CN115425668A - 一种基于电力***时序生产模拟的储能容量优化配置方法 - Google Patents
一种基于电力***时序生产模拟的储能容量优化配置方法 Download PDFInfo
- Publication number
- CN115425668A CN115425668A CN202211163037.7A CN202211163037A CN115425668A CN 115425668 A CN115425668 A CN 115425668A CN 202211163037 A CN202211163037 A CN 202211163037A CN 115425668 A CN115425668 A CN 115425668A
- Authority
- CN
- China
- Prior art keywords
- capacity
- energy storage
- power
- planning
- new energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 162
- 238000004088 simulation Methods 0.000 title claims abstract description 108
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005265 energy consumption Methods 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 230000002776 aggregation Effects 0.000 claims abstract description 34
- 238000004220 aggregation Methods 0.000 claims abstract description 34
- 238000005096 rolling process Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000013459 approach Methods 0.000 claims abstract description 9
- 238000010248 power generation Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000009194 climbing Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 3
- 238000010977 unit operation Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- H02J15/00—Systems for storing electric 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
- H02J3/008—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
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于电力***时序生产模拟的储能容量优化配置方法,包括:确定基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,得到储能规划容量参考值;确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率;得到目标规划时段的最优储能规划容量。本发明能够快速准确地分析得到满足新能源消纳要求的储能容量优化配置,提升电力***新能源消纳能力及运行稳定性。
Description
技术领域
本发明涉及电力***规划技术领域,特别是一种基于电力***时序生产模拟的储能容量优化配置方法。
背景技术
近年来,我国风电、光伏产业迎来了突飞猛进的发展,然而,新能源发展不平衡的矛盾也日益凸显,特别是新能源消纳问题突出,已严重制约电力行业健康可持续发展。在这样的环境下,储能技术的发展对确保新能源的大规模发展和电网安全具有重要意义。储能作为一种灵活、快速可调的资源,可用于稳定波动、需求响应、调频、应急储备等工作,参与能源***,具有缓解用户高峰负荷、推迟线路扩容、解决***新能源消纳等功能,对促进新能源的消纳和保证电力***的安全稳定性运行具有重要的意义,并且是未来最有发展前景的技术之一。
储能容量的规划是涉及储能装置的经济性、***运行灵活性及新能源出力不确定性的复杂的优化问题。并且只有与储能配合,才能更好的解决消纳问题与稳定问题,从而大大提高了新能源***的调节能力和上网的可能性。
结合当前电力***发展现状、“低碳化”发展方向和电网公司对调度***的实际需求,应对新能源接入所带来的不确定性,相较于传统运行方式,电力***需要更多的备用资源。为解决上述问题,在储能容量规划过程中,应计及现有的可调节的传统发电机组,充分考虑***各资源的运行特性,进而提出更精细化的方法进行储能容量规划。
发明内容
