电力系统短期生产模拟是电力系统运行模拟的重要工具,对电力系统短期调度过程进行模拟,可以预测最优运行方式下系统各机组运行状态、出力分配、备用预留和调用及生产成本等情况,为验证运行计划的合理性提供依据[1 ] .
目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究.
随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究.
在上述背景下,考虑风光的间歇性和随机性以及电制氢系统(Electricity-to-Hydrogen System,EHS)、抽蓄电站的储能和灵活运行特性,开展以新能源为主体的风电-光伏-电制氢-抽蓄零碳电力系统短期生产模拟模型研究非常必要.为此,提出一种含柔性氢负荷-抽蓄电站的零碳电力系统短期生产模拟模型,探索风电-光伏-电制氢-抽蓄零碳电力系统短期生产模拟的应用场景.以我国张北零碳电力系统示范工程为例,分析运行方式、抽蓄容量配置、变速抽蓄占比以及氢负荷需求对系统综合效益的影响情况.仿真研究表明:所提短期生产模拟模型能够为风电-光伏-电制氢-抽蓄零碳电力系统运行计划的合理性提供模拟验证手段,为能源清洁化转型提供决策依据.
1 风电-光伏-电制氢-抽蓄零碳电力系统
EHS主要由电解槽、压缩机、储氢罐构成.电解水制取的氢气能够长期大容量储存且具有多样的应用场景,容量配置和空间布置也十分灵活.碱式电解槽是在制氢系统中普遍采用的设备,运行负荷范围10%~100%时都可稳定运行,具有较高的转换效率[13 ] ,动态响应时间在毫秒至秒级,能够快速匹配风光出力变化.不同于电力系统,氢能系统无须时刻保持供需平衡,仅需保障一定时间内从储氢罐输出的氢能满足氢负荷总量需求即可.此时EHS相当于一个柔性负荷,等效向系统提供下/上备用容量,缓解因新能源出力不稳定而导致实际计划与调度计划出现偏差的问题,提升风光发电的可调度性.图1 展示了EHS的能量流转过程.图中:PP 2 H , t 为EHS 在时刻t利用电解槽制氢的耗电功率;Pin ,t 为流入储氢罐的氢能;Ot 为t时刻储氢罐向外输送的氢能,即供给氢负荷的氢能.
图1
图1
EHS能量转换示意图
Fig.1
Schematic diagram of EHS energy conversion
首先是电解水制氢环节,将电能转换成氢能,此时EHS相当于一个电负荷:
(1) Pin , t =ηP 2 H P 2 H , t
然后进入中间环节,采用一定手段将电解获得的氢能缓存于储氢罐中:
(2) Mt =Mt-1 +Pin , t
(3) Mt =Mt-1 +Pin , t -Ot
本文构建的风电-光伏-电制氢-抽蓄零碳电力系统如图2 所示,主要包括风电场、光伏电站、抽蓄电站、EHS和氢负荷.其中,风电、光伏作为系统的主体能源,是EHS和绿电上网的电力来源,氢作为一种终端能源由EHS供给.系统在满足氢负荷的基础上,将风光产生的电能按计划尽可能多地上网,考虑风光的间歇性,由抽蓄电站和EHS承担储能任务并为系统提供灵活性,为风光并网提供备用辅助服务.这是一个以新能源为主体、以能源供给清洁化、能源消费电气化为特征的零碳电力系统,可以实现能源供应和消费过程由高污染、高碳排放的化石燃料为中心向清洁、零碳的可再生能源为中心的转变.
图2
图2
风电-光伏-电制氢-抽蓄零碳电力系统构架
Fig.2
Architecture of wind-PV-EHS-PSS zero carbon power system
2 短期生产模拟模型
2.1 风光出力不确定性建模
采用目前在电力系统生产模拟中应用广泛的发电场景模拟法[14 ] 模拟风光发电出力的不确定性,将风电和光伏实际可用出力看作预测出力与预测误差之和,由风光预测误差的不确定性反映风光输出功率的不确定性.统计发现,当预测误差服从均值为0、标准差为 δt 的正态分布时,可以较好地描述误差随机变化的规律,当预测提前时间在24 h之内时,δt 可由下式[15 ] 计算:
(4) δt =εPf , t +0.02Qcap
式中:ε 为表征预测误差精度的一个参数,值越小表示预测精度越高;Pf ,t 为t时刻预测的风/光功率;Q cap 为风电场/光伏电站装机容量.
利用蒙特卡洛法随机抽样技术获得大量风光功率预测误差场景,再利用基于高斯混合聚类的场景划分方法对众多原始场景进行削减,得到一组含有误差功率及概率信息的典型场景集,形式如下:
(5) {(Δ Pt , 1 ,π1 ), (Δ Pt , 2 ,π2 ), …, (Δ Pt , ω ,πω )}
式中:ω=1,2,…,W, W为生成场景的数量;Δ Pt,ω 为风光出力在时刻t场景ω下的预测误差;πω 为该场景发生的概率.
