亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        面向沙戈荒區(qū)域新能源消納的電力系統(tǒng)日前低碳調(diào)度策略

        2024-09-03 00:00:00李帥虎歐陽中孫杰懿馬瑞王煒宇
        太陽能學(xué)報(bào) 2024年7期
        關(guān)鍵詞:分布式發(fā)電儲(chǔ)能協(xié)同

        摘 要:針對(duì)在沙漠、戈壁、荒漠區(qū)域的新能源機(jī)組面臨消納和經(jīng)濟(jì)性差等問題,提出一種面向沙戈荒區(qū)域新能源消納的電力系統(tǒng)日前低碳調(diào)度策略??紤]系統(tǒng)結(jié)構(gòu)的復(fù)雜性,采用模型分層的優(yōu)化方案。上層模型以需求響應(yīng)(DR)調(diào)用成本最小和優(yōu)化負(fù)荷與風(fēng)光預(yù)測總值協(xié)方差最大為目標(biāo),旨在優(yōu)化用電負(fù)荷曲線,釋放電網(wǎng)新能源消納潛力;下層模型通過協(xié)調(diào)風(fēng)電機(jī)組、光伏機(jī)組、儲(chǔ)能電站、火電機(jī)組以及上層模型得到的優(yōu)化負(fù)荷,同時(shí)將階梯型的碳交易成本引入到目標(biāo)函數(shù)中,建立多目標(biāo)“源網(wǎng)儲(chǔ)荷”協(xié)同低碳調(diào)度模型,旨在提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性,降低系統(tǒng)的碳排放量,提高新能源的消納能力。最后基于改進(jìn)的IEEE 30節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真測試,結(jié)果驗(yàn)證了模型的有效性。

        關(guān)鍵詞:分布式發(fā)電;儲(chǔ)能;需求響應(yīng);沙戈荒區(qū)域;新能源消納;“源網(wǎng)荷儲(chǔ)”協(xié)同

        中圖分類號(hào):TM734 文獻(xiàn)標(biāo)志碼:A

        0 引 言

        隨著國際社會(huì)對(duì)環(huán)境保護(hù)與能源安全等問題的日益重視,大力發(fā)展新能源,實(shí)現(xiàn)能源行業(yè)綠色低碳發(fā)展已成為各國的重點(diǎn)任務(wù)。2022 年2 月,中國國家發(fā)改委和國家能源局發(fā)布的《以沙漠、戈壁、荒漠地區(qū)為重點(diǎn)的大型風(fēng)電光伏基地規(guī)劃布局方案》提出,預(yù)計(jì)到2030 年,沙戈荒地區(qū)將建成風(fēng)力發(fā)電基地和光伏發(fā)電基地總裝機(jī)規(guī)模約4.55 億kW[1],屆時(shí)全國風(fēng)光總裝機(jī)容量將達(dá)到12 億kW 以上,非化石能源占一次能源消費(fèi)比重將達(dá)到25%[2]。盡管新能源裝機(jī)容量較過去實(shí)現(xiàn)了大幅提升,但由于西北地區(qū)地理位置的特殊性以及電力系統(tǒng)輸電網(wǎng)絡(luò)架構(gòu)的不完善,沙戈荒區(qū)域的新能源消納矛盾仍十分突出,2022 年棄風(fēng)棄光量占全國的90%。因此如何廣泛、有效地協(xié)調(diào)電力系統(tǒng)各類調(diào)峰資源以提高沙戈荒地區(qū)電網(wǎng)對(duì)新能源的消納能力具有重要意義。

        目前已有很多文獻(xiàn)從源網(wǎng)儲(chǔ)荷的角度對(duì)提升電網(wǎng)新能源消納能力的問題展開了研究。文獻(xiàn)[3-4]綜合多類調(diào)峰資源,基于場景約束和機(jī)會(huì)約束提出一種電網(wǎng)多時(shí)間尺度源儲(chǔ)荷協(xié)調(diào)調(diào)度策略,提高了區(qū)域電力系統(tǒng)新能源消納率;文獻(xiàn)[5]基于雙碳目標(biāo)及清潔能源消納背景,提出一種面向新能源消納的源網(wǎng)荷儲(chǔ)協(xié)調(diào)控制方法;文獻(xiàn)[6]構(gòu)建一種電網(wǎng)“源網(wǎng)儲(chǔ)荷”協(xié)調(diào)優(yōu)化模型,并采用智能算法對(duì)模型的全局指標(biāo)進(jìn)行統(tǒng)一優(yōu)化,減小了新能源的棄電率。上述研究雖通過建立“源網(wǎng)荷儲(chǔ)”協(xié)同調(diào)度模型提高了新能源消納率,但未考慮沙戈荒地區(qū)資源分布特點(diǎn)和輸電特性(如新能源分布較為集中、遠(yuǎn)距離直流輸電等),且模型求解未考慮分層遞進(jìn)的優(yōu)化方法,其解難以保證是全局最優(yōu)。

