为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略.
单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量.
灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] .
综上所述,本文引入混合式抽水蓄能电站,对包含梯级水风光和混合式抽蓄的互补系统优化调度问题进行研究,充分挖掘其灵活调节潜力.采用粒子群算法(PSO)优化长短期记忆(LSTM)模型对风光出力进行预测以克服主观选取超参数的局限性.在目标函数中引入反映调节潜力的灵活调节裕度指标,构建了考虑净收益和灵活调节裕度的多目标优化模型,采用法线边界交叉(NBI)法对多目标问题求解.算例分析重点讨论了考虑灵活性调节裕度的互补系统日前运行策略和抽蓄对系统灵活性的支撑作用,验证了所提模型的合理性和有效性.
1 梯级水风光蓄互补系统建模
所研究梯级水风光蓄互补系统包括梯级水电站、风电站、光伏电站和抽水蓄能电站,其能量流动结构如图1 所示.其中梯级水电和抽蓄电站为能够主动调节的灵活性电源,风电、光伏电站不具有主动调节能力.
图1
图1
梯级水风光蓄互补系统结构图
Fig.1
Structure of cascade hydro-wind-solar-pumped storage system
1.1 基于PSO-LSTM的风光出力预测方法
风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度.
在梯级水风光蓄系统的风光出力预测中,LSTM模型有一些参数需要主观设置,如学习率、隐藏层神经元个数等,这些参数过大或过小都会影响预测的结果和精度[31 ] .为了克服主观选取参数的局限性,采用惯性权重线性下降的粒子群优化算法对LSTM模型的学习率和隐藏层神经元个数进行优化,并利用优化模型对风光出力进行预测.
线性递减的惯性权重下,粒子前期全局搜索能力强,后期局部搜索能力强,有利于粒子对最优参数的搜索,惯性权重计算公式如下:
(1) ω=ωmax - ( ω m a x - ω m i n ) d K
式中:ω 为当前迭代时的权重;ω max 为初始权重;ω min 为最小权重;d 为当前迭代次数;K 为迭代总次数.
由于本文基于历史数据对风光出力进行预测,无需风光机组的具体模型,故只需日前优化的风光上网量遵循最大出力约束:
(2) $ 0 \leqslant P_{t}^{\mathrm{W}} \leqslant P_{\mathrm{fore}}^{\mathrm{w}}$
(3) $ 0 \leqslant P_{t}^{\mathrm{PV}} \leqslant P_{\mathrm{fore}}^{\mathrm{pv}}$
式中:P W t t 时刻的上网电量;P f o r e w P t P V t 时刻的上网电量;P f o r e p v
(1) 选取50 m处的多日历史风速、风向、温度、湿度和日照辐射作为输入,风电出力和光伏出力分别作为输出,将其随机划分为训练集和测试集,并初始化PSO参数.
(2) 以均方误差e MSE =1 n X r -X p )2 最小为目标(n 为样本数量,X r 为真实值,X p 为预测值),采用惯性权重下降的PSO对LSTM模型的学习率和隐藏层神经元个数进行寻优,得出最佳位置.
(3) 根据PSO算法的规则更新粒子速度和位置,重复步骤2直至达到终止条件.
(4) 用优化得到的超参数对模型进行训练,将训练完成的模型用以风光出力预测.
1.2 梯级水电站模型
梯级水电站一般指位于同一流域的多座上下级串联的电站组,各梯级间的关系不仅表现在电力上,还存在着水力纽带.上一级电站的发电流量和弃水经过一定延迟到达下游电站,从而影响下级电站的发电计划安排.
(4) $ P_{i, t}^{\mathrm{CHS}}=10^{-6} \eta_{\mathrm{g}} \rho g h_{i} q_{i, t}^{\mathrm{CHS}}$
式中:P i , t C H S i 座梯级水电站在t 时刻的出力;hi 为梯水i 的净水头高度;q i , t C H S i 在t 时刻的发电流量;η g 为水轮机水能转电能的效率;ρ 为水的密度;g 为重力加速度.
1.3 抽水蓄能电站模型
从建造方案上看,抽水蓄能电站分为独立的抽水蓄能电站和混合式抽水蓄能电站,独立的抽水蓄能电站一般需要新建上下水库,这种方式的水量体积基本保持为定量,只是经上下水库循环往复,往往因站址资源稀缺而受限.混合式抽水蓄能电站依托已建水电站进行功能再造,利用梯级水电站水库做上水库或下水库,修建一个下水库或上水库,增建可逆机组或抽水泵即可.混合式抽蓄不仅具备独立抽蓄的各项功能,且造价更低、效率更高[32 ] ,图2 为独立抽蓄和混合式抽蓄的示意图,其中可逆机组既可以发电又可以抽水,普通水轮机则只有发电功能,本文采用的混合式抽蓄与常规独立抽蓄的区别主要体现在后续约束.
图2
图2
抽蓄原理对比
Fig.2
Comparison of pumped storage principles
(5) $ P_{\mathrm{g}, t}^{\mathrm{PHS}}=10^{-6} \eta_{\mathrm{g}} \rho g h_{\mathrm{PHS}} q_{\mathrm{g}, t}^{\mathrm{PHS}}$
(6) $ P_{\mathrm{p}, t}^{\mathrm{PHS}}=10^{-6} \frac{\rho g h_{\mathrm{PHS}} q_{\mathrm{p}, t}^{\mathrm{PHS}}}{\eta_{\mathrm{p}}}$
式中:P g , t P H S P p , t P H S t 时段的发电功率和抽水功率;h PHS 为抽蓄的净水头高度;q g , t P H S q p , t P H S t 时刻抽蓄的发电流量和抽水流量;η p 为抽蓄电能转水能的效率.
2 考虑灵活调节能力的互补系统日前优化运行模型
2.1 目标函数
2.1.1 经济效益
大型梯级水风光蓄互补系统的运行首先需要考虑效益问题,因此第1部分以梯级水风光蓄互补系统的净收入C inc 最大为目标,包括梯级水风光蓄系统在日前市场的售电收益和系统的运行成本以及为了促进对风光新能源的消纳而引入的弃风光惩罚:
(7) $ \begin{aligned} \max C_{\mathrm{inc}}= & \sum_{t=1}^{T}\left(\lambda_{\mathrm{DA}}^{\mathrm{w}} P_{t}^{\mathrm{W}}+\lambda_{\mathrm{DA}}^{\mathrm{pv}} P_{t}^{\mathrm{PV}}+\lambda_{\mathrm{DA}}^{\mathrm{chs}} P_{t}^{\mathrm{CHS}}+\right. \\ & \left.\lambda_{\mathrm{bA}}^{\mathrm{hs}} P_{\mathrm{g}, t}^{\mathrm{PHS}}\right)-C_{\mathrm{om}}-C_{\mathrm{q}} \end{aligned}$
(8) $ C_{\mathrm{om}}=\sum_{t=1}^{T}\left(C_{\mathrm{om}}^{\mathrm{chs}} P_{t}^{\mathrm{CHS}}+C_{\mathrm{om}}^{\mathrm{phs}-\mathrm{g}} P_{\mathrm{g}, t}^{\mathrm{PHS}}+C_{\mathrm{om}}^{\mathrm{phs}-\mathrm{p}} P_{\mathrm{p}, t}^{\mathrm{PHS}}\right)$
(9) $ C_{\mathrm{q}}=\sum_{t=1}^{T} 1.2\left(\lambda_{\mathrm{DA}}^{\mathrm{w}} P_{\mathrm{q}, t}^{\mathrm{W}}+\lambda_{\mathrm{DA}}^{\mathrm{pv}} P_{\mathrm{q}, t}^{\mathrm{PV}}\right)$
式中:λ D A w λ D A p v λ D A c h s λ D A p h s C om 为梯级水风光蓄的运行成本,风光成本较低暂不考虑;C o m c h s C o m p h s _ g C o m p h s _ p C q 为弃风弃光惩罚,为促进风光消纳,1 MW惩罚取为1.2倍的风光上网电价;P q , t W P q , t P V
2.1.2 灵活调节裕度
随着风光等新能源的快速发展,世界各国减轻了对化石能源的依赖,但新能源出力的波动性和不确定性也对电力系统的灵活性提出了更高要求.大型梯级水风光蓄系统的水电和抽蓄电站是良好的灵活性电源,在实际运行中既需要考虑自身效益又需要考虑其支撑系统的灵活调节能力,即保证系统安全运行保留的裕度.在新型电力系统下的安全运行裕度可以理解为系统应对不确定性的灵活调节裕度,本文的灵活调节裕度则是在满足电能量基础上,可提供的灵活调节潜力,以及应对系统不确定性的能力.因此,本文在计及互补系统净收益的基础上提出考虑灵活调节裕度的梯级水风光蓄日前优化运行模型.该模型将梯级水电和混合式抽蓄联合运行的灵活调节裕度考虑在内,从水库调节能力、机组爬坡能力和机组出力限制多方面对系统灵活性电源的灵活调节裕度进行量化,为求得经济和灵活性的均衡解构建多目标优化模型.
