一种日前市场下水风光联合互补优化调度方法

本发明涉及新能源发电中的水风光互补联合系统中的容量配置领域，尤其是一种日前市场下水风光联合互补优化调度方法。

背景技术：

1、近年来，太阳能、风能等可再生能源因其环境友好、可再生、资源丰富等特点得到了快速发展。这些电源代表了对抗环境污染和全球变暖的有效方法。但由于太阳能和风能对气候因素的高度依赖性，具有很强的随机性、间歇性和波动性。这意味着当不稳定的风能和光伏(pv)电源直接集成到电网中时，电网的安全和经济运行可能受到威胁。风能和光伏与其他电源的互补管理提供了科普这一挑战的有效方法。水力发电是风能和光伏发电的补充电源的一个很好的选择，因为水力发电具有快速的开闭能力和强大的调节特性。当需要稳定风力和太阳能输出的波动时，这有助于水力发电机的快速调节。因此，为了形成一种类型的混合能量存储系统，水电与其他储能电源正变得越来越流行，其实例包括水电-光伏互补系统、水电-风互补系统和水电-风-光伏互补系统。在中国，太阳能和风能的总装机容量在2019年超过200吉瓦。然而，电力供应和需求之间存在空间不匹配：水电、风能和太阳能资源主要集中在西部中国，但东部地区的电力需求远高于西部地区。因此，针对新能源发电的随机性、波动性，开展水风光互补联合调度方法的研究是提升系统经济和稳定性的重要保证。

2、在水电大规模发展和电力市场新形势下，梯级水电企业已成为水电能源系统中至关重要的市场发电主体。在协调电力交易与实际运行之间扮演着关键角色的梯级水电系统短期优化调度，对于优化市场决策和高效配置资源具有极其重要的作用。为了实现水能资源的高效利用，优化梯级水电企业的市场决策和运行方式，研究新市场环境下梯级水电系统短期联合优化调度及风险控制策略显得尤为关键。这将有助于促进我国水电企业积极参与市场竞争，促进水电产业的高质量发展。在面临的关键科学问题和技术瓶颈上，探索水风光系统短期联合优化调度所面临的挑战将有助于提出创新性解决方案。这些解决方案不仅将为企业市场决策和资源配置带来优势，还将在实践中发挥重要作用，指导企业在新的市场环境下取得更好的效益。综上所述，研究水风光系统短期联合优化调度及风险控制策略在理论上具有重要意义，同时在实践中具备显著的工程应用价值。这将有助于我国水电企业在不断变化的电力市场中保持竞争力，同时推动电力行业的可持续发展。

技术实现思路

1、本发明所要解决的技术问题是提供一种日前市场下水风光联合互补优化调度方法，能够有效实现在日前市场下水风光互补联合运行，并有效地提高发电企业的经济性和降低缺电风险的概率。

2、为解决上述技术问题，本发明所采用的技术方案是：一种日前市场下水风光联合互补优化调度方法，包括以下步骤：

3、步骤一，收集研究区域内的风电场、光伏电站的历史数据；并拟合表征该地区风光出力联合概率分布模型；

4、步骤二，通过代表性场景表征风电和光伏电力的预测不确定性，然后将其输入模型中；

5、步骤三，根据大规模水风光互补联合调度特性和水电站的调节能力，采用时间参数描述，水风光互补联合调度的出力过程，并设置水风光短期协同运行的策略；

6、步骤四，根据步骤三构建日前市场下水风光系统的最优经济模型、以及考虑缺电风险最小的多目标优化模型；

7、步骤五，基于步骤三和步骤四构建的日前市场水风光短期互补优化调度模型和策略，设置多目标优化求解方法；

8、步骤六，将由步骤一和步骤二所得的不确定性的风力和光伏功率预测场景的日出力过程输入模型，将各水电站的出力作为步骤五的输入变量，采用多目标优化算法对模型求解；

9、步骤七，基于步骤六形成帕累托前沿解，并选取可靠性指标对不同规划装机容量条件下的水风光系统协同运行模式的可靠性进行评估，提供不同的导向确定水风光最优配置方案。

10、优选的，所述步骤一中，集研究区域内的风电场、光伏电站的历史实测日出力数据，基于非参数核密度估计法分别求得域风电、光伏出力样本的概率密度函数，运用copula理论建立多个常见的风光出力联合概率分布模型，通过比较其kendall、spearman相关系数度量值以及欧氏距离，从中选取拟合程度最优的copula函数表征该地区的风光出力互补特性。

11、优选的，所述步骤二通过超立方拉丁抽样的方法获得的有限样本可以更准确地描述变量的分布，然后基于预测的风力和光伏功率输出以及模拟的预测误差，生成可以表征预测不确定性的风力和光伏功率场景的集合。

