含抽蓄与新能源发电的柔性直流输电系统日前调度方法转让专利
申请号 : CN202010382342.X
文献号 : CN111525627B
文献日 : 2021-08-27
发明人 : 胡泽春 , 曹敏健 , 徐绍军 , 马慧远
申请人 : 清华大学 , 国网北京市电力公司 , 国网冀北电力有限公司 , 国家电网有限公司
摘要 :
权利要求 :
1.一种含抽蓄与新能源发电的柔性直流输电系统日前调度方法,其特征在于,该方法包括以下步骤:
1)计算柔性直流输电系统中所有新能源场站在每个历史采样点的出力预测相对误差,建立每个新能源场站对应的出力预测相对误差概率模型;具体步骤如下:
1‑1)对过去全年柔性直流输电系统中所有新能源场站的实际出力数据和预测出力数据进行采样,其中采样周期为15分钟,将任一新能源场站r第i个历史采样点的实际出力值记为Pr,his(i),新能源场站r第i个历史采样点的预测出力值记为
1‑2)计算新能源场站r在每个历史采样点的出力预测相对误差,表达式如下:其中,Pr,ins为新能源场站r的装机容量,新能源场站r在第i个历史采样点的出力预测相对误差记为δr,i;
1‑3)对所有新能源场站,选取相对误差百分比步长κ,利用每个新能源场站r所有历史采样点的出力预测相对误差δr,i绘制该新能源场站对应的预测误差直方图;
对于新能源场站r对应的预测误差直方图,令该直方图中第i个相对误差段的出力预测误差中心值为Ar,i,该相对误差段的直方图高度为Hr,i,则新能源场站r对应的分布模型与预测误差直方图的拟合分布指标γr表达式如下:其中,Nr为当选取相对误差百分比步长为κ时,新能源场站r对应的预测误差直方图的总区间数; 为选取的分布模型;
对于每种分布模型,通过极大似然估计方法,确定基于该分布模型的相关参数,并分别根据各分布模型拟合结果,计算每种分布模型所对应的拟合分布指标γr,选取使得拟合分布指标γr最小的分布模型为新能源场站r对应的出力预测相对误差概率模型;
2)获取柔性直流输电系统中所有新能源厂站的日前出力预测数据,生成每个新能源场站的日前出力预测相对误差典型场景,建立新能源场站日前出力预测典型场景集,计算各新能源场站在每个日前出力预测典型场景下修正后的日前出力预测值;具体步骤如下:
2‑1)令采样周期为15分钟,获取柔性直流输电系统中每个新能源场站的日前出力预测数据,每个新能源场站共获得96个日前出力预测数据;将新能源场站r在日前第i个采样点的出力预测值记为
2‑2)利用步骤1)确定的新能源场站r对应的出力预测相对误差概率模型,重复运用Q次蒙特卡洛方法模拟运行,获得该新能源场站共计Q组日前出力预测相对误差序列,每组日前出力预测误差序列包含分别对应全天96个采样点的日前出力预测相对误差值;对Q组日前出力预测相对误差序列,运用K‑Means聚类方法,最终获得新能源场站r对应的聚类后的W组日前出力预测相对误差序列,将聚类后的每组日前出力预测相对误差序列作为该新能源场站r的一个日前出力预测相对误差典型场景;
2‑3)对每个新能源场站分别对应的W个日前出力预测相对误差典型场景依次从1到W进行编号,将编号相同的各新能源场站对应的日前出力预测相对误差典型场景组成一个新能源场站日前出力预测典型场景,所有新能源场站日前出力预测典型场景构成新能源场站日前出力预测典型场景集Ω,该场景集共包括W个新能源场站日前出力预测典型场景;
2‑4)对于场景集Ω中任一典型场景ω,将新能源场站r在该典型场景对应的日前出力预测相对误差序列记为 其中 表示新能源场站r在ω场景下第i个采样点的日前出力预测相对误差,则新能源场站r在该典型场景下对应的日前出力预测误差的绝对值序列为 该新能源场站r在ω场景下第i个采样点修正后的日前出力预测值 为:
利用式(3),最终得到Ω中各典型场景下每个新能源场站r在各采样点的修正后的日前出力预测值;
3)建立含抽蓄和新能源发电的柔性直流输电系统日前调度优化模型,该模型由目标函数和约束条件构成;具体步骤如下:
