基于改进多目标法的电热联合系统风电接纳能力评估方法

本发明涉及风电接纳能力评估领域，具体涉及基于改进多目标法的电热联合系统风电接纳能力评估方法。

背景技术：

当前，随着开发力度的持续加大，风电已成为我国电力系统的主力电源之一。截至2019年底，我国累计风电装机容量已达2.1亿千瓦，占全部发电装机容量的10.4％。2019年，风电发电量4057亿千瓦时，首次突破4000亿千瓦时，占总发电量的5.5％。与常规能源机组不同，风电出力具备与生俱来的随机波动性和不确定性，因此，大规模风电并网势必增加电网运行难度，降低运行效率，甚至引起“弃风”。2019年，我国年“弃风”电量高达169亿千瓦时，平均“弃风”率为4％，但部分省市“弃风”率仍在10％以上。

当前，“弃风”限电形势严峻的区域主要集中在东北、西北以及华北地区。冬季供暖期，这些地区电网中的热电联产机组占比很高，同时承担发电和供热功能，此时，这些地区的电力与供热系统是典型的电热联合系统。传统电热联合系统中，受制于“以热定电”运行模式，热电联产机组的调峰能力难以发挥，从而导致大规模“弃风”限电。因此，有必要对电热联合系统的风电接纳能力进行评估，为系统调度人员提供参考。

文献一《基于逼近和牛顿插值法的最佳风电接纳水平确定》(电力系统保护与控制，2015年，第43卷，第18期，第12页至17页)为确定系统接纳风电的最佳水平，建立了综合考虑常规机组运行成本和“弃风”电量的调度模型。模型引入风电接纳水平系数，从常规机组和风电场运行的经济性角度提出了一种基于粒子群算法的风电接纳水平的优化方法。文献二《基于模糊多目标优化的电网日前风电接纳能力评估模型》(电网技术，2015年，第39卷，第2期，第426页至431页)构造了以最大化接纳风电和经济发电为目标的电网多目标日前风电接纳能力评估模型。该模型兼顾风电接纳能力的最大化和系统发电的经济性，计算结果可为调度人员制定日前计划提供参考，有利于提高风电利用率并降低发电成本。文献一二着重讨论电力系统中的风电接纳评估能力，没有考率电池储能系统对风电接纳能力的影响。

文献三《考虑损耗成本的电池储能技术电站建模及优化调度》(电网技术，2017年，第41卷，第5期，第1541页至1548页)建立了考虑电池储能系统损耗成本的风电接纳评估模型，模型有两个调度目标：风电接纳能力最大和电网运行成本最低。仿真分析表明：电池储能系统接入电网可有效提升风电接纳能力，然而，该文献未考虑风电出力的不确定性，且没有给出帕累托最优解，未对电池储能系统用于风电接纳的成本与效益进行全面分析。

技术实现要素：

本发明公开了基于改进多目标法的电热联合系统风电接纳能力评估方法，对电池储能系统接入后的电热联合系统风电接纳容量与对应的接纳成本进行评估，适用于电热联合系统风电接纳能力评估领域。首先基于风功率预测误差的概率特性建立风功率场景，考虑风功率的不确定性；然后，建立了包含电池储能系统的电热联合系统风电接纳能力评估模型。模型具有系统运行成本最低和“弃风”电量最小两个不同维度优化目标，且目标优化之间可能存在冲突。为求解此问题，基于改进多目标法将其转化为多个单目标优化问题，并采用gams中dicopt求解器给出了风电接纳能力评估模型的帕累托解集。基于帕累托解集，对电热联合中利用电池储能系统促进风电消纳的成本和效益进行了详细分析。

为实现上述发明目的，本发明采取的技术方案如下：包括以下步骤：

步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；

步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；

步骤3、基于改进主要目标法，采用gams中dicopt求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

