一种两阶段全周期滚动调度方法

1.本发明属于电力系统自动化领域，更具体地说，涉及一种两阶段全周期滚动调度方法。


背景技术：

2.发展可再生能源，对减少化石燃料燃烧、促进社会可持续发展具有突出贡献。将可再生资源整合到电力网络中，尤其是在大型电网中，带来了一些技术和运营挑战。传统上，电力系统一直依靠传统发电机来平滑可再生能源发电的波动和不确定性。在可再生资源的高渗透率下，传统发电机的作用将从主要提供能源转变为为间歇性可再生资源提供储备和备用发电。近年来，可调负荷和电动汽车的快速发展提供了丰富的负荷侧调度资源，为解决发电源调度过程中遇到的问题提供了途径。储能资源作为一种主要的柔性资源，有助于平滑可再生能源发电的波动，重塑负荷曲线。
3.然而目前的研究中，日内调度周期的长度是固定的(通常为接下来的2小时)，导致调度计划只考虑当前日内调度周期而忽略全天内剩余时间的效益。


技术实现要素：

4.针对现有的调度计划只考虑当前日内调度周期而忽略全天内剩余时间的效益问题，本发明提供一种两阶段全周期滚动调度方法，通过将传统模型日内调度的调度范围扩展到全周期，采用滚动调度的方法，根据负荷和可再生能源的近期预测结果，将日前调度结果与日内调度结果进行更新，通过设置调度范围的长度，提高调度的准确性和计算效率，对各阶段不同类型的资源进行优化配置求解。
5.为解决上述问题，本发明采用如下的技术方案。
6.一种两阶段全周期滚动调度方法，包括如下步骤：
7.步骤一、建立日前调度模型，执行日前调度计算；
8.步骤二、计算日内调度模型各分段参数；
9.步骤三、建立日内调度模型，并根据步骤一和步骤二的计算结果进行日内调度计算。
10.进一步的技术方案，步骤一中，建立日前调度模型：日前调度周期为24小时，分辨率为1小时，每个时段长度δt
td
＝1h，时段总数n
td
＝24；
11.以成本最小化构建日前调度模型的目标函数h
da
：
[0012][0013]
其中，g表示发电机编号，t表示时段编号，s表示场景编号，n表示节点编号，w表示风力发电机编号，ng为发电机个数，ns为场景个数，n
td
为日前模型时段总数，nn为节点总数，nw为风力发电机总数，ρs是场景发生概率，ag，bg，cg均为发电机成本系数，p
g，t，s
是第g台发电机在t时段第s个场景下的输出功率；h
st
，h
sh
分别为发电机启动和关停成本；h
in，n，t，s
，h
de，n，t，s
分别为储能资源在第n个节点t时段第s个场景下调度量增加和减少时所需成本；es
in，n，t，s
、es
de，n，t，s
分别为储能资源在第n个节点t时段第s个场景下增加和减少的调度量；h
l，n，t，s
代表第n个节点t时段第s个场景下的失负荷成本；h
c，w，t，s
代表第w台风力发电机在t时段第s个场景下的切风成本；l
n，t，s
为第n个节点t时段第s个场景下失负荷量；c
w，t，s
为第w台风力发电机在t时段第s个场景下的切风量；
[0014]
设置日前调度模型的约束条件：有功功率平衡约束、发电机开停机状态约束、发电机出力上下限约束、发电机爬坡约束、储能资源上下限约束和电量约束
[0015]
求解日前调度模型得到第g台风力发电机在t时段开停机状态u
g，t
。
[0016]
进一步的技术方案，
[0017]
有功功率平衡约束：
[0018][0019]
其中，w
w，t，s
是第w台风力发电机在t时段第s个场景下的输出功率，d
n，t
是第n个节点t时段的负荷功率，且：
[0020]
0≤c
w，t，s
≤w
w，t，s
[0021]
0≤l
n，t，s
≤d
n，t，s
[0022]
发电机开停机状态约束：
[0023][0024]
其中，x
g，t
，y
g，t
分别为发电机开启和停机动作，u
g，t
代表第g台风力发电机在t时段开停机状态；u
g，t-1
代表第g台风力发电机在t-1时段开停机状态；
[0025]
发电机出力上下限约束：
[0026]ug，t
p
min，g
≤p
g，t，s
≤u
g，t
p
max，g
[0027]
其中，p
max，g
和p
min，g
分别为第g台风力发电机出力的上限和下限；
[0028]
发电机爬坡约束：
