一种计及源荷储多调节资源的电网可用输电能力优化方法

本发明涉及电气工程，尤其涉及一种计及源荷储多调节资源的电网可用输电能力优化方法。

背景技术：

1、风能作为重要的新能源得到快速发展。截止到2022年底，全国风电装机容量达3.7亿千瓦，同比增长11.2％，占全国总装机容量的14.45％。但是风速的随机性和波动性直接影响风电场并网功率，风电场的出力的不确定性使得电力系统的规划和运行控制趋于复杂。

2、随着电力系统规模逐渐增大，电力工业交易日益增多，输电网络阻塞问题越来越严重，严重的阻塞问题不仅威胁系统安全稳定运行，还破坏市场交易的公平有序进行。可用输电能力(available transfer capability，atc)衡量的是两区域间的剩余可靠的传输能力，是一种反映电网灵活性的指标，对于指导电力市场交易、维持系统安全稳定运行具有重要意义。因此，可通过atc的大小判断是否发生阻塞，当发生阻塞时，通过提升atc以缓解输电阻塞，提高电网的安全稳定裕度。

3、随着电力市场化改革的推进，需求响应(demand response,dr)作为一种可调节资源参与到电力系统调度中。此外，电网侧大规模电化学储能由于其可灵活配置、易运行维护等特点在电力系统中应用广泛。因此，在兼顾经济性的同时协调源荷储等调节资源对atc进行优化提升对于提高电力系统安全稳定运行、保证电力市场公平有序进行具有重要意义。

技术实现思路

1、本发明的目的是提出一种计及源荷储多调节资源的电网可用输电能力优化方法，包括以下步骤：

2、步骤a、采用场景分析法描述风电场出力的不确定性，包括风电动态场景的生成与缩减；基于大量历史数据生成考虑时间相关性的初始动态场景，采用k-means++对初始场景进行聚类得到具有代表性的场景；

3、步骤b、建立激励型需求响应(incentive-based demand response,idr)模型和运行机制，引入负荷聚合商将各类用户整合聚集，负荷聚合商向电网机构分段报价，最终确定负荷聚合商的idr调度成本和idr约束条件；

4、步骤c、以日前随机动态atc计算模型为第一阶段，首先建立源荷储协调优化经济调度模型，以优化结果作为基态，然后建立基于直流最优潮流的atc计算模型，最后通过atc的大小判断未来24h内是否发生阻塞，若未发生阻塞，不进行步骤d，若发生阻塞，进行步骤d；

5、步骤d、以日前随机动态atc双层优化模型为第二阶段，构建随机动态atc双层优化模型，即上层模型和下层模型，上层模型确定储能和idr运行情况并传递给下层，下层确定基态传递给上层，采用kkt(karush-kuhn-tucker)条件将下层模型转化成一系列等式约束并利用大m法进行松弛，将整个双层问题转化为单层的混合整数线性规划(milp)问题，并采用gurobi进行高效求解。

6、步骤a中基于大量历史数据生成考虑时间相关性的初始动态场景具体包括：

7、步骤s1：生成不同出力区间的风电功率预测箱；根据风电预测功率将风电出力划分成一系列的区间，按照预测值大小将历史预测数据和实际出力放入到各预测箱内，计算各个预测箱的相对预测误差概率分布；

8、步骤s2：确定日前动态场景的相对预测误差协方差矩阵σ：

9、

10、式中：σm,n为m和n时段风电出力相对预测误差的相关性大小；

11、采用指数型函数计算协方差矩阵，

12、

13、式中：ε用来确定m、n时段的随机变量的相关性，t为一个调度周期，取24h；

14、步骤s3：通过σ生成服从标准正态分布n(μ0,σ)的s行t列的随机向量，μ0为t维零向量，s为场景数；

15、步骤s4：拟合每个预测箱内数据预测误差的累计经验概率分布函数；

16、步骤s5：对多元正态随机向量进行逆变换，将s×t维正态分布随机向量转化为s个具有相关性的风电出力误差场景。

17、步骤a中采用k-means++对初始场景进行聚类得到具有代表性的场景具体如下：

18、设定聚类数为ns，随机选取第一个初始聚类中心，计算每个样本与最近一个聚类中心的距离，该值越大被选中的概率越大，采用轮盘算法选出下一个聚类中心，重复以上过程直到选出ns个聚类中心；采用k-means进行聚类，划分得到ns类，每一类中心为一个典型场景，每一类包含的样本数除以总样本数为该场景的概率。

19、步骤b中第i个负荷聚合商在t时段的idr调度成本为：

20、

21、式中：分别表示第i个负荷聚合商t时段位于分段函数第m段的增、减电量，对应为分段函数第m段的增、减电量的单位报价成本；nm为分段报价分段数。

22、步骤b中第i个负荷聚合商的idr约束条件为：

23、

24、

25、

26、

27、

28、

29、

30、

31、

32、

33、

34、

35、

36、

37、式中：分别表示节点i处在t时段激励型响应负荷增加和削减电量；分别表示节点i个在t时段位于分段函数第m段的增、减电量；分别表示节点i个在t时段位于分段函数第1段的增、减电量；dmin为idr最小响应电量；dm为分段报价曲线第m段电量值，当m＝1时，dm＝d1；和为0-1变量，当表示节点i处激励型响应负荷在t时段发生了负荷削减，当时没有发生负荷削减；当表示节点i处激励型响应负荷在t时段有负荷移动到该时段，当时没有负荷移动到该时段；分别为节点i激励型响应负荷量的最小值、最大值；t为调度周期，取24h；tcut,i为节点i处idr出现负荷削减时削减状态持续的最小时间，ttrf,i为节点i处idr出现负荷转移到该时刻的最小可持续时间；hi和li为中间变量；为节点i处idr在调度周期内的总响应电量，取0时，保证idr响应前后用电量不变。

