基于虚拟电源的风电场调度方法和系统与流程

本发明涉及风电调度
技术领域：
，尤其涉及一种基于虚拟电源的风电场调度方法和系统。
背景技术：
：为了实现对风电场有功功率的控制，风电场需安装有功功率控制系统，能够接收并自动执行调度部门远方发送的有功出力控制信号，确保风电场最大输出功率及功率变化率不超过电网调度机构的给定值。在下列特定情况下，风电场应根据调度指令来控制其输出的有功功率。例如，电网故障或特殊运行方式下要求降低风电场有功功率，以防止输电线路超稳定极限运行或者线路过载，确保电力系统安全稳定；当电网频率过高，常规电厂调频容量不足时，降低风电场有功功率。以往对于风电的不确定性，只通过风电场中的风电机组的功率预测误差来表示风电的随机性，对于风电场中的风电机组的功率波动性带来的危害却没有考虑。同时风电场中的风电机组均以“被动”参与的者身份参与出力调度，即电网只能通过备用约束或通过备用约束转换得到的风险指标约束来应对风电出力的不确定性。当并网风电规模达到一定程度，若按全额收购并网风电的方式，电网运行的经济性及安全性都会受到极大的影响。技术实现要素：本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种基于虚拟电源的风电场调度方法和系统，能够使风电场中风电机组的损耗最小，有效地提高消纳风电的能力并降低风电场的运行成本。为了实现上述目的，本发明采用的技术方案包括以下各方面。基于虚拟电源的风电场调度方法，其包括：基于风电场内的风电机组在统计时段内的出力数据，划分出运行类和调度类风电机组；分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型；基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数；在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型；接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率。基于虚拟电源的风电场调度系统，其包括通过网络连接的至少一台电子设备和一台数据库服务器；其中，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的方法；所述数据库服务器用于存储统计时段内的出力数据。综上所述，由于采用了上述技术方案，本发明至少具有以下有益效果：通过将风电场中的风电机组分为运行类风电机组和调度类风电机组，并建立分类风电机组的等效虚拟电源调度模型，将运行类风电机组等效得到的虚拟电源处理为一个“负负荷”，被动地参与电网调度；将调度类风电机组等效得来虚拟电源作为“主动”电源，灵活性地参与电网调度；在此基础上构建风电场内部风电机组的出力调度模型，能够在得到风电场中风电机组最优出力计划的同时，根据调度模型生成出力计划使风电场中风电机组的损耗最小，避免了以往无论什么时候都全额收购风电对电网带来的经济性和安全性的影响，能有效地提高电网消纳风电的能力并降低风电场的运行成本。附图说明图1是根据本发明实施例的基于虚拟电源的风电场调度方法的流程图。图2是根据本发明实施例的基于虚拟电源的风电场调度系统的结构示意图。具体实施方式下面结合附图及实施例，对本发明进行进一步详细说明，以使本发明的目的、技术方案及优点更加清楚明白。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。图1示出了根据本发明实施例的基于虚拟电源的风电场调度方法。该实施例的方法包括：步骤101：基于风电场内的风电机组在统计时段内的出力数据，划分出运行类和调度类风电机组具体地，可以输入风电场内的每个风电机组在统计时段内的出力数据，通过核函数对出力数据进行概率分布拟合，获取每个风电机组出力的概率密度函数；分别根据出力的概率密度函数，计算出力概率分布的期望和方差。将出力概率分布的期望小于或等于第一出力期望阈值(例如，0.6980)，且出力概率分布的方差大于或等于第一出力方差阈值(例如，0.5514)的风电机组分为调度类风电机组。将出力概率分布的期望大于或等于和第二出力期望阈值(例如，0.6027)，且出力概率分布的方差小于或等于第二出力方差阈值(例如，0.5242)的风电机组分为运行类风电机组。步骤102：分别将运行类和调度类风电机组等效为运行虚拟电源和调度虚拟电源，分别建立运行虚拟电源和调度虚拟电源的调度模型运行类风电机组的出力功率大、波动小，其在调度期间一直处于运行状态，且出力等于其期望出力。由该类风电机组等效得到的虚拟电源可作为一个“负负荷”参与电网调度。调度类风电机组的出力功率相对较小，波动较大，其在调度期间根据电网下达给风电场的调度指来设置启停及出力功率。此由调度类风电机组等效得来虚拟电源具有灵活性，可主动参与电网调度。具体地，与调度类风电机组等效的调度虚拟电源的调度模型表示为：和式中，是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，是该虚拟电源功率波动在t时段对上调、下调备用的需求容量，pn2为该虚拟电源的额定容量，分别为该虚拟电源在t时段的上调、下调备用需求系数，为该虚拟电源在t时段的预测功率，该为该虚拟电源在t时段的并网功率。与运行类风电机组等效的运行虚拟电源的调度模型表示为：式中，分别是根据风电备用需求模型求得的该虚拟电源在t时段对上调、下调备用的需求容量，是该虚拟电源功率预测误差在t时段对上调、下调备用的需求容量，是该虚拟电源功率波动在t时段对上调、下调备用的需求容量。