结合预测功率,可得到一组风/光出力场景集,形式如下:
(6) {(Pt , 1 ,π1 ), (Pt , 2 ,π2 ), …, (Pt , ω ,πω )}
式中:ω=1,2,…,W; Pt,ω =Pf ,t +Δ Pt,ω 为风电场/光伏电站在时刻t场景ω下的实际可用功率.风光出力的不确定性即可用这些场景描述,每一种场景模拟风光在未来时刻可能出现的某种结果.
2.2 目标函数
目标函数确保系统在任意风光出力场景集内均能有效完成调度计划,即实际绿电上网功率满足计划功率、电制氢量满足日内氢负荷总需求量的基础上,使联合系统绿电上网电量最大化,即在保证系统具有足够调节能力按预定计划发电的情况下,尽可能多地对外输送绿色电能,使系统综合效益最大.考虑到某些场景下提供备用辅助服务所付出的代价可能高于完全消纳风光所带来的收益,因此允许系统在运行中合理进行弃风光,其目标函数为
(7) max [Pi , t +Pj , t -PP 2 H , t +(Pgen , k , t -Ppum , k , t )]
式中:N T 、N W 、N V 、N H 分别为模拟运行时段数(取24 h)、风电场数目、光伏电站数目、抽蓄电站机组数目;Pi,t 为光伏电站i时刻t的计划出力;Pj,t 为风电场j时刻t的计划出力; Pgen ,k,t 、Ppum ,k,t 分别为抽蓄机组k在时刻t抽水蓄能-放水发电工况下计划生产、消耗的电功率.
2.3 约束条件
2.3.1 EHS运行约束
(8) PP 2 H , min P 2 H , t ≤PP 2 H , t ≤PP 2 H , max P 2 H , t
(9) PP 2 H , min P 2 H , t ≤PP 2 H , t +rP 2 H , u , t , ω -rP 2 H , d , t , ω ≤PP 2 H , max P 2 H , t
式中:P P2H,max 、P P2H,min 分别为EHS电解水制氢时电能消耗功率上、下限;u P2H, t t 时刻的状态标志,1表示处于对应状态,0表示不处于对应状态,可表示制氢、空闲两种运行状态;rP 2 H , u ,t,ω 、rP 2 H , d ,t,ω 分别为EHS在时刻t 场景ω 下电解水制氢时上、下备用调用量或负荷调节量.
(10) 0≤RP 2 H , u , t ≤uP 2 H , t (PP 2 H , max P 2 H , t )
(11) 0≤RP 2 H , d , t ≤uP 2 H , t (PP 2 H , t -PP 2 H , min
(12) 0≤rP 2 H , u , t , ω ≤RP 2 H , u , t
(13) 0≤rP 2 H , d , t , ω ≤RP 2 H , d , t
式中:RP 2 H , u ,t 、RP 2 H , d ,t 分别为t时刻EHS在电解水制氢时向系统提供的上、下备用可用容量或负荷可调节量.
式(12)~(13)约束EHS在实时运行时制氢功率调整量不超过预留的备用容量.
(14) Mt =Mt-1 +PP 2 H , t ηP 2 H t
(15) Mt , ω =Mt-1 , ω +(PP 2 H , t +rP 2 H , u , t , ω -rP 2 H , d , t , ω )ηP 2 H t , ω
(16) Mmin t ≤Mmax
(17) Mmin t , ω ≤Mmax
(18) M0 =Mend
(19) M0 , ω =Mend , ω
(20) 0≤Ot
(21) 0≤Ot , ω
式中:Mt,ω 为时刻t场景ω下EHS的氢能储量;M min 、M max 分别为EHS能够储存的最小、最大氢能;M 0 、M end 分别为EHS初始、期末时段的氢能储量;M0,ω 、Mend ,ω 分别为场景ω下EHS初始、期末时段的氢能储量;Ot,ω 为时刻t场景ω下EHS向外界直接输送的氢能.
2.3.2 PSS运行约束
(22) Ppum , k , min pum , k , t ≤Ppum , k , t ≤Ppum , k , max pum , k , t
(23) Ppum , k , min pum , k , t ≤Ppum , k , t +rpum , u , k , t , ω -rpum , d , k , t , ω ≤Ppum , k , max pum , k , t
(24) Pgen , k , min gen , k , t ≤Pgen , k , t ≤Pgen , k , max gen , k , t
(25) Pgen , k , min gen , k , t ≤Pgen , k , t +rgen , u , k , t , ω -rgen , d , k , t , ω ≤Pgen , k , max gen , k , t
式中:Ppum ,k, min pum ,k, max pum ,k,t 、ugen ,k,t 分别为抽蓄机组k在t时刻的抽水、发电工况状态标志,1表示处于对应状态,0表示不处于对应状态,可表示抽水、发电、空闲3种运行状态;rpum , u ,k,t,ω 、rpum , d ,k,t,ω 、rgen , u ,k,t,ω 、rgen , d ,k,t,ω 分别为抽蓄机组k在时刻t场景ω下抽水、发电工况下的上、下备用实际调用量;Pgen ,k, min gen ,k, max
(26) upum , k , t +ugen , k , t ≤1
(27) ∑ k = 1 N H pum ,k,t ∑ k = 1 N H gen ,k,t =0
式(26)约束了抽蓄机组k 同一时刻只能处于抽水、发电或空闲一种工况;式(27)限制了抽蓄电站的机组中不能同时存在抽水-发电两种状态,避免能量损失.