3‑1)确定模型的目标函数,表达式如下:其中,k为采样点序号,k={1,2,...,96}; 为第k个采样点的抽水蓄能机组的启停成本, 表示在ω场景下第k个采样点所有节点的电池储能充放电运行费用, 为ω场景下第k个采样点的弃新能源成本, 为ω场景下第k个采样点的负荷失配成本,ω∈Ω;
其中,
式(5)中,Csu,Csd,Cvu,Cvd分别表示定速抽水蓄能机组启动成本、定速抽水蓄能机组关停成本、变速抽水蓄能机组启动成本和变速抽水蓄能机组关停成本; 分别表示第k个采样点j节点处的抽水蓄能电站中定速抽水蓄能机组启动抽水台数、定速抽水蓄能机组停止抽水台数、变速抽水蓄能机组启动抽水台数、变速抽水蓄能机组停止抽水台数,M表示柔性直流输电系统的节点总数;
式(6)中,Δt为采样周期,πc和πd分别表示电池储能充电成本参数和放电成本参数;
和 分别表示ω场景下j节点处在第k个采样点的电池储能的充电功率和放电功率;
式(7)中,αW和αS分别为风力发电和光伏发电的弃用惩罚系数,πW,k和πS,k分别为第k个采样点的风电上网电价和光伏上网电价;ω场景下在第k个采样点连接在j节点的风电场修正预测出力为 ω场景下在第k个采样点连接在j节点的光伏电站的修正预测出力为ω场景下在第k个采样点连接在j节点的风电场上网功率为 ω场景下在第k个采样点连接在j节点的光伏电站上网功率为式(8)中,αL表示负荷失配惩罚系数,πk表示第k个采样点的负荷电价, 表示在第k个采样点j节点处的负荷功率, 表示ω场景下在第k个采样点连接在j节点的所有发电设备的发电功率;其中, 计算表达式如式(9)所示:式(9)中, 和 分别表示ω场景下在第k个采样点连接在j节点的定速抽水蓄能机组发电功率和抽水功率; 和 分别表示ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组发电功率和抽水功率;
3‑2)确定模型的约束条件;具体如下:
3‑2‑1)抽蓄机组工作状态及储能充放电状态互斥约束:式中, 分别为第k个采样点储能θ充/放电状态的二进制变量,θ表示储能类别,储能类别包括抽水蓄能机组ε和电池储能B;
3‑2‑2)定/变速抽水蓄能机组运行约束:式中, 为第k个采样点工作在抽水状态的抽水蓄能机组台数,sp、vp分别表示定速抽水蓄能机组和变速抽水蓄能机组; 表示第k个采样点连接在j节点工作在抽水状态的定速抽水蓄能机组台数, 表示第k个采样点连接在j节点工作在抽水状态的变速抽水蓄能机组台数, 表示第k个采样点在j节点处定速抽水蓄能机组的启动机组数目, 表示第k个采样点在j节点处变速抽水蓄能机组的启动机组数目, 表示第k个采样点在j节点处定速抽水蓄能机组的关闭机组数目, 表示第k个采样点在j节点处变速抽水蓄能机组的关闭机组数目;
分别表示j节点处抽水蓄能电站的定速抽水蓄能机组和变速抽水蓄能机组vp
日内最多启停次数; p 分别为ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组的抽水功率、单台变速抽水蓄能机组的抽水上限功率和下限功率, 为在第k个采样点连接在j节点的定速抽水蓄能机组的抽水功率, 为单台定速抽水蓄能机组的额ε
定抽水功率; g 分别为ω场景下在第k个采样点连接在j节点的抽水蓄能机组的发电功率、单台抽水蓄能机组的上限发电功率和下限发电功率; 表示抽水蓄能电站中定速抽水蓄能机组或变速抽水蓄能机组的台数; 和 分别表示ω场景下在第k个采样点j节点处抽水蓄能机组的抽水功率和发电功率;
3‑2‑3)抽水蓄能电站的容量约束:式中, 和 分别表示ω场景下在第k个采样点j节点处的上水库库容和下水库库容,λg和λp分别为抽水蓄能机组的发电阶段的功率‑水量转换常数和抽水阶段的功率‑水量转换常数,j节点处上水库的库容上、下限分别为 和 j节点处下水库的库容上、下限分别为 和 和δj分别表示j节点处首末段时段的最大库容变动量和最小库容变动量;
