下载文档原格式
基于多时间尺度协同的大规模原油调度进化算法张莞婷;杜文莉;堵威【期刊名称】《计算机应用》【年(卷),期】2024(44)5【摘要】针对原油调度过程存在的资源规模庞大、约束条件复杂、多时间尺度决策衔接困难等问题,提出一种基于多时间尺度协同的进化算法(MTCEA)。
首先,根据炼油企业的规模结构和实际需求,建立了一种大规模多时间尺度原油调度优化模型,该模型由面向资源的中长期调度模型和面向操作的短期调度模型构成,通过引入原油资源动态分组策略,实现原油资源的合理配置,以满足不同的调度规模、多时间尺度的特征和精细化生产的要求;其次,为促进不同时间尺度调度决策的融合衔接,设计基于多时间尺度协同的进化算法,并针对不同时间尺度调度模型中的连续决策变量构造子问题进行求解,以实现不同时间尺度调度决策之间的协同优化;最后,在3个实际工业案例进行了算法性能验证。
结果表明,与3种具有代表性的大规模进化优化算法(即竞争性粒子群优化算法(CSO)、基于多轨迹搜索的自适应差分进化算法(SaDE-MMTS)和基于混合模型的进化策略(MMES))以及3种高性能混合整数非线性规划(MINLP)数学求解器(即ANTIGONE(Algorithms for coNTinuous/Integer Global Optimization of Nonlinear Equations)、SCIP(Solving Constraint Integer Programs)和SHOT(Supporting Hyperplane Optimization Toolkit))相比,MTCEA的求解最优性指标和稳定性指标分别提高了30%和25%以上。
这些显著的性能提升验证了MTCEA在大规模多时间尺度原油调度决策中的实际应用价值和优势。
【总页数】9页(P1355-1363)【作者】张莞婷;杜文莉;堵威【作者单位】能源化工过程智能制造教育部重点实验室(华东理工大学)【正文语种】中文【中图分类】TP278【相关文献】1.基于多精英协同进化遗传算法的云资源调度2.基于形式概念分析的大规模全局协同进化优化算法3.基于协同进化粒子群算法的水库优化调度与应用4.基于二维编码两阶段协同进化遗传算法的云工作流调度优化5.基于多策略协同进化差分算法的社区居民负荷优化调度因版权原因，仅展示原文概要，查看原文内容请购买。
多时间尺度的调度计划
时间尺度的调度计划是指在不同时间范围内对资源、人力和任务进行合理安排和调度的计划。
在实际应用中，时间尺度的调度计划涉及到长期、中期和短期三个不同的时间范围。
首先，长期调度计划通常涉及到对资源的长期规划和分配，例如对于生产企业来说，长期调度计划可能涉及到对设备的更新、扩建和新建等规划，以及对于人力资源的长期培训和配置。
在这个时间尺度上，需要考虑市场需求的长期趋势、技术发展的长期变化等因素，制定符合企业长期发展战略的调度计划。
其次，中期调度计划一般涉及到对生产和运营的中期安排，例如对于生产企业来说，中期调度计划可能涉及到对生产线的排程、原材料的采购计划、人力资源的中期调配等。
在这个时间尺度上，需要考虑市场需求的中期波动、季节性因素、供应链的中期变化等因素，制定灵活适应的调度计划。
最后，短期调度计划通常涉及到对生产和运营的日常安排，例如对于生产企业来说，短期调度计划可能涉及到对生产车间的日程安排、人员的日常排班、设备的日常维护等。
在这个时间尺度上，
需要考虑市场需求的瞬时变化、突发事件的处理、资源利用的最大化等因素，制定快速响应的调度计划。
总的来说，时间尺度的调度计划需要综合考虑市场需求、资源供给、技术变化等多方面因素，以合理安排和调度资源，实现生产和运营的高效率和灵活性。
同时，随着时间尺度的不同，调度计划的制定也需要根据不同的时间范围进行长期规划、中期安排和短期响应，以实现整体的生产和运营目标。
多时间尺度协调的柔性负荷互动响应调度模型与策略一、本文概述随着全球能源结构的转型和智能电网的快速发展，电力系统正面临着前所未有的挑战和机遇。
传统的电力调度模型主要依赖于刚性负荷，但在可再生能源大规模接入和用户需求多样化的背景下，电力系统的稳定性、经济性和可持续性受到了严重挑战。
因此，如何有效管理和调度柔性负荷，实现多时间尺度的协调互动响应，成为了当前电力系统研究的热点和难点。
本文旨在提出一种多时间尺度协调的柔性负荷互动响应调度模型与策略。
通过对柔性负荷的精确建模和预测，结合电力系统的实际运行需求，构建了一个综合考虑经济、环境和社会效益的优化调度模型。
该模型能够实现在不同时间尺度下，柔性负荷与电力系统的协调互动，提高电力系统的稳定性、经济性和可持续性。
本文首先对柔性负荷的定义、分类及其在电力系统中的作用进行了深入分析和阐述。
在此基础上，提出了一种基于多时间尺度的柔性负荷互动响应调度框架，详细描述了各时间尺度下的调度目标和约束条件。
接着，通过构建优化调度模型，实现了对柔性负荷的精细化管理和调度。
通过算例分析和仿真实验，验证了所提模型和策略的有效性和可行性。
本文的研究不仅为电力系统调度提供了新的思路和方法，也为实现电力系统的可持续发展和能源转型提供了有力支持。
未来，我们将继续深入研究柔性负荷的互动响应特性和调度策略，为构建更加智能、高效、环保的电力系统做出更大贡献。
二、多时间尺度协调调度模型在电力系统中，负荷的调度和管理是一个复杂而关键的任务。
传统的调度模型往往只关注单一的时间尺度，难以应对现代电力系统中负荷的多样性和不确定性。
因此，本文提出了一种多时间尺度协调的柔性负荷互动响应调度模型，旨在更好地平衡电力供需，提高电力系统的稳定性和经济性。
该模型将负荷调度过程分为多个时间尺度，包括短期、中期和长期。
每个时间尺度都有不同的调度目标和策略，以适应不同的负荷特性和市场需求。
在短期时间尺度上，模型主要关注实时负荷的预测和调度，以确保电力系统的稳定运行。
0 引言构建以新能源为主体的新型电力系统，推动清洁电力资源大范围优化配置是实现我国“双碳”目标的重要举措[1]。
随着风光等新能源大规模、高比例并网，电力系统受其间歇性、波动性、随机性和通道容量限制等影响加剧[2]，这将导致电能质量和潮流阻塞等问题。
可再生能源发电具有季节性不均和短时波动特征，而径流、风电与光伏互补性较强[3]，风光水互补运行可以有效利用水电的灵活性补偿风光的波动性和间歇性[4，5]。
由于水风光互补改变了水电的调度运行边界，水库原有调度规则将不再适用，协调目标对象更为复杂[6]。
因此，为真正实现水风光的“长期电量补偿、短期电力补偿”，制定考虑多能互补的水库中长期与短期调度决策是解决新能源出力不稳定的有效途径。