[0029]-rdg≤p
g，t，s-p
g，t-1，s
≤rug[0030]
其中，rug和rdg分别为第g台风力发电机爬坡速率上下界，p
g，t-1，s
是第g台发电机在t-1时段第s个场景下的输出功率；
[0031]
储能资源上下限约束：
[0032][0033]
其中，es
in，max，n，t，s
，es
de，max，n，t，s
分别为储能资源在第n个节点t时段第s个场景下的充放电限制；
[0034]
电量约束：
[0035]
eq
n，t，s
＝eq
n，t-1，s
+(es
in，n，t-1，s-es
de，n，t-1，s
)
[0036]
其中，eq
n，t，s
代表储能资源在第n个节点t时段第s个场景下的电量，eq
n，t-1，s
代表储能资源在第n个节点t-1时段第s个场景下的电量；es
in，n，t-1，s
、es
de，n，t-1，s
分别为储能资源在第n个节点t-1时段第s个场景下增加和减少的调度量。
[0037]
进一步的技术方案，步骤三中，日内调度周期分为3段：
[0038]
第一段为临近段：分辨率为15分钟，每个时段长度δt
tin
＝15min，时段总数n
tin
＝8，临近段长度为15min*8＝2h；
[0039]
第二段为过渡段：分辨率记作δt
tim
，每个时段长度为δt
tim
，时段总数为n
tim
＝1；
[0040]
第三段为远期段：分辨率为1小时，每个时段长度δt
tif
＝1h，时段总数记作n
tif
；
[0041]
远期段长度为由过渡段结束时刻开始，到一天的结束时刻结束；临近段、过渡段和远期段时段数之和为日内调度模型时段总数n
ti
，即n
ti
＝n
tin
+n
tim
+n
tif
。
[0042]
进一步的技术方案，日内调度模型各分段参数计算具体为：
[0043]
过渡段参数计算：
[0044]
利用当前时刻tc确定过渡段时段长度δt
tim
：
[0045]
若tc分针读数为整点，tc＝x：00，其中x为时针读数，则δt
tim
＝1h；
[0046]
若tc分针读数为一刻，tc＝x：15，则δt
tim
＝45min；
[0047]
若tc分针读数为半点，tc＝x：30，则δt
tim
＝30min；
[0048]
若tc分针读数为三刻，tc＝x：45，则δt
tim
＝15min；
[0049]
远期段参数计算：
[0050]
利用当前时刻tc确定n
tif
，取tc的整点时刻t
ci
：n
tif
＝24-t
ci-3。
[0051]
进一步的技术方案，建立日内调度模型：调度周期从当前时刻到一天的结束时刻，每15min计算一次；
[0052]
以成本最小化构建日内调度模型的目标函数h
id
：
[0053][0054]
其中，p
g，t
是第g台风力发电机在t时段的输出功率，h
g，t
是第g台风力发电机在t时段提供备用的成本，r
g，t
是第g台风力发电机在t时段提供的备用容量，r
es，n，t
是储能资源在第n个节点t时段提供的备用容量；h
es，n，t
是储能资源在第n个节点t时段提供备用的成本；h
in，n，t
和h
de，n，t
分别为储能资源在第n个节点t时段调度量增加和减少时所需成本；es
in，n，t
和es
de，n，t
分别为储能资源在第n个节点t时段增加和减少的调度量；h
l，n，t
代表第n个节点t时段失负荷成本，l
n，t
为第n个节点t时段失负荷量；h
c，w，t
代表第w台风力发电机在t时段的切风成本，c
w，t
为第w台风力发电机在t时段的切风量；如果t位于临近段，则δt
ti
＝δt
tin
；如果t位于过渡段，则δt
ti
＝δt
tim
；如果t位于远期段，则δt
ti
＝δt
tif
；
[0055]
设置日内调度模型的约束条件：有功功率平衡约束、发电机出力上下限约束、发电机爬坡约束、电量约束和备用容量约束；
[0056]
求解日内调度模型得到u
g，t
，p
g，t，s
，es
in，n，t
和es
de，n，t
，确定发电机出力情况和储能资源调度量。
[0057]
进一步的技术方案，
[0058]
有功功率平衡约束：
[0059][0060]
其中，w
w，t