(28) 0≤Rpum , u , k , t ≤upum , k , t (Ppum , k , max pum , k , t )
(29) 0≤Rpum , d , k , t ≤upum , k , t (Ppum , k , t -Ppum , k , min
(30) 0≤rpum , u , k , t , ω ≤Rpum , u , k , t
(31) 0≤rpum , d , k , t , ω ≤Rpum , d , k , t
(32) 0≤Rgen , u , k , t ≤ugen , k , t (Pgen , k , max gen , k , t )
(33) 0≤Rgen , d , k , t ≤ugen , k , t (Pgen , k , t -Pgen , k , min
(34) 0≤rgen , u , k , t , ω ≤Rgen , u , k , t
(35) 0≤rgen , d , k , t , ω ≤Rgen , d , k , t
式中:Rpum , u ,k,t 、Rpum , d ,k,t 、Rgen , u ,k,t 、Rgen , d ,k,t 分别为t时刻抽蓄机组k在抽水、发电工况下向系统提供的上、下备用容量.
式(30)~(31)、式(34)~(35)约束抽蓄机组k 在实时运行时抽水-发电功率调整量不超过预留的备用容量.
(36) Vt =Vt-1 +Ppum , k , t ηpum gen , k , t ηgen
(37) Vt , ω =Vt-1 , ω +(Ppum , k , t +rpum , u , k , t , ω -rpum , d , k , t , ω )ηpum gen , k , t +rgen , u , k , t , ω -rgen , d , k , t , ω )ηgen
(38) Vmin t ≤Vmax
(39) Vmin t , ω ≤Vmax
(40) V0 =Vend
(41) V0 , ω =Vend , ω
式中:Vt 为t时刻上水库蓄水量;ηpum gen t,ω 为时刻t场景ω下抽蓄电站上水库蓄水量;V min 、V max 分别为上水库的最小、最大蓄水量;V 0 、V end 分别为上水库初始、期末时段的蓄水量;V0,ω 、Vend ,ω 分别为场景ω下PSS上水库初始、期末时段的蓄水量.
2.3.3 风电场/光伏电站运行约束
(42) 0≤Pj , t ≤Qcap , j
(43) 0≤Pi , t ≤Qcap , i
式中:Qcap ,j 、Qcap ,i 分别为风电场j、光伏电站i的装机容量.
(44) 0≤Sj , t , ω ≤Pj , t , ω
(45) 0≤Si , t , ω ≤Pi , t , ω
式中: Sj,t,ω 、Si,t,ω 分别为风电场j、光伏电站i在时刻t场景ω下的弃风量;Pj,t,ω 、Pi,t,ω 分别为风电场j、光伏电站i在时刻t场景ω下的可用功率.
2.3.4 系统运行约束
(46) ∑ i = 1 N V i,t + ∑ j = 1 N W j,t -PP 2 H ,t + ∑ k = 1 N H gen ,k,t -Ppum ,k,t )= ∑ i = 1 N V i,t,ω -Si,t,ω )+ ∑ j = 1 N W j,t,ω -Sj,t,ω )- (PP 2 H ,t +rP 2 H , u ,t,ω -rP 2 H , d ,t,ω )+ ∑ k = 1 N H gen ,k,t +rgen , u ,k,t,ω -rgen , d ,k,t,ω )- ∑ k = 1 N H pum ,k,t +rpum , u ,k,t,ω -rpum , d ,k,t,ω )
(47) ∑ t = 1 N T O t = H l o a d ∑ t = 1 N T O t , ω = H l o a d , ∀ ω
式(46)通过调节EHS用电功率、抽蓄电站抽水-发电功率以及弃风光等,确保系统在任意风光出力场景内均能有效应对风光随机性并完成发电计划;式(47)要求系统短期生产模拟周期内对外输送的氢能总量应满足氢负荷需求.
3 算例分析
3.1 基本资料和参数
以我国张北零碳电力系统示范工程为例,对上述短期生产模拟模型进行仿真分析.根据参考文献[16 ]中的规划方案9,张北和康保两地新能源接入总容量为 7 500 MW,两地新能源接入容量配比为2∶1,风电和光伏接入容量配比为1.5∶1,储能配置为 1 200 MW.抽蓄电站相关参数参考美国巴斯康蒂抽蓄电站[17 ] ,包括2台常规恒速机组和2台变速恒频机组.单台机组额定容量为300 MW,变速机组抽水-发电功率在10%~100%的区间内连续可调,恒速机组只在发电工况下功率可调;抽蓄机组发电、抽水工况下的平均水量/电量转换系数分别为999、780 m3 /(MW·h),上水库初始容量为2.00×107 m3 ,最小库容为1.06×107 m3 ,最大库容为4.38×107 m3 .电解槽额定功率为300 MW,最小运行功率为额定功率的10%,电-氢能量转换效率为80%,存储氢能上限为 3000 MW·h,下限为 1000 MW·h,初始储能为 2000 MW·h.氢负荷取 2000 MW·h,假定风光预测精度参数ε 均为0.2,预测值如图3 所示.
