基于MINLP含能源调度队的新能源电力系统调峰方法及应用

专利名称：基于MINLP含能源调度队的新能源电力系统调峰方法及应用

专利类型：发明专利

专利申请号：CN202410494903.3

专利申请（专利权）人：国网甘肃省电力公司天水供电公司
权利人地址：甘肃省天水市秦州区藉河南路2077号

专利发明（设计）人：发明人:康健,宋红为,喻冰峰,刘栋梁,王佩霞,刘亚荣,王江宁,成煜,刘文君,吴阳,米正英,雷乘龙,刘海峰,卢广旗,杨涛,王磊,李晖,刘进,何岩,牟旭东

专利摘要：本发明属于新能源电力系统调峰方法领域，具体为基于MINLP含能源调度队的新能源电力系统调峰方法及应用。创建由多种能源储能设备组成的能源调度队，并根据电力系统的需求及新能源的波动性来确定其规模。考虑了新能源电力系统及其能源调度队的决策变量和参数，利用MINLP构建能源调度策略模型，并通过求解器找到全局最优解，从而制定出高效的能源调度策略。这种方法的优点在于其能够提高电力系统的经济性和可靠性，优化资源配置，减少能源浪费，并有效应对新能源发电的不确定性和波动性，从而促进新能源的高效整合和电力系统的可持续发展。

主权利要求：
1.基于MINLP含能源调度队的新能源电力系统调峰方法，其特征在于，包括：创建由多种能源储能设备组成的能源调度队，并根据电力系统的需求和新能源的波动性确定能源调度队规模；
其中，所述能源调度队包括电池储能系统、抽水蓄能电站、压缩空气储能、飞轮储能，计算获取电池储能系统、抽水蓄能电站、压缩空气储能、飞轮储能的调度变化量；
考虑新能源电力系统及能源调度队的决策变量和参数，利用MINLP确定目标函数，形成能源调度策略模型；
其中，所述能源调度策略模型为：
其中，MinC是新能源电力系统和能源调度队运行最小成本，Minimizef(x)是新能源电力系统运行最小成本，Cstorage，j是第j种储能设备的单位成本，ΔQj是第j种储能设备的调度变化量，Estorage，j是第j种储能设备的效率，ηcharge，j是第j种储能设备的充电效率，ηdischarge，j是第j种储能设备的放电效率，Ek是单位排放量的成本，Cemission是系统的总排放量，m是储能设备的数量；P是排放量的数量；
根据新能源发电预测和负荷需求情况，使用MINLP求解器求解调度策略模型，确定全局最优解，制定能源调度策略；
利用能源调度策略运行能源调度队及电力系统，并实时监控新能源电力系统参数，优化能源调度策略；
所述能源调度队基于能量密度、功率密度、响应时间、寿命周期和成本特性进行选择和分类；
所述电池储能系统的调度变化量为： 其中，Pc表示充电功率，tc表示充电时间，Pd表示放电功率，td表示放电时间，η1为电池效率；
所述抽水蓄能电站的调度变化量为：Es＝m·g·h‑η2·m·g·h，其中，m是水的质量，g是重力加速度，h是水头高度差，η2是抽水蓄能电站转换效率；
所述压缩空气储能的调度变化量为： 其中，Pcom表示压缩功率，tcom表示压缩时间，Pex表示膨胀功率，tex表示膨胀时间，η3为压缩空气效率所述飞轮储能的调度变化量为： 其中，I是飞轮的转动惯量，ω和ω’分别是储存和释放时的角速度，η4为飞轮储能效率；
所述能源调度队与新能源电力系统采用能源管理系统集成。
2.根据权利要求1所述的基于MINLP含能源调度队的新能源电力系统调峰方法，其特征在于：所述形成能源调度策略模型包括：定义新能源电力系统及能源调度队的决策变量和参数；
其中，决策变量包括新能源机组及能源调度队出力、启停状态、储能设备的充放电状态、调度时间、输电线路的功率分配；
其中，参数包括新能源的预测出力、负荷需求、发电机组的技术参数、新能源发电的时空分布、负荷需求的波动、输电线路的容量限制；
以及利用MINLP确定目标函数，目标函数表示为： 其中，f(x)新能源电力系统运行成本，gi(xi)是决策变量xi的非线性函数，xi是第i个决策变量，αi是与决策变量相关的系数，n是发电方式的数量；
以及约束条件表示为：f(P，Q，S，T，其他参数)≤0，其中，P是新能源机组及能源调度队的出力，Q是储能设备的充放电状态，S是调度时间，T是输电线路的功率分配，f是决策变量和系统参数的非线性函数。
3.根据权利要求1所述的基于MINLP含能源调度队的新能源电力系统调峰方法，其特征在于：所述能源调度策略制定步骤包括：准备能源调度队与新能源电力系统数据及对能源调度策略模型校验；
以及选择Gurobi求解器为所述能源调度策略模型得目标函数求解器，设置求解参数并运行；
以及根据求解结果制定具体的能源调度策略。
4.根据权利要求3所述的基于MINLP含能源调度队的新能源电力系统调峰方法，其特征在于：所述设置求解参数包括设置迭代次数和设置容差；
其中，迭代次数≥10000次，容差≤1％。
5.根据权利要求1所述的基于MINLP含能源调度队的新能源电力系统调峰方法，其特征在于：所述实时监控的新能源电力系统参数包括：发电量、负荷需求和储能设备状态，并通过参数收集和分析，评估调度策略的实际效果。
6.利用权利要求1‑5任一项所述的基于MINLP含能源调度队的新能源电力系统调峰方法的调峰系统，包括：能源调度队模块：配置为由多种能源储能设备组成的能源调度队，获取能源调度队数据；
能源调度策略模型计算模块：配置为用MINLP确定目标函数并计算；
能源调度策略制定模块：配置为利用求解结果制定新能源调度策略；
监控模块：配置为实时监控新能源电力系统发电量、负荷需求和储能设备状态；
优化模块：配置为基于参数收集和分析优化新能源调度策略。
7.基于MINLP含能源调度队的新能源电力系统调峰方法的装置，其特征在于，所述基于MINLP含能源调度队的新能源电力系统调峰装置与权利要求6所述的基于MINLP含能源调度队的新能源电力系统调峰系统通讯连接。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑5任一项所述方法。 说明书 : 基于MINLP含能源调度队的新能源电力系统调峰方法及应用技术领域[0001] 本发明属于新能源电力系统调峰方法领域，具体为基于MINLP含能源调度队的新能源电力系统调峰方法及应用。背景技术[0002] 在当前的能源转型过程中，新能源电力系统的集成和运行面临着前所未有的挑战。虽然风能和太阳能等可再生能源因其清洁和可持续性而受到推崇，但它们的间歇性和不可预测性给电网的稳定运行带来了巨大压力。为了应对这一挑战，研究人员一直在探索有效的调峰方法。[0003] 现有的调峰技术主要依赖于传统的调峰电源，如燃气轮机、抽水蓄能电站和电池储能系统。例如，燃气轮机因其快速启停和调节能力而被广泛用于负荷平衡和频率调节。然而，这些技术存在一些固有的局限性。首先，频繁的启停和负荷变化可能导致设备的机械磨损和热应力，缩短设备寿命。其次，燃气轮机的运行依赖于天然气等化石燃料，这不仅增加了运营成本，还可能增加温室气体排放，与减排目标相悖。[0004] 抽水蓄能电站虽然能够提供大规模的储能和较长的调度时间，但其建设成本高，地理位置受限，且建设周期长。此外，电池储能系统虽然响应速度快，但目前仍面临着成本高、寿命有限和环境影响等挑战。发明内容[0005] 针对现有技术的不足，本发明的目的是提供基于MINLP含能源调度队的新能源电力系统调峰方法。[0006] 本发明的技术方案具体如下：[0007] 本发明之一是基于MINLP含能源调度队的新能源电力系统调峰方法，包括：创建由多种能源储能设备组成的能源调度队，并根据电力系统的需求和新能源的波动性确定能源调度队规模；考虑新能源电力系统及能源调度队的决策变量和参数，利用MINLP确定目标函数，形成能源调度策略模型；根据新能源发电预测和负荷需求情况，使用MINLP求解器求解调度策略模型，确定全局最优解，制定能源调度策略；利用能源调度策略运行能源调度队及电力系统，并实时监控新能源电力系统参数，优化能源调度策略。[0008] 本方法是一种先进的能源管理策略，它通过创建一个由多种能源储能设备组成的能源调度队，并根据电力系统的需求及新能源的波动性来确定其规模。该方法综合考虑了新能源电力系统及其能源调度队的决策变量和参数，利用MINLP构建了一个全面的能源调度策略模型，并通过求解器找到全局最优解，从而制定出高效的能源调度策略。在实际运行中，该策略不仅能够实时监控系统参数，还能够根据实时数据进行优化调整，确保电力系统的稳定运行和新能源的最大化利用。这种方法的优点在于其能够提高电力系统的经济性和可靠性，优化资源配置，减少能源浪费，并有效应对新能源发电的不确定性和波动性，从而促进新能源的高效整合和电力系统的可持续发展。[0009] 本发明之二是提供基于MINLP含能源调度队的新能源电力系统调峰系统，包括：[0010] 能源调度队模块：配置为由多种能源储能设备组成的能源调度队，获取能源调度队数据；[0011] 能源调度策略模型计算模块：配置为用MINLP确定目标函数并计算；[0012] 能源调度策略制定模块：配置为利用求解结果制定新能源调度策略；[0013] 监控模块：配置为实时监控新能源电力系统发电量、负荷需求和储能设备状态；优化模块：配置为基于参数收集和分析优化新能源调度策略。[0014] 本发明之三是提供一种基于MINLP含能源调度队的新能源电力系统调峰装置，所述基于MINLP含能源调度队的新能源电力系统调峰方法的装置与基于MINLP含能源调度队的新能源电力系统调峰系统通讯连接。[0015] 本发明之四是提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现基于MINLP含能源调度队的新能源电力系统的调峰方法。[0016] 本发明的有益效果为：通过创建由多种能源储能设备组成的能源调度队，并根据电力系统的需求和新能源的波动性确定其规模，本方法能够建立一个灵活且高效的调峰系统。这种方法不仅能够提高系统的适应性和稳定性，还能够最大限度地利用新能源发电，减少弃风弃光现象。[0017] 本方法通过MINLP确定目标函数和形成调度策略模型，能够综合考虑系统中的各种因素，如储能设备状态、新能源发电情况、负荷需求等，使调度策略模型更加全面和准确。MINLP方法能够处理包含整数变量和非线性约束的复杂问题，提供了更为精确的优化结果。[0018] 本方法利用MINLP求解器求解调度策略模型，能够确定全局最优解，并制定出科学合理的能源调度策略。这种方法不仅具备全局最优解的优点，还具有实时性和优化调度策略的能力，为系统的错峰调峰提供了科学依据。[0019] 本方法通过实时监控和优化算法，使系统具有较强的实时性和响应性，能够及时应对系统运行中的变化和异常情况，保证系统的稳定性和可靠性。通过不断优化能源调度队的调度策略，系统能够在运行过程中不断改进和提升，使系统的性能和效率得到持续提升。这种方法减少了人为干预的需求，降低了运行成本，提高了系统的运行效率，为新能源电力系统的可持续发展提供了强有力的支持。附图说明[0020] 图1为基于MINLP含能源调度队的新能源电力系统调峰方法的流程图；[0021] 图2为本发明步骤S100流程图；[0022] 图3为本发明步骤S200流程图；[0023] 图4为本发明步骤S300流程图；[0024] 图5为本发明步骤S400流程图。具体实施方式[0025] 下面结合附图并通过具体的实施例进一步的说明本发明的技术方案：[0026] 实施例1[0027] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0028] 图1是基于MINL含预备能源的新能源电力系统调峰方法流程图。图1中，本发明提供的基于MINLP含能源调度队的新能源电力系统调峰方法，包括：[0029] S100为创建能源调度队并确定规模，具体为创建由多种能源储能设备组成的能源调度队，并根据电力系统的需求和新能源的波动性确定能源调度队规模；[0030] S200为确定目标函数，形成调度策略模型，具体为考虑新能源电力系统的决策变量和参数，利用混合整数非线性规划(MINLP)确定目标函数，形成调度策略模型；[0031] S300为使用MINLP求解器求解调度策略模型，具体为根据新能源发电预测和负荷需求情况，使用MINLP求解器求解调度策略模型，确定全局最优解，制定能源调度策略；[0032] S400为运行能源调度队及电力系统，优化调度策略，具体为利用能源调度策略运行能源调度队及电力系统，并实时监控新能源电力系统发电量、负荷需求和储能设备状态，优化能源调度策略。[0033] 各个步骤的详细说明如下所述：[0034] 所述S100阐述了新能源电力系统错峰调峰方法的第一步，即创建由多种能源储能设备组成的能源调度队，并确定其规模。通过S100，对于新能源电力系统可以建立起一个有效的能源调度队，并确定合适的规模，为后续的调峰策略制定和实施奠定了基础，同时具备综合考虑系统需求、灵活性和提高系统稳定性等优点。[0035] 如图2所示，具体包括以下步骤：[0036] S110为选择和分类能源储能设备，具体为在构建新能源电力系统的能源调度队时，首先需要对可用的能源储能设备进行选择和分类，通过评估各种储能技术的性能指标和适用场景，确定最适合新能源电力系统需求的储能设备。[0037] 该步骤的关键在于识别和评估不同类型的储能技术，包括但不限于电池储能系统(如锂离子电池、流电池)、抽水蓄能电站、压缩空气储能(CAES)、飞轮储能等。每种储能技术都有其特定的技术特性，如能量密度、功率密度、响应时间、寿命周期和成本等。选择时应考虑新能源电力系统的具体需求，如对快速响应能力的需求、对大规模储能的需求等。[0038] 通过该步骤确保能源调度队能够满足电力系统的多样化需求，提高系统的灵活性和可靠性。例如一个新能源电力系统主要由风能和太阳能组成，这些能源的波动性较大，尤其是在夜间和无风的日子里。为了平衡这种波动性，系统需要引入储能设备。可以选择锂离子电池储能系统，因为它们具有较高的能量密度和快速响应能力，适合处理短期波动；同时选择抽水蓄能电站，它们适合大规模储能和处理长期储能需求。[0039] S120为确定能源调度队规模，具体为根据新能源电力系统的需求和新能源的波动性来确定能源调度队的规模。[0040] 该步骤涉及到对新能源发电量的预测、负荷需求的分析以及储能设备的配置。通过对历史数据的分析和未来趋势的预测，可以估算出所需的储能容量和功率支持。[0041] 该步骤通过合理的规模设置可以确保能源调度队在满足系统需求的同时，避免资源浪费和过度投资。例如分析显示在夏季高峰时段，负荷需求将比平均水平高出20％，而太阳能发电量将下降30％。基于这些数据，确定需要额外的储能容量来补充这一缺口，需要增加100MWh的锂离子电池储能和200MWh的抽水蓄能。[0042] S130为集成能源调度队与新能源电力系统，具体为将多种能源储能设备形成的能源调度队与新能源电力系统集成。集成过程中需要确保储能设备能够无缝地与电网互动，响应电网的调度指令，同时保证新能源的最大化利用。[0043] 为了实现储能设备与电网的无缝集成，采用能源管理系统(EMS)。该系统能够实时接收来自风电场和太阳能电站的发电数据，以及来自负荷侧的需求数据。EMS将这些数据与储能设备的实时状态相结合，自动发出调度指令，指挥储能设备在适当的时机充电或放电，以平衡电网的供需。通过集成后的能源调度队可以作为电力系统的一部分，提高新能源的消纳能力，减少弃风弃光现象。[0044] 所述S200阐述了新能源电力系统错峰调峰方法的第二步，即考虑新能源电力系统及能源调度队的决策变量和参数，利用混合整数非线性规划(MINLP)确定目标函数，形成能源调度策略模型，利用混合整数非线性规划(MINLP)确定目标函数，形成能源调度策略模型。通过考虑决策变量和参数，能够综合考虑系统中的各种因素，包括储能设备状态、新能源发电情况、负荷需求等，使调度策略模型更加全面和准确。MINLP方法能够处理包含整数变量和非线性约束的复杂问题，能够更准确地描述新能源电力系统的实际运行情况，提高调度策略的优化效果。通过确定合适的目标函数，可以有效地引导调度策略模型的优化方向，使系统能够以更低的成本或更高的效率运行，提高系统的整体性能。[0045] 如图3所示，具体包括以下步骤：[0046] S210为定义决策变量和参数。所述决策变量包括新能源机组的出力、启停状态、储能设备的充放电状态、调度时间、输电线路的功率分配。参数包括新能源的预测出力、负荷需求、发电机组的技术参数、新能源发电的时空分布、负荷需求的波动、输电线路的容量限制。通过以下元素表示：[0047] xi：第i个决策变量，例如某个新能源机组的出力；[0048] ai：与决策变量相关的系数，例如发电成本系数；[0049] bi：系统参数，例如输电线路的容量限制；[0050] ci：其他可能的系统参数，例如储能设备的放电效率。[0051] 本步骤通过定义决策变量需要考虑电力系统的实际运行情况和调度需求，以及新能源的波动性。