基于调控云的风储联合鲁棒优化调度

doi:10.12204/j.issn.1000-7229.2020.07.002

电力建设 ›› 2020, Vol. 41 ›› Issue (7): 9-16.doi: 10.12204/j.issn.1000-7229.2020.07.002

• 能源互联网环境下电力系统安全可靠、经济运行 ·栏目主持黄涛研究员· • 上一篇下一篇

基于调控云的风储联合鲁棒优化调度

姜达军1，吴福保1，王麒云2，张艳军3，孙黎霞2，吴英俊2

1.中国电力科学研究院有限公司，南京市 210003；2.河海大学能源与电气学院，南京市 211100；3.国网辽宁省电力有限公司，沈阳市 110004

出版日期:2020-07-01
作者简介:姜达军（1982），男，硕士，高级工程师，主要研究方向为新能源接入系统分析及运行控制方法；吴福保（1972），男，博士，研究员级高级工程师，主要研究方向为分布式能源及储能技术；王麒云（1994），男，硕士研究生，通信作者，主要研究方向为新能源接接入下的电力系统调度；张艳军（1977），男，博士，教授级高级工程师，主要研究方向为电力系统安全稳定分析；孙黎霞（1978），女，博士，副教授，主要从事电力电子变换器、光伏发电系统建模研究方面的工作；吴英俊（1985），男，博士，副教授，主要从事电力信息物理系统、主动配电网与微网研究方面的工作。
基金资助:
国家电网公司总部科技项目“储能支撑新能源接入区域电网的稳定性控制技术研究项目”

Robust Optimal Combined Wind-Storage Scheduling Based on Regulatory Cloud

JIANG Dajun1， WU Fubao1， WANG Qiyun2， ZHANG Yanjun3， SUN Lixia2， WU Yingjun2

1. China Electric Power Research Institute， Nanjing 210003， China； 2. College of Energy and Electrical Engineering， Hohai University， Nanjing 211100， China； 3.State Grid Liaoning Electric Power Supply Co.，Ltd.， Shenyang 110004， China

Online:2020-07-01
Supported by:
This work is supported by research program“Key Technologies of Energy Storage Configuration for Improving Active Support Capability of Renewable Energy Power Stations”of State Grid Corporation of China.

摘要/Abstract

摘要： 基于云计算的调控云具有信息感知全面、处理效率高、应用便捷灵活等特征，与以高度智能化为趋势的未来电网调度非常契合。文章提出了依托云计算调控云系统的风储鲁棒调度优化方法。首先，利用调控云对风电场群的年实际出力大数据进行聚类分析；其次，基于风电典型出力场景集划分形成风电功率修正曲线；然后，基于调控云功率修正曲线提出了风电、储能和常规机组联合鲁棒调度方法；最后，通过IEEE 39节点系统仿真，验证了文章所提方法可有效降低调度成本和弃风成本。

关键词: 调控云, 风力发电, 储能系统, 鲁棒调度

Abstract: Regulatory cloud based on cloud computing has the characteristics of comprehensive information perception， high processing efficiency， convenient and flexible application， which is very consistent with the future power grid characterized by high intelligence. This paper presents a robust scheduling optimization method for combined wind-storage system. Firstly， cluster analysis is made on the annual actual output big data of wind farm by using regulatory cloud. Wind power correction curves are formed on the basis of the typical set of wind power scenarios. Then， a joint robust scheduling method for wind power， energy storage and conventional units is proposed according to the wind power correction curves. Finally， the simulation results of IEEE 39-bus system verify that this method can effectively reduce the scheduling cost and wind curtailment.

Key words: regulatory cloud, wind power, energy storage system, robust scheduling

中图分类号:

TM 73

姜达军，吴福保，王麒云，张艳军，孙黎霞，吴英俊. 基于调控云的风储联合鲁棒优化调度[J]. 电力建设, 2020, 41(7): 9-16.