12、优选的，所述步骤四构建日前市场下水风光系统的最优经济模型、以及考虑缺电风险最小的多目标优化模型由目标函数、决策变量和约束条件构成，

13、a、目标函数：

14、目标函数一：

15、兼顾日前市场，以预期效益最大为目标：

16、

17、ph,i,t＝ki·qi,t·hi,t

18、e总为总预期收益，元；

19、ph,i,t为第k级级水电站第t时段n号机组的出力，kw；

20、ww,t为风电第t时段的消纳电量，kw·h；

21、ws,t为光伏第t时段的消纳电量，kw·h；

22、t为时段总数；

23、n为梯级水电站的总数；

24、ki为第i级水电站的出力系数；

25、qi,t为第i级水电站第t时段的平均发电流量,m3/s；

26、hi,t为第i级水电站,第t时段的平均发电水头，m；

27、和分别为t时段电价、调频容量单价以及调频里程单价；

28、ck,t为第k个水电站agc发电单元t时段agc容量；

29、ak,t为第k个水电站agc发电单元t时段调频性能指标；

30、mk,t为第k个水电站agc发电单元t时段调频里程；

31、目标函数二：

32、最小化综合风险率制定发电计划时应考虑综合限电和缺电风险

33、

34、

35、

36、

37、其中i是代表性场景的数量；

38、rci,t，t和rsi,t，t分别为情景i下在时段t的弃风弃光率和全系统缺电率；

39、t是操作周期的数量；

40、pi,t计划是水风光在时间段t的计划输送功率(mw)；

41、为情景i下梯级水电站在时间段t的实际发电量(mw)；

42、δpi,t是在时间段t(mw)时系统的实际功率输出与发电计划中的计划输送功率之间的差；

43、b、决策变量：为平均发电流量和平均发电水头；

44、c、约束条件：

45、(1)水风光输送通道容量约束：

46、ph,t+pw,t+ps,t≤pmax

47、上式中，pmax为输电通道的极限传输功率，ph,t为t时刻所有水电站输出功率，pw,t为t时刻所有风电输出功率，ps,t为t时刻所有光伏的输出功率；

48、(2)梯级水电站水量平衡约束：

49、

50、vi,t+1、vi,t分别为第i个水电站在第t时段初、末水库蓄水量，m3；

51、qr,i,t为第i个水电站第t时段的入库流量，m3/s；

52、qd,i,t为第i个水电站第t时段的下泄流量，m3/s；

53、qf,i,t为第i个水电站第t时段的发电流量，m3/s；

54、qs,i,t为第i个水电站第t时段的弃水流量，m3/s；

55、(3)上下游水力联系：

56、qr,i,t＝qd,i-1,t+qq,i,t

57、qd,i-1,t,为第i个水电站的上游电站的下泄流量，m3/s

58、qd,i,t为第i-1个电站到第i个电站之间范围的区间流量，m3/s

59、(4)水位-库容约束：

60、vi,t＝fi,zv(zi,t)

61、fi,zv为第i个水电站的水位库容关系函数；

62、(5)尾水位-泄流量约束：

63、zd,i,t＝fi,zq(qd,i,t)

64、fi,zq为第i个水电站的尾水位泄量关系函数；

65、zd,i,t为第i个水电站t时段的下游水位，m；

66、(6)水位限制：

67、zi,tmin≤zi,t≤zi,tmax

68、zi,tmin为第i个水电站t时段最低运行水位，本研究取调度下线，m；

69、zi,tmax为第i个水电站t时段最高运行水位，本研究取调度上线，m；

70、(7)发电流量限制：

71、qi,tmin≤qi,t≤qi,tmax

72、

73、qi,tmin为第i个水电站在t时段最小引用流量，m3/s；

74、为第i个水电站在t时段水库的最小生态流量，m3/s；

75、为第i个水电站在t时段水轮机组要求的最小引用流量，m3/s；

76、qi,tmax为第i个水电站在t时段最大引用流量，m3/s；

77、(8)电站出力约束：

78、ni,tminvkqi,thi,t≤ni,tmax

79、ni,tmin为第i个水电站在t时段发电机组的最小出力，kw；

80、ni,tmax为第i个水电站在t时段发电机组的最大出力，kw；

81、hi,t为第i个水电站在t时0段的发电水头，m；

82、(9)调频容量约束：

83、

84、

85、

86、ui,k为机组功能标识，当机组为agc机组时，ui,k＝1，否则，ui,k＝0；

87、分别为第k个水电站t时段i号机组的向上可调容量与向下可调容量；

88、(10)调频容量限制：

89、

90、为t时段agc发电单元调频容量申报下限和上限。

91、优选的，所述步骤六中的多目标优化算法为多目标白鲸优化算法。

92、本发明提供一种日前市场下水风光联合互补优化调度方法，可实现在日前市场下以及水电站出力和agc辅助调频能力、水库的调节特性、风光预测出力的前提下，利用水风光联合调度系统的特点，最优经济以及考虑缺电风险最小的多目标优化模型。有效提高了发电企业经济特性和降低了第二天可能会出现限电和电力短缺最小的风险。并在此基础上，提出多目标鲸鱼优化算法用于求解日前市场下水风光互补来联合互补优化调度多目标调度模型。本发明可以为水风光互补系统的规划建设提供技术支持，适用于在大规模梯级水电调度和风光调度系统中推广应用。