灵活调节裕度具有双向性,分为向上调节裕度F u 和向下调节裕度F d ,互补系统可提供灵活调节能力的机组有梯级水电和混合式抽蓄电站.由于抽蓄具有双向调节特性,所以需要考虑抽蓄处于发电状态还是抽水状态,总灵活调节裕度和向上/向下调节裕度的计算指标如下所示:
(10) $ \max F=F_{\mathrm{u}}+F_{\mathrm{d}}$
(11) $ F_{\mathrm{u}}=\sum_{t=1}^{T} P_{t}^{\mathrm{u}}, \quad F_{\mathrm{d}}=\sum_{t=1}^{T} P_{t}^{\mathrm{d}}$
(12) $ P_{t}^{\mathrm{u}}=\sum_{i=1}^{N_{\mathrm{CHS}}} P_{i, t}^{\mathrm{CHS}, \mathrm{u}}+\sum_{j=1}^{N_{\mathrm{PHES}}} P_{j, t}^{\mathrm{PHES}, \mathrm{u}}$
(13) $ P_{t}^{\mathrm{d}}=\sum_{i=1}^{N_{\mathrm{CHS}}} P_{i, t}^{\mathrm{CHS}, \mathrm{~d}}+\sum_{j=1}^{N_{\mathrm{PHES}}} P_{j, t}^{\mathrm{PHES}, \mathrm{~d}}$
(14) $ \begin{aligned} P_{t}^{\mathrm{CHS}, \mathrm{u}}= & \min \left\{\left(V_{t}^{\mathrm{CHS}}-V^{\mathrm{CHS}, \min }\right) \vartheta^{\mathrm{CHS}} \Delta t,\right. \\ & \left.P^{\mathrm{CHS}, \max }-P_{t}^{\mathrm{CHS}}, K^{\mathrm{CHS}, \mathrm{u}} \Delta t\right\} \end{aligned}$
(15) $ \begin{aligned} P_{t}^{\text {PHES, u }}= & \min \left\{\left(V_{t}^{\text {PHES }}-V^{\text {PHES, min }}\right) \vartheta^{\mathrm{g}} \Delta t+P_{t}^{\mathrm{p}},\right. \\ & \left.P^{\mathrm{g}, \text { max }}-P_{t}^{\mathrm{g}}+P_{t}^{\mathrm{p}}\right\} \end{aligned}$
(16) $ P_{t}^{\mathrm{CHS}, \mathrm{~d}}=\min \left\{P_{t}^{\mathrm{CHS}}-P_{i}^{\mathrm{CHS}, \min }, K^{\mathrm{CHS}, \mathrm{~d}} \Delta t\right\}$
(17) $ P_{t}^{\text {PHES, } \mathrm{d}}=P^{\mathrm{p}, \text { max }}-P_{t}^{\mathrm{p}}+P_{t}^{\mathrm{g}}$
式中:P u t P d t t 时段的向上/向下调节裕度;N CHS 和N PHES 分别为水力发电机和抽蓄机组数量;P i , t C H S , u P i , t C H S , d t 时段梯级水电i 的向上/向下调节裕度;V t C H S V t P H E S t 时段梯级水电和抽蓄水库容;ϑ CHS 和ϑ g 分别代表梯级水电和抽蓄发电的水-电转换系数;K CHS,u 、K CHS,d 分别代表梯级水电向上/向下爬坡能力;P p t P g t t 时段抽水功率和发电功率.抽蓄参数含义与梯级水电类似,由于日前优化运行为小时级,所以不考虑抽蓄电站的爬坡能力.
2.2 约束条件
除已经给出的风光约束条件外,还包括式(10)目标函数的线性化约束、梯级水电站和混合式抽蓄电站等如下约束.
2.2.1 目标函数线性化约束
在求解多目标优化结果之前,由于式(10)为非线性,所以需要首先对式(10)采用引进大M 数和0-1变量的方式对min函数线性化,以梯级水电下调灵活性裕度P t C H S , d P t C H S - P i C H S , m i n K CHS,d Δt }的处理为例,线性化处理过程如下所示:
(18) $ P_{t}^{\mathrm{CHS}, \mathrm{~d}} \leqslant P_{t}^{\mathrm{CHS}}-P_{i}^{\mathrm{CHS}, \min }, \quad P_{t}^{\mathrm{CHS}, \mathrm{~d}} \leqslant K^{\mathrm{CHS}, \mathrm{~d}} \Delta t$
(19) $ P_{t}^{\mathrm{CHS}}-P_{i}^{\mathrm{CHS}, \min } \leqslant P_{t}^{\mathrm{CHS}, \mathrm{~d}}+M(1-u)$
(20) $ K^{\mathrm{CHS}, \mathrm{~d}} \Delta t \leqslant P_{t}^{\mathrm{CHS}, \mathrm{~d}}+M(1-v)$
(21) $ u+v \geqslant 1$
(22) $ u, v \in\{0,1\}$
2.2.2 梯级水电约束
梯级水电的约束主要包括水电站库容约束、发电流量约束、电站出力约束与机组爬坡等约束,部分约束在文献[20 ]中已讨论较为充分,不再一一列举,本处只列出含混合式抽蓄的水量平衡约束.由于本文抽蓄为混合式抽蓄电站,与梯级水电共用水库,所以水量平衡约束中需要考虑抽蓄的抽水和放水以及梯级水电站之间的延时效应:
(23) $ \begin{array}{c} V_{i, t+1}=V_{i, t}+\left(r_{i, t}-q_{i, t}^{\mathrm{CHS}}-s_{i, t}+q_{\mathrm{p}, t}^{\mathrm{PHS}}-q_{\mathrm{g}, t}^{\mathrm{PHS}}\right) \Delta t, \\ \forall t \in T \end{array}$
(24) $ \begin{aligned} r_{i, t}= & r_{i, t}^{\mathrm{n}}+q_{i-1, t \tau}^{\mathrm{CHS}}+s_{i-1, t-\tau}+ \\ & q_{i-1, \mathrm{p}, t-\tau}^{\mathrm{PHS}}-q_{i-1, \mathrm{~g}, t-\tau}^{\mathrm{PHS}} \end{aligned}$
式中:Vi , t +1 、Vi , t t +1和t 时段初第i 个水库的蓄水量;ri , t r n i , t t 时段第i 个水库的入库流量和天然径流流入量;si , t t 时段第i 个水库的弃水流量;q i - 1 , t - τ C H S t -τ 时段第i -1个梯级水电站的发电流量;τ 为上级电站下泄流量到达到下级电站的耗费时间.
2.2.3 混合式抽蓄电站约束 混合式抽蓄机组除水量约束外,还需考虑的约束如下所示:
(25) $ P_{t}^{\mathrm{PHS}}=Y_{\mathrm{g}, t} P_{\mathrm{g}, t}^{\mathrm{PHS}}-Y_{\mathrm{p}, t} P_{\mathrm{p}, t}^{\mathrm{PHS}}$
(26) $ Y_{\mathrm{g}, t}+Y_{\mathrm{p}, t} \leqslant 1$
(27) $ P_{\min }^{\mathrm{PHS}} \leqslant P_{t}^{\mathrm{PHS}} \leqslant P_{\max }^{\mathrm{PHS}}$
(28) $ \left|P_{i, t}^{\mathrm{PHS}}-P_{i, t-1}^{\mathrm{PHS}}\right| \leqslant P_{i}^{\mathrm{ramp}}$
式中:P t P H S t 的整体等效出力;Y g, t Y p, t t 时段抽蓄是运行于发电还是抽水状态;P m i n P H S P m a x P H S P i r a m p i 的爬坡能力.
