一种消纳新能源受阻功率的荷源协调控制滚动修正方法与流程

本发明涉及可再生能源利用和调度领域技术领域，具体地，涉及一种消纳新能源受阻功率的荷源协调控制滚动修正方法。

背景技术：

随着可再生能源的快速发展，风光电等新能源以其蕴藏巨大，可再生，分布广，无污染等优点越来越得到重视。但同时，由于风光电具有间歇性、波动性、随机性等特点，使得常规电源的调节能力难以有效应对，加大了电网调度控制的难度。为了使电网安全稳定运行，不得不切除部分并网风光电机组，甚至导致已建成的风光电场弃风弃光运行，造成极大的资源浪费。

大规模新能源消纳一直都是世界性难题，我国在这方面的问题更加突出。

技术实现要素：

本发明的目的在于，针对上述问题，提出一种消纳新能源受阻功率的荷源协调控制滚动修正方法，以实现优化虚拟高载能负荷日内用电计划和可再生能源调度计划，为电网可再生调度运行提供参考。

为实现上述目的，本发明采用的技术方案是：一种消纳新能源受阻功率的荷源协调控制滚动修正方法，主要包括：a.修正周期T内,新能源超短期预测值减去新能源日前发电计划值得出日内功率偏移量；

b.确定荷源日内调节优化模型，将新能源日内功率偏移量与虚拟高载能负荷调节能力进行匹配，计算虚拟高载能负荷在修正周期内的日内调节功率；

c.根据虚拟高载能负荷修正周期内的调节功率得到新能源日内调节功率，对新能源日前发电计划进行修正，得到新能源日内滚动发电计划；

d.结合虚拟高载能负荷日前计划值与虚拟高载能负荷修正周期内的日内调节功率形成高载能负荷日内滚动计划；

e.根据新能源日内发电计划和虚拟高载能负荷日内计划分别滚动刷新修正新能源日前发电计划与虚拟高载能负荷日前计划,所述滚动刷新时间间隔为ΔT。

进一步地，所述步骤b中，根据电力系统电力平衡约束、虚拟高载能负荷调节约束即自备电厂的容量及爬坡率约束、新能源约束确定荷源日内调节优化模型。

进一步地，所述步骤b中，所述确定荷源日内调节优化模型包括确定荷源协调优化的目标函数，即确定新能源弃风弃光量最小，具体为：

$\min P_{New\_aband}=\underset{i=1}{\overset{N_W}{\Σ}}{\mathrm{\ΔP}}_{i\_W\_aband}^t+\underset{j=1}{\overset{N_S}{\Σ}}{\mathrm{\ΔP}}_{j\_S\_aband}^t-\underset{m=1}{\overset{N_m}{\Σ}}{\mathrm{\ΔP}}_{VL\_m}^t$

${\mathrm{\ΔP}}_{i\_W\_aband}^t=P_{i\_W\_pre}^t-P_{i\_W\_plan}^t$

${\mathrm{\ΔP}}_{j\_S\_aband}^t=P_{j\_S\_pre}^t-P_{j\_S\_plan}^t$

式中：P_{New_aband}为新能源日内调节后弃风弃光量；N_W为风电场个数；N_S为光伏电站个数；N_m为虚拟高载能负荷个数；为风电场i在t时段的日前弃风量；为光伏电站j在t时段的日前弃光量；分别为风、光电在t时段的超短期预测值；分别为风、光电在t时段的日前计划值。

进一步地，所述虚拟高载能负荷包括生产负荷和自备电厂。

进一步地，所述电力系统电力平衡约束具体为：

式中：为虚拟高载能负荷m的日内上调量；为日前计划中虚拟高载能负荷m在t时段的功率；为日内滚动计划中虚拟高载能负荷m在t时段的功率；为t时段新能源增加出力。

进一步地，所述虚拟高载能负荷调节约束包括机组容量约束，具体为，

式中：为第m台机组在t时段的原出力计划值；P_{m_min}为第m台机组的技术最小出力；P_{m_max}为第m台机组的技术最大出力；为自备电厂机组m的日内调节量；为日前计划中自备电厂机组m在t时段的出力；为日内滚动计划中自备电厂机组m在t时段的出力。