步骤103：基于风电机组的运行成本、运行备用费用、弃风惩罚成本和风电场内风电机组的损伤量，构造风电场优化调度模型的目标函数具体地，电场优化调度模型的目标函数表示为：minf＝f1+f2+f3+f4式中，f1为风电机组的运行成本；f2为运行备用费用；f3为弃风惩罚成本；f4为风电场内风电机组的损伤量。其中，风电机组的运行成本为：式中，fc.i.i(pi.tii.t)为风电机组i的运行成本函数，ii.t为风电机组i在t时段的启停状态；sui.t、sdi.t分别为风电机组i在t时段的开机费用和关机费用；ng为常规风电机组台数；t为调度时段数。运行备用费用为：式中，cr.u.i、cr.d.i分别为风电机组i的上调、下调运行备用的报价系数；ri.u.t、ri.d.t分别为风电机组i在t时段内提供的上调、下调运行备用容量。弃风惩罚成本为：式中，cw为弃风惩罚成本系数，pd1wf.t、pd2wf.t分别为虚拟电源1、2在t时段的预测功率，pdb1wf.t、pdb2wf.t分别为虚拟电源1、2在t时段的并网功率容量。根据运行虚拟电源和调度虚拟电源的调度模型，可以获取弃风量。风电场内风电机组的损伤量为：式中，n1、n2分别为虚拟电源1、2的所包含的风电机组数；a为风电机组正常运行时的疲劳损伤，b为风电机组启动时的疲劳损伤，c为风电机组停机时的疲劳损伤，d为风电机组空转时的疲劳损伤。步骤104：在平衡约束、计及爬坡约束的风电机组出力限制约束、以及运行备用容量约束下，求解风电场优化调度模型的目标函数，获取风电场优化调度模型其中，平衡约束为：式中，pi.t为风电机组i在t时段的出力值(即风电机组功率值)，ng为风电机组台数；pywf.t为与运行类风电机组等效的运行虚拟电源在t时段的预测功率；pload.t为t时段的预测负荷；ploss.t为t时段的网络损耗，包括风电场内有功损耗。计及爬坡约束的风电机组出力限制约束为：式中，分别为风电机组i在t时段的出力值下限、上限；ri.u.t、ri.d.t为风电机组i在t时段内提供的上调、下调运行备用容量；pi.t-1为风电机组i在t-1时段的出力值；pi.max、pi.min分别为风电机组i的出力上、下限；upi、dpi分别为风电机组i在调度时段内的向上、向下爬坡能力。运行备用容量约束为：式中，ru.t、rd.t分别为在t时段内提供的上调、下调备用容量；rl.u.t、rl.d.t分别为预测负荷对上调、下调运行备用容量的需求；rf.t为事故备用需求；分别为风电机组i在t时段内提供的上调、下调运行备用容量限值，并且：具体地，可以利用yalmip工具箱，通过matlab平台，调用cplex软件输入上述约束条件来计算风电场优化调度模型的目标函数的解。步骤105：接收电网调度指令，根据风电场优化调度模型设置风电场内风电机组的出力功率图2示出了根据本发明实施例的基于虚拟电源的风电场调度系统，其包括通过网络320连接的至少一台电子设备310和一台数据库服务器330。其中，所述电子设备310包括至少一个处理器311，以及与所述至少一个处理器通信连接的存储器312；所述存储器312存储有可被所述至少一个处理器311执行的指令，所述指令被所述至少一个处理器311执行，以使所述至少一个处理器311能够执行前述任一实施例所公开的方法。所述数据库服务器330用于存储统计时段内的出力数据等各种数据332。以包括30台1.5mw风电机组的风电场作为并网风电场的调度为例，应用上述实施例的方法和系统，采用修订后的ieee6节点算例进行仿真分析。将风电场内30台风电机组分为运行类和调度类风电机组，并分别将其等效为运行虚拟电源(记为虚拟电源2)和调度虚拟电源(记为虚拟电源1)。因为风电具有较明显的反调峰特性，在负荷低谷时段风电出力大，而在负荷高峰时段风电出力小。为全面分析风电对电网运行的影响，本算例分别对负荷低谷时段(例如4～7时段)及负荷高峰时段(例如20～23时段)进行了分析。负荷低谷、高峰时段的需求负荷及虚拟电源预测功率(mw)如表1、表2所示。表1时段4时段5时段6时段7负荷198195195204虚拟电源19.6776.2797.3485.935虚拟电源216.28012.75213.78111.317表2时段20时段21时段22时段23负荷300291285270虚拟电源14.0373.8200.4131.064虚拟电源26.8386.1200.9111.126其中，拟电源1、2的额定容量分别为10.5mw、16.5mw。网络损耗取预测负荷的5％，负荷预测误差对上调/下调运行备用容量的需求取预测值的2％，事故运行备用取预测负荷的5％，风电场的有功损耗取其装机容量的1％，并网风电对系统上调/下调运行备用的需求，根据风电备用需求模型求得，其中风电功率预测误差及风电功率波动的置信度α均取为90％，风电功率波动的功率区间根据虚拟电源的历史出力波动分布统计得到，弃风惩罚成本系数根据略大于最经济一台风电机组的单位成本原则，取cw＝10。接收电网调度指令后，根据风电场优化调度模型设置风电场内风电机组的出力功率，具体地，虚拟电源1、2在负荷低谷时段及高峰时段的出力功率(mw)如表3所示。表3由表3可知，在负荷高峰时段22虚拟电源1的出力值为0，即进行了弃风，这是因为时段22风电场提供的上调备用不能满足电网的需求，如若此时通过增开调度类风电机组来满足上调备用需求，所增加的经济运行费用将远高弃风惩罚费用，所以在这个时段通过弃风来满足风电场运行的经济性。之所以会由虚拟电源1弃风是因为虚拟电源1的风电机组较虚拟电源2的风电机组出力期望值小，波动大，在进行风电场类风电机组优化调度时优先关停虚拟电源1对应的风电机组，从而有效地提高消纳风电的能力并降低风电场的运行成本。以上所述，仅为本发明具体实施方式的详细说明，而非对本发明的限制。相关
技术领域：
的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。当前第1页12