CN117114281A - 一种灵活资源多阶段规划方案的确定方法 - Google Patents
一种灵活资源多阶段规划方案的确定方法 Download PDFInfo
- Publication number
- CN117114281A CN117114281A CN202310912077.5A CN202310912077A CN117114281A CN 117114281 A CN117114281 A CN 117114281A CN 202310912077 A CN202310912077 A CN 202310912077A CN 117114281 A CN117114281 A CN 117114281A
- Authority
- CN
- China
- Prior art keywords
- stage
- day
- planning
- constraint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004146 energy storage Methods 0.000 claims description 79
- 230000009466 transformation Effects 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 18
- 238000007599 discharging Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001568 sexual effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
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
- G06Q10/06313—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种灵活资源多阶段规划方案的确定方法,第一步确定规划年的典型日集合,第二步根据某一典型日数据、现有灵活资源配置、新能源装机容量求解灵活资源多阶段规划模型,灵活资源多阶段规划模型以规划阶段投资成本、日前阶段调度成本、日内阶段运行成本之和最小为目标构建得到,重复第二步直至典型日集合遍历完成,得到规划年的灵活资源规划方案。本设计将灵活资源规划问题划分为典型日规划投资、日前调度、日内运行三个阶段,以三个阶段的总成本最小为目标,构建基于多时间尺度的灵活资源多阶段规划模型,能够更好的模拟电网实际运行过程,提升了电力***灵活资源规划准确度。
Description
技术领域
本发明属于电力***规划技术领域,具体涉及一种灵活资源多阶段规划方案的确定方法。
背景技术
构建以新能源为主体的新型电力***是实现能源转型的必要途径。然而,随着新能源装机容量的快速增长,电力***灵活资源缺口的不断扩大,导致新能源承载能力不足,给电力***的转型升级带来了巨大挑战。为应对上述挑战,亟需对火电灵活性改造、储能电站建设等灵活资源进行规划,从而显著提升电力***运行灵活性,实现灵活资源与新能源的协同发展。
中国专利:申请号202010543532.5的发明公开了一种基于多阶段随机规划理论的电源及电力流结构优化方法,采用蒙特卡洛模拟法生成场景;采用快速前向场景树消减算法消减场景,获得场景树,获得场景树中各个节点用电量预测误差的取值以及取值概率;建立电源及电力流结构多阶段随机优化模型;将场景树中各个节点用电量预测误差的取值以及取值概率带入电源及电力流结构多阶段随机优化模型中,求解电源及电力流结构多阶段随机优化模型,得到优化方案集合,该方法在未来可再生能源快速发展以及用电量增长含有不确定性的环境下,能合理考虑可再生能源接入对电网调峰带来的影响,提供了面对不确定性时的优化方案集合,但仍然存在以下问题:
1、现有方法针对多区域大***的传统电源和可再生能源进行规划,没有对火电灵活性改造、储能电站进行规划;
2、现有方法对于电力***规划问题没有以实际中电力***运行过程为基础,从多时间尺度划分,导致规划结果准确度较差,而且是以年为单位划分阶段构建场景树,要使用多阶段随机规划模型至少是三个阶段及以上,即三年及以上规划期,因此,现有方法对于随机变量不确定性描述不够清晰,规划颗粒度粗;
3、现有方法中的多阶段随机优化模型缺乏新能源承载能力约束,未充分考虑新能源承载能力的影响。
