一种含水光的多能源互补发电系统容量配置方法
专利汇可以提供一种含水光的多能源互补发电系统容量配置方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种含 水 光的多 能源 互补发电系统容量配置方法，其包括以下步骤：S1、获取含水光的多能源互补发电系统的历史出 力 值、出力变化率和历史电价；S2、构建含水光的多能源互补发电系统出力模型、虚拟电源成本模型、中长期电量比例和分解模型、现货价格不确定性模型和基于经济性与互补特性的容量配置模型；S3、获取当前电力市场中现货价格、中长期价格和本地负荷需求增长率，并获取当前发电系统容量规划方案集中每个方案的年收益率；S4、将年收益率最高的方案作为最优方案，完成发电系统容量的配置。本发明基于对系统经济性与互补特性的权衡考量，得到各个规划水平年系统容量配置方案，并优选出最佳方案，完成容量配置。，下面是一种含水光的多能源互补发电系统容量配置方法专利的具体信息内容。
1.一种含水光的多能源互补发电系统容量配置方法，其特征在于，包括以下步骤：
S1、获取含水光的多能源互补发电系统的历史出力值、出力变化率和历史电价；
S2、根据含水光的多能源互补发电系统的历史出力值、出力变化率和历史电价分别构建含水光电的发电系统出力模型、虚拟电源成本模型、中长期电量比例和分解模型和现货价格不确定性模型；
S3、根据含水光电的发电系统出力模型、虚拟电源成本模型、中长期电量比例和分解模型和现货价格不确定性模型构建基于经济性与互补特性的容量配置模型；
S4、获取当前电力市场中现货价格、中长期价格和本地负荷需求增长率，根据经济性与互补特性的容量配置模型确定当前发电系统容量规划方案集，并获取当前发电系统容量规划方案集中每个方案的年收益率；
S5、将年收益率最高的方案作为最优方案，完成含水光的多能源互补发电系统容量的配置；
所述步骤S1中的含水光的多能源互补发电系统包括火电子系统、水电子系统和光伏组子系统；
其中火电子系统的出力特征模型包括第i个火电机组在t时段的出力成本FTi,t：
其中aTi、bTi、cTi分别为第i个火电机组成本模型参数，PTi,t为第i个火电机组t时段的出力值， 和 分别为第i个火电机组的出力上下
限；
水电子系统的出力特征模型包括第j个水库在t时段的出力值PHj,t和水库j在t时段水位Vj,t约束：
其中aHj、bHj、cHj分别为水库j的水能—电能转换系数；Vj,t、rj,t、qj,t分别为水库j在t时段的水库水量、天然来水量、发电尾水量；Vj,t-1为水库j在第t-1时段的水库水量，为上游水库j+1在第τj小时前的发电尾水量；Vj,min≤Vj,t≤Vj,max，Vj,min和Vj,max分别表示水库j的最小和最大水库水量；qj,min≤qj,t≤qj,max，qj,min和qj,max分别表示水库j的最小和最大发电流量；Uj为水库总数量；
光伏组子系统的出力特征模型包括光伏组k在t时段的出力值PGk,t：
其中 为光伏组k在t时段的光照强度为 的概率； 为光伏
2
组k在标准测试环境下，即光照强度为1000W/m ，周围温度为25度时的最大电功率；KT为功率温度系数；Tc,k,t为光伏组k所处环境温度；Tr为参考温度；Lstc取1000W/m2，表示在标准测试环境下的光照强度；L为典型场景个数；l为当前场景；
根据公式
获取含水光的多能源互补发电系统的在时间T内的总出力值 其中nT为并网火电
机组的总数量；nH为并网水库的总数量；nG为并网光伏组的总数量；T为总时间；
根据公式
分别得到在t时段内电源端水电子系统出力的变化率 光伏子系统出力的变化率
和火电子系统出力的变化率 其中 分别为水、光、火第t时段出力采样值；D
为功率变化速率的采样周期；
根据公式
获取电源端发电量的变化率αt，即出力变化率；
所述步骤S2中含水光电的发电系统出力模型为：
|αt|≤Bv
其中Bv、Bf和Bg分别为含水光电的发电系统互补后电源端总出力变化率及其峰值上限比例、谷值上限比例；其中T为时间段t的总数；
所述步骤S2中虚拟电源成本模型具体为：
其中FL为虚拟电源成本随各个时段的水光火出力配比而发生的二次函数模型；aL,t、bL,t、cL,t为t时段成本参数；PL,t为含水光电的发电系统在t时段的出力值；cTi,t为t时段第i个火电机组成本模型参数；λTi,t、λHj,t和λGk,t分别为火电机组、水电站、分布式光伏出力的标么值， PTB,t为任一台火电机组在t时段的出力
值；
所述步骤S2中构建中长期电量比例和分解模型的具体方法包括以下步骤：
S2-1、根据公式
PM,t＝PV,t-Pv,t
获取t时段中签订的中长期电量PM,t，其中PV,t、Pv,t分别表示t时段时本地负荷实际电量需求和中长期差额电量；
S2-2、根据公式
