考虑高载能负荷参与的多时间尺度风电消纳调度
适应新型电力系统发展的协同调度理论研究
适应新型电力系统发展的协同调度理论研究摘要:从新的电力发展现状出发，阐述了电力调度必须向协作方向发展的必要性。
本文从理论上探讨了在电力系统的协调过程中如何利用协同作用、协作方式来解决不确定问题，从而达到协同调度的目的。
本文主要探讨了利用主动负载来克服源协同调度、源网络结构形式趋同的问题，并对分布自治和整体规划相结合的源协同调度进行了时变建模、算法和实现。
关键词:新型电力系统；协同调度；理论研究前言作为能源利用与转换的主体之一，电力系统(亦称动力系统)必须向绿色、低碳、环保和节能的资源利用可持续化方向发展，这种趋势也促使电力系统的源(源指主动源、被动源、主动载荷和常规载荷，也即驱动或制动的动力部分)和网(网指输电、配电及其源中电的部分，也即制动或驱动的电力部分)呈现分布、多元、关联、互补的新的复杂形态。
在新形态的电力系统中，如何调度与运行控制面临两个突出的矛盾:一是源电力的有功功率平衡中主动的源与被动的源间的矛盾。
化石能源发电(主动电源)发展处于减缓的态势，风、光、水等可再生能源发电(被动电源)迅猛发展，电动汽车，各类储能，可控、可中断柔性负荷等具有主动行为的技术(简称主动负荷)不断涌现，而且呈现分散、分布的发展趋势，使有限的主动电源和主动负荷应对被动电源和常规负荷的过程中必须面对分散式、分布式、强不确定性接纳能力的考验；二是源有功功率平衡的电压支撑中主动的量与被动的量间的矛盾。
在同步电网为根本的基础上，被动电源不仅以集中方式大规模接入输电网，以分布式、微网等分散形式接入配电网，而且发电呈现异步、直流等紧密依赖于同步电网的方式。
系列的、间接有主动行为(灵活补偿与控制，输配元件状态切换)的柔性控制技术不断涌现，使有限的主动电源和柔性控制技术应对强不确定性下满足源电力的有功功率平衡的支撑中必须面对电网电压支撑、电能传输能力的考验。
1、电力系统调度理论研究的进程演变1.1以协调为主导对电力系统调度的问题，自上世纪20年代到90年代期间，电力系统调度理论研究主要是在主动电源、输电网和常规负荷(配电环节通过聚合负荷等值)间展开理论研究与工程实践，研究与实践的目的是超前地做出电力系统运行调度与控制的预期决策，即给出期望的发电计划，以及围绕该计划应对预测误差的与自动发电控制、自动电压控制以及紧急事故情境下衔接的有功功率备用、无功电压支撑的策略。
考虑季节特性的多时间尺度电动汽车负荷预测模型
第50卷第5期电力系统保护与控制Vol.50 No.5 2022年3月1日 Power System Protection and Control Mar. 1, 2022 DOI: 10.19783/ki.pspc.210628考虑季节特性的多时间尺度电动汽车负荷预测模型牛牧童，廖 凯，杨健维，向悦萍(西南交通大学电气工程学院，四川 成都 611756)摘要：当前对电动汽车(Electric Vehicle, EV)充电负荷预测的研究大多集中在短期单一时间尺度，且鲜有考虑在较长时间尺度下不同季节电动汽车充电负荷存在的差异。
基于此，提出一种考虑季节特性的多时间尺度电动汽车负荷预测模型。
首先，考虑季节特性对EV的电池最大载电量、里程耗电量和空调耗电量的影响，结合时空分布规律建立短期日内的电动汽车充电负荷预测模型。
其次，为了展现从短期(短时间尺度)到中长期(长时间尺度)的多时间尺度特性，建立考虑多种因素影响的Bass修正模型预测未来不同年份的EV保有量。
结合短期EV充电负荷预测模型，可延展至中长期EV充电负荷的预测，从而实现综合短期、中长期的多时间尺度EV负荷预测。
最后，采用上海市气温信息及行车数据进行仿真验证。
结果表明，所提模型可以有效地预测未来数年EV发展趋势以及考虑季节特性的多时间尺度EV充电负荷。
关键词：电动汽车；负荷预测；Bass模型；多时间尺度；季节特性Multi-time-scale electric vehicle load forecasting model considering seasonal characteristicsNIU Mutong, LIAO Kai, YANG Jianwei, XIANG Yueping(School of Electrical Engineering, Southwest Jiaotong University, Chengdu 611756, China)Abstract: Current research on electric vehicle (EV) charging load