基于多场景联系数的分布式风电场售电收益优化方法与流程

本发明涉及分布式风电领域，特别是一种基于多场景联系数的分布式风电场售电收益优化方法。

背景技术：

我国规划明确提出以分布式与集中式发电并举，就近消纳为主的原则优化风电布局。具有可就近消纳、调度灵活、节能环保等优点的分布式风电受到了越来越多的关注。积极发展分布式发电项目可以提高能源利用效率，优化用电结构，是我国可持续发展的必然选择。在电力市场的大环境下，分布式风电场可以与电力用户直接交易，剩余电量上网，以此获得收益。我国的分布式风电正处于起步阶段，对其收益进行分析有助于政府部门、电力用户、投资商等充分认识到分布式风电的价值，对实现分布式风电的发展和应用有着重要的现实意义。

目前的在分布式风电场的收益研究中，对风电出力、负荷变化、电价波动等不确定因素的处理大多是将其不确定性转化为特定条件下的确定性，忽略了不确定因素不确定的本质，在考虑随机性方面存在不足之处。本方法引入集对论中的联系数对不确定因素进行表述，对其不确定性进行了客观描述。同时充分考虑分布式风电场投资商、电网以及用户三者之间相互作用影响的关系，从分布式风电场商的角度出发，计及风电出力、用户负荷需求以及电价的变化，在多场景下结合联系数构建分布式风电场收益最大化模型，优化风电场出售给用户和电网的电量，以获取最大收益。

技术实现要素：

本发明的目的在于提供一种基于多场景联系数的分布式风电场售电收益优化方法，考虑风电出力的不确定性以及其出售给电网电量价格的波动性，提出在多场景下结合联系数对不确定因素进行全面客观表述描绘的方法，建立基于场景概率并结合联系数的分布式风电售电收益优化模型，为分布式风电场商在市场环境下的售电策略提供参考。

为实现上述目的，本发明的技术方案是：一种基于多场景联系数的分布式风电场售电收益优化方法，包括如下步骤：

步骤s1、提取数据：提取分布式风电场风速、成本数据、分布式风电场出售给电网电量电价、分布式风电场与用户协商的平均电价、电网的销售电价、用户需求数据、单位煤炭转化为co2的系数σ、分布式风电场所在地火电机组单位电量的平均煤耗mcoal、单位碳交易价格δ；

步骤s2、对每个场景中的风电出力与风电场出售给电网电量电价用联系数表达；

步骤s3、以收益最大化为目标，建立基于多场景联系数的分布式风电场售电收益优化模型；

步骤s4、用粒子群算法求解模型，并给出评价指标。

在本发明一实施例中，所述步骤s2具体包括如下步骤：

步骤s21、对每个场景中的风电出力用联系数表达：

分布式风电场出力pw具有间歇性、随机性，在时段t第s个场景中是以值psw^t,s为中心，在预定波动范围内变化，且随着出力偏离中心的距离piw^t,s逐渐变大，它出现的概率逐渐变小；将风电场在第t个时段每个场景下的出力不确定性用联系数表示：

式中，i为不确定系数，大小在[-1,1]变化，piw^t,s为风电场第t个时段场景s下出力的波动幅值，在设置时应该避免取值区间发生重叠，以免表达重复，考虑风电场装机容量的误差以及出力预测值的偏差对波动幅值进行设置；

步骤s22、对每个场景中的风电场出售给电网电量电价用联系数表达：

对风电场出售给电网电量的价格不确定性进行联系数表达有：

λgw^t,s＝λsgw^t,s+λigw^t,si

式中，λsgw^t,s和λigw^t,s分别为风电场第t个时段第s个场景下分布式风电出售给电网电量的电价中心值和波动幅值。

在本发明一实施例中，所述步骤s3具体包括如下步骤：

步骤s31、以收益最大为目标，同时考虑分布式风电场出力的不确定性、其出售给电网电量价格的波动性，利用多场景结合联系数的方法建立优化模型，用数学函数表示为：

式中，qw^t,s,quw^t,s,qgw^t,s分别为分布式风电场在第t时段第s场景下的：发电量，出售给用户的电量，出售给电网的电量；λgw^t,s为分布式风电场第t时段的第s场景下出售给电网电量的价格；λuw为分布式风电场出售给用户的电价；e^t,s为分布式风电场第t时段的第s场景的节能减排收益；ca为风电场发一度电的平均成本；δc为风电偏差惩罚成本；p^t,s为分布式风电场第t时段的第s场景发生的概率；t,s分别为时间段，场景数；