作为本发明的优选技术方案：所述步骤1的具体步骤如下：

从日前时间角度对包含电池储能系统的电热联合系统风电接纳性能进行评估时，可对风电出力进行预测，并将其作为评估参考。风电出力预测值为其最大理论出力，由于预测误差的客观存在，风电最大理论出力将在预测值附近随机波动。一般来说，风电最大理论出力在预测值附近的随机波动服从正态分布。由于风功率预测误差客观存在，对电热联合系统风电接纳能力进行评估时，风电最大理论出力位于以风功率预测值为中心的可行域中；

步骤1.1、若为调度时段t的风功率预测值，为调度时段t的风功率最大预测误差，则风电最大理论出力可行域的上、下包络线分别为与

按下式确定调度时段t的风功率最大预测误差

式中，σf,t为是调度时段t风功率预测误差的标准差，根据正态分布的“3σ准则”，若按式(1)给定风功率最大预测误差，风电最大理论出力位于风电最大理论出力可行域中的概率为99.74％；

步骤1.2、构建由ns条风电最大理论出力曲线构成的场景概率模型对给定出力带进行近似，该场景概率模型由ns个场景组成，场景s下的风电最大理论出力为：

步骤1.3、场景s对应的概率ps为：

作为本发明的优选技术方案：步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型中的两个优化目标，具体如下所示：

优化目标1：电热联合系统调度日内日“弃风”电量最小；

式中，fcur为调度日内的“弃风”电量期望；t为调度时段数；δt为调度时段长度；k为风电场索引，nwp为风电场数目；为场景s下风电场k在调度时段t的实际上网风功率；为场景s下风电场k在调度时段t的最大理论出力；

优化目标2：电热联合系统调度日内总运行成本最低；

式中，foc为调度日内总运行成本，所述调度日内总运行成本包括：火电机组燃料成本开机成本f^gen、热电联产机组燃料成本电池储能系统损耗成本f^bess；

火电机组燃料成本如下：

公式(6)中，为场景s下火电机组调度日内的总燃料成本；i为火电机组索引；ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；bcoal为燃料价格；为场景s下火电机组i在调度时段t的煤耗量；

开机成本f^gen如下：

公式(7)中，i为火电机组索引；ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；f^gen为火电机组调度日内的启停成本；为火电机组i的开机成本；

所述为场景s下火电机组i在调度时段t的煤耗量，具体表示如下：

式中，参数ai、bi、ci为火电机组i的煤耗系数；为场景s下火电机组i在调度时段t的发电功率；

为确保供热质量，热电联产机组一般不进行日内启停操作，因此，热电联产机组日内运行成本仅包括燃料成本具体如下：

式中，j为热电联产机组的索引；nchp为热电联产机组台数；为场景s下热电联产机组j在调度时段t的煤耗量，具体如下所示：

式中，aj、bj、cj、dj、ej、fj为热电联产机组j的煤耗系数；分别为场景s下热电联产机组j在调度时段t的发电、供热功率；

电池储能系统损耗成本f^bess可以根据其投资成本与调度日内经历的充放电循环次数进行估算：

式中，v^bess、n^bess分别为电池储能系统投资成本与循环寿命次数；为表示电池储能系统在调度时段t充、放电状态切换情况的二进制变量，取“1”表示电池储能系统在该调度时段由放电状态切换为充电状态，取“1”表示电池储能系统在该调度时段由充电状态切换为放电状态；

作为本发明的优选技术方案：步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型的约束条件包括电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束，风电场出力约束与电池储能系统技术约束；

任意风电最大理论出力场景下，均需满足以下约束；

电力系统平衡约束：

式中，分别为场景s下，电池储能系统在调度时段t的充、放电功率，对任意调度时段来说，与中，至多只有一个变量取值大于零；为调度时段t的电负荷；

热力系统平衡约束：

式中，为调度时段t的热负荷；

火电机组出力约束和爬坡约束：

式中，为火电机组i的最小、最大技术出力，为火电机组i的最大上、下爬坡速率；

火电机组最小启停时间与启停逻辑约束：

xi,t-xi,t-1＝yi,t-zi,t(18)

yi,t+zi,t≤1(19)