2.2.4 功率平衡约束
系统总出力需要与负荷相匹配,每一时刻互补系统的功率平衡约束如下:
(29) P W t P t P V P t C H S P g , t P H S P p , t P H S
式中:L 为电负荷;等式左边为系统发电出力;等式右侧为系统承担的等效负荷.
2.3 求解算法
目前大多数的多目标优化问题采用权重法、ε 约束法和智能算法等进行求解.然而这些方法在求解时存在一些问题:① 智能算法求解结果难以保证全局最优性;② 即便采用均匀间隔取值的权重,Pareto最优解仍常分布不均匀,部分过于分散、部分过于集中的Pareto前沿不利于分析研究.法线边界交叉(normal boundary intersection,NBI)法是由Das等[33 ] 提出,Roman等[34 ] 引进并应用于电力系统研究领域的一种处理多目标优化问题的方法,能对以上不足进行改进.
以本文的双目标函数为例,对其求解过程进行说明,首先将双目标函数改写为以下形式:
(30) m i n f 1 ( x ) , f 2 ( x ) s . t . { x ∈ R ∣ g ( x ) ≤ 0 , h ( x ) = 0 }
(31) ϕ= f 1 ( x 1 * ) f 1 ( x 2 * ) f 2 ( x 1 * ) f 2 ( x 2 * )
式中:x 1 * x 2 * f 1 (x )、f 2 (x )时的最优解对应决策变量.
(32) $ \begin{array}{c} \bar{f}_{i}(x)=\frac{f_{i}\left(x_{\mathrm{a}}\right)-f_{i}\left(x_{i}^{*}\right)}{f_{i}\left(x_{j}^{*}\right)-f_{i}\left(x_{i}^{*}\right)}, \\ i, j \in\{1,2\}, i \neq j \end{array}$
(33) $ \overline{\boldsymbol{\phi}}=\left[\begin{array}{ll} \bar{f}_{1}\left(x_{1}^{*}\right) & \bar{f}_{1}\left(x_{2}^{*}\right) \\ \bar{f}_{2}\left(x_{1}^{*}\right) & \bar{f}_{2}\left(x_{2}^{*}\right) \end{array}\right]$
式中:x a 为x 中的元素. (f - 1 ( x 1 * ) , f - 2 ( x 1 * )) 与(f - 1 ( x 2 * ) , f - 2 ( x 2 * )) 为收益矩阵所得锚点,相连即为乌托邦线,对于标准化空间中的任意一点P (β 1 ,β 2 ),经过点P 做与乌托邦线垂直的法向量,即可求取点 P 与乌托邦线间的距离D. 初始多目标问题可以转化为如下形式:
(34) m a x D s . t . D n = β - F ¯ ( x ) { x ∈ R ∣ g ( x ) ≤ 0 , h ( x ) = 0 }
式中:F ¯ ( x )=[f - 1 ( x a ) f - 2 ( x a )]T ;标准化空间中点P 的横、纵坐标满足β =[β 1 β 2 ]T ,β 1 +β 2 =1,0≤β 1 ,β 2 ≤1;乌托邦线的法向单位向量n =[n 1 n 2 ]T ,满足n 1 +n 2 =1,0≤n 1 ,n 2 ≤1. 在不同β 组合下,即可求得逼近的Pareto前沿.
3 算例分析
3.1 算例设置
本文选取雅砻江流域下游的锦屏一级、锦屏二级和官地电源组3个梯级水电站为研究对象,参数如表1 所示. 三级电站共规划装机 1 094 MW 风电和1 965 MW光伏,考虑对3个梯级水电站加装混合式抽蓄电站,每座抽蓄装机容量为 200 MW.采用分时电价,水风光蓄电价参考四川省水电实时电价[35 ] 作为上网电价,调度时间间隔为1 h.
本文考虑灵活调节能力的梯级水风光蓄互补系统日前优化运行模型为非线性模型,具体求解流程如图3 所示.
图3
图3
多目标模型求解流程图
Fig.3
Flow chart for solving multi-objective model
3.2 PSO-LSTM预测分析
分别使用LSTM模型和PSO-LSTM模型对风光出力进行预测,首先根据历史数据进行训练和测试,训练完成的LSTM和PSO-LSTM训练和预测对比结果如图4 和图5 所示.可以看出,与只使用LSTM相比,PSO-LSTM在对学习率和隐藏层神经元数量进行寻优后的误差更小,精准度更好.
图4
图4
LSTM和PSO-LSTM的训练集对比
Fig.4
Comparison of training datasets for LSTM and PSO-LSTM
图5
图5
LSTM和PSO-LSTM的预测集对比
Fig.5
Comparison of prediction datasets for LSTM and PSO-LSTM
表2 为采用两种方法的误差对比.可以看出采用PSO对超参数进行寻优后再使用LSTM进行预测相比只使用LSTM精度有了一定程度的提升.采用PSO-LSTM预测的风光出力场景如图6 所示.
图6
图6
基于PSO-LSTM的风光出力预测
Fig.6
Wind and solar power output forecasting scenarios based on PSO-LSTM
3.3 多目标问题求解
采用NBI法对多目标问题求解,首先将问题进行转化,再使用MATLAB调用Gurobi求解器对目标进行求解,求解得到的Pareto前沿如图7 所示.
图7
图7
NBI法求解得到的Pareto前沿
Fig.7
Pareto front obtained using NBI method
从图7 中可以看出,在β 均值取值的前提下,NBI法得到的Pareto前沿分布更均匀,更便于决策者分析找出合适运行方案.取中间点进行具体分析,得到考虑灵活调节能力的互补系统日前优化运行结果,如图8 所示.
图8
图8
考虑灵活调节能力的互补系统日前优化运行结果
Fig.8
Results of day-ahead optimization for complementary system considering flexible regulation capacity
从图8 中可以看出,梯级水电承担了大多数负荷,在负荷较低时,由于梯级水电最小出力限制,由梯级水电优先满足负荷,造成大量弃风弃光.此时抽蓄针对弃风弃光量通过抽水的方式进行存储,由于3座抽蓄是独立的,所以图中存在部分抽蓄抽水、部分发电的情况.在负荷高峰时,由于电价较高,抽蓄将存储弃电量抽取的水再用作发电,实现了效益的最大化和风光资源的充分利用.图9 为日前优化运行中各梯级水库的水量变化图,水库1、2、3分别对应锦屏一、二级和官地.
图9
图9
水库水量变化
Fig.9
Variation of reservoir water
从图9 中可以看出,水库1和水库3的库容较大,短时间尺度调节能力强,日前优化运行时几乎不会受到水库约束的影响,而水库2库容较小,在多个时间段达到了最小和最大库容限制,成为制约其调节能力的主要因素.图10 和图11 分别为只考虑收益函数和本文考虑收益以及灵活调节能力的互补系统每一时刻的灵活调节裕度.
图10
图10
只考虑收益目标的互补系统日前灵活调节裕度
Fig.10
Day-ahead flexible regulation margin for complementary system considering only profit objective
图11
图11
考虑收益和灵活调节能力的互补系统日前灵活调节裕度
Fig.11
Day-ahead flexible regulation margin for complementary system considering both profit and flexible regulation capacity
由图10 和11 中对比可以看出,在本文所研究的互补系统中,只考虑收益函数时,在大多时刻的调节裕度低于本文所提模型,尤其是晚上用电高峰时刻,前者调节裕度较小,若有突发情况可能难以保证电力系统的安全性,切负荷风险相对较大.从图11 可以看出,在低谷负荷时系统的向上调节裕度较高,而梯级水电为了满足最小出力要求导致向下调节能力较弱,高峰负荷时期互补系统因容量限制上调裕度有限,而下调裕度较大,但满足电能量后系统的总体灵活性较为充裕,这可以使得互补系统应对较大的负荷变化时也能够平稳运行,同时为今后参与灵活调节市场提供一定的研究基础.