forecasting is mostly focused on a short-term single time-scale, and few consider the differences of electric vehicle charging load in different seasons on a longer time scale.Therefore, a multi-time-scale electric vehicle load forecasting method considering seasonal characteristics is proposed.First, a short-term day-to-day electric vehicle charging load prediction model is established taking into account the influence of seasonal characteristics on the initial battery power, mileage power and air-conditioning power consumption of the EV, and combining time and space distribution rules. Secondly, in order to show the characteristics of multiple time scales from short-term (within a day) to medium-and long-term (years), a modified Bass model that takes into account the influence of multiple factors is built to predict the EV holdings in different years in the future. Combined with short-term EV, the charging load forecasting model can be extended to mid-to-long-term EV charging load forecasting, thereby achieving multi-time-scale EV load forecasting and integrating short-term and mid-to-long-term. Finally, through simulation verification with the temperature information and driving data of Shanghai, the results demonstrate that the proposed model is able to effectively predict the EV development trend over the next few years and the EV charging load under multiple time scales considering seasonal characteristics.This work is supported by the National Natural Science Foundation of China (No. 51977180).Key words: electric vehicle; load forecasting; Bass model; multi-time-scale; seasonal characteristics0 引言以电动汽车(Electric Vehicle, EV)为代表的新能源动力交通工具是解决化石能源危机与环境污染问题的重要措施之一[1-2]。
考虑风-光-荷时空相关性的分布式电源和广义储能联合规划
第41卷第6期2021年6月电力自动化设备Electric Power Automation Equipment Vol.41No.6 Jun.2021考虑风-光-荷时空相关性的分布式电源和广义储能联合规划高锋阳1，袁成1，李昭君1，齐晓东1，庄圣贤2（1.兰州交通大学自动化与电气工程学院，甘肃兰州730070；2.西南交通大学电气工程学院，四川成都610031）摘要：在分布式电源（DG）和广义储能（GES）联合规划中，针对运行与规划如何紧密耦合、在获取大量分散资源行为规律的基础上如何预测其在规划周期内的关联特性的难题，提出了多能互补发电系统中DG与GES的双层优化规划方法。
