计及广义储能的风储集群电力系统多时间尺度优化调度方法

本发明属于风储集群电力系统，具体涉及一种计及广义储能的风储集群电力系统多时间尺度优化调度方法。

背景技术：

1、高比例风电并网功率波动易造成电力系统有功功率不平衡，破坏系统频率稳定性，甚至引起大规模切负荷，严重威胁电力系统的安全经济运行。在风电场中配置一定比例的储能，可以提高风电场上网消纳水平、平抑其并网功率波动，减少大规模风电场并网对电力系统造成的不良影响。然而，现有研究仅仅局限于风储系统内部协调控制，随着发电侧风储系统集群接入电力系统，尚未有研究涉及含风储集群系统的电力系统优化调度方法。

2、目前，风-储协调控制的调度方法研究可主要分为两类：一类是发电侧风储系统内部的控制方法研究，另一类是电力系统的源-荷-储协调调度方法研究。

3、发电侧风储系统内部的控制方法主要是基于风电场滚动上报的功率预测数据，控制风储系统内部的储能充/放电，实现降低风电弃风功率和并网功率波动，但上述研究仅限于发电侧风储系统的内部。电力系统的源-荷-储协调调度方法主要是从电力系统调度的角度出发，发挥储能的灵活调度特性，将储能用于保持新型电力系统中源-荷多时间尺度功率平衡，但相关研究中储能系统均为电网侧独立储能电站或火电厂内储能。

4、然而，随着“风电场+储能“配套建设的新模式日渐成熟，如何从源侧风储系统入手，利用风储系统和需求响应资源的可调度性，构建含风储集群系统的电力系统优化调度方法，有待进一步研究。

技术实现思路

1、基于现有技术存在的空白和不足，本发明针对含风储集群系统的新型电力系统，提出一种计及广义储能的风储集群电力系统多时间尺度优化调度方法。首先，在日前长时间尺度调度价格型需求响应，以净负荷功率波动和运行成本最小为目标，求得日前调度计划和优化后的负荷曲线；其次，在日内短时间尺度调度激励型需求响应和风储系统，以电力系统总调度成本最低为目标，考虑风储集群系统功率波动约束，求得日内调度计划并确定各个风储系统的并网功率；本发明所提方法能够充分利用风电、负荷不同时间尺度预测数据和广义储能资源，减少风储集群系统的弃风电量，降低其并网功率波动。

2、其涉及的主要技术内容包括：

3、(1)将需求响应资源与传统储能共同构成广义储能，在日前长时间尺度调度价格型需求响应，以系统净负荷功率波动和运行成本最小为目标，优化调整电力负荷曲线；

4、(2)在日内短时间尺度调度激励型需求响应和风储系统，根据短时间尺度风电、负荷预测数据以及日前阶段优化求解的需求响应负荷调整量，考虑风储集群系统功率波动约束，以电力系统总调度成本最低为目标，求解日内调度计划，提出计及广义储能的风储集群电力系统多时间尺度优化调度方法。

5、本发明解决其技术问题具体采用的技术方案是：

6、一种计及广义储能的风储集群电力系统多时间尺度优化调度方法，将需求响应资源视为虚拟储能，与实际储能系统共同构成广义储能资源；采用虚拟储能模型由价格型需求响应和激励型需求响应构成；

7、首先，在日前长时间尺度调度价格型需求响应，以净负荷功率波动和运行成本最小为目标，求得日前调度计划和优化后的负荷曲线；其次，在日内短时间尺度调度激励型需求响应和风储系统，以电力系统总调度成本最低为目标，考虑风储集群系统功率波动约束，求得日内调度计划并确定各个风储系统的并网功率。

8、进一步地，包括以下步骤：

9、步骤s1：导入日前1小时时间尺度的风电和负荷需求预测数据；

10、步骤s2：根据风储集群电力系统的结构参数和拓扑结构，考虑包括各机组运行约束、价格型需求响应约束、功率平衡约束的各约束，构建日前长时间尺度电力系统优化调度模型；