        在全球氣候變暖的背景下,為含大規(guī)模新能源的電力系統(tǒng)中引入碳交易機(jī)制對(duì)促進(jìn)節(jié)能減排具有重要作用,同時(shí)也為提高新能源的消納能力提供了一種新方法,已有很多文獻(xiàn)對(duì)此進(jìn)行了詳細(xì)報(bào)道。文獻(xiàn)[7]提出一種含有碳交易機(jī)制的多目標(biāo)環(huán)境經(jīng)濟(jì)調(diào)度模型,綜合考慮了碳和其他污染物的排放成本;文獻(xiàn)[8]綜合考慮系統(tǒng)的經(jīng)濟(jì)性和低碳性,將碳排放量作為評(píng)價(jià)指標(biāo)之一,建立了電力系統(tǒng)優(yōu)化調(diào)度模型。上述研究雖都涉及到碳排放成本對(duì)電力系統(tǒng)的影響,但未對(duì)碳排放量進(jìn)行具體的劃分區(qū)間,模型適用范圍和可靠性還有待提高。

        基于上述背景,本文提出一種面向沙戈荒區(qū)域新能源消納的電力系統(tǒng)日前低碳調(diào)度策略。該策略針對(duì)系統(tǒng)結(jié)構(gòu)復(fù)雜導(dǎo)致的模型建立困難以及各類求解方法利弊參半問題,建立上下分層遞進(jìn)優(yōu)化方案,以簡化模型復(fù)雜度和提高解的全局最優(yōu)性,其中上層模型通過建立需求響應(yīng)成本最小和優(yōu)化負(fù)荷與風(fēng)光預(yù)測總值協(xié)方差最大模型,控制各時(shí)刻可轉(zhuǎn)移和可削減負(fù)荷量,以優(yōu)化調(diào)整負(fù)荷用電曲線,增加負(fù)荷與新能源出力變化趨勢的一致性,達(dá)到減小新能源出力的不確定性影響和釋放電網(wǎng)新能源消納潛力的作用。下層模型依托上層模型傳遞的優(yōu)化負(fù)荷和風(fēng)光預(yù)測出力曲線,協(xié)調(diào)電力系統(tǒng)各類調(diào)峰資源,同時(shí)將階梯型的碳交易成本引入到目標(biāo)函數(shù)中,建立多目標(biāo)“源網(wǎng)儲(chǔ)荷”協(xié)同低碳最優(yōu)調(diào)度模型,達(dá)到促進(jìn)新能源消納的同時(shí)提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性以及降低電力系統(tǒng)的碳排放量的目標(biāo)。最后基于改進(jìn)的IEEE 30 節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真測試,驗(yàn)證所提模型的有效性。

        1 系統(tǒng)整體結(jié)構(gòu)

        本文研究的電力系統(tǒng)主要由火電機(jī)組、風(fēng)電機(jī)組、光伏機(jī)組、電化學(xué)儲(chǔ)能系統(tǒng)、負(fù)荷側(cè)資源以及碳交易市場機(jī)制6 個(gè)部分組成,系統(tǒng)運(yùn)行架構(gòu)如圖1 所示。所研究的沙戈荒新能源基地位于中國西北地區(qū),以遠(yuǎn)距離直流外送為主要消納形式,其調(diào)度資源特性如圖2 所示。

        1.1 儲(chǔ)能裝置的分類

        儲(chǔ)能裝置可分為兩種主要類型:一種是直接存儲(chǔ)電能的設(shè)備,例如獨(dú)立的儲(chǔ)能電池;另一種是以其他形式的能量儲(chǔ)存起來,并將其轉(zhuǎn)換為電能的裝置,比如太陽能熱發(fā)電站的儲(chǔ)熱罐和抽水蓄能系統(tǒng)[9]??紤]到沙戈荒地區(qū)實(shí)際情況,本文主要考慮電化學(xué)儲(chǔ)能裝置。

        1.2 需求響應(yīng)資源的分類

        負(fù)荷側(cè)需求響應(yīng)調(diào)度資源可幫助電力系統(tǒng)很好地平衡供需之間的差異,根據(jù)風(fēng)光出力的波動(dòng)情況,調(diào)整負(fù)荷或其他常規(guī)電源的運(yùn)行,達(dá)到平衡電網(wǎng)的供需關(guān)系,從而提高系統(tǒng)風(fēng)光消納能力。需求響應(yīng)主要分為兩類,分別是電價(jià)型需求響應(yīng)(price-based demand response,PDR)和激勵(lì)型需求響應(yīng)(incentive-based demand response,IDR)[10-11]。PDR 是基于價(jià)格信號(hào)進(jìn)行需求響應(yīng)的一種形式,通過變動(dòng)電力價(jià)格,電力系統(tǒng)向用戶傳達(dá)供需情況,用戶可根據(jù)價(jià)格變動(dòng)做出相應(yīng)調(diào)整。IDR 是基于激勵(lì)手段進(jìn)行需求響應(yīng)的一種形式,它通過給予用戶一定的經(jīng)濟(jì)回報(bào)或福利,以鼓勵(lì)用戶減少或轉(zhuǎn)移用電負(fù)荷,從而提供系統(tǒng)的穩(wěn)定性和可靠性[12]。在本文模型中需求響應(yīng)主要考慮PDR 和兩種IDR,兩種IDR 分別為在日前調(diào)度中確定的非可中斷負(fù)荷和可中斷負(fù)荷;為方便敘述,后續(xù)將兩種IDR 分別敘述為Ⅰ類IDR 和Ⅱ類IDR。