式中，yi,t、zi,t表示火电机组i在在调度时段t是否进行开、停机操作的二进制变量，取“1”表示对火电机组i进行开、停机操作，取“0”表示对火电机组i不执行开、停机操作；ki,1、ki,2表示火电机组i的最小开机、停机时段数；u为判断火电机组i是否满足最小启停时间约束时引入的辅助索引；

热电联产机组出力约束：

式中，为热电联产机组j的最大供热功率；分别为热电联产机组j在纯凝工况下的最小、最大发电功率；cj,vm表示背压运行时的电功率和热功率的弹性系数；cj,v1、cj,v2分别表示最大、最小电出力下，进气量不变时多抽取单位供热热量下发电功率的减小量；kj为常数，为用于判断热电联产机组j两种工况分界而引入的辅助参数；

热电联产机组爬坡约束：

式中，为热电联产机组j的最大上、下爬坡速率；

风电场出力约束：

式中，与分别为场景s下风电场k在调度时段t的最大理论出力和实际上网风功率；

电池储能系统充、放电逻辑状态约束：

式中，ot为表示电池储能系统在调度时段t的工作状态二进制变量，取“1”表示电池储能系统在在该调度时段处于充电状态，取“0”表示电池储能系统在该调度时段处于放电状态；

电池储能系统荷电状态约束：

式中，表示场景s下电池储能系统在调度时段t的荷电状态；emin和emax分别表示电池储能系统的最小、最大荷电状态允许值；分别为电池储能系统的充电效率、放电效率；c^bess为电池储能系统的容量；

电池储能系统充、放电速率约束：

式中，和分别为电池储能系统的最大充、放电速率。

作为本发明的优选技术方案：所述步骤3具体步骤如下：

步骤3.1、采用gams中的dicopt求解器求解以公式(4)为优化目标，公式(12)至公式(29)为约束的单目标优化问题，获得调度日内的最小“弃风”电量fcur,min；

步骤3.2、采用gams中的dicopt求解器求解以公式(5)为优化目标，公式(12)至公式(29)为约束的单目标优化问题，并将最优解对应的“弃风”电量作为调度日内的最大“弃风”电量fcur,max；

步骤3.3、将“弃风”电量区间[fcur,min，fcur,max]离散为由l个离散点构成的“弃风”电量集合ωcur，集合中的元素εl(l＝1,2,…,l)由下式给定：

步骤3.4、基于离散化后的“弃风”电量集合ωcur，构造由l个单目标优化问题组成的优化问题集，如式(31)所示：

minfoc

s.t.fcur≥εll＝1,2,l,l(31)

式(12)至式(29)

步骤3.5、采用dicopt求解器对式(31)给出的l个单目标优化问题进行依次求解，获得电热联合系统风电接纳能力评估模型的帕累托解集，该帕累托解集给出了电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

本发明所述基于改进多目标法的电热联合系统风电接纳能力评估方法，采用以上技术方案与现有技术相比，有益效果主要表现在：

(1)考虑了风功率预测误差对电热联合系统风电接纳的影响；

(2)考虑了电池储能系统对电热联合系统风电接纳的影响；

(3)建立了同时计及系统运行成本最低和“弃风”电量最小两个不同维度优化目标的电热联合系统风电接纳能力评估模型，采用改进主要目标法评估模型的帕累托解集，全面展示电热联合系统的风电接纳容量和接纳成本。

附图说明

图1为本发明的方法步骤示意图；

图2为本发明的风电最大理论出力可行区域示意图；

图3为基于改进多目标法的电热联合系统风电接纳能力评估模型求解流程图。

具体实施方式

下面结合附图对本发明做进一步的说明。

如图1至图2所示，本发明提出了基于改进多目标法的电热联合系统风电接纳能力评估方法，具体如下所述：

步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；

步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；

步骤3、基于改进主要目标法，采用gams中dicopt求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