11、步骤s3：通过gurobi求解器求解日前长时间尺度优化调度模型，获得日前阶段负荷的调整功率；

12、步骤s4：导入日前长时间尺度阶段调整后负荷，叠加预测误差生成短时间尺度负荷曲线，并导入日内短时间尺度各风电场预测数据；

13、步骤s5：考虑包括风储集群系统并网功率波动的各约束，以电力系统总运行成本最小为目标，构建日内短时间尺度电力系统优化调度模型；

14、步骤s6：通过gurobi求解器求解日内短时间尺度电力系统优化调度模型，获得电力系统全天的调度情况。

15、进一步地，所述价格型需求响应模型通过改变电价调整用户用电行为，从而改变电力负荷需求；价格弹性系数反映了电价变动对电力负荷需求改变的响应程度，价格弹性系数公式为：

16、

17、式中，q(i)为i时段的电力负荷；p(j)为j时段的电价；δq(i)为i时段的电力负荷变化量；δp(j)为j时段的电价改变量；

18、εij表示j时段电价改变对i时段电力负荷变化的影响程度，若j时段电价提高，δp(j)>0，则导致j时段电力负荷减少并转移至其他时段；因此，当i≠j时，εij<0，当i＝j时，εij>0；

19、考虑一个调度周期内多个时段电价和电力负荷相互影响，如式(2)所示：

20、

21、式中，e为价格弹性系数矩阵；

22、经价格需求响应后的负荷如式(3)所示：

23、

24、式中，表示t时刻需求响应后的负荷功率；pload(t)表示t时刻原始负荷功率；δq(t)表示t时刻负荷变化量；

25、所述激励型需求响应模型通过支付补偿成本，调度与电力公司签订协议的用户，激励用户响应电力公司的调度需求，从而实现对电力系统负荷的调整，其运行约束如式(4)所示：

26、

27、式中，表示激励型需求响应最大可调度功率。

28、进一步地，对单个风储系统和风储集群系统15min有功功率变化最大限值进行约束，具体为：

29、

30、式中，表示第j个风储系统相邻15min的有功功率变化限值；pn表示该风电场额定装机容量；

31、考虑到多个风储系统集群并网存在自身平滑效应，风储集群系统并网功率应小于各风储系统并网功率波动之和，对风储集群系统并网功率波动做出如下约束：

32、

33、式中，表示由m个风储系统构成的风储集群系统相邻15min有功功率变化限值；μ表示风储集群系统自平滑系数，μ∈[0,1]。

34、进一步地，所述日前长时间尺度调度模型的优化目标是最小化净负荷功率波动和电力系统运行成本，如式(8)所示：

35、minfl＝min(f1+f2+f3) (8)

36、

37、式中，f1为净负荷功率波动；f2为风电弃风成本；f3为火电机组运行成本；tl为日前阶段的总调度时段数，日前阶段调度时间尺度为1h，tl＝24；pn(t)表示t时刻净负荷功率；为t时刻风电场j的预测功率；ck为风电弃风惩罚成本；pw,j(t)表示t时刻风电场j的上网消纳功率；pg,i(t)为t时刻火电机组i的发电量；ai、bi、ci为火电机组的耗量成本系数；

