一种海上风电的退出恢复方法、装置、存储介质以及系统与流程

1.本发明涉及海上风电场群有序退出与恢复技术领域，尤其涉及一种海上风电的退出恢复方法、装置、计算机可读存储介质及系统。


背景技术：

2.近年来随着电力系统的发展，我国新能源装机容量已经达到一定规模，其中风电的随机性、波动性和不确定性给电力系统的安全稳定运行带来了巨大的挑战。与此同时，风电的发展也遇到了前所未有的问题，极端天气比如台风愈加频繁地产生，保证电网安全、经济和稳定运行同时兼顾海上风电场的顺利度过台风是前所未有的难题。在台风来临期间，海上风电场的风速快速爬升，当达到风机自然切除风速时，将导致海上风电场群输出功率急剧下降。如果电网备用不足，或者机组启停安排不合理使得电网电源无法再增加有功支撑，很可能导致大面积切负荷甚至大停电。当台风离开风电场时，风电场需要恢复运行。但是如果按照常规方法恢复风电场运行，极有可能导致电网出现短时间内的巨大功率波动。如何安全经济地恢复风电场运行也是需要考虑的问题。
3.在现有技术中公开了台风条件下风机的切出策略，但是未涉及火电机组的启停，且所提方法未考虑台风的不确定性或者负荷的不确定性。
4.因此，当前需要一种海上风电的退出恢复方法、装置、计算机可读存储介质以及系统，从而克服现有技术中存在的上述缺陷。


技术实现要素：

5.本发明实施例提供一种海上风电的退出恢复方法、装置、计算机可读存储介质以及系统，从而提升海上风电退出恢复在台风条件下的稳定性。
6.本发明一实施例提供一种海上风电的退出恢复方法，所述退出恢复方法包括：获取海上风电的运行数据组；根据预设的决策目标函数以及预设的约束条件组，构建决策优化模型，并通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行转换求解以获取退出恢复策略；所述约束条件组包括风电场群停机约束条件、电网潮流约束条件、风电场爬坡约束条件、火电机组启停条件、爬坡与备用约束条件以及第一不确定集；根据所述退出恢复策略，对所述海上风电进行退出恢复管理。
7.作为上述方案的改进，通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行求解以获取退出恢复策略，具体包括：将所述决策优化模型转化为两阶段线性鲁棒模型；所述两阶段线性鲁棒模型包括主问题和子问题；通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略。
8.作为上述方案的改进，将所述决策优化模型转化为两阶段线性鲁棒模型，具体包括：根据预设的风电场停机约束要求，将所述决策优化模型中的风电场群停机约束条件转化为风电场停机功率约束条件，获取两阶段线性鲁棒模型；其中，所述风电场停机功率约束
条件为：式中，和分别表示的下界和的上界；为台风10级风圈到达时间。
9.作为上述方案的改进，通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略，具体包括：获取预设的不确定集数值组以及模型问题边界参数；所述问题边界参数包括问题上界以及问题下界；根据所述不确定集数值组、所述问题上界以及所述问题下界，计算所述主问题的主问题最优解以及第一问题下界；将所述主问题最优解代入所述子问题进行求解，获取子问题最优值、第一问题上界以及最恶劣场景；根据所述第一问题下界以及所述第一问题上界，判断是否满足输出条件；若不满足，则对所述主问题增加第一变量以及第一变量约束条件组，并重复上述步骤；若满足，则根据所述主问题最优解、所述子问题最优值以及所述最恶劣场景，输出退出恢复策略。
10.作为上述方案的改进，所述第一不确定集为：式中，分别为风电场和负荷节点的预测功率；分别为风电场和负荷节点的最大功率波动偏差。
11.作为上述方案的改进，所述决策目标函数为：式中，和分别为火电机组的启动、关机费用；y
g,t
和v
g,t
分别表示火电机组启动和停机动作；和分别表示火电机组运行费用函数的一次项系数和常数项系数；p
g,t
为火电机组的出力；u
g,t
表示火电机组处于运行状态；cw为风电的上网电价，p
w,t
为风电场的实际出力，δt为时间间隔。