图3
图3
各时段风-光预测值
Fig.3
Hourly forecast value of wind/PV
3.2 结果分析
本文短期生产模拟问题为典型的混合整数线性规划问题,算例仿真利用IBM Cplex12.5商用求解器进行求解,在AMD X4 840四核3.1 GHz计算机上运算,各仿真场景最优解求解时长均在15 min内,满足短期生产模拟对求解效率的需求[1 ] .
3.2.1 运行方式对模拟结果的影响
为验证模型的有效性和先进性,对以下4种运行方式进行对比:运行方式A为新能源制氢不参与实时调节过程,无抽蓄电站;运行方式B为新能源制氢参与实时调节过程,无抽蓄电站;运行方式C为新能源制氢不参与实时调节过程,有抽蓄电站;运行方式D即本文运行方式,新能源制氢参与实时调节过程,有抽蓄电站.图4 给出在这4种不同运行方式下系统的绿色上网电量和弃风光电量情况.
图4
图4
不同运行方式下模拟结果
Fig.4
Simulation results of different operation modes
由图4 可见,与运行方式A相比,方式B利用EHS灵活性,通过引入柔性氢负荷的方式提高系统运行的灵活性,使得绿电上网电量提高3.08%,弃电量降低23.55%;方式C在方式A的基础上引入抽蓄电站来消纳多余的风光,使得绿电上网电量提高9.36%,弃电量降低80.12%;方式D在方式A的基础上同时引入EHS和抽蓄电站,使得绿电上网电量提高10.31%,弃电量降低85.38%.可见,本文短期生产模拟模型能够使联合系统上网电量更多、弃风光更少,相较于其他3种方式综合效益最好.
3.2.2 抽蓄电站容量配置对模拟结果的影响
为分析抽蓄电站容量对系统运行效益的影响,对不同抽蓄电站容量配置方案进行仿真研究,短期生产模拟结果如图5 所示.
图5
图5
不同抽蓄电站容量配置下短期生产模拟结果
Fig.5
Short-term production simulation results with different capacities of pumped storage station
由图5 可见,系统绿电上网电量随抽蓄电站装机容量增大先明显增加后趋于稳定,系统弃风光电量随抽蓄电站装机容量增大先明显减少后趋于稳定.原因在于初始阶段增加抽蓄电站装机容量提升了系统调节能力,能够消纳多余风光;当容量达到 1200 MW 时,由抽蓄电站带来的运行效益接近饱和;若容量继续增加,绿电上网电量增加量很小,弃风光电量减少量也很小.可见,对于一定的风光装机容量,用于提升系统运行效益的抽蓄电站容量存在上限,因此新能源和抽蓄协调运行时应在抽蓄电站容量上考虑优化配置.
3.2.3 可变速抽蓄机组占比对模拟结果的影响
为分析变速机组在抽蓄电站所有类型机组中占比对优化结果的影响,在相同抽蓄装机容量配置下,逐步增加抽蓄电站中变速机组台数,共设定4种情况,结果如图6 所示.
图6
图6
不同变速机组数量下短期生产模拟结果
Fig.6
Short-term production simulation results with different numbers of variable speed units
由图6 可见,随着变速机组数量的增加,系统弃风光电量呈下降趋势,绿电上网电量呈上升趋势.这是由于受恒速机组抽水功率限制,恒速机组抽水工况下只能按额定功率运行,而变速机组在抽水工况下能够在一定范围内连续调节出力,变速机组台数的增加等效提高了系统的灵活性,从而更好地应对风光出力的随机波动性,提高风光消纳水平.
3.2.4 氢负荷需求对模拟结果的影响
设置不同的氢负荷,检验是否存在最优氢负荷需求值,使得系统对外输送的电-氢综合能量,即绿电上网电量与氢负荷能量之和最大.将氢负荷需求设置为0~2400 MW·h,模拟结果如图7 所示.
图7
图7
不同氢负荷需求下短期生产模拟结果
Fig.7
Short-term production simulation results of different hydrogen demands
由图7 可见,绿电上网电量随着氢负荷增加而下降,电-氢综合能量随着氢负荷增加先逐渐增加到达最大值后逐渐减小,原因在于初始增加氢负荷提升了系统需求侧响应能力,系统调节能力加强,能够消纳更多风光新能源;由于增加的氢负荷靠EHS提供,消耗了电能,故电量会减少,此时上网电量减少缓慢,其变化幅度小于氢能增加幅度,电-氢综合能量呈增加趋势;当氢负荷增加至900 MW·h附近时,负荷需求响应带来的效益接近饱和,上网电量减少明显,其变化幅度与氢能增加幅度基本相等,电-氢综合能量达到最大值;继续增加氢负荷,由于需求响应无法为系统带来新的效益而电-氢转换时存在能量损耗,上网电量减少,其减少幅度大于电制氢量增加幅度,电-氢综合能量呈下降趋势.可见,对于一个给定的系统,存在一个最优氢负荷使得电-氢综合能量最大.