此外，我国提出开展“两个一体化”实施意见[7]，强调结合需求侧负荷特性、电源结构和调节能力，充分挖掘新能源消纳能力，确保开发规模与消纳能力匹配，缓解弃电问题。
因此，构建考虑源端多能互补、受端适应电力需求的水库多时间尺度调度决策显得十分重要。
关于水风光一体化系统优化调度方面，国内外专家学者已有许多研究。
在短期互补调度方面，朱燕梅等[8]提出了发电量、出力波动双目标的水光互补短期调度模型，基于改进的出力波动度量方法，提出分阶段波动控制策略，便于光伏规模化接入系统。
张艳华等[9]建立了系统余留负荷均方差最小的梯级水风光电站联合调峰短期调度模型，分析了联合调度的短期调峰能力、梯级短期调度运行产生的影响。
李杨等[10]提出了输电容量限制的梯级水光互补联合发电系统日前鲁棒调峰优化调度方法，考虑梯级水电上、下游水力耦合和机组运行约束，实现了梯级水光互补运行。
上述研究主要针对水风光短期互补策略，虽考虑了短期风光波动性的影响，但缺乏互补系统的中长期运行决策指导，进而难以兼顾系统的长远效益，而水风光互补长期协调需考虑长、短期多尺度耦合调度问题[4]。
在长、短期多尺度耦合调度方面，谭乔凤等[11]研究了大规模风光接入背景下梯级水电站在长期、日前和实时尺度上的调度方式，系统评估了互补调度效益和风险。
路段行程时间多时间尺度预测方法随着人们生活水平的不断提高和现代客运发展的加速，旅行时间已成为交通安全管理、交通计划和城市管理的重要组成部分。
由于行程时间的预测是决定交通系统安全、效率和可持续性的基础。
基于此，研究人员提出了一种基于时间尺度的路段行程时间预测方法，该方法可以准确估计路段行程时间，并考虑到多个因素影响旅行时间，如路线、交通流量、路面条件等，以及旅行的类型、模式和特征。
本文旨在介绍这种基于时间尺度的路段行程时间预测方法，分析该方法的特点及其优势，以便在交通系统调度、计划和管理中发挥更大的作用。
一、方法1.1时间尺度设置时间尺度是指行程时间预测方法中限定的时间段。
一般情况下，设置时间尺度时，将时间分解为秒，分，时和其它较长的时间段，对路段行程时间进行预测:(1)间段：包括秒级、分钟级及其他较长的时间段。
(2)间段：包括小时、天、月等较长的时间段。
1.2建模方法基于时间尺度的路段行程时间预测的核心是建模方法。
这些模型可以根据路段通行条件和特征确定，从而对路段行程时间进行精确预测。
目前，采用最常见的是回归分析的方法来预测旅行时间，以便考虑路段行程时间的多个因素，如路线、交通流量、路面条件等，以及旅行的类型、模式和特征。
二、特点2.1快速准确基于时间尺度的路段行程时间预测方法可以在短时间内进行预测，而且准确性较高。
因此，可以有效支持航空、火车、公共汽车、出租车等交通运输的调度与计划。
2.2多因素影响基于时间尺度的路段行程时间预测方法考虑了多种因素影响路段行程时间，如路线、交通流量、路面条件等，以及旅行的类型、模式和特征。
三、优势3.1预测精确基于时间尺度的路段行程时间预测方法可以精确估计出路段行程时间，有效抑制潜在的交通拥堵，从而提高交通安全性和效率。
3.2实时性强基于时间尺度的路段行程时间预测方法可以实时预测，可以更好地支持实时交通调度和路况改善规划。
结论：本文介绍了“基于时间尺度的路段行程时间预测方法”，分析了该方法的特点及其优势。
考虑多能灵活性的综合能源系统多时间尺度优化调度一、概述随着能源结构的不断转型和能源需求的日益增长，综合能源系统正逐渐成为能源领域的研究与应用热点。
综合能源系统通过集成多种能源资源，如电力、天然气、热能等，实现了能源的互补和优化利用，从而提高能源利用效率、降低环境污染，并增强能源系统的安全性与可靠性。
在能源系统实际运行过程中，由于可再生能源的高度不确定性、负荷需求的波动性以及不同能源之间的转换效率差异，其优化调度面临着诸多挑战。
多能灵活性是综合能源系统的重要特性之一，它指的是系统能够根据不同能源的特性、价格以及需求状况，灵活调整各种能源的产、供、存、消过程，以实现能源利用的最优化。
这种灵活性的实现需要依赖于先进的优化调度技术。
多时间尺度优化调度是综合能源系统优化调度的关键手段。
它根据能源系统的运行特性和需求变化，将调度过程划分为不同的时间尺度，如长期规划、中期调度和实时调整等，并在每个时间尺度上采用不同的优化策略和方法。
这种调度方式能够充分考虑不同时间尺度下的能源需求和约束条件，从而实现能源系统的全局优化。
本文旨在研究考虑多能灵活性的综合能源系统多时间尺度优化调度问题。
我们将首先分析综合能源系统的结构特点和运行机理，然后探讨多能灵活性的实现方式和影响因素。
在此基础上，我们将建立多时间尺度优化调度模型，并采用先进的优化算法进行求解。
我们将通过仿真实验验证所提出方法的有效性和实用性，为综合能源系统的优化调度提供理论支持和实践指导。
1. 综合能源系统概述综合能源系统，作为新时代能源利用与管理的典范，旨在通过先进的物理信息技术与创新的管理模式，实现对区域内多种能源资源的有效整合与高效利用。
该系统不仅涵盖传统的煤炭、石油、天然气等不可再生能源，更将电能、热能、风能、太阳能等可再生能源纳入形成一个多元化、互补互济的能源供应体系。
综合能源系统的核心在于其多能协同的特性。
通过对不同能源子系统的协调规划、优化运行以及交互响应，系统能够实现能源之间的互补与替代，从而提高整体能源利用效率，降低能源浪费。
新能源聚合响应及多时间尺度稳定支撑技术新能源，听起来是不是有点高大上？其实它的意义并没有大家想象中那么复杂。
你看，咱们的太阳能、风能、水能，都是新能源，都是从自然界里“借用”来的。
说白了，就是自然馈赠的能源，使用起来又环保又能省钱。
话说回来，新能源聚合响应这个名字听起来有点让人摸不着头脑，但其实说白了就是怎么将这些新能源“组织”起来，让它们发挥最大作用，不会浪费，能稳定提供能源给我们。
咱们都知道，电力供应这玩意儿，不能一阵子有电，一阵子又没电，那就太麻烦了。
新能源虽然好，可它有个不太讨喜的特点，就是不太稳定，像太阳能，天黑了就没得用了，风能也是，风一停，风车也停了。
所以，怎么让新能源持续稳定地工作，让咱们的电力“永不掉线”，成了一个特别大的问题。
要解决这个问题，其实有很多招数，其中一个就是多时间尺度稳定支撑技术。
别看这名字一听就让人觉得像是上了天文物理的课，其实它就是想通过技术手段，保证新能源在不同时段，不同需求下都能稳定供应。
想象一下，如果你是一个电力“管家”，你得随时知道什么时候需要更多的电，什么时候需要少一点的电，而这些电的来源呢，就是新能源。
电量的需求还不是一直不变的，白天和晚上、夏天和冬天需求差异很大。
你要让新能源不管在什么时段都能准时“到位”，这可不是个小挑战。
咱们说的多时间尺度，就是要从多个层面去考虑这件事。
