【技术实现步骤摘要】
本专利技术属于电力系统优化调度，具体涉及一种风光储电力系统低碳调度方法。
技术介绍
1、电力系统优化调度是指根据特定约束，在电力负荷分配过程中对整个系统中的发电机组输出和运行状态进行调整，以实现合理分配系统负荷的目标。随着新能源产业的兴起，越来越多的风能和光伏等新能源并网，使得传统电网中出现随机和波动成分的可能性增加。这导致传统电力调度模型不再适用，因此在建立电力优化调度模型时，需要考虑负荷和新能源的不确定性。
2、传统的调度方法通常以最低系统发电成本等经济性为目标。在控制碳排放减少污染的情况下，引入碳交易到含有大规模风电的电力系统中可以扩大风电上网空间，减少系统碳排放量，对电力系统的节能减排起到积极作用。
3、随着计算机和人工智能技术的发展，许多优秀的智能优化算法被开发并应用于电力系统优化问题的求解。与传统的数学求解方法相比，智能算法在目标函数和约束设定方面更加灵活，具有良好的全局收敛性和不受函数特性限制的优点。因此，智能算法在电力系统优化调度求解中得到广泛应用。
4、然而，当电力系统变得复杂，优化变量和约束条件增多时，基础群智能算法(如粒子群算法和遗传算法)通常搜索效率较低，容易陷入局部最优解。同时，随着电力系统机组数量的增加，问题的维度也会增加，导致维数灾难的问题。因此，迫切需要一种适用于解决大规模优化问题的算法，以应对复杂电力系统优化调度问题中涉及大规模优化变量和约束条件的挑战。
技术实现思路
1、本专利技术旨在针对现有技术中存在的技术问
2、本专利技术提供了一种风光储电力系统低碳调度方法，包括如下步骤；
3、步骤1：建立风光储能电力系统的优化调度模型，包括风光储能电力系统的优化调度数学模型与碳排放成本数学模型，根据碳排放成本数学模型确定优化调度数学模型的优化目标，确定优化调度数学模型的优化变量以及约束条件；
4、步骤2：对风光储能电力系统的优化调度数学模型与碳排放成本数学模型中的风光电与负荷进行模糊处理，引入风光电模糊参数和负荷模糊参数，构建风光储能电力系统的模糊机会约束规划模型；
5、步骤3：获取一个周期的风光储能电力系统与优化调度数学模型的优化目标、优化变量以及约束条件相关的数据；
6、步骤4：对竞争群优化算法进行改进，将失败粒子的环境粒子定义为目标空间中与当前失败粒子欧几里得距离最近的两个粒子，形成改进的竞争群优化算法；
7、步骤5：根据与优化调度数学模型的优化目标、优化变量以及约束条件相关的数据，使用改进的竞争群优化算法对形成的风光储能电力系统的模糊机会约束规划模型进行优化，优化得到风光储能电力系统最终的优化调度方案。
8、优选地，步骤1中所述的风光储能电力系统的优化调度数学模型的目标函数f如下：
9、minf＝c1+c2+c3，即目标函数为使c1+c2+c3最小；
10、
11、
12、
13、式中，
14、c1为火电机组的燃料成本和启停成本；
15、t为求解周期时刻数；
16、ng为火电机组数量；
17、aj、bj和cj为火电机组j的煤耗量系数；
18、pg,j,t为火电机组j在t时刻的出力值；
19、sjt为火电机组j的启停成本；
20、uj,t为火电机组j在t时刻的启停状态；
21、c2为弃风弃光惩罚成本；
22、kw为弃风惩罚成本系数；
23、δpw,t为t时刻的弃风量；
24、kv为弃光惩罚成本系数；
25、δpv,t为t时刻的弃光量；
26、c3为系统阶梯型碳排放成本；根据碳排放区间来定的，第一阶段成本最低，第三阶段成本最高；
27、为碳交易价格；
28、mp,t为第t个单位时间内系统碳排放总量；
29、ml,t为第t个单位时间内系统总的碳排放配额；
30、d为碳排放量区间长度；
31、τ为碳排放增长幅度。
32、优选地，所述的风光储能电力系统的优化调度数学模型的约束条件包括：功率平衡约束、火电机组爬坡约束、火电机组最小启停时间约束、储能约束和旋转备用约束。
33、优选地，步骤1中功率平衡约束如下：
34、
35、式中，
36、pl,t为t时刻系统的负荷值；
37、εl,t为t时刻系统的负荷的不确定性误差；
38、psc,t为t时刻系统储能充电值；
39、ph,t为水电机组t时刻的出力值；
40、psd,t为t时刻系统储能放电值；
41、pw,t为t时刻风电出力值；
42、εw,t为t时刻风电出力的不确定性误差；
43、pv,t为t时刻光伏出力值；
44、εv,t为t时刻光伏出力的不确定性误差。
45、优选地，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件还包括：
46、火电机组爬坡约束：
47、-rd,jδt≤pg,j,t-pg,j,t-1≤ru,jδt
48、式中，
49、rd,j、ru,j分别为火电机组j增减负荷时的速率上限和下限；
50、δt为时间变化量。
51、优选地，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件还包括：
52、火电机组最小启停时间约束：
53、
54、式中，
55、tj,on为火电机组j的最小开机时间；
56、tj,t-1为t-1时刻的状态保持时间；
57、tj,off为火电机组j的最小停机时间。
58、优选地，本文档来自技高网...
【技术保护点】
1.一种风光储电力系统低碳调度方法，其特征在于，包括如下步骤；
2.根据权利要求1所述的风光储电力系统低碳调度方法，其特征在于，步骤1中所述的风光储能电力系统的优化调度数学模型的目标函数f如下：
3.根据权利要求2所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件包括：功率平衡约束、火电机组爬坡约束、火电机组最小启停时间约束、储能约束和旋转备用约束。
4.根据权利要求3所述的风光储电力系统低碳调度方法，其特征在于，步骤1中功率平衡约束如下：
5.根据权利要求4所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件还包括：
6.根据权利要求5所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件还包括：
7.根据权利要求6所述的风光储电力系统低碳调度方法，其特征在于，步骤2模糊处理包括如下步骤：
8.根据权利要求2-7任一项所述的风光储电力系
9.根据权利要求8所述的风光储电力系统低碳调度方法，其特征在于，一个周期的电力系统的数据包括火电机组出力的上限和下限，水电机组出力的上限和下限，储能容量上限和下限，风电预测出力数据，光伏预测出力数据，负荷预测数据，碳交易价格数据。
10.根据权利要求1所述的风光储电力系统低碳调度方法，其特征在于，改进的竞争群优化算法中，失败粒子的环境粒子定义为目标空间中与当前失败粒子欧几里得距离最近的两个粒子，改进的竞争群优化算法步骤如下：
...【技术特征摘要】
1.一种风光储电力系统低碳调度方法，其特征在于，包括如下步骤；
2.根据权利要求1所述的风光储电力系统低碳调度方法，其特征在于，步骤1中所述的风光储能电力系统的优化调度数学模型的目标函数f如下：
3.根据权利要求2所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件包括：功率平衡约束、火电机组爬坡约束、火电机组最小启停时间约束、储能约束和旋转备用约束。
4.根据权利要求3所述的风光储电力系统低碳调度方法，其特征在于，步骤1中功率平衡约束如下：
5.根据权利要求4所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化调度数学模型的约束条件还包括：
6.根据权利要求5所述的风光储电力系统低碳调度方法，其特征在于，步骤1中，所述的风光储能电力系统的优化...
【专利技术属性】
技术研发人员：周强，牛继恩，张健美，赵龙，张金平，张睿骁，高鹏飞，吕清泉，李津，王定美，刘丽娟，张珍珍，张永蕊，王晟，袁晖，张彦琪，沈荟云，陈柏旭，张赛，刘海伟，魏润芝，张嘉林，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，
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。