一种极端天气下电力系统日前运行策略鲁棒迭代优化方法与流程

本发明涉及电力系统运行优化，尤其是一种极端天气下电力系统日前运行策略鲁棒迭代优化方法。

背景技术：

1、随着新能源装机占比增大，其出力的不确定性成为制定日前发电计划时需要考虑的关键因素之一。基于新能源预测功率制定的发电计划，需要能够应对次日的实际新能源发电场景，以避免弃风、弃光或失负荷等现象发生。根据偏差幅度，本方法将预测偏差分为两类(见附图1)，一类为正常天气下的预测偏差，偏差幅度相对较小；一类为极端天气下的预测偏差，偏差幅度较大。极端天气(如台风)下，风电功率大幅上升或下降，但变化的时间和变化的幅度难以准确预测，导致这部分时段存在较大的功率预测偏差，提高了运行难度。

2、现有方法通常只考虑第一类预测偏差，所得到的运行策略不能适应极端天气下的运行需求。同时，台风等极端天气可能造成线路故障，导致关键断面传输能力下降，最终影响新能源的消纳与供电。

3、本方法构建极端天气下风电出力及断面状态不确定集，通过运行决策、极端场景校核的迭代优化，得到满足运行经济性及极端场景可靠性的运行结果。

技术实现思路

1、本发明提出种极端天气下电力系统日前运行策略鲁棒迭代优化方法，能通过日前发电计划决策及极端场景校核的迭代优化，得到满足经济性和可靠性的运行策略。

2、本发明采用以下技术方案。

3、一种极端天气下电力系统日前运行策略鲁棒迭代优化方法，包括以下步骤；步骤s1、获取计算所需数据，包括电源参数、断面参数、负荷数据、新能源预测数据、历史预测数据；

4、步骤s2、考虑极端天气下的运行风险，构建风电出力不确定集合、断面状态不确定集合；

5、步骤s3、考虑备用需求，以总成本最小为目标函数，构建日前运行优化模型；步骤s4、考虑站内储能，构建极端天气下风电场运行优化模型；

6、步骤s5、基于不确定集合，构建极端天气下运行策略鲁棒优化校核模型；

7、步骤s6、迭代优化发电计划并输出计算结果。

8、所述电源参数包括各个发电厂的单机容量、机组台数、机组技术经济参数、电量参数；发电厂的类型包括火电发电厂、水电发电厂、核电发电厂、风电发电厂、光伏发电厂、抽水蓄能发电厂、储能发电厂；

9、所述断面参数包括各断面传输功率上限、极端天气下传输功率降额；

10、所述负荷数据包括各地区次日预测负荷；

11、所述新能源预测数据包括各风电场次日预测功率、各光伏电站次日预测功率；

12、所述历史预测数据包括各风电场历史日前预测功率及实际功率、各光伏电站历史日前预测功率及实际功率。

13、步骤s2构建的不确定集合，用于描述极端天气下断面传输功率受限、风电发电功率突变时刻及突变量预测偏差的运行风险。

14、步骤s2中，不确定集合为不确定因素的集合，步骤s2中的极端天气下，影响电力系统运行的不确定因素包括：

15、因素一、故障导致断面功率传输能力降低，进而影响各地区电力平衡；

16、因素二、对风电场功率突变的时刻和幅度预测产生较大偏差，提高了调节难度，进而产生弃风光或失负荷风险；

17、步骤s2中，针对因素一建立断面状态不确定集合的方法如下：若地区a、地区b间的断面l传输功率极限为则极端天气下，受线路故障因素影响，其传输功率可能下降则断面状态不确定集合为：