3‑2‑4)电池储能系统运行约束:式中, 和 分别表示ω场景下在第k个采样点j节点处电池储能的充电功率和放c d
电功率; 和p 分别表示电池储能的最大、最小充电功率, 和p分别表示电池储能的最大、最小放电功率; 和 分别表示ω场景下在第k个采样点j节点处的电池储能的充电状态和放电状态的二进制变量;
E0·SOCmin≤Ej,ω,k≤E0·SOCmax (30)式中,Ej,ω,k为ω场景下在第k个采样点j节点的存储电量;ηc和ηd分别表示电池储能的充电效率和放电效率,E0为电池储能的配置额定容量,SOCmax和SOCmin分别表示电池储能运行的荷电状态上限和下限;
3‑2‑5)柔性直流输电系统约束:Vω,k≥0 (35)令vωk表示在ω场景下在第k个采样点的所有节点电压构成的列向量,则 为M×M维矩阵,M表示柔性直流输电系统节点总数,Vij,ω,k为ω场景下在第k个采样点电压矩阵中位于第i行第j列的元素,代表ω场景下在第k个采样点i节点和j节点电压的乘积; 表示ω场景下在第k个采样点从i节点向j节点的输送的有功功率,代表连接i、j节点线路的传输功率上限;rij表示连接i、j节点线路的电阻值,vi和 分别表示i节点的电压下限值和电压上限值;
4)对步骤3)建立模型求解,得到次日定/变速抽水蓄能机组的机组启动与关停计划风电和光伏等新能源上网功率 和 定/变速机组抽水及发电功率 和 储能充放电功率 和 的最优解;
其中,将定/变速抽水蓄能机组启停计划 的最优解作为次日对应抽水蓄能机组的动作指令,得到日前优化调度的结果。
说明书 :
含抽蓄与新能源发电的柔性直流输电系统日前调度方法
技术领域
背景技术
生能源出力呈现较强的波动性和间歇性,这也给电力系统的运行调度带来了诸多挑战。大
容量储能技术,可以与可再生能源在时空尺度上进行配合,有效平抑其发电的出力波动,实
现能量在时间和空间上的转移,从而提高可再生能源发电曲线与受端负荷间的匹配程度。
蓄能电站作为一种较为成熟的能量存储方式,在电网的调峰应用中广受青睐;其中,可变速
抽水蓄能机组相较于定速抽水蓄能机组在抽水阶段表现出更为强大的调节能力,应用前景
更加广阔。另外,电池储能技术由于配置位置灵活且适用于功率、能量兼顾型场景,在储能
应用的各个领域(尤其是新能源并网)都获得了应用。因此,在新能源富集地区协调调度定/
变速抽水蓄能机组和电池储能系统可以促进地区大规模新能源的送出与综合利用。相较于
电池储能,抽水蓄能机组在运行中存在抽水、停机和发电三状态,不宜频繁在多状态间切
换,即时调节灵活性欠佳。因此,在调度综合储能系统时,需要根据日前新能源出力功率预
测信息提前确定机组的运行状态以保证日内调度中系统高效、经济调度。
柔性直流输电方式解决大规模风电、光伏等新能源的并网及远距离传输问题。但是,柔性直
流输电线路在运行中存在输电容量上限。因此,需要对接入柔性直流输电系统的新能源和
抽水蓄能与电池储能系统统筹调度,保证新能源可靠送出。
定/变速机组的启停计划安排问题。另外,利用抽水蓄能电站消纳新能源的调度问题,仅考
虑了全系统的功率平衡约束和抽水蓄能运行约束,而没有考虑柔性直流输电系统的运行约
束。由于在含抽蓄和新能源发电系统的实际调度中,需要考虑抽蓄机组的启停及运行调节
特性,同时考虑线路传输功率约束对大规模新能源发电送出的运行要求限制。所以,当前日
前调度策略已不再适用于通过柔性直流输电线路相连接的抽蓄和新能源发电系统运行调
度要求。
发明内容
化调度模型之中,进而合理安排次日定/变速抽水蓄能机组运行,保证柔性直流输电网络传
输功率约束的前提下,实现新能源发电的送出与消纳。
力值记为Pr,his(i),新能源场站r第i个历史采样点的预测出力值记为
与预测误差直方图的拟合分布指标γr表达式如下:
合分布指标γr最小的分布模型为新能源场站r对应的出力预测相对误差概率模型;
算各新能源场站在每个日前出力预测典型场景下修正后的日前出力预测值;具体步骤如
