【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及了一種風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，涉及電力優(yōu)化領(lǐng)域，具體涉及一種煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法。
技術(shù)介紹
1、近年來，受到多種因素的影響，煤炭代價參數(shù)經(jīng)歷了劇烈波動。作為一次能源的煤炭代價參數(shù)不穩(wěn)定直接導(dǎo)致了煤電機組的發(fā)電代價出現(xiàn)不規(guī)律變化。在電源結(jié)構(gòu)中，燃煤機組占有很大的比例。因此，煤炭代價參數(shù)的變化將直接影響到電力場的最終出清電量代價參數(shù)。具體來說，煤炭代價參數(shù)的提升將會帶動燃煤機組的發(fā)電代價提升，進而提升燃煤機組的當(dāng)前設(shè)定代價參數(shù)，最終使出清電量代價參數(shù)整體提升；反之，則會使出清電量代價參數(shù)整體降低。
2、當(dāng)前出清電量代價參數(shù)的變化，將會給其他發(fā)電主體的決策帶來新的影響。其中，風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)作為新興的參與者，同樣面臨著煤炭待機參數(shù)波動與當(dāng)前代價參數(shù)波動條件下的決策難題。雖然風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)具有較強的靈活調(diào)節(jié)能力，可以通過快速調(diào)整發(fā)電計劃和策略在不同的條件下獲得輸入代價。但是，目前缺乏在煤炭電量代價參數(shù)不確定性條件下風(fēng)光儲發(fā)電系統(tǒng)的出力優(yōu)化方法，使得風(fēng)光儲發(fā)電系統(tǒng)面臨較大風(fēng)險，難以實現(xiàn)最優(yōu)化。
技術(shù)實現(xiàn)思路
1、為了解決
技術(shù)介紹
中存在的問題，本專利技術(shù)所提供一種煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法。
2、本專利技術(shù)采用的技術(shù)方案是：
3、本專利技術(shù)的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，包括：
4、步驟1，建立基于煤炭場景不確定性的電力系統(tǒng)的電力出清模型，將電力系統(tǒng)中
5、步驟2，使用聚類算法獲得電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)的平均值和概率分布。
6、步驟3，建立電力系統(tǒng)中的風(fēng)光儲發(fā)電系統(tǒng)的隨機優(yōu)化模型，將電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)的平均值和概率分布輸入隨機優(yōu)化模型中，隨機優(yōu)化模型進行處理后輸出風(fēng)光儲發(fā)電系統(tǒng)的需求量和供給量，實現(xiàn)風(fēng)光儲發(fā)電系統(tǒng)的出力優(yōu)化。
7、所述的步驟1中，電力系統(tǒng)中包括煤炭電場、風(fēng)電場、水電場和風(fēng)光儲發(fā)電系統(tǒng)，電力系統(tǒng)的電力出清模型包括目標(biāo)函數(shù)和約束條件，目標(biāo)函數(shù)是最小化發(fā)電代價，在這里是多臺煤電機組的總發(fā)電代價，使用統(tǒng)一出清方式進行出清，目標(biāo)函數(shù)具體如下：
8、
9、其中，t表示煤炭電場的電力出清總時段；ng、nw和nr分別表示電力系統(tǒng)的煤炭電場集合、風(fēng)電場集合和水電場集合；和分別表示在第ω個煤炭場景下第n個煤炭電場第t個時段的預(yù)設(shè)發(fā)電量和預(yù)設(shè)電量代價參數(shù)；和分別表示第w個大型風(fēng)電場第t個時段的預(yù)設(shè)電量和預(yù)設(shè)發(fā)電量代價參數(shù)；和分別表示第r個水電場第t個時段的預(yù)設(shè)電量和預(yù)設(shè)發(fā)電量代價參數(shù)。
10、電力系統(tǒng)的電力出清模型的約束條件包括電力系統(tǒng)電量平衡和煤電機組出力上下限約束，具體如下：
11、
12、其中，dt表示電力系統(tǒng)第t個時段下的負(fù)荷需求量；和分別表示煤炭電場第t個時段下最大和最小的發(fā)電量；和分別表示大型風(fēng)電場第t個時段下最大和最小的發(fā)電量，和分別表示水電場第t個時段下最大和最小的發(fā)電量。
13、使用cplex求解器對電力出清模型進行求解后獲得電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)，每種煤炭場景下的煤炭電場的發(fā)電代價不同。
14、所述的煤炭電場的電力出清總時段t中，在第ω個煤炭場景下第n個煤炭電場的預(yù)設(shè)電量代價參數(shù)具體如下：
15、
16、其中，和分別表示在第ω個煤炭場景下第n個煤炭電場的年度和當(dāng)前發(fā)電代價；k1和k2分別表示第一階段階梯的第一和第二代價轉(zhuǎn)換系數(shù)，γ1和γ2分別表示第二階段階梯的第一和第二代價轉(zhuǎn)換系數(shù)，表示在第ω個煤炭場景下第n個煤炭電場的預(yù)設(shè)發(fā)電量，h表示煤炭電場的階段階梯發(fā)電量，表示預(yù)設(shè)代價參數(shù)區(qū)間的長度；表示正態(tài)分布采樣；和分別表示在第ω個煤炭場景下第n個煤炭電場的年度發(fā)電代價的平均值和標(biāo)準(zhǔn)差；和分別表示在第ω個煤炭場景下第n個煤炭電場的當(dāng)前發(fā)電代價的平均值和標(biāo)準(zhǔn)差。
17、所述的步驟2中，使用k-means聚類算法進行聚類獲得電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)的平均值和概率分布，具體如下：
18、
19、其中，和分別表示電力系統(tǒng)的第k類出清電量代價參數(shù)的平均值和概率，ck表示電力系統(tǒng)在第ω個煤炭場景下的出清電量代價參數(shù)的集合，nk表示電力系統(tǒng)在第ω個煤炭場景下的出清電量代價參數(shù)的集合ck中的聚類樣本數(shù)量，ntotal表示電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)的集合中的聚類樣本總數(shù)。
