本发明涉及电力系统运行与控制技术领域,尤其涉及一种风电电力系统经济调度方法及装置。
背景技术:
当大规模风电接入电力系统后,风电功率的不确定性可能会引起系统有功功率的不平衡。充分研究风电功率在不同时间尺度、不同时间段以及不同预测水平上的不确定性,进而准确、合理地描述风电功率不确定性,有利于维持系统在不同时间尺度上的有功功率平衡。在现有风电功率预测精度下,如何准确地描述风电功率的不确定性,建立有效经济调度模型,实现对应调度模型的高效求解,在调度层面上减小风电功率的间歇性给电力系统带来的影响,对风电的消纳具有重要意义。
基于风电功率预测值的传统经济调度模型将风电功率点预测得到的风电功率曲线作为风电场的计划出力曲线,并按风电装机容量的一定比例来预留系统的备用容量,以应对实际风电功率的波动。这种模型以一种比较粗放的方式考虑风电功率的波动,对应的调度模型便于求解,但其难以准确地考虑风电功率的不确定性。在实际应用中,若系统备用容量预留的比例过大,则系统将能较好地应对风电功率的波动,但这将导致火电机组的出力难以达到较经济的水平,会造成系统总成本增加;若系统备用容量预留的比例过小,则系统将难以应对实际风电功率可能存在的较大波动,可能引起弃风或者切负荷现象,这将不利于系统的经济性与稳定性。
当前还未有方法能够完整地通过描述风电功率的不确定性,为保守的调度决策者提供有效的参考。
技术实现要素:
本发明实施例提供了一种风电电力系统经济调度方法及装置,通过不确定集合来描述风电功率的不确定性,并在日内风电功率波动较大时保证系统在备用容量、线路潮流、系统运行总成本等方面更优,从而为保守的调度决策者提供有效的参考。
本发明实施例提供了一种风电电力系统经济调度方法,其特征在于,包括:
获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点;
根据所述风电功率预测数据、所述风电功率实际数据、所述相对预测误差和所述分位点生成风电功率的盒式不确定集合;
在所述盒式不确定集合中获取风电功率的上下限,根据所述风电功率的所述上下限计算极端出力场景和极端爬坡场景;
根据获取到的所述极端出力场景的平均弃风成本和切负荷成本、所述极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数;
在预置约束条件下对所述目标函数进行求解得到电力系统的出力计划。
优选地,所述根据所述风电功率预测数据、所述风电功率实际数据、所述相对预测误差和所述分位点生成风电功率的盒式不确定集合具体为:
根据所述风电功率预测数据、所述风电功率实际数据、所述相对预测误差和所述分位点通过预置第一公式组生成风电功率的盒式不确定集合;
其中,所述预置第一公式组为:
式中,
优选地,所述在所述盒式不确定集合中获取风电功率的上下限,根据所述风电功率的所述上下限计算极端出力场景和极端爬坡场景具体为:
在所述盒式不确定集合中获取风电功率的上下限,根据所述风电功率的所述上下限通过预置第二公式组计算极端出力场景和极端爬坡场景;
其中,所述预置第二公式组为:
式中,当t为奇数时,
优选地,所述根据获取到的所述极端出力场景的平均弃风成本和切负荷成本、所述极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数具体为:
根据获取到的所述极端出力场景的平均弃风成本和切负荷成本、所述极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,通过预置第三公式构建电力系统的成本目标函数;
其中,所述预置第三公式为:
式中,ai,bi,ci为第i台火电机组的燃料成本系数,pi,t为第i台火电机组t时刻的出力,ηi,t为第i台火电机组t时刻的开关机状态,kwcut为风电场单位风电功率对应的弃风量的成本,
优选地,所述预置约束条件包括:系统的有功功率平衡约束、火电机组的出力上下限约束、火电机组的爬坡约束、系统的备用容量约束、线路的安稳约束、风电功率的约束、系统的弃风量约束和系统的切负荷量约束。
优选地,本发明实施例还提供了一种风电电力系统经济调度装置,包括:
获取单元,用于获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点;
生成单元,用于根据所述风电功率预测数据、所述风电功率实际数据、所述相对预测误差和所述分位点生成风电功率的盒式不确定集合;
计算单元,用于在所述盒式不确定集合中获取风电功率的上下限,根据所述风电功率的所述上下限计算极端出力场景和极端爬坡场景;
构建单元,用于根据获取到的所述极端出力场景的平均弃风成本和切负荷成本、所述极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数;
求解单元,用于在预置约束条件下对所述目标函数进行求解得到电力系统的出力计划。
优选地,所述生成单元还用于根据所述风电功率预测数据、所述风电功率实际数据、所述相对预测误差和所述分位点通过预置第一公式组生成风电功率的盒式不确定集合;
其中,所述预置第一公式组为:
式中,
优选地,所述计算单元还用于在所述盒式不确定集合中获取风电功率的上下限,根据所述风电功率的所述上下限通过预置第二公式组计算极端出力场景和极端爬坡场景;
其中,所述预置第二公式组为:
式中,当t为奇数时,
优选地,所述构建单元还用于根据获取到的所述极端出力场景的平均弃风成本和切负荷成本、所述极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,通过预置第三公式构建电力系统的成本目标函数;
其中,所述预置第三公式为:
式中,ai,bi,ci为第i台火电机组的燃料成本系数,pi,t为第i台火电机组t时刻的出力,ηi,t为第i台火电机组t时刻的开关机状态,kwcut为风电场单位风电功率对应的弃风量的成本,
优选地,所述预置约束条件包括:系统的有功功率平衡约束、火电机组的出力上下限约束、火电机组的爬坡约束、系统的备用容量约束、线路的安稳约束、风电功率的约束、系统的弃风量约束和系统的切负荷量约束。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供了一种风电电力系统经济调度方法及装置,该方法包括:获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点;根据风电功率预测数据、风电功率实际数据、相对预测误差和分位点生成风电功率的盒式不确定集合;在盒式不确定集合中获取风电功率的上下限,根据风电功率的上下限计算极端出力场景和极端爬坡场景;根据获取到的极端出力场景的平均弃风成本和切负荷成本、极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数;在预置约束条件下对目标函数进行求解得到电力系统的出力计划。本发明通过不确定集合来描述风电功率的不确定性,再根据该不确定集合确定风电功率的极端出力场景和极端爬坡场景,避免了极端场景获取的随机性,能够有效表征日内风电出力的极端情况,最后在火电机组燃料成本的基础上计及了风电功率极端场景下的弃风成本和切负荷成本构建了目标函数,且考虑了不同场景下对应的弃风量约束、切负荷量约束以及潮流约束,通过该目标函数求解得到的出力计划,能在日内风电功率波动较大时保证系统在备用容量、线路潮流、系统运行总成本等方面更优,从而为保守的调度决策者提供有效的参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明提供的一种风电电力系统经济调度方法的一个实施例的流程示意图;
图2为本发明提供的一种风电电力系统经济调度装置的一个实施例的流程示意图;
图3为ieee30节点系统的网络拓扑图;
图4为日前系统总负荷预测曲线和风电功率预测曲线(时间精度为15min);
图5为风电功率的极端出力场景和极端爬坡场景示意图;
图6为日前传统经济调度对应的系统备用容量图;
图7为本发明提供的风电电力系统经济调度方法对应的系统备用容量示意图。
具体实施方式