JIANG Dajun， WU Fubao， WANG Qiyun， ZHANG Yanjun， SUN Lixia， WU Yingjun. Robust Optimal Combined Wind-Storage Scheduling Based on Regulatory Cloud[J]. Electric Power Construction, 2020, 41(7): 9-16.

参考文献［21］

［1］	陶洪铸，翟明玉，许洪强，等. 适应调控领域应用场景的人工智能平台体系架构及关键技术［J］. 电网技术， 2020， 44（2）: 412-419.
	TAO Hongzhu， ZHAI Mingyu， XU Hongqiang， et al. Architecture and key technologies of artificial intelligence platform oriented for power grid dispatching and control application scenarios［J］. Power System Technology， 2020， 44（2）: 412-419.
［2］	刘军，卢恒，韩德顺，等. 基于调控云的电网调度数据跨区状化拓扑校验系统设计［J］. 自动化与仪器仪表， 2020（4）: 141-144.
	LIU Jun， LU Heng， HAN Deshun， et al. Design of grid dispatch data cross-region topology check system based on regulation cloud［J］. Automation & Instrumentation， 2020（4） : 141-144.
［3］	张亚健，杨挺，孟广雨. 泛在电力物联网在智能配电系统应用综述及展望［J］. 电力建设， 2019， 40（6）: 1-12.
	ZHANG Yajian， YANG Ting， MENG Guangyu. Review and prospect of ubiquitous power Internet of Things in smart distribution system［J］. Electric Power Construction， 2019， 40（6）: 1-12.
［4］	许洪强. 调控云架构及应用展望［J］. 电网技术， 2017， 41（10）: 3104-3111.
	XU Hongqiang. Architecture of dispatching and control cloud and its application prospect［J］. Power System Technology， 2017， 41（10）: 3104-3111.
［5］	阙凌燕，蒋正威，肖艳炜，等. 调控云关键技术研究及展望［J］. 浙江电力， 2019， 38（8）: 1-7.
	QUE Lingyan， JIANG Zhengwei， XIAO Yanwei， et al. Research and prospect of key technologies of dispatching and control cloud［J］. Zhejiang Electric Power， 2019， 38 （8）: 1-7.
［6］	许洪强，孙世明，葛朝强，等. 电网调控实时数据平台体系架构及关键技术研究与应用［J］. 电力系统自动化， 2019， 43（22）: 157-164.
	XU Hongqiang， SUN Shiming， GE Zhaoqiang， et al. Research and application of architecture and key technologies for power grid real-time dispatching and control data platform［J］. Automation of Electric Power Systems， 2019， 43（22）: 157-164.
［7］	许洪强. 面向调控云的电力调度通用数据对象结构化设计及应用［J］. 电网技术， 2018， 42（7）: 2248-2254.
	XU Hongqiang. Structured design and application of power dispatching universal data object for dispatching and control cloud［J］. Power System Technology， 2018， 42（7）: 2248-2254.
［8］	徐浩，武毅，董向明，等. 基于调控云的电网调控数据信息共享的研究［J］. 湖北电力， 2018， 42（5）: 17-24.
	XU Hao， WU Yi， DONG Xiangming， et al. Research and application of grid regulation data information sharing based on regulation cloud［J］. Hubei Electric Power， 2018， 42（5）: 17-24.
［9］	张强，刘红军，李娜，等. 山东省地一体化“调控云”体系架构及关键技术研究［J］. 山东电力技术， 2018， 45（5）: 48-53.
	ZHANG Qiang， LIU Hongjun， LI Na， et al. Research on the system architecture and key technology of Shandong provincial and land integration dispatching and control cloud［J］. Shandong Electric Power， 2018， 45（5）: 48-53.
［10］	杨延栋，张彦军，刘威麟. 基于云计算的省级调控云体系架构［J］. 通信电源技术， 2019， 36（12）: 38-39.
	YANG Yandong， ZHANG Yanjun， LIU Weilin. The Province dispatching and control cloud system architecture based on cloud computing［J］. Telecom Power Technology， 2019， 36（12）: 38-39.
［11］	彭春华，刘兵，孙惠娟. 基于分类不确定性集合的电力系统环境经济鲁棒调度［J］. 中国电机工程学报， 2020， 40（7）: 2202-2212， 2399.