发明内容
本发明的目的是克服现有技术存在的上述问题,提供一种能模拟电网实际运行过程、提高规划结果准确度的灵活资源多阶段规划方案的确定方法。
为实现以上目的,本发明提供了以下技术方案:
一种灵活资源多阶段规划方案的确定方法,所述确定方法依次按照以下步骤进行:
S1、确定规划年的典型日集合;
S2、根据某一典型日数据、现有灵活资源配置、新能源装机容量求解灵活资源多阶段规划模型,所述灵活资源多阶段规划模型以规划阶段投资成本、日前阶段调度成本、日内阶段运行成本之和最小为目标构建得到;
S3、重复步骤S2直至典型日集合遍历完成,得到规划年的灵活资源配置规划方案。
所述确定方法还包括:
S4、判断规划年在由步骤S3得到的规划方案下的新能源发电量占比是否达到预设的新能源发电量占比,若未达到则进入步骤S5,若达到则进入步骤S6;
S5、增大新能源装机容量后返回步骤S2;
S6、输出规划年的灵活资源规划方案。
步骤S2中,所述灵活资源多阶段规划模型为:
min f=f1+f2+f3
上式中,f1、f2、f3分别表示规划阶段投资成本、日前阶段调度成本、日内阶段运行成本,Ωb、Ωg分别表示待规划的储能电站集合、火电机组灵活性改造集合,分别表示储能电站、火电机组灵活性改造的单位投资成本,/>分别表示储能电站、火电机组灵活性改造的新增容量,y、r分别表示新增灵活资源的使用年限与贴现率,分别表示第j个火电机组的单位启动成本、停机成本与燃料成本,/>分别表示第j个火电机组在日前阶段、日内阶段的预调度出力、部署备用容量,分别表示第k个储能电站的单位运行成本、日内阶段的充电功率、日内阶段的放电功率,/>分别表示第i个节点处可中断负荷的单位补偿成本与日内阶段参与需求响应的中断量,/>分别表示在新能源限电、强制切负荷的惩罚成本因子,分别表示日内阶段第m个新能源机组的新能源限电量、第i个节点处的强制切负荷量,T表示模拟运行时间,ω、Nω分别表示日内阶段场景树中第ω个场景、日内阶段场景树中场景集合,ρω表示第ω个场景概率,Ng、Nb、Nd、Nre分别表示火电机组集合、储能电站集合、负荷节点集合、新能源机组集合。
所述灵活资源多阶段规划模型包括规划阶段约束、日前阶段约束、日内阶段约束,其中,
所述规划阶段约束包括灵活资源的规划容量约束、***正负备用约束;
所述日前阶段约束包括日前阶段潮流约束、日前阶段新能源约束、火电机组约束、日前阶段储能电站约束;
所述日内阶段约束包括日内阶段潮流约束、火电机组部署备用容量限制、日内阶段储能电站约束、日前阶段新能源约束、***约束。
所述灵活资源的规划容量约束为:
上式中,分别表示新增第k个储能电站的建设容量上、下限,/>表示第d日第k个储能电站的新增装机容量,/>分别表示第k个储能电站的最终装机容量、已有装机容量,/>表示第d日第j个火电机组的新增灵活性改造容量,/>表示第d日第j个火电机组的最小技术出力,/>分别表示第j个火电机组未实施与实施灵活性改造后的最小技术出力,/>表示第d日、第d-1日第j个火电机组的灵活性改造方案;
所述***正负备用约束为:
上式中,分别为最大负荷值、正备用要求系数、负备用要求系数,/>为第j个火电机组的最大技术出力,/>表示新能源装机容量,/>分别为第j个火电机组、第k个储能电站提供负备用能力系数,/>分别为第k个储能电站的最大充放电功率;
所述日前阶段潮流约束为:
上式中,表示一个典型日内t时刻的火电机组出力大小,/>分别表示第m个新能源机组预测出力、预限电,/>分别表示第k个储能电站预充、放电功率,分别表示第i个节点处负荷、第i个节点电压相位大小、第n个节点电压相位大小,/>表示***支路in允许流通的功率上限,Bin为节点电纳矩阵,/>Λi分别表示与第i个节点相连的火电机组集合、新能源集合、储能电站集合以及节点集合;
所述日前阶段新能源约束为:
所述火电机组约束为:
上式中,表示考虑启停状态与灵活性改造的火电机组最低出力下限,分别为第j个火电机组在t时刻、t-1时刻启停状态的0-1变量,M表示一个很大的常数,/>分别为第j个火电机组的向上、向下最大爬坡率,/>分别为第j个火电机组的单位启动、关停成本,MinUpi、MinDni分别为第j个火电机组允许的最小启动、关停时间间隔;
所述日前阶段储能电站约束为:
上式中,表示第k个储能电站在t时刻的充放电状态的0-1变量,/> SOC k分别为储能电站荷电状态上、下限,/>为第k个储能电站在t时刻、t-1时刻的电量状态,分别为一个典型日起始与结束时刻的第k个储能电站的能量大小,/>分别为储能电站的充、放电效率,Δt为调度时间间隙;