本发明实施例提供了一种风电电力系统经济调度方法及装置,通过不确定集合来描述风电功率的不确定性,并在日内风电功率波动较大时保证系统在备用容量、线路潮流、系统运行总成本等方面更优,从而为保守的调度决策者提供有效的参考。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明提供的一种风电电力系统经济调度方法的一个实施例,包括:
101、获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点;
需要说明的是,该风电功率预测数据为日前风电功率预测数据,该分位点可以为相对预测误差的0.05分位点和0.95分位点。在本实施例中,在获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点的同时,还可以同时获取到日前系统负荷预测数据、火电机组运行参数和系统线路参数,以供后续构建和求解电力系统的成本目标函数所用。
102、根据风电功率预测数据、风电功率实际数据、相对预测误差和分位点生成风电功率的盒式不确定集合;
在本实施例中,用盒式不确定集合来描述风电功率的不确定性。风电功率的预测区间对应端点一般根据风电功率分布对应的分位点来确定,且可以根据实际需要合理地选择置信水平,以调整风电功率不确定集合的保守性。故本发明实施例在获取到相关数据后,根据风电功率预测数据、风电功率实际数据、相对预测误差和分位点通过预置第一公式组生成风电功率的盒式不确定集合。
其中,预置第一公式组为:
式中,
需要说明的是,以上风电功率的实际值和风电功率的预测值对应的是同一时刻的风电功率,如某一刻的风电功率实际值为当天风电场在该时刻可以发出的最大风电功率,故风电功率预测值可以是风电场提前一天上报给调度者对应该时刻的风电功率的估值。
103、在盒式不确定集合中获取风电功率的上下限,根据风电功率的上下限计算极端出力场景和极端爬坡场景;
在本实施例中,为了给调度者提供较为保守的结果,本发明只考虑极端场景下的风电功率。极端出力场景是指风电功率在任意时刻取值均为不确定集合中的最大值(最大极端出力场景)或任意时刻取值均为不确定集合中的最小值(最小极端出力场景)。极端爬坡场景是指风电功率依次在不确定集合的上界和下界之间取值,即在相邻时间断面,风电功率总是一个时刻在不确定集合的上界,一个在不确定集合的下界。故本发明实施例在盒式不确定集合中获取风电功率的上下限,根据风电功率的上下限通过预置第二公式组计算两类四个极端场景。
其中,预置第二公式组为:
式中,当t为奇数时,
104、根据获取到的极端出力场景的平均弃风成本和切负荷成本、极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数;
计及风电功率的极端场景后,且在计及火电机组燃料成本的基础上,综合了考虑四种极端场景下对应的平均弃风成本和切负荷成本,通过预置第三公式构建电力系统的成本目标函数。
其中,预置第三公式为:
式中,ai,bi,ci为第i台火电机组的燃料成本系数,pi,t为第i台火电机组t时刻的出力,ηi,t为第i台火电机组t时刻的开关机状态,kwcut为风电场单位风电功率对应的弃风量的成本,
105、在预置约束条件下对目标函数进行求解得到电力系统的出力计划。
预置约束条件包括:系统的有功功率平衡约束、火电机组的出力上下限约束、火电机组的爬坡约束、系统的备用容量约束、线路的安稳约束、风电功率的约束、系统的弃风量约束和系统的切负荷量约束。
具体的,系统的有功功率平衡约束为:
式中,
火电机组的出力上下限约束为:
式中,pmin,i和pmax,i为第i台火电机组的最小出力和最大出力,由火电机组运行参数提供。
火电机组的爬坡约束为:
式中,ru,max,i和rd,max,i分别为第i台火电机组向上和向下的最大爬坡速率。
系统的备用容量约束为:
式中,ru,i,t和rd,i,t为第i台火电机组t时刻的向上和向下备用容量。
线路的安稳约束为:
式中,ft为t时刻风电场计划出力对应的各线路有功潮流向量,fts为t时刻风电出力为场景s时对应的各线路有功潮流向量,fmax为各线路最大传输容量的向量。
风电功率的约束为:
系统的弃风量约束为:
系统的切负荷量约束为:
式中,τ为系统允许的最大切负荷比例。