下:
样点的出力预测值记为
组日前出力预测误差序列包含分别对应全天96个采样点的日前出力预测相对误差值;对Q
组日前出力预测相对误差序列,运用K‑Means聚类方法,最终获得新能源场站r对应的聚类
后的W组日前出力预测相对误差序列,将聚类后的每组日前出力预测相对误差序列作为该
新能源场站r的一个日前出力预测相对误差典型场景;
个新能源场站日前出力预测典型场景,所有新能源场站日前出力预测典型场景构成新能源
场站日前出力预测典型场景集Ω,该场景集共包括W个新能源场站日前出力预测典型场景;
i个采样点的日前出力预测相对误差,则新能源场站r在该典型场景下对应的日前出力预测
误差的绝对值序列为 该新能源场站r在ω场景下第i个采
样点修正后的日前出力预测值 为:
ω场景下第k个采样点的弃新能源成本, 为ω场景下第k个采样点的负荷失配成本,ω
∈Ω;
别表示第k个采样点j节点处的抽水蓄能电站中定速抽水蓄能机组启动抽水台数、定速抽水
蓄能机组停止抽水台数、变速抽水蓄能机组启动抽水台数、变速抽水蓄能机组停止抽水台
数,M表示柔性直流输电系统的节点总数;
分别表示ω场景下j节点处在第k个采样点的电池储能的充电功率和放电功率;
修正预测出力为 ω场景下在第k个采样点连接在j节点的光伏电站的修正预测出力为
ω场景下在第k个采样点连接在j节点的风电场上网功率为 ω场景下在第k个
采样点连接在j节点的光伏电站上网功率为
设备的发电功率;其中, 计算表达式如式(9)所示:
的变速抽水蓄能机组发电功率和抽水功率;
的定速抽水蓄能机组台数, 表示第k个采样点连接在j节点工作在抽水状态的变速抽水
蓄能机组台数, 表示第k个采样点在j节点处定速抽水蓄能机组的启动机组数目, 表
示第k个采样点在j节点处变速抽水蓄能机组的启动机组数目, 表示第k个采样点在j节
点处定速抽水蓄能机组的关闭机组数目, 表示第k个采样点在j节点处变速抽水蓄能机
组的关闭机组数目;
机组日内最多启停次数; p 分别为ω场景下在第k个采样点连接在j节点的变
速抽水蓄能机组的抽水功率、单台变速抽水蓄能机组的抽水上限功率和下限功率, 为
在第k个采样点连接在j节点的定速抽水蓄能机组的抽水功率, 为单台定速抽水蓄能机
ε
组的额定抽水功率; g 分别为ω场景下在第k个采样点连接在j节点的抽水蓄
能机组的发电功率、单台抽水蓄能机组的上限发电功率和下限发电功率; ε∈{sp,vp},
表示抽水蓄能电站中定速抽水蓄能机组或变速抽水蓄能机组的台数; 和 分别表
示ω场景下在第k个采样点j节点处抽水蓄能机组的抽水功率和发电功率;
率‑水量转换常数,j节点处上水库的库容上、下限分别为 和 j节点处下水库的库容
上、下限分别为 和 和δj分别表示j节点处首末段时段的最大库容变动量和最小库
容变动量;
率和放电功率; 和p分别表示电池储能的最大、最小充电功率, 和p分别表示电池储能
的最大、最小放电功率; 和 分别表示ω场景下在第k个采样点j节点处的电池储能
的充电状态和放电状态的二进制变量;
能运行的荷电状态上限和下限;
采样点电压矩阵中位于第i行第j列的元素,代表ω场景下在第k个采样点i节点和j节点电
压的乘积; 表示ω场景下在第k个采样点从i节点向j节点的输送的有功功率, 代表连
接i、j节点线路的传输功率上限;rij表示连接i、j节点线路的电阻值,vi和 分别表示i节点
的电压下限值和电压上限值;
发电功率 和 储能充放电功率 和 的最优解;
限制全时段线路传输功率在限值范围之内,保证系统运行安全性要求;
源预测出力偏差时的系统运行的效率。
具体实施方式
相对误差概率模型。具体步骤如下:
力值记为Pr,his(i),新能源场站r第i个历史采样点的预测出力值记为
表示该历史采样点的新能源的预测出力大于实际出力。
制该新能源场站对应的预测误差直方图(每个直方图中包含多个相对误差段)。对于新能源
场站r对应的预测误差直方图,令该直方图中第i个相对误差段的出力预测误差百分比中心