所述步骤1的具体步骤如下：

从日前时间角度对包含电池储能系统的电热联合系统风电接纳性能进行评估时，可对风电出力进行预测，并将其作为评估参考。风电出力预测值为其最大理论出力，由于预测误差的客观存在，风电最大理论出力将在预测值附近随机波动。一般来说，风电最大理论出力在预测值附近的随机波动服从正态分布。由于风功率预测误差客观存在，对电热联合系统风电接纳能力进行评估时，风电最大理论出力位于以风功率预测值为中心的可行域中；

步骤1.1、若为调度时段t的风功率预测值，为调度时段t的风功率最大预测误差，则风电最大理论出力可行域的上、下包络线分别为与

按下式确定调度时段t的风功率最大预测误差

式中，σf,t为是调度时段t风功率预测误差的标准差，根据正态分布的“3σ准则”，若按式(1)给定风功率最大预测误差，风电最大理论出力位于风电最大理论出力可行域中的概率为99.74％；

步骤1.2、构建由ns条风电最大理论出力曲线构成的场景概率模型对给定出力带进行近似，该场景概率模型由ns个场景组成，场景s下的风电最大理论出力为：

步骤1.3、场景s对应的概率ps为：

步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型中的两个优化目标，具体如下所示：

优化目标1：电热联合系统调度日内日“弃风”电量最小；

式中，fcur为调度日内的“弃风”电量期望；t为调度时段数；δt为调度时段长度；k为风电场索引，nwp为风电场数目；为场景s下风电场k在调度时段t的实际上网风功率；为场景s下风电场k在调度时段t的最大理论出力；

优化目标2：电热联合系统调度日内总运行成本最低；

式中，foc为调度日内总运行成本，所述调度日内总运行成本包括：火电机组燃料成本开机成本f^gen、热电联产机组燃料成本电池储能系统损耗成本f^bess；

火电机组燃料成本如下：

公式(6)中，为场景s下火电机组调度日内的总燃料成本；i为火电机组索引；ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；bcoal为燃料价格；为场景s下火电机组i在调度时段t的煤耗量；

开机成本f^gen如下：

公式(7)中，i为火电机组索引；ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；f^gen为火电机组调度日内的启停成本；为火电机组i的开机成本；

所述为场景s下火电机组i在调度时段t的煤耗量，具体表示如下：

式中，参数ai、bi、ci为火电机组i的煤耗系数；为场景s下火电机组i在调度时段t的发电功率；

为确保供热质量，热电联产机组一般不进行日内启停操作，因此，热电联产机组日内运行成本仅包括燃料成本具体如下：

式中，j为热电联产机组的索引；nchp为热电联产机组台数；为场景s下热电联产机组j在调度时段t的煤耗量，具体如下所示：

式中，aj、bj、cj、dj、ej、fj为热电联产机组j的煤耗系数；分别为场景s下热电联产机组j在调度时段t的发电、供热功率；

电池储能系统损耗成本f^bess可以根据其投资成本与调度日内经历的充放电循环次数进行估算：

式中，v^bess、n^bess分别为电池储能系统投资成本与循环寿命次数；为表示电池储能系统在调度时段t充、放电状态切换情况的二进制变量，取“1”表示电池储能系统在该调度时段由放电状态切换为充电状态，取“1”表示电池储能系统在该调度时段由充电状态切换为放电状态；

步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型的约束条件包括电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束，风电场出力约束与电池储能系统技术约束；