在以上预置约束条件下,对目标函数进行求解可得到电力系统的出力计划。由于弃风变量和切负荷变量的引入,结合系统弃风量约束和切负荷量约束,对应的调度问题最终转化为一个确定性的二次规划问题,可利用内点法进行求解,最终得到火电机组和风电场的最优出力计划,使得对应计及了风电功率极端场景的系统平均总成本最小。再将火电机组的日前出力计划通过调度中心下达给对应的火电厂,得到的风电场的日前出力计划通过调度中心下达给对应的风电场。
本发明涉及的风电功率的极端出力场景和极端爬坡场景,相比于蒙特卡罗法得到的随机极端场景,能有效避免极端场景获取的随机性,且能较好地表征日内风电出力的极端情况,从而为本发明提供的风电电力系统经济调度方法提供有效的输入。
本发明涉及的风电电力系统经济调度模型,计及了风电功率四种极端场景下系统可能出现的弃风成本和切负荷成本,并考虑了不同场景下对应的弃风量约束、切负荷量约束以及潮流约束,能有效应对日内可能出现的风电功率极端场景。
本发明涉及的风电电力系统经济调度模型求解方法,通过弃风变量和切负荷变量的引入,结合系统弃风量约束和切负荷量约束,对应的调度问题最终转化为一个二次规划问题,可利用内点法快速进行求解。
本发明涉及的风电电力系统经济调度方法,能通过不确定集合来描述风电功率的不确定性,并在日内风电功率波动较大时保证系统在备用容量、线路潮流、系统运行总成本等方面更优,从而为保守的调度决策者提供有效的参考。
上面是对一种风电电力系统经济调度方法进行的详细说明,为便于理解,下面将以一具体应用场景对一种风电电力系统经济调度方法的应用进行说明,应用例包括:
以含1个风电场的ieee30节点系统为例,对本发明提供的风电电力系统经济调度方法进行了分析。ieee30节点系统的网络拓扑如图3所示,风电场接入点为15号节点,风电总装机容量为150mw,风电功率的基本历史数据亦通过爱尔兰岛的风电数据获得。系统火电机组参数如表1所示,线路基本参数可通过参考已知文献进行设置,单位弃风量的成本kwcut为80$/mwh,单位切负荷量的成本kdcut为160$/mwh。日前系统总负荷预测曲线和风电功率预测曲线(时间精度为15min)如图4所示。对应的火电机组日前开关机计划如表2所示,对应日前风电功率的极端场景如图5所示。
表1
表2
以下基于同一测试系统,分别从调度结果的系统备用容量、各线路潮流以及系统运行总成本等方面对本发明提供的风电电力系统经济调度方法和日前传统经济调度方法进行了对比分析。
(1)系统备用容量分析
传统经济调度方法和本发明提供的风电电力系统经济调度方法得到的系统备用容量分别如图6和图7示,对应备用容量缺额如表3所示。
表3
由图6可知,日前传统经济调度方法对应的备用容量基本足以应对日内风电功率的波动。然而,由于其没有详细考虑不同预测水平下风电功率的预测误差,而是按风电装机容量的一定比例预留备用,其备用容量预留过多,特别是系统向下备用容量,会影响调度结果的经济性。
由图7可知,本发明提供的风电电力系统经济调度方法综合考虑了四种极端场景下对应的备用容量约束,能保障风电功率在不确定集合内波动时,系统的有功功率平衡,尽可能地避免系统弃风或切负荷。
由表3可知,相比于日前传统经济调度方法,本发明提供的风电电力系统经济调度方法在保障系统备用容量基本满足要求的前提下,其预留的总备用更少,这是因为其充分考虑了不同预测水平下风电功率的预测误差的统计信息。
(2)线路潮流分析
日前传统经济调度方法、本发明提供的风电电力系统经济调度方法得到的系统线路最大的有功潮流如表4所示。
表4
对比可知,两种调度方法对应的线路有功潮流均在线路的安全范围内,在日前调度计划下均满足系统线路的安全要求。线路1-2(line1)由于连接火电机组g1和g2,线路9-10(line14)由于连接g5和重负荷区,对应的线路有功潮流较大,接近对应线路的传输容量。由于本发明提供的风电电力系统经济调度方法综合考虑了四种极端场景下各线路的安稳约束,因而其对应的各线路有功潮流的最大值(89.65mw)小于传统经济调度的有功潮流最大值(分别为96.39mw)。综上分析可知,本发明提供的风电电力系统经济调度方法能为对应线路预留更多的传输裕度以应对日内风电功率的波动,在应对日内线路潮流波动时具有良好的安全性。