38、步骤c中源荷储协调优化经济调度模型具体如下：

39、目标函数：

40、minf1＝fg+ferss+fidr+fw

41、

42、式中：f1为日前经济调度目标函数；fg、ferss、fidr、fw分别代表常规机组发电费用、储能运行成本、idr调度成本和弃风惩罚成本；nt为一个调度周期，取24h；ns为场景数；ng为常规机组个数；ps为场景s发生概率；ai、bi、ci分别代表火电厂发电成本的比例系数；pgi,t,s为场景s下第i个常规机组在t时段的有功出力；gqi和gti为分别为第i个常规机组开机费用和停机费用；ui,t为第i个常规机组在t时段的启停状态，为0-1变量，启动时取1，停止运行取0，设定所有场景下的机组启停计划相同；nerss为电化学储能电站个数；ferssi,t,s为第i个储能电站在场景s下t时段的运行成本；nidr为系统参与idr的节点数；cidri,t,s为节点i场景s下t时段的idr调度成本；n为系统节点数；nw为风电场个数；qi,t,s为场景s下第i个风电场在t时段的弃风功率，cw,i为相应场站单位功率的弃风惩罚成本；

43、约束条件：

44、idr约束条件

45、储能运行约束

46、

47、uchi,t,s+ucfi,t,s≤1

48、

49、

50、式中：pchi,t,s、pcfi,t,s分别为t时段的充电和放电功率；pnc为电池储能的额定功率；uchi,t,s、ucfi,t,s分别为t时段充放电状态，为0-1变量，充电时，uchi,t,s＝1、ucfi,t,s＝0，放电时，uchi,t,s＝0、ucfi,t,s＝1；si,t,s为储能t时刻的荷电状态；α为自放电率，储能系统自身存在一定的能量损耗，由于自放电导致的；ηch、ηcf分别为储能充放电效率；μ1、μ2分别为储能固有的荷电状态上下限系数；δt为时间尺度；s0、分别为调度周期始、末时刻的电量；

51、功率平衡约束

52、

53、式中：pwi,t,s为节点i风电预测出力；n为节点数；

54、常规机组出力约束

55、ui,tpgi,min≤pgi,t,s≤ui,tpgi,max

56、式中：pgi,min和pgi,max分别为发电机出力的下限和上限；

57、常规机组爬坡约束

58、ri,minpmi≤pgi,t,s-pgi,t-1,s≤ri,maxpmi

59、式中：ri,min和ri,max分别为常规机组i向下和向上爬坡速率；pmi为常规机组i的额定出力；

60、风电出力约束

61、0≤qi,t,s≤pwi,t,s

62、线路热稳定约束

63、

64、式中：gsfl-i为节点i对线路l的转移因子；pl,max为线路l的传输功率上限；

65、火电机组启停持续时间

66、

67、式中：ti,s,on、ti,s,off分别为机组持续开机时间和停机时间；ti,mu、ti,md分别为火电机组最小持续开机时间和停机时间；

68、备用约束

69、

70、式中：rd、rf分别为系统负荷、风电所需的备用系数。

71、步骤c中基于直流最优潮流的atc计算模型具体如下：

72、目标函数为调度周期内atc之和期望最大：

73、

74、式中：为节点i场景s下t时段的极限状态有功负荷；pdi,t,s为节点i场景s下t时段的基态有功负荷；sink为受电区域集合；

75、约束条件：

76、功率平衡约束

77、

78、式中，分别为极限状态下的节点常规机组出力、风电预测出力、弃风功率；pcfi,t,s、pchi,t,s分别为基态下的储能放电和充电功率；分别为基态下的idr增加和减小电量；

79、线路热稳定约束

80、

81、发电机容量约束

82、

83、

84、式中，source为发电区域集合；

85、负荷约束

86、

87、

88、式中，pdi,max为节点i有功负荷最大值；

89、常规机组爬坡约束

90、

91、步骤d中随机动态atc双层优化模型的上层模型具体如下：

92、目标函数为阻塞时段atc之和期望最大：

93、

94、式中，zt为atc较小发生线路阻塞或重载时段的集合；

95、约束条件：

96、idr约束条件

97、储能运行约束

98、发电机容量约束

99、

100、

101、线路热稳定约束

102、

103、负荷约束

104、

105、

106、常规机组爬坡约束

107、

108、非阻塞时段atc大小约束

109、

110、式中，atct,s为t时段场景s下的atc值，atcmin为最小atc设定值；

111、储能运行成本约束

112、ferss≤cerss,max

113、式中，ferss、cerss,max分别为储能运行成本实际值和最大值；

114、idr调度成本约束

115、cidr≤cidr,max

116、式中，cidr、cidr,max分别为idr调度成本实际值和最大值。

117、步骤d中随机动态atc双层优化模型的下层模型具体如下：

118、目标函数为常规机组发电成本与弃风惩罚成本最小：

119、minf1＝fg+fw

120、

121、约束条件：

122、功率平衡约束

123、

124、常规机组出力约束

125、ui,tpgi,min≤pgi,t,s≤ui,tpgi,max

126、常规机组爬坡约束

127、ri,minpmi≤pgi,t,s-pgi,t-1,s≤ri,maxpmi

128、风电出力约束

129、0≤qi,t,s≤pwi,t,s

130、线路热稳定约束

131、

132、备用约束

133、

134、本发明的有益效果在于：

135、1、本发明的系统总运行成本与弃风率均得到有效下降，优化了系统运行方式，提高了新能源消纳率。

136、2、本发明源荷储的协调运行消除了线路阻塞，提升了atc，提高了系统运行安全性。