所述日内阶段潮流约束为:
上式中,分别表示在第ω个日内场景的t时刻第j个火电机组部署的备用容量、第k个储能电站的充电功率、第k个储能电站的放电功率、第m个新能源机组的有功出力、第m个新能源机组的限电量、第i个节点处负荷、第i个节点电压相位大小,/>为日内阶段第ω个场景中***第n个节点的电压相位大小;
所述火电机组部署备用容量限制为:
所述日内阶段储能电站约束为:
上式中,分别为第k个储能电站在第ω个日内场景的t时刻、t-1时刻的电量状态;
所述日前阶段新能源约束为:
所述***约束为:
上式中,为第i个节点处可中断负荷上限,γU、γD分别表示***所允许的上、下调灵活性不足期望上限系数。
所述灵活资源多阶段规划模型应满足非预期性条件:
上式中,x为日内阶段需要满足非预期性条件的决策变量集,为日内阶段场景ω的决策变量集,/>为日内阶段场景/>的决策变量集,且场景/>包含于场景ω。
所述灵活资源多阶段规划模型还包括新能源装机占比约束、发电量占比约束。
所述新能源装机占比约束为:
上式中,分别表示第y年新能源的装机容量、火电机组装机容量,αy为第y年新能源装机占比要求;
所述发电量占比约束为:
上式中,βy为第y年新能源发电量占比要求,分别表示第y年新能源、火电机组的实际发电量。
所述日内阶段场景树的生成方法包括:
a.根据典型日新能源历史出力数据将典型日划分为多个子时段;
b.对子时段抽样生成多个新能源出力场景,然后对生成的新能源出力场景进行聚类,完成场景削减;
c.以日前阶段预测出力为根节点,以各子时段中经削减后的新能源出力场景作为子节点,生成场景树。
步骤S2中,采用CPLEX求解器求解灵活资源多阶段规划模型。
与现有技术相比,本发明的有益效果为:
1、本发明一种灵活资源多阶段规划方案的确定方法,第一步确定规划年的典型日集合,第二步根据某一典型日数据、现有灵活资源配置、新能源装机容量求解灵活资源多阶段规划模型,灵活资源多阶段规划模型以规划阶段投资成本、日前阶段调度成本、日内阶段运行成本之和最小为目标构建得到,重复第二步直至典型日集合遍历完成,得到规划年的灵活资源规划方案;灵活资源规划方案用于统筹规划火电灵活性改造、储能电站建设,优化电力***灵活资源结构,实现灵活资源与新能源的协同发展,该设计将灵活资源规划问题划分为典型日规划投资、日前调度、日内运行三个阶段,以三个阶段的总成本最小为目标,构建基于多时间尺度的灵活资源多阶段规划模型,能够更好的模拟电网实际运行过程,提升了电力***灵活资源规划的准确度。因此,本发明提升了电力***灵活资源规划的准确度。
2、本发明一种灵活资源多阶段规划方案的确定方法中,在典型日的日内阶段应用场景树对新能源发电预测误差进行场景生成与削减;该设计通过场景树描述新能源的不确定性,能够体现新能源不确定性对电网模拟运行的影响,而且相比传统技术中以年度为单位应用场景树,本设计以典型日为单位应用场景树,颗粒度更细,能更精确的描述新能源不确定性,鲁棒性好、误差小。因此,本发明能够更精确的描述新能源不确定性,颗粒度更细,规划鲁棒性好、误差小。
3、本发明一种灵活资源多阶段规划方案的确定方法中,灵活资源多阶段规划模型还包含新能源装机占比约束、发电量占比约束;该设计通过新能源装机占比约束、发电量占比约束保证输出的灵活资源规划方案能够满足新能源承载能力要求。因此,本发明得到灵活资源规划方案能够满足新能源承载能力。
附图说明
图1为实施例1的流程图。
图2为实施例1中IEEE 39节点***结构图。
图3为实施例1中日内阶段场景树的生成流程图。
图4为实施例1输出的灵活资源规划方案。
图5为由实施例1输出的灵活资源规划方案下的灵活资源投资成本、运行成本与总成本。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步的说明。
参见图1,以Yb为基准年,对由规划年Yb+1、Yb+2、Yb+3组成的规划年集合,在IEEE39节点***上应用本发明一种灵活资源多阶段规划方案的确定方法进行灵活资源规划,所述IEEE 39节点***结构如图2所示、***参数如表1所示,该***包括6个未进行灵活性改造的火电机组、3个风电场以及3个储能电站,负荷总量为2000MW,所述6个火电机组参数如表2所示:
表1***参数
参数 | 数值 | 参数 | 数值 |