本发明的目的是提供一种基于电力***时序生产模拟的储能容量优化配置方法,能够快速准确地分析得到满足新能源消纳要求的储能容量配置,实现储能容量配置的优化,提升新能源消纳能力及运行稳定性。
为实现上述目的,本发明采用的技术方案为:一种基于电力***时序生产模拟的储能容量优化配置方法,包括:
确定基于机组聚合的电力***时序生产模拟模型;
利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
可选的,所述基于机组聚合的电力***时序生产模拟模型的构建方法包括:
根据机组类型、容量级别和运行特性对大区电力***中的所有火电机组进行分类;
将运行特性相同或相近的火电机组视为一个整体,构建集群火电机组;
确定用于表征集群火电机组运行状态的变量,描述多台火电机组时序运行状态的聚合效果。
可选的,所述基于机组聚合的电力***时序生产模拟模型包括:
A)单台火电机组在时刻t的运行状态表示为:
式中,xi(t)表示并网状态变量、ui(t)表示启动状态变量,di(t)表示停机状态变量,xi(t)等于1或0表示机组i在时刻t的状态是并网运行或离线状态;ui(t)等于1表示机组i在时刻t启动,由离线状态转为并网运行状态;di(t)等于1表示机组i在时刻t停机,由并网运行状态转为离线状态;ui(t)和di(t)等于0表示机组i的运行状态在时刻t未发生改变;
B)集群火电机组的开机状态表示为:
开机、启动和停机容量变量满足:
C)集群火电机组开机容量、启动容量和停机容量的离散变量近似描述为:
等效机组容量为:
式中,整数变量xj(t)、uj(t)和dj(t)分别表示时刻t处于并网运行状态、启动状态和停机状态的等效机组的数量;
集群火电机组运行状态的连续变量的取值范围表示为:
其中,Sj表示集群火电机组总容量,为所有机组额定容量之和;
集群火电机组j的开机容量在相邻时刻间的变化表示为:
以上技术方案中,采用连续变量对集群机组的开机容量、启动容量和停机容量进行建模,将包含J台机组的集群机组当做一台机组,并假设这台机组的运行状态并非只有停机“0”和并网“1”两个状态,而是可以存在0到1之间的若干运行状态,并以连续的机组开机容量来表征连续变化的运行状态。由此建立的基于机组聚合的电力***时序生产模拟模型,能够有效减少变量数目,基于集群机组开机容量这一连续变量建立的集群机组运行状态、输出功率、爬坡约束以及最小启停时间约束能够准确模拟集群机组的时序运行过程。
可选的,所述以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,对应的目标函数表述为:
以上技术方案,所构建的基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源并网发电电量为优化目标,可在功率平衡、备用需求、新能源出力及机组运行特性等约束下对大规模电力***的时序运行过程进行模拟,实现大区电力***中长期时序生产模拟快速计算。
进一步的,基于机组聚合的电力***时序生产模拟模型进行电力***时序生产模拟时,模型的输入参数包括:时序负荷功率曲线、时序新能源最大可发出力曲线、满足可靠性要求的负荷备用系数、新能源出力的备用系数、输电断面的传输功率极限,以及各发电机组的运行参数;所述发电机组的运行参数包括额定容量、最小技术出力比值、最大技术出力比值、上爬坡率、下爬坡率、最小启动时间、最小停机时间、一次线性运行煤耗系数、每次启动和停机的煤耗需求;模型输出结果包括目标规划时段的时序运行信息;
目标规划时段的储能规划容量根据时序运行信息计算得到。
输电断面信息用于将电力***进行拆分,以便对属于同一个区域电网内的发电机组进行聚类,并获取集群机组的运行参数。
式中,F表示电力***总运行成本,K表示***中区域电网的个数;T表示总运行时间;表示火电机组的发电成本;表示火电机组的开机成本;表示火电机组的关机成本;θS表示弃光惩罚;θW表示弃风惩罚;pS,k(t)表示光伏电站实际发电量;pW,k(t)表示风电场实际发电量;分别表示从气象数据转化得到的光伏、风电最大发电量;
目标函数的求解约束条件包括:
(1)功率平衡约束:
其中,pG,j(t)为火电机组的实际出力;TI,k(t)、TO,k(t)分别为第k个区域电网联络线流入、流出的功率;pL,k(t)为区域电网的电力负荷;
(2)备用约束:
(3)网架约束:
对于相互连接的区域电网,存在:
(4)发电机组出力约束:
(5)爬坡约束:
其中,RU,i、RD,i分别为机组单位时间功率上爬坡能力和功率下爬坡能力,M为较大常数;
(6)开关机功率上限约束:
其中,SU,i、SD,i分别为机组开机时刻功率上限标幺值、关机时刻功率上限标幺值;
(7)最小启停时间约束:
其中,TU,i、TD,i分别为机组的最小运行时间和最小关机时间;
(8)热电联产机组出力约束:
其中,hi(t)为热负荷标幺值;ai、bi为最大主汽压限制参数;ci、di为低压缸最小汽压限制参数。
可选的,对所述基于逐日滚动的电力***时序生产模拟模型进行求解时,采用时域分解法以及无解自动回滚法进行求解。
以上技术方案,所述基于逐日滚动的电力***时序生产模拟模型以***运行成本最低(包括弃电成本)为目标,精细化考虑***运行约束,评估新能源消纳率等指标,可精确求解出特定储能规划容量下的新能源消纳值。
可选的,所述按照设定的新能源消纳值边界进行储能规划容量的迭代优化,采用二分迭代法,包括:
S41,确定预设的新能源消纳率目标值k0%;
S42,根据目标规划时段的储能规划容量参考值M(0),利用所述基于逐日滚动的电力***时序生产模拟模型计算对应的新能源消纳值,根据新能源消纳值计算新能源消纳率k%;
若k%≠k0%,则根据k%与k0%的大小关系,确定储能规划容量的调整区间:若k%<k0%,则储能规划容量区间为[D(0),U(0)],其中U(0)=M(0),D(0)=1/2M(0);若k%>k0%,则储能规划容量区间[D(0),U(0)]中,D(0)=M(0),U(0)=2M(0);转至步骤S43进行储能规划容量的迭代优化;
若k%=k0%,则停止迭代,将M(0)作为最优储能规划容量;
S43,在第i次迭代中,根据M(i)=(D(i-1)+U(i-1))/2更新储能容量规划值,将当前储能容量规划值M(i)代入所述基于逐日滚动的电力***时序生产模拟模型,求得对应的新能源消纳值,根据新能源消纳值计算新能源消纳率ki%,将新能源消纳率ki%与k0%进行比较:
a)若ki%>k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=M(i),D(i)=D(i-1),返回步骤S43进行第i+1次的迭代;
b)若ki%<k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=U(i-1),D(i)=M(i),返回步骤S43进行第i+1次的迭代;
c)若ki%=k0%则停止迭代,将当前储能规划容量值M(i)作为最优储能规划容量;
S44,将所述最优储能规划容量确定为目标规划时段的储能规划配置。
第二方面,本发明提供一种基于电力***时序生产模拟的储能容量优化配置装置,其特征是,包括:
第一电力***时序生产模拟模型确定模块,被配置用于确定基于机组聚合的电力***时序生产模拟模型;
储能规划容量参考值计算模块,被配置用于,利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
第二电力***时序生产模拟模型确定模块,被配置用于,确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
迭代优化模块,被配置用于,按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
以及,储能规划容量确定模块,被配置用于,将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如第一方面所述的基于电力***时序生产模拟的储能容量优化配置方法。
有益效果
本发明的储能容量优化方法:通过构建集群机组和连续化处理描述集群机组时序运行状态的整数变量,建立描述集群机组时序运行特性的数学模型,建立了基于机组聚合的电力***时序生产模拟模型;进而以最小化***运行成本和最大化新能源并网发电电量为优化目标,实现大区电力***中长期时序生产模拟快速计算,粗略求解出目标年份全年的储能规划容量;然后精细化考虑***运行约束,构建基于逐日滚动的电力***时序生产模拟模型,并对新能源消纳进行评估,以能够精确求解出特定储能规划容量下的新能源消纳值;最后,根据粗略求解的储能规划容量,利用上述两种时序生产模拟模型迭代优化,以设定的新能源消纳边界为目标,调整储能容量,使得***逐步逼近预设的新能源消纳率,最终得到目标规划时段的最优储能容量配置,能够实现储能容量配置的优化,提升新能源消纳能力及运行稳定性。
同时,本发明采用二分法进行迭代优化,能够快速精确地查找到满足新能源消纳要求的储能容量配置。
附图说明
图1所示为本发明方法在一种实施例中的实现流程示意图;
图2所示为考虑单台机组运行状态的集群机组运行状态的示意图;
图3所示为不考虑单台机组运行状态的集群机组运行状态的示意图;
图4所示为求解时序生产模拟模型的算法流程示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明的技术构思为:基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源并网发电电量为优化目标,在传统电力规划及负荷预测结果基础上,简化考虑***运行约束,进行粗略储能容量规划;根据储能容量规划结果,精细化考虑***运行约束,建立基于逐日滚动的电力***时序生产模拟模型对新能源消纳进行评估,基于粗略储能容量规划结果通过二分法进行迭代优化,快速精确地查找到满足新能源消纳要求的储能容量配置。
实施例1
本实施例介绍一种基于电力***时序生产模拟的储能容量优化配置方法,包括:
确定基于机组聚合的电力***时序生产模拟模型;
利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
本实施例的具体实现参考图1,具体涉及以下内容。
一、构建基于机组聚合的电力***时序生产模拟模型
这部分内容中,本实施例通过集群火电机组构建方法,采用连续变量表示多台机组单时段运行状态的聚合效果,建立描述集群机组输出功率、爬坡、启停时间等时序运行特性的数学模型,从而建立基于机组聚合的电力***时序生产模拟模型。