        1.3 碳交易機(jī)制的機(jī)理

        碳交易機(jī)制是一種基于碳排放權(quán)交易市場的減排機(jī)制,政府對(duì)企業(yè)碳排放總量進(jìn)行限制,按照統(tǒng)一的標(biāo)準(zhǔn)對(duì)碳排放權(quán)進(jìn)行合理分配[13]?;痣姍C(jī)組在運(yùn)行時(shí)會(huì)產(chǎn)生大量CO2,超出碳排放配額的部分需購買碳排放權(quán),這將導(dǎo)致運(yùn)行成本的增加,進(jìn)而限制機(jī)組出力,以達(dá)到降低碳排放的目的。同時(shí),由于風(fēng)電、光伏為無污染的綠色能源,可在運(yùn)行中出售碳交易配額,這將在并網(wǎng)中增加收益,進(jìn)而提高新能源機(jī)組出力,實(shí)現(xiàn)提升地區(qū)電網(wǎng)的新能源消納量的目標(biāo),最后推動(dòng)新能源事業(yè)的發(fā)展[14]。

        目前常用的碳排放配額分配方法分為歷史法和基準(zhǔn)線法兩種。本文采用基準(zhǔn)線法進(jìn)行碳排放配額的分配,即假定機(jī)組的碳排放配額與機(jī)組出力呈比例[15]。

        2 調(diào)度模型的建立

        2.1 目標(biāo)函數(shù)

        2.1.1 火電機(jī)組煤耗成本和啟停成本最小

        式中:C1——火電機(jī)組的運(yùn)行成本,元;Cmh、Cqt——火電機(jī)組的煤耗成本、啟停成本,元;T——一天中的時(shí)間,T=24 h;aj、bj、cj——火電機(jī)組煤耗量系數(shù),t/MW;PG, j, t——火電機(jī)組j 在t 時(shí)刻的出力值,MW;Sjt——火電機(jī)組j 的啟停成本,萬元;uj, t——火電機(jī)組j 在t 時(shí)刻的啟停狀態(tài)。

        2.1.2 碳排放成本最小

        光伏和風(fēng)電均為清潔能源,不產(chǎn)生CO2,因此系統(tǒng)的碳排放量主要考慮來自火電機(jī)組[16]。碳分配系數(shù)表示將碳排放量準(zhǔn)許值分配給不同機(jī)組的比例或權(quán)重,用于確定碳排放責(zé)任的分配或確定碳交易中的分配規(guī)則,由生態(tài)環(huán)境部發(fā)布的“中國區(qū)域電網(wǎng)二氧化碳排放因子研究”確定。整個(gè)系統(tǒng)總的碳排放配額和一個(gè)周期內(nèi)系統(tǒng)碳排放總量為:

        2.2.5 傳輸線的輸電功率約束

        -Pmax ij ≤Bij (θi,t -θj,t )≤Pmax ij (16)

        式中:Pmax ij ——節(jié)點(diǎn)i、j 之間傳輸線的最大輸送功率,MW;Bij——節(jié)點(diǎn)i、j 之間線路的電納,S;θi,t——節(jié)點(diǎn)i 在t 時(shí)刻的相角,( °)。

        2.2.6 需求響應(yīng)資源約束

        式中:LPmDinR、LPmDaxR——PDR 負(fù)荷的調(diào)用量下限、上限,MW;LImDinR1 和 LImDaRx1——Ⅰ類 IDR 負(fù)荷的調(diào)用量下限、上限,MW;Lmax IDR2——Ⅱ類 IDR 負(fù)荷的上限,MW;LmIDR2,t——第m 級(jí)可中斷負(fù)荷。

        式(19)可保證經(jīng)過調(diào)用后的交易日當(dāng)天的總電量仍可滿足用戶需求;式(20)可避免可中斷負(fù)荷中斷電量過高導(dǎo)致用戶滿意度下降的問題。

        2.3 基于上下分層遞進(jìn)優(yōu)化的模型求解方法

        對(duì)于優(yōu)化類問題,目前常采用的求解方法為智能尋優(yōu)算法和調(diào)用商業(yè)求解器,前者雖可求解多目標(biāo)非線性問題,但對(duì)于多目標(biāo)問題算法相對(duì)復(fù)雜,且易陷入局部最優(yōu)解;后者程序較簡單,但求解多目標(biāo)非線性問題能力較弱(現(xiàn)階段求解器解多目標(biāo)非線性問題通常是轉(zhuǎn)為單目標(biāo)線性問題求解)。本文建立的多目標(biāo)電力系統(tǒng)優(yōu)化模型是一個(gè)復(fù)雜的混合整數(shù)規(guī)劃問題,涉及到的目標(biāo)函數(shù)、變量以及約束條件較多,若單一采用某種方法很難得出全局最優(yōu)解,因此為了提高解的全局最優(yōu)性和簡化模型復(fù)雜度,采用上下分層遞進(jìn)優(yōu)化計(jì)算方法[18],模型求解具體流程如圖3 所示。

        上層模型建立需求響應(yīng)成本最小和優(yōu)化負(fù)荷與風(fēng)光預(yù)測總值協(xié)方差最大模型,該層模型目標(biāo)函數(shù)和約束條件相對(duì)較少,采用Matlab 調(diào)用YALMIP 工具箱Gurobi 求解器進(jìn)行求解。下層模型生成電力系統(tǒng)最優(yōu)調(diào)度策略,該層模型約束條件多,且存在非線性目標(biāo)函數(shù),因此采用改進(jìn)的多目標(biāo)粒子群算法對(duì)模型進(jìn)行求解。