值为Ar,i,该相对误差段的直方图高度为Hr,i。定义则新能源场站r对应的分布模型与预测误
差直方图的拟合分布指标γr表达式如下:
分布等用于拟合新能源出力预测相对误差的经典概率分布模型。
合分布指标γr最小的分布模型为新能源场站r对应的出力预测相对误差概率模型。
典型场景集,计算各新能源场站在每个日前出力预测典型场景下修正后的日前出力预测
值。
前第i个采样点的出力预测值记为
欠佳。所以,在实际调度运行中可以通过构建场景集的方式,根据新能源场站出力预测误差
情况,确定运行调度可能的场景,考虑日前系统的优化调度。具体来说,基于步骤1)确定的
新能源场站r对应的出力预测相对误差概率模型,重复运用Q次(取值500‑1000次)蒙特卡洛
方法模拟运行,获得该新能源场站的共计Q组日前出力预测相对误差序列(每组日前出力预
测误差序列包含分别对应全天96个采样点的日前出力预测相对误差值)。对Q组日前出力预
测相对误差序列,运用K‑Means聚类方法,最终获得新能源场站r对应的聚类后的W组日前出
力预测相对误差序列(3~5组)作为该新能源场站r的日前出力预测相对误差典型场景。
行编号,将编号相同的各新能源场站对应的日前出力预测相对误差典型场景组成一个新能
源场站日前出力预测典型场景,所有新能源场站日前出力预测典型场景构成新能源场站日
前出力预测典型场景集Ω,该场景集共包括W个新能源场站日前出力预测典型场景。
i个采样点的日前出力预测相对误差,则新能源场站r在该典型场景下对应的日前出力预测
误差的绝对值序列为 若已获得新能源场站r在第i个采样
点的日前预测出力为 考虑到新能源场站的实际出力运行限制要求,则该新能源场站r
在ω场景下第i个采样点修正后的日前出力预测值 为:
划安排的影响。结合步骤2)中生成的日前出力典型场景集构造调度模型的目标函数:
第k个采样点运行总成本包含抽水蓄能机组的启停成本 在ω场景下第k个采样点所有
节点的电池储能充放电运行寿命折损费用 弃新能源成本 和负荷失配成本
ω∈Ω。
能机组启动成本、定速抽水蓄能机组关停成本、变速抽水蓄能机组启动成本和变速抽水蓄
能机组关停成本。 分别表示第k个采样点j节点处的抽水蓄能电站中定速抽
水蓄能机组启动抽水台数、定速抽水蓄能机组停止抽水台数、变速抽水蓄能机组启动抽水
台数、变速抽水蓄能机组停止抽水台数,均为整数决策变量,M表示柔性直流输电系统的节
点总数。
cooperative dispatch of BESS and wind power generation considering carbon
esmission limitation in Australia中可以查到充放电成本参数为$100/MWh); 和
分别表示ω场景下j节点处在第k个采样点的电池储能的充电功率和放电功率。
regulationresourcesplanning fordistributionnetworkswithahighpenetrationofren
ewableenergy一文中的风电和光伏弃用惩罚费用均设置为0.5元/kWh),πW,k和πS,k分别为第
k个采样点的风电上网电价和光伏上网电价。
(3)计算得到)ω场景下在第k个采样点连接在j节点的风电场上网功率为 ω场景下在
第k个采样点连接在j节点的光伏电站上网功率为 式(8)中,αL和πk分别表示负荷失配
惩罚系数(此处也可以根据调度部门运行经验,或者查阅文献,如On the Use of Pumped
Storage for Wind EnergyMaximization in Transmission‑Constrained PowerSystems
有不能满足负荷时的削减负荷费用)和第k个采样点的负荷电价, 表示在第k个采样点j
节点处的负荷功率, 表示ω场景下在第k个采样点连接在j节点的所有发电设备的发电
功率。其中, 计算表达式如式(9)所示,包含定/变速机组净发电功率、电池储能净放电
