基于条件风险方法的风光储联合发电系统优化调度方法与流程

1.本发明属于新能源优化调度领域，涉及一种基于条件风险方法的风光储联合发电系统优化调度方法。应用于电力部门对多种新能源发电的协调调度。


背景技术：

2.针对西北地区新能源占比高、调度困难的问题，本专利提出了一种基于条件风险方法的风光储联合发电系统优化调度方法。在风光储联合发电系统的经济调度中，为了保证系统的经济可靠运行，一般不仅会尽量的优先安排风力发电和光伏发电，还会预留足够的储能作为备用容量来应对各种突发事件的影响以满足负荷的需求。但是，如果所提供的旋转备用容量过少，就会降低系统运行的可靠性，无法满足系统在有风险情况下运行的需求，反之，如果提供的旋转备用容量过多，就会增加不必要的运行成本，且降低了系统运行的经济性。因此，有必要将高估和低估风电和光伏发电的惩罚成本条件风险值计入目标函数中，建立一种基于条件风险方法的经济调度新模型。一般电力系统经济调度从目标函数和约束条件开始建模，在风光储联合系统中，目标函数需要考虑风力发电产生的成本、光伏发电产生的成本等。约束条件也具有多样性，可考虑备用、环境、机组爬坡或风险约束等方面。