12.作为上述方案的改进，所述主问题为：
[0013][0014]
式中，k为当前迭代次数，η为引入的辅助变量，c
tyl
为第二阶段的目标函数。
[0015]
本发明另一实施例对应提供了一种海上风电的退出恢复装置，所述退出恢复装置
包括数据获取单元、建模求解单元以及退出恢复单元，其中，所述数据获取单元用于获取海上风电的运行数据组；所述建模求解单元用于根据预设的决策目标函数以及预设的约束条件组，构建决策优化模型，并通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行转换求解以获取退出恢复策略；所述约束条件组包括风电场群停机约束条件、电网潮流约束条件、风电场爬坡约束条件、火电机组启停条件、爬坡与备用约束条件以及第一不确定集；所述退出恢复单元用于根据所述退出恢复策略，对所述海上风电进行退出恢复管理。
[0016]
作为上述方案的改进，所述建模求解单元还用于：将所述决策优化模型转化为两阶段线性鲁棒模型；所述两阶段线性鲁棒模型包括主问题和子问题；通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略。
[0017]
作为上述方案的改进，所述建模求解单元还用于：根据预设的风电场停机约束要求，将所述决策优化模型中的风电场群停机约束条件转化为风电场停机功率约束条件，获取两阶段线性鲁棒模型；其中，所述风电场停机功率约束条件为：式中，和分别表示的下界和的上界；为台风10级风圈到达时间。
[0018]
作为上述方案的改进，所述建模求解单元还用于：获取预设的不确定集数值组以及模型问题边界参数；所述问题边界参数包括问题上界以及问题下界；根据所述不确定集数值组、所述问题上界以及所述问题下界，计算所述主问题的主问题最优解以及第一问题下界；将所述主问题最优解代入所述子问题进行求解，获取子问题最优值、第一问题上界以及最恶劣场景；根据所述第一问题下界以及所述第一问题上界，判断是否满足输出条件；若不满足，则对所述主问题增加第一变量以及第一变量约束条件组，并重复上述步骤；若满足，则根据所述主问题最优解、所述子问题最优值以及所述最恶劣场景，输出退出恢复策略。
[0019]
本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的海上风电的退出恢复方法。
[0020]
本发明另一实施例提供了一种海上风电的退出恢复系统，所述退出恢复系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的海上风电的退出恢复方法。
[0021]
与现有技术相比，本技术方案存在如下有益效果：
[0022]
本发明提供了一种海上风电的退出恢复方法、装置、计算机可读存储介质以及系统，通过在建模时考虑机组启停和电网潮流约束，同时兼顾考虑台风、风电功率、负荷的不确定性以及风电波动功率限制，在模型求解时将决策优化模型转化为两阶段线性鲁棒模型，并通过预设的列和约束生成算法进行求解，该海上风电的退出恢复方法、装置、计算机可读存储介质以及系统提升了海上风电退出恢复在台风条件下的稳定性。
附图说明
[0023]
图1是本发明一实施例提供的一种海上风电的退出恢复方法的流程示意图；
[0024]
图2是本发明一实施例提供的一种海上风电的退出恢复方法的技术思路示意图；
[0025]
图3是本发明一实施例提供的一种海上风电的退出恢复方法的过程出力示意图；
[0026]
图4是本发明一实施例提供的一种海上风电的退出恢复装置的结构示意图。
具体实施方式
[0027]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0028]
具体实施例一
[0029]
本发明实施例首先描述了一种海上风电的退出恢复方法。图1是本发明一实施例提供的一种海上风电的退出恢复方法的流程示意图；图2是本发明一实施例提供的一种海上风电的退出恢复方法的技术思路示意图；图3是本发明一实施例提供的一种海上风电的退出恢复方法的过程出力示意图。
[0030]
如图1所示，所述退出恢复方法包括：
[0031]
s1:获取海上风电的运行数据组。
[0032]
