【技术实现步骤摘要】
一种火电机组深度调峰和复合储能协同规划方法与装置
[0001]本专利技术涉及电力系统规划
,具体但不限于涉及一种火电机组深度调峰和复合储能协同规划方法与装置。
技术介绍
[0002]由于新能源发电功率的波动性、间歇性以及不确定性,大规模新能源并网造成电网供电充裕性下降,给电力系统调峰带来了极大的压力。未来电网中火电灵活性改造、化学储能以及抽水蓄能三类调峰资源在电网中的占比都较高,将三者进行协同规划运行有利于电力系统的功率平衡以及安全稳定运行。
[0003]目前在进行灵活性资源优化规划时,常以经济最优或新能源消纳最大为目标。然而火电机组的深度调峰将导致其运行效率降低、锅炉燃烧不充分等问题,由此将带来新的环保压力,因此,需要协调火电机组灵活性改造与碳减排能力之间的矛盾。
[0004]有鉴于此,需要提供一种新的结构或方法,以期解决上述至少部分问题。
技术实现思路
[0005]针对现有技术中的一个或多个问题,本专利技术提出了一种火电机组深度调峰和复合储能协同规划方法,提出了基于熵权
‑
理想解进行数据预处理的改进NSGA
‑
II算法,建立多目标规划模型求取灵活性资源的最优配置方案,具有较快的求解速度,且适应性强,兼顾了碳减排和新能源消纳能力,显著减小系统的弃风光率,有利于电力系统的低碳经济运行。
[0006]实现本专利技术目的的技术解决方案为:
[0007]一种火电机组深度调峰和复合储能协同规划方法,包括:
[0008]S1、以年 ...
【技术保护点】
【技术特征摘要】
1.一种火电机组深度调峰和复合储能协同规划方法,其特征在于,包括:S1、以年收益最大为目标建立经济性模型,以碳减排量最大为目标建立碳减排模型,以弃风光量最小为目标建立弃风光模型,基于前述经济性模型、碳减排模型和弃风光模型建立火电机组深度调峰和复合储能协同规划的多目标优化模型;S2、基于熵权
‑
理想法对输入数据进行预处理,所述输入数据为各决策变量,包括火电深度调峰、抽蓄和化学储能,计算得到多目标优化模型中各决策变量的综合得分,并根据各决策变量的综合得分由大到小确定火电深度调峰、抽蓄和化学储能的投入顺序;S3、采用改进NSGA
‑
II方法进行模型求解,所述改进方法在NSGA
‑
II方法基础上通过引入正态分布交叉算子与自适应调整变异方式产生子代,获得Pareto最优解集,并通过模糊隶属度函数得到综合最优解,获得火电机组深度调峰改造量以及新建复合储能规划容量。2.根据权利要求1所述的火电机组深度调峰和复合储能协同规划方法,其特征在于,S1中以年收益最大为目标建立经济性模型为:max F1=Pr
t
+Pr
n
‑
C
H
‑
C
s
式中,F1为年收益;Pr
t
和Pr
n
分别为火电收益和新能源发电收益;C
H
与C
s
分别为抽蓄机组成本和化学储能成本;其中,火电收益Pr
t
包括电网公司对火电的售电收益、以及电网公司对参与深度调峰机组的补偿费,具体为:式中,n为年总采样点数;i表示第i时刻;P
t
为火电机组的实际出力k
s
和k
b
分别为电网售电价格和火电上网标杆电价;P
td
为火电机组较正常出力下限少发的功率,即参与深度调峰的功率;k
td
为火电深度调峰电价补偿系数;新能源发电收益Pr
n
为其售电收益,并扣除弃风光带来的成本,具体为:式中,P
n
为并网新能源总出力;P
d
为弃风光功率;k
d
为弃风光成本系数;抽蓄机组成本C
H
包括新增抽蓄机组的建设成本、以及所有抽蓄机组的年运维成本,具体为:C
H
=P
H
k
H
+P
nH
k
nH
/m
H
式中,P
H
和k
H
分别为抽蓄机组的总装机及其年运维成本系数;P
nH
和k
nH
分别为新增抽蓄功率以及抽蓄机组的建设成本系数;m
H
为抽蓄机组的使用年限;化学储能成本C
s
包括新建成本与运维成本,具体为:式中,E
es
为新增化学储能容量;k
es
为化学储能建设成本系数;m
s
和n
s
分别为化学储能的年充放电次数和全生命周期内可充放的总次数;ν为化学储能的年运维成本系数。3.根据权利要求1所述的火电机组深度调峰和复合储能协同规划方法,其特征在于,S1中以碳减排量最大为目标建立碳减排模型为:
max F2=T
p
+T
s
‑
T
t
式中,F2为碳减排量,具体为复合储能带来的碳减排量减去火电燃煤机组深度调峰带来的碳排放增量;T
p
和T
s
分别为抽蓄机组和化学储能运行折算的碳减排量;T
t
为火电燃煤机组深度调峰产生的碳排放增量;k
nf
为火电机组正常运行单位功率的碳排放系数;P
nf
为未进入深度调峰火电机组的出力;k
df
为火电机组深度调峰下单位碳排放增量系数;P
p
和P
s
分别为抽蓄机组的实时功率和化学储能的实时功率;P
t
为火电机组的实际出力;μ
gen
和均为0
‑
1变量,值为1时表示抽蓄机组发电和化学储能放电。4.根据权利要求1所述的火电机组深度调峰和复合储能协同规划方法,其特征在于,S1中以弃风光量最小为目标建立弃风光模型为:式中,F3为弃风弃光量,P
d
为弃风光功率;其中,弃风光模型的约束条件包括:1)系统功率平衡约束:式中,i表示第i时刻;P
t
为火电机组的实际出力;P
n
为并网新能源总出力;μ
pum
和μ
gen
均为0
‑
1变量,且满足μ
pum
μ
gen
=0,μ
pum
为抽水标志,μ
pum
=1时表示抽水,μ
gen
为发电标志,μ
gen
=1时表示发电;和均为0
‑
1变量,且满足1变量,且满足为化学储能充电标志,时表示充电,为化学储能放电标志,时表示放电;P
p
和P
s
分别为抽蓄机组的...
【专利技术属性】
技术研发人员:潘学萍,朱健宇,史雯,秦景辉,孙晓荣,
申请(专利权)人:河海大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。