申请/专利权人：大唐国际发电股份有限公司张家口发电厂;中国大唐集团科学技术研究院有限公司火力发电技术研究院;天津大唐国际盘山发电有限责任公司

申请日：2021-09-23

公开（公告）日：2024-03-19

公开（公告）号：CN113991640B

主分类号：H02J3/00

分类号：H02J3/00;H02J3/46;G06Q10/0631;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明涉及一种基于火电的多能互补能源基地能源配置规划方法，包括：构建基于日出力情景的风电出力模型；构建基于日出力情景的光伏出力模型；构建火电机组出力模型；构建原有火电线路的历史负荷模型；搭建基于时序生产模拟法的消纳模型；根据基于时序生产模拟法的消纳模型，得到多能互补能源基地电源组合方案。本发明从发电企业角度出发，充分利用自身已拥有的火电输出线路优势，结合自身的火电灵活调峰的基础，形成了主动有前瞻性的能源发展结构规划。

主权项：1.一种基于火电的多能互补能源基地能源配置规划方法，其特征在于，包括如下步骤：步骤1，构建基于日出力情景的风电出力模型，包括：步骤1.1，建立电力平衡场景和调峰平衡场景；所述电力平衡场景建立步骤如下：1对各季节风力日发电曲线按晚高峰时段最小出力PEPmin排序以晚高峰时段最小出力PEPmin作为电力平衡场景主要特征指标，将各季节风力日发电曲线按PEPmin从小到大排序，构成次序统计量；2给定PEPmin的置信水平α，确定风力日发电曲线集合PWΩ1给定PEPmin的置信水平α，筛选出风力日发电曲线PWd，其晚高峰时段最小出力为PEPmind，使以超过α的概率确信该季节风力日发电曲线晚高峰时段最小出力不小于PEPmind，记满足条件的风力日发电曲线集合为PWΩ1： 记PWΩ1中日电量保证率最大的发电曲线为Pμ1；3在PWΩ1中，选取日电量保证率较高或日平均出力较小的风力日发电曲线作为电力平衡场景，其中，方式一：按日电量保证率选取：以给定的日电量保证率β，在集合PWΩ1中筛选出风力日发电曲线PWd，使PWd的日电量保证率λEd不低于β，记满足条件的风力日发电曲线集合为P'WΩ1： 记P'WΩ1中晚高峰时段最小出力PEPmin最小发电曲线为Pν1；方式二：按日平均出力选取：给定日平均出力的置信水平β，在集合PWΩ1中筛选出风力日发电曲线PWd，以超过β的概率确信该季节风力日发电曲线的平均出力不低PDave，记满足条件的风力日发电曲线集合为P'WΩ1： 记P'WΩ1中日平均出力PDave最大的发电曲线为Pu1；4选定各季节风电出力电力平衡场景PW1 若按3中方式一确定P'WΩ1，在满足PEPmin的置信水平α及电量保证率β要求上，选取PEPmin最小的发电曲线为电力平衡场景，以反映风电对系统电力平衡最极端的影响；在不能满足电量保证率β要求时，则取电量保证率最大的发电曲线为电力平衡场景；若按3中方式二确定P'WΩ1，在满足PEPmin的置信水平α及PDave置信水平β要求上，选取最接近日平均出力置信水平β的发电曲线为边界电力平衡场景；在不能满足置信水平β要求时，则取日平均出力最小的发电曲线为电力平衡场景；5确定电力平衡场景的确切概率： 式中，Nr为该季节出力曲线的总数；所述调峰平衡场景建立步骤如下：1对各季节风力日发电曲线按ΔPPDmax排序以日最大调峰需求ΔPPDmax作为调峰平衡场景的主要特征指标，将各季节风力日发电曲线按ΔPPDmax从大到小排序，构成次序统计量；2给定ΔPPDmax的置信水平γ，确定风力日发电曲线集合PWΩ2给定ΔPPDmax的置信水平γ，筛选出风力日发电曲线PWd，日最大调峰需求为ΔPPDmaxd，使以超过的概率确信该季节ΔPPDmax不大于ΔPPDmaxd，记满足条件的风力日发电曲线集合为PWΩ2： 