s2:根据预设的决策目标函数以及预设的约束条件组，构建决策优化模型，并通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行转换求解以获取退出恢复策略。
[0033]
为了在考虑的台风环境前提下，获取海上风电的退出恢复策略，本发明实施例确定优化模型的决策变量与约束条件。所述约束条件组包括风电场群停机约束条件、风电出力约束条件、电网潮流约束条件、风电场爬坡约束条件、功率平衡约束条件、火电机组启停条件、火电机组输出功率约束条件、火电机组爬坡约束条件、爬坡与备用约束条件以及第一不确定集。
[0034]
在一个实施例中，所述决策目标函数为：
[0035][0036]
式中，和分别为火电机组的启动、关机费用；y
g,t
和v
g,t
分别表示火电机组启动和停机动作；和分别表示火电机组运行费用函数的一次项系数和常数项系数；p
g,t
为火电机组的出力；u
g,t
表示火电机组处于运行状态；cw为风电的上网电价，p
w,t
为风电场的实际出力，δt为时间间隔。
[0037]
由于海上风电场遭遇台风时，风电场风速往往会超过风机的自然切出风速，此时应该使得风电场停机，以保证风机的安全，在一个实施例中，风电场群停机约束条件为：
[0038]
[0039]
式中：为台风10级风圈到达时间，或者更严格意义上指的是风电场风速达到风机自然切除风速的时间，为随机变量。为台风风圈离开时间，为随机变量。
[0040]
由于风电场出力不应超过其最大预测出力，在一个实施例中，风电出力约束条件为：
[0041][0042]
式中：是风电场的预测的最大出力，为随机变量。
[0043]
为保证电网安全，火电机组、风电场出力和负荷功率应保持平衡，在一个实施例中，功率平衡约束条件为：
[0044][0045]
式中：表示时刻t的负荷功率，为随机变量。
[0046]
在一个实施例中，电网潮流约束条件：
[0047][0048]
式中：f
l
为输电线的容量；g
l,g
、g
l,w
和g
l,d
分别表示火电机组、风电场、负荷节点的功率传输分布因子。
[0049]
由于风电场出力波动应该满足一定的限制，在一个实施例中，风电场爬坡约束：
[0050][0051]
式中，表示风电场允许的最大波动功率。
[0052]
由于火电机组出力应该在最大技术出力和最小技术出力之间，在一个实施例中，火电机组输出功率约束条件为：
[0053][0054]
式中：和分别表示火电机组g的最小最大技术出力。
[0055]
在一个实施例中，火电机组爬坡约束条件为：
[0056][0057][0058]
式中：rug和rdg分别表示火电机组g的上下爬坡速率。
[0059]
火电机组启动和停机不应在同一时间进行，另外火电机组应该避免频繁启停。因此，在一个实施例中，火电机组启停约束条件为：
[0060]yg,t-v
g,t
＝u
g,t-u
g,t-1
；
[0061]yg,t
+v
g,t
≤1；
[0062]
[0063][0064]
式中：utg和dtg分别表示火电机组最短运行和停机时间。
[0065]
在一个实施例中，火电机组的爬坡与备用约束条件为：
[0066][0067][0068][0069]rg,t
≥0；
[0070][0071][0072]
式中：和r
g,t
分别表示火电机组g的上下备用，和r
total
分别表示全网的上下备用。
[0073]
由于风电场预测误差考虑误差上下界的方式更符合实际情况，同时区间预测也更容易获取，本发明实施例采用箱式不确定集，在一个实施例中，所述第一不确定集为：
[0074][0075]
式中，分别为风电场和负荷节点的预测功率；分别为风电场和负荷节点的最大功率波动偏差。
[0076]
在构建了决策优化模型后，为了使得模型求解更加快速，算法收敛效果更好，同时能保证求解结果能应对台风条件下风电功率的波动，将优化模型进行约束转化为两阶段线性鲁棒模型，使用列和约束生成算法进行求解，得到台风条件下海上风电场群有序退出与恢复策略。
[0077]