技术实现要素：

3.针对现有技术的不足，本发明提供了一种基于条件风险方法的风光储联合发电系统优化调度方法，主要技术包括：
4.s1目标函数的建立，具体为
5.1)预算风电场的发电成本；
6.2)建立风电场的惩罚成本条件风险值；
7.3)预算光伏电场的发电成本；
8.4)建立光伏电场的惩罚成本条件风险值；
9.5)预算储能系统的成本；
10.s2约束条件的建立，具体为：
11.1)建立系统的有功功率平衡约束；
12.2)建立出力约束；
13.3)建立储能系统的备用值；
14.s3计算求解。
15.其中，s1中预算风电场的发电成本表达式如下：
[0016][0017]
式中，r
wj
为风力发电的成本系数；p
jws,t
为第j个风电场的计划出力；nw为接入系统
的风电场总数。
[0018]
风电场的惩罚成本条件风险值可以表述如下：
[0019][0020]
光伏电场的发电成本表达式为：
[0021][0022]
式中，p
jss,t
为光伏发电的成本系数；p
jss,t
为第个光伏电场的计划出力；ns为接入系统的光伏电场总数
[0023]
光伏电场的惩罚成本条件风险值可以表述如下：
[0024][0025]
5)储能系统的成本
[0026]
储能系统作为对风光发电系统的重要补充，其运行成本影响了整个系统的调度方案。一般而言，抽水蓄能电站的运行成本可以由下式来表示：
[0027][0028]
综上，本文建立的考虑总的目标函数为：
[0029][0030]
式中：t为调度周期总的时段数；t为某时段风电场或光伏电场的计划出力，认为风电场为发电集团所有。
[0031]
s2中约束条件的建立，具体为：
[0032]
1)系统的有功功率平衡约束
[0033][0034]
式中，d为这一段时间系统的总负荷。
[0035]
2)出力约束
[0036][0037]
式中：p
jws,t
和p
jss,t
分别是第j个风电场和光伏电场的装机容量。
[0038]
3)储能系统的备用
[0039][0040]
式中，r
up
和r
down
分别为系统的正负旋转备用，可根据具体要求来定，一般取系统总
负荷的50％。
[0041]
计算求解方法，具体为：
[0042]
s1初始条件的设定；
[0043]
s2结合封堵和光照强度的参数，求解风电输出功率和光伏发电输出功率的概率密度函数；
[0044]
s3利用蒙特卡洛模拟的方法，分别求解风电输出功率和光伏发电输出功率的m个离散点；
[0045]
s4结合建立的模型，求解调度的方案；
[0046]
s5代入各项约束条件中，检验约束条件；
[0047]
s6调度结果确定。最后将模型化解为关于凸函数的优化问题，再利用matlab进行求解。
[0048]
本发明的益处在于：
附图说明
[0049]
图1是模型的计算流程图。
[0050]
图2是不同负荷下系统调度方案。
[0051]
图3不同置信水平下各发电系统的最优调度方案。
[0052]
图4负荷变化情况
[0053]
图5日负荷下系统的最小运行成本
[0054]
图6日负荷变化下各发电系统的最优调度方案
具体实施方式
[0055]
(1)目标函数的建立
[0056]
1)风电场的发电成本
[0057]
风电场的发电成本包括两部分，一部分是投资和运营维护成本，另一部分燃料成本，但风电场发电过程中不消耗燃料，所以这部分燃料成本为0。从系统运营商的角度来看，经济调度可以采取不同的方式，这取决于系统运营商对风电场的所有权，当接入电力系统的风电场归单独的发电集团所有，不归电网所有时，那么此风电场和电网之间应该制定一定的协议，对风电场的发电成本形成一定价格；当风电场属于电网时，那么风电场的发电成本可以忽略，可表达如下：
[0058][0059]
式中，r
wj
为风力发电的成本系数；p
jws,t
为第j个风电场的计划出力；nw为接入系统的风电场总数。
[0060]
2)风电场的惩罚成本条件风险值
[0061]
针对风电输出功率的不确定性，结合上一节建立的模型，β表示给定的置信概率，风电场的惩罚成本条件风险值可以表述如下：
[0062][0063]
3)光伏电场的发电成本
[0064]
与风电场的发电成本类似，光伏电场的发电成本也不计燃料成本。其运营成本可以表达如下：
[0065][0066]
式中，p
jss,t
为光伏发电的成本系数；p
jss,t
为第个光伏电场的计划出力；ns为接入系统的光伏电场总数
[0067]
4)光伏电场的惩罚成本条件风险值
[0068]
针对光伏电场输出功率的不确定性，结合上一节建立的模型，光伏电场的惩罚成本条件风险值可以表述如下：
[0069][0070]
5)储能系统的成本
[0071]
储能系统作为对风光发电系统的重要补充，其运行成本影响了整个系统的调度方案。一般而言，抽水蓄能电站的运行成本可以由下式来表示：
[0072][0073]
综上，本文建立的考虑总的目标函数为：
[0074][0075]
式中：t为调度周期总的时段数；t为某时段风电场或光伏电场的计划出力，认为风电场为发电集团所有。
[0076]
(2)约束条件
[0077]
目标函数达到最优的同时应该满足一定的约束条件，而约束条件包括等式约束和不等式约束两部分，如下所示：
[0078]
1)系统的有功功率平衡约束
[0079][0080]
式中，d为这一段时间系统的总负荷。
[0081]
2)出力约束
[0082][0083]
式中：p
jws,t
和p
jss,t
分别是第j个风电场和光伏电场的装机容量。
[0084]
3)储能系统的备用
[0085][0086]
式中，r
up
和r
down
分别为系统的正负旋转备用，可根据具体要求来定，一般取系统总负荷的50％。
[0087]
(3)计算流程
[0088]
