大数跨境

史昭娣 朱宁 陈琦 | 计及源-荷匹配的多区域多类型新能源系统优化规划方法

史昭娣 朱宁 陈琦 | 计及源-荷匹配的多区域多类型新能源系统优化规划方法 中咨研究
2024-09-18
0
导读:研究计及源-荷匹配的多区域新能源优化规划布局问题。


计及源-荷匹配的多区域多类型新能源

系统优化规划方法


史昭娣 朱宁 陈琦

摘要:合理利用新能源出力之间的互补性可平抑其出力波动性,在新能源规划中考虑互补性可令新能源规划布局更为合理。基于此,本文考虑新能源出力互补性,研究计及源-荷匹配的新能源优化布局方法.利用新能源总出力与负荷的正相关特性,以保持新能源总出力与负荷的动态平衡。首先,基于源-荷匹配思想,提出了描述新能源出力与负荷贴近程度和正相关程度的均衡度指标以及一致性指标。然后,建立了计及源-荷匹配的多区域新能源优化规划模型,并通过引入新能源出力与负荷匹配均衡度约束来保证两者变化特性相一致。最后,以我国北方地区某区域电网为例进行算例分析,研究结果表明,计及源-荷匹配的新能源优化规划可以综合考虑新能源消纳率和渗透率,为考虑新能源出力互补性的新能源规划布局提供解决方案。


关键词:新能源;互补性;电源规划;源荷匹配;光热电站;容量配置

一、引言


随着能源转型进程加快,我国大力发展风电[1]、光伏[2]等新能源发电技术,未来电力系统将朝着大规模、高比例新能源电力系统方向发展[3]。新能源出力自身之间具有互补性,利用新能源总出力与系统总负荷之间的匹配效应可以凸显新能源出力间的互补效果,平抑新能源出力波动性,减小常规机组调峰压力[4]。


风电、光伏的出力功率波动性强[5-6],大规模接入后会对系统造成冲击,对电网调峰带来挑战[7-8]。实际上,风电和光伏出力具有互补特性[9],其主要表现在两方面:一是新能源资源的广域平滑效应。二是风光出力具有时间上的互补性。


充分挖掘新能源出力互补特性是开展新能源协调规划的重要基础。已有学者对此进行研究,如文献[10]分析了各类能源的互补效应,讨论了配置不同容量电源的经济性和可行性。文献[11]分析了风、光、水资源之间的互补特性,提出了一种包含风、光、水、储的互补性微电网容量优化配置方法。文献[12]研究了新能源出力互补优化方法,定量计算了各类资源容量。上述文献关于系统电源出力互补性进行了研究,但对于新能源出力互补性的分析多是与常规电源一起考虑,未有研究仅考虑新能源出力自身互补性。


研究新能源出力自身互补特征,通常需要提出互补性评价指标[13]。如文献[14]采用新能源总出力的标准差作为评价指标来刻画新能源出力互补性。文献[15]定义了由时间互补、能量互补和振幅互补组成的可再生能源互补性指标。文献[16]采用互补系数等指标描述多能互补系统中电源出力的互补性。以上关于新能源互补性的研究多注重新能源出力之间的负相关性,即假定新能源场站的总出力恒定不变,则认为新能源互补效果最好。


由于负荷具有波动性,上述基于负相关性的研究中,负荷波动部分会由常规可控电源负担。但如果新能源总出力与负荷波动规律保持一致,即新能源出力与负荷之间存在匹配效应,那么新能源发电就可承担一部分变化的负荷,火电机组更多承担基荷并运行在较低的水平,从而大幅降低新能源接入系统带来的常规电源调峰压力。因此,从提高新能源消纳方面看,新能源出力与负荷之间的匹配(源-荷匹配)关系才更可凸显新能源互补的效果[17],此时互补性表现为新能源总出力与负荷呈正相关性。


针对源-荷匹配效果的描述,已有学者进行了研究。如文献[18]定义了负荷追踪度指标用以评价不同电源互补效果。文献[19]采用负荷追踪系数描述系统出力跟随负荷变化的能力,并用其量化多能互补系统总发电量与负荷的匹配程度。文献[20]以新能源出力与负荷之差的平方和最小为目标,提出了新能源出力追踪控制算法。上述利用负荷追踪能力来描述系统源-荷匹配效果的评价方法主要是用于新能源电力系统优化调度中,本文借鉴这种方法,将其应用于新能源电源优化规划中,可在规划阶段充分计及多类型新能源出力间的互补特性。


基于以上分析,本文针对计及源-荷匹配的广域多区域新能源电源优化布局问题进行研究。首先,为了量化新能源出力与负荷之间有功功率的匹配能力,从均衡度和一致性两方面评价源-荷匹配特性。其次,基于源-荷匹配思想,建立了多区域新能源优化规划模型。模型以电网新能源发电量最大和源-荷匹配偏差最小为目标函数,并采用带权极小模理想点法[21]统一两个目标函数的量纲,综合考虑新能源发电功率约束、新能源限电率约束、新能源装机容量约束等,通过引入所提源-荷匹配均衡度约束来保证新能源出力与系统负荷需求变化特性一致。然后,以各区域新能源全年出力时间序列和负荷序列为模型输入,对规划模型进行优化求解,得到各区域最优新能源接入容量,并利用一致性指标来评价源-荷匹配效果。最后,以我国北方某区域电网为例进行算例分析,算例结果验证了由源-荷匹配定义新能源出力互补性的合理性,研究内容可为广域新能源多区域布局规划提供参考意见。


二、源-荷匹配特性评价


本文从均衡度和一致性两方面对源-荷匹配特性进行评价,用以量化新能源出力与负荷之间有功功率的匹配能力。


(一)均衡度评价指标


本节提出一种新能源出力与负荷匹配均衡度评价方法,即源-荷匹配均衡度约束,用来限制新能源总出力尽可能贴近匹配负荷,即新能源出力与匹配负荷的偏差值保持在一定范围内,其形式如下:



式中:为n区域d周期t时刻新能源总出力;和是引入的d周期负荷匹配的正、负偏差。下标d表示源-荷匹配周期;n表示区域;N表示区域总数;为d周期基准用电负荷调节系数优化变量,表示匹配负荷占基准负荷的比例,;为周期负荷匹配偏差系数,表示全优化时段的匹配偏差不超过目标负荷电量的比率;为n区域d周期t时刻基准负荷序列;为全网d周期t时刻匹配负荷序列;这里需要注意的是,由于本文进行源-荷匹配是逐周期进行的,因此、和均与周期d有关,例如对于全年8760小时计算周期来说,若匹配周期为1天,则周期d的总个数为365个,t的长度为24;若采用匹配周期为5天,则周期d的总个数为73个,t的长度为120。该约束可以理解为一定匹配周期(可为周、日或者几小时)内,新能源出力与匹配负荷的出力偏差在一定范围内。


考虑约束(1)-(3)可以使得在每个匹配周期d内,新能源总出力与匹配负荷的偏差值在一定范围内,控制偏差范围的大小,可使得新能源出力与匹配负荷曲线贴近程度更高,达到新能源出力与基准负荷变化趋势保持一致的效果。由约束(3)可以看出,误差范围由基准负荷序列和匹配偏差系数共同决定,由于基准负荷序列为固定的输入边界,因此改变匹配偏差系数即可控制偏差范围。


图1 源-荷互补示意图


图1所示为某个偏差系数下的源-荷互补效果。可以看出,绿色区域总面积越小,新能源出力与匹配负荷贴近程度越高。匹配偏差范围受限于偏差系数,因此控制即可保证源-荷匹配效果。只是,考虑源-荷匹配均衡度约束可以保证新能源出力曲线与负荷曲线尽可能的贴近,但无法保证两者变化趋势完全一致,出现正负偏差交替出现的现象,有可能导致常规电源运行状态改变来弥补功率缺额或压缩出力空间避免新能源弃电。


(二)一致性评价指标


第一节中的分析指出,考虑源-荷匹配均衡度约束可以限制新能源出力与匹配负荷的偏差在一定范围内,但难以评估新能源出力与基准负荷出力之间正相关程度,因此本节为了评价新能源出力与基准负荷之间的一致性程度,定义了源-荷匹配一致性评价指标,具体形式如下:



式中:D表示匹配总周期数;T表示总时间断面;为所定义的源-荷一致性评价指标,用来描述一段时间内源-荷匹配程度的平均效应,其表示一定周期内新能源出力和负荷一阶变化率之差的绝对值的归一化平均值,且。越小,说明在该时段内新能源出力与负荷功率变化趋势越接近,源-荷一致性程度越高;为d周期t时刻新能源出力变化率;为d周期t时刻负荷的变化率;为d周期t时刻源、荷出力变化率之差的绝对值,当=0时,表明此时新能源出力与负荷的一阶变化量完全一致,即数值相等、方向相同,两者变化量正好抵消,此时一致性效果最好,新能源总出力与负荷呈显著正相关性;当>0时,表明此时源、荷出力的一阶变化量尚存未抵消部分,源、荷未完全匹配。


以图1为例解释源-荷匹配一致性指标的意义,如图2所示,图2中图例与图1一致。可以看出,在t+3至t+4时间段内,新能源出力变化率和负荷的变化率均为负值;在t+5至t+6时间段内,和均为正值。当源、荷一阶变化量同号时,源-荷出力变化率之差的绝对值趋于更小,表明源-荷匹配效果更优,新能源互补性更强。可以看出,当和为同号时,;当和为异号时,,因此,源-荷匹配一致性指标可以描述新能源出力与负荷出力变化趋势。


图2 源-荷匹配一致性指标示意图


三、计及源-荷匹配均衡度的新能源优化规划模型


(一) 新能源优化规划数学模型


1.目标函数


不同于常规电源规划计及成本因素,本文以提升新能源消纳能力为规划目标。计及新能源出力的互补效应,一方面是为了减小新能源接入系统带来的调峰压力,另一方面是为了减少新能源弃电,提升新能源的消纳能力。因此计及源-荷匹配的新能源优化布局数学模型为多目标优化问题,一是以全网各区域的新能源发电量最大为优化目标,具体形式如下:



此外,由上节所提源-荷匹配均衡度约束可以看出,源-荷匹配程度受匹配偏差系数很大影响。对某一给定,可能会出现多组符合约束边界的最优解。而本文期望得到最优的互补效果,因此根据源-荷匹配思想,另一个目标为最小化匹配偏差系数。对多目标优化问题进行合并,将其转为最大化问题,具体形式如下:



本文采用带权极小模理想点法统一两个子目标函数的量纲,并反映其重要程度,模型综合目标函数如下所示:



式中:和分别表示各子目标函数的权重系数,且+=1,和分别表示理想点目标值。该带权极小模函数可理解为计算解的各目标值与理想点的偏差,反映计算解的质量,以计算解与理想点的相对距离统一为量纲,各子目标的重要程度以对应的权重系数反映。


对于综合目标函数中的最优权重和的确定,可采用层次分析法[22]进行综合评估。该方法的主要思想是将子目标两两进行对比,目标的重要性由跟目标重要程度成正比的比率标度值决定,通过计算比率标度矩阵最终确定权重系数,则确定权重的综合目标系数为:



式中:和分别表示各子目标函数的层次分析权重值,根据比例标度法确定的=0.75,=0.25。


2.约束条件


(1) 时序电力平衡约束



式中:表示n区域t时刻火电出力;表示n区域t时刻水电出力;表示n区域t时刻联络线出力。


本文是从新能源出力与负荷匹配的角度进行规划,因此在考虑源-荷匹配约束的基础上,考虑功率平衡约束式(11),即新能源出力、常规电源出力以及外网通过联络线功率平衡系统负荷出力。


(2) 新能源电量约束



式中:表示新能源电量最小占比。该约束表示新能源年发电量不低于年负荷总量的一定比例。


(3) 灵活性新能源电源容量占比约束



式中:表示灵活性新能源电源占电源总装机容量的最小比例。该约束表示灵活性电源容量不低于系统电源总装机容量的一定比例。当接入的灵活性新能源电源比例越高时,新能源电源总出力更具有灵活性,源-荷匹配效果更优,进一步挖掘新能源出力的互补空间。


(4) 电源约束


1) 新能源出力约束



式中:、分别表示n区域t时刻风电和光伏出力;、分别表示n区域t时刻风电和光伏归一化理论发电出力时间序列;、分别表示风电和光伏场站装机容量。上式表示新能源实际出力在0和最大出力限值之间。通过新能源归一化理论发电出力时间序列,可以将新能源场站容量与发电功率序列联系起来。


2) 光热电站发电(concentrating solar power,CSP)运行约束,包括热电转换约束、发电功率约束、爬坡约束、储热容量约束、热功率关系约束、运行状态约束等。



式中:和分别表示n区域t时刻光热电站发电功率和热功率;为热电转换效率;、表示n区域光热出力上、下限;和分别表示n区域光热上、下爬坡率;为n区域t时刻机组运行状态二进制变量;表示n区域t时刻热能量;、分别表示n区域储、放热功率;γ为耗散系数;为储、放热效率;和为二进制变量,表示储、放热状态;表示开机损失热功率;为理论最大热功率;表示弃热功率。


3) 火电运行约束,包括发电功率约束、爬坡约束、最小启/停机时间约束、运行状态约束等。



式中:、表示n区域火电机组出力上、下限;和分别表示火电机组上、下爬坡率;和为二进制变量,表示火电机组启、停机状态;为机组运行状态二进制变量;和分别为机组最小启、停机时间。


4) 水电运行约束,包括发电功率约束、流量约束、水库约束、水库蓄能值约束、水位水头关系约束等。



式中:、为水电机组出力上、下限。为水电机组NHQ函数;为n区域t时刻水电机组发电流量;为n区域t时刻发电水头;为n区域t时刻水库库容;和分别为n区域t时刻水库最小库容限制和最大库容限制;为n区域t时刻水电机组入库流量;为n区域t时刻出库流量;为n区域t时刻水库蓄能;为t时刻下水位;为水位库容函数;为水头水位函数,可根据历史统计数据拟合得到;和分别为水电机组指定时段内的最小和最大电量;为指定时段的时段数。


(5) 联络线约束



式中:、为第n条联络线最大、最小输送功率。


(6) 备用需求约束



式中:表示系统最大负荷;表示系统正备用。


(7) 新能源限电率约束



式中:表示新能源限电率。


(二)规划模型求解方法


本研究问题是新能源电源容量规划问题,目标函数是多目标优化问题,是一个线性目标,决策变量是新能源装机容量,仅能取正整数。约束条件中包含如机组运行状态、机组启、停机状态等整数变量和整数约束。这些正整数约束和决策变量的存在使得本研究问题中的规划模型从线性规划模型转变为混合整数线性规划问题。因此本文所提模型是一个典型的混合整数线性规划模型,可在GAMS[23]平台上调用商业求解器CPLEX[24]求解。


(三)规划所需基础数据


1.系统数据


规划所需系统数据包括系统网架结构和各区域详细的电网运行特性数据,包括各类型机组运行主要参数、联络线功率限值、系统新能源限电率限值、源-荷匹配周期限值等。


2.时序数据


本文采用时序生产模拟进行规划模型分析计算,因此规划所需时序数据包括系统各区域负荷年度逐小时序列以及各区域新能源年度逐小时出力序列。


四、算例分析


(一)算例介绍


为验证所提计及源-荷匹配的新能源优化布局方法的正确性,本节以我国北方某相邻四个(省级)地区电网为测试系统,研究2030年的新能源规划布局问题。四个地区分布于总面积125万平方公里范围内,新能源渗透率达到30%以上。电网结构图如图3所示,A、C电网均分别与其他电网相连,图中红色数字表示各区域间联络线限值(单位:MW),绿色数字为直流外送年电量(单位:亿kWh)。算例计算步长为1小时,源-荷匹配周期设为1天,即24h。计算时段数8760h,其余主要算例参数见表1。本文中规划水平年的风电、光伏序列是基于该地区历史出力序列进行新能源出力场景生成得到的,负荷序列是立足这些地区2021年的实际负荷需求序列,假设负荷年增长率为5%估计得到的。


图3 测试系统等效结构示意图


表1 算例参数


(二)不同规划模型结果分析


为了验证所提模型可深入挖掘新能源出力互补性,本节对比了本文模型和传统模型的规划结果。其中传统新模型中不考虑源-荷匹配均衡约束。设置两个仿真案例中光热接入容量均为3.35GW,风电和光伏总装机为59.87GW,所得结果如表2所示。


可以看出,对比传统方法,考虑源-荷匹配后,本文模型所得D地区风电和C地区光伏最优布局容量分别增长了35.81%和54.3%。从风电和光伏总装机方面看,本文模型所得风电总容量较传统方法高4.24%,这表明考虑源-荷匹配后,系统更倾向于配置互补性更好的风电,光伏由于出力形状较为固定,容量越大越难以实现源-荷匹配。此外,在新能源总装机一致的情况下,本文模型得到的新能源年度总出力电量为1124.03亿kWh,而传统模型所得新能源年度总出力电量为865.23亿kWh,前者相较后者提升29.91%,即考虑源-荷匹配可使新能源渗透率从28.51%增加至37.04%。从新能源限电方面看,考虑源-荷匹配可使新能源总限电率从传统模型的23.18%降低至本文模型的5.21%。可以看出,在同样的装机总容量下,考虑源-荷匹配可以充分提升新能源消纳能力,减少弃风、弃光情况。


表2 不同模型规划结果


图4 不同模型的年度基准负荷调节系数


图4显示的是求解两种模型所得的年度基准负荷调节系数,该参数描述的是每个匹配周期内新能源总出力占基准负荷的比例,其数值越高,说明新能源出力在系统总出力中占比越高。可以看出,本文模型中年度基准负荷调节系数变化范围为0-0.7,平均值为0.32;传统模型的年度基准负荷调节系数变化范围为0.1-0.3,平均值为0.2。本文模型所得基准负荷调节系数更高,有利于提升新能源消纳水平。


综上可得,采用本文方法考虑源-荷匹配均衡约束可以深入挖掘新能源出力互补性,有利于提升新能源消纳水平,促进新能源产业健康发展。


(三)灵活性新能源电源接入对规划结果的影响


为了研究灵活性新能源电源接入系统对多区域新能源优化规划布局的影响,本节设置风/光组合和风/光/光热组合两类场景,分别计算两类场景下的多能源电力系统容量规划结果。令风/光组合光伏装机容量与风/光/光热组合光伏与光热总装机容量相等。其余约束条件和计算边界均一致。计算结果如表3所示。


表3 不同场景下的规划结果


可以看出,在新能源总装机容量一定下,风/光/光热组合的源-荷匹配一致性指标为0.080,而风/光组合的源-荷匹配一致性指标为0.098。由该指标定义可知,越小,说明在该时段内新能源出力与负荷功率变化趋势越接近,源-荷匹配程度越高。此外,风/光/光热组合的新能源出力与负荷波动形状的年度平均绝对偏差与风/光组合相比降低52.27%,新能源基本不增加电网调峰难度,同时风/光/光热组合的新能源总发电量比风/光组合高4.03%,因此可得出结论:灵活性新能源电源的接入对提高源-荷匹配具有积极作用。


图5 不同场景下源-荷匹配效果


图5所示为两种场景下新能源出力与负荷匹配效果对比,图中同色系深色表示匹配偏差最大日结果,浅色表示匹配偏差最小日结果。当新能源总装机容量一定时,从匹配效果方面看,四个地区的风/光组合和风/光/光热组合均可以在一定程度上实现新能源总出力与负荷形状的优化匹配,可大幅降低电网的调峰难度。风/光组合的匹配效果不及风/光/光热组合,这说明灵活电源的接入有利于源-荷匹配互补。从匹配偏差方面看,风/光组合匹配偏差最小日的新能源出力非常低,说明仅靠风电和光伏很难完全匹配负荷波动。风/光/光热组合匹配偏差最小日的新能源出力有所提高,光热接入后,新能源出力与负荷匹配偏差更小,最优可达到匹配偏差为0的效果,即使是全年匹配偏差最大日,最大新能源功率缺额也未超过5GW,也验证了灵活性新能源电源CSP电站可有效提升新能源出力互补能力。


(四)新能源限电率对规划结果的影响


为了研究新能源限电率对多区域新能源优化规划布局和源-荷匹配效果的影响,本节给定CSP电站发电容量为3.35GW、系统最大新能源限电率由0增加至10%时,计算风、光最优接入容量和源-荷匹配一致性指标的情况,结果如图6所示。


图6 不同新能源限电率下优化结果


可以看出,随着允许新能源限电率水平的增加,新能源总容量增加,相比于缓慢增加的光伏容量,风电容量增加趋势更大,系统优化配置的风电容量最大近乎于光伏容量的6.5倍,这主要是由两方面原因造成的:一方面,测试系统地区的风电资源利用小时数高于光伏资源,系统优先接纳风电;另一方面,由于光伏出力具有典型的“昼发夜停”特性,其出力形状一般较为固定,由于源-荷匹配均衡约束的限制,电网优先接纳出力形状更易匹配负荷的风电。此外,随着新能源限电率水平的增加,源-荷匹配一致性指标随之增加,由0.057近似线性增长至0.115。可见允许一定弃电可使新能源与负荷形状更容易匹配,更好的利用新能源互补特性。


图7 各地区某两日发电运行情况


图7显示的是限电率水平为10%情况下某两日各区域电源出力运行情况,选取的这两日分别是新能源大发和小发场景。可以看出,在基准负荷日调节系数较高的情况下(97.48%),新能源出力几乎可以满足系统的总负荷需求,而在基准负荷日调节系数较低的情况下(42.13%),新能源出力也可以满足系统总负荷需求的40%以上。并且两种场景下均可以满足新能源发电出力与负荷变化形状相一致,需要提供支撑的常规电源出力变化量较小,因而常规电源可以更多的承担基荷发电任务。此外,可以看出,对应每日的基准负荷调节系数,需要的火电出力占负荷的比例也相对固定,因此可以在每日第一个时刻点对火电启/停机状态变量进行限制,匹配周期内火电的运行状态变量即可固定下来,可以有效降低火电机组参与优化规划的0-1变量个数,提高模型的求解速度。


(五)新能源随机性对规划结果的影响


新能源出力随机性对新能源规划具有一定影响,由于本文是从源-荷匹配角度量化新能源互补能力,模型中不包含经济性约束,因此本节着重分析新能源资源出力随机性对规划结果的影响。根据文献[25]采用的多场景法,本节以60组年度8760h新能源出力场景作为规划边界分别求解规划模型,所有场景下风光规划结果如图8所示。


图8 60组新能源出力场景计算结果


图8中虚线为各指标期望值,可以看出,各地区风电装机容量波动范围分别为14.1-14.9GW、7.9-8.7GW、5.2-5.8GW、17.3-20.8GW,光伏装机容量波动范围分别为2.6-3GW、2.3-2.5GW、3.9-4.6GW、2.5-2.8GW。可以看出,单次规划结果具有一定随机性,多组规划结果期望值可靠性更高,所得规划结果在60组场景下均收敛于期望值。


五、结论


本文研究了计及源-荷匹配的多区域新能源优化规划布局问题。首先,对源-荷特性匹配特性进行评价。其次,建立了计及源-荷匹配的多区域新能源优化规划模型。最后经过算例分析验证所提模型和方法的有效性。主要研究结论如下:


(1) 从均衡度和一致性两方面评价源-荷匹配特性,可以量化新能源出力与负荷之间有功功率的匹配能力。将其计入规划模型,可在规划过程中充分计及风光出力广域空间互补特性。


(2) 建立计及源-荷匹配的多区域新能源优化规划模型。模型以电网新能源发电量最大和源-荷匹配误差最小为综合目标,适用于大规模区域电网规划,可得到在给定新能源利用率和源-荷匹配偏差约束下的新能源最优接入容量。


(3) 由于相比于光伏,风电的利用小时数更高,因此其广域的互补特性更强。在规划阶段计及源-荷匹配后,系统更倾向于接纳风电。此外,灵活性新能源电源的接入对提高源-荷互补性具有积极作用,并在新能源总装机一定情况下提升系统新能源发电量。


参考文献

[1] 国家能源局. 2019年风电并网运行情况[Z].2020.

[2] 国家能源局.2019年光伏并网运行情况[Z]. 2020.

[3] 朱法华,王玉山,徐振,等.中国电力行业碳达峰、碳中和的发展路径研究[J].电力科技与环保,2021,37(3):9-16.

[4] 于国强,刘克天,胡尊民,等.大规模新能源并网下火电机组深度调峰优化调度[J].电力工程技术,2023,42(1):243-250.

[5] 任冲,柯贤波,王吉利,等.高比例新能源电网新能源功率优化分配方法[J].电力工程技术,2022,41(3):110-117.

[6] BILLINTON R, CHEN H, GHAJAR R. A sequential simulation technique for adequacy evaluation of generating systems including wind energy[J]. IEEE Transactions on Energy Conversion, 1996, 11(4):728-734.

[7] KOLTSAKLIS N E, GEORGIADIS M C. A multi-period, multi-regional generation expansion planning model incorporating unit commitment constraints[J]. Applied Energy, 2015, 158:310-331.

[8] 郭力,杨书强,刘一欣,等.风光储微电网容量规划中的典型日选取方法[J].中国电机工程学报,2020,40(8):2468-2480.

[9] 万家豪,苏浩,冯冬涵,等.计及源荷匹配的风光互补特性分析与评价[J].电网技术,2020,44(9):3219–3226.

[10] 熊文,刘育权,苏万煌,等.考虑多能互补的区域综合能源系统多种储能优化配置[J].电力自动化设备,2019,39(1):118-126.

[11] 夏永洪,吴虹剑,辛建波,等.考虑风/光/水/储多源互补特性的微网经济运行评价方法[J].电力自动化设备,2017,37(007):63-69.

[12] 晋宏杨,孙宏斌,郭庆来,等.含大规模储热的光热电站—风电联合系统多日自调度方法[J].电力系统自动化,2016,40(11):17-23.

[13] XIN W, KAIXIN L, XIAO H.Renewable energy output tracking control algorithm based on the temperature control load state-queuing model[J].Applied Sciences, 2018, 8(7):1099-1114.

[14] 朱燕梅,陈仕军,马光文,等.计及发电量和出力波动的水光互补短期调度[J].电工技术学报,2020,35(13):2769-2779.

[15] BELUCO A, SOUZA P K D, KRENZINGER A. A dimensionless index evaluating the time complementarity between solar and hydraulic energies[J]. Renewable Energy, 2008, 33(10): 2157-2165.

[16] 叶林,屈晓旭,么艳香,等.风光水多能互补发电系统日内时间尺度运行特性分析[J].电力系统自动化,2018,42(4):158-164.

[17] 李湃,方保民,祁太元,等.基于源-荷匹配的区域电网风/光/储容量配比优化方法[J].中国电力,2022, 55(1):46-54.

[18] 曾雪婷,刘天琪,李茜,等.基于虚拟电源配置策略的风光水火多源互补短期优化调度[J].电网技术,2016,40(5):1379-1386.

[19] 温正楠,刘继春.风光水互补发电系统与需求侧数据中心联动的优化调度方法[J].电网技术, 2019, 43(7):2449-2459.

[20] XIN W, KAIXIN L, XIAO H. Renewable energy output tracking control algorithm based on the temperature control load state-queuing model[J]. Applied Sciences, 2018, 8(7):1099-1114.

[21] 隋鑫,卢盛阳,苏安龙,等.计及风电和柔性负荷的核电多目标优化调度研究[J].中国电机工程学报,2019,39(24):7232-7241.

[22] 沙熠,邱晓燕,宁雪姣,等.协调储能与柔性负荷的主动配电网多目标优化调度[J].电网技术,2016,40(5):1394-1399.

[23] GAMS Development Corp. GAMS [EB/OL]. [2017-10 -01]. 

http://www.gams. com/.

[24] IBM ILOG.CPLEX[EB/OL]. [2017-12-01]. 

www.gams com/latest/docs/S_CPLEX.html.

[25] 史昭娣,王伟胜,黄越辉,等.考虑决策相关随机规划的光热电站容量配置[J].中国电机工程学报,2020,40(23):7511-7521.

注:本文主要内容发表在《电力工程技术》2024年第4期,原作者:史昭娣、朱宁、李政(清华大学能源与动力工程系教授)、陈琦。本次发表有改动。

作者简介


史昭娣


■ 中国国际工程咨询有限公司能源业务部火电处助理研究员,中国电力科学研究院博士,中咨公司博士后科研工作站与清华大学博士后流动站联合培养博士后。 


■ 主要从事规划编制、项目咨询与评估、新型电力系统源网荷储优化规划课题研究等工作,已发表学术论文十余篇,受理专利6项。

作者简介


朱宁


■ 中国国际工程咨询有限公司能源业务部原总工程师,正高级工程师,中咨公司博士后工作站指导老师。


■ 数十年从事区域能源发展规划、区域电力发展规划、城市热力规划的编制和咨询,能源和产业领域的宏观课题研究,有关电力行业的技术经济专题研究,大型电源和电网工程的评估,行业标准和书籍的编写等工作。负责完成上百项国家发展改革委委托的电力工程评估,包括“西电东送”煤电基地、“西气东输”电源、皖电东送、大型循环流化床燃煤发电示范、青藏联网、海南与广东联网、大气污染防治通道、交流特高压工程、《“十三五”电力发展规划》,涉及电力项目总装机容量超过2亿千瓦,投资近1万亿元。主持并执笔完成国家部委委托的《中国产业与能源协调发展研究》《输煤输电综合比较研究》《“十三五”能源发展思路研究》,指导《“十四五”能源流向和电力流向研究》等宏观中观研究课题,主持并执笔完成了《河北雄安新区综合能源规划》编制工作,指导完成了《内蒙古现代能源经济战略规划纲要》编制工作,参加了电力发展“十四五”规划编制工作。

作者简介


陈琦


■ 中国国际工程咨询有限公司能源业务部火电处处长,正高级工程师,咨询工程师(投资),毕业于清华大学能源与动力工程系。


■ 长期从事能源电力行业的规划咨询、评估咨询、管理咨询、投资策划工作,主持完成了300余项咨询项目,完成大型课题研究与规划编制类项目20余项,多次获得公司优秀咨询成果奖、业务创新特殊贡献奖、咨询业务品牌贡献奖。


■ 咨询工作范围覆盖风光水火储氢氨生物质多能互补、源网荷储一体化、智慧综合能源、新型电力系统和新型能源体系、企业战略规划和对标咨询、国际项目银团独立工程师等领域。




【声明】内容源于网络
0
0
中咨研究
1234
内容 0
粉丝 0
中咨研究 1234
总阅读0
粉丝0
内容0