        2.4 基于動(dòng)態(tài)權(quán)重的壓縮因子多目標(biāo)粒子群算法的下層模型求解

        本文提出采用動(dòng)態(tài)權(quán)重的壓縮因子粒子群算法對(duì)上下分層策略的下層模型進(jìn)行求解。壓縮因子粒子群算法利用約束因子來控制系統(tǒng)的行為以實(shí)現(xiàn)最終收斂,其壓縮因子計(jì)算公式為:

        式中:λ——壓縮因子;c1、c2——學(xué)習(xí)因子。

        壓縮因子粒子群算法與傳統(tǒng)粒子群優(yōu)化算法相比,雖具有更快的收斂速度和更精確的解[19],但采用的固定慣性權(quán)重?zé)o法均衡全局搜索的廣度和局部搜索的深度,因此為克服算法這方面的缺點(diǎn),在此基礎(chǔ)上引入線性遞減的動(dòng)態(tài)慣性權(quán)重w(t),w(t) 是線性遞減的,在迭代的前期設(shè)置較大的w(t) 值可增強(qiáng)算法的全局搜索能力,隨著迭代次數(shù)的增加w(t) 逐漸減小,又可提高算法后期權(quán)衡局部最優(yōu)能力,保證能夠更快收斂于最優(yōu)解。其線性遞減的動(dòng)態(tài)慣性權(quán)重計(jì)算公式為:

        式中:t——當(dāng)前迭代次數(shù);Tmax——最大進(jìn)化代數(shù);wmax——最大慣性權(quán)重;wmin——最小慣性權(quán)重。

        綜上,采用壓縮因子和線性遞減權(quán)重的粒子群算法的速度跟新公式和位置跟新公式為:

        式中:vid——第i 個(gè)粒子的飛行速度;xid——第i 個(gè)粒子的D維位置矢量;r1、r2——[0,1]范圍內(nèi)的均勻隨機(jī)數(shù)。

        各粒子的最大位置和最小位置依據(jù)電力系統(tǒng)變量的上下限設(shè)置,如輸電線路容量的上、下限值、各機(jī)組輸出功率的上、下限值等,因變量較多,在此不再贅述,其算法參數(shù)設(shè)置見表1。此外,在單目標(biāo)優(yōu)化問題中,只需根據(jù)目標(biāo)函數(shù)適應(yīng)度值的大小就能選出全局最優(yōu)粒子,然而在多目標(biāo)的PSO 算法中無法適用,因此在這里通過隨機(jī)選擇的方法在更新前后的粒子中選出個(gè)體最優(yōu)粒子,并應(yīng)用自適應(yīng)網(wǎng)格法[20]優(yōu)先選擇粒子密度小的網(wǎng)格中的粒子作為全局最優(yōu)粒子。下層模型求解算法以風(fēng)光預(yù)測出力、系統(tǒng)各類參數(shù)以及上層模型得到的優(yōu)化負(fù)荷等作為輸入,具體流程如圖4 所示。

        3 算例分析

        3.1 算例設(shè)置

        為實(shí)際解決中國西北沙戈荒地區(qū)新能源消納受限的情況,結(jié)合光伏出力的特殊性(即白天發(fā)電,夜間停止),在外部因素確定的情況下,其波動(dòng)變化主要受其余機(jī)組出力變化而變化,因此選取風(fēng)電消納較為困難的風(fēng)電反調(diào)峰典型日進(jìn)行研究,并基于改進(jìn)的IEEE 30 節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真分析,以此作為算例對(duì)本文所提調(diào)度策略進(jìn)行驗(yàn)證。系統(tǒng)包含6 個(gè)火電機(jī)組(容量分別為150、60、60、50、35、45 MW)、1 座電化學(xué)儲(chǔ)能電站(機(jī)組參數(shù)見表2)、1 座200 MW 的風(fēng)電場以及1 座100 MW 的光伏電站。其中火電機(jī)組分別位于節(jié)點(diǎn)1、2、5、8、11、13 處,風(fēng)電機(jī)組位于節(jié)點(diǎn)24 處,光伏機(jī)組位于節(jié)點(diǎn)25處,儲(chǔ)能系統(tǒng)位于節(jié)點(diǎn)10 處。增大原IEEE 30 節(jié)點(diǎn)系統(tǒng)線路23—24 和線路27—28 的長度和電阻,并添加AC/DC 和DC/AC變換器,以模擬沙戈荒區(qū)域新能源遠(yuǎn)距離直流輸電,其中兩條線路最小外送功率均為20 MW,線路外送功率安全極限均設(shè)置為120 MW。具體系統(tǒng)仿真圖如圖5 所示。

        此外,需求響應(yīng)部分為簡化計(jì)算過程,DR 資源的補(bǔ)償成本系數(shù)均采用固定值,分別為150、100、125 元/MWh,同時(shí)將PDR負(fù)荷最大變化范圍限定在總負(fù)荷的10% 以內(nèi),而Ⅰ類和Ⅱ類IDR 負(fù)荷的最大調(diào)用量限定在總負(fù)荷的5% 以內(nèi)。風(fēng)光運(yùn)維成本系數(shù)均為450 元/MW。階梯型碳交易參數(shù)見表3。

        3.2 系統(tǒng)優(yōu)化調(diào)度結(jié)果分析

        采用本文提出的調(diào)度方法,調(diào)度結(jié)果如圖6 所示,各機(jī)組出力如圖7 所示。圖6a 中的兩條曲線分別為原負(fù)荷曲線和優(yōu)化負(fù)荷曲線,優(yōu)化負(fù)荷曲線為原始負(fù)荷曲線與需求響應(yīng)資源調(diào)用之和,也等于各機(jī)組的出力總和。圖8 為該場景下風(fēng)光電消納情況。圖9 為DR 資源調(diào)用情況。圖10 為儲(chǔ)能系統(tǒng)的調(diào)用情況。圖11 為碳交易價(jià)格對(duì)日均風(fēng)光消納率、系統(tǒng)總成本、日均碳排放量和日均火電出力的影響。