是第w台风力发电机在t时段的输出功率，d
n，t
是第n个节点t时段的负荷功率，并且有：
[0061]
0≤c
w，t
≤w
w，t
[0062]
0≤l
n，t
≤d
n，t
[0063]
发电机出力上下限约束：
[0064]ug，t
p
min，g
≤p
g，t
≤u
g，t
p
max，g
[0065]
其中，p
max，g
和p
min，g
分别为第g台风力发电机出力的上限和下限；
[0066]
发电机爬坡约束：
[0067]-m
·
rdg≤p
g，t-p
g，t-1
≤m
·
rug[0068]
其中，rug和rdg分别为第g台风力发电机爬坡速率上下界，p
g，t-1
是第g台发电机在t-1时段的输出功率；如果t位于临近段，则m＝δt
tin
；如果t位于过渡段，则m＝δt
tim
；如果t位于远期段，则m＝δt
tif
；
[0069]
储能资源上下限约束：
[0070][0071]
其中，es
in，max，n，t
，es
de，max，n，t
分别为储能资源在第n个节点t时段的充放电限制；
[0072]
电量约束：
[0073]
eq
n，t
＝eq
n，t-1
+(es
in，n，t-1-es
de，n，t-1
)
[0074]
其中，eq
n，t
代表储能资源在第n个节点t时段的电量，eq
n，t－1
代表储能资源在第n个节点t-1时段的电量；es
in，n，t-1
、es
de，n，t-1
分别为储能资源在第n个节点t-1时段增加和减少的调度量；
[0075]
备用容量约束：
[0076][0077]
其中，r
max，g
是发电机备用容量上限，η为置信系数，φ-1
为正态分布概率密度函数的反函数，δd和δw分别为负荷预测和风电预测的标准差。
[0078]
相比于现有技术，本发明的技术方案的有益效果为：
[0079]
(1)本发明的一种两阶段全周期滚动调度方法，将日内调度周期划分为三个不同长度的部分，极大提高了调度效率，从而实现了可再生能源大量接入背景下，通过发电机资源和储能资源的调度平抑负荷波动，降低运行成本。
[0080]
(2)本发明的一种两阶段全周期滚动调度方法，把日内调度周期扩展到全周期，动态调整日内调度周期的长度避免忽略全天周期的问题。
[0081]
(3)本发明的一种两阶段全周期滚动调度方法，储能资源可以补偿可再生能源的反调峰特性并平抑负载波动，充分利用了储能资源的灵活性参与调度。
附图说明
[0082]
图1为本发明的流程框图；
[0083]
图2为本发明的滚动调度结构示意图；
[0084]
图3为本发明的滚动调度过程示意图。
具体实施方式
[0085]
下面结合具体实施例和附图对本发明进一步进行描述。
[0086]
实施例
[0087]
本实施例提供了一种两阶段全周期滚动调度方法，在保证良好削峰填谷效果的同时，高效率实现低成本的储能资源调度，为电力系统滚动调度提供指导。如图1所示，首先建立日前、日内滚动调度框架，执行日前调度计算，执行日内调度模型各分段参数计算，执行日内调度计算四部分内容。
[0088]
第一部分、建立日前、日内滚动调度框架：
[0089]
日前调度计算每24小时执行一次，每当达到24小时执行一次日前调度计算，如图2
所示，执行完日前调度计算之后，判断是否达到15min，如果达到，执行日内调度模型各分段参数计算，调用过渡段计算模块和远期段计算模块，得到临近段、过渡段和远期段的时段参数，并执行日内调度计算，上述计算过程不断滚动进行。
[0090]
第二部分、执行日前调度计算：
[0091]
日前调度周期为24小时，分辨率为1小时，每个时段长度δt
td
＝1h，时段总数n
td
＝24；
[0092]
以成本最小化构建日前调度模型的目标函数h
da
：
[0093][0094]
其中，g表示发电机编号，t表示时段编号，s表示场景编号，n表示节点编号，w表示风力发电机编号，ng为发电机个数，ns为场景个数，n
td
为日前模型时段总数，nn为节点总数，nw为风力发电机总数，ρs是场景发生概率，ag，bg，cg均为发电机成本系数，p
g，t
，s是第g台发电机在t时段第s个场景下的输出功率；h
st
，h
sh
分别为发电机启动和关停成本；h