比如白天太阳很强，风也刮得挺凶，那就有可能发出更多的电。
而晚上呢，风就可能停了，太阳也没了。
这个时候，新能源系统需要智能调度，别让电力供应出现“掉链子”的情况。
说得简单点，就好像你每天有一个非常不稳定的朋友，早上还好好的，下午可能就突然“消失”。
你得有办法跟他保持联系，确保他不会突然就“消失”让你尴尬。
那怎么办呢？就得有一套调度系统，能够精准预测哪些时候新能源能发挥作用，哪些时候需要其他电源来补充。
还有呢，新能源的“阵容”里不是只有太阳能、风能这些大明星，它们往往是“轮流上阵”的，光靠一个两不行。
基于SOP和VSC的交直流混合配电网多时间尺度优化控制张博;唐巍;丛鹏伟;张筱慧;娄铖伟【摘要】智能软开关(SOP)、电压源换流器(VSC)等电力电子设备具备快速灵活的功率调节能力,能够有效应对分布式电源带来的随机性和波动性.本文分析了含SOP 和VSC的交直流混合配电网基本结构,针对高渗透率分布式电源接入带来的高损耗和电压越限问题,提出了一种多时间尺度协调控制方法.在日前时间尺度上,针对离散的开关变量与连续的SOP、VSC功率,以降低损耗为优化目标建立分层协调调度模型;在日内短时时间尺度上,针对电压越限风险情况,以控制电压为优化目标快速调整SOP、VSC功率.采用基于蚁群算法和原对偶内点法的混合优化算法对所提出的模型进行求解,实现联络开关与SOP、VSC功率的联立优化.通过算例仿真验证了所提模型和算法的有效性.%Power electronic equipment such as soft open point ( SOP) and voltage source converter ( VSC) can ef-fectively cope with the randomness and fluctuation of distributed generation ( DG) with fast and flexible ability of power regulation. Structure of hybrid AC/DC distribution networks with SOP and VSC is analyzed. A multi-time scale coordinated control method is proposed, which aims at high power losses and out-of-limit voltage caused by in-tegration of large number of DG. Taking switch states and power of VSC and SOP as optimization variables, a hier-archical coordination model with the objective of minimized network loss is established at day-ahead time scales. In the short time scale, voltage deviations are minimized in the risk state by regulating power of SOP and VSC. A hy-brid optimization algorithm based on ant colony algorithm and primal-dual interior point method is proposed to solve the problem andrealize coordinated optimization of switch states and power of VSC and SOP. The efficiency of the proposed model and method are verified in a case study.【期刊名称】《电工电能新技术》【年(卷),期】2017(036)009【总页数】9页(P11-19)【关键词】交直流混合配电网;智能软开关;电压源换流器;多时间尺度【作者】张博;唐巍;丛鹏伟;张筱慧;娄铖伟【作者单位】中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083【正文语种】中文【中图分类】TM73随着配电网规模的不断扩大以及风力、光伏等大量可再生能源的接入，未来配电网的结构以及运行方式将更加复杂。
![一种动态经济调度的多时间尺度滚动调度方法及其系统[发明专利]](https://img.taocdn.com/s1/m/e4ac51f114791711cd7917a3.png)
专利名称：一种动态经济调度的多时间尺度滚动调度方法及其系统
专利类型：发明专利
发明人：丁宏恩,黄学良,苏大威,陈中,吕洋,赵奇,田江,陈妍希,唐聪
申请号：CN202011043346.1
申请日：20200928
公开号：CN112186802A
公开日：
20210105
专利内容由知识产权出版社提供
摘要：本发明公开一种动态经济调度的多时间尺度滚动调度方法及其系统，调度方法包括以下步骤:基于电力系统发电组成结构，构建具有互补发电特质的新能源发电聚合方；建立负荷匹配系数，对负荷曲线进行平滑优化；依据优化负荷最大匹配原则对发电商出力制定日前计划，求解出负荷匹配系数最小情况下新能源聚合商实时出力；根据日内调度模型对发电端进行出力调整；根据实时调度模型对发电端进行出力微调。
本发明多时间尺度滚动调度方法对具有互补特性的新能源进行聚合调度；考虑电力供需匹配度，优化负荷，并平抑常规能源机组出力波动；有效地增加了新能源消纳率，减少了弃风、弃光现象，同时减轻了电网对常规能源机组调度负担及调节成本。
申请人：国网江苏省电力有限公司苏州供电分公司,东南大学,国网江苏省电力有限公司
地址：215000 江苏省苏州市姑苏区劳动路555号
国籍：CN
代理机构：北京同辉知识产权代理事务所(普通合伙)
代理人：王依
更多信息请下载全文后查看。
![一种碳捕集电厂的多时间尺度调度方法及系统[发明专利]](https://img.taocdn.com/s1/m/1bb103110242a8956aece480.png)
专利名称：一种碳捕集电厂的多时间尺度调度方法及系统专利类型：发明专利
发明人：薄利明,曾鹏,郑惠萍,程雪婷,何彩红,刘新元,卫鹏杰,高宏,杨尉薇,张颖,曲莹,王玮茹,张谦,郝捷,皮军,张一
帆
申请号：CN202010439528.4
申请日：20200522
公开号：CN111541272A