        從圖6 可看出,本文所建立的兩條遠(yuǎn)距離直流輸電線路外送功率均高于所設(shè)置的最小外送功率,確保了系統(tǒng)在面對(duì)受端電網(wǎng)負(fù)荷需求時(shí)的運(yùn)行穩(wěn)定性以及新能源基地的經(jīng)濟(jì)利用。同時(shí)其外送功率均低于所設(shè)置的線路外送功率安全極限,保障了輸電線路和電力系統(tǒng)的安全運(yùn)行,可有效降低設(shè)備故障和停運(yùn)的風(fēng)險(xiǎn)。該結(jié)果反映了本文所建模型的可靠性和正確性。從圖6、圖7 的各部分調(diào)用結(jié)果可看出,電力系統(tǒng)功率大部分還是由火電機(jī)組來承擔(dān),其原因可能有兩個(gè):一是目前火電機(jī)組的占比仍相對(duì)較大;二是沙戈荒地區(qū)本地消納空間有限以及外送能力不足,使得大規(guī)模新能源的全額并網(wǎng)消納需要安排大量火電機(jī)組參與調(diào)峰調(diào)頻等輔助服務(wù);未來隨著電網(wǎng)輸電拓?fù)浣Y(jié)構(gòu)的進(jìn)一步完善和外送通道的增加,將會(huì)有很大改變。

        由圖8 和圖9 可知,在風(fēng)電反調(diào)峰典型日時(shí)風(fēng)電的出力曲線與負(fù)荷曲線不吻合。風(fēng)力發(fā)電的高發(fā)時(shí)段分別出現(xiàn)在01:00—07:00 和21:00—24:00,在此時(shí)段內(nèi)DR 資源調(diào)用后的負(fù)荷曲線高于原負(fù)荷曲線,這是由于在此時(shí)段需求響應(yīng)負(fù)荷相對(duì)較低,通過對(duì)DR 資源進(jìn)行正調(diào)用用于填谷,提高需求響應(yīng)負(fù)荷來提高風(fēng)電的消納能力。此外其余時(shí)段均為風(fēng)電低發(fā)時(shí)段,優(yōu)化負(fù)荷曲線整體低于原負(fù)荷曲線,這是由于在此時(shí)段需求響應(yīng)負(fù)荷相對(duì)較高,通過本文調(diào)度策略對(duì)DR 資源進(jìn)行負(fù)調(diào)用用于削峰,降低需求響應(yīng)負(fù)荷以此提高風(fēng)電消納能力。

        從圖10 可看出,在風(fēng)電高發(fā)時(shí)段,儲(chǔ)能系統(tǒng)此時(shí)存儲(chǔ)電能,協(xié)助風(fēng)電消納;風(fēng)電低發(fā)時(shí)段,儲(chǔ)能系統(tǒng)整體出力保持在相對(duì)較低水平(平均出力不超過30 MW),為電網(wǎng)提供了更多消納風(fēng)光的空間;且在風(fēng)光或負(fù)荷發(fā)生突變的時(shí)段中,電化學(xué)儲(chǔ)能表現(xiàn)出較為快速的響應(yīng)調(diào)控,因此可更好地實(shí)現(xiàn)對(duì)電力系統(tǒng)的削峰填谷,從而有效解決電力系統(tǒng)的“棄風(fēng)”現(xiàn)象,提高了沙戈荒地區(qū)新能源消納能力。

        由圖11 可知,隨著碳交易價(jià)格的升高,風(fēng)光日均消納率和系統(tǒng)的總成本逐漸增加,火電日均出力和日均碳排放量逐漸下降,其系統(tǒng)總成本與碳交易價(jià)格近似為正比例關(guān)系、日均碳排放量呈現(xiàn)凹函數(shù)特性。當(dāng)碳交易價(jià)格在30~70 元/t 之間時(shí),風(fēng)光消納率和火電日均出力隨價(jià)格變化較為顯著,這是由于隨著碳交易價(jià)格的提高,采用傳統(tǒng)火電機(jī)組等非清潔能源時(shí)碳排放成本會(huì)增加進(jìn)而導(dǎo)致系統(tǒng)的總成本提高,因此再繼續(xù)采用火電機(jī)組則不太經(jīng)濟(jì),此時(shí)新能源機(jī)組的功率投入量則會(huì)大大增加,所以風(fēng)光消納量會(huì)逐漸提高、火電出力逐漸下降,變化趨勢較為明顯。此外,當(dāng)碳交易價(jià)格在0~30元/t 和70~90 元/t 之間時(shí),其風(fēng)光消納率和火電日均出力對(duì)碳交易價(jià)格的變化不敏感,若此時(shí)采用相同手段繼續(xù)提升風(fēng)光消納率、降低火電出力,則給系統(tǒng)帶來的經(jīng)濟(jì)效益甚微,因此在該區(qū)間變化趨勢變緩。