设置不同的场景进行对比,以此说明抽蓄容量的分配在灵活运行中的作用,得到表3 所示的不同场景的对比结果.
场景1 每座抽蓄电站容量相同,每座200 MW,共600 MW,即前述已研究场景.
场景2 具有年调节能力的第一座梯级电站配400 MW抽蓄,其余每座配100 MW.
场景3 每座抽蓄电站容量相同,每座100 MW,共300 MW.
利用表3 中的结果进行比较,从场景1和2的对比中发现抽蓄容量在一定范围内时不会对水库的运行产生较大影响,容量的不同分配对收益和灵活性裕度的影响不大;从场景1和3、4对比可以看出,系统的灵活调节裕度随着抽蓄容量的增加而增加,并能实现风光的完全消纳,但抽蓄容量超过一定值时因造价原因会引起收益的下降,且会因为追求更高的灵活调节裕度总和而导致少量弃风弃光产生,此时也因弃风弃光惩罚导致了系统的收益降低.因此抽蓄的容量配置在一定范围时,既有利于系统稳定,同时促进风光消纳,增加互补系统的收益.
4 结论
针对梯级水风光蓄互补系统开展了考虑灵活调节能力的日前优化运行策略研究.基于雅砻江流域实际数据,设置不同场景验证了模型的有效性,得出以下结论:
(1) 梯级水电和抽蓄电站是良好的灵活性电源,将其和风光电站组成混合可再生能源系统既能促进风光能源的消纳,又能增强系统的灵活调节能力.相比独立抽蓄,本文考虑的混合式抽蓄因与梯级水电共用水库使得系统既具备梯级水电的发电效率,又可以抽水发电,通过共用水库抽水可将弃风弃光电量转化为梯级水电的发电量,建造成本更低,运行效率更高.
(2) LSTM模型克服了传统风光出力模型难以兼顾风速、风向、温度、日照强度等多方面因素建模的局限性,本文采用的PSO优化LSTM模型预测风光出力,则进一步解决了LSTM模型超参数主观选取的不足,使得各项预测误差较LSTM模型有较大下降,利用NBI法得到了均匀的Pareto最优解,便于决策者根据不同需求对日前优化运行策略进行制定.
(3) 本文的梯级水风光蓄互补系统日前多目标优化运行模型考虑了梯级水电和抽蓄电站的灵活调节潜力,在经济效益和灵活调节裕度多目标驱动下,以微小成本有效提升了系统的灵活调节裕度,保障电力系统在面对高比例风光入网时的稳定运行,可为各流域互补系统灵活优化运行策略的制定提供理论支撑.
参考文献
View Option
[1]
习近平 . 在第七十五届联合国大会一般性辩论上的讲话
[EB/OL]. (2020-09-22 ) [2023-07-22 ]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.
URL
[本文引用: 1]
XI Jinping Speech at the general debate of the 75th session of the United Nations general assembly
[EB/OL]. (2020-09-22 ) [2023-07-22 ]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.
URL
[本文引用: 1]
[2]
卓振宇 , 张宁 , 谢小荣 , 等 . 高比例可再生能源电力系统关键技术及发展挑战
[J]. 电力系统自动化 2021 , 45 (9 ): 171 -191 .
[本文引用: 1]
ZHUO Zhenyu ZHANG Ning XIE Xiaorong et al Key technologies and developing challenges of power system with high proportion of renewable energy
[J]. Automation of Electric Power Systems 2021 , 45 (9 ): 171 -191 .
[本文引用: 1]
[3]
申建建 , 程春田 , 曹瑞 , 等 . 大规模水电消纳和调峰调度关键问题及研究进展
[J]. 电力系统自动化 2018 , 42 (11 ): 174 -183 .
[本文引用: 1]
SHEN Jianjian CHENG Chuntian CAO Rui et al Key issues and development in large-scale hydropower absorption and peak regulation
[J]. Automation of Electric Power Systems 2018 , 42 (11 ): 174 -183 .
[本文引用: 1]
[4]
国家发展改革委 , 国家能源局 . 《“十四五”现代能源体系规划》
[EB/OL]. (2022-01-29 ) [2023-06-29 ]. http://www.nea.gov.cn/1310524241_16479412513081n.pdf.
URL
[本文引用: 1]
National Development and Reform Commission , National Energy Administration . The 14th five-year plan for modern energy system
[EB/OL]. (2022-01-29 ) [2023-06-29 ]. http://www.nea.gov.cn/1310524241_16479412513081n.pdf.
URL
[本文引用: 1]
[5]
程春田 . 碳中和下的水电角色重塑及其关键问题
[J]. 电力系统自动化 2021 , 45 (16 ): 29 -36 .
[本文引用: 1]
CHENG Chuntian Function remolding of hydropower systems for carbon neutral and its key problems
[J]. Automation of Electric Power Systems 2021 , 45 (16 ): 29 -36 .
[本文引用: 1]
[6]
张晓辉 , 梁军雪 , 李茂林 , 等 . 计及风光出力预测误差的电力系统经济调度
[J]. 电工电能新技术 2018 , 37 (8 ): 40 -47 .
DOI:10.12067/ATEEE1709025
[本文引用: 1]
在全球能源互联网大背景下，清洁能源的发展受到了前所未有的重视。本文提出了一种计及风光出力预测误差的电力系统经济调度模型，采用联合概率密度函数的方式对风光出力的不确定性进行分析，同时密度函数计及了风光出力的互补特性。模型中加入因风电场和光伏电站出力预测不准确造成的补偿成本和惩罚成本，能够提高电力系统对风光的消纳能力，同时更全面地考虑由于预测风光出力与实际出力的差异对调度造成的影响。最后利用包含风电场和光伏电站的电力系统调度模型进行模拟，验证了本文方法对提高电力系统的风光消纳能力具有积极的影响。
ZHANG Xiaohui LIANG Junxue LI Maolin et al Economic dispatch of power system considering prediction error of wind and photoelectric output
[J]. Advanced Technology of Electrical Engineering and Energy 2018 , 37 (8 ): 40 -47 .
DOI:10.12067/ATEEE1709025
[本文引用: 1]
Under the background of global Energy Internet, the development of clean energy has attracted unprecedented attention. In this paper, an economic dispatch model of power system considering the prediction error of wind and solar power output is proposed. The joint probability density function is used to analyze the uncertainty of the wind and solar output, and the density function is used to calculate the complementary characteristics of the wind and solar power. Adding the compensation cost and penalty cost due to inaccurate prediction of wind farm and photovoltaic power output to the model can improve the consumption capacity of power system, and at the same time can more comprehensively consider the impact of the difference between the predicted output and the actual output on scheduling. Finally, the simulation of power system dispatching model including wind and photovoltaic power stations shows that this method has a positive influence on improving the power system the consumptive ability of wind and solar power.
[7]
韩子娇 , 李正文 , 张文达 , 等 . 计及光伏出力不确定性的氢能综合能源系统经济运行策略
[J]. 电力自动化设备 2021 , 41 (10 ): 99 -106 .
[本文引用: 1]
HAN Zijiao LI Zhengwen ZHANG Wenda et al Economic operation strategy of hydrogen integrated energy system considering uncertainty of photovoltaic output power
[J]. Electric Power Automation Equipment 2021 , 41 (10 ): 99 -106 .
[本文引用: 1]
[8]
JURASZ J Modeling and forecasting energy flow between national power grid and a solar-wind-pumped-hydroelectricity (PV-WT-PSH) energy source
[J]. Energy Conversion and Management 2017 , 136 : 382 -394 .
[本文引用: 1]
[9]
MING B LIU P CHENG L et al Optimal daily generation scheduling of large hydro-photovoltaic hybrid power plants
[J]. Energy Conversion and Management 2018 , 171 : 528 -540 .
[本文引用: 2]
[10]
王义民 , 刘世帆 , 李婷婷 , 等 . 雅砻江能源基地水风光互补短期调度运行模式对比研究
[J]. 水利学报 2023 , 54 (4 ): 439 -450 .