20、所述的步驟3中，風(fēng)光儲發(fā)電系統(tǒng)的隨機優(yōu)化模型具體如下：
21、
22、其中，fk,profit和分別表示電力系統(tǒng)在第t個時段的第k類出清電量代價參數(shù)的平均值下風(fēng)光儲發(fā)電系統(tǒng)的電量供給代價和需求代價；nt表示風(fēng)光儲發(fā)電系統(tǒng)的隨機優(yōu)化總時段；表示電力系統(tǒng)的第k類出清電量代價參數(shù)的概率；ptbid和ptask分別表示風(fēng)光儲發(fā)電系統(tǒng)第t個時段的供給量和需求量。
23、所述的步驟3中，風(fēng)光儲發(fā)電系統(tǒng)的隨機優(yōu)化模型滿足如下約束條件：
24、a)平衡約束：
25、
26、其中，和分別表示風(fēng)光儲發(fā)電系統(tǒng)的儲能第t個時段的放電量和充電量；ptwd和ptpv分別表示風(fēng)光儲發(fā)電系統(tǒng)中的風(fēng)電機組和光伏機組第t個時段的發(fā)電量。
27、b)儲能充放電約束：
28、
29、其中，和分別表示風(fēng)光儲發(fā)電系統(tǒng)的儲能最大和最小放電功率，和表示風(fēng)光儲發(fā)電系統(tǒng)的儲能最大和最小充電功率，和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)的第t個時段的儲能放電量和充電量；和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)第t個時段的儲能放電狀態(tài)變量和儲能充電狀態(tài)變量，和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)的儲能放電狀態(tài)變量和儲能充電狀態(tài)變量；和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)的第t個和第t-1個時段的儲能容量，和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)的初始狀態(tài)和結(jié)束狀態(tài)的儲能容量；η表示風(fēng)光儲發(fā)電系統(tǒng)的儲能充放電效率。
30、c)風(fēng)光出力約束：
31、由于考慮了風(fēng)光出力時的棄風(fēng)棄光情況，風(fēng)光儲發(fā)電系統(tǒng)的風(fēng)光出力要小于預(yù)測值。
32、
33、其中，和分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下風(fēng)光儲發(fā)電系統(tǒng)中的風(fēng)電機組和光伏機組第t個時段的發(fā)電量；ptwd,fore和ptpv,fore分別表示在電力系統(tǒng)第k類出清電量代價參數(shù)下第t個時段的風(fēng)光儲發(fā)電系統(tǒng)的風(fēng)機預(yù)測功率和光伏預(yù)測功率。
34、本專利技術(shù)的電子設(shè)備，包括：相互耦接的存儲器和處理器，其中，所述存儲器存儲有程序數(shù)據(jù)，所述處理器調(diào)用所述程序數(shù)據(jù)以執(zhí)行如上述所述的方本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的步驟1中，電力系統(tǒng)中包括煤炭電場、風(fēng)電場、水電場和風(fēng)光儲發(fā)電系統(tǒng)，電力系統(tǒng)的電力出清模型包括目標(biāo)函數(shù)和約束條件，目標(biāo)函數(shù)具體如下：
3.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的煤炭電場的電力出清總時段T中，在第ω個煤炭場景下第n個煤炭電場的預(yù)設(shè)電量代價參數(shù)具體如下：
4.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的步驟2中，使用K-means聚類算法進行聚類獲得電力系統(tǒng)在各種煤炭場景下的出清電量代價參數(shù)的平均值和概率分布，具體如下：
5.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的步驟3中，風(fēng)光儲發(fā)電系統(tǒng)的隨機優(yōu)化模型具體如下：
6.根據(jù)權(quán)利要求5所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的
7.一種電子設(shè)備，其特征在于，包括：相互耦接的存儲器和處理器，其中，所述存儲器存儲有程序數(shù)據(jù)，所述處理器調(diào)用所述程序數(shù)據(jù)以執(zhí)行如權(quán)利要求1-6中任一項所述的方法。
8.一種計算機可讀存儲介質(zhì)，其上存儲有程序數(shù)據(jù)，其特征在于，所述程序數(shù)據(jù)被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一項所述的方法。
...【技術(shù)特征摘要】
1.一種煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的步驟1中，電力系統(tǒng)中包括煤炭電場、風(fēng)電場、水電場和風(fēng)光儲發(fā)電系統(tǒng)，電力系統(tǒng)的電力出清模型包括目標(biāo)函數(shù)和約束條件，目標(biāo)函數(shù)具體如下：
3.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的煤炭電場的電力出清總時段t中，在第ω個煤炭場景下第n個煤炭電場的預(yù)設(shè)電量代價參數(shù)具體如下：
4.根據(jù)權(quán)利要求1所述的煤炭場景不確定性影響下風(fēng)光儲發(fā)電系統(tǒng)出力優(yōu)化方法，其特征在于：所述的步驟2中，使用k-means聚類算法進行聚類獲得電力系統(tǒng)在各種煤炭場景...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：穆煜濤，包銘磊，孟憲博，吳佳昊，倪秋龍，葉琳，吳振杰，廖培，李城達，張智光，夏衍，陸夢可，董航，許鵬，錢曉偉，吳汕，
申請(專利權(quán))人：浙江大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。