公开日：
20200814
专利内容由知识产权出版社提供
摘要：本发明公开了一种碳捕集电厂的多时间尺度调度方法及系统，本发明考虑碳捕集电厂具有深的调节范围和快的调节速率，采用提前指定次日的调度计划的方式，利用深的调节范围进行弃风消纳，而采用更具更短的预测周期的数据预测，以对调度计划进行实时调整的方式，利用快的调节速率实现实时调度中消纳弃风，同时，为避免日前日内确定的烟气分流比对实时调度阶段弃风消纳造成影响，在调度计划指定阶段和一次调整阶段限制烟气分流比的策略。
申请人：国网山西省电力公司电力科学研究院,东北电力大学
地址：030000 山西省太原市青年路6号
国籍：CN
代理机构：北京高沃律师事务所
代理人：杜阳阳
更多信息请下载全文后查看。
多时间尺度调度原理
嘿，朋友们！今天咱要来聊聊这个超有意思的“多时间尺度调度原理”。
就好比说，你早上起来要先洗漱，然后吃早餐，再去上班，这一系列的事情在不同的时间段里有不同的安排，对吧？这就是一种简单的时间尺度调度！再比如说，你计划周末出去玩，得先想好去哪里，怎么去，带什么东西，这也是在不同时间点上做不同的决策呀，可不是随随便便就决定的哦！
想象一下，一个庞大的工厂里，各种机器设备、工人、原材料都需要协调运作。
在一个小时里，要完成一批零件的加工；在一天里，要完成一定数量产品的生产；而在一个月里，又要达到某个产量目标。
这多么像一场精彩的大合奏啊！每个部分都要在自己特定的时间节点上精准演奏，才能奏出美妙的乐章。
咱再想想城市的交通系统。
每天不同的时间段，车流量都不一样。
高峰期的时候，交警要更加忙碌地指挥交通，信号灯要更加合理地变换，这不就是在不同时间尺度上进行有效的调度嘛！就好像一个经验丰富的指挥官，指挥着千军万马。
在我们的日常生活中，不也经常会遇到要同时处理好多事情的时候吗？一会儿要去接孩子放学，一会儿又要去超市买东西，晚上还得准备晚餐。
这不就是我们自己的多时间尺度调度嘛！
所以说呀，多时间尺度调度原理其实就在我们身边，无处不在！它就像一个神奇的魔法，让一切都能有条不紊地进行。
咱可得好好研究研究它，让它为我们的生活和工作带来更多便利和高效啊！咱可别小瞧了它，不然可能会手忙脚乱哦！大家说是不是呢？。
多时间尺度的调度计划
时间尺度的调度计划是指在不同时间范围内对资源、任务或活
动进行安排和管理的计划。
这种计划通常涉及到长期、中期和短期
的时间尺度。
长期调度计划通常涉及对资源和设施的长期规划，以
满足未来需求。
中期调度计划涉及对生产和运营活动的安排，通常
在数周到数月的时间范围内。
短期调度计划则涉及对日常任务和活
动的安排，通常在数天或数周内。
从长期时间尺度来看，调度计划需要考虑到未来的市场趋势、
技术发展和资源供给情况。
这可能涉及到设备更新、扩建或新设施
的规划，以及人力资源的培训和招聘等方面。
在中期时间尺度上，
调度计划需要考虑到生产计划、库存管理和供应链安排，以确保产
品能够按时交付并且库存水平得到合理控制。
而在短期时间尺度上，调度计划需要考虑到每日生产安排、员工排班、设备维护和突发事
件处理等方面，以保证生产活动的顺利进行。
另外，时间尺度的调度计划还需要考虑到不同部门之间的协调
和信息共享，以及外部环境的变化对计划的影响。
这可能涉及到跨
部门的沟通和协调，以及对市场变化、政策法规和自然灾害等外部
因素的应对措施。
综上所述，时间尺度的调度计划需要从长期、中期和短期多个角度进行全面考虑和安排，以确保资源的有效利用和任务的顺利完成。
同时，跨部门的协调和外部环境的变化也需要纳入考量范围，以应对不同时间尺度上的挑战和变化。
30科技资讯 SCIENCE & TECHNOLOGY INFORMATION动力与电气工程DOI：10.16661/ki.1672-3791.2018.29.030面向新能源并网的电力系统鲁棒调度模式的应用解析包小兵(广东电网有限责任公司河源供电局 广东河源 517000)摘 要：在新能源并网的前提下，为了更好地调节电力系统的相关因素，我国电力领域经过不断探究及操作最终制定了多时间尺度鲁棒调度模式。
本文对多时间尺度鲁棒调度模式进行阐述，并对多时间尺度鲁棒调度的实施过程进行模拟实验，并将传统的调度模式作为基础，进行相应的对比，进而凸显多时间尺度鲁棒调度模式的优势。
随之对多时间尺度鲁棒调度模式所应用的相关技术进行分析探讨，以此为新能源并网的电力系统调度提供相应的参考依据。
关键词：新能源并网 电力系统 鲁棒调度模式中图分类号：TM614 文献标识码：A 文章编号：1672-3791(2018)10(b)-0030-02在新能源大规模并网之后，对电力系统的调度产生了一定的影响。
对新兴能源精度的预测从整体来看相对较低，而且实际的调度与计划调度之间也存在着一定的差距，这种现象出现在调度计划之中，严重的将无法实现与实际功率保持平衡。
除此之外，新能源的随机波动性也导致无法对电力系统的调频和调峰容量进行确定，严重会导致弃光、弃风等问题出现。
1 传统多时间尺度的电力系统调度模式1.1 传统调度模式针对传统的日内、日前、多时间的尺度协调运行的工作过程如图1所示。
其中，所表示的是t 1时间内的日前计划负荷，所代表的是t 11时间内日内修正的负荷，在修正的过程中结合滚动超短期的负荷，进而对其做出相应的预测，t 1时间内的实际负荷与日计划之间存在的差别由△进行表示，而其中存在的偏差需要有机组AGC进行承担，△P NACG 代表的则是在t1时间内结合滚动预测使出现的偏差缩小。
以t 1时间为例，简单阐述传统的功率平衡过程。
计及多重差异的交直流混合多能微网多时间尺度优化调度蔡瑶;卢志刚;潘尧;何良策;周长磊【期刊名称】《电工技术学报》【年(卷),期】2024(39)11【摘要】近年来,可再生能源发电、热电联产、储能和电力电子变压器(PET)等技术发展迅速,有利于构建多能互补、清洁高效的交直流混合多能微网(MEMG),但不成熟的PET模型和复杂的不确定性为系统的优化调度带来了挑战。
为此,首先构建了一种基于三级式PET的交直流混合MEMG结构,建立了包括PET在内的设备模型和不确定性模型;其次,提出了计及多重差异的MEMG多时间尺度优化调度策略,明确了日前-日内-实时三时间尺度调度的协调机制,其中,多重差异包含需求响应资源、系统调度目标和源荷预测精度在时间尺度上的差异,以及不同能量的响应特性差异;再次,建立了对应的多时间尺度优化调度模型,包括日前鲁棒机会约束优化模型、日内随机优化模型和实时分层滚动修正模型,并在日前调度中,改进了传统储能和电热耦合设备的备用模型,设计了基于PET的交直流系统备用共享机制,将调度模型转换为混合整数线性规划模型,给出了利用CPLEX求解器求解多时间尺度调度模型的步骤;最后,通过算例分析表明,所提调度策略可以通过逐级修正调度计划应对不确定性,且所设计备用方案兼具可靠性和灵活性。