[本文引用: 2]
WANG Yimin LIU Shifan LI Tingting et al A comparative study on the short term operation modes of water-wind-solar energy complementary dispatching in Yalong river energy base
[J]. Journal of Hydraulic Engineering 2023 , 54 (4 ): 439 -450 .
[本文引用: 2]
[11]
朱晔 , 兰贞波 , 隗震 , 等 . 考虑碳排放成本的风光储多能互补系统优化运行研究
[J]. 电力系统保护与控制 2019 , 47 (10 ): 127 -133 .
[本文引用: 2]
ZHU Ye LAN Zhenbo KUI Zhen et al Research on optimal operation of wind-PV-ES complementary system considering carbon emission cost
[J]. Power System Protection and Control 2019 , 47 (10 ): 127 -133 .
[本文引用: 2]
[12]
李琛玺 , 燕恒 , 张浩 , 等 . 计及阶梯式碳交易的风-光-火-抽蓄联合系统日前优化调度
[J]. 水利学报 2023 , 54 (10 ): 1163 -1176 .
[本文引用: 2]
LI Chenxi YAN Heng ZHANG Hao et al Research on optimal scheduling of wind-photovoltaic-thermal-pumped storage combined power generation system considering ladder-type carbon trading
[J]. Journal of Hydraulic Engineering 2023 , 54 (10 ): 1163 -1176 .
[本文引用: 2]
[13]
BILLINTON R FOTUHI-FIRUZABAD M A basic framework for generating system operating health analysis
[J]. IEEE Transactions on Power Systems 1994 , 9 (3 ): 1610 -1617 .
[本文引用: 1]
[14]
IREWA . Power system flexibility for the energy transition, part 1: Overview for policy makers
[EB/OL]. (2018-11-13 )[2023-07-19 ]. http://irena.Org/-/media/files/irena/agency/publication/2018/nov/irena_power_system_flexibilty_1_2018.Pdf, 2018-12.
URL
[本文引用: 1]
[15]
陈一鸣 . 计及运行灵活性的配电网扩展规划方法研究 [D]. 上海 : 上海交通大学 , 2020 .
[本文引用: 1]
CHEN Yiming Research on expansion planning method of distribution network considering operational flexibility [D]. Shanghai : Shanghai Jiao Tong University , 2020 .
[本文引用: 1]
[16]
曹韵 , 韩松 , 荣娜 , 等 . 基于GCTMSA的梯级水火风光蓄储联合调度
[J]. 电力系统保护与控制 2023 , 51 (3 ): 108 -116 .
[本文引用: 1]
CAO Yun HAN Song RONG Na et al Dispatch of a cascade hydro-thermal-wind-photovoltaic-storage complementary system based on GCTMSA
[J]. Power System Protection and Control 2023 , 51 (3 ): 108 -116 .
[本文引用: 1]
[17]
丁紫玉 , 方国华 , 闻昕 , 等 . 考虑预报不确定性的水风光互补系统两阶段决策研究
[J]. 水利水电技术(中英文) 2023 , 54 (4 ): 49 -59 .
[本文引用: 1]
DING Ziyu FANG Guohua WEN Xin et al Two-stage decision making model of a hydro-wind-photovoltaic hybrid system considering forecast
[J]. Water Resources and Hydropower Engineering 2023 , 54 (4 ): 49 -59 .
[本文引用: 1]
[18]
张俊涛 , 甘霖 , 程春田 , 等 . 大规模风光并网条件下水电灵活性量化及提升方法
[J]. 电网技术 2020 , 44 (9 ): 3227 -3239 .
[本文引用: 1]
ZHANG Juntao GAN Lin CHENG Chuntian et al Quantification and promotion of hydropower flexibility with large-scale wind and solar power incorporated into grid
[J]. Power System Technology 2020 , 44 (9 ): 3227 -3239 .
[本文引用: 1]
[19]
杨钰琪 , 莫莉 , 周建中 , 等 . 负荷频繁波动情景下梯级水电站实时调度策略
[J]. 电力自动化设备 2022 , 42 (7 ): 205 -211 .
[本文引用: 1]
YANG Yuqi MO Li ZHOU Jianzhong et al Real-time dispatching strategy of cascaded hydropower stations under frequent load fluctuation
[J]. Electric Power Automation Equipment 2022 , 42 (7 ): 205 -211 .
[本文引用: 1]
[20]
申建建 , 王月 , 程春田 , 等 . 水风光互补系统灵活性需求量化及协调优化模型
[J]. 水利学报 2022 , 53 (11 ): 1291 -1303 .
[本文引用: 3]
SHEN Jianjian WANG Yue CHENG Chuntian et al Flexibility demand quantification and optimal operation model of water-wind-solar complementary system
[J]. Journal of Hydraulic Engineering 2022 , 53 (11 ): 1291 -1303 .
[本文引用: 3]
[21]
李欢欢 , 陈帝伊 , 许贝贝 . 水力发电灵活性对混合电力系统的调节影响
[J]. 排灌机械工程学报 2022 , 40 (2 ): 157 -163 .
[本文引用: 1]
LI Huanhuan CHEN Diyi XU Beibei Hydro flexibility in regulating power fluctuation of hybrid system
[J]. Journal of Drainage and Irrigation Machinery Engineering 2022 , 40 (2 ): 157 -163 .
[本文引用: 1]
[22]
周建平 , 杜效鹄 , 周兴波 . 面向新型电力系统的水电发展战略研究
[J]. 水力发电学报 2022 , 41 (7 ): 106 -115 .
[本文引用: 1]
ZHOU Jianping DU Xiaohu ZHOU Xingbo Study on hydropower development strategy for new power systems
[J]. Journal of Hydroelectric Engineering 2022 , 41 (7 ): 106 -115 .
[本文引用: 1]
[23]
张俊涛 , 程春田 , 于申 , 等 . 水电支撑新型电力系统灵活性研究进展、挑战与展望
[J]. 中国电机工程学报 2024 , 44 (10 ): 3862 -3885 .
[本文引用: 1]
ZHANG Juntao CHENG Chuntian YU Shen et al Progress, challenges and prospects of research on hydropower supporting the flexibility of new power system
[J]. Proceedings of the CSEE 2024 , 44 (10 ): 3862 -3885 .
[本文引用: 1]
[24]
CARTA J A RAMIREZ P VELAZQUEZ S A review of wind speed probability distributions used in wind energy analysis case studies in the canary islands
[J]. Renewable & Sustainable Energy Reviews 2009 , 13 (5 ): 933 -955 .
[本文引用: 1]
[25]
陈睿彬 , 陆玲霞 , 包哲静 , 等 . 电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略
[J]. 电力建设 2022 , 43 (10 ): 66 -76 .
DOI:10.12204/j.issn.1000-7229.2022.10.007
[本文引用: 1]
现有的用户侧调峰领域的储能调度鲁棒优化方法,缺乏考虑非线性多目标优化模型的研究。当储能出力范围直接受负荷不确定性限制时,传统列和约束生成算法无法求解此类模型。针对以上问题,文章考虑负荷、电池储能等约束条件,建立了以净负荷方差、用户侧用电支出等为优化目标的电池储能系统调度鲁棒优化模型,并同时考虑了用户负荷波动、新能源出力波动等不确定因素。由于第二阶段的决策与优化结果会影响第一阶段决策的取值范围,需要改进列和约束生成算法以实现对该类鲁棒优化问题的求解。通过将目标函数、部分约束条件视为多个子问题考虑,对原列和约束生成算法的每次迭代中的子问题求解步骤进行扩充,使每次迭代中求解多个子问题,能够有效拓宽该算法的适用范围。最后,仿真结果验证了该方法的有效性,能够在不改变传统算法性能优势的情况下成功应用于非线性多目标鲁棒优化问题。
CHEN Ruibin LU Lingxia BAO Jingzhe et al Robust optimal dispatch strategy for battery energy storage system participating in user-side peak load shifting
[J]. Electric Power Construction 2022 , 43 (10 ): 66 -76 .