in，n，t，s
，h
de，n，t，s
分别为储能资源在第n个节点t时段第s个场景下调度量增加和减少时所需成本；es
in，n，t，s
、es
de，n，t，s
分别为储能资源在第n个节点t时段第s个场景下增加和减少的调度量；h
l，n，t，s
代表第n个节点t时段第s个场景下的失负荷成本；h
c，w，t，s
代表第w台风力发电机在t时段第s个场景下的切风成本；l
n，t，s
为第n个节点t时段第s个场景下失负荷量；c
w，t，s
为第w台风力发电机在t时段第s个场景下的切风量；
[0095]
日前调度模型的约束条件有：
[0096]
有功功率平衡约束：
[0097][0098]
其中，w
w，t，s
是第w台风力发电机在t时段第s个场景下的输出功率，d
n，t
是第n个节点t时段的负荷功率，且：
[0099]
0≤c
w，t，s
≤w
w，t，s
[0100]
0≤l
n，t，s
≤d
n，t，s
[0101]
发电机开停机状态约束：
[0102]
[0103]
其中，x
g，t
，y
g，t
分别为发电机开启和停机动作，u
g，t
代表第g台风力发电机在t时段开停机状态；u
g，t-1
代表第g台风力发电机在t-1时段开停机状态；
[0104]
发电机出力上下限约束：
[0105]ug，t
p
min，g
≤p
g，t，s
≤u
g，t
p
max，g
[0106]
其中，p
max，g
和p
min，g
分别为第g台风力发电机出力的上限和下限；
[0107]
发电机爬坡约束：
[0108]-rdg≤p
g，t，s-p
g，t-1，s
≤rug[0109]
其中，rug和rdg分别为第g台风力发电机爬坡速率上下界，p
g，t-1，s
是第g台发电机在t-1时段第s个场景下的输出功率；
[0110]
储能资源上下限约束：
[0111][0112]
其中，es
in，max，n，t，s
，es
de，max，n，t，s
分别为储能资源在第n个节点t时段第s个场景下的充放电限制；
[0113]
电量约束：
[0114]
eq
n，t，s
＝eq
n，t-1，s
+(es
in，n，t-1，s-es
de，n，t-1，s
)
[0115]
其中，eq
n，t，s
代表储能资源在第n个节点t时段第s个场景下的电量，eq
n，t-1，s
代表储能资源在第n个节点t-1时段第s个场景下的电量；es
in，n，t-1，s
、es
de，n，t-1，s
分别为储能资源在第n个节点t-1时段第s个场景下增加和减少的调度量。
[0116]
求解日前调度模型得到第g台风力发电机在t时段开停机状态u
g，t
，然后将其代入日内调度模型作为输入，求解其他决策变量。
[0117]
第三部分、日内调度模型各分段参数计算：
[0118]
日内调度周期被划分为3段：
[0119]
第一段为临近段：分辨率为15分钟，(每个时段长度δt
tin
＝15min)，时段总数n
tin
＝8，临近段长度为15min*8＝2h；
[0120]
第二段为过渡段：分辨率记作δt
tim
，(每个时段长度为δt
tim
)，时段总数为n
tim
＝1；
[0121]
第三段为远期段：分辨率为1小时，(每个时段长度δt
tif
＝1h)，时段总数记作n
tif
；
[0122]
远期段长度为由过渡段结束时刻开始，到一天的结束时刻结束(24时)；临近段、过渡段和远期段时段数之和为日内调度模型时段总数n
ti
，即n
ti
＝n
tin
+n
tim
+n
tif
。
[0123]
过渡段参数计算：
[0124]
利用当前时刻tc确定过渡段时段长度δt
tim
，有以下几种情况，如图3所示：
[0125]
若tc分针读数为整点，tc＝x：00，其中x为时针读数，则δt
tim
＝1h，对应附图3中情况1；
[0126]
若tc分针读数为一刻，tc＝x：15，其中x为时针读数，则δt
tim
＝45min，对应附图3中情况2；
[0127]
若tc分针读数为半点，tc＝x：30，其中x为时针读数，则δt
tim
＝30min，对应附图3中情况3；
[0128]
若tc分针读数为三刻，tc＝x：45，其中x为时针读数，则δt
tim