记集合中日最小调峰需求ΔPPDmin最大的发电曲线为Pμ2；3在PWΩ2中，以ΔPPDmin≥0为约束，确定风力日发电曲线集合P'WΩ2，以ΔPPDmin≥0为约束条件从PWΩ2筛选出风力日发电曲线PWd，记满足条件的风力日发电曲线集合为P'WΩ2，用公式表述如下：P'wΩ2＝{Pwd|ΔPPDmind≥0,Pwd∈PwΩ2}记P'WΩ2中日最大调峰需求ΔPPDmax最大的发电曲线为Pν2；4选定各季节风电出力调峰平衡场景PW2 若P'WΩ2不为空集，即存在满足ΔPPDmax置信水平γ和ΔPPDmin≥0约束的风力日发电曲线，则在其中选取ΔPPDmax最大的发电曲线为调峰平衡场景，以反映风电对系统调峰平衡最极端的影响；若P'WΩ2为空集，即PWΩ2中所有风力日发电曲线均不能满足ΔPPDmin≥0约束，则取ΔPPDmin最大的风力日发电曲线为调峰平衡场景，最大限度的接近反调峰；5确定调峰平衡场景的确切概率； 式中，Nr为该季节出力曲线的总数；步骤1.2，建立风电日出力聚类场景，包括：1基于加权欧式距离的K-means聚类方法，对大量风电出力场景的有效聚类和筛选，具体步骤如下：1从N条风电出力曲线Pmm＝1,2,3,…,N中选取k条作为初始聚类中心Mii＝1,2,3,…,k；2根据实际应用的需求，确定负荷早高峰时段、晚高峰时段、低谷时段和腰荷时段的风电出力在聚类过程中所占的权重系数ωtt＝1,2,3,…,S； 3依次计算每条风电出力曲线Pm与各个聚类中心Mi的距离lmi，将风电出力曲线分配到距离聚类中心最近的类别中； 式中，Pmt和Mit分别是风电出力曲线Pm和聚类中心Mit时刻的出力值；4计算每个类别中新的聚类中心并重新聚类，以此循环迭代计算，直至聚类的准则函数不在发生变化为止，准则函数如下： 其中 式中，emi为状态变量；Ri为第i个风电出力场景中所有风电出力曲线的集合；记第i类风电出力场景的确切概率为pi， 2确定各类场景的典型风力日发电曲线，具体步骤如下：1计算风力日发电曲线d和类中其它发电曲线q关于ΔPPDmax、ΔPPDmin的平均加权欧拉距离Sid； 式中，kα为指标ΔPPDmax的权重；2取Sid最小的发电曲线为场景类Ri的典型风力日发电曲线，记为PRi；3修正场景类Ri典型风力日发电曲线PRi的发电量；修正过程如下：①计算场景类Ri风力总发电量ERi 式中，PWdt表示场景类Ri中风力日发电曲线d第t小时的出力；②计算场景类Ri典型风力日发电曲线PRi的期望发电量 式中，PRit表示PRi在t时刻的出力；③计算场景类Ri典型风力日发电曲线PRi的修正电量δE ④计算场景类Ri典型风力日发电曲线PRi各小时的出力修正值δP ⑤得到场景类Ri修正后的典型风力日发电曲线PRi△ 式中，表示第t小时的出力值；修正后，若某时刻风电出力溢出场景类风电出力范围，将该时刻溢出电量再平摊到其它时刻；步骤2，构建基于日出力情景的光伏出力模型，包括：步骤2.1，在需要评估含光伏发电的系统电力平衡时，直接以聚类场景中出力最小的光伏场景代替电力平衡场景；取各季节日最大出力PDmax最大的光伏日发电曲线作为光伏发电的调峰平衡场景；光伏调峰平衡场景的确切概率计算公式与风电相同；步骤2.2，采用基于KantorovichDistance距离的forward场景削减方法，根据光伏历史出力数据，将各季节光伏日发电曲线聚类成几个典型场景；通过反复迭代，从原始场景集合Ω中选出与其他场景KD距离最小的场景，将其置入场景集合Ω'中，两个场景集Ω，Ω'的KD距离定义如下： 