通过深入了解电力系统的运行机制和新能源的特性，以确保决策变量的全面性和准确性。明确定义的决策变量为后续的优化提供了基础，有助于构建一个能够反映系统实际情况的模型。[0052] S220.目标函数的构建，目标函数通常由多个项组成，每个项都是决策变量的函数，考虑最小化系统运行成本，包含发电成本、储能成本和需求响应成本项，利用混合整数非线性规划(MINLP)确定目标函数。[0053] 目标函数表示为：[0054][0055] 其中，f(x)新能源电力系统运行成本，gi(xi)是决策变量xi的非线性函数，xi是第i个决策变量，ai是与决策变量相关的系数，n是发电方式的数量；[0056] 在本步骤中，需要平衡各种目标之间的权重和优先级，该目标函数能够指导调度策略的制定，确保电力系统运行的经济性和可持续性。[0057] S230.构建约束条件，约束条件可以表示为：[0058] f(p，Q，S，T，其他参数)≤0[0059] 其中，P是新能源机组及能源调度队的出力，Q是储能设备的充放电状态，S是调度时间，T是输电线路的功率分配，f是决策变量、系统参数和其他参数的非线性函数。[0060] 在这个框架下，S210定义的元素和S220构建的目标函数f(x)以及约束条件hi紧密结合，形成了一个完整的能源调度策略模型，用于优化新能源电力系统的调峰策略。[0061] S240.所述能源调度策略模型为：[0062][0063] 其中，MinC是新能源电力系统和能源调度队运行最小成本，Cstorage，j是第j种储能设备的单位成本，ΔQj是第j种储能设备的调度变化量，Estorage，j是第j种储能设备的效率，ηcharge，j是第j种储能设备的充电效率，ηdischarge，j是第j种储能设备的放电效率，Ek是单位排放量的成本，Cemission是系统的总排放量，m是储能设备的数量；P是排放量的数量。[0064] 所述S300根据新能源发电预测和负荷需求情况，使用MINLP求解器求解调度策略模型，确定全局最优解，制定能源调度策略。通过S300，新能源电力系统根据新能源发电预测和负荷需求情况，利用MINLP求解器求解调度策略模型，确定全局最优解并制定调度策略，为系统的错峰调峰提供了科学依据，同时具备全局最优解、实时性和优化调度策略等优点。[0065] 如图4所示，具体包括以下步骤：[0066] S310为数据准备与模型校验，具体为在进行模型求解之前，必须确保所有输入数据的准确性和完整性。数据包括新能源发电预测、负荷需求数据、设备参数等，同时，通过历史收集数据对步骤200中构建的模型进行校验，确保其正确反映了电力系统的实际运行情况和调峰的需求。[0067] 通过该步骤，确保模型求解的准确性和可靠性，避免因数据错误或模型缺陷导致的不良调度策略。[0068] S320为选择MINLP求解器，具体为考虑到能源调度策略模型具有复杂的非线性特性和大量的整数变量，选择Gurobi求解器，因为它在处理这类问题时表现出了强大的求解能力和高效的计算性能。[0069] S330为设置求解参数，具体为选定求解器后，需要设置求解参数，如迭代次数、容差、分支限界策略等。这些参数将影响求解过程的效率和结果的精度。合理的参数设置可以加快求解速度并提高解的质量。将迭代次数设置为10000次，将容差设置为1％，以确保求解结果的精度。[0070] S340.运行Gurobi求解器，对模型进行求解。在求解过程中，求解器通过分支定界和割平面算法，逐步缩小可行域，寻找最优解。求解器在迭代过程中不断更新最优解的估计值，并在满足停止条件后输出最终结果。[0071] S350为结果分析与策略制定，具体为求解完成后，需要对结果进行分析，验证其是否满足所有约束条件，并确保其为全局最优解。然后，根据求解结果制定具体的能源调度策略。[0072] 所述S400利用能源调度策略运行能源调度队，并实时监控新能源电力系统发电量、负荷需求和储能设备状态，优化能源调度策略。通过本步骤实时监控和优化算法能够使系统具有较强的实时性和响应性，能够及时应对系统运行中的变化和异常情况，保证系统的稳定性和可靠性。通过不断优化能源调度队的调度策略，系统能够在运行过程中不断改进和提升，使系统的性能和效率得到持续提升。