本发明属于电力系统调度自动化,具体涉及一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备。
背景技术:
1、随着新能源大规模快速发展和电力市场化交易持续推进,大电网运行面临三大挑战:①中长期新能源消纳能力缺乏量化评估,难以优先保障;②中长期电力市场化交易缺乏量化安全校核,难以有效执行;③既满足新能源消纳又要保障电力市场化交易执行的特高压交直流电网运行方式日益复杂,难以高效决策。
2、基于智能电网调控系统支撑平台已经陆续开展了中长期停电计划安全校核、中长期新能源消纳分析及中长期电量安全校核等中长期调度计划关键技术研究及业务应用软件研发,在省级电网中长期调度计划决策中起到了有效的支撑作用。但中长期新能源消纳分析、停电检修计划安全校核及电量安全校核多是基于单一电网运行场景进行计算分析,未考虑电网拓扑变化、电网运行边界数据变化的影响。
3、当前的电网中长期调度计划潮流断面,主要是基于人工设定的确定性电网运行边界进行分析计算,而中长期的电网运行边界可能会与电网实际运行情况有较大差异,例如不能充分考虑中长期新能源出力偏离预测的实际情况,大大降低了中长期调度计划计算结果的可用性。因此,需要构建充分考虑中长期电网运行边界变化情况的潮流断面典型场景库,但中长期的潮流断面场景涵盖多种影响因素,需要计及潮流特征并考虑确定性成分和不确定性成分,场景构建的难度极大。
技术实现思路
1、本发明的目的在于提出一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备,通过构建包含中长期系统负荷、中长期新能源出力典型场景特征的系统运行边界集,生成满足电网安全要求的不同潮流断面场景,提高中长期调度计划的计算精度与效率。
2、为达到上述目的,本发明采用的技术方案如下:
3、本发明一方面提供一种中长期调度计划的潮流断面场景集构建方法,包括:
4、构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
5、对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
6、基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
7、基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
8、进一步的,所述构建中长期电网调度系统运行边界集,包括:
9、基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
10、基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
11、将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
12、进一步的,所述基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景,包括:
13、获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
14、ld,std=ld,max/(1+α);
15、其中,ld,std为去年同期d日的系统基准负荷,ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
16、基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
17、ld,t=ld,max*ld0,t/ld0,max,t=1...24;
18、其中,ld,t为未来电力系统中长期d日时段t的系统负荷,ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷ld,std的d0日的日最高系统负荷,ld0,t为d0日时段t的负荷曲线系数;
19、根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
20、进一步的,所述基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景,包括:
21、统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
22、采用蒙特卡洛抽样,基于新能源功率误差的概率分布生成确定性场景集;
23、对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
24、进一步的,对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景,包括:
25、建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
26、所述目标函数:
27、
28、
29、
30、
31、pi,minus,i,t≤ps,i,t≤pi,maxus,i,t;
32、
33、
34、其中,t为计算周期所含时段数,i为中长期电网调度系统中发电机组总个数,ps,i,t为在场景s下机组i在时段t的有功出力变量,ci为机组i的运行成本,si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,ws,t为在场景s下时段t的新能源出力,tt为在时段t的联络线计划,ls,t为在场景s下时段t的负荷需求,rt为在时段t的旋转备用需求,pi,max和pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,uti和dti分别为机组i的最小开机时间和最小停机时间;
35、对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
36、进一步的,所述基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核,包括:
37、对电网输电线路进行潮流计算如下:
38、
39、其中,fs,l,t为场景s下时段t输电线路l的潮流,n为电网节点集合,ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
40、根据各输电线路的潮流结果fs,l,t与物理输电限值之间的关系,判断是否满足安全校核;
41、如果输电线路的潮流则输电线路l在时段t满足安全校核;否则输电线路l在时段t越限,不满足安全校核;其中,为输电线路l的物理输电限值。