4 结论
为实现碳达峰碳中和目标,实现能源供应和消费由高污染、高碳排放的化石燃料向清洁、零碳的可再生能源为中心的转变,建立一种含柔性氢负荷-抽蓄电站的零碳电力系统短期生产模拟模型,主要结论如下:
(1) EHS作为一种需求响应资源,能够从需求侧提高系统灵活性.抽蓄电站与EHS协同参与风光并网后系统电-氢生产过程的优化,保证系统在任意风光出力场景内均能有效应对风光随机性并完成发电计划,提高风光消纳水平.
(2) 提升风光预测精度能够减少系统对备用容量的需求,提高上网的绿色电能.对于一定的风光装机容量,用于提升系统综合效益的抽蓄电站容量存在上限,风光和抽蓄协调运行时应在抽蓄电站容量配置上给予优化.相较于恒速抽蓄机组,变速机组运行更灵活,能够更好地促进风光资源的消纳.柔性氢负荷能够提高系统运行的灵活性,存在最优氢负荷值使得系统对外输送的电-氢综合能量最大.
随着我国电力市场改革的推进,电力市场环境下风电-光伏-电制氢-抽蓄零碳电力系统短期生产模拟模型的研究能为我国风电-光伏-电制氢-抽蓄零碳电力系统电力市场的健康发展提供决策依据.
参考文献
View Option
[1]
王锡凡 . 电力系统规划基础 [M]. 北京 : 中国电力出版社 , 1994 .
[本文引用: 2]
WANG Xifan Power system planning fundamentals [M]. Beijing : China Electric Power Press , 1994 .
[本文引用: 2]
[2]
邵成成 , 冯陈佳 , 王雅楠 , 等 . 含大规模清洁能源电力系统的多时间尺度生产模拟
[J]. 中国电机工程学报 , 2020 , 40 (19 ): 6103 -6113 .
[本文引用: 1]
SHAO Chengcheng FENG Chenjia WANG Yanan et al Multiple time-scale production simulation of power system with large-scale renewable energy
[J]. Proceedings of the CSEE , 2020 , 40 (19 ): 6103 -6113 .
[本文引用: 1]
[3]
舒印彪 , 张智刚 , 郭剑波 , 等 . 新能源消纳关键因素分析及解决措施研究
[J]. 中国电机工程学报 , 2017 , 37 (1 ): 1 -9 .
[本文引用: 1]
SHU Yinbiao ZHANG Zhigang GUO Jianbo et al Study on key factors and solution of renewable energy accommodation
[J]. Proceedings of the CSEE , 2017 , 37 (1 ): 1 -9 .
[本文引用: 1]
[4]
刘明涛 , 谢俊 , 张秋艳 , 等 . 碳交易环境下含风电电力系统短期生产模拟
[J]. 上海交通大学学报 , 2021 , 55 (12 ): 1598 -1607 .
[本文引用: 1]
LIU Mingtao XIE Jun ZHANG Qiuyan et al Short-term production simulation of power system containing wind power under carbon trading environment
[J]. Journal of Shanghai Jiao Tong University , 2021 , 55 (12 ): 1598 -1607 .
[本文引用: 1]
[5]
LI C B LIU X B CAO Y J et al A time-scale adaptive dispatch method for renewable energy power supply systems on Islands
[J]. IEEE Transactions on Smart Grid , 2016 , 7 (2 ): 1069 -1078 .
DOI:10.1109/TSG.2015.2485664
URL
[本文引用: 1]
[6]
黄强 , 郭怿 , 江建华 , 等 . “双碳”目标下中国清洁电力发展路径
[J]. 上海交通大学学报 , 2021 , 55 (12 ): 1499 -1509 .
[本文引用: 1]
HUANG Qiang GUO Yi JIANG Jianhua et al Development pathway of China’s clean electricity under carbon peaking and carbon neutrality goals
[J]. Journal of Shanghai Jiao Tong University , 2021 , 55 (12 ): 1499 -1509 .
[本文引用: 1]
[7]
潘光胜 , 顾伟 , 张会岩 , 等 . 面向高比例可再生能源消纳的电氢能源系统
[J]. 电力系统自动化 , 2020 , 44 (23 ): 1 -10 .
[本文引用: 1]
PAN Guangsheng GU Wei ZHANG Huiyan et al Electricity and hydrogen energy system towards accomodation of high proportion of renewable energy
[J]. Automation of Electric Power Systems , 2020 , 44 (23 ): 1 -10 .
[本文引用: 1]
[8]
BAN M F YU J L SHAHIDEHPOUR M et al Integration of power-to-hydrogen in day-ahead security-constrained unit commitment with high wind penetration
[J]. Journal of Modern Power Systems & Clean Energy , 2017 , 5 (3 ): 337 -349 .
[本文引用: 2]
[9]
吕翔 , 刘国静 , 周莹 . 含抽水蓄能的风水火联合机组组合研究
[J]. 电力系统保护与控制 , 2017 , 45 (12 ): 35 -43 .
[本文引用: 1]
LÜ Xiang LIU Guojing ZHOU Ying Research on combined unit commitment of wind power-hydro power-thermal power for the power system with pumped hydro storage
[J]. Power System Protection & Control , 2017 , 45 (12 ): 35 -43 .