DOI:10.12204/j.issn.1000-7229.2022.10.007
[本文引用: 1]
The existing robust optimization methods for energy storage dispatch in the field of user-side peak load shifting lack the research on robust optimal scheduling of energy storage considering nonlinear multi-objective optimization model. When the range of energy storage output is directly limited by the load uncertainty, the conventional column and constraint generation algorithm cannot solve this kind of model. Aiming at these problems, considering the user-side load, battery energy storage and other constraints, a robust optimization model of energy storage system dispatch with net load variance and user-side power expenditure as optimization objectives is established, while the uncertainty of user load and new energy output is also taken into consideration. Since the decision-making and optimization results of the second stage will affect the value range of the decision-making in the first stage, it is necessary to improve the generation algorithm of columns and constraints to solve this kind of robust optimization problem. With the sub-problem solving steps in each iteration of the original column and constraint generation algorithm expanded by considering the objective function and some constraints as multiple sub-problems, solving multiple sub-problems in each iteration can effectively broaden the application scope of the algorithm. In the end, the simulation results are presented to verify the effectiveness of the method, which can be successfully applied to nonlinear multi-objective robust optimization problems without losing the performance advantages of the conventional algorithm.
[26]
吴晗 , 欧阳森 , 梁炜焜 , 等 . 基于自适应步长ADMM的柔性配电网光-储协同分布鲁棒优化配置
[J]. 电力自动化设备 2023 , 43 (7 ): 35 -43 .
[本文引用: 1]
WU Han OUYANG Sen LIANG Weikun et al Distributionally robust optimization configuration of photovoltaic-energy storage coordination in flexible distribution network based on adaptive step size ADMM
[J]. Electric Power Automation Equipment 2023 , 43 (7 ): 35 -43 .
[本文引用: 1]
[27]
徐潇源 , 王晗 , 严正 , 等 . 能源转型背景下电力系统不确定性及应对方法综述
[J]. 电力系统自动化 2021 , 45 (16 ): 2 -13 .
[本文引用: 1]
XU Xiaoyuan WANG Han YAN Zheng et al Overview of power system uncertainty and its solutions under energy transition
[J]. Automation of Electric Power Systems 2021 , 45 (16 ): 2 -13 .
[本文引用: 1]
[28]
韩富佳 , 王晓辉 , 乔骥 , 等 . 基于人工智能技术的新型电力系统负荷预测研究综述
[J]. 中国电机工程学报 2023 , 43 (22 ): 8569 -8592 .
[本文引用: 1]
HAN Fujia WANG Xiaohui QIAO Ji et al Review on artificial intelligence based load forecasting research for the new-type power system
[J]. Proceedings of the CSEE 2023 , 43 (22 ): 8569 -8592 .
[本文引用: 1]
[29]
王岩 , 陈耀然 , 韩兆龙 , 等 . 基于互信息理论与递归神经网络的短期风速预测模型
[J]. 上海交通大学学报 2021 , 55 (9 ): 1080 -1086 .
DOI:10.16183/j.cnki.jsjtu.2020.433
[本文引用: 1]
风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(τ),通过每τ步预测下一时间点风速的方式,将历史风速数据输入RNN中进行模型训练,并由训练后的RNN模型输出最终的风速预测结果.将MI-RNN模型应用于风电场的风速数据集中,与传统机器学习风速预测模型进行比较,以验证模型的预测精度.结果显示,MI-RNN模型的预测精度更高,预测稳定性更强,并且能够准确预测未来风向,有望应用于含空间维度的风电场的风速预测.
WANG Yan CHEN Yaoran HAN Zhaolong et al Short-term wind speed forecasting model based on mutual information and recursive neural network
[J]. Journal of Shanghai Jiao Tong University 2021 , 55 (9 ): 1080 -1086 .
[本文引用: 1]
[30]
HOCHREITER S JURGEN S Long short-term memory
[J]. Neural Computation 1997 , 9 (8 ): 1735 -1780 .
DOI:10.1162/neco.1997.9.8.1735
PMID:9377276
[本文引用: 1]
Learning to store information over extended time intervals by recurrent backpropagation takes a very long time, mostly because of insufficient, decaying error backflow. We briefly review Hochreiter's (1991) analysis of this problem, then address it by introducing a novel, efficient, gradient-based method called long short-term memory (LSTM). Truncating the gradient where this does not do harm, LSTM can learn to bridge minimal time lags in excess of 1000 discrete-time steps by enforcing constant error flow through constant error carousels within special units. Multiplicative gate units learn to open and close access to the constant error flow. LSTM is local in space and time; its computational complexity per time step and weight is O(1). Our experiments with artificial data involve local, distributed, real-valued, and noisy pattern representations. In comparisons with real-time recurrent learning, back propagation through time, recurrent cascade correlation, Elman nets, and neural sequence chunking, LSTM leads to many more successful runs, and learns much faster. LSTM also solves complex, artificial long-time-lag tasks that have never been solved by previous recurrent network algorithms.
[31]
孙欣 , 王思敏 , 谢敬东 , 等 . 考虑多维影响因素的改进Transformer-PSO短期电价预测方法
[J]. 上海交通大学学报 2024 , 58 (9 ): 1420 -1431 .
DOI:10.16183/j.cnki.jsjtu.2023.065
[本文引用: 1]
随着多元化电力市场的建设,电价影响因素日益增加,市场环境变化也更加剧烈.为提高市场短期电价的预测精度,提出一种考虑多种电价影响因素的改进Transformer-粒子群优化(PSO)算法短期电价预测方法.首先,在考虑历史电价、负荷的基础上进一步分析电价形成的相关因素,利用自相关函数分析电价的多周期特性并在此基础上调整输入序列,克服了仅采用历史数据以及经验调整输入序列导致预测精度受限的问题.其次,结合长短期记忆(LSTM)、自注意力机制与多层注意力机制并采用多输入结构建立改进Transformer模型,进一步提升LSTM模型捕获不同时间步信息间的长短期依赖关系的能力,克服LSTM的信息利用瓶颈,适应包括历史电价及多种电价成因的复杂多序列输入.此外,还利用PSO智能算法搜索模型不同学习阶段的最佳学习率克服手动调整学习率的局限性.最后,采用PJM市场电价进行算例分析,结果表明所提短期电价预测模型能应用于电价影响因素多、变化剧烈的市场环境,并有效提升短期电价预测精度.
SUN Xin WANG Simin XIE Jingdong et al Improved Transformer-PSO short-term electricity price forecasting method considering multidimensional influencing factors
[J]. Journal of Shanghai Jiao Tong University 2024 , 58 (9 ): 1420 -1431 .
[本文引用: 1]
[32]
冯雁敏 , 陈守峰 , 张雪源 . 某混合式抽水蓄能电站综合效益研究
[J]. 水电能源科学 2012 , 30 (2 ): 159 -163 .
[本文引用: 1]
FENG Yanmin CHEN Shoufeng ZHANG Xue-yuan Research on comprehensive benefit of mixed pumped storage power station
[J]. Water Resources and Power 2012 , 30 (2 ): 159 -163 .
[本文引用: 1]
[33]
DAS I DENNIS J E Normal-boundary intersection: A new method for generating the Pareto surface in nonlinear multicriteria optimization problems
[J]. SIAM Journal on Optimization 1998 , 8 (3 ): 631 -657 .
[本文引用: 1]
[34]
ROMAN C ROSEHART W Evenly distributed Pareto points in multi-objective optimal power flow
[J]. IEEE Transactions on Power Systems 2006 , 21 (2 ): 1011 -1012 .
[本文引用: 1]
[35]
井志强 , 王义民 , 王学斌 , 等 . 水风光多能互补运行中多主体损益关系分析
[J]. 水力发电学报 2022 , 41 (11 ): 56 -67 .
[本文引用: 1]
JING Zhiqiang WANG Yimin WANG Xuebin et al Analysis of multi-energy profit and loss relationship in hydro-wind-solar power complementary operation
[J]. Journal of Hydroelectric Engineering 2022 , 41 (11 ): 56 -67 .