        3.3 調(diào)度方式對(duì)比分析

        為驗(yàn)證本文所提模型的有效性,在同樣的場景下基于3種調(diào)度方案進(jìn)行對(duì)比分析,分析不同運(yùn)行方式下新能源的消納水平、碳排放程度以及系統(tǒng)運(yùn)行的經(jīng)濟(jì)性,仿真結(jié)果如圖12 和表4 所示。

        方案1:不建立考慮優(yōu)化負(fù)荷的上下分層遞進(jìn)優(yōu)化模型,同時(shí)不引入階梯型碳交易機(jī)制。

        方案2:建立考慮優(yōu)化負(fù)荷的上下分層遞進(jìn)優(yōu)化模型,但不引入階梯型碳交易機(jī)制。

        方案3:本文調(diào)度策略。建立考慮優(yōu)化負(fù)荷的上下分層遞進(jìn)優(yōu)化模型,同時(shí)引入階梯型碳交易機(jī)制。

        由圖12 和表4 可知,方案3 的新能源消納率最高且碳排放量最少,對(duì)提高沙戈荒區(qū)域電網(wǎng)的新能源消納能力以及減少碳排放量有很高的參考價(jià)值。此外,在建立考慮優(yōu)化負(fù)荷的上下分層遞進(jìn)優(yōu)化模型時(shí),需對(duì)需求響應(yīng)資源進(jìn)行調(diào)用,導(dǎo)致需要格外增加負(fù)荷調(diào)用的費(fèi)用,因此方案2 和方案3的總成本高于方案1。雖然方案1 的總成本在3 個(gè)方案中最低,但其碳排放量最多且新能源消納率最小,不符合中國節(jié)能減排的理念,因此通過方案1 與方案2、3 比較可知,在適當(dāng)時(shí),為提高新能源消納能力,犧牲一點(diǎn)經(jīng)濟(jì)性是必要的。此外方案3 的總成本低于方案2,可見所提碳交易成本調(diào)度模型不僅能減小棄風(fēng)棄光率以及碳排放量,還能有效減小系統(tǒng)的運(yùn)行成本,極大體現(xiàn)了該模型的優(yōu)勢。

        綜上可知,本文提出的基于上下分層遞進(jìn)優(yōu)化的多目標(biāo)“源網(wǎng)儲(chǔ)荷”協(xié)同低碳調(diào)度模型能有效降低棄風(fēng)棄光率,提高沙戈荒地區(qū)電網(wǎng)風(fēng)光的消納能力以及減少系統(tǒng)運(yùn)行成本、降低碳排放量。

        4 結(jié) 論

        針對(duì)沙戈荒區(qū)域新能源消納受限問題,本文提出一種面向沙戈荒區(qū)域新能源消納的電力系統(tǒng)日前低碳調(diào)度策略,并改進(jìn)的IEEE 30 節(jié)點(diǎn)系統(tǒng)進(jìn)行分析,得到以下主要結(jié)論:

        1)在傳統(tǒng)的調(diào)度模型基礎(chǔ)上,綜合考慮需求響應(yīng)、電化學(xué)儲(chǔ)能電站、新能源機(jī)組以及碳交易機(jī)制對(duì)電網(wǎng)運(yùn)行調(diào)度的影響,不僅可大幅提升沙戈荒區(qū)域電網(wǎng)新能源的消納水平,還能更全面考慮電力系統(tǒng)的經(jīng)濟(jì)效益和環(huán)境效益,達(dá)到區(qū)域電網(wǎng)經(jīng)濟(jì)調(diào)度模式與低碳調(diào)度模式之間的平衡與協(xié)調(diào)。

        2)建立考慮優(yōu)化負(fù)荷的上下分層遞進(jìn)優(yōu)化模型,不僅可增加負(fù)荷與新能源出力變化趨勢的一致性,減小新能源出力不確定性的影響,還可有效釋放電網(wǎng)新能源消納的潛力。

        3)利用電化學(xué)儲(chǔ)能電站的快速調(diào)控特性,不僅可更好地為電力系統(tǒng)提供削峰填谷能力,還可提高新能源的消納空間,有效降低系統(tǒng)運(yùn)行成本。

        4)碳交易機(jī)制的引入不僅可顯著降低系統(tǒng)的碳排放量,還可有效限制火電機(jī)組的出力,提高新能源機(jī)組的消納水平。

        [參考文獻(xiàn)]

        [1] 雒德宏. 淺談在“沙戈荒” 大基地開發(fā)中推廣“新能源+生態(tài)治理” 模式存在的難題及建議[J]. 風(fēng)能, 2022(12): 56-58.

        LUO D H. Discussion on the problems and suggestions ofpopularizing the model of “new energy+ecologicalgovernance” in the development of Shagehuang base[J].Wind energy, 2022(12): 56-58.

        [2] 肖玲娟, 蔣海波, 劉長棟. 我國沙戈荒區(qū)域新能源外送基地經(jīng)濟(jì)性分析[J]. 煤質(zhì)技術(shù), 2023, 38(1): 21-26.

        XIAO L J, JIANG H B, LIU C D. Economic analysis ofthe new energy export base in the Gobi and desert areas ofChina[J]. Coal quality technology, 2023, 38(1): 21-26.

        [3] 金力, 房鑫炎, 蔡振華, 等. 考慮特性分布的儲(chǔ)能電站接入的電網(wǎng)多時(shí)間尺度源儲(chǔ)荷協(xié)調(diào)調(diào)度策略[J]. 電網(wǎng)技術(shù), 2020, 44(10): 3641-3650.