在一个实施例中，通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行求解以获取退出恢复策略，具体包括：将所述决策优化模型转化为两阶段线性鲁棒模型；通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略。其中，所述两阶段线性鲁棒模型包括主问题和子问题。
[0078]
在一个实施例中，将所述决策优化模型转化为两阶段线性鲁棒模型，具体包括：根据预设的风电场停机约束要求，将所述决策优化模型中的风电场群停机约束条件转化为风电场停机功率约束条件，获取两阶段线性鲁棒模型；其中，所述风电场停机功率约束条件为：式中，和分别表示的下界和的上
界；为台风10级风圈到达时间。
[0079]
在一个实施例中，所述主问题(mp)为：
[0080][0081]
式中，k为当前迭代次数，η为引入的辅助变量，c
tyl
为第二阶段的目标函数。
[0082]
子问题(sp1)的定义如下：
[0083][0084]
子问题相应的对偶变量如下：
[0085][0086]
其等价形式如下：
[0087][0088]
上式中存在双线性项z
t
π+z
t
θ，需要进行一定的转化。子问题的目标是找到最恶劣场景返回给主问题进行迭代，本实施例最后求解的最恶劣场景对应着风电最大出力预测取到区间最小值和负荷功率取到区间的最大值，因此第一不确定集可以改写成如下形式：
[0089][0090]
式中：为二进制变量，取值为1表示相应的不确定变量取到区间的边界，和分别为风电场和负荷节点的不确定预算。通过大m法，可将子问题转化为混合整数线性规划问题，转化后的子问题(sp2)如下：
[0091][0092]
式中：为π+θ的上界，为给定的充分大的实数，和分别为风电场和负荷节点的不确定预算。
[0093]
在一个实施例中，通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略，具体包括：获取预设的不确定集数值组以及模型问题边界参数；所述问题边界参数包括问题上界以及问题下界；根据所述不确定集数值组、所述问题上界以及所述问题下界，计算所述主问题的主问题最优解以及第一问题下界；将所述主问题最优解代入所述子问题进行求解，获取子问题最优值、第一问题上界以及最恶劣场景；根据所述第一问题下界以及所述第一问题上界，判断是否满足输出条件；若不满足，则对所述主问题增加第一变量以及第一变量约束条件组，并重复上述步骤；若满足，则根据所述主问题最优解、所述子问题最优值以及所述最恶劣场景，输出退出恢复策略。
[0094]
为了进一步描述，将举例对模型求解过程进行非限制性的说明：
[0095]
1)给定一组随机变量z的值，设定问题的上界ub＝+∞，下界lb＝-∞，迭代次数k＝1；
[0096]
2)求解主问题(mp)，得到最优解更新下界lb＝b
t
x
*
+η
*
；
[0097]
3)将主问题(mp)得到的解x
*
代入子问题(sp2)中，求解子问题(sp2)，得到最恶劣
场景以及最优值q(x*)，更新上界ub＝min{ub,b
t
x
*
+q(x
*
)}；
[0098]
4)如果ub-lb《ε，则结束运算。否则对主问题(mp)增加变量y
k+1
以及如下约束
[0099][0100]
令k＝k+1，跳转到2)直到收敛。
[0101]
s3:根据所述退出恢复策略，对所述海上风电进行退出恢复管理。
[0102]
经过主问题和子问题的有限步迭代求解，最终的可得到以上模型的最优解。值得说明的是，风电场的有序退出和恢复策略蕴含在模型的求解结果中，即为风电场在台风期间的出力。
[0103]
本发明实施例描述了一种海上风电的退出恢复方法，通过在建模时考虑机组启停和电网潮流约束，同时兼顾考虑台风、风电功率、负荷的不确定性以及风电波动功率限制，在模型求解时将决策优化模型转化为两阶段线性鲁棒模型，并通过预设的列和约束生成算法进行求解，该退出恢复方法提升了海上风电退出恢复在台风条件下的稳定性。
[0104]
具体实施例二
[0105]
除上述方法外，本发明实施例还公开了一种海上风电的退出恢复装置。图3是本发明一实施例提供的一种海上风电的退出恢复装置的结构示意图。
[0106]
如图2所示，所述退出恢复装置包括数据获取单元11、建模求解单元12以及退出恢复单元13。
[0107]