风电的节能减排收益利用碳排放交易模型表示为：

式中，σco2为单位煤炭转换为co2的系数；mcoal为常规火电机组生产单位电能需消耗的标准煤量，由分布式发电厂所在地电厂火电机组的煤耗平均水平确定；δ为参考国际标准确定的单位碳交易价格；

风电偏差惩罚成本为：

式中，λgi为电网销售电价；d％为负偏差率；

步骤s32、基于多场景联系数的分布式风电场售电收益优化模型的约束条件：

(1)分布式风电场发电量平衡约束

qw^t,s＝quw^t,s+qgw^t,s

(2)分布式风电场出力约束

pw^t,s≤pmax

其中，pmax为风电场最大输出功率，pw^t,s为风电场在第t时段的第s个场景下的输出功率；

(3)分布式风电场商最低要求收益率约束

引入联系数描述不确定因素，得到的收益评估也为联系数形式；联系确定量与不确定量的i在[-1,1]之间变化，使得最大收益随之变化；设分布式风电场要求优化的方案收益率不低于rmin％，每个方案得到的最大收益与成本的比值需和最低要求收益率rmin％进行比较：

式中，r为分布式风电场在一个月内的收益。

在本发明一实施例中，所述步骤s4具体包括如下步骤：

步骤s41、用粒子群算法求解模型；

步骤s42、基于多场景联系数的分布式风电场售电收益优化模型的评价指标：

(1)可满足区间

根据联系数的比较方法，可以得到收益率不低于rmin％的i可信区间i；表明分布式风电场的收益在不确定因素的影响下在区间i内满足风电场投资商的收益率要求，将i称为可满足区间，i的范围大小对方案对环境的适应能力有直接影响；

(2)适应度

在不同区间内，联系数中的i所体现的方案适应性不同，i越大、可满足区间宽度越宽则适应性越强，因此将盲数引入来表述适应度；

设αm∈[0,1],m＝1,2...m,则盲数适应度可表示为：

式中：αm为可信区间xm的适应度即表示i在区间xm内时优化结果的适应度；为f(i)的总适应度；m为盲数适应度的阶数；由最低要求收益率rmin％得到可满足区间i＝[i^l,i^r]，由此得到方案的适应度β：

当适应度α越大，则表明方案应对环境的变化的能力越强，即鲁棒性越强。

相较于现有技术，本发明具有以下有益效果：本发明方法考虑风电出力的不确定性以及其出售给电网电量价格的波动性，提出在多场景下结合联系数对不确定因素进行全面客观表述描绘的方法，建立基于场景概率并结合联系数的分布式风电售电收益优化模型，为分布式风电场商在市场环境下的售电策略提供参考。

附图说明

图1为一个月每日优化电量。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明提供了一种基于多场景联系数的分布式风电场售电收益优化方法，包括如下步骤：

步骤s1、提取数据：提取分布式风电场风速、成本数据、分布式风电场出售给电网电量电价、分布式风电场与用户协商的平均电价、电网的销售电价、用户需求数据、单位煤炭转化为co2的系数σ、分布式风电场所在地火电机组单位电量的平均煤耗mcoal、单位碳交易价格δ；