[本文引用: 1]
[10]
邹金 , 赖旭 , 汪宁渤 . 以减少电网弃风为目标的风电与抽水蓄能协调运行
[J]. 电网技术 , 2015 , 39 (9 ): 2472 -2477 .
[本文引用: 1]
ZOU Jin LAI Xu WANG Ningbo. Mitigation of wind curtailment by coordinating with pumped storage
[J]. Power System Technology , 2015 , 39 (9 ): 2472 -2477 .
[本文引用: 1]
[11]
夏沛 , 邓长虹 , 龙志君 , 等 . 含抽水蓄能机组的风电消纳鲁棒机组组合
[J]. 电力系统自动化 , 2018 , 42 (19 ): 41 -49 .
[本文引用: 1]
XIA Pei DENG Changhong LONG Zhijun et al Robust unit commitment with pumped storage units for wind power accommodation
[J]. Automation of Electric Power Systems , 2018 , 42 (19 ): 41 -49 .
[本文引用: 1]
[12]
李咸善 , 杨宇翔 . 基于双向电价补偿的含氢储能风电和梯级水电联合优化调度
[J]. 电网技术 , 2020 , 44 (9 ): 3297 -3306 .
[本文引用: 1]
LI Xianshan YANG Yuxiang Optimization dispatching for joint operation of hydrogen storage-wind power and cascade hydropower station based on bidirectional electricity price compensation
[J]. Power System Technology , 2020 , 44 (9 ): 3297 -3306 .
[本文引用: 1]
[13]
蔡国伟 , 孔令国 , 薛宇 , 等 . 风氢耦合发电技术研究综述
[J]. 电力系统自动化 , 2014 , 38 (21 ): 127 -135 .
[本文引用: 1]
CAI Guowei KONG Lingguo XUE Yu et al Overview of research on wind power coupled with hydrogen production technology
[J]. Automation of Electric Power Systems , 2014 , 38 (21 ): 127 -135 .
[本文引用: 1]
[15]
BOUFFARD F GALIANA F D Stochastic security for operations planning with significant wind power generation
[J]. IEEE Transactions on Power Systems , 2008 , 23 (2 ): 306 -316 .
DOI:10.1109/TPWRS.2008.919318
URL
[本文引用: 1]
[16]
李湃 , 王伟胜 , 刘纯 , 等 . 张北柔性直流电网工程新能源与抽蓄电站配置方案运行经济性评估
[J]. 中国电机工程学报 , 2018 , 38 (24 ): 7206 -7214 .
[本文引用: 1]
LI Pai WANG Weisheng LIU Chun et al Economic assessment of Zhangbei VSC-based DC grid planning scheme with integration of renewable energy and pumped-hydro storage power station
[J]. Proceedings of the CSEE , 2018 , 38 (24 ): 7206 -7214 .
[本文引用: 1]
[17]
DING H J HU Z C SONG Y H Stochastic optimization of the daily operation of wind farm and pumped-hydro-storage plant
[J]. Renewable Energy , 2012 , 48 : 571 -578 .
DOI:10.1016/j.renene.2012.06.008
URL
[本文引用: 1]
2
1994
... 电力系统短期生产模拟是电力系统运行模拟的重要工具,对电力系统短期调度过程进行模拟,可以预测最优运行方式下系统各机组运行状态、出力分配、备用预留和调用及生产成本等情况,为验证运行计划的合理性提供依据[1 ] . ...
... 本文短期生产模拟问题为典型的混合整数线性规划问题,算例仿真利用IBM Cplex12.5商用求解器进行求解,在AMD X4 840四核3.1 GHz计算机上运算,各仿真场景最优解求解时长均在15 min内,满足短期生产模拟对求解效率的需求[1 ] . ...
2
1994
... 电力系统短期生产模拟是电力系统运行模拟的重要工具,对电力系统短期调度过程进行模拟,可以预测最优运行方式下系统各机组运行状态、出力分配、备用预留和调用及生产成本等情况,为验证运行计划的合理性提供依据[1 ] . ...
... 本文短期生产模拟问题为典型的混合整数线性规划问题,算例仿真利用IBM Cplex12.5商用求解器进行求解,在AMD X4 840四核3.1 GHz计算机上运算,各仿真场景最优解求解时长均在15 min内,满足短期生产模拟对求解效率的需求[1 ] . ...
含大规模清洁能源电力系统的多时间尺度生产模拟
1
2020
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
含大规模清洁能源电力系统的多时间尺度生产模拟
1
2020
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
新能源消纳关键因素分析及解决措施研究
1
2017
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
新能源消纳关键因素分析及解决措施研究
1
2017
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
碳交易环境下含风电电力系统短期生产模拟
1
2021
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
碳交易环境下含风电电力系统短期生产模拟
1
2021
... 目前在短期生产模拟模型方面,已取得一定的研究成果.文献[2 ]中提出一种电力系统多时间尺度生产模拟方法,由中长期生产模拟和短期生产模拟两部分组成,其中短期生产模拟考虑预测误差等新能源出力的随机特性,在确定系统运行计划的同时,给出新能源电力的可消纳区间,量化评估系统的新能源消纳能力.文献[3 ]中分析了电源调节性能、电网互联互通、负荷规模及峰谷差等因素对新能源消纳的影响,但是在此过程中未充分考虑新能源出力随机性.文献[4 ]中以火力发电(简称火电)为灵活性资源,基于场景概率的随机优化方法,利用场景模拟的方式将含有风力发电(简称风电)出力和概率信息的场景集引入调度模型中进行随机优化调度,建立基于多场景的短期生产模拟模型,有效处理随机性问题,为风光出力不确定性问题的解决提供思路.以上研究均关于考虑风电、火电机组等电源的短期生产模拟,然而考虑抽蓄机组、电制氢等清洁能源的短期生产模拟鲜有研究. ...
