考虑不确定性的水火风光联合调度研究
发布时间:2021-05-22 03:13
风电与光伏的迅速发展促进了我国能源结构改革与电力系统的节能减排,高比例可再生能源并网将是我国电力系统发展的必然趋势。随着大规模风电、光伏并网,电力系统的调度方式由确定型向概率型转变,也因此使得传统的调度方式受到挑战。风电、光伏具有随机性和不确定性,导致系统等效负荷峰谷差加大,威胁电力系统的安全、稳定,通过灵活电源补偿协同调度是增加风光消纳量、保证系统安全稳定的有效措施。在水火风光的多能源电力系统中,提高水火系统的调峰能力是从电源侧解决电网调峰的重要手段。本文考虑风电、光伏的不确定性,深入分析梯级水电协同补偿机制以及水火系统的调峰机制,并在此基础上研究考虑可控负荷调峰和风光电出力随机性的水火风光电力系统调度方式,主要的研究结果如下:(1)采用统计指标分析了风电光伏的波动性、不确定性特点以及反调峰特性对电力系统的影响。结果表明,风电、光伏的反调峰特性和频繁的波动性不仅加大了电力系统等效负荷峰谷差也加大了等效负荷的波动幅度和波动速度,这就要求灵活电源具备快速调节能力和深度调峰特性;由此可见,制约风光电消纳的关键因素是系统调峰能力不足。(2)为保证梯级水电站间协调性,挖掘梯级水电站的调峰能力,...
【文章来源】:西安理工大学陕西省
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究的背景及意义
1.1.1 能源革命—可再生能源的发展现状
1.1.2 大规模风光电并网带来的调度问题及对策
1.2 国内外研究进展
1.2.1 水电站优化调度
1.2.2 水电调峰调度
1.2.3 水火系统联合调峰
1.2.4 水火风光多能互补调度
1.3 研究内容及技术路线
1.3.1 主要研究内容
1.3.2 技术路线
2 大规模风光接入电力系统的影响分析
2.1 风光电输出功率的不确定性描述
2.1.1 风光电输出功率的统计特征
2.1.2 基于最大熵的风光输出功率不确定性分析及量化
2.2 风光电接入对系统调峰的影响
2.3 本章小结
3 梯级水电站短期协同调度机制
3.1 梯级水电站短期运行方式
3.1.1 梯级水电站综合利用任务约束
3.1.2 梯级水电站短期调度模型
3.2 梯级水电站协同调峰模型
3.2.1 “以水定电”模式下梯级水电站协同调峰调度方式
3.2.2 目标函数与方案设置
3.2.3 约束条件
3.2.4 模型编码策略
3.2.5 模型求解算法
3.3 案例研究
3.4 本章小结
4 水火系统联合调峰模式
4.1 电力系统调峰平衡判别式
4.2 水火联调模式
4.2.1 水火电分期
4.2.2 水火联调模式
4.2.3 模型建立与求解
4.3 案例研究
4.4 本章小结
5 计及新能源不确定性的水火风光联合调度
5.1 最大熵估计风电、光伏的概率分布
5.2 场景生成
5.2.1 拉丁超立方体抽样
5.2.2 场景树
5.3 场景削减
5.3.1 常用聚类算法
5.3.2 改进的k-mean聚类
5.4 模型的建立
5.4.1 目标函数
5.4.2 约束条件与求解方法
5.5 案例研究
5.6 本章小结
6 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
攻读学位期间主要研究成果
本文编号:3200872
【文章来源】:西安理工大学陕西省
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究的背景及意义
1.1.1 能源革命—可再生能源的发展现状
1.1.2 大规模风光电并网带来的调度问题及对策
1.2 国内外研究进展
1.2.1 水电站优化调度
1.2.2 水电调峰调度
1.2.3 水火系统联合调峰
1.2.4 水火风光多能互补调度
1.3 研究内容及技术路线
1.3.1 主要研究内容
1.3.2 技术路线
2 大规模风光接入电力系统的影响分析
2.1 风光电输出功率的不确定性描述
2.1.1 风光电输出功率的统计特征
2.1.2 基于最大熵的风光输出功率不确定性分析及量化
2.2 风光电接入对系统调峰的影响
2.3 本章小结
3 梯级水电站短期协同调度机制
3.1 梯级水电站短期运行方式
3.1.1 梯级水电站综合利用任务约束
3.1.2 梯级水电站短期调度模型
3.2 梯级水电站协同调峰模型
3.2.1 “以水定电”模式下梯级水电站协同调峰调度方式
3.2.2 目标函数与方案设置
3.2.3 约束条件
3.2.4 模型编码策略
3.2.5 模型求解算法
3.3 案例研究
3.4 本章小结
4 水火系统联合调峰模式
4.1 电力系统调峰平衡判别式
4.2 水火联调模式
4.2.1 水火电分期
4.2.2 水火联调模式
4.2.3 模型建立与求解
4.3 案例研究
4.4 本章小结
5 计及新能源不确定性的水火风光联合调度
5.1 最大熵估计风电、光伏的概率分布
5.2 场景生成
5.2.1 拉丁超立方体抽样
5.2.2 场景树
5.3 场景削减
5.3.1 常用聚类算法
5.3.2 改进的k-mean聚类
5.4 模型的建立
5.4.1 目标函数
5.4.2 约束条件与求解方法
5.5 案例研究
5.6 本章小结
6 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
攻读学位期间主要研究成果
本文编号:3200872
本文链接:https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3200872.html