火电灵活性改造成本 | 90万元/MW | 火电单位启停成本 | 2000元/次 |
储能建设成本 | 150万元/MWh | 火电单位运行成本 | 530元/MWh |
火电使用年限 | 20年 | 储能单位运行成本 | 60元/MWh |
储能使用年限 | 10年 | 可中断负荷单位补偿成本 | 600元/MWh |
贴现率 | 6% | 新能源限电单位惩罚成本 | 830元/MWh |
正负备用系数 | 30% | 强制切负荷单位惩罚成本 | 2000元/MWh |
表2 6个火电机组参数
序号 | 接入节点 | 额定容量/MW | 爬坡率/(MW/h) | 最小启停时间/h |
1 | 30 | 500 | 250 | 2 |
2 | 31 | 400 | 200 | 2 |
3 | 32 | 400 | 200 | 2 |
4 | 35 | 350 | 170 | 2 |
5 | 36 | 300 | 150 | 2 |
6 | 37 | 250 | 100 | 2 |
所述一种灵活资源多阶段规划方案的确定方法,具体按照以下步骤进行:
S1、确定规划年集合中各规划年的典型日集合,所述典型日集合根据新能源与负荷的历史运行数据利用k-means聚类算法得到;
S2、根据某一规划年的某一典型日数据、现有灵活资源配置、新能源装机容量采用CPLEX求解器求解灵活资源多阶段规划模型,重复本步骤直至该规划年的典型日集合遍历完成,得到该规划年的灵活资源规划方案;
所述灵活资源多阶段规划模型由规划阶段、日前阶段、日内阶段三个阶段组成,所述规划阶段用于根据灵活资源需求确定待规划灵活资源情况,所述日前阶段用于根据新能源预测出力、负荷需求确定***调度策略,所述日内阶段用于根据日内调度结果确定灵活资源部署备用情况,通过在日内阶段应用场景树来描述随机变量的不确定性,如图3所示,所述场景树的生成过程如下:
a.根据典型日新能源历史出力数据将每个典型日划分为多个子时段;
b.为获取新能源的波动性,令新能源发电的预测误差服从正态分布,日前阶段的新能源预测值唯一,对子时段采用超拉丁立方LHS抽样生成多个新能源出力场景,然后对生成的新能源出力场景进行采用K-means聚类,完成场景削减;
c.以日前阶段预测出力为根节点,以各子时段中经削减后的新能源出力场景作为子节点,生成场景树;
所述灵活资源多阶段规划模型为:
minf=f1+f2+f3
上式中,f1、f2、f3分别表示规划阶段投资成本、日前阶段调度成本、日内阶段运行成本,Ωb、Ωg分别表示待规划的储能电站集合、火电机组灵活性改造集合,分别表示储能电站、火电机组灵活性改造的单位投资成本,/>分别表示储能电站、火电机组灵活性改造的新增容量,y、r分别表示新增灵活资源的使用年限与贴现率,分别表示第j个火电机组的单位启动成本、停机成本与燃料成本,/>分别表示第j个火电机组在日前阶段、日内阶段的预调度出力、部署备用容量,分别表示第k个储能电站的单位运行成本、日内阶段的充电功率、日内阶段的放电功率,/>分别表示第i个节点处可中断负荷的单位补偿成本与日内阶段参与需求响应的中断量,/>分别表示在新能源限电、强制切负荷的惩罚成本因子,分别表示日内阶段第m个新能源机组的新能源限电量、第i个节点处的强制切负荷量,T表示模拟运行时间,ω、Nω分别表示日内阶段场景树中第ω个场景、日内阶段场景树中场景集合,ρω表示第ω个场景概率,Ng、Nb、Nd、Nre分别表示火电机组集合、储能电站集合、负荷节点集合、新能源机组集合;
所述灵活资源多阶段规划模型包括规划阶段约束、日前阶段约束、日内阶段约束、新能源装机占比约束、发电量占比约束,其中,所述规划阶段约束包括灵活资源的规划容量约束、***正负备用约束,所述灵活资源的规划容量约束包括储能电站规划容量约束、火电灵活性改造规划容量约束,所述日前阶段约束包括日前阶段潮流约束、日前阶段新能源约束、火电机组约束、日前阶段储能电站约束,所述日前阶段潮流约束包括日前阶段节点有功平衡约束、日前阶段支路潮流约束,所述日内阶段约束包括日内阶段潮流约束、火电机组部署备用容量限制、日内阶段储能电站约束、日前阶段新能源约束、***约束,所述日内阶段潮流约束包括日内阶段节点有功平衡约束、日内阶段支路潮流约束,所述***约束包括需求响应类可中断负荷限制、***灵活性供需约束,所述储能电站规划容量约束为:
上式中,分别表示新增第k个储能电站的建设容量上、下限,/>表示第d日第k个储能电站的新增装机容量,/>分别表示第k个储能电站的最终装机容量、已有装机容量;;