【总页数】19页(P3392-3410)【作者】蔡瑶;卢志刚;潘尧;何良策;周长磊【作者单位】燕山大学电力电子节能与传动控制河北省重点实验室;济宁曲阜机场有限公司【正文语种】中文【中图分类】TM732【相关文献】1.计及不同主体的含PET交直流混合微网双层优化调度2.计及源荷不确定性的独立型交直流混合微网多能源协调优化调度3.计及多能共享的互联微能源网的分布式协同优化调度4.考虑多重不确定性的交直流混合微网多目标优化运行因版权原因，仅展示原文概要，查看原文内容请购买。
Coordination Between Short-Term and Real-Time SchedulingIncorporating Wind PowerKui Wang, Buhan Zhang, Jiajun Zhai, Wen Shao,Xiaoshan Wu and Chengxiong MaoState Key Laboratory of Advanced Electromagnetic Engineering and TechnologyHuazhong University of Science and Technology, Wuhan, Chinawangkui_hust@Keywords: short-term scheduling, real-term scheduling, coordination scheduling, wind power.Abstract. Coordination strategies between short-term (e.g., weekly and daily scheduling ) and real-time scheduling in wind power integrated system are disscussed. To cope with the uncertainty of wind power and load demands, weekly and daily rolling schedulings are applied. According to the latest updated prediction results of wind power and load demands, weekly rolling scheduling is applied to revise unit commitment and fuel allocation in remaining hours in a week. Daily rolling scheduling is applied to revise generation scheduling in remaining time in a day. A modified IEEE 118-bus system is applied to test the proposed approach. IntroductionGeneration scheduling are generally divided into long-term [1], mid-term [2], daily[3,4] and real-time [5] schedulings in time scales. The coordination among different time scales schedulings is very important, and effective coordination can ensure that the whole scheduling can be implemented smoothly. The coordination between long-term and short-term scheduling are discussed in references [6], and a predetermined minimum reserve energy was used as the coordination index. If the reserve energy was less than the minimum value, the long-term scheduling would be adjusted. In reference [7], the daily unit commitment was implemented with daily energies constraints, obtained from the long-term scheduling.However, there're few articles concerning the coordination between short-term and real-term scheduling, especially incorporating wind power. In weekly scheduling, the horizon of the study is one week with increments of an hour, mainly focusing on unit commitment and fuel allocation. The study of the daily scheduling is one day with increments of 10min, mainly solving economic dispatch problem. Real-time scheduling is used to adjust unit power in the nest 10min.The characteristics (e.g., randomness, volati-lity and unpredictable) of wind increase difficulty and uncertainty and lead to great difference between higher and lower time scales schedulings. To solve the above problems, we adopt rolling schedulings, including weekly and daily rolling schedulings. According to the latest updated prediction results of wind power and load demands, rolling schedulings are carried out to revise the results of the original schedulings. Multi-time scales generation schedulingsA. Weekly schedulingWeekly scheduling mainly focuses on unit commitment and fuel allocation in hours. The objective function consists of fuel cost )(⋅Gi F and start-up cost Git S .