任意风电最大理论出力场景下，均需满足以下约束；

电力系统平衡约束：

式中，分别为场景s下，电池储能系统在调度时段t的充、放电功率，对任意调度时段来说，与中，至多只有一个变量取值大于零；为调度时段t的电负荷；

热力系统平衡约束：

式中，为调度时段t的热负荷；

火电机组出力约束和爬坡约束：

式中，为火电机组i的最小、最大技术出力，为火电机组i的最大上、下爬坡速率；

火电机组最小启停时间与启停逻辑约束：

xi,t-xi,t-1＝yi,t-zi,t(18)

yi,t+zi,t≤1(19)

式中，yi,t、zi,t表示火电机组i在在调度时段t是否进行开、停机操作的二进制变量，取“1”表示对火电机组i进行开、停机操作，取“0”表示对火电机组i不执行开、停机操作；ki,1、ki,2表示火电机组i的最小开机、停机时段数；u为判断火电机组i是否满足最小启停时间约束时引入的辅助索引；

热电联产机组出力约束：

式中，为热电联产机组j的最大供热功率；分别为热电联产机组j在纯凝工况下的最小、最大发电功率；cj,vm表示背压运行时的电功率和热功率的弹性系数；cj,v1、cj,v2分别表示最大、最小电出力下，进气量不变时多抽取单位供热热量下发电功率的减小量；kj为常数，为用于判断热电联产机组j两种工况分界而引入的辅助参数；

热电联产机组爬坡约束：

式中，为热电联产机组j的最大上、下爬坡速率；

风电场出力约束：

式中，与分别为场景s下风电场k在调度时段t的最大理论出力和实际上网风功率；

电池储能系统充、放电逻辑状态约束：

式中，ot为表示电池储能系统在调度时段t的工作状态二进制变量，取“1”表示电池储能系统在在该调度时段处于充电状态，取“0”表示电池储能系统在该调度时段处于放电状态；

电池储能系统荷电状态约束：

式中，表示场景s下电池储能系统在调度时段t的荷电状态；emin和emax分别表示电池储能系统的最小、最大荷电状态允许值；分别为电池储能系统的充电效率、放电效率；c^bess为电池储能系统的容量；

电池储能系统充、放电速率约束：

式中，和分别为电池储能系统的最大充、放电速率。

如图3所示，所述步骤3具体步骤如下：

步骤3.1、采用gams中的dicopt求解器求解以公式(4)为优化目标，公式(12)至公式(29)为约束的单目标优化问题，获得调度日内的最小“弃风”电量fcur,min；

步骤3.2、采用gams中的dicopt求解器求解以公式(5)为优化目标，公式(12)至公式(29)为约束的单目标优化问题，并将最优解对应的“弃风”电量作为调度日内的最大“弃风”电量fcur,max；

步骤3.3、将“弃风”电量区间[fcur,min，fcur,max]离散为由l个离散点构成的“弃风”电量集合ωcur，集合中的元素εl(l＝1,2,…,l)由下式给定：

步骤3.4、基于离散化后的“弃风”电量集合ωcur，构造由l个单目标优化问题组成的优化问题集，如式(31)所示：

minfoc

s.t.fcur≥εll＝1,2,l,l(31)

式(12)至式(29)

步骤3.5、采用dicopt求解器对式(31)给出的l个单目标优化问题进行依次求解，获得电热联合系统风电接纳能力评估模型的帕累托解集，该帕累托解集给出了电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

本发明公开了基于改进多目标法的电热联合系统风电接纳能力评估方法，从日前时间角度对电池储能系统接入后的电热联合系统风电接纳能力与接纳成本进行评估。首先，为考虑风功率预测误差对电热联合系统风电接纳的影响，基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；然后，建立了包含电池储能系统的电热联合系统风电接纳能力评估模型，模型具有系统运行成本最低和“弃风”电量最小两个不同维度优化目标，并考虑了电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束等约束；最后，基于改进主要目标法，将电热联合系统风电接纳能力评估模型转化为一系列单目标优化问题，采用gams中dicopt求解器对其进行求解，获得风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

以上所述的具体实施方案，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施方案而已，并非用以限定本发明的范围，任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。