	PENG Chunhua， LIU Bing， SUN Huijuan. Environmental economic robust dispatch of powersystem based on classification uncertainty sets［J］. Proceedings of the CSEE， 2020， 40（7）: 2202-2212， 2399.
［12］	张亚超，黄张浩，郑峰，等. 基于风电出力模糊集的电-气耦合系统分布鲁棒优化调度［J］. 电力系统自动化， 2020， 44（4）: 44-55.
	ZHANG Yachao， HUANG Zhanghao， ZHENG Feng， et al. Distributionally robust optimal dispatch for power-gas coupled system based on fuzzy set of wind power output［J］. Automation of Electric Power Systems， 2020， 44（4）: 44-55.
［13］	赵书强，金天然，李志伟，等. 考虑时空相关性的多风电场出力场景生成方法［J］. 电网技术， 2019， 43（11）: 3997-4004.
	ZHAO Shuqiang， JIN Tianran， LI Zhiwei， et al. Wind power scenario generation for multiple wind farms considering temporal and spatial correlations［J］. Power System Technology， 2019， 43（11）: 3997-4004.
［14］	张刘冬，袁宇波，孙大雁，等. 基于两阶段鲁棒区间优化的风储联合运行调度模型［J］. 电力自动化设备， 2018， 38（12）: 59-66， 93.
	ZHANG Liudong， YUAN Yubo， SUN Dayan， et al. Joint operation model of wind-storage system based on two-stage robust interval optimization［J］. Electric Power Automation Equipment， 2018， 38（12）: 59-66， 93.
［15］	刘志欣，程林，周章，等. 基于场景聚类分析的综合能源系统鲁棒运行策略［J］. 电工电能新技术， 2019， 38（10）: 9-19.
	LIU Zhixin， CHENG Lin， ZHOU Zhang， et al. Robust operation strategy of multi-energy system based on scenario clustering analysis［J］. Advanced Technology of Electrical Engineering and Energy， 2019， 38（10）: 9-19.
［16］	高红均，刘俊勇，刘继春，等. 基于坏场景集的含风电机组组合模型［J］. 电力系统保护与控制， 2013， 41（10）: 27-32.
	GAO Hongjun， LIU Junyong， LIU Jichun， et al. The unit commitment with wind power based on the bad scenario set［J］. Power System Protection and Control， 2013， 41（10）: 27-32.
［17］	陈建华，张瑶，郭子明，等. 考虑电力系统频率响应特性的鲁棒区间风电调度方法［J］. 中国电机工程学报， 2016， 36（22）: 6096-6102.
	CHEN Jianhua， ZHANG Yao， GUO Ziming， et al. A robust interval wind power dispatch method considering system frequency response［J］. Proceedings of the CSEE， 2016， 36（22）: 6096-6102.
［18］	王荟敬，卢志刚，赵号，等. 计及风电最优逆鲁棒指标的双层优化调度策略［J］. 电网技术， 2017， 41（1）: 86-92.
	WANG Huijing， LU Zhigang， ZHAO Hao， et al. Strategy of bilevel optimization dispatch considering wind power optimal inverse robust index［J］. Power System Technology， 2017， 41（1）: 86-92.
［19］	陈建华，吴文传，张伯明，等. 安全性与经济性协调的鲁棒区间风电调度方法［J］. 中国电机工程学报， 2014， 34（7）: 1033-1040.
	CHEN Jianhua， WU Wenchuan， ZHANG Boming， et al. A robust interval wind power dispatch method considering the tradeoff between security and economy［J］. Proceedings of the CSEE， 2014， 34（7）: 1033-1040.
［20］	潘珍华. 基于聚类算法的地区风电功率典型场景选取方法［D］. 北京: 华北电力大学， 2018.
	PAN Zhenhua. Typical scenarios selection of wind power output based on clustering algorithm［D］. Beijing: North China Electric Power University， 2018.
［21］	税月，刘俊勇，高红均，等. 考虑风电不确定性的电气能源系统两阶段分布鲁棒协同调度［J］. 电力系统自动化， 2018， 42（13）: 43-50，75.
	SHUI Yue， LIU Junyong， GAO Hongjun， et al.Two-stage distributed robust cooperative dispatch for integrated electricity and natural gas energy［J］. Automation of Electric Power Systems， 2018， 42（13）: 43-50，75.