步骤s2、对每个场景中的风电出力与风电场出售给电网电量电价用联系数表达；

步骤s3、以收益最大化为目标，建立基于多场景联系数的分布式风电场售电收益优化模型；

步骤s4、用粒子群算法求解模型，并给出评价指标。

进一步的，所述步骤s2具体包括如下步骤：

步骤s21、对每个场景中的风电出力用联系数表达：

设a描述事物m与n确定性关系，b描述事物m与n不确定性关系，i则表示不确定，则称a+bi为二元联系数，以u来表示联系数，则有：

u＝a+bi

式中i为不确定分量的系数在特定情况下也可以作为不确定性的标记，i在[-1，1]区间视不同情况取值。在包含不确定因素的系统中，结果为某个确定值的概率较小，但是结果出现在确定值一定范围内的概率较大，联系数不仅把一个确定的值与其所在的区间范围相联系，更是将宏观层面上的确定量与微观层面上的不确定量同时利用，使得确定量与不确定量相互影响联系的变化可以在数量上得到客观表达。

设有联系数u1＝a1+b1i和u2＝a2+b2i：

1)联系数相加、减

u1+u2即为两者确定量和不确定量分别相加或相减：

u1+u2＝(a1+a2)+(b1+b2)i

u1-u2＝(a1-a2)+(b1-b2)i

两个联系数相加(减)可以推广到n个联系数相加(减)：

u1+u2+...+un＝(a1+a2+...+an)+(b1+b2+...bn)i

2)联系数的乘法、除法

u1和u2的乘法运算为：

u1×u2＝(a1a2-b1b2)+(a1b2+b1a2)i

联系数u＝a+bi与复数a+bi的形式相同，复数中的i有i⁴ⁿ＝1，i⁴ⁿ⁺¹＝i，i⁴ⁿ⁺²＝-1，i⁴ⁿ⁺²＝-i的规则。联系数中的i表示不确定量，若同样规定联系数中有：i⁴ⁿ＝1，i⁴ⁿ⁺¹＝i，i⁴ⁿ⁺²＝-1，i⁴ⁿ⁺²＝-i则可以得到联系数形式，即两个二元联系数相乘之后还是二元联系数。联系数的除法法则通过联系数乘法的逆运算可以得到。

3)联系数的交换律、结合律和分配律

联系数满足交换律、结合律以及分配律：

u1+u2＝u2+u1；u1u2＝u2u1

(u1+u2)+u3＝u1+(u2+u3)＝(u1+u3)+u2

u1(u2+u3)＝u1u2+u1u3

4)简单形式下联系数的大小比较

对于联系数u1，u2有：

u1-u2＝(a1-a2)+(b1-b2)i

若i∈i包含于[-1,1]时，u1-u2＞0，则在i∈i的范围内有u1＞u2；相同的，u1-u2＜0时，有u1＜u2。

分布式风电场出力pw具有间歇性、随机性，在时段t第s个场景中是以某个值psw^t,s为中心，在一定波动范围内变化，且随着出力偏离中心的距离piw^t,s逐渐变大，它出现的概率逐渐变小。将风电场在第t个时段每个场景下的出力不确定性用联系数表示：

式中，i为不确定系数，大小在[-1,1]变化，piw^t,s为风电场第t个时段场景s下出力的波动幅值，在设置时应该避免取值区间发生重叠，以免表达重复，考虑风电场装机容量的误差以及出力预测值的偏差对波动幅值进行设置；

步骤s22、对每个场景中的风电场出售给电网电量电价用联系数表达：

对风电场出售给电网电量的价格不确定性进行联系数表达有：

λgw^t,s＝λsgw^t,s+λigw^t,si

式中，λsgw^t,s和λigw^t,s分别为风电场第t个时段第s个场景下分布式风电出售给电网电量的电价中心值和波动幅值。

进一步的，所述步骤s3具体包括如下步骤：

步骤s31、以收益最大为目标，同时考虑分布式风电场出力的不确定性、其出售给电网电量价格的波动性，利用多场景结合联系数的方法建立优化模型，用数学函数表示为：

式中，qw^t,s,quw^t,s,qgw^t,s分别为分布式风电场在第t时段第s场景下的：发电量，出售给用户的电量，出售给电网的电量，kwh；λgw^t,s为分布式风电场第t时段的第s场景下出售给电网电量的价格，元/kwh；λuw为分布式风电场出售给用户的电价，元/kwh；e^t,s为分布式风电场第t时段的第s场景的节能减排收益，元；ca为风电场发一度电的平均成本，元；δc为风电偏差惩罚成本，元；p^t,s为分布式风电场第t时段的第s场景发生的概率；t,s分别为时间段，场景数；

