本发明涉及电力调度,尤其涉及一种新能源波动下梯级电站实时优化调度方法及相关装置。
背景技术:
1、随着传统化石能源的日益枯竭以及使用化石燃料带来的环境问题日趋严重,风电、光电等清洁能源受到重视,清洁能源装机容量也在迅猛提高,同时在双碳目标下,电力系统吸纳新能源的比例也越来越高。水风光协调调度是实现清洁能源高效利用的重要形式之一。由于风电出力与光电出力受自然环境因素影响,具有显著的不确定性、随机性和间歇性特征,而水电具有运行灵活、调峰能力较好等特点,采用风光水互补的发电系统能够解决可再生能源消纳难题。
2、然而由于风电与光电的强随机性,现有的主流预测方法无法对风光出力进行准确预测,如何利用梯级水电站群的调峰能力来平抑风光出力的不确定性,在保证电网安全运行的前提下,最大化消纳新能源发电是电网进行实时协同调度的重点。判断梯级电站群的调峰能力是否能够在风、光出力大幅度波动时段完全消纳新能源是进行实时调度所需要的解决的首要问题。
技术实现思路
1、为了克服现有技术的不足,本发明提供了一种新能源波动下梯级电站实时优化调度方法及相关装置,实现了基于梯级水电站群的调峰能力平抑新能源并网给电网运行带来的不确定性,在保证电网安全运行的前提下最大化消纳新能源。
2、为了实现上述发明目的,本发明采用以下技术方案:
3、本技术第一方面提供了一种新能源波动下梯级电站实时优化调度方法,包括以下步骤:
4、s101、对风电光电历史数据进行调度模拟,确定需调峰时段及需调峰时段风电光电出力波动;
5、s102、基于梯级水库优化调度模型对需调峰时段及需调峰时段风电光电出力波动结果,进行最大调峰优化调度处理,得到需调峰时段梯级电站最大可调电量,并确定是否能完全消纳;
6、s103、基于梯级水库优化调度模型对风电光电能否完全消纳结果进行调度优化处理;
7、s104、基于调度优化处理结果获取调度时段数据信息,并基于调度时段数据信息进行判断是否完成调度;
8、进一步的,对风电光电历史数据进行调度模拟,确定需调峰时段及需调峰时段风电光电出力波动包括以下步骤:
9、将风电光电历史数据以单位时间分为若干个时段风电光电历史数据,并统计各个时段风电光电出力的变异系数,风电光电出力的变异系数的表达式如下所示:
10、
11、
12、其中,cv,w,t为风电在t时段内的变异系数,σw,t为风电历史出力数据中t时段历史数据的标准差,为风电历史出力数据中t时段历史数据的均值,cv,pv,t为光电在t时段内的变异系数,σpv,t为光电历史出力数据中t时段历史数据的标准差,为光电历史出力数据中t时段历史数据的均值;
13、基于未来单位时间内的天气预报进行风电光电出力预测;
14、基于各个时段风电光电出力的变异系数和风电光电出力预测结果,确定各个时段风电光电出力的标准差;
15、若风电光电波动服从正态分布,则在t时段风电光电的总体出力波动为2cv,w,tpw(t)+2cv,pv,tppv(t);
16、将当风电光电出力波动大于出力阈值时,定义该时段为风电光电大幅度波动时段,基于风电光电大幅度波动时段确定需调峰时段t1~t2。
17、进一步的,梯级水库优化调度模型包括最大调峰梯级水库优化调度子模型、剩余负荷方差最小梯级水库优化调度子模型、减少弃电梯级水库优化调度子模型。
18、进一步的,基于梯级水库优化调度模型对需调峰时段及需调峰时段风电光电出力波动结果,进行最大调峰优化调度处理包括以下步骤:
19、基于最大调峰梯级水库优化调度子模型对需调峰时段及需调峰时段风电光电出力波动结果进行最大调峰优化调度处理;
20、基于最大调峰优化调度处理结果,确定需调峰时段梯级电站最大可调电量;
21、对需调峰时段梯级电站最大可调电量进行判断是否能完全消纳。
22、进一步的,最大调峰梯级水库优化子模型的表达式如下所示:
23、
24、
25、其中,e1为需调峰时段内水电站群的总发电量,时段序数t=1,2,…,t1,…,t2,…,t,t1~t2为需调峰时段;i为梯级电站数量,ji为i水电站的机组数,机组序数j=1,2,…,ji,pi,j(t)为i水电站j机组在t时段的出力,kw,ui,j(t)为t时段i水电站的j机组的启停状态,ki,j为i水电站j机组的出力系数,qfd,i,j(t)为i水电站的j机组在t时段的发电流量(单位m3/s),hi(t)为i水电站在t时段的发电水头(单位m),δt为单位计算时段长(单位h)。