(3)成本分析
日前传统经济调度方法将风电预测出力作为调度值,优化的是火电机组的出力,其只计及了火电机组的燃料成本(522,530$),忽略了风电不确定性带来的惩罚成本;本发明提供的风电电力系统经济调度方法优化的是考虑四种风电功率极端场景的调度计划,计及了火电机组的燃料成本(512,315$)和四种极端场景下对应的平均惩罚成本(71,119$),总成本为583,434$。对比可知,本发明提供的风电电力系统经济调度方法对应的火电机组的燃料成本最低。
为了在同一标准下分析不同调度方法对应的成本,此处计算了传统经济调度结果对应考虑四种风电功率极端场景的弃风成本和切负荷成本的平均值,以及对应的总成本。日前传统经济调度方法和本发明提供的风电电力系统经济调度方法对应的火电机组燃料成本、平均惩罚成本和总成本如表5所示。其中,平均惩罚成本是指对应调度结果计及四种风电功率极端场景后的弃风成本和切负荷成本的平均值。由表中数据可知,虽然本发明提供的风电电力系统经济调度方法对应的平均惩罚成本(71,119$)高于传统经济调度方法(67,523$),但其火电机组燃料成本(512,315$)明显低于传统经济调度方法(522,530$),且本发明提供的风电电力系统经济调度方法对应的总成本(583,434$)最低。综上分析可知,由于综合考虑了多种风电功率极端场景,本发明提供的风电电力系统经济调度方法能较好地权衡火电机组燃料成本和系统可能出现的弃风和切负荷成本,使得对应的调度结果具有良好的经济性。
表5
以上是对本发明提供的一种风电电力系统经济调度方法进行的说明,以下将对本发明提供的一种风电电力系统经济调度装置进行说明,请参阅图2,本发明提供的一种风电电力系统经济调度装置的一个实施例,包括:
获取单元201,用于获取到电力系统的风电功率预测数据、风电功率实际数据、风电功率实际数据与风电功率预测数据之间的相对预测误差和相对预测误差的分位点;
生成单元202,用于根据风电功率预测数据、风电功率实际数据、相对预测误差和分位点生成风电功率的盒式不确定集合;
计算单元203,用于在盒式不确定集合中获取风电功率的上下限,根据风电功率的上下限计算极端出力场景和极端爬坡场景;
构建单元204,用于根据获取到的极端出力场景的平均弃风成本和切负荷成本、极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,构建电力系统的成本目标函数;
求解单元205,用于在预置约束条件下对目标函数进行求解得到电力系统的出力计划。
更进一步地,生成单元202还用于根据风电功率预测数据、风电功率实际数据、相对预测误差和分位点通过预置第一公式组生成风电功率的盒式不确定集合;
其中,预置第一公式组为:
式中,
更进一步地,计算单元203还用于在盒式不确定集合中获取风电功率的上下限,根据风电功率的上下限通过预置第二公式组计算极端出力场景和极端爬坡场景;
其中,预置第二公式组为:
式中,当t为奇数时,
更进一步地,构建单元204还用于根据获取到的极端出力场景的平均弃风成本和切负荷成本、极端爬坡场景的平均弃风成本和切负荷成本,结合火电机组的燃料成本,通过预置第三公式构建电力系统的成本目标函数;
其中,预置第三公式为:
式中,ai,bi,ci为第i台火电机组的燃料成本系数,pi,t为第i台火电机组t时刻的出力,ηi,t为第i台火电机组t时刻的开关机状态,kwcut为风电场单位风电功率对应的弃风量的成本,
更进一步地,预置约束条件包括:系统的有功功率平衡约束、火电机组的出力上下限约束、火电机组的爬坡约束、系统的备用容量约束、线路的安稳约束、风电功率的约束、系统的弃风量约束和系统的切负荷量约束。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(rom,read-onlymemory)、随机存取存储器(ram,randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。