所述火电灵活性改造规划容量约束为:
上式中,表示第d日第j个火电机组的新增灵活性改造容量,/>表示第d日第j个火电机组的最小技术出力,/>分别表示第j个火电机组未实施与实施灵活性改造后的最小技术出力,/>表示第d日、第d-1日第j个火电机组的灵活性改造方案;
所述***正负备用约束为:
上式中,分别为最大负荷值、正备用要求系数、负备用要求系数,/>为第j个火电机组的最大技术出力,/>表示新能源装机容量,/>分别为第j个火电机组、第k个储能电站提供负备用能力系数,/>分别为第k个储能电站的最大充放电功率;
所述日前阶段节点有功平衡约束为:
上式中,表示一个典型日内t时刻的火电机组出力大小,/>分别表示第m个新能源机组预测出力、预限电,/>分别表示第k个储能电站预充、放电功率,分别表示第i个节点处负荷、第i个节点电压相位大小、第n个节点电压相位大小;
所述日前阶段支路潮流约束为:
上式中,表示***支路in允许流通的功率上限,Bin为节点电纳矩阵,/> Λi分别表示与第i个节点相连的火电机组集合、新能源集合、储能电站集合以及节点集合;
所述日前阶段新能源约束为:
所述火电机组约束为:
上式中,表示考虑启停状态与灵活性改造的火电机组最低出力下限,分别为第j个火电机组在t时刻、t-1时刻启停状态的0-1变量,M表示一个很大的常数,/>分别为第j个火电机组的向上、向下最大爬坡率,/>分别为第j个火电机组的单位启动、关停成本,MinUpi、MinDni分别为第j个火电机组允许的最小启动、关停时间间隔;
所述日前阶段储能电站约束为:
/>
上式中,表示第k个储能电站在t时刻的充放电状态的0-1变量,/> SOC k分别为储能电站荷电状态上、下限,/>为第k个储能电站在t时刻、t-1时刻的电量状态,分别为一个典型日起始与结束时刻的第k个储能电站的能量大小,/>分别为储能电站的充、放电效率,Δt为调度时间间隙;
所述日内阶段节点有功平衡为:
上式中,分别表示在第ω个日内场景的t时刻第j个火电机组部署的备用容量、第k个储能电站的充电功率、第k个储能电站的放电功率、第m个新能源机组的有功出力、第m个新能源机组的限电量、第i个节点处负荷、第i个节点电压相位大小,/>为日内阶段第ω个场景中***第n个节点的电压相位大小;
所述日内阶段支路潮流约束为:
所述火电机组部署备用容量限制为:
所述日内阶段储能电站约束为:
上式中,分别为第k个储能电站在第ω个日内场景的t时刻、t-1时刻的电量状态;
所述日前阶段新能源约束为:
/>
所述需求响应类可中断负荷限制为:
上式中,为第i个节点处可中断负荷上限;
所述***灵活性供需约束为:
上式中,γU、γD分别表示***所允许的上、下调灵活性不足期望上限系数;
所述新能源装机占比约束为:
上式中,分别表示第y年新能源的装机容量、火电机组装机容量,αy为第y年新能源装机占比要求;
所述发电量占比约束为:
上式中,βt为第t年新能源发电量占比要求,分别表示第t年新能源、火电机组的实际发电量;
所述灵活资源多阶段规划模型应满足非预期性条件:
上式中,x为日内阶段需要满足非预期性条件的决策变量集,为日内阶段场景ω的决策变量集,/>为日内阶段场景/>的决策变量集,且场景/>包含于场景ω;
所述典型日数据包括典型日当日的新能源日前阶段数据、日内阶段场景树、负荷数据,所述新能源装机容量根据以下公式计算得到:
新能源装机容量占比=新能源装机容量/(新能源装机容量+传统机组装机容量);
S4、判断该规划年在由步骤S3得到的规划方案下的新能源发电量占比是否达到预设的新能源发电量占比,若未达到则进入步骤S5,若达到则进入步骤S6;
S5、增大新能源装机容量后返回步骤S2;
S6、循环重复步骤S2-S5直至规划年集合遍历完成,输出灵活资源规划方案,该灵活资源规划方案如图4所示,计算得到该灵活资源规划方案下灵活资源投资成本(f1)、运行成本(f2+f3)与总成本(f)如图5所示;
由图4和图5可知,由实施例得到的灵活资源规划方案为先投资火电灵活性改造然后投资储能,规划期限内的投资成本逐年上升的同时运行成本、总成本逐年下降;这是因为随着规划年限新能源装机容量占比的提升,先进行成本较低的火电机组灵活性改造然后投资成本较高的储能,会使投资成本逐年上升,同时随着新能源承载能力的提升,低成本新能源发电大幅度渗透,高成本的火电等传统能源出力下降,使得运行成本、总成本逐年下降;综上所述,本发明所述灵活资源多阶段规划方案的确定方法的适应性较好,能够有效提升***灵活性与整体经济性。