风电的节能减排收益利用碳排放交易模型表示为：

式中，σco2为单位煤炭转换为co2的系数；mcoal为常规火电机组生产单位电能需消耗的标准煤量，由分布式发电厂所在地电厂火电机组的煤耗平均水平确定；δ为参考国际标准确定的单位碳交易价格；

风电偏差惩罚成本为：

式中，λgi为电网销售电价；d％为负偏差率；

步骤s32、基于多场景联系数的分布式风电场售电收益优化模型的约束条件：

(3)分布式风电场发电量平衡约束

qw^t,s＝quw^t,s+qgw^t,s

(4)分布式风电场出力约束

pw^t,s≤pmax

其中，pmax为风电场最大输出功率，pw^t,s为风电场在第t时段的第s个场景下的输出功率，kw；

(3)分布式风电场商最低要求收益率约束

引入联系数描述不确定因素，得到的收益评估也为联系数形式；联系确定量与不确定量的i在[-1,1]之间变化，使得最大收益随之变化；设分布式风电场要求优化的方案收益率不低于rmin％，每个方案得到的最大收益与成本的比值需和最低要求收益率rmin％进行比较：

式中，r为分布式风电场在一个月内的收益。

进一步的，所述步骤s4具体包括如下步骤：

步骤s41、用粒子群算法求解模型；

步骤s42、基于多场景联系数的分布式风电场售电收益优化模型的评价指标：

(1)可满足区间

根据联系数的比较方法，可以得到收益率不低于rmin％的i可信区间i；表明分布式风电场的收益在不确定因素的影响下在区间i内满足风电场投资商的收益率要求，将i称为可满足区间，i的范围大小对方案对环境的适应能力有直接影响；

(2)适应度

在不同区间内，联系数中的i所体现的方案适应性不同，i越大、可满足区间宽度越宽则适应性越强，因此将盲数引入来表述适应度；

设αm∈[0,1],m＝1,2...m,则盲数适应度可表示为：

式中：αm为可信区间xm的适应度即表示i在区间xm内时优化结果的适应度；为f(i)的总适应度；m为盲数适应度的阶数；由最低要求收益率rmin％得到可满足区间i＝[i^l,i^r]，由此得到方案的适应度β：

当适应度α越大，则表明方案应对环境的变化的能力越强，即鲁棒性越强。

以下为本发明的一具体实例。

如图1所示，本实施例提供了一种基于多场景联系数的分布式风电场售电收益优化方法，具体包括以下步骤：

步骤s1：提取数据；参见表1、2，提取分布式风电场风速、成本数据、分布式风电场出售给电网电量电价、分布式风电场与用户协商的平均电价、电网的销售电价、用户需求数据、单位煤炭转化为co2的系数σ、分布式风电场所在地火电机组单位电量的平均煤耗mcoal、单位碳交易价格δ等。其中分布式风电场出售给电网电量的价格λgwi服从峰平谷期望分别为0.6、0.5、0.4元/kwh，方差分别为0.065、0.055、0.045(元/kwh)²的正态分布，分布式风电场出售给用户的电价(即用户向风电场购电的电价)λuw设为0.5元/kwh；电网的销售电价为峰平谷电价，分别为0.95、0.65和0.55元/kwh。

步骤s2：对生成的每个场景中的风电出力与风电场出售给电网电量价格用联系数表达。

步骤s3：以收益最大化为目标，建立基于多场景联系数的分布式风电场售电收益优化模型。

步骤s4：用粒子群算法求解模型，并给出评价指标。

表1用户需求情况

表2优化结果评价表

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。