进一步地，所述虚拟高载能负荷调节约束还包括机组爬坡约束，具体为：式中：为第i台机组从时段t-1到时段t的最大容许功率变化值。

进一步地，所述新能源约束具体为：新能源的计划值不大于新能源的预测值，即

$P_{N\_{\mathrm{pre}}^{\′}}^t\≥P_{N\_orig}^t+{\mathrm{\ΔP}}_{New}^t$

式中：为新能源滚动更新的t时段预测值；为新能源t时段原计划值。

本发明各实施例的，由于主要包括：根据虚拟高载能负荷的调节能力，通过建立以弃风弃光量最小为目标的数学模型，得到各虚拟高载能负荷的调节量和可再生能源的日内滚动修正调节量，对日前调度计划进行修正，为电网制定新能源、虚拟高载能负荷日内调度计划提供参考；从而可以克服现有技术中单一地由常规能源进行调峰的困境，实现大规模新能源消纳，减少资源浪费，实现电网的安全稳定运行的优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法虚拟高载能负荷日内滚动计划流程图；

图2为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法以修正周期取4小时、滚动间隔取15分钟为例的日内滚动计划修正更新示意图；

图3为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法中10:30更新的新能源日内滚动计划；

图4为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法中10:45更新的新能源日内滚动计划；

图5为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法中11:00更新的新能源日内滚动计划；

图6为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法中11:15更新的新能源日内滚动计划；

图7为本发明一种消纳新能源受阻功率的荷源协调控制滚动修正方法中11:30更新的新能源日内滚动计划；

结合附图，本发明实施例中附图标记如下：

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

具体地，结合图1，一种消纳新能源受阻功率的荷源协调控制滚动修正方法，包括：

本实施例中修正周期为4h，滚动间隔为15min。

S1：根据修正周期内新能源超短期预测与新能源日前发电计划，可得各时段日内预测偏差量，其中新能源日内功率偏移量＝新能源超短期预测-新能源日前发电计划；

S2：考虑虚拟高载能负荷的爬坡率及功率上下限等约束，确定荷源日内调节优化模型，将新能源日内功率偏移量与虚拟高载能负荷调节能力进行匹配，计算虚拟高载能负荷各时段的日内调节功率；

S3：根据虚拟高载能负荷各时段日内调节功率得到新能源日内调节功率，结合日前计划得到新能源日内滚动发电计划；

S4：结合虚拟高载能负荷日前计划与日内调节功率形成高载能负荷日内滚动计划；

S5：以新能源、虚拟高载能负荷日内滚动计划刷新修正日前计划，每ΔT进行一次。

优选地，所述S3中的优化模型包括如下目标函数与约束条件：

1、目标函数

确定荷源协调优化的目标函数，即新能源弃风弃光量最小：

$\min P_{New\_aband}=\underset{i=1}{\overset{N_W}{\Σ}}{\mathrm{\ΔP}}_{i\_W\_aband}^t+\underset{j=1}{\overset{N_S}{\Σ}}{\mathrm{\ΔP}}_{j\_S\_aband}^t-\underset{m=1}{\overset{N_m}{\Σ}}{\mathrm{\ΔP}}_{VL\_m}^t$

${\mathrm{\ΔP}}_{i\_W\_aband}^t=P_{i\_W\_pre}^t-P_{i\_W\_plan}^t$

${\mathrm{\ΔP}}_{j\_S\_aband}^t=P_{j\_S\_pre}^t-P_{j\_S\_plan}^t$

式中：P_{New_aband}为新能源日内调节后弃风弃光量；N_W为风电场个数；N_S为光伏电站个数；N_m为虚拟高载能负荷个数；为风电场i在t时段的日前弃风量；为光伏电站j在t时段的日前弃光量；分别为风、光电在t时段的超短期预测值；分别为风、光电在t时段的日前计划值；

2、约束条件

目标函数应满足的约束条件包括系统功率平衡约束、虚拟高载能负荷爬坡率和功率上下限值等调节约束、新能源约束等。本例中仅考虑对虚拟高载能负荷中的自备电厂进行日内调节，因此虚拟高载能负荷调节约束即自备电厂的容量及爬坡率约束，数学描述如下：

1)电力系统电力平衡约束

${\mathrm{\ΔP}}_{New}^t-\underset{m=1}{\overset{N_m}{\Σ}}{\mathrm{\ΔP}}_{VL\_m}^t=0$

