一种考虑间歇性能源不确定性的最优误差边界的确定方法

文档序号:9550302阅读:453来源:国知局
一种考虑间歇性能源不确定性的最优误差边界的确定方法
【技术领域】
[0001] 本发明涉及一种考虑间歇性能源不确定性的最优误差边界的确定方法。
【背景技术】
[0002] 大规模新能源并网后,基于准确负荷预测的电力系统传统调度体系已不再适用。 传统调度方法通过直接预留旋转备用来消纳适应风电波动,但足以保证系统安全的备用量 不易精确获取。更好的解决方法是随机优化技术,根据概率密度分布函数随机模拟风电的 出力,获得统计意义上的最优期望成本。但为保证准确性需考虑很多场景,计算效率受到限 制。
[0003]近年来,鲁棒调度受到广泛关注。在给定参数不确定性变化范围的情况下,该方法 寻求一个最优解,使得约束条件在不确定参数的所有可能取值下均得到满足。
[0004]《不确定运行条件下电力系统鲁棒调度的基础研究》构建了鲁棒调度的一般性模 型,指出场景束约束使鲁棒调度区别于确定性调度方式。
[0005]《RobustEconomicDispatchConsideringRenewableGeneration》基于零和博 弈理论建立鲁棒调度模型,该模型为极大极小问题,通过采用一种松弛算法求解该模型并 得到了较好的收敛结果。
[0006]《电力系统鲁棒经济调度》把鲁棒调度问题归结为"鲁棒可行性"问题,通过逐次产 生割平面不断排除非鲁棒可行点,最终获得可靠的调度策略。上述文章分别从不同的切入 点建立鲁棒调度模型,但当风电场数目变多时,模型的复杂程度将急剧上升。
[0007]《多风电场并网时安全约束机组组合的混合整数规划解法》、《基于极限场景集的 风电机组安全调度决策模型》采用基于极限场景法的鲁棒机组组合模型,较好地解决了当 风电场个数变多时模型复杂度急剧上升的问题。《多风电场并网时安全约束机组组合的混 合整数规划解法》证明了调度计划只要能适应2n个极限场景,必然能适应其余的误差场景 (η为风电场个数)。《基于极限场景集的风电机组安全调度决策模型》是该方法的进一步 应用。根据线性区间优化理论,《水-火-风协调优化的全景安全约束经济调度》、《Unit com-mitmentwithvolatilenodeinjectionsbyusingintervalop-timization〉〉进一 步简化调度模型,仅考虑最小场景和最大场景,虽然模型偏于保守但能大大提高计算效率。 基于极限场景法和线性区间优化的鲁棒调度均要求输入风电的误差边界,以此来生成极限 场景集。最极端的情况,鲁棒调度涵盖所有的可能性(考虑风电从零到最大技术出力之间 的任意波动),但存在过于保守、对目标函数牺牲过大的风险。因此,上述文章通过给定一 个小于1的置信概率来获取风电的误差边界。该误差边界忽略了某些小概率的极端波动情 况,使调度方案能适应绝大部分的风电波动并能得到相对较优的发电成本。但该方法主观 性较强,缺乏定量分析误差边界的大小对鲁棒调度的影响。
[0008]《考虑可再生能源出力不确定性的微电网能量优化鲁棒模型》、《含风电场电力系 统的模糊鲁棒优化调度》均涉到误差边界的概念,但模型中仍采用固定的误差边界。
[0009]《消纳大规模风电的鲁棒区间经济调度(二)不确定集合构建与保守度调节》通过 分析误差边界对鲁棒调度的影响,提出了满足一定置信水平的误差边界选取方法,使得调 度人员可以根据风险偏好来控制鲁棒调度策略的保守度。误差边界的大小反映了调度方案 的"鲁棒边界",直接影响了调度的经济性和鲁棒性。
[0010] 上述文章仍没有提出一种综合考虑经济性和鲁棒性两方面因素的误差边界优化 方法。