在确定型的经济调度模型中，由于不含有随机变量，因此决策变量和状态变量是都会是一个确切的值。当风电等新能源发电参与调度后，确定型的经济调度则变为含有不确定性的调度模型，因此，针对这种具有不确定性的问题，其求解方法也多样性，大部分是采用各种智能算法来求解，但是其计算量大且复杂。而本专利建立的基于条件风险方法的经济调度模型，通过蒙特卡洛模拟法抽取多个样本值来代替积分函数，把不确定性问题转化为确定性问题。蒙特卡罗方法应用于当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。通常蒙特卡罗方法通过构造符合一定规则的随机数来解决数学上的各种问题。对于那些由于计算过于复杂而难以得到解析解或者根本没有解析解的问题，蒙特卡罗方法是一种有效的求出数值解的方法。一般蒙特卡罗方法在数学中最常见的应用就是蒙特卡罗积分。同时，引入辅助变量进行了化简，最后将模型化解为关于凸函数的优化问题，再利用matlab进行求解。模型的计算流程如图1所示。
[0089]
实施例2
[0090]
(1)基础数据
[0091]
算例以包含两个200mw的风电场，一个80mw的光伏电场和两个300mw的抽水蓄能电站为例进行验证说明。风电机组的功率特性基准参数为v
ci
＝3m/s、v
co
＝25m/s、vr＝14m/s。两个风电场的实际输出功率基于weibull分布产生。对于风电场1，发电成本系数r
w1
＝150$/mw，高估风电场1出力的成本系数c
rw1
＝120$/mw，低估风电场1出力的成本系数c
pw1
＝80$/mw。对于风电场2，r
w2
＝130$/mw，高估风电场2出力的成本系数c
rw2
＝115$/mw，低估风电场2出力的成本系数c
pw2
＝85$/mw。光伏场受到的基本光照强度为400w/m2，其实际的输出功率由所述光伏场输出功率模型决定，光伏场发电成本系数rg＝140$/mw，高估光伏场2出力的成本系数c
rg
＝105$/mw，低估光伏场出力的成本系数c
pg
＝75$/mw。抽水蓄能电站1的成本系数r
c1
＝120$/mw，抽水蓄能电站2的成本系数r
c2
＝130$/mw，对于风电场和光伏电场，置信水平的基本值设为0.95。系统运行的负荷基本负荷值设为100mw。
[0092]
(2)负荷和置信水平变化时系统最优运行总成本和最优调度方案
[0093]
系统的总负荷和设定的置信水平发生变化时，系统运行的总成本也会相应的发生变化。对于风电场，设定weibull分布的形状系数k＝2和尺度系数c＝8利用前述的模拟方法，对实际风电输出功率抽収200个样本值。结合上述模型利用matlab进行计算，得到最小运行成本和调度结果。表1列出了不同负荷下系统的最小运行成本，图2所示为相应负荷变化下各发电系统的最优调度方案。调度方案是各类光伏电场的数据储备到储能电场中的过程。
[0094]
表1不同负荷下系统的最小运行成本
[0095][0096]
如表1所示，随着系统的总负荷增加，系统的最小运行成木也在不断的增加，这与实际情况相符。但两者的增长并不完全呈正比关系，如表中前面几项所示，说明代表不确定性因素的风光伏场惩罚成本的引入导致了总成本具有一定的影响但并不会影响成本的变化总趋势。同时，由图2可知，随系统负荷的增加，风光伏场和储能系统的输出功率首先呈现了不同程度的增长，而两个风电场在之后的输出功率保持相同且不变。由于风电场的固定发电成本与输出功率只呈正比例关系，图中风电场输出功率的变化趋势说明：若风电场的输出功率进一步增加，相应部分的惩罚成本会迅速增加。因此风电场后续的输出功率保持恒定，而光伏场和储能系统需要增大输出以满足系统负荷需求。
[0097]
当置信水平增大时，会消耗更多的计算单元，对系统的运行要求更高，因此风光伏场的惩罚成本都会相应的提高。本文进一步分析了置信水平增加时系统各项参数的变化。表2和图3分别列出了系统的最小运行成本和相应的各发电系统的最优调度方案。
[0098]
表2不同置信水平下系统的最小运行成本
[0099][0100]
由表2可知置信水平的增大势必会导致系统最小运行成本的增加，这与实际情况相符，因此一定程度上验证了本文模型的正确性。由图3可知，随置信水平的增加，两个风电场的输出功率不断增大，而光伏场的输出功率逐渐减小至零。这说明置信水平的变化对光伏场惩罚成本的影响更大。
[0101]
(3)日负荷调度下的系统最小运行成本和最优调度方案
[0102]
电力系统中，一般会对每天的负荷给出调度方案。本小节对日负荷变化情况下的系统最小运行成本和调度方案进行了分析。如图4所示为某一天负荷的典型变化情况。
[0103]
日负荷变化时，不同时刻的风速和光照强度也会相应的发生变化。本文对每天的光照强度分布进行了适当的简化，如表3所示，并利用weibull分布对每个阶段的风速进行了模拟。
[0104]
表3不同时间段内光照强度的设定
[0105][0106]
在前述模型的基础上，计算不同时刻系统的最优调度方案和最小运行成本。图5和图6分别列出了系统的最小运行成本和相应的最优调度方案。
[0107]
结合图5和图6进行分析。当系统负荷较小时，随负荷的增加或减小，系统的最小运行成本也呈增加或减小趋势。但当系统负荷达到一定水平后，如15时到18时这一时间段内，系统的最小运行成本变化较小。这主要与风光伏场的惩罚成本有关，也与系统各项参数的预先设定，如风电场切入切出风速和额定风速以及光照强度等有关。另外图4也显示了系统负荷和光照强度等参数变化时，各电场和储能系统的输出功率变化，每一时刻各个电场的输出功率就是对应于系统最小运行成本的最优调度方案。
[0108]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的内容和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。