A time-scale adaptive dispatch method for renewable energy power supply systems on Islands
1
2016
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
“双碳”目标下中国清洁电力发展路径
1
2021
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
“双碳”目标下中国清洁电力发展路径
1
2021
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
面向高比例可再生能源消纳的电氢能源系统
1
2020
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
面向高比例可再生能源消纳的电氢能源系统
1
2020
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
Integration of power-to-hydrogen in day-ahead security-constrained unit commitment with high wind penetration
2
2017
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
... ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
含抽水蓄能的风水火联合机组组合研究
1
2017
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
含抽水蓄能的风水火联合机组组合研究
1
2017
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
以减少电网弃风为目标的风电与抽水蓄能协调运行
1
2015
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
以减少电网弃风为目标的风电与抽水蓄能协调运行
1
2015
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
含抽水蓄能机组的风电消纳鲁棒机组组合
1
2018
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
含抽水蓄能机组的风电消纳鲁棒机组组合
1
2018
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
基于双向电价补偿的含氢储能风电和梯级水电联合优化调度
1
2020
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
基于双向电价补偿的含氢储能风电和梯级水电联合优化调度
1
2020
... 随着能源转型的推进,构建以新能源为主体、以能源供给清洁化、能源消费电气化为特征的新型电力系统迫在眉睫.以风光为代表的清洁能源将逐步代替火电而成为清洁能源的主体[5 ] ,因此在缺乏大规模火电提供备用支撑的条件下要有适应高比例、大规模新能源并网的储能和快速功率调节手段[6 ] .抽蓄电站和电制氢负荷能够为系统注入新的灵活性,提高新能源消纳水平,是构建新型电力系统的重要灵活性资源[7 ] .抽蓄电站、电制氢作为两种极具发展潜力的灵活性资源,除具有储能作用外,还具备快速功率跟踪调节能力[8 -9 ] ,对维持间歇性能源供给与相对稳定性负荷需求之间的动态平衡具有重要作用.文献[10 -11 ]中建立风电与抽水蓄能协调运行模型,利用抽蓄电站提供支撑作用极大地降低风电随机性对系统运行造成的负面影响.文献[8 ,12 ]中考虑电-氢双向转换过程,建立含氢储能-风电联合优化模型,将电制氢作为一种储能手段协助风电并网,取得显著效果.然而,考虑风光的随机性以及抽蓄电站、电氢储能系统存在的储能特性和灵活性的零碳发电力系统短期生产模拟却鲜有研究. ...
风氢耦合发电技术研究综述
1
2014
... EHS主要由电解槽、压缩机、储氢罐构成.电解水制取的氢气能够长期大容量储存且具有多样的应用场景,容量配置和空间布置也十分灵活.碱式电解槽是在制氢系统中普遍采用的设备,运行负荷范围10%~100%时都可稳定运行,具有较高的转换效率[13 ] ,动态响应时间在毫秒至秒级,能够快速匹配风光出力变化.不同于电力系统,氢能系统无须时刻保持供需平衡,仅需保障一定时间内从储氢罐输出的氢能满足氢负荷总量需求即可.此时EHS相当于一个柔性负荷,等效向系统提供下/上备用容量,缓解因新能源出力不稳定而导致实际计划与调度计划出现偏差的问题,提升风光发电的可调度性.图1 展示了EHS的能量流转过程.图中:PP 2 H , t 为EHS 在时刻t利用电解槽制氢的耗电功率;Pin ,t 为流入储氢罐的氢能;Ot 为t时刻储氢罐向外输送的氢能,即供给氢负荷的氢能. ...
风氢耦合发电技术研究综述
1
2014
... EHS主要由电解槽、压缩机、储氢罐构成.电解水制取的氢气能够长期大容量储存且具有多样的应用场景,容量配置和空间布置也十分灵活.碱式电解槽是在制氢系统中普遍采用的设备,运行负荷范围10%~100%时都可稳定运行,具有较高的转换效率[13 ] ,动态响应时间在毫秒至秒级,能够快速匹配风光出力变化.不同于电力系统,氢能系统无须时刻保持供需平衡,仅需保障一定时间内从储氢罐输出的氢能满足氢负荷总量需求即可.此时EHS相当于一个柔性负荷,等效向系统提供下/上备用容量,缓解因新能源出力不稳定而导致实际计划与调度计划出现偏差的问题,提升风光发电的可调度性.图1 展示了EHS的能量流转过程.图中:PP 2 H , t 为EHS 在时刻t利用电解槽制氢的耗电功率;Pin ,t 为流入储氢罐的氢能;Ot 为t时刻储氢罐向外输送的氢能,即供给氢负荷的氢能. ...