构建集群火电机组需要忽略电网网架拓扑,假设发电机组与负荷并网于同一条母线上。考虑到电力***运行面临的输送容量约束主要体现在少量的输电断面上,并非所有输电线路,因此,需要根据输电断面对大区电力***进行划分,忽略划分后的区域电力***的网架结构,再分别对区域电力***中的火电机组进行聚类,并保留区域间输电断面的约束作用。
集群火电机组j由隶属于同一个分区子***的J台额定容量、运行特性相同或相近的火电机组组成。对集群火电机组j内的单台火电机组,可以采用并网状态变量xi(t)、启动状态变量ui(t)和停机状态变量di(t)这三个二进制整数变量描述单台火电机组在时刻t的运行状态:
其中,xi(t)等于1或0表示机组i在时刻t是并网运行或离线状态;ui(t)等于1表示机组i在时刻t启动,由离线状态转为并网运行状态;di(t)等于1表示机组i在时刻t停机,由并网运行状态转为离线状态;ui(t)和di(t)等于0表示机组i的运行状态在时刻t未发生改变。
集群火电机组j中任意机组在时刻t改变其运行状态都会导致集群机组整体对外表现的开机容量发生变化。因此,可以采用机组的开机容量来表征集群火电机组的开机状态。对集群火电机组j,引入开机容量启动容量和停机容量变量。数学描述如下:
根据上式,开机容量启动容量和停机容量是离散变量,取值由集群火电机组j中每台机组在时刻t的运行状态决定。虽然开机容量启动容量和停机容量准确描述了J台机组运行状态聚合后的效果,但这三个离散变量只能根据时刻t各台机组的运行状态计算得到,无法直接决策。
因此,假设集群火电机组j由J台等效机组组成,并引入整数变量xj(t)、uj(t)和dj(t)来分别描述时刻t处于并网运行状态、启动状态和停机状态的机组的数目。通过该方法,开机容量启动容量和停机容量离散变量可近似描述为:
其中,等效机组容量:
引入的整数变量xj(t)、uj(t)和dj(t)替代二进制变量,可将描述集群火电机组j在时刻t的运行状态的整数变量数目由3*J缩减到3个。采用整数变量描述集群火电机组中某个运行时刻处于开机状态的机组数目,可以近似表征离散的集群火电机组运行状态,如图2和图3所示。这种建模方法将需要集群机组视为J台等效机组的聚合,进而确定集群火电机组的开机容量。
由于机组启停状态变化将直接影响集群机组整体开机容量的变化,若不考虑各台机组的运行状态,则可以直接将时刻t集群火电机组j总容量中的开机容量视为决策变量,图2所示。在这种方法中,引入了连续变量来描述集群火电机组总容量中的开机容量,以近似表征集群火电机组的运行状态。开机容量连续变量表示在时刻t,集群机组j中共有总容量为的机组是并网运行的,可以参与***功率平衡并提供***备用。启动容量连续变量表示从时刻t-1到时刻t,共有总容量为的机组需要启动,其运行状态由离线状态转为并网状态。停机容量连续变量表示从时刻t-1到时刻t,共有总容量为的机组需要停机,运行状态由并网运行状态转为离线状态。描述集群火电机组运行状态的连续变量的取值范围为:
等式约束的左、右两边均表示从时刻t-1到时刻t持续运行的机组容量,这部分容量对应的机组在这两个时刻没有改变运行状态。启动容量既属于时刻t-1的机组离线容量,也属于时刻t的机组开机容量。停机容量则相反,描述的部分在时刻t-1属于机组开机容量,在时刻t则是离线容量。若集群火电机组j时刻t的开机容量与时刻t-1的开机容量不同,则表示存在机组启停事件。
采用连续变量对集群机组的开机容量、启动容量和停机容量进行建模,将包含J台机组的集群机组当做一台机组,并假设这台机组的运行状态并非只有停机“0”和并网“1”两个状态,而是可以存在0到1之间的若干运行状态,并以连续的机组开机容量来表征连续变化的运行状态。
以上,本实施例在建立基于机组聚合的电力***时序生产模拟模型时,通过集群机组构建方法能够有效减小变量数目,基于集群机组开机容量这一连续变量建立的集群机组运行状态、输出功率、爬坡约束以及最小启停时间约束能够准确模拟集群机组的时序运行过程。
二、进行基于机组聚合的电力***时序生产模拟,输出目标规划时段如目标年份的储能规划容量
基于机组聚合的电力***时序生产模拟模型只考虑互联电网的关键输电断面(跨省跨区互联通道以及内部网架中的受限线路),不考虑除此以外的详细电网拓扑结构。
目标函数考虑为最小的***运行成本下尽可能多的接纳新能源出力,即:
构建的基于机组聚合的电力***时序生产模拟模型以最小化***运行成本和最大化新能源并网发电电量为优化目标,在功率平衡、备用需求、新能源出力及机组运行特性等约束下对大规模电力***的时序运行过程进行模拟,实现大区电力***中长期时序生产模拟快速计算。
对大规模电力***进行基于机组聚合的电力***时序生产模拟时,输入参数包括:时序负荷功率曲线、时序新能源最大可发出力曲线、满足可靠性要求的负荷备用系数、新能源出力的备用系数、输电断面的传输功率极限,以及各发电机组的运行参数(包括额定容量、最小技术出力比值、最大技术出力比值、上爬坡率、下爬坡率、最小启动时间、最小停机时间、一次线性运行煤耗系数、每次启动和停机的煤耗需求)。输电断面信息用于将电力***进行拆分,以便对属于同一个区域电网内的发电机组进行聚类,并获取集群机组的运行参数。输出结果包括时序运行信息,可以粗略求解出目标年份全年的储能规划容量。
三、构建基于逐日滚动的电力***时序生产模拟模型
时序生产模拟的核心是机组组合模型,通常建模为混合整数线性规划模型。采用时间步长为一小时的机组组合模型。