＝15min，对应附图3中情况4；
[0129]
远期段参数计算：
[0130]
利用当前时刻tc确定n
tif
，取tc的整点时刻t
ci
：
[0131]ntif
＝24-t
ci-3
[0132]nti
、n
tin
、n
tim
、n
tif
、δt
tin
、δt
tim
和δt
tif
作为日内调度中的重要参数，代入日内调度计算。
[0133]
第四部分、日内调度计算：
[0134]
日内调度模型：调度周期为从当前时刻到一天的结束时刻(24小时)，每15min计算一次。
[0135]
以成本最小化构建日内调度模型的目标函数h
id
：
[0136][0137]
其中，p
g，t
是第g台风力发电机在t时段的输出功率，h
g，t
是第g台风力发电机在t时段提供备用的成本，r
g，t
是第g台风力发电机在t时段提供的备用容量，r
es，n，t
是储能资源在第n个节点t时段提供的备用容量；h
es，n，t
是储能资源在第n个节点t时段提供备用的成本；h
in，n，t
和h
de，n，t
分别为储能资源在第n个节点t时段调度量增加和减少时所需成本；es
in，n，t
和es
de，n，t
分别为储能资源在第n个节点t时段增加和减少的调度量；h
l，n，t
代表第n个节点t时段失负荷成本，l
n，t
为第n个节点t时段失负荷量；h
c，w，t
代表第w台风力发电机在t时段的切风成本，c
w，t
为第w台风力发电机在t时段的切风量；如果t位于临近段，则δt
ti
＝δt
tin
；如果t位于过渡段，则δt
ti
＝δt
tim
；如果t位于远期段，则δt
ti
＝δt
tif
。
[0138]
设置日内调度模型的约束条件：
[0139]
有功功率平衡约束：
[0140][0141]
其中，w
w，t
是第w台风力发电机在t时段的输出功率，d
n，t
是第n个节点t时段的负荷功率，并且有：
[0142]
0≤c
w，t
≤w
w，t
[0143]
0≤l
n，t
≤d
n，t
[0144]
发电机出力上下限约束：
[0145]ug，t
p
min，g
≤p
g，t
≤u
g，t
p
max，g
[0146]
其中，p
max，g
和p
min，g
分别为第g台风力发电机出力的上限和下限；
[0147]
发电机爬坡约束：
[0148]-m
·
rdg≤p
g，t-p
g，t-1
≤m
·
rug[0149]
其中，rug和rdg分别为第g台风力发电机爬坡速率上下界，p
g，t-1
是第g台发电机在t-1时段的输出功率；如果t位于临近段，则m＝δt
tin
；如果t位于过渡段，则m＝δt
tim
；如果t位于远期段，则m＝δt
tif
；
[0150]
储能资源上下限约束：
[0151][0152]
其中，es
in，max，n，t
，es
de，max，n，t
分别为储能资源在第n个节点t时段的充放电限制；
[0153]
电量约束：
[0154]
eq
n，t
＝eq
n，t-1
+(es
in，n，t-1-es
de，n，t-1
)
[0155]
其中，eq
n，t
代表储能资源在第n个节点t时段的电量，eq
n，t-1
代表储能资源在第n个节点t-1时段的电量；es
in，n，t-1
、es
de，n，t-1
分别为储能资源在第n个节点t-1时段增加和减少的调度量；
[0156]
备用容量约束：
[0157][0158]
其中，r
max，g
是发电机备用容量上限，η为置信系数，φ-1
为正态分布概率密度函数的反函数，δd和δw分别为负荷预测和风电预测的标准差。
[0159]
求解日内调度模型，得到u
g，t
，p
g，t，s
，es
in，n，t
和es
de，n，t
，确定发电机出力情况和储能资源调度量。最终采用滚动调度的方法，根据负荷和可再生能源的近期预测结果，将日前调度结果与日内调度结果进行更新，通过设置调度范围的长度，提高调度的准确性和计算效率，对各阶段不同类型的资源进行优化配置求解，实现社会福利的最优。
[0160]
本发明所述实例仅仅是对本发明的优选实施方式进行描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围。