Wind power forecasting uncertainty and unit commitment
1
2011
... 采用目前在电力系统生产模拟中应用广泛的发电场景模拟法[14 ] 模拟风光发电出力的不确定性,将风电和光伏实际可用出力看作预测出力与预测误差之和,由风光预测误差的不确定性反映风光输出功率的不确定性.统计发现,当预测误差服从均值为0、标准差为 δt 的正态分布时,可以较好地描述误差随机变化的规律,当预测提前时间在24 h之内时,δt 可由下式[15 ] 计算: ...
Stochastic security for operations planning with significant wind power generation
1
2008
... 采用目前在电力系统生产模拟中应用广泛的发电场景模拟法[14 ] 模拟风光发电出力的不确定性,将风电和光伏实际可用出力看作预测出力与预测误差之和,由风光预测误差的不确定性反映风光输出功率的不确定性.统计发现,当预测误差服从均值为0、标准差为 δt 的正态分布时,可以较好地描述误差随机变化的规律,当预测提前时间在24 h之内时,δt 可由下式[15 ] 计算: ...
张北柔性直流电网工程新能源与抽蓄电站配置方案运行经济性评估
1
2018
... 以我国张北零碳电力系统示范工程为例,对上述短期生产模拟模型进行仿真分析.根据参考文献[16 ]中的规划方案9,张北和康保两地新能源接入总容量为 7 500 MW,两地新能源接入容量配比为2∶1,风电和光伏接入容量配比为1.5∶1,储能配置为 1 200 MW.抽蓄电站相关参数参考美国巴斯康蒂抽蓄电站[17 ] ,包括2台常规恒速机组和2台变速恒频机组.单台机组额定容量为300 MW,变速机组抽水-发电功率在10%~100%的区间内连续可调,恒速机组只在发电工况下功率可调;抽蓄机组发电、抽水工况下的平均水量/电量转换系数分别为999、780 m3 /(MW·h),上水库初始容量为2.00×107 m3 ,最小库容为1.06×107 m3 ,最大库容为4.38×107 m3 .电解槽额定功率为300 MW,最小运行功率为额定功率的10%,电-氢能量转换效率为80%,存储氢能上限为 3000 MW·h,下限为 1000 MW·h,初始储能为 2000 MW·h.氢负荷取 2000 MW·h,假定风光预测精度参数ε 均为0.2,预测值如图3 所示. ...
张北柔性直流电网工程新能源与抽蓄电站配置方案运行经济性评估
1
2018
... 以我国张北零碳电力系统示范工程为例,对上述短期生产模拟模型进行仿真分析.根据参考文献[16 ]中的规划方案9,张北和康保两地新能源接入总容量为 7 500 MW,两地新能源接入容量配比为2∶1,风电和光伏接入容量配比为1.5∶1,储能配置为 1 200 MW.抽蓄电站相关参数参考美国巴斯康蒂抽蓄电站[17 ] ,包括2台常规恒速机组和2台变速恒频机组.单台机组额定容量为300 MW,变速机组抽水-发电功率在10%~100%的区间内连续可调,恒速机组只在发电工况下功率可调;抽蓄机组发电、抽水工况下的平均水量/电量转换系数分别为999、780 m3 /(MW·h),上水库初始容量为2.00×107 m3 ,最小库容为1.06×107 m3 ,最大库容为4.38×107 m3 .电解槽额定功率为300 MW,最小运行功率为额定功率的10%,电-氢能量转换效率为80%,存储氢能上限为 3000 MW·h,下限为 1000 MW·h,初始储能为 2000 MW·h.氢负荷取 2000 MW·h,假定风光预测精度参数ε 均为0.2,预测值如图3 所示. ...
Stochastic optimization of the daily operation of wind farm and pumped-hydro-storage plant
1
2012
... 以我国张北零碳电力系统示范工程为例,对上述短期生产模拟模型进行仿真分析.根据参考文献[16 ]中的规划方案9,张北和康保两地新能源接入总容量为 7 500 MW,两地新能源接入容量配比为2∶1,风电和光伏接入容量配比为1.5∶1,储能配置为 1 200 MW.抽蓄电站相关参数参考美国巴斯康蒂抽蓄电站[17 ] ,包括2台常规恒速机组和2台变速恒频机组.单台机组额定容量为300 MW,变速机组抽水-发电功率在10%~100%的区间内连续可调,恒速机组只在发电工况下功率可调;抽蓄机组发电、抽水工况下的平均水量/电量转换系数分别为999、780 m3 /(MW·h),上水库初始容量为2.00×107 m3 ,最小库容为1.06×107 m3 ,最大库容为4.38×107 m3 .电解槽额定功率为300 MW,最小运行功率为额定功率的10%,电-氢能量转换效率为80%,存储氢能上限为 3000 MW·h,下限为 1000 MW·h,初始储能为 2000 MW·h.氢负荷取 2000 MW·h,假定风光预测精度参数ε 均为0.2,预测值如图3 所示. ...