26、进一步的,剩余负荷方差最小梯级水库优化调度子模型的表达式如下所示:
27、
28、
29、
30、其中,fn(t)为t时段系统剩余负荷;为剩余负荷平均值;c(t)为电网在t时段的负荷;pi(t)、pw(t)、ppv(t)分别为i水电站、风电、光伏在t时段的出力。
31、进一步的,减少弃电梯级水库优化调度子模型的表达式如下所示:
32、
33、其中,δe为风电光伏弃电量(单位kw·h),c(t)为电网在t时段的负荷(单位kw),pi(t)为i水电站在t时段的出力(单位kw),pw(t)为风电在t时段的出力(单位kw),ppv(t)为光伏在t时段的出力(单位kw)。
34、进一步的,梯级水库优化调度模型的约束条件包括水量平衡约束、日可用水量约束、水位约束、出力约束、出库流量约束、机组爬坡能力约束、机组最短开停机历时约束、机组振动区约束。
35、进一步的,基于梯级水库优化调度模型对风电光电能否完全消纳结果进行调度优化处理包括以下步骤:
36、基于需调峰时段梯级电站最大可调电量,确定风电光电是否能完全消纳;
37、基于最大调峰梯级水库优化调度子模型的调度结果判断在需调峰时段内风电光电能否完全消纳;
38、当需调峰时段风电光电最大需调节电量小于或等于在需调峰时段内梯级电站所能调节的发电量时,风电光电能够完全消纳,则采用剩余负荷方差最小梯级水库优化调度子模型进行优化调度;当需调峰时段风电光电最大需调节电量大于在需调峰时段内梯级电站所能调节的发电量时,风电光电不能完全消纳,则采用减少弃电梯级水库优化调度子模型进行优化调度;
39、得到消纳风电光电出力的梯级电站最优厂间、厂内负荷分配方案。
40、进一步的,基于调度时段数据信息进行判断是否完成调度包括以下步骤:
41、若调度时段小于设定阈值,则判断实时优化调度完成;
42、若调度时段大于或等于设定阈值,则执行步骤s101。
43、本技术第二方面提供了一种新能源波动下梯级电站实时优化调度系统,包括:
44、第一处理单元,用于对风电光电历史数据进行调度模拟,确定需调峰时段及需调峰时段风电光电出力波动;
45、第二处理单元,用于基于梯级水库优化调度模型对需调峰时段及需调峰时段风电光电出力波动结果,进行最大调峰优化调度处理,得到需调峰时段梯级电站最大可调电量,并确定是否能完全消纳;
46、第三处理单元,用于基于梯级水库优化调度模型对风电光电能否完全消纳结果进行调度优化处理;
47、第四处理单元,基于调度优化处理结果获取调度时段数据信息,并基于调度时段数据信息进行判断是否完成调度。
48、本技术第三方面提供了一种新能源波动下梯级电站实时优化调度设备,包括处理器以及存储器:
49、存储器用于存储程序代码,并将程序代码传输给处理器;
50、处理器用于根据程序代码中的指令执行上述方法的新能源波动下梯级电站实时优化调度方法。
51、本技术第四方面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用于存储程序代码,所述程序代码用于执行第一方面所述的新能源波动下梯级电站实时优化调度方法。
52、本技术的有益效果:实现了基于梯级水电站群的调峰能力平抑新能源并网给电网运行带来的不确定性,在保证电网安全运行的前提下最大化消纳新能源。
53、通过基于对风电光电历史数据进行调度模拟,确定需调峰时段及需调峰时段风电光电出力波动,并基于梯级水库优化调度模型对需调峰时段及需调峰时段风电光电出力波动结果,进行最大调峰优化调度处理,得到需调峰时段梯级电站最大可调电量,并确定是否能完全消纳,通过梯级水库优化调度模型对风电光电能否完全消纳结果进行调度优化处理,得到调度优化结果,基于调度优化处理结果获取调度时段数据信息,并基于调度时段数据信息进行判断是否完成调度,从而实现了以风电、光电能否完全消纳作为确定优化调度目标的依据,根据不同的调度目标进行协同调度能够在保证电网安全运行的前提下最大化消纳新能源。