功率、风力上网发电功率和光伏上网发电功率。
点的变速抽水蓄能机组发电功率和抽水功率。3‑2)确定模型的约束条件;具体如下:
时表示k时刻电池储能未充电,或抽蓄机组未工作在抽水状态;当 等于1时表示k时刻电池
储能充电,或抽蓄机组工作在抽水状态。当 等于0时表示k时刻电池储能未放电,或抽蓄机
组未工作在发电状态;当 等于1时表示k时刻电池储能放电,或抽蓄机组工作在发电状态。
θ表示储能类别,储能类别包括抽水蓄能机组ε和电池储能B。
的定速抽水蓄能机组台数, 表示第k个采样点连接在j节点工作在抽水状态的变速抽水
蓄能机组台数, 表示第k个采样点在j节点处定速抽水蓄能机组的启动机组数目, 表
示第k个采样点在j节点处变速抽水蓄能机组的启动机组数目, 表示第k个采样点在j节
点处定速抽水蓄能机组的关闭机组数目, 表示第k个采样点在j节点处变速抽水蓄能机
组的关闭机组数目;
次数; p 分别为ω场景下在第k个采样点连接在j节点的变速抽水蓄能机组的
抽水功率、单台变速抽水蓄能机组的抽水上限功率和下限功率, 为在第k个采样点连接
在j节点的定速抽水蓄能机组的抽水功率, 为和单台定速抽水蓄能机组的额定抽水功
ε
率; g 分别为ω场景下在第k个采样点连接在j节点的抽水蓄能机组的发电功
率、单台抽水蓄能机组的上限发电功率和下限发电功率; ε∈{sp,vp},表示抽水蓄能电
站中定速抽水蓄能机组或变速抽水蓄能机组的台数; 和 分别表示ω场景下在第k
个采样点j节点处抽水蓄能机组的抽水功率和发电功率;
的上水库库容和下水库库容,λg和λp分别为抽水蓄能机组的发电阶段的功率‑水量转换常数
和抽水阶段的功率‑水量转换常数,相应数值可以通过查阅从水轮机和水泵的运行手册获
得。式(23)‑(24)分别表示上水库和下水库的运行容量上下限范围,其中j节点处上水库的
库容上下限分别为 和 j节点处下水库的库容上下限分别为 和 式(25)保证抽水
蓄能机组在日前运行周期结束时首末段时段上下水库的库容变化在一定范围,以满足次日
的运行要求。其中, 和δj分别表示j节点处首末段时段的最大库容变动量和最小库容变动
量。
和放电功率 运行范围约束。 和p分别表示电池储能的最大、最小充电功率,
d
和p分别表示电池储能的最大、最小放电功率。 和 分别表示ω场景下在第k个采样
点j节点处的电池储能的充电状态和放电状态的二进制变量,电池储能系统不能在同一时
刻充电且放电。
(30)限制了电池储能存储能量的运行区间范围,E0为电池储能的配置额定容量,SOCmax和
SOCmin分别表示电池储能运行的荷电状态上限和下限范围;
个采样点电压矩阵中位于第i行第j列的元素,其物理含义为ω场景下在第k个采样点i节点
和j节点电压的乘积。式(31)中 表示ω场景下在第k个采样点从i节点向j节点的输送的
有功功率,该式子表示i节点的注入功率等于流向相连柔性直流输电线路功率的总和。式
(32)表示ω场景下在第k个采样点连接i、j节点的线路的传输功率绝对值应该小于线路的
传输功率上限值 通过式(33)可以求得ω场景下在第k个采样点i节点流向j节点的输送
功率,其中rij表示连接i、j节点线路的电阻值。式(34)限制ω场景下在第k个采样点i节点的
电压范围,vi和 分别表示i节点的电压下限值和电压上限值。式(35)限制了Vω,k为半正定
矩阵。
CPLEX优化软件求解步骤3)建立的模型,获得次日定/变速抽蓄机组的机组启动与关停计划
风电和光伏等新能源上网功率 和 定/变速机组抽水及发
电功率 和 储能充放电功率 和 的最优解。考虑到日前新能源场站出力预
测误差相对较大,仅选取优化调度结果中的定/变速抽水蓄能机组启停计划
的最优解作为次日相应抽蓄机组的动作指令,作为日前优化调度的结
果。
建立的模型,可计算各设备日内滚动窗口中的新能源场站上网功率 和 定/变速机
组抽水和发电功率 和 电池储能充放电功率 和 运行控制量的最优解。