∑∑==−−+=week GT t N i Git t i it Git Gi it week S u u P Fu F 11)1(])1()([min (1)where t is the index of time in weeks, and i is the index of thermal units. week T equals 168h in oneweek. it u and Git P represent the commitment state and the output power of unit i at time t respectively. 1=it u if unit i is running at time t else 0=it u .Constraints of weekly scheduling are listed as follows. a) System power balancet P PP u Dt N j WjtN i Git it WG ∀=+∑∑== 11(2)where j and W N is the index and the number of wind farms respectively. Wjt P is the predicted output power of the wind farm j at time t , and Dt P is the predicted system load demands at time t . b) Thermal unit generation limitst i P u P P u Gi it Git Gi it ∀∀≤≤ max min (3) where min Gi P and max Gi P are minimum and the maximum power of unit i . c) Thermal unit ramp rate limitsi u t Gi Git i d P P ξξ≤−≤−−)1( (4)where iu d /ξ represent ramp down/up limits of unit i . d) Thermal unit minimum up/down time limits0)()()1()1(≥−∗−−−oni on t i it t i T T u u and 0)()()1()1(≥−∗−−−off i off t i t i it T T u u (5) where off on it T / represent on/off time of unit i at time t , and off on i T / represent minimum up/down time of unit i .e) Weekly energy constraintsiE T Pu E wGi wT t Git it w Gi week∀≤∆≤∑= max 1min(6)where w Gi E min and wGi E max represent minimum and maximum weekly energy of unit i . w T ∆equals an hour. f) Up reserve constraintstDt N i Git Gi iti uit US P d P Pu u G+∗≥−∑=%)]( , min[1maxξ (7)g) Down reserve constraintst Dt N i Gi Gitit id it DS P d P P u u G+∗≥−∑=%)]( , min[1min ξ(8)where ττDS US /represent up/down spinning reserve requirements caused by wind power, and can be calculated by the second model [3]. %d is spinning reserve requirements ratio of load demands. B. Daily schedulingAccording to the unit commitment an fuel allocation results, obtained from weekly scheduling, daily scheduling is used to deal with economic dispatch in one day with increments of 10min. The objective is to minimize the total generation costs of thermal units.∑∑===day GT N i Gi Gi iday P F u F 11)(min ττττ (9)where it i u u =τ, if t ∈τ. day T equals 144 in one day.Daily scheduling should consider energy constraints obtained from weekly scheduling.i E T P u E dGi dT Gi i d Gi day∀≤∆≤∑= max 1minτττ (10)where d Gi E min and dGi E max represent minimum and maximum daily energy of unit i . d T ∆equals 10min. C. Real-time schedulingAccording to daily scheduling, real-time scheduling is used to adjust unit power in the nest 10min. The objective is to minimize the total adjusting costs of thermal units.