[1]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[2]	张楷，邱晓燕，李凌昊，张浩禹，赵有林，刘梦依. 含风电系统中计及静态电压稳定影响的储能系统配置方案[J]. 电力建设, 2020, 41(7): 110-116.
[3]	张志荣，邱晓燕，孙旭，任昊，张明珂. #br# 协调柔性负荷与储能的交直流配电网经济优化调度[J]. 电力建设, 2020, 41(5): 116-123.
[4]	陈景文，张文倩，李霞. 户用型光储电站混合电池充放电控制策略研究[J]. 电力建设, 2020, 41(2): 101-1078.
[5]	王上行，贾学翠，王立华，闫士杰，李相俊. 混合储能系统的功率变换器电流预测控制方法[J]. 电力建设, 2020, 41(1): 71-79.
[6]	孙充勃，宋毅，蔡超，原凯，杨雄. 考虑多场景需求的配电网分布式储能多目标优化配置方法[J]. 电力建设, 2019, 40(7): 48-56.
[7]	孙波，李思敏，樊亚南，李志恒. 电力市场环境下风-储混合发电商的偏差电量考核模型[J]. 电力建设, 2019, 40(7): 107-114.
[8]	修晓青，李建林，李文启，郭威. 储能系统商业模式及其优化规划方法[J]. 电力建设, 2019, 40(6): 41-48.
[9]	吴金城，董树锋，张舒鹏，韩荣杰，寿挺，李建斌. 基于分布式计算技术的火电厂辅助调频储能系统容量及功率规划方法[J]. 电力建设, 2019, 40(6): 57-64.
[10]	尹渠凯，米增强，贾雨龙，范辉. 基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型[J]. 电力建设, 2019, 40(5): 20-27.
[11]	邓强，詹红霞，杨孝华，梅哲，张豪，朱金龙. 直购电背景下利用储能配合旋转备用的风电并网容量优化[J]. 电力建设, 2019, 40(4): 98-109.
[12]	宋兆鑫，张建成，赵霁晴，郭伟. 针对并网型飞轮储能系统的双电流闭环比例谐振控制[J]. 电力建设, 2019, 40(3): 42-50.
[13]	王成龙，王育飞，薛花. 基于负载电流补偿与转速反馈的飞轮储能系统控制策略[J]. 电力建设, 2019, 40(3): 51-58.
[14]	钟永洁，翟苏巍，孙永辉. 孤岛模式下互联微电网的自适应同步频率控制[J]. 电力建设, 2019, 40(10): 75-83.
[15]	程瑜，王望. 产消型智能社区储能系统配置与运行联合优化[J]. 电力建设, 2019, 40(10): 118-125.

基于调控云的风储联合鲁棒优化调度

Robust Optimal Combined Wind-Storage Scheduling Based on Regulatory Cloud

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［21］

相关文章 15

编辑推荐

Metrics

本文评价

基于调控云的风储联合鲁棒优化调度

Robust Optimal Combined Wind-Storage Scheduling Based on Regulatory Cloud

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［21］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［21］