42、进一步的,所述基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集,包括:
43、将越限的输电线路按照越限量从大到小进行排序,其中,越限量为
44、依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
45、若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
46、本发明第二方面提供一种中长期调度计划的潮流断面场景集构建系统,包括:
47、初始化模块,用于构建中长期电网调度系统运行边界集;所述中长期指从周到月的时间调度范围;所述中长期电网调度系统运行边界集为中长期联络线计划、中长期检修计划、中长期交易电量计划、中长期系统负荷和中长期新能源出力的不同场景相组合形成的场景集;
48、计算模块,用于对所述场景集中不同的场景,进行中长期机组组合优化计算,获得发电机组在对应场景的中长期开停机状态和有功出力,构建对应的初始潮流断面场景;
49、校核模块,用于基于各初始潮流断面场景对电网输电线路进行潮流计算,并根据潮流计算结果对电网进行安全校核;
50、决策模块,用于基于电网安全校核结果对发电机组的中长期开停机状态和有功出力进行调整,以生成中长期调度计划用的典型潮流断面场景集。
51、进一步的,所述初始化模块具体用于,
52、基于电力系统中长期负荷的预测数据和历史数据,得到中长期系统负荷典型场景;
53、基于历史新能源功率的预测值与实际发电值,得到中长期新能源出力典型场景;
54、将中长期系统负荷典型场景和中长期新能源出力典型场景进行组合,叠加中长期联络线计划、中长期检修计划和中长期交易电量计划数据,构成中长期电网调度系统运行边界集。
55、进一步的,所述初始化模块具体用于,
56、获取电力系统中长期负荷预测的每日最大值,结合系统负荷的年增长率,折算去年同期的系统基准负荷,如下:
57、ld,std=ld,max/(1+α);
58、其中,ld,std为去年同期d日的系统基准负荷,ld,max为未来电力系统中长期d日的系统负荷预测最大值,α为系统负荷的年增长率;
59、基于去年同期的系统基准负荷,计算未来电力系统中长期的系统负荷24小时曲线,如下:
60、ld,t=ld,max*ld0,t/ld0,max,t=1...24;
61、其中,ld,t为未来电力系统中长期d日时段t的系统负荷,ld0,max为去年同期d日的前后15天的日最高系统负荷中,最接近系统基准负荷ld,std的d0日的日最高系统负荷,ld0,t为d0日时段t的负荷曲线系数;
62、根据系统负荷的年增长率α的不同取值设置,获得未来d日不同负荷场景下的系统负荷曲线,其中,α取值10%时为高负荷场景,取值5%时为中负荷场景,取值0%时为低负荷场景;将高负荷场景、中负荷场景以及低负荷场景下的系统负荷曲线共同构成中长期系统负荷典型场景。
63、进一步的,所述初始化模块具体用于,
64、统计历史新能源功率的预测值与实际发电值之间误差的概率分布;
65、采用蒙特卡洛抽样,基于新能源功率误差概率分布生成确定性场景集;
66、对生成的确定性场景,采用k-means聚类方法提取10类场景作为中长期新能源出力典型场景。
67、进一步的,所述计算模块具体用于,
68、建立不考虑安全约束的中长期机组组合优化模型,所述中长期机组组合优化模型包括目标函数,以及所述目标函数满足的约束条件,如下:
69、所述目标函数:
70、
71、所述约束条件:
72、
73、
74、pi,minus,i,t≤ps,i,t≤pi,maxus,i,t;
75、
76、
77、其中,t为计算周期所含时段数,i为电网调度系统中发电机组总个数,ps,i,t为在场景s下机组i在时段t的有功出力变量,ci为机组i的运行成本,si为机组i的开机成本,ys,i,τ为在场景s下机组i在时段τ是否有停机到开机状态变化的标志变量,ws,t为在场景s下时段t的新能源出力,tt为在时段t的联络线计划,ls,t为在场景s下时段t的负荷需求,rt为在时段t的旋转备用需求,pi,max和pi,min分别为机组i输出功率的上限和下限,us,i,t为在场景s下机组i在时段t的开停机状态变量,zs,i,τ为在场景s下机组i在时段τ是否有开机到停机状态变化的标志变量,uti和dti分别为机组i的最小开机时间和最小停机时间;
78、对所构建的不考虑安全约束的中长期机组组合优化模型进行求解,得到发电机组在不同场景下的中长期的开停机状态和有功出力,构成初始潮流断面场景。
79、进一步的,所述校核模块具体用于,
80、对电网输电线路进行潮流计算如下:
81、
82、其中,fs,l,t为场景s下时段t输电线路l的潮流,n为电网节点集合,ps,n,t为场景s下时段t电网节点n的发电功率,为与电网节点n连接的机组有功出力ps,i,t的总加,ln,t为时段t电网节点n的母线负荷预测功率,sn,l,t为时段t电网节点n的注入功率对第l个输电线路的灵敏度;
83、根据各输电线路的潮流结果fs,l,t与物理输电限值之间的关系,判断是否满足安全校核,
84、如果输电线路的潮流则输电线路l在时段t满足安全校核;否则输电线路l在时段t越限,不满足安全校核;其中,为输电线路l的物理输电限值。
85、进一步的,所述决策模块具体用于,
86、将越限的输电线路按照越限量从大到小进行排序,其中,越限量为
87、依次将输电线路的越限量分配至已开机的发电机组,调整发电机组的有功出力,直至所有输电线路的潮流越限量得到消除;其中,分配时,按照已开机的发电机组的灵敏度由大到小顺次分配;
88、若所有已开机的发电机组出力均调整到限额,仍无法消除输电线路潮流越限量,则按照已停机的发电机组的灵敏度由大到小顺序,依次对发电机组的开停机状态进行调整,再将越限量分配到已开机的发电机组,直至所有输电线路的潮流越限量得到消除,获得发电机组在对应场景的中长期开停机状态和有功出力,构成中长期调度计划用的典型潮流断面场景。
89、本发明第三方面提供一种存储一个或多个程序的计算机可读存储器,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述的方法中的任一方法。
90、本发明第四方面提供一种设备,包括,
91、一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据前述的方法中的任一方法的指令。
92、本发明的有益效果为:
93、本发明构建包含潮流特征的中长期调度计划方式场景库,适应电网未来运行边界的变化,为中长期调度计划关键业务提供基础。