∑=∆+∆+=GN i Gi i Gi i Gi i i real P a P b Pa u F 12])2[()(min τττττ (11)where i a and i b are consumption characteristic coefficients of unit i , and τGi P ∆ is the adjustingpower of unit i at time τ.Similarly to weekly scheduling, daily and real-time schedulings must also satisfy a series of constraints, such as system power balance, unit generation limits, unit ramp rate limits and up and down reserve constraints.Coordination strategiessBased on the unit commitment states and fuel allocation results of weekly scheduling, daily scheduling mainly focuses on economic dispatch in smaller increments (e.g., 10min). Real-time scheduling is applied to adjust unit power in next 10min based on the results of daily scheduling. The daily energy minimum and maximum limits can be calculated as follows [7].∑==weekTtGitwGidGidGiEEEE1minminand∑==weekTtGitwGidGidGiEEEE1maxmaxwheredTGiidGiTPuEday∆=∑=1τττ(12)The wind power and load prediction is more precisely in shorter term than longer term, so it's necessary to revise the results of longer term scheduling. According to the latest updated prediction results of wind power and load demands, weekly rolling scheduling is applied to revise unit commitment and fuel allocation in remaining hours in a week. Similarly, daily rolling scheduling is applied to revise generation scheduling of remaining time in a day.Solution methodsThe weekly scheduling is divided into external subproblem deciding unit commitment states, and inner subproblem solving economic dispatch. External subproblem is solved by discrete particle swarm optimization algorithm, and inner subproblem is solved by Lagrangian multiplier method based on the equal consumption increment principle. Daily and real-time scheduling can be solved by improved continuous particle swarm optimization effectively.Case studyA modified IEEE 118-bus system [1] is applied to test the proposed model. Thermal units on 36, 69 and 77 buses are replaced by three wind farms with the capacity of 250MW, 180MW and 100MW repectively. Hourly wind power of the first week in winter is depicted as Fig. 1, and 10min wind power in the first day of the above mentioned week is depicted as Fig. 2.one week farms in one dayThe planned output energy of thermal units in the first week in the winter is shown in Fig. 3. It can be seen that the lower unit generation cost is, the bigger unit planned energy will be. The planned output energy of unit 27 and 28, whose generation costs are lower, are 38831.19MWh and 37286.47MWh. Based on the results of weekly scheduling, the planned output energy of thermal unit in the first day is shown in Fig. 4.Short-term load and wind power prediction results at some 10min, used in daily scheduling are 3222.6732MW and 205.349MW respectively in a 10min. And ultra short-term prediction results of them, used in real-time scheduling, are 3500MW and 180MW respectively in the above mentioned interval. The adjusting power of thermal units is shown in Fig. 5. It can be seen that the lower unit adjusting cost is, the bigger unit adjusting power will be. Due to ramp limits, units 5, 10, 11, 20, 21, week. Fig. 4. Units output energy in a day. Fig. 5. Units adjusting power inreal-time. ConclusionsWeekly scheduling mainly focuses on unit commitment and fuel allocation, and daily scheduling canbe treated as economic dispatch problem based on the results of weekly scheduling. At last, real-time scheduling is applied to adjust output power of thermal units. In order to handle the future uncertainty, weekly and daily schedulings are implemented at regular intervals based on the lastest updated load demands and wind power. The case study shows the effectiveness of the coordination strategies of short-term and real-time scheduling. AcknowledgementsThis work was supported by National High Technology Research and Development Program of China(863 Program) (2011AA05A101), National Basic Research Program of China (2009CB219702) and National Natural Science Foundation of China (50837003). References[1] Yong Fu, Mohammad Shahidehpour and Zuyi Li, ''Long-term security-constrained unitcommitment: hybrid Dantzig-Wolfe decomposition and subgradient approach'', IEEE Trans on Power Systems , vol. 20, no. 4, pp. 2093-2106, Nov. 2005．[2] C. G, Baslis and A. G. Bakirtzis, ''Mid-term stochastic scheduling of a price-maker hydroproducer with pumped storage'', IEEE Trans on Power Systems , vol. 26, no. 4, pp. 1856-1865, Nov. 2011．[3] C. L. Chen, “Optimal wind-thermal generating unit commitment, IEEE Trans on EnergyConversion, vol. 23, no. 1, pp. 273-280, Mar. 2008．[4] J. Hetzer, D. C. Yu, and K. Bhattarai, “An economic dispatch model incorporating wind power,IEEE Trans on Energy Conversion , vol. 23, no. 2, pp. 603-611, Jun. 2008．[5] Y. Li, L. Ge, and Y. Lin, “Real-time power dispatch strategy considering energy saving andenvironmental protection, Electric Power Automation Equipment , vol. 29, no. 3, pp. 42-45, Mar. 2009(in Chinese)．[6] M. K. C. Marwali, ''Coordination between long-term and short-term generation scheduling withnetwork constraints'', IEEE Trans on Power Systems , vol. 15, no. 3, pp. 1161-1167, Aug. 2000． [7] E. Handschin, and H. Slomski, ''Unit commitment in thermal power systems with long-termenergy constraints'', IEEE Trans on Power Systems , vol. 5, no. 4, pp. 1470-1477, Nov. 1990．Renewable and Sustainable Energy II10.4028//AMR.512-515Coordination between Short-Term and Real-Time Scheduling Incorporating Wind Power10.4028//AMR.512-515.700。