[本文引用: 1]
在第七十五届联合国大会一般性辩论上的讲话
1
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
Speech at the general debate of the 75th session of the United Nations general assembly
1
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
高比例可再生能源电力系统关键技术及发展挑战
1
2021
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
Key technologies and developing challenges of power system with high proportion of renewable energy
1
2021
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
大规模水电消纳和调峰调度关键问题及研究进展
1
2018
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
Key issues and development in large-scale hydropower absorption and peak regulation
1
2018
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
《“十四五”现代能源体系规划》
1
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
The 14th five-year plan for modern energy system
1
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
碳中和下的水电角色重塑及其关键问题
1
2021
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
Function remolding of hydropower systems for carbon neutral and its key problems
1
2021
... 为实现能源的可持续发展,中国提出了“力争于2030年前实现碳达峰,努力争取2060年前实现碳中和”的目标[1 ] .在新型电力系统背景下要实现“双碳”目标,需充分开发和利用现存的风、光、水等可再生能源资源.然而,风光资源具有间歇性和波动性,大规模并网可能给电网带来冲击,且其大规模装机会挤压传统灵活性调节机组的生存空间,因此需要挖掘新的可再生灵活性资源[2 ] .水电的装机容量在我国位列第二,2022年装机容量占比为16.1%,仅次于火电机组,且水电调节能力强,可与随机波动的风光发电组成互补系统输出相对平滑、稳定的优质电源,有效破解风能、太阳能开发难题[3 ] .此外,国家发展改革委、国家能源局发布的《“十四五”现代能源体系规划》中也提到,要积极推动多能互补的清洁能源基地建设,优先利用存量电源实现多能互补,最大化利用可再生能源[4 ] .因此,水电的功能定位要从以电量为主逐步变为容量支撑,从而推动水风光互补的综合开发[5 ] ,但随着风光容量的增长,弃风弃光问题也难以避免,而普通水电无法有效贮存弃风弃光产生的电力.为此,需要考虑梯级水电的功能再造,即针对梯级水电站群加建抽水蓄能电站,研究梯级水风光蓄互补系统的灵活性运行策略. ...
计及风光出力预测误差的电力系统经济调度
1
2018
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Economic dispatch of power system considering prediction error of wind and photoelectric output
1
2018
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
计及光伏出力不确定性的氢能综合能源系统经济运行策略
1
2021
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Economic operation strategy of hydrogen integrated energy system considering uncertainty of photovoltaic output power
1
2021
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Modeling and forecasting energy flow between national power grid and a solar-wind-pumped-hydroelectricity (PV-WT-PSH) energy source
1
2017
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Optimal daily generation scheduling of large hydro-photovoltaic hybrid power plants
2
2018
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
雅砻江能源基地水风光互补短期调度运行模式对比研究
2
2023
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
A comparative study on the short term operation modes of water-wind-solar energy complementary dispatching in Yalong river energy base
2
2023
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
考虑碳排放成本的风光储多能互补系统优化运行研究
2
2019
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Research on optimal operation of wind-PV-ES complementary system considering carbon emission cost
2
2019
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
计及阶梯式碳交易的风-光-火-抽蓄联合系统日前优化调度
2
2023
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... [12 ].以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
Research on optimal scheduling of wind-photovoltaic-thermal-pumped storage combined power generation system considering ladder-type carbon trading
2
2023
... 单一的风光电站不确定性强,调节能力弱,是系统各项供需平衡问题的主要来源.已有研究大多通过对风光出力的预测来降低不确定性,文献[6 ]中考虑了风光出力预测误差,利用联合概率密度函数对其不确定性进行分析;文献[7 ]中根据历史数据采用支持向量机进行光伏出力短期预测,并通过分析光照强度变化修正预测曲线.随着科技发展,采用多能互补技术,将具有调节能力的可再生灵活性电源与风光电源组合成混合可再生能源系统(hybrid renewable energy system, HRES)[8 ] ,开始成为应对新型电力系统背景下大规模可再生能源并网影响的重要研究方向.目前,国内外学者对含不同主体的混合能源系统开展了大量研究,主要涉及水-光[9 ] 、水风光[10 ] 、风光储[11 -12 ] 等;文献[9 ]中以清洁能源消纳为准则,构建了水光互补优化调度模型;文献[10 ]中考虑水风光互补的集总式调度模式,构建了多电网调峰的多能互补短期优化模型,体现了区域资源的互补优势;文献[11 ]中利用储能电池的灵活调节能力,实现了运行成本最小的同时减少弃风弃光情况.抽蓄电站的加入也可使联合系统的总运行成本、碳排放量与弃风弃光有较大降低[12 ] .以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
... [12 ].以上研究说明将风光电站和具有调节能力的灵活性电源组合可以有效实现新能源的消纳和平抑,并减少弃电量. ...
A basic framework for generating system operating health analysis
1
1994
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Power system flexibility for the energy transition, part 1: Overview for policy makers
1
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
1
2020
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
1
2020
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
基于GCTMSA的梯级水火风光蓄储联合调度
1
2023
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Dispatch of a cascade hydro-thermal-wind-photovoltaic-storage complementary system based on GCTMSA
1
2023
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
考虑预报不确定性的水风光互补系统两阶段决策研究
1
2023
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Two-stage decision making model of a hydro-wind-photovoltaic hybrid system considering forecast
1
2023
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
大规模风光并网条件下水电灵活性量化及提升方法
1
2020
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Quantification and promotion of hydropower flexibility with large-scale wind and solar power incorporated into grid
1
2020
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
负荷频繁波动情景下梯级水电站实时调度策略
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Real-time dispatching strategy of cascaded hydropower stations under frequent load fluctuation
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
水风光互补系统灵活性需求量化及协调优化模型
3
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
... 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
... 梯级水电的约束主要包括水电站库容约束、发电流量约束、电站出力约束与机组爬坡等约束,部分约束在文献[20 ]中已讨论较为充分,不再一一列举,本处只列出含混合式抽蓄的水量平衡约束.由于本文抽蓄为混合式抽蓄电站,与梯级水电共用水库,所以水量平衡约束中需要考虑抽蓄的抽水和放水以及梯级水电站之间的延时效应: ...
Flexibility demand quantification and optimal operation model of water-wind-solar complementary system
3
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
... 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
... 梯级水电的约束主要包括水电站库容约束、发电流量约束、电站出力约束与机组爬坡等约束,部分约束在文献[20 ]中已讨论较为充分,不再一一列举,本处只列出含混合式抽蓄的水量平衡约束.由于本文抽蓄为混合式抽蓄电站,与梯级水电共用水库,所以水量平衡约束中需要考虑抽蓄的抽水和放水以及梯级水电站之间的延时效应: ...
水力发电灵活性对混合电力系统的调节影响
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Hydro flexibility in regulating power fluctuation of hybrid system
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
面向新型电力系统的水电发展战略研究
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Study on hydropower development strategy for new power systems
1
2022
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
水电支撑新型电力系统灵活性研究进展、挑战与展望
1
2024
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
Progress, challenges and prospects of research on hydropower supporting the flexibility of new power system
1
2024
... 灵活性最早由加拿大学者引入到电力系统领域[13 ] ,旨在利用电网的调节能力来应对不确定因素带来的实际偏差,目前灵活性定义尚未统一.国际能源署指出电力系统的灵活性就是出现变化和不确定因素时,系统能够调控灵活性资源保持安全高效运行的能力[14 ] .除相关机构给出的定义外,也有学者将灵活性定义为系统通过主动调用灵活性资源,包括运用网架的灵活性裕度,来适应下一运行时刻由系统中不确定性因素带来的变化,从而保证电网正常运行的能力[15 ] .总的来说,新型电力系统的灵活性就是系统应对新能源接入带来的波动性和不确定性,保持安全可靠稳定运行的能力.在以往的水风光互补系统优化调度中,通常考虑系统的成本最小[16 ] 、综合效益最大[17 ] 等方面,而在新型电力系统下,电网灵活性需求增大,需要在优化调度时考虑系统的灵活性问题.已有的研究涉及到灵活性需求量化[18 -19 ] 、考虑灵活性指标的优化调度[20 ] 等方面,如文献[20 ]中在对灵活性需求量化的基础上构建了考虑水电系统灵活性裕度最大的协调优化模型,但模型中未考虑水库容量以及抽蓄对灵活调节能力的影响.文献[21 ]中建立了灵活性不足概率指标,研究了风电接入比例和水电备用比例对灵活性不足概率的影响,确定最适宜的接入比例.以上研究从不同主体角度对互补系统的优化运行开展研究,但是并未充分考虑水蓄系统的灵活性运行策略.在未来水电开发和调节能力有限的情况下,抽蓄是亟待发展的重要灵活性资源,梯级水电功能再造是未来抽蓄建设的重要方式[22 ] .水电和抽蓄联合运行下的灵活调节潜力挖掘是未来应对严峻灵活性需求挑战的重要途径,充分发挥我国水电资源优势,合理配置灵活性调节能力,挖掘水蓄灵活调节潜力,对新型电力系统的发展尤为重要[23 ] . ...