减少了人为干预的需求，降低了运行成本，提高了系统的运行效率。[0073] 如图5所示，具体包括以下步骤：[0074] S410为实施调度策略，具体为将步骤300中制定的能源调度策略应用于实际的电力系统运行。这包括调整发电机组的出力、控制储能设备的充放电操作，需要确保调度策略与实际电力系统的运行机制相匹配，包括对发电设备和储能设备的精确控制。[0075] S420为实时监控系统运行状态，具体为在策略实施的同时，需要对新能源电力系统的运行状态进行实时监控。监控内容包括发电量、负荷需求和储能设备状态等关键指标。实时监控有助于及时发现和诊断问题，确保系统稳定运行，并为后续的优化提供数据支持。[0076] S430为数据收集与分析，具体为收集实施调度策略过程中产生的数据，包括实际发电量、负荷需求变化、储能设备的充放电情况等，并进行分析。通过数据分析可以评估调度策略的实际效果，为进一步优化提供依据。[0077] S440为调度策略优化，具体为根据收集的数据和系统运行情况，对现有的调度策略进行评估和优化。优化调度策略可以进一步提高电力系统的经济性和适应性，使其更好地应对新能源的波动性和不确定性。[0078] 实施例2[0079] 基于上述操作步骤，提供一个完整的实施例操作过程。一个新能源电力系统，该系统包括5个风力发电机组、3个太阳能发电阵列和一座火力发电厂，火力发电厂需要计算启动和关闭成本的。系统需要在一天内(24小时)进行调峰，以应对新能源发电的波动性和不可预测性。[0080] S100.创建能源调度队并确定规模：[0081] S110.选择和分类能源储能设备选择锂离子电池和抽水蓄能作为储能设备。[0082] 锂离子电池的响应时间为15分钟，抽水蓄能的响应时间为1小时。[0083] S120.确定能源调度队规模通过分析历史数据，预测在高峰时段(18:00‑22:00)，负荷需求将比平均水平高出20％，而新能源发电量将下降30％。[0084] 平均每小时的负荷需求为60MWh，新能源发电量为20MWh。[0085] 因此，在高峰时段，额外需求为60MWh*20％＝12MWh，新能源发电量减少为20MWh*30％＝6MWh。[0086] 为满足额外需求并补偿新能源发电减少，需要额外的18MWh的电力支持。[0087] 锂离子电池和抽水蓄能的效率为100％，决定部署60MWh的锂离子电池储能和120MWh的抽水蓄能。[0088] S130.集成能源调度队与新能源电力系统部署能源管理系统(EMS)，实时接收和处理发电和负荷数据，发出调度指令。[0089] S200.构建调度策略模型[0090] S210.定义决策变量和参数[0091] 决策变量：[0092] xwind(t)：第t小时风电的出力(MWh)。[0093] xsolar(t)：第t小时太阳能的出力(MWh)。[0094] xthermal(t)：第t小时火电的出力(MWh)。[0095] xbattery(t)：第t小时锂离子电池的放电量(MWh)。[0096] xpumped(t)：第t小时抽水蓄能的放电量(MWh)。[0097] 参数：[0098] Pwind：风电的最大出力。[0099] Psolar：太阳能的最大出力。[0100] Pthermal：火电的最大出力。[0101] Pbattery：锂离子电池的最大放电量。[0102] Ppumped：抽水储能的最大放电量。[0103] S220.构建目标函数目标函数：最小化总成本，包括发电成本和储能成本。[0104][0105] 其中，f(x)新能源电力系统运行成本，Cwind为风电的单位发电成本，即每兆瓦时(MWh)风电的成本；csolar为表示太阳能的单位发电成本，即每兆瓦时(MWh)太阳能的成本；cthermal为表示火力发电的单位发电成本，即每兆瓦时(MWh)火力发电的成本cbattery为表示锂离子电池储能的单位放电成本，即每兆瓦时(MWh)电池放电的成本；cpumped：抽水蓄能的单位放电成本，即每兆瓦时(MWh)抽水蓄能放电的成本；[0106] S230.