18、

19、其中，辅助变量zl表示断面l传输功率极限是否下降，γl控制传输功率极限下降的断面总数，l为断面集合；

20、步骤s2中，针对因素二建立风电出力不确定集合的方法如下：设风电场w预测功率分解为波动幅度较小的基准曲线及功率突变幅度即以公式表示为：

21、

22、

23、

24、其中，表示该时刻风电预测功率相对基准曲线是否发生大幅波动，pw、t分别为风电场集合、时间集合；

25、设极端天气下，风电场的实际可发功率可能发生偏差、突变幅度和突变时刻变化，其不确定集合建模如下：

26、

27、其中，为风电场实际可发功率，nw表示预测功率突变发生的时刻，用于控制突变时刻偏移量，为实际功率突变幅度偏差，用于控制突变幅度偏差值；即因素二中，实际功率突变可能与预测不一致，如突变时刻出现不一致，则实际突变时刻与预测突变时刻的时刻数差小于如突变功率出现不一致，则实际突变值与预测突变值的差小于

28、步骤s3所建日前运行优化模型分地区设置备用约束，考虑利用地区内部电源调节能力、断面调节能力，共同应对有新能源功率预测偏差带来的上下备用需求。

29、步骤s3中，以满足用电负荷和新能源消纳为基本要求，日前运行优化模型以系统运行成本最小目标函数，考虑机组运行约束、断面运行约束、地区功率平衡约束的基本约束条件，并引入上、下备用约束以应对常规条件下新能源功率预测误差的影响；该模型具体表达式如下：

30、目标函数为：

31、

32、其中，pt为火电厂集合，分别为火电厂n发电功率、开机数、关停机组数，分别为火电厂n单位发电成本、单次开机成本、单次关停成本；

33、约束条件包括：

34、约束条件一、火电运行约束：

35、

36、

37、

38、

39、

40、

41、

42、其中，为单台机组出力下限及上限，un,t为在运机组数，为爬坡速率，nn为总机组数，为最小开机时间、最小停机时间；

43、核电运行约束参考火电设置；

44、约束条件二、水电运行约束：

45、

46、

47、其中，分别为水电厂n出力下限、上限，为水电厂发电功率，为次日可发电量；

48、约束条件三、新能源场站运行约束：

49、

50、

51、其中，分别为风电、光伏发电计划，为光伏电站预测出力；

52、为保证新能源发电量全额消纳，按预测出力设置新能源场站的发电计划；

53、约束条件四、抽水蓄能电站及储能运行约束：

54、

55、

56、

57、

58、

59、

60、

61、

62、其中，分别为抽蓄/储能充电功率、放电功率、功率上限、充电状态、放电状态、蓄电量、蓄电量下限、蓄电量上限；分别为充抽蓄/储能的自损耗系数、充电效率、放电效率，m为一极大常数；为1时表示充电，为1时表示放电；

63、约束条件五、断面运行约束，以公式表述为：

64、

65、其中，为断面l传输功率；

66、约束条件六、地区功率平衡，以公式表述为：

67、

68、其中，分别为地区a内部火电厂、水电厂、风电场、光伏电站、抽蓄/储能电站集合，分别表示以地区a为受端、送端的断面集合，la,t为地区a所连接外送线路传输功率；

69、约束条件七、备用约束，以公式表述为：

70、

71、

72、上式左侧分别为地区内电源及相连接线路能提供的上备用能力、下备用能力，右侧分别为由新能源预测误差造成的上备用需求、下备用需求；

73、备用约束表明所得运行策略需能够适应偏差幅度较小的预测偏差，且不造成弃风光操作；

74、其中，分别为风电预测功率向上偏差系数、光伏预测功率向上偏差系数、风电预测功率向下偏差系数、光伏预测功率向下偏差系数，应结合历史预测数据确定；分别为风电装机容量、光伏装机容量；分别为断面上备用系数、断面下备用系数；分别为电厂提供上备用及下备用的能力，应结合电厂出力状态和调节范围确定，即：