A review of wind speed probability distributions used in wind energy analysis case studies in the canary islands
1
2009
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略
1
2022
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Robust optimal dispatch strategy for battery energy storage system participating in user-side peak load shifting
1
2022
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
基于自适应步长ADMM的柔性配电网光-储协同分布鲁棒优化配置
1
2023
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Distributionally robust optimization configuration of photovoltaic-energy storage coordination in flexible distribution network based on adaptive step size ADMM
1
2023
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
能源转型背景下电力系统不确定性及应对方法综述
1
2021
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Overview of power system uncertainty and its solutions under energy transition
1
2021
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
基于人工智能技术的新型电力系统负荷预测研究综述
1
2023
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Review on artificial intelligence based load forecasting research for the new-type power system
1
2023
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
基于互信息理论与递归神经网络的短期风速预测模型
1
2021
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Short-term wind speed forecasting model based on mutual information and recursive neural network
1
2021
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
Long short-term memory
1
1997
... 风电场风力发电机的出力通常与风速、风向、温度等主要因素呈现较强的非线性相关性,光伏机组的出力则与日照辐射强度、温度等主要因素呈现较强的非线性相关性.传统模型方法对于风光不确定性的处理包括通常假设随机变量服从特定分布的随机优化[24 ] 、只需关注不确定变量边界信息的鲁棒优化[25 ] 和在不确定参数最恶劣分布下寻优的分布鲁棒优化[26 ] .但这些方法分别存在求解时间长、难以准确描述不确定变量的分布、结果较为保守和模型较为复杂难以求解的缺点[27 ] ,且难以将前述具有重要影响的因素同时考虑在内,使得传统预测方法得出结果往往与现实偏差较大.随着人工智能技术的发展,基于大数据的人工神经网络方法开始被应用于风光的出力预测研究[28 ] .循环神经网络(RNN)[29 ] 相对于传统神经网络对时间序列的处理能力更强,但输入序列过长时存在梯度消失和梯度爆炸问题.LSTM是一种时间循环神经网络[30 ] ,通过引入输入门、输出门和遗忘门有效缓解了RNN中存在的长期依赖问题,同时提高了预测精度. ...
考虑多维影响因素的改进Transformer-PSO短期电价预测方法
1
2024
... 在梯级水风光蓄系统的风光出力预测中,LSTM模型有一些参数需要主观设置,如学习率、隐藏层神经元个数等,这些参数过大或过小都会影响预测的结果和精度[31 ] .为了克服主观选取参数的局限性,采用惯性权重线性下降的粒子群优化算法对LSTM模型的学习率和隐藏层神经元个数进行优化,并利用优化模型对风光出力进行预测. ...
Improved Transformer-PSO short-term electricity price forecasting method considering multidimensional influencing factors
1
2024
... 在梯级水风光蓄系统的风光出力预测中,LSTM模型有一些参数需要主观设置,如学习率、隐藏层神经元个数等,这些参数过大或过小都会影响预测的结果和精度[31 ] .为了克服主观选取参数的局限性,采用惯性权重线性下降的粒子群优化算法对LSTM模型的学习率和隐藏层神经元个数进行优化,并利用优化模型对风光出力进行预测. ...
某混合式抽水蓄能电站综合效益研究
1
2012
... 从建造方案上看,抽水蓄能电站分为独立的抽水蓄能电站和混合式抽水蓄能电站,独立的抽水蓄能电站一般需要新建上下水库,这种方式的水量体积基本保持为定量,只是经上下水库循环往复,往往因站址资源稀缺而受限.混合式抽水蓄能电站依托已建水电站进行功能再造,利用梯级水电站水库做上水库或下水库,修建一个下水库或上水库,增建可逆机组或抽水泵即可.混合式抽蓄不仅具备独立抽蓄的各项功能,且造价更低、效率更高[32 ] ,图2 为独立抽蓄和混合式抽蓄的示意图,其中可逆机组既可以发电又可以抽水,普通水轮机则只有发电功能,本文采用的混合式抽蓄与常规独立抽蓄的区别主要体现在后续约束. ...
Research on comprehensive benefit of mixed pumped storage power station
1
2012
... 从建造方案上看,抽水蓄能电站分为独立的抽水蓄能电站和混合式抽水蓄能电站,独立的抽水蓄能电站一般需要新建上下水库,这种方式的水量体积基本保持为定量,只是经上下水库循环往复,往往因站址资源稀缺而受限.混合式抽水蓄能电站依托已建水电站进行功能再造,利用梯级水电站水库做上水库或下水库,修建一个下水库或上水库,增建可逆机组或抽水泵即可.混合式抽蓄不仅具备独立抽蓄的各项功能,且造价更低、效率更高[32 ] ,图2 为独立抽蓄和混合式抽蓄的示意图,其中可逆机组既可以发电又可以抽水,普通水轮机则只有发电功能,本文采用的混合式抽蓄与常规独立抽蓄的区别主要体现在后续约束. ...
Normal-boundary intersection: A new method for generating the Pareto surface in nonlinear multicriteria optimization problems
1
1998
... 目前大多数的多目标优化问题采用权重法、ε 约束法和智能算法等进行求解.然而这些方法在求解时存在一些问题:① 智能算法求解结果难以保证全局最优性;② 即便采用均匀间隔取值的权重,Pareto最优解仍常分布不均匀,部分过于分散、部分过于集中的Pareto前沿不利于分析研究.法线边界交叉(normal boundary intersection,NBI)法是由Das等[33 ] 提出,Roman等[34 ] 引进并应用于电力系统研究领域的一种处理多目标优化问题的方法,能对以上不足进行改进. ...
Evenly distributed Pareto points in multi-objective optimal power flow
1
2006
... 目前大多数的多目标优化问题采用权重法、ε 约束法和智能算法等进行求解.然而这些方法在求解时存在一些问题:① 智能算法求解结果难以保证全局最优性;② 即便采用均匀间隔取值的权重,Pareto最优解仍常分布不均匀,部分过于分散、部分过于集中的Pareto前沿不利于分析研究.法线边界交叉(normal boundary intersection,NBI)法是由Das等[33 ] 提出,Roman等[34 ] 引进并应用于电力系统研究领域的一种处理多目标优化问题的方法,能对以上不足进行改进. ...
水风光多能互补运行中多主体损益关系分析
1
2022
... 本文选取雅砻江流域下游的锦屏一级、锦屏二级和官地电源组3个梯级水电站为研究对象,参数如表1 所示. 三级电站共规划装机 1 094 MW 风电和1 965 MW光伏,考虑对3个梯级水电站加装混合式抽蓄电站,每座抽蓄装机容量为 200 MW.采用分时电价,水风光蓄电价参考四川省水电实时电价[35 ] 作为上网电价,调度时间间隔为1 h. ...
Analysis of multi-energy profit and loss relationship in hydro-wind-solar power complementary operation
1
2022
... 本文选取雅砻江流域下游的锦屏一级、锦屏二级和官地电源组3个梯级水电站为研究对象,参数如表1 所示. 三级电站共规划装机 1 094 MW 风电和1 965 MW光伏,考虑对3个梯级水电站加装混合式抽蓄电站,每座抽蓄装机容量为 200 MW.采用分时电价,水风光蓄电价参考四川省水电实时电价[35 ] 作为上网电价,调度时间间隔为1 h. ...