数据获取单元11用于获取海上风电的运行数据组。
[0108]
建模求解单元12用于根据预设的决策目标函数以及预设的约束条件组，构建决策优化模型，并通过预设的转化求解方法，根据所述运行数据组对所述决策优化模型进行转换求解以获取退出恢复策略；所述约束条件组包括风电场群停机约束条件、电网潮流约束条件、风电场爬坡约束条件、火电机组启停条件、爬坡与备用约束条件以及第一不确定集。
[0109]
在一个实施例中，建模求解单元12还用于：将所述决策优化模型转化为两阶段线性鲁棒模型；所述两阶段线性鲁棒模型包括主问题和子问题；通过预设的列和约束生成算法，根据所述运行数据组以及所述约束条件组，对所述两阶段线性鲁棒模型进行求解，获得退出恢复策略。
[0110]
在一个实施例中，建模求解单元12还用于：根据预设的风电场停机约束要求，将所述决策优化模型中的风电场群停机约束条件转化为风电场停机功率约束条件，获取两阶段线性鲁棒模型；其中，所述风电场停机功率约束条件为：式中，和分别表示的下界和的上界；为台风10级风圈到达时间。
[0111]
在一个实施例中，建模求解单元12还用于：获取预设的不确定集数值组以及模型问题边界参数；所述问题边界参数包括问题上界以及问题下界；根据所述不确定集数值组、所述问题上界以及所述问题下界，计算所述主问题的主问题最优解以及第一问题下界；将
所述主问题最优解代入所述子问题进行求解，获取子问题最优值、第一问题上界以及最恶劣场景；根据所述第一问题下界以及所述第一问题上界，判断是否满足输出条件；若不满足，则对所述主问题增加第一变量以及第一变量约束条件组，并重复上述步骤；若满足，则根据所述主问题最优解、所述子问题最优值以及所述最恶劣场景，输出退出恢复策略。
[0112]
退出恢复单元13用于根据所述退出恢复策略，对所述海上风电进行退出恢复管理。
[0113]
其中，所述退出恢复装置集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的海上风电的退出恢复方法。
[0114]
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0115]
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，单元之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0116]
本发明实施例描述了一种海上风电的退出恢复装置及计算机可读存储介质，通过在建模时考虑机组启停和电网潮流约束，同时兼顾考虑台风、风电功率、负荷的不确定性以及风电波动功率限制，在模型求解时将决策优化模型转化为两阶段线性鲁棒模型，并通过预设的列和约束生成算法进行求解，该海上风电的退出恢复装置及计算机可读存储介质提升了海上风电退出恢复在台风条件下的稳定性。
[0117]
具体实施例三
[0118]
除上述方法和装置外，本发明实施例还描述了一种海上风电的退出恢复系统。
[0119]
所述退出恢复系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的海上风电的退出恢复方法。
[0120]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路
(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述装置的控制中心，利用各种接口和线路连接整个装置的各个部分。
[0121]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0122]
本发明实施例描述了一种海上风电的退出恢复系统，通过在建模时考虑机组启停和电网潮流约束，同时兼顾考虑台风、风电功率、负荷的不确定性以及风电波动功率限制，在模型求解时将决策优化模型转化为两阶段线性鲁棒模型，并通过预设的列和约束生成算法进行求解，该海上风电的退出恢复系统提升了海上风电退出恢复在台风条件下的稳定性。
[0123]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。