构建约束条件电力供需平衡约束：[0107][0108] 发电约束：[0109] xwind(t)≤Pwind[0110] xsolar(t)≤Psolar[0111] xthermal(t)≤Pthermal[0112] 储能限制约束：[0113] xbattery(t)≤Pbattery[0114] xpumped(t)≤Ppumped[0115] S240.确定形成调度策略模型；[0116][0117] 其中，MinC是新能源电力系统和能源调度队运行最小成本，Cstorage，j是第j种储能设备的单位成本，ΔQj是第j种储能设备的调度变化量，Estoage，j是第j种储能设备的效率，ηcharge，j是第j种储能设备的充电效率，ηdischarge，j是第j种储能设备的放电效率，Ek是单位排放量的成本，Cemission是系统的总排放量。[0118] S300.使用MINLP求解器求解调度策略模型[0119] S310.数据准备与模型校验：收集新能源发电预测和负荷需求数据。校验模型是否正确反映了电力系统的实际运行情况。[0120] S320.选择MINLP求解器：选择Gurobi求解器。[0121] S330.设置求解参数：迭代次数：10000次。容差：1％。[0122] S340.运行Gurobi求解器：输入模型、决策变量、目标函数和约束条件。求解器运行并输出最优解。[0123] 输出结果为：风电和太阳能在白天时段(06:00‑18:00)出力最大，以利用充足的风能和太阳能。[0124] 火电在夜间和负荷高峰时段(18:00‑22:00)出力最大，以补偿新能源发电的不足。[0125] 锂离子电池在新能源发电高峰时段充电，在负荷高峰时段放电。[0126] 抽水蓄能在负荷较低的时段充电，在负荷高峰时段放电。[0127] S350:结果分析与策略制定：分析求解结果，确保满足所有约束条件。制定能源调度策略。[0128] 具体的调度策略如下：[0129] 06:00‑18:00：风电出力50MWh，太阳能出力30MWh，火电出力10MWh，锂离子电池充电20MWh。[0130] 18:00‑22:00：风电出力10MWh，太阳能出力5MWh，火电出力40MWh，锂离子电池放电20MWh，抽水蓄能放电30MWh。[0131] S400:策略实施与监控将调度策略应用于实际的电力系统运行。实施实时监控，收集数据并根据实际情况进行调整，输出能源调度策略。[0132] 实施例3[0133] 基于MINLP含能源调度队的新能源电力系统调峰系统，包括：[0134] 能源调度队模块：配置为由多种能源储能设备组成的能源调度队，获取能源调度队数据；[0135] 能源调度策略模型计算模块：配置为用MINLP确定目标函数并计算；[0136] 能源调度策略制定模块：配置为利用求解结果制定新能源调度策略；[0137] 监控模块：配置为实时监控新能源电力系统发电量、负荷需求和储能设备状态；优化模块：配置为基于参数收集和分析优化新能源调度策略。[0138] 实施例4[0139] 基于MINLP含能源调度队的新能源电力系统调峰装置，所述基于MINLP含能源调度队的新能源电力系统调峰装置与基于MINLP含能源调度队的新能源电力系统调峰系统通讯连接。[0140] 实施例5[0141] 一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例1所述方法。[0142] 以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。[0143] 本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。[0144] 还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。[0145] 提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此发明的原理和新颖的特征一致的最宽范围。[0146] 以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换等，均应包含在本申请的保护范围之内。

专利地区：甘肃

专利申请日期：2024-04-24

专利公开日期：2024-10-15

专利公告号：CN118399418B