上层以新能源历史出力为输入，建立了考虑综合成本、DG承载能力和系统综合运行风险的上层规划模型，决策得到DG和GES的安装方案；下层考虑运行成本以平衡各储能系统的充放电功率，决策得到GES的调度策略。
提出了可描述多维风-光-荷时空相关性的MD-K2贝叶斯网络模型，用于实现多元数据驱动下DG和GES的协同优化。
算例测试结果验证了所提模型和方法的合理性以及有效性。
关键词：时空相关性；广义储能；分布式电源；联合规划；MD-K2贝叶斯网络中图分类号：TM715文献标志码：A DOI：10.16081/j.epae.2021060070引言随着产业成本降低、技术完善、风光等自然资源出力建模精度的提高以及能源政策的不断推进，作为用户侧电能转换和利用核心环节的配电网正经历着“主动”演变［1］。
系统内分布式电源DG（Distributed Generation）的渗透率大幅增长［2］，在给源端注入新活力的同时，也给电力平衡调节和电网安全运行提出新的挑战。
高渗透率DG就地消纳能力受负荷增速和外送电网建设速度约束限制［3］，导致出现源-网-荷发展不协调的问题，而一些具有高度灵活性的灵活性资源有足够的潜力来支撑配电网形态演变下的规划技术新需求。
现有的电网电源规划主要围绕DG进行，依据DG消纳能力［4］、电能质量安全［5］、不同投资主体的收益以及DG带来的潜在收益［6］等指标建立DG的选址定容规划模型。
风电场的多目标调度优化
风电场的多目标调度优化随着环境保护意识的增强和清洁能源的发展，风电作为一种可再生的清洁能源得到了越来越广泛的应用。
但是，风电场在运行中存在着诸多的挑战，如风速难以预测、风机寿命短、运行成本高等。
因此，为了实现风电场的可持续性运行，必须优化风电场的多目标调度。
本文将探讨风电场的多目标调度问题及其优化方法。
一、风电场的多目标调度问题风电场一般由多个风机组成，每个风机都有多个控制变量，如叶片角度、转速、功率等。
因此，将风电场的多个目标融合在一起进行调度，需要考虑的变量非常多，如风机的功率输出、风电场的风电比、风机的寿命、风电场的经济效益等。
这些变量之间存在着相互制约和相互影响的关系，如果只优化其中一两个变量，可能会带来其他方面的损失。
二、风电场的多目标调度优化方法1. 基于遗传算法的优化方法遗传算法是一种基于生物进化过程的优化算法，通过对优良个体进行交叉、变异、选择等操作，逐步优化目标函数，从而找到全局最优解。
将遗传算法用于风电场的多目标调度优化中，可以通过优化风速与功率的匹配度、降低停机时间、提高机组可靠性、提高风机转速等手段，从而提高风电场的经济效益。
2. 基于模糊理论的优化方法模糊理论是一种处理不确定性问题的数学工具，它通过将现实世界中的真实情况转化为隶属度函数，从而解决不确定性、复杂性、模糊性等问题。
将模糊理论应用于风电场的多目标调度优化中，可以通过建立风速、风功率、机组可靠性、经济效益等指标的模糊集合，从而根据各指标的权重值调整各因素对应的隶属度函数，进而确定最优的风电场调度方案。
3. 基于神经网络的优化方法神经网络是一种模拟人类大脑结构的人工智能技术，通过对风电数据进行学习和训练，可以识别风电场运行的规律和特征，为风电场的多目标调度提供支持。
将神经网络应用于风电场的多目标调度优化中，可以通过建立风速、风功率、机组可靠性、经济效益等指标的多层神经网络模型，从而预测未来的风速和风功率，并根据预测结果调整风电场的运行方案。
考虑环保成本的风电消纳综合能源系统调度模型设计
考虑环保成本的风电消纳综合能源系统调度模型设计摘要：由于电力不能长期有效储存，因此必须提高可再生能源的消耗水平，并可能将其限制在电力系统的内部，这很难解决。
电气和热力系统具有很强的耦合性和互补性。
例如，热电联产机组可以在发电的同时产生热量，而电力锅炉可以将电能转化为热量。
电能的传输和利用必须同时进行，热量的传输和利用具有较大的惯性，下面讨论考虑环境成本的风能消耗综合能源系统规划模型设计。
关键词：考虑环保成本；风电消纳综合能源系统调度；模型设计引言近年来，分布式可再生能源受到广泛关注，典型地包括风力发电、光伏发电以及它们构成的集成能源系统。
其中风力发电的主要问题是系统去除水平有限，导致大量风力排放。
另一方面，在集成能源系统中，除了电力负荷外，还有一定比例的热冷负荷。
现有解决方案利用电气设备满足系统的热负荷需求，从而增加了系统的电需求，系统的热负荷比大，负荷曲线谷的最大差异就会增加。
