CN102738833B - 一种含风电的电力系统多时间尺度滚动协调调度方法 - Google Patents

Abstract

本发明公开了一种含风电的电力系统多时间尺度滚动协调调度方法；方法包括：根据年度预测及火电机组检修数据，计算火电机组检修计划和年电量计划，滚动编制年调度方案；将火电机组年发电量分解至每周；根据周预测数据和火电机组周发电量，计算火电机组启停计划和周出力计划，滚动编制周调度方案；将火电机组周发电量分解至每日；根据短期预测数据和火电机组日发电量，计算火电机组日出力计划，滚动编制日调度方案；根据超短期预测数据和火电机组日出力计划，计算火电机组出力调整量，滚动执行实时调度方案；根据最新预测数据及实际执行情况，滚动修正年内、周内和日内调度方案；该方法能够较好的应对大规模风电并网所带来的不确定性影响。

Description

一种含风电的电力系统多时间尺度滚动协调调度方法

技术领域

本发明属于电力系统调度自动化技术领域，更具体地，涉及一种含风电的电力系统多时间尺度滚动协调调度方法。

背景技术

随着化石能源的日益枯竭和环境