t分别表示t+1和t时刻***运行实际有功负荷值。
3.根据权利要求1所述的考虑DR和灵活性供需平衡的源荷储联合调度方法，其特征在于：
步骤S5具体包括：
所述“源荷储”协同优化调度模型的目标函数为：
Feco＝F1+F2-F3 (13)
式中：Feco为***综合运行成本；
为总运行成本的上界；
为总运行成本的下限；
为灵活性不足率的上限；
为灵活性不足率的下限；μ为权重系数；F1为火电机组成本；F2为经济惩罚成本和储能运行成本；F3为电转气设备运行成本；F4为综合灵活性不足率；
其中火电机组的运行成本F1包括热备用成本和燃料发电成本，其计算方式为：
其中：
SR,t＝PGmax-Pg,t (17)
式中：Cg(Pg,t)为机组燃料发电成本；
为机组热备用成本；a、b和c为机组燃料发电成本系数；SR,t为机组热备用容量；Cs,t为机组热备用成本系数；
基于热备用容量的成本建模方法，得到机组热备用成本系数Cs,t和电力价格ρt之间的关系，如式(18)所示：
目标函数F2计算方式为：
F2＝FRES+Fload+Fess (19)
其中：
式中：FRES为***弃风弃光成本；Fload为失负荷成本；Fess为储能装置的运行成本；Cw、Cpv与Cload分别表示***弃风成本系数、弃光成本系数与失负荷成本系数；
和
分别表示***弃风、弃光和切负荷功率；
电能与天然气之间的关系模型如式(23)所示：
式中：VP2G,t为t时刻电转气设备转化出的天然气量；PP2G,t为t时刻电转气设备的输入功率；ωP2G为电转气设备的生产效率；Lgas为天然气的低热值；
目标函数F3表示售卖天然气产生的收益；其计算方式为：
式中：Cgas为天然气的售卖单价；
对于综合灵活性不足率F4，基于t时刻的ΔPt U和ΔPt D，引入权重系数θ，将Ft U或Ft D转化为综合灵活性不足率F4，其计算方式为：
其中：
目标函数minF的约束条件包括：
用户用电量约束
用于在实施电价型需求响应后，维持电力***安全稳定运行，而控制用户用电总量的变化：
储能装置充放电约束
Emin≤Et≤Emax (31)
式中：
为储能装置允许的充放电最大功率；E0为储能装置初始电量；
功率平衡约束
Pw,t+Ppv,t+Pg,t＝Pload,t+Pd,t+Pr,t+PP2G,t (32)
式中：Pw,t和Ppv,t分别表示t时刻风电、光伏输出功率的实际值；Pw,t为t时刻负荷实际值；
火电出力约束
PGmin≤Pg,t≤PGmax (33)
式中：
为火电机组装机容量总和；
电力***灵活性指标约束
式中：N1为电力***灵活性指标的安全边际；
电转气设备输入功率限制约束
式中：
和
分别为电转气设备输入功率的最小值、最大值；
可中断负荷约束
0≤Pload,t≤PLoad,t (39)
风光运行约束
4.一种考虑DR和灵活性供需平衡的源荷储联合调度***，其特征在于：基于如权利要求1-3其中任一所述的考虑DR和灵活性供需平衡的源荷储联合调度方法及计算机程序***，包括：
数据导入模块，用于导入风光荷场景数据，并设置基准电价；
数据和模型存储模块，用于存储机组、储能以及电力***灵活性量化模型，电力***灵活性供需平衡指标，以及“源荷储”协同优化调度模型；
求解及输出模块，用于计算实时灵活性不足率、求解“源荷储”协同优化调度模型，并输出最佳调度方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211163168.5A CN115360706B (zh) | 2022-09-23 | 考虑dr和灵活性供需平衡的源荷储联合调度方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211163168.5A CN115360706B (zh) | 2022-09-23 | 考虑dr和灵活性供需平衡的源荷储联合调度方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115360706A true CN115360706A (zh) | 2022-11-18 |
| CN115360706B CN115360706B (zh) | 2024-08-02 |
Family
ID=
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116436100A (zh) * | 2023-06-13 | 2023-07-14 | 国网山东省电力公司济南供电公司 | 计及源荷储互动特性的电网容量裕度优化配置方法及*** |
| CN116667538A (zh) * | 2023-07-24 | 2023-08-29 | 常州思瑞电力科技有限公司 | 一种家用光伏电站的用电管理*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524958A (zh) * | 2018-11-08 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 考虑深度调峰和需求响应的电力***灵活性优化调度方法 |
| CN110429649A (zh) * | 2019-08-13 | 2019-11-08 | 合肥工业大学 | 考虑灵活性的高渗透率可再生能源集群划分方法 |
| CN111769600A (zh) * | 2020-06-23 | 2020-10-13 | 内蒙古电力(集团)有限责任公司 | 一种基于灵活性裕度的电力***源荷储协调滚动调度方法 |
| CN114899879A (zh) * | 2022-04-22 | 2022-08-12 | 国家电网公司华中分部 | 一种考虑供需双侧灵活性资源的电力***优化调度方法 |
| CN115001035A (zh) * | 2022-05-31 | 2022-09-02 | 三峡大学 | 考虑灵活性需求的电力***多时间尺度优化方法 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524958A (zh) * | 2018-11-08 | 2019-03-26 | 国网浙江省电力有限公司经济技术研究院 | 考虑深度调峰和需求响应的电力***灵活性优化调度方法 |