因此，需要进一步研究综合能源系统风力发电水平和负荷峰值差异的改善。
1热综合能源系统结构框架新的电热综合供电系统分为“源”、“网”、“荷”、“储”四个领域。
提供了“源”端子、电源电压指示灯、电机组和热节能电源。
“网”考虑热网格的动态热特性。
“储”具有两种类型的电气和热存储。
还有同时充当“电负荷”和“热源”的能量转换装置电锅炉。
加热网是热系统中“网”的一部分，但由于其固有的热特性，可以视为潜在的大容量存储设备。
因此，加热网络具有两个特性:“网”和“储”。
在电力系统中，热网可以看作是负荷的一部分，电力系统可以利用其巨大的热特性和灵活的温度要求进行协调的性能控制。
进一步推动在综合能源系统中根据不同的时间尺度和空间限制调整能源生产和能源消耗，以增加可再生能源的能源使用和消费。
2荷协调与风电消纳机理分析在负荷方面，可移动负荷被用作可再生能源消费的主要工具。
把微型油罐设备和燃料电池纳入系统的经济规划中，产生了电力和负荷协调的运行优化模型。
国网经研院总工程师 李晖：新型电力系统规划设计面临诸多新挑战
国网经研院总工程师李晖：新型电力系统规划设计面临诸多新挑战新型电力系统是一项涉及多行业、多学科的复杂系统性工程，尤其离不开科学、高效的规划设计工作。
那么，如何做好新型电力系统的顶层设计、完善底层逻辑？如何开展新型电力系统科研创新、规划设计等工作？作为国家电网有限公司电网规划和工程设计技术归口单位的国网经济技术研究院有着自己的见解。
带着上述问题，本报记者近日采访了国网经济技术研究院总工程师李晖。
新型电力系统有“4个新”中国能源报：从整个电力系统的规划设计角度来看，新型电力系统有哪些“新变化”？李晖：与传统电力系统相比，新型电力系统的供给侧、电网侧、消费侧及二次系统将发生革命性变化，体现为“4个新”，即新的电源装机结构、新的电网形态、新的电力负荷特性、新的二次系统控制模式。
具体而言，从供给侧看，能源结构将发生改变，可再生能源将实现大规模开发利用，逐步取代化石能源。
预计到2030年，我国新能源在装机规模上将成为第一大电源，对电力系统供需平衡和清洁能源消纳能力提出了更高要求，需要增加电源装机的容量冗余度，同时配套建设相应的灵活调节能力。
从电网侧看，将由以常规电源、单向供电为主向高比例电力电子化和新能源、双向供电的电网形态转变。
随着大型风光电基地的开发，跨区送电将继续增加，需加大特高压及各级电网发展力度，提升高比例新能源外送消纳能力、多直流承载能力。
另一方面，中东部地区分布式新能源大规模开发，对配电网的接入能力提出了更高要求。
通过大电网与配电网灵活互济、协调运行，实现大规模新能源与电网的协调发展。
从消费侧看，将由用户侧单向用电向电能双向传输转变。
多元用电负荷、分布式电源、新型储能将快速发展，负荷特性由传统的刚性用电需求、单向用电向柔性用电需求、用户电能双向传输转变，终端能源侧的电力产消者将大量出现，电力供需平衡模式由“源随荷动”向“源荷互动”转变。
从二次系统看，电力系统控制模式将发生深刻变化。
随着新能源电力和电量占比的提升，电力系统不确定性增大、复杂性增加、可控性变差，这将推动一体化控制向主配网协同、微电网自治等控制模式转变。
大规模水风光互补调度模式探析
80 引言风电、光伏发电为代表的新能源发电快速发展，但是风力、光伏发电由于其随机性、波动性、间歇性特点，大规模接入后将给电力系统安全稳定运行带来严峻挑战[1-2]。
近年来，由于“极热无风”“夜晚无光”“冬季枯水”等清洁能源发电的天然属性，甚至异常气候条件导致“汛期反枯”，特别是伴随新能源并网规模的快速扩大，巨大的灵活性需求缺口带来的弃电风险、高比例清洁能源系统安稳运行等问题越来越突出。
因此，能源开发将不能局限于单一品种，而应呈现多能互补方式。
为实现“双碳”国家战略，火电机组装机规模发展受到制约，相比之下常规水电技术成熟、具有优质的调节能力，是我国目前发电规模最大的清洁能源，有望在未来一段时间继续发展，发展规模与风光发电的规模具备良好匹配性（如图1所示），故而清洁可再生的“水风光”多能互补开发是保障能源可靠供给的有效方式[3-4]。
大规模水风光互补调度模式探析吴 峰，李 杨（河海大学电气与动力工程学院，江苏省南京市 211100）摘 要：光伏发电具有昼发夜停的特点，日内出力过程呈“钟型”；风力发电出力随机性强，并呈现反调峰特点。
通过水电调节平抑风电和光伏发电的随机波动，水风光互补利用是支撑“双碳”目标实现的有效途径。
在此背景下，针对现有水风光电源并网接入场景，分析了我国典型水风光清洁能源互补开发形式，探析了大规模水风光电源依托电网互补和打捆互补调度模式，对比分析了两种调度模式的优缺点，并对大规模水风光互补调度关键技术进行展望，为将来大规模水风光互补利用提供参考。