目标函数为调度机构按照***总的运行成本最小来安排所有机组的启停状态与出力情况。此外为了促进新能源消纳,目标函数中通常还包含弃风惩罚与弃光惩罚。
其中,F表示电力***总运行成本,K表示***中区域电网的个数;T表示总运行时间,当时间步长为1小时,则T=8760(若为闰年则为8784);表示火电机组的发电成本;表示火电机组的开机成本;表示火电机组的关机成本;θS表示弃光惩罚;θW表示弃风惩罚;pS,k(t)表示光伏电站实际发电量;pW,k(t)表示风电场实际发电量; 分别表示从气象数据转化得到的光伏、风电最大发电量;
约束条件包括:
(1)功率平衡约束
其中,pG,j(t)为火电机组的实际出力;TI,k(t)、TO,k(t)分别为第k个区域电网联络线流入、流出的功率;pL,k(t)为区域电网的电力负荷。
(2)备用约束
(3)网架约束
对于相互连接的子***,联络线上的交换功率不得高于线路传输功率极限。
(4)发电机组出力约束
(5)爬坡约束
其中,RU,i、RD,i分别为机组单位时间功率上爬坡能力和功率下爬坡能力,M表示为较大常数。
(6)开关机功率上限约束
其中,SU,i、SD,i分别为机组开机时刻功率上限标幺值、关机时刻功率上限标幺值。
(7)最小启停时间约束
其中,TU,i、TD,i分别为机组的最小运行时间和最小关机时间。
(8)热电联产机组出力约束
其中,hi(t)为热负荷标幺值,ai、bi为最大主汽压限制参数;ci、di为低压缸最小汽压限制参数。
由于混整线性规划问题求解规模的限制,对于一个含有上百台发电机组的区域电力***,全年运行模拟无法通过单次计算进行求解,因此目前对于电力***时序运行模拟普遍采用逐日滚动模拟的方式。为了提高时序运行模拟的求解速度,避免因滚动无解而无法获取运行模拟结果的问题,提出了时域分解技术以及无解自动回滚技术对电力***时序运行模型进行求解。
其中,时序分解方法是将全年运行模拟分解为多个时段并行运算,无解自动回滚技术是当滚动求解遇到无解时,不是直接退出求解进程,而是将前一个仿真时段一起纳入到仿真中来,如果仍然无解,继续往前回滚,当回滚仿真结果可行时,即用回滚得到的仿真结果覆盖原有之前时段的仿真结果,具体求解流程如图4。
根据储能容量规划方案,以***运行成本最低(包括弃电成本)为目标,精细化考虑***运行约束,评估新能源消纳率等指标,对新能源消纳进行评估,精确求解出特定储能规划容量下的新能源消纳值。
四、基于第一部分和第三部分所构建的两种模型进行储能规划容量的迭代优化求解,并得到目标规划时段的最优储能优化配置方案
这部分的技术构思为,基于第二部分粗略求解得到的储能规划容量参考值,通过第三部分构建的模型,利用二分法对电力***时序生产模拟在特定储能规划容量下所获得的新能源消纳进行迭代优化,考虑使用时序运行模拟和迭代求解相结合的方法求解模型,获得最佳储能容量配置方案,求解步骤大致为:以设定的新能源消纳边界为目标,调整储能容量,使得***逐步逼近预设的新能源消纳率,最终获得最优的储能容量配置。
具体即:首先,基于粗略计算的储能容量参考值确定储能规划容量的上下限;其次,在储能规划容量的有效区间内逐次分半查找,并将查找到的新值重新代入到电力***时序生产模拟中进行优化计算;最后,通过不断迭代优化储能容量,使得实际新能源消纳率可恰好满足预设新能源消纳率目标,则求解过程结束。
本实施例按照设定的新能源消纳值边界进行储能规划容量的迭代优化,采用二分迭代法,包括:
S41,确定预设的新能源消纳率目标值k0%;
S42,根据第二部分粗略计算得到的目标规划时段的储能规划容量参考值M(0),利用基于逐日滚动的电力***时序生产模拟模型计算对应的新能源消纳值,根据新能源消纳值计算新能源消纳率k%;
若k%≠k0%,则根据k%与k0%的大小关系,确定储能规划容量的调整区间:若k%<k0%,则储能规划容量调整区间为[D(0),U(0)],其中U(0)=M(0),D(0)=1/2M(0);若k%>k0%,则储能规划容量区间[D(0),U(0)]中,D(0)=M(0),U(0)=2M(0);转至步骤S43进行储能规划容量的迭代优化;
若k%=k0%,则停止迭代,将M(0)作为最优储能规划容量;
S43,在第i次迭代中,根据M(i)=(D(i-1)+U(i-1))/2更新储能容量规划值,将当前储能容量规划值M(i)代入基于逐日滚动的电力***时序生产模拟模型,求得对应的新能源消纳值,根据新能源消纳值计算新能源消纳率ki%,将新能源消纳率ki%与k0%进行比较:
a)若ki%>k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=M(i),D(i)=D(i-1),返回步骤S43进行第i+1次的迭代;
b)若ki%<k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=U(i-1),D(i)=M(i),返回步骤S43进行第i+1次的迭代;
c)若ki%=k0%则停止迭代,将当前储能规划容量值M(i)作为最优储能规划容量;
S44,将所述最优储能规划容量确定为目标规划时段的储能规划配置。
以上,通过二分法可快速准确地查找到满足新能源消纳要求的储能容量配置。
实施例2
与实施例1基于相同的发明构思,本实施例介绍一种基于电力***时序生产模拟的储能容量优化配置装置,其包括:
第一电力***时序生产模拟模型确定模块,被配置用于确定基于机组聚合的电力***时序生产模拟模型;
储能规划容量参考值计算模块,被配置用于,利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
第二电力***时序生产模拟模型确定模块,被配置用于,确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
迭代优化模块,被配置用于,按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
以及,储能规划容量确定模块,被配置用于,将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
以上各功能模块的具体功能实现参考实施例1方法中的相关内容。
实施例3
本实施例介绍一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如实施例所介绍的基于电力***时序生产模拟的储能容量优化配置方法。
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。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种基于电力***时序生产模拟的储能容量优化配置方法,其特征是,包括:
确定基于机组聚合的电力***时序生产模拟模型;
利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
2.根据权利要求1所述的方法,其特征是,所述基于机组聚合的电力***时序生产模拟模型的构建方法包括:
根据机组类型、容量级别和运行特性对大区电力***中的所有火电机组进行分类;
将运行特性相同或相近的火电机组视为一个整体,构建集群火电机组;
确定用于表征集群火电机组运行状态的变量,描述多台火电机组时序运行状态的聚合效果。
3.根据权利要求1或2所述的方法,其特征是,所述基于机组聚合的电力***时序生产模拟模型包括:
A)单台火电机组在时刻t的运行状态表示为:
式中,xi(t)表示并网状态变量、ui(t)表示启动状态变量,di(t)表示停机状态变量,xi(t)等于1或0表示机组i在时刻t的状态是并网运行或离线状态;ui(t)等于1表示机组i在时刻t启动,由离线状态转为并网运行状态;di(t)等于1表示机组i在时刻t停机,由并网运行状态转为离线状态;ui(t)和di(t)等于0表示机组i的运行状态在时刻t未发生改变;
B)集群火电机组的开机状态表示为:
开机、启动和停机容量变量满足:
C)集群火电机组开机容量、启动容量和停机容量的离散变量近似描述为:
等效机组容量为:
式中,整数变量xj(t)、uj(t)和dj(t)分别表示时刻t处于并网运行状态、启动状态和停机状态的等效机组的数量;
集群火电机组运行状态的连续变量的取值范围表示为:
其中,Sj表示集群火电机组总容量,为所有机组额定容量之和;
集群火电机组j的开机容量在相邻时刻间的变化表示为:
5.根据权利要求4所述的方法,其特征是,基于机组聚合的电力***时序生产模拟模型进行电力***时序生产模拟时,模型的输入参数包括:时序负荷功率曲线、时序新能源最大可发出力曲线、满足可靠性要求的负荷备用系数、新能源出力的备用系数、输电断面的传输功率极限,以及各发电机组的运行参数;所述发电机组的运行参数包括额定容量、最小技术出力比值、最大技术出力比值、上爬坡率、下爬坡率、最小启动时间、最小停机时间、一次线性运行煤耗系数、每次启动和停机的煤耗需求;模型输出结果包括目标规划时段的时序运行信息;
目标规划时段的储能规划容量根据时序运行信息计算得到。
6.根据权利要求4所述的方法,其特征是,所述基于逐日滚动的电力***时序生产模拟模型的目标函数表示为:
式中,F表示电力***总运行成本,K表示***中区域电网的个数;T表示总运行时间;表示火电机组的发电成本;表示火电机组的开机成本;表示火电机组的关机成本;θS表示弃光惩罚;θW表示弃风惩罚;pS,k(t)表示光伏电站实际发电量;pW,k(t)表示风电场实际发电量;分别表示从气象数据转化得到的光伏、风电最大发电量;
目标函数的求解约束条件包括:
(1)功率平衡约束:
其中,pG,j(t)为火电机组的实际出力;TI,k(t)、TO,k(t)分别为第k个区域电网联络线流入、流出的功率;pL,k(t)为区域电网的电力负荷;
(2)备用约束:
(3)网架约束:
对于相互连接的区域电网,存在:
(4)发电机组出力约束:
(5)爬坡约束:
其中,RU,i、RD,i分别为机组单位时间功率上爬坡能力和功率下爬坡能力,M为较大常数;
(6)开关机功率上限约束:
其中,SU,i、SD,i分别为机组开机时刻功率上限标幺值、关机时刻功率上限标幺值;
(7)最小启停时间约束:
其中TU,i、TD,i分别为机组的最小运行时间和最小关机时间;
(8)热电联产机组出力约束:
其中,hi(t)为热负荷标幺值,ai、bi为最大主汽压限制参数;ci、di为低压缸最小汽压限制参数。
7.根据权利要求6所述的方法,其特征是,对所述基于逐日滚动的电力***时序生产模拟模型进行求解时,采用时域分解法以及无解自动回滚法进行求解。
8.根据权利要求1所述的方法,其特征是,所述按照设定的新能源消纳值边界进行储能规划容量的迭代优化,采用二分迭代法,包括:
S41,确定预设的新能源消纳率目标值k0%;
S42,根据目标规划时段的储能规划容量参考值M(0),利用所述基于逐日滚动的电力***时序生产模拟模型计算对应的新能源消纳值,根据新能源消纳值计算新能源消纳率k%;
若k%≠k0%,则根据k%与k0%的大小关系,确定储能规划容量的调整区间:若k%<k0%,则储能规划容量区间为[D(0),U(0)],其中U(0)=M(0),D(0)=1/2M(0);若k%>k0%,则储能规划容量区间[D(0),U(0)]中,D(0)=M(0),U(0)=2M(0);转至步骤S43进行储能规划容量的迭代优化;
若k%=k0%,则停止迭代,将M(0)作为最优储能规划容量;
S43,在第i次迭代中,根据M(i)=(D(i-1)+U(i-1))/2更新储能容量规划值,将当前储能容量规划值M(i)代入所述基于逐日滚动的电力***时序生产模拟模型,求得对应的新能源消纳值,根据新能源消纳值计算新能源消纳率ki%,将新能源消纳率ki%与k0%进行比较:
a)若ki%>k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=M(i),D(i)=D(i-1),返回步骤S43进行第i+1次的迭代;
b)若ki%<k0%,则将储能规划容量区间更新为[D(i),U(i)],其中,U(i)=U(i-1),D(i)=M(i),返回步骤S43进行第i+1次的迭代;
c)若ki%=k0%则停止迭代,将当前储能规划容量值M(i)作为最优储能规划容量;
S44,将所述最优储能规划容量确定为目标规划时段的储能规划配置。
9.一种基于电力***时序生产模拟的储能容量优化配置装置,其特征是,包括:
第一电力***时序生产模拟模型确定模块,被配置用于确定基于机组聚合的电力***时序生产模拟模型;
储能规划容量参考值计算模块,被配置用于,利用所述基于机组聚合的电力***时序生产模拟模型,以最小化***运行成本和最大化新能源出力为优化目标,对目标规划时段的电力***时序运行过程进行模拟计算,求解得到目标规划时段的储能规划容量参考值;
第二电力***时序生产模拟模型确定模块,被配置用于,确定基于逐日滚动的电力***时序生产模拟模型,用于求解指定储能规划容量下的新能源消纳值;
迭代优化模块,被配置用于,按照设定的新能源消纳值边界进行储能规划容量的迭代优化,使得储能规划容量对应的新能源消纳率逼近预设的新能源消纳率期望值:基于所述目标规划时段的储能规划容量参考值,在每次迭代中,调整储能规划容量,基于调整后的储能规划容量利用所述基于逐日滚动的电力***时序生产模拟模型计算相应的新能源消纳值;
以及,储能规划容量确定模块,被配置用于,将迭代优化所得的最优储能规划容量,作为目标规划时段的储能规划容量。
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,该计算机程序被处理器执行时,实现如权利要求1-8任一项所述的基于电力***时序生产模拟的储能容量优化配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211163037.7A CN115425668A (zh) | 2022-09-23 | 2022-09-23 | 一种基于电力***时序生产模拟的储能容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211163037.7A CN115425668A (zh) | 2022-09-23 | 2022-09-23 | 一种基于电力***时序生产模拟的储能容量优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115425668A true CN115425668A (zh) | 2022-12-02 |
Family
ID=84203371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211163037.7A Pending CN115425668A (zh) | 2022-09-23 | 2022-09-23 | 一种基于电力***时序生产模拟的储能容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115425668A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115566680A (zh) * | 2022-12-05 | 2023-01-03 | 中国电力科学研究院有限公司 | 一种新能源电力***时序生产模拟运行优化方法及装置 |
CN115879330A (zh) * | 2023-02-28 | 2023-03-31 | 南方电网数字电网研究院有限公司 | 基于时序生产仿真的多能源电源多点布局确定方法和装置 |
CN116611711A (zh) * | 2023-07-05 | 2023-08-18 | 深圳海辰储能控制技术有限公司 | 储能项目分析***、方法、设备及可读存储介质 |
-
2022
