文章解读与仿真程序复现思路——EI\CSCD\北大核心《考虑直流频率支撑的异步互联送端电网日前调度》

电网论文源程序

于 2024-12-09 08:15:00 发布

阅读量790

点赞数 27

分类专栏：文章解读文章标签：程序

本文链接：https://blog.youkuaiyun.com/LIANG674027206/article/details/144274326

版权

文章解读专栏收录该内容

438 篇文章

订阅专栏

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

论文与完整源程序_电网论文源程序的博客-优快云博客https://blog.youkuaiyun.com/liang674027206/category_12531414.html

电网论文源程序-优快云博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.youkuaiyun.com/LIANG674027206?type=download

这篇文章主要研究了在异步分区模式下，如何通过日前调度来保障送端电网的频率安全，同时考虑直流频率限制器（FLC）的支撑作用。以下是文章的核心内容：

研究背景：在异步分区模式下，直流频率限制器（FLC）对高比例新能源送端电网的频率安全具有重要支撑作用。合理安排送端电网的直流和机组运行计划，对保障送端电网频率安全具有重要意义。
FLC控制模型：FLC作为高压直流输电系统的附加频率控制，能够根据送端电网频率变化实现直流功率快速调节，辅助电网一次调频，快速抑制频率上升或跌落。
送端电网频率安全建模：建立了包括系统惯量约束、最大频率偏差约束和一次调频备用约束的送端电网频率安全约束，并通过分段线性化方法消除非线性特征。
日前调度模型：以系统运行成本最小为目标，综合考虑送端电网消纳可再生能源和改善受端电网调峰需求，构建了考虑直流频率支撑的异步互联送端电网日前调度模型。
算例分析：基于改进IEEE RTS 24节点系统进行算例分析，结果表明所提日前调度模型在改善系统运行经济性的同时能够有效保障系统频率安全。
结论：提出的日前调度方法能够在合理安排直流和机组运行计划的同时，保障FLC的频率支撑能力，有效保障异步互联送端电网的频率安全。

文章的关键词包括异步互联电网、频率安全、直流频率限制器和日前调度。

为了复现文章中的仿真算例，我们需要构建一个日前调度模型，该模型考虑了直流频率支撑，并以系统运行成本最小化为目标。以下是复现仿真的步骤和伪代码：

# 步骤 1: 导入必要的库
import numpy as np
from scipy.optimize import minimize

# 步骤 2: 定义目标函数
# 系统运行成本最小化，包括火电运行成本、可再生能源弃电成本和反调峰惩罚成本
def objective_function(x):
    # x 是决策变量，包括火电发电量、启停状态等
    # 此处需要根据具体问题定义成本函数
    total_cost = calculate_thermal_power_cost(x) + calculate_renewable_curtailment_cost(x) + calculate_peak_shaving_penalty(x)
    return total_cost

# 步骤 3: 定义约束条件
# 包括系统惯量约束、最大频率偏差约束和一次调频备用约束等
def constraints(x):
    # x 是决策变量
    constraints_list = []
    # 系统惯量约束
    constraints_list.append(inertia_constraint(x))
    # 最大频率偏差约束
    constraints_list.append(max_frequency_deviation_constraint(x))
    # 一次调频备用约束
    constraints_list.append(primary_frequency_regulation_backup_constraint(x))
    # 其他常规约束
    constraints_list.append(other_constraints(x))
    return constraints_list

# 步骤 4: 初始化决策变量
# 包括火电发电量、启停状态等
initial_decision_variables = initialize_decision_variables()

# 步骤 5: 调用优化器
# 使用线性规划或混合整数线性规划求解器
result = minimize(objective_function, initial_decision_variables, method='SLSQP', constraints=constraints)

# 步骤 6: 输出结果
if result.success:
    print("Optimization successful:", result.x)
else:
    print("Optimization failed:", result.message)

# 辅助函数定义
def calculate_thermal_power_cost(x):
    # 计算火电运行成本
    pass

def calculate_renewable_curtailment_cost(x):
    # 计算可再生能源弃电成本
    pass

def calculate_peak_shaving_penalty(x):
    # 计算反调峰惩罚成本
    pass

def inertia_constraint(x):
    # 系统惯量约束
    pass

def max_frequency_deviation_constraint(x):
    # 最大频率偏差约束
    pass

def primary_frequency_regulation_backup_constraint(x):
    # 一次调频备用约束
    pass

def other_constraints(x):
    # 其他常规约束
    pass

def initialize_decision_variables():
    # 初始化决策变量
    pass

注释解释：