Claims (10)
1.一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述确定方法依次按照以下步骤进行:
S1、确定规划年的典型日集合;
S2、根据某一典型日数据、现有灵活资源配置、新能源装机容量求解灵活资源多阶段规划模型,所述灵活资源多阶段规划模型以规划阶段投资成本、日前阶段调度成本、日内阶段运行成本之和最小为目标构建得到;
S3、重复步骤S2直至典型日集合遍历完成,得到规划年的灵活资源配置规划方案。
2.根据权利要求1所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述确定方法还包括:
S4、判断规划年在由步骤S3得到的规划方案下的新能源发电量占比是否达到预设的新能源发电量占比,若未达到则进入步骤S5,若达到则进入步骤S6;
S5、增大新能源装机容量后返回步骤S2;
S6、输出规划年的灵活资源规划方案。
3.根据权利要求1或2所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
步骤S2中,所述灵活资源多阶段规划模型为:
minf=f1+f2+f3
上式中,f1、f2、f3分别表示规划阶段投资成本、日前阶段调度成本、日内阶段运行成本,Ωb、Ωg分别表示待规划的储能电站集合、火电机组灵活性改造集合,分别表示储能电站、火电机组灵活性改造的单位投资成本,/>分别表示储能电站、火电机组灵活性改造的新增容量,y、r分别表示新增灵活资源的使用年限与贴现率,分别表示第j个火电机组的单位启动成本、停机成本与燃料成本,/>分别表示第j个火电机组在日前阶段、日内阶段的预调度出力、部署备用容量,分别表示第k个储能电站的单位运行成本、日内阶段的充电功率、日内阶段的放电功率,/>分别表示第i个节点处可中断负荷的单位补偿成本与日内阶段参与需求响应的中断量,/>分别表示在新能源限电、强制切负荷的惩罚成本因子,分别表示日内阶段第m个新能源机组的新能源限电量、第i个节点处的强制切负荷量,T表示模拟运行时间,ω、Nω分别表示日内阶段场景树中第ω个场景、日内阶段场景树中场景集合,ρω表示第ω个场景概率,Ng、Nb、Nd、Nre分别表示火电机组集合、储能电站集合、负荷节点集合、新能源机组集合。
4.根据权利要求3所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述灵活资源多阶段规划模型包括规划阶段约束、日前阶段约束、日内阶段约束,其中,
所述规划阶段约束包括灵活资源的规划容量约束、***正负备用约束;
所述日前阶段约束包括日前阶段潮流约束、日前阶段新能源约束、火电机组约束、日前阶段储能电站约束;
所述日内阶段约束包括日内阶段潮流约束、火电机组部署备用容量限制、日内阶段储能电站约束、日前阶段新能源约束、***约束。
5.根据权利要求4所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述灵活资源的规划容量约束为:
上式中,分别表示新增第k个储能电站的建设容量上、下限,/>表示第d日第k个储能电站的新增装机容量,/>分别表示第k个储能电站的最终装机容量、已有装机容量,/>表示第d日第j个火电机组的新增灵活性改造容量,/>表示第d日第j个火电机组的最小技术出力,/>分别表示第j个火电机组未实施与实施灵活性改造后的最小技术出力,/>表示第d日、第d-1日第j个火电机组的灵活性改造方案;
所述***正负备用约束为:
上式中,分别为最大负荷值、正备用要求系数、负备用要求系数,/>为第j个火电机组的最大技术出力,/>表示新能源装机容量,/>分别为第j个火电机组、第k个储能电站提供负备用能力系数,/>分别为第k个储能电站的最大充放电功率;
所述日前阶段潮流约束为:
上式中,表示一个典型日内t时刻的火电机组出力大小,/>分别表示第m个新能源机组预测出力、预限电,/>分别表示第k个储能电站预充、放电功率,分别表示第i个节点处负荷、第i个节点电压相位大小、第n个节点电压相位大小,/>表示***支路in允许流通的功率上限,Bin为节点电纳矩阵,/>Λi分别表示与第i个节点相连的火电机组集合、新能源集合、储能电站集合以及节点集合;
所述日前阶段新能源约束为:
所述火电机组约束为:
上式中,表示考虑启停状态与灵活性改造的火电机组最低出力下限,/>分别为第j个火电机组在t时刻、t-1时刻启停状态的0-1变量,M表示一个很大的常数,分别为第j个火电机组的向上、向下最大爬坡率,/>分别为第j个火电机组的单位启动、关停成本,MinUpi、MinDni分别为第j个火电机组允许的最小启动、关停时间间隔;
所述日前阶段储能电站约束为:
上式中,表示第k个储能电站在t时刻的充放电状态的0-1变量,/> SOC k分别为储能电站荷电状态上、下限,/>为第k个储能电站在t时刻、t-1时刻的电量状态,分别为一个典型日起始与结束时刻的第k个储能电站的能量大小,/>分别为储能电站的充、放电效率,Δt为调度时间间隙;
所述日内阶段潮流约束为:
上式中,分别表示在第ω个日内场景的t时刻第j个火电机组部署的备用容量、第k个储能电站的充电功率、第k个储能电站的放电功率、第m个新能源机组的有功出力、第m个新能源机组的限电量、第i个节点处负荷、第i个节点电压相位大小,/>为日内阶段第ω个场景中***第n个节点的电压相位大小;
所述火电机组部署备用容量限制为:
所述日内阶段储能电站约束为:
上式中,分别为第k个储能电站在第ω个日内场景的t时刻、t-1时刻的电量状态;
所述日前阶段新能源约束为:
所述***约束为:
上式中,为第i个节点处可中断负荷上限,γU、γD分别表示***所允许的上、下调灵活性不足期望上限系数。
6.根据权利要求5所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述灵活资源多阶段规划模型应满足非预期性条件:
上式中,x为日内阶段需要满足非预期性条件的决策变量集,为日内阶段场景ω的决策变量集,/>为日内阶段场景/>的决策变量集,且场景/>包含于场景ω。
7.根据权利要求3所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述灵活资源多阶段规划模型还包括新能源装机占比约束、发电量占比约束。
8.根据权利要求7所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述新能源装机占比约束为:
上式中,分别表示第y年新能源的装机容量、火电机组装机容量,αy为第y年新能源装机占比要求;
所述发电量占比约束为:
上式中,βy为第y年新能源发电量占比要求,分别表示第y年新能源、火电机组的实际发电量。
9.根据权利要求3所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
所述日内阶段场景树的生成方法包括:
a.根据典型日新能源历史出力数据将典型日划分为多个子时段;
b.对子时段抽样生成多个新能源出力场景,然后对生成的新能源出力场景进行聚类,完成场景削减;
c.以日前阶段预测出力为根节点,以各子时段中经削减后的新能源出力场景作为子节点,生成场景树。
10.根据权利要求1或2所述的一种灵活资源多阶段规划方案的确定方法,其特征在于:
步骤S2中,采用CPLEX求解器求解灵活资源多阶段规划模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912077.5A CN117114281A (zh) | 2023-07-24 | 2023-07-24 | 一种灵活资源多阶段规划方案的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912077.5A CN117114281A (zh) | 2023-07-24 | 2023-07-24 | 一种灵活资源多阶段规划方案的确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117114281A true CN117114281A (zh) | 2023-11-24 |
Family
ID=88804629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310912077.5A Pending CN117114281A (zh) | 2023-07-24 | 2023-07-24 | 一种灵活资源多阶段规划方案的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114281A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540882A (zh) * | 2024-01-09 | 2024-02-09 | 国网经济技术研究院有限公司 | 基于随机场景生成的电力***日前多阶段优化调度方法 |