- 2022-09-23 CN CN202211163037.7A patent/CN115425668A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115566680A (zh) * | 2022-12-05 | 2023-01-03 | 中国电力科学研究院有限公司 | 一种新能源电力***时序生产模拟运行优化方法及装置 |
CN115879330A (zh) * | 2023-02-28 | 2023-03-31 | 南方电网数字电网研究院有限公司 | 基于时序生产仿真的多能源电源多点布局确定方法和装置 |
CN115879330B (zh) * | 2023-02-28 | 2023-12-12 | 南方电网数字电网研究院有限公司 | 基于时序生产仿真的多能源电源多点布局确定方法和装置 |
CN116611711A (zh) * | 2023-07-05 | 2023-08-18 | 深圳海辰储能控制技术有限公司 | 储能项目分析***、方法、设备及可读存储介质 |
CN116611711B (zh) * | 2023-07-05 | 2023-10-13 | 深圳海辰储能控制技术有限公司 | 储能项目分析***、方法、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115425668A (zh) | 一种基于电力***时序生产模拟的储能容量优化配置方法 | |
CN112491043B (zh) | 一种新能源富集电网电源规划方法及*** | |
Lu et al. | Day-ahead optimal dispatching of multi-source power system | |
CN111555281A (zh) | 一种电力***灵活性资源配置仿真方法及装置 | |
CN111245024B (zh) | 基于模型预测控制的综合能源***鲁棒优化运行方法 | |
JP2023042528A (ja) | クラスタ学習に基づく低炭素cspシステム協調的最適化方法及び装置 | |
CN112186734B (zh) | 一种电力***中长期运行模拟方法、储存介质及计算设备 | |
CN105244870A (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 | |
CN111985805A (zh) | 综合能源***动态需求响应的方法及*** | |
Zeng et al. | Stochastic economic dispatch strategy based on quantile regression | |
Zhang et al. | Frequency-constrained unit commitment for power systems with high renewable energy penetration | |
CN116681171A (zh) | 一种多场景综合能源***分布鲁棒优化调度方法和*** | |
Su et al. | Research on robust stochastic dynamic economic dispatch model considering the uncertainty of wind power | |
CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
CN113435659B (zh) | 基于场景分析的综合能源***两阶段优化运行方法及*** | |
CN110867907A (zh) | 一种基于多类型发电资源同质化的电力***调度方法 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源***优化配置方法 | |
CN112085399A (zh) | 能源***可靠性确定方法、装置和设备 | |
Zhang et al. | Data-Driven Distributionally Robust Optimization-Based Coordinated Dispatching for Cascaded Hydro-PV-PSH Combined System | |
CN110829484A (zh) | 一种基于时空分解的全球能源互联电力平衡优化方法 | |
Zhou et al. | Wind Power Penetration Limit Calculation of Black-Start Based on Copula Theory | |
CN116629633B (zh) | 含智能楼宇的adn分布式光伏最大准入容量计算方法及*** | |
CN112818559B (zh) | 基于随机微分方程的区域综合能源连续调度方法及其*** | |
CN114977235B (zh) | 一种基于变速抽水蓄能的多能源电力优化调度方法及*** | |
Yuqin et al. | Multi objective optimal operation of integrated electricity-gas system considering emission of pollutant gas |
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 |