得到将签订的中长期电量平均分解至各个时段的模型；其中PM为当天总的中长期电量；
S2-3、根据公式
得到将签订的中长期电量按照跟踪负荷曲线进行分解的模型；其中PV为t时段所在当天本地负荷的总电量需求；
S2-4、根据公式
得到将签订的中长期电量按照现货价格进行分解的模型；其中πt为考虑不确定性后t时段预测现货价格的期望值；
S2-5、将各个时段的现货价格由低到高进行排列，根据公式
得到第q个现货价格分解到t时段的中长期交易电量
所述步骤S2中构建的现货价格不确定性模型具体为
其中 为t时段的价格为 的概率；πt为考虑不确定性后t时段预测现货价格的期望值；et为t时段的电价均值； 为电价序列的自回归系数；θ1为滑动平均系数； 为随时间变化而变化的电价序列方差；εt为t时段的电价期望值； 为概率分布公式；w为当前现货价格的场景；W为现货价格场景数量；
所述步骤S3中基于经济性与互补特性的容量配置模型包括：
第y年的容量配置方案集合Sy：
集合Sy中任一种容量配置方案的年收益率为：
其中Ry为第y年发电系统收益，Fy为第y年发电系统总运行成本和购电成本之和， 为第y年场景l下t时段虚拟电源成本，L为一年中典型场景的个数，Dl为典型场景l持续的天数，cH、cG、cT分别为水电子系统、光伏组子系统、火电子系统的单位容量成本，分别为第y年水电子系统、火电子系统、光伏组子系统的容量配置，
分别为基准年水电子系统、火电子系统、光伏组子系统的容量配置， 分别为
第y年水电子系统、火电子系统、光伏组子系统的容量配置增长率， 为基准年典型场景ly,l
下t时段的本地负荷需求，γ 为第y年本地负荷典型场景l下的负荷增长率；
约束条件：
其中 分别为第y年典型场景l下t时段的本地负荷需求、
中长期差额电量、售电量、购电量， 分别为第y年典型场景l下t时段的
发电系统边际成本、中长期价格和现货价格； 分别为含水光电的发电系统在现货市场中的售电与购电行为；当 值为1，表示该时段由含水光电的发电
系统满足本地负荷需求，此外可以在日前现货市场中售电；当 值为1，表
示该时段需要从日前现货市场中购电，由含水光电的发电系统和现货购电量共同满足本地负荷需求；当 表示在日前现货市场中无交易行为。
一种含水光的多能源互补发电系统容量配置方法
技术领域
背景技术
发明内容
出力值。
第y年水电子系统、火电子系统、光伏组子系统的容量配置增长率， 为基准年典型场景l下t时段的本地负荷需求，γy,l为第y年本地负荷典型场景l下的负荷增长率；
的发电系统边际成本、中长期价格和现货价格； 分别为含水光电的发电系统在现货市场中的售电与购电行为；当 值为1，表示该时段由含水光电的发电系
统满足本地负荷需求，此外可以在日前现货市场中售电；当 值为1，表示该
时段需要从日前现货市场中购电，由含水光电的发电系统和现货购电量共同满足本地负荷需求；当 表示在日前现货市场中无交易行为。
具体实施方式
出力值。
第y年水电子系统、火电子系统、光伏组子系统的容量配置增长率， 为基准年典型场景l下t时段的本地负荷需求，γy,l为第y年本地负荷典型场景l下的负荷增长率；
的发电系统边际成本、中长期价格和现货价格； 分别为含水光电的发电系统在
现货市场中的售电与购电行为；当 值为1，表示该时段由含水光电的发
电系统满足本地负荷需求，此外可以在日前现货市场中售电；当 值为1，表
示该时段需要从日前现货市场中购电，由含水光电的发电系统和现货购电量共同满足本地负荷需求；当 表示在日前现货市场中无交易行为。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种EMS能源管理调控系统及方法 | 2020-05-13 | 164 |
| 用于对动态模型进行安全的训练的方法 | 2020-05-14 | 284 |
| 一种基于本质安全的配电网诊断分析及网架规划方法 | 2020-05-14 | 716 |
| 一种基于交通出行数据的人类出行选择信息挖掘方法 | 2020-05-15 | 54 |
| 评价卵母细胞质量的方法及装置 | 2020-05-12 | 137 |
| 一种含分布式电源的新型配网双层优化配置方法 | 2020-05-11 | 815 |
| 一种考虑风电的现货市场电价风险的控制方法及系统 | 2020-05-08 | 855 |
| 一种电动汽车负荷预测方法及系统 | 2020-05-13 | 383 |
| 一种考虑多类型负荷的售电公司最优盈利方法 | 2020-05-14 | 447 |
| 一种考虑储热和电动汽车参与风电消纳的源荷协调方法 | 2020-05-15 | 1042 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