        JIN L, FANG X Y, CAI Z H, et al. Multiple time-scalessource-storage-load coordination scheduling strategy of gridconnected to energy storage power station consideringcharacteristic distribution[J]. Power system technology,2020, 44(10): 3641-3650.

        [4] 唐杰, 呂林, 葉勇, 等. 多時(shí)間尺度下主動(dòng)配電網(wǎng)源-儲(chǔ)-荷協(xié)調(diào)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(20): 53-64.

        TANG J, LYU L, YE Y, et al. Source-storage-loadcoordinated economic dispatch of an active distributionnetwork under multiple time scales[J]. Power systemprotection and control, 2021, 49(20): 53-64.

        [5] 李強(qiáng), 趙峰, 劉茂凱, 等. 雙碳目標(biāo)下面向清潔能源消納的源網(wǎng)荷儲(chǔ)協(xié)調(diào)控制[J]. 自動(dòng)化與儀表, 2023, 38(7): 19-23.

        LI Q, ZHAO F, LIU M K, et al. Coordinated control ofsource network load and storage towards clean energyconsumption under the dual-carbon target[J]. Automationamp; instrumentation, 2023, 38(7): 19-23.

        [6] 姜琦, 黃堃, 趙俊, 等. 基于遺傳算法的主動(dòng)配電網(wǎng)“源網(wǎng)荷儲(chǔ)” 協(xié)調(diào)優(yōu)化模型研究[J]. 電力與能源, 2020, 41(1): 1-5, 19.

        JIANG Q, HUANG K, ZHAO J, et al. Study of“ powernetwork-load-storage” coordinated optimization model foractive distribution network based on genetic algorithm[J].Power amp; energy, 2020, 41(1): 1-5, 19.

        [7] 馬燕峰, 范振亞, 劉偉東, 等. 考慮碳權(quán)交易和風(fēng)荷預(yù)測誤差隨機(jī)性的環(huán)境經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2016, 40(2): 412-418.

        MA Y F, FAN Z Y, LIU W D, et al. Environmental andeconomic dispatch considering carbon trading credit andrandomicity of wind power and load forecast error[J].Power system technology, 2016, 40(2): 412-418.

        [8] 衛(wèi)志農(nóng), 張思德, 孫國強(qiáng), 等. 基于碳交易機(jī)制的電-氣互聯(lián)綜合能源系統(tǒng)低碳經(jīng)濟(jì)運(yùn)行[J]. 電力系統(tǒng)自動(dòng)化,2016, 40(15): 9-16.

        WEI Z N, ZHANG S D, SUN G Q, et al. Carbon tradingbased low-carbon economic operation for integratedelectricity and natural gas energy system[J]. Automation ofelectric power systems, 2016, 40(15): 9-16.

        [9] 安源, 鄭申印, 蘇瑞, 等. 風(fēng)光水儲(chǔ)多能互補(bǔ)發(fā)電系統(tǒng)雙層優(yōu)化研究[J]. 太陽能學(xué)報(bào), 2023, 44(12):510-517.

        AN Y, ZHENG S Y, SU R, et al. Research on two-layeroptimization of wind-solar-water-storage multi energycomplementary power generation system[J]. Acta energiaesolaris sinica, 2023, 44(12): 510-517.

        [10] 鞠立偉, 于超, 譚忠富. 計(jì)及需求響應(yīng)的風(fēng)電儲(chǔ)能兩階段調(diào)度優(yōu)化模型及求解算法[J]. 電網(wǎng)技術(shù), 2015, 39(5): 1287-1293.

        JU L W, YU C, TAN Z F. A two-stage schedulingoptimization model and corresponding solving algorithm forpower grid containing wind farm and energy storage systemconsidering demand response[J]. Power systemtechnology, 2015, 39(5): 1287-1293.

        [11] 張欽, 王錫凡, 王建學(xué), 等. 電力市場下需求響應(yīng)研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2008, 32(3): 97-106.

        ZHANG Q, WANG X F, WANG J X, et al. Survey ofdemand response research in deregulated electricitymarkets[J]. Automation of electric power systems, 2008,32(3): 97-106.

        [12] 陳奧潔, 周云海, 石亮波, 等. 考慮需求響應(yīng)和含儲(chǔ)火電參與深度調(diào)峰的電力系統(tǒng)隨機(jī)優(yōu)化調(diào)度[J]. 科學(xué)技術(shù)與工程, 2023, 23(3): 1087-1095.

        CHEN A J, ZHOU Y H, SHI L B, et al. Stochasticoptimal scheduling of power system considering demandresponse and participation of thermal power with storage indeep peak shaving[J]. Science technology andengineering, 2023, 23(3): 1087-1095.

        [13] 張曉輝, 閆柯柯, 盧志剛, 等. 基于碳交易的含風(fēng)電系統(tǒng)低碳經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2013, 37(10): 2697-2704.

        ZHANG X H, YAN K K, LU Z G, et al. Carbon tradingbased low-carbon economic dispatching for power gridintegrated with wind power system[J]. Power systemtechnology, 2013, 37(10): 2697-2704.

        [14] 王振浩, 許京劍, 田春光, 等. 計(jì)及碳交易成本的含風(fēng)電電力系統(tǒng)熱電聯(lián)合調(diào)度[J]. 太陽能學(xué)報(bào), 2020, 41(12): 245-253.

        WANG Z H, XU J J, TIAN C G, et al. Combined heat andpower scheduling strategy considering carbon trading costin wind power system[J]. Acta energiae solaris sinica,2020, 41(12): 245-253.

        [15] 李旭東, 艾欣, 胡俊杰, 等. 計(jì)及碳交易機(jī)制的核-火-虛擬電廠三階段聯(lián)合調(diào)峰策略研究[J]. 電網(wǎng)技術(shù), 2019,43(7): 2460-2470.

        LI X D, AI X, HU J J, et al. Three-stage combined peakregulation strategy for nuclear-thermal-virtual power plantconsidering carbon trading mechanism[J]. Power systemtechnology, 2019, 43(7): 2460-2470.

        [16] 安源, 蘇瑞, 鄭申印, 等. 計(jì)及碳交易和源-荷側(cè)資源的綜合能源系統(tǒng)低碳經(jīng)濟(jì)優(yōu)化[J]. 太陽能學(xué)報(bào), 2023, 44(11): 547-555.

        AN Y, SU R, ZHENG S Y, et al. Low carbon economicoptimization of integrated energy system consideringcarbon trading and source-load side resources[J]. Actaenergiae solaris sinica, 2023, 44(11): 547-555.

        [17] 崔楊, 周慧娟, 仲悟之, 等. 考慮源荷兩側(cè)不確定性的含風(fēng)電電力系統(tǒng)低碳調(diào)度[J]. 電力自動(dòng)化設(shè)備, 2020,40(11): 85-93.

        CUI Y, ZHOU H J, ZHONG W Z, et al. Low-carbonscheduling of power system with wind power consideringuncertainty of both source and load sides[J]. Electricpower automation equipment, 2020, 40(11): 85-93.

        [18] 周孟然, 王旭, 邵帥, 等. 考慮需求響應(yīng)和碳排放額度的微電網(wǎng)分層優(yōu)化調(diào)度[J]. 中國電力, 2022, 55(10):45-53.

        ZHOU M R, WANG X, SHAO S, et al. Hierarchicaloptimal scheduling of microgrid considering demandresponse and carbon emission quota[J]. Electric power,2022, 55(10): 45-53.

        [19] 包子陽, 余繼周, 楊杉. 智能優(yōu)化算法及其MATLAB實(shí)例[M]. 3版. 北京: 電子工業(yè)出版社, 2021.

        BAO Z Y, YU J Z, YANG S. Intelligent optimizationalgorithm and its Matlab example[M]. 3rd ed. Beijing:Publishing House of Electronics Industry, 2021.

        [20] 何嘉威. 粒子群優(yōu)化算法改進(jìn)及其在智能電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度應(yīng)用[D]. 南京: 南京郵電大學(xué), 2022.

        HE J W. Improvement of particle swarm optimizationalgorithm and its application on economic dispatching ofsmart grid[D]. Nanjing: Nanjing University of Posts andTelecommunications, 2022.

        基金項(xiàng)目:湖南省自然科學(xué)基金面上項(xiàng)目(2023JJ30024);國網(wǎng)湖南省電力公司科技項(xiàng)目(5216A522000Z)

        猜你喜歡
        分布式發(fā)電儲(chǔ)能協(xié)同
        相變儲(chǔ)能材料的應(yīng)用
        煤氣與熱力(2021年6期)2021-07-28 07:21:24
        蜀道難:車與路的協(xié)同進(jìn)化
        “四化”協(xié)同才有出路
        汽車觀察(2019年2期)2019-03-15 06:00:50
        儲(chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用
        儲(chǔ)能真要起飛了?
        能源(2017年12期)2018-01-31 01:42:59
        分布式發(fā)電對(duì)配電網(wǎng)繼電保護(hù)的影響
        居業(yè)(2016年5期)2017-01-11 17:24:25
        智能配電網(wǎng)研究
        科技傳播(2016年16期)2017-01-03 22:23:33
        三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
        直流儲(chǔ)能型準(zhǔn)Z源光伏并網(wǎng)逆變器
        協(xié)同進(jìn)化
        久久香蕉国产线看观看精品yw| 亚洲av永久无码天堂网| 日本一区二区三区看片| 日本乱人伦在线观看| 日韩 亚洲 制服 欧美 综合| av资源在线永久免费观看| 色爱区综合激情五月综合小说| 久久久国产精品va麻豆| 免费视频亚洲一区二区三区| 中文字幕人成人乱码亚洲| 国产男女猛烈视频在线观看| 国产精品福利久久香蕉中文| 97夜夜澡人人爽人人喊中国片| 大香蕉视频在线青青草| 久久精品国产72国产精福利 | 亚洲综合网一区二区三区| 久久99精品国产99久久| 精品亚洲国产成人| av在线播放男人天堂| 一区二区三区四区免费国产视频| 天堂av一区二区在线观看| 日本亚洲国产一区二区三区| 久久久久99精品成人片直播| 成人免费在线亚洲视频| 国产精品视频一区二区久久| 亚洲成A人A∨久在线观看| 91国际视频| 久久久久人妻一区二区三区 | 2021年国产精品每日更新| 日日噜噜噜夜夜爽爽狠狠| 日本精品无码一区二区三区久久久| 日本一区二区三级在线观看| 日本一区二区免费看片| 插入中文字幕在线一区二区三区| 国产一级三级三级在线视| 亚洲av第一成肉网| 亚洲第一av导航av尤物| 亚洲av无码电影在线播放| 精品国产一区二区三区三级| 自拍视频在线观看国产| av男人操美女一区二区三区|