75、

76、

77、其中，分别为电厂向上、向下爬坡速率；分别为电厂出力上限、下限；

78、分别为断面提供向上、向下备用的能力，由断面传输功率值与传输功率极限共同确定，即：

79、

80、

81、步骤s4构建的风电场运行优化模型，在极端天气下，优先考虑新能源场站内部储能的调节作用，并作为全系统优化运行的新边界条件。

82、步骤s4中，考虑风电场配建储能应对极端天气下预测功率偏差的作用；当实际可发功率与预测功率出现较大偏差时，为降低偏差造成的考核费用，风电场即风电发电厂优先调用内部储能，使其场站内部风机与储能的出力之和尽可能接近预测值；具体方法为：

83、在实际可发功率为的情况下，对于每一座风电场，其优化模型如下：

84、目标函数为偏差考虑成本与内部储能运行成本之和最小，即：

85、

86、其中，为单位电量偏差考核成本，分别为风电场内部配置储能充电功率、放电功率，为储能单位电量运行成本；

87、运行约束包括：

88、

89、

90、

91、

92、

93、

94、

95、

96、

97、其中，分别为风电场配置储能功率、电量自损耗系数、充电效率、放电效率、蓄电量下限、蓄电量上限；分别为风电场配置储能充电状态、放电状态、蓄电量。

98、步骤s5中，极端天气下运行策略鲁棒优化校核模型用于校核步骤s3模型所得运行策略能否应对极端天气造成断面传输能力下降、风电可发功率突变时刻及幅度波动的不确定因素的影响，实现不确定场景下的可靠供电；该模型的目标函数为所有不确定场景下负荷偏差之和最大值，表示不确定场景可能造成的最坏结果，目标函数以公式表述为：

99、

100、其中，x为待求解变量合集，包括各电厂发电功率、上下备用、开停机等状态变量、断面传输功率，分别为发电功率松弛变量、负荷松弛变量，用于反应功率平衡约束在发电及负荷侧的缺额，即向上及向下备用能力的不足；极端天气下运行策略鲁棒优化校核模型的约束条件具体为：

101、约束a、步骤s5的阶段，火电开停机状态已确定，则火电运行约束式为

102、

103、约束b、风电场运行约束以式(34)-式(43)表述；

104、约束c、断面运行约束以公式表述为

105、

106、约束d、地区功率平衡约束以公式表述为

107、

108、

109、步骤s6通过日前运行策略求解-极端天气运行策略可行性校验的迭代更新，最终得到一组在极端天气下满足运行经济性、供电可靠性、新能源消纳要求的运行策略；

110、所述极端天气包括台风；

111、所述方法在执行发电计划迭代优化时，其流程包括以下步骤；

112、步骤a1、求解步骤s3所构建日前运行优化模型，若求解成功，保存求解结果，进入步骤a2；若求解失败，进入步骤a4；

113、步骤a2、基于步骤a1所得火电状态变量参数，求解步骤s5所构建校核模型。若目标函数为0，则通过校核，进入步骤a5；若目标函数不为0，则未通过校核，进入步骤a3；

114、步骤a3、根据变量的求解结果调整备用约束参数，重新进行步骤a1的计算；具体地，若说明向上调节能力不足，则增大同时减小若说明向下调节能力不足，则增大同时减小步骤a4、调整外送功率la,t等参数，恢复至初值，并返回步骤a1；

115、步骤a5、输出计算结果，结束迭代。

116、本发明所述方法通过构建极端天气下风电出力及断面状态不确定集，通过运行日前发电计划决策、极端场景校核的迭代优化，能得到满足运行经济性及极端场景可靠性的运行结果。

117、本发明面向极端天气下风电功率突变时刻及幅值预测偏差、断面传输功率极限下降等运行风险，构建不确定集合，进而通过日前发电计划优化、极端天气下可靠性校核的迭代，优化求解日前运行策略。该方法克服了传统方法不能考虑风电功率突变预测偏差的问题，在保障极端天气下可靠供电及新能源全额消纳的前提下，提高了发电计划的经济性。