-
2023
- 2023-07-24 CN CN202310912077.5A patent/CN117114281A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540882A (zh) * | 2024-01-09 | 2024-02-09 | 国网经济技术研究院有限公司 | 基于随机场景生成的电力***日前多阶段优化调度方法 |
CN117540882B (zh) * | 2024-01-09 | 2024-03-15 | 国网经济技术研究院有限公司 | 基于随机场景生成的电力***日前多阶段优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767078B (zh) | 一种基于混合整数规划的多类型电源检修安排方法 | |
Sarvi et al. | An optimized fuzzy logic controller by water cycle algorithm for power management of stand-alone hybrid green power generation | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
CN111555281A (zh) | 一种电力***灵活性资源配置仿真方法及装置 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
CN115117940A (zh) | 考虑风电、光伏及负荷不确定的风光水火储***低碳调度模型建模方法 | |
CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
Hu et al. | Adaptive time division power dispatch based on numerical characteristics of net loads | |
CN117913914A (zh) | 基于电量分类的一体化项目并网多时段调度方法及装置 | |
CN113394808A (zh) | 清洁能源基地的发电调度方法和装置 | |
CN115983589A (zh) | 一种长时间尺度下的多类型电源时序规划方法和*** | |
CN115085227A (zh) | 一种微电网源储容量配置方法及装置 | |
CN115459358A (zh) | 一种考虑多类新能源不同配比的储能容量优化配置方法 | |
Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
CN114465226A (zh) | 一种电力***多级备用获取联合优化模型的建立方法 | |
CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 | |
Kumar et al. | Sensitivity analysis based multi-objective economic emission dispatch in microgrid | |
CN117879063B (zh) | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 | |
CN116316740B (zh) | 一种考虑新能源影响的储能代替火电容量效率计算方法 | |
Xiang et al. | Hierarchical multi-objective unit commitment optimization considering negative peak load regulation ability | |
CN117791744B (zh) | 基于水电储能工厂的多能互补发电***电源容量配置方法 | |
CN118054466A (zh) | 一种长时氢储能运行优化方法、设备、介质及产品 |
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 |