38、约束条件包括：

39、功率平衡约束：

40、

41、其中，下角标g代表火电，w代表风电场，上标n为火电台数，m为风电场个数；输电网潮流约束：

42、

43、式中，pxy(t)表示t时刻支路xy的传输功率；和gxy分别表示支路xy传输功率上限和线路电抗；θx(t)和θy(t)分别表示t时刻节点x、y的相角；

44、火电机组出力约束：

45、

46、式中，和表示火电机组i的出力下限和上限；

47、火电机组爬坡约束：

48、

49、式中，和表示火电机组i的上爬功率限值和下降功率限值；

50、负荷功率应满足需求响应前后负荷总量不变：

51、

52、需求响应上下限约束：

53、某一时段内可参与价格型需求响应负荷功率有限，该时段响应后负荷功率应处于原负荷的某一调整范围内；

54、

55、式中，α表示价格型需求响应的调整范围；

56、用电方式满意度约束：

57、需求响应后负荷功率发生改变，将影响到用户的用电方式，用户的用电方式满意度应满足某一最低临界值：

58、

59、式中，λ为用电方式满意度，λmin为用电方式满意度最低值；

60、用电支出满意度：

61、价格型需求响应是通过调整电价的方式改变用户的用电行为，因此需要考虑用户的用电支出满意度，即响应后用户购电费用不得低于原负荷购电费用的某一比例：

62、

63、式中，为用电支出满意度，为用电支出满意度最低值。

64、进一步地，所述日内短时间尺度调度模型将日前长时间尺度优化后的负荷叠加一定比例预测误差，作为日内短时间尺度优化的负荷功率，构建日内短时间尺度调度模型；

65、以电力系统运行成本最小为目标构建目标函数：

66、fs＝min(f4+f5+f6+f7+f8) (18)

67、式中，f4为火电机组运行成本；f5为碳交易成本；f6为弃风惩罚成本；f7为电池储能系统运行成本；f8为激励型需求响应调度成本；

68、

69、式中，ts为日内阶段的总调度时段数，日内阶段调度时间尺度为15min，ts＝96；cg为系统的碳交易价格；ec为系统的净碳排量；λg为火电机组的碳配额系数；pw-s,j(t)表示t时刻风储系统j的上网功率；cb表示电池储能系统的充放电运行成本；和表示t时刻第j个风电场电池储能系统的充放电功率；cidr表示激励型需求响应的调度成本；pidr(t)表示t时刻激励型需求响应的调整功率；

70、约束条件包括与所述日前长时间尺度调度模型相同形式的输电网潮流约束、火电机组出力约束，以及：

71、功率平衡约束：

72、考虑激励型需求响应和风电场自配电池储能系统后的功率平衡约束应发生变化：

73、

74、火电机组爬坡约束：

75、日内短时间尺度调度阶段火电机组爬坡功率限值做出调整：

76、

77、式中，和表示火电机组i的上爬功率限值和下降功率限值；

78、旋转备用约束

79、考虑到日内短时间尺度风电、负荷预测仍存在一定程度的预测误差，设置旋转备用以应对不确定性；

80、

81、式中，和分别表示t时刻系统需要的旋转备用容量；μ1和μ2分别表示负荷和风电的旋转备用容量系数；

82、电池储能系统运行约束

83、除了电池储能系统基本运行约束以外，为了使电池储能系统能够充分地响应电力系统调度，要求电池储能系统参与电力系统一个调度周期结束时soc需恢复到该调度周期的初始状态：

84、socj(1)＝socj(ts)    (23)

85、风储集群并网功率波动约束：

86、

87、

88、式中，表示t时刻第j个风电场的额定装机容量。

89、进一步地，所述电池储能系统的模型如式(5)所示：

90、

91、式中，socj(t)表示第j个风电场bess在t时刻的电池荷电状态；qb,j表示第j个风电场bess的额定容量；ηc和ηd分别表示bess的充电效率和放电效率；tb表示bess的调度间隔；socmax和socmin分别表示电池荷电状态的上下限；和分别表示第j个风电场bess充电、放电功率的上限；和分别表示第j个风电场bess的充电、放电状态，时表示bess充电，时表示bess放电。

92、以及，一种计及广义储能的风储集群电力系统多时间尺度优化调度系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上所述的方法。

93、以及，一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上所述的方法。

94、相比于现有技术，本发明及其优选方案提出计及广义储能的风储集群电力系统多时间尺度优化调度方法。该方法将需求响应资源视为虚拟储能，与实际储能系统共同构成广义储能资源。首先，在日前长时间尺度通过价格型需求响应调整负荷，以净负荷功率波动和运行成本最小为目标，求得日前调度计划和优化后的负荷曲线；其次，在日内短时间尺度调度激励型需求响应和风储系统，以电力系统总运行成本最低为目标，约束单个风储系统和风储集群系统的有功功率变化最大限值，求得日内调度计划并确定各个风储系统的并网功率，建立了计及广义储能的风储集群电力系统多时间尺度优化调度模型；本方法充分利用风电、负荷不同时间尺度预测数据和广义储能资源，可降低电力系统运行成本、减少风储集群系统的弃风电量，降低其并网功率波动。