关键词：大规模水风光；互补协同；调度策略中图分类号：TM73 文献标识码：A 学科代码：480.6 DOI ：10.3969/j.issn.2096-093X.2024.02.002基金项目：国家自然科学基金联合基金重点资助项目（U23B20140）。
装机容量/ 亿千瓦年份非抽水蓄能储能抽水蓄能生物质及其他太阳能发电风电核电水电气电煤电图1 各类电源装机发展展望Figure 1 Development prospects for Installed capacity of various types of power supplies随着以水风光为主的清洁能源基地和高比例清洁能源电网等实际工程的规划和逐步实施，大规模水风光电源以何种形式参与调度亟待理论与技术突破。
考虑新能源消纳的储能优化配置方法研究
考虑新能源消纳的储能优化配置方法研究张 弘（中国能源建设集团广东省电力设计研究院有限公司）摘 要：为了有效提高风电利用率，在储能优化配置成熟的基础上，考虑供需平衡的特点，对各种能源形态进行合理整合和统一规划配置。
首先，考虑到储能系统的需求，建立了灵活的供需模型；其次，根据柔性供需模型，设定风电与储能系统的联合供需平衡裕度，对储能进行优化配置。
仿真结果表明，该配置方法可以有效弥补原有能源系统单独规划、独立运行的不足，打破能源壁垒，提高能源利用效率，优化能源系统结构。
关键词：新能源消纳；储能优化；资源配置；供需模型０ 引言随着新能源的广泛利用，其消纳成为一个重要问题。
储能技术被广泛应用于解决风电的消纳问题，其可以将多余的风能转化为电能存储在电池等设备中，以供需要时使用。
针对风电消纳的储能优化配置方法包括基于输电网、储能技术、能源互联网和智能配电网的方法。
这些方法都通过优化能源系统的配置、调度和控制，来提高风电的消纳能力，实现风电的有效利用。
在实际应用中，需要根据具体的需求和条件，综合考虑不同方法的优势和限制，选择适合的优化配置方法［１ ２］。
基于新能源消纳的储能优化配置分析是指对于新能源的发电和消纳情况，用优化方法来确定最佳的能源配置和运行策略。
该分析旨在提高新能源的消纳效率，减少能源浪费，并优化电网运行的可靠性和稳定性。
１ 储能系统的原理及供应模式分析１ １ 储能系统分析储能设备选择分析主要可以从以下几个方面进行考虑［３］。
功能需求：首先需要确定储能设备的功能需求，即需要储能设备满足哪些需求，如平滑负荷、备用电源、防止断电、调节电网频率和电压等。
不同的功能需求可能需要不同类型的储能设备来实现，如电池储能可用于平滑负荷，抽水蓄能可用于调节电网频率等。
储能容量和功率：根据实际负荷需求和储能设备的功能需求，确定需要的储能容量和功率，储能容量决定了储能设备能够储存多少电能，而储能功率则决定了储能设备能够输出或吸收多少功率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
考虑高载能负荷参与的多时间尺度风电消纳调度
陈海鹏;周越豪;赵畅;姜霁恒;李铁一
【期刊名称】《东北电力大学学报》
【年(卷),期】2022(42)6
【摘要】针对我国西北地区大规模风电消纳受阻问题,文中以甘肃某建有高载能企业的风电基地为研究对象,提出了考虑高载能负荷参与风电消纳的需求响应多时间尺度调度模型.文中首先分析了高载能负荷参与消纳受阻风电的原理,对不同调节特性的高载能负荷进行建模;然后,综合考虑高载能负荷和其他需求侧资源响应速度的多时间尺度特性,以运行成本与弃风总成本最低为目标,建立多时间尺度协调优化模型,对系统内资源的最优配置进行求解;最后,进行仿真分析.仿真结果表明:文中所提的模型能够有效提高系统消纳风电水平,改善系统经济性.
【总页数】13页(P39-51)
【作者】陈海鹏;周越豪;赵畅;姜霁恒;李铁一
【作者单位】东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室;国家能源集团吉林江南热电有限公司
【正文语种】中文
【中图分类】TM715
【相关文献】
1.高载能负荷参与调节消纳受阻风电的控制策略
2.考虑高载能负荷消纳受阻风电收益的荷源协调优化方法
3.高载能负荷企业参与受阻风电消纳决策方法
4.高载能负
荷企业参与受阻风电消纳决策方法5.考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度
因版权原因，仅展示原文概要，查看原文内容请购买。