【发明内容】

[0011] 针对现有技术的缺点,本发明的目的是提供一种考虑间歇性能源不确定性的最优 误差边界的确定方法,其能够解决电力系统鲁棒调度的经济性和鲁棒性的冲突问题。
[0012] 为了实现上述目的,本发明提供了一种考虑间歇性能源不确定性的最优误差边界 的确定方法,其包括如下步骤:
[0013] A、采用场景法描述新能源出力的不确定性;
[0014] B、建立电力系统鲁棒调度模型;
[0015] C、根据新能功率源预测误差概率密度分布函数进行弃风和切负荷的风险评估,从 而建立误差边界优化模型;
[0016] D、构建双层优化算法并求解最优误差边界。
[0017] 本发明的方法适用于在间歇性电源大规模并网的情况下如何制定保证电网安全、 经济运行的调度方案的领域。
[0018] 步骤A中,采用场景法描述新能源出力的不确定性。
[0019] 新能源的功率预测存在较大的误差,每一种可能的出力描述为一个调度场景。以 W个风电场为例,则场景81为风电场的某一种出力组合,即
[0020] Sl= [PW(1),PW(2),...,Pw(w),...,Pw(W)] (1)
[0021] 由于风电在误差边界内的出力是连续随机的,因此任意时刻场景s1的个数是无穷 的,记NSl为场景个数,风电出力为预测值记为预测场景s。,风电出力不等于预测值记为误 差场景sji=l,2,...,NSl)。
[0022] 在调度模型中,包含风电出力的约束项包括功率平衡约束和线路潮流约束。如 何保证系统在所有场景Sl都满足功率平衡及线路潮流不越限是关键问题。换言之,通过 制定合适的常规机组发电计划来应对各种误差场景。假设时刻h预测场景下的发电计划 为P(s。,h)。当发生误差场景^时,需要另外的发电计划才能保证系统功率平衡和线路潮 流不越限,该发电计划记为P(Sl,h)。由于机组的爬坡率限制,要求预测场景下的发电计划 P(s。,h)在调整时间的约束下过渡到误差场景下的发电计划P(Sl,h)。
[0023] 步骤B中,建立电力系统鲁棒调度模型如下所示:
[0024] 鲁棒机组组合模型综合考虑风、光、火、水、气、核、抽水蓄能多种类型能源,考虑各 类电源的运行成本及排放的环境成本,以预测场景下的发电成本和环境成本之和为目标函 数,约束方程包括预测场景下的相关约束和误差场景下的相关约束两个部分。
[0025] (1)目标函数
[0026] min.F(g,t)=Sn+Sq+Sx+Sun+Suq+Sen ⑵
[0027] 式中,Sn、Sq、Sx分别为火电、气电、核电的可变运行成本,Sun为火电机组启停成本, Suq为气电机组启停成本,S为火电与气电的环境成本。
[0029]
[0028] (2)预测场景下的约束
[0030]
[0031]
[0032] 式中,式(3)为功率平衡约束,#和g分别为时段t下常规机组η和新能源机组w 的出力,驾为负荷大小;式(4)为旋转备用约束,€_、为常规机组出力上限,L%为负荷对旋 转备用的需求;式(5)为线路潮流约束,L(l)为线路1的潮流限制,丫"和γw分别为常规 机组η和新能源机组w在线路1上的功率分布因子。
[0033] 此外,还需考虑各类型机组的物理约束,具体如下:
[0034]a)火电机组相关约束
[0035]
[0036]
[0037]
[0038]
[0039]
[0040]式中,式(6)为火电机组的成本函数,An、Bn、Cn为成本系数,< 为火电机组η在时 段t的出力;式(7)为火电机组上下限约束,Ρη_、Ρ_χ*别为火电机组η的最小出力与最 大出力;式⑶为火电机组的爬坡率约束,run为火电机组η的向上爬坡率,rdn为火电机组 η的向下爬坡率;式(9)和式(10)为火电机组的开关机约束,Td(n)、Tu(n)为火电机组η的 最小关机、开机时间。
[0041]b)气电机组相关约束
[0042]
[0043]
[0044]
[0045]
[0046]
[0047]
[0048] 式中,式(11)为气电机组的成本函数,Aq、Bq、Cq为成本系数,Pqt为气电机组q在 时段t的出力;式(12)为气电机组上下限约束,Pq_、Pq_分别为气电机组q的最小出力与 最大出力;式(13)为气电机组的爬坡率约束,ruq为气电机组q的向上爬坡率,rdq为气电机 组q的向下爬坡率;式(14)和式(15)为气电机组的开关机约束,Td(q)、Tu(q)为气电机组 q的最小关机、开机时间;式(16)为气量约束,Qq为因气量限制气电厂一天的最大发电量。
[0049] c)水电机组相关约束
[0050]
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1