式中：为虚拟高载能负荷m的日内上调量；为日前计划中虚拟高载能负荷m在t时段的功率；为日内滚动计划中虚拟高载能负荷m在t时段的功率；为t时段新能源增加出力。

2)虚拟高载能负荷约束

a机组容量约束

$P_{m\_min}\≤P_{self0\_m}^t-{\mathrm{\ΔP}}_{self\_m}^t-\≤P_{m\_max}$

式中：为第m台机组在t时段的原出力计划值；P_{m_min}为第m台机组的技术最小出力；P_{m_max}为第m台机组的技术最大出力；为自备电厂机组m的日内调节量；为日前计划中自备电厂机组m在t时段的出力；为日内滚动计划中自备电厂机组m在t时段的出力。

b机组爬坡约束

$|(P_{self0\_m}^t-{\mathrm{\ΔP}}_{self\_m}^t)-(P_{self0\_m}^{t-1}-{\mathrm{\ΔP}}_{self\_m}^{t-1})|\≤{\mathrm{\ΔP}}_m^{max}$

式中：为第i台机组从时段t-1到时段t的最大容许功率变化值。

3)新能源约束

新能源的计划值不大于新能源的预测值。

$P_{N\_{\mathrm{pre}}^{\′}}^t\≥P_{N\_orig}^t-+{\mathrm{\ΔP}}_{New}^t$

式中：为新能源滚动更新的t时段预测值；为新能源t时段原计划值。

以下以某地区电网2015年4月5日的风电、光伏超短期预测、日前调度计划和虚拟高载能负荷的日前发电计划数据为基础，进行虚拟高载能负荷日内滚动计划修正方法的实例分析。以10:30到11：30数据为例分析，本发明提供的以消纳新能源受阻功率为目标的荷源协调控制滚动修正方法包括：

S1：根据修正周期内新能源超短期预测与新能源日前发电计划，可得各时段日内预测偏差量，其中新能源日内功率偏移量＝新能源超短期预测-新能源日前发电计划，如表1所示。

表1各修正周期内日内预测偏差量单位：MW

S2：考虑虚拟高载能负荷的爬坡率及功率上下限等约束，确定荷源日内调节优化模型，将新能源日内功率偏移量与虚拟高载能负荷调节能力进行匹配，计算虚拟高载能负荷各时段的日内调节功率；(本例中日内仅对虚拟高载能负荷中的自备电厂进行调节)如表3所示：

表2虚拟高载能负荷中自备电厂特性表

表3各修正周期内虚拟高载能负荷中的自备电厂日内调节量单位：MW

S3：根据虚拟高载能负荷各时段日内调节功率得到新能源日内调节功率，结合日前计划得到新能源日内滚动发电计划，如表4所示：

表4新能源日内滚动发电计划单位：MW

S4：结合虚拟高载能负荷日前计划与日内调节功率形成高载能负荷日内滚动计划，如表5所示：

表5虚拟高载能负荷日内滚动计划单位：MW

S5：以新能源、虚拟高载能负荷日内滚动计划刷新修正日前计划，每ΔT进行一次。本例中ΔT＝15min。

上述实例分析表明：以消纳新能源受阻功率为目标的荷源协调控制滚动修正方法，通过建立以新能源弃风弃光量最小为目标的数学模型，将虚拟高载能负荷(高载能生产负荷+自备电厂)纳入到现有的可再生能源调度策略中，得到各虚拟高载能负荷的调整量和可再生能源的日内滚动计划修正量，对日前计划进行不断修正和刷新，提高了精度，也进一步消纳了新能源，为电网的可再生能源调度运行和高载能企业合理安排虚拟高载能负荷用电计划提供参考。

大规模新能源消纳一直都是世界性难题，我国在这方面的问题更加突出。因此，充分利用具有可调节特性的需求侧资源来促进新能源的就地消纳是解决新能源发展和消纳双向矛盾的有效途径，而分布在新能源基地附近的高载能负荷便是参与新能源消纳优化调度的良好方案。将虚拟高载能负荷(高载能生产负荷+自备电厂)纳入到现有的可再生能源调度策略中，可以改变以往单一地由常规能源进行调峰的困境。同时鉴于新能源预测精度随时间尺度减小而提高的特性，研究以消纳新能源受阻功率为目标的荷源协调控制滚动修正方法具有重要的理论和实际意义。

至少可以达到以下有益效果：克服现有技术中单一地由常规能源进行调峰的困境，实现大规模新能源消纳，减少资源浪费，实现电网的安全稳定运行的优点。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。