| CN110429649A (zh) * | 2019-08-13 | 2019-11-08 | 合肥工业大学 | 考虑灵活性的高渗透率可再生能源集群划分方法 |
| CN111769600A (zh) * | 2020-06-23 | 2020-10-13 | 内蒙古电力(集团)有限责任公司 | 一种基于灵活性裕度的电力***源荷储协调滚动调度方法 |
| CN114899879A (zh) * | 2022-04-22 | 2022-08-12 | 国家电网公司华中分部 | 一种考虑供需双侧灵活性资源的电力***优化调度方法 |
| CN115001035A (zh) * | 2022-05-31 | 2022-09-02 | 三峡大学 | 考虑灵活性需求的电力***多时间尺度优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨修宇;穆钢;柴国峰;严干贵;安军;: "考虑灵活性供需平衡的源-储-网一体化规划方法", 电网技术, no. 09, 21 September 2020 (2020-09-21), pages 3238 - 3245 * |
| 鲁宗相;李海波;乔颖;: "高比例可再生能源并网的电力***灵活性评价与平衡机理", 中国电机工程学报, no. 01, 5 January 2017 (2017-01-05), pages 9 - 18 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116436100A (zh) * | 2023-06-13 | 2023-07-14 | 国网山东省电力公司济南供电公司 | 计及源荷储互动特性的电网容量裕度优化配置方法及*** |
| CN116436100B (zh) * | 2023-06-13 | 2023-09-22 | 国网山东省电力公司济南供电公司 | 计及源荷储互动特性的电网容量裕度优化配置方法及*** |
| CN116667538A (zh) * | 2023-07-24 | 2023-08-29 | 常州思瑞电力科技有限公司 | 一种家用光伏电站的用电管理*** |
| CN116667538B (zh) * | 2023-07-24 | 2023-09-29 | 常州思瑞电力科技有限公司 | 一种家用光伏电站的用电管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516851B (zh) | 一种基于虚拟电厂的源荷双侧热电联合随机优化调度方法 | |
| CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
| CN113452020B (zh) | 一种考虑柔性氢需求的电氢能源***调度方法 | |
| WO2023065113A1 (zh) | 风光水多能互补***灵活性需求量化及协调优化方法 | |
| CN113315242B (zh) | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 | |
| CN105046395A (zh) | 一种含多类型新能源的电力***日内滚动计划编制方法 | |
| 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 | |
| CN111210054A (zh) | 一种考虑直接负荷控制不确定性的微能源网优化调度方法 | |
| CN110826773B (zh) | 一种考虑新能源接入的火电机组月度发电计划优化方法 | |
| CN113256045A (zh) | 考虑风光不确定性的园区综合能源***日前经济调度方法 | |
| CN108596442A (zh) | 计及条件风险价值的综合能源***经济调度方法 | |
| CN116780646A (zh) | 一种计及灵活性的电力***资源优化调度方法及终端 | |
| CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
| Arnold | On predictive control for coordination in multi-carrier energy systems | |
| CN112531785B (zh) | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 | |
| CN116780649B (zh) | 一种多能互补利用的分布式鲁棒优化运行方法 | |
| CN112257951B (zh) | 一种基于合作博弈的综合能源***与配电公司的优化运行方法 | |
| CN113659566B (zh) | 一种基于CVaR的多能互补发电***的容量配置优化方法 | |
| CN115360706B (zh) | 考虑dr和灵活性供需平衡的源荷储联合调度方法及*** | |
| CN115360706A (zh) | 考虑dr和灵活性供需平衡的源荷储联合调度方法及*** | |
| Jiandong et al. | Research on improving flexibility of integrated power and gas energy system considering P2G and demand response | |
| CN112862237A (zh) | 一种综合能源***参与区域能源网络的调度方法及*** | |
| CN109961224A (zh) | 一种计及多种能源的月度电能交易计划制定的时序仿真法 | |
| CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 | |
| Yin et al. | Multi-timescale Optimal Scheduling of Integrated Energy Systems Based on Wind/Light to Hydrogen |
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 |