式中，s和s'分别为场景集Ω和Ω'中的场景；ps和ps'分别为场景s和s'在Ω和Ω'中的概率；cs,s'为一个非负、连续、对称的距离函数；ηs,s'为场景s和s'的概率乘积；基于KD距离的forward场景削减步骤如下：1确定需要削减的场景：剔除满足以下条件的场景ωs' 式中，cωs',ωm为两光伏日出力曲线之间的距离； 2改变场景的总数：N＝N-1；并筛选出与被削减场景ωs'距离最近的场景ωs，即 3改变与被剔除场景ωs'距离最近的场景ωs的概率，以保证剩余的所有场景的概率和为1；Ps＝Ps+Ps’4循环迭代计算，直到剩余的场景数量满足设定的目标场景数量Ns的要求为止；各代表场景ωs的概率即为ps；步骤3，构建火电机组出力模型，包括：构建凝汽式火电机组出力模型；构建背压式火电机组出力模型；构建抽汽式火电机组出力模型；步骤4，构建原有火电线路的历史负荷模型，包括：确定基准日负荷曲线：按每月一条典型工作日和休息日曲线，并单独考虑典型节假日，各月代表日的选取排除不正常因素的影响；或对历史上各年该月的典型曲线作综合分析比较，确定该月的代表曲线；各典型日数据采取如下分析方法：令T＝24，表示时段数，设待分析日的负荷数据为lii＝1、2、...、T，当天最大负荷为l0，以l0对li进行标幺化，得到当日负荷曲线dii＝1、2、...、T、则成立如下关系式：l0＝maxli1≦i≦Tdi＝lil0步骤5，搭建基于时序生产模拟法的消纳模型，包括：步骤5.1确定目标函数优化周期内目标函数为： 式中：T表示时间的总长度；t为仿真时间步长；Pwt为风光火多能源基地在时段t的风电出力，Ppvt为风光火多能源基地在时段t的太阳能发电出力；步骤5.2，确定约束条件1区域负荷平衡约束Pjt×Sjt+PWt+PPVt＝PIt式中：Pjt×Sjt为常规机组的功率之和；2机组出力约束0≤ΔPjt≤[Pj,maxt-Pj,mint]×SjtPjt＝Pj,mint×Sjt+ΔPjt式中，Pjt为常规机组优化功率大小；3机组优化功率爬坡率约束Pjt+1-Pjt≤ΔPj,upnPjt-Pjt+1≤ΔPj,downn式中，ΔPj,up，ΔPj,down分别为第j台机组的上爬坡率和下爬坡率；4供热机组供热期出力约束背压式热电联产火电机组的发电出力与热出力呈线性关系：PBYJt＝Cj,b×Qjt抽汽式热电联产火电机组线性约束公式如下式所示：Qjt×Cj,b≤PCQJ,max-Qjt×Cj,v5新能源出力约束0≦Pwt≦P*wt0≦Ppvt,≦P*pvt式中：P*wt指时刻t时装机容量一定时的风电时间序列出力，P*pvt指时刻t时装机容量一定时的光伏时间序列出力；6弃新能源比例约束允许在负荷低谷时段有一定比例的弃新能源，以换取更大的新能源消纳量；步骤5.3，模型求解方法新能源生产模拟模型简写如下：Minfxs.tgix≧0i＝1,2....m，gix≧0i＝1,2....nHjx＝0j＝1,2....n 其中：x为待优化的变量集合，fx为优化目标函数，gix≧0为不等式约束集合，Hjx＝0为等式约束集合；步骤6，根据基于时序生产模拟法的消纳模型，得到多能互补能源基地电源组合方案。

全文数据：

权利要求：

百度查询： 大唐国际发电股份有限公司张家口发电厂;中国大唐集团科学技术研究院有限公司火力发电技术研究院;天津大唐国际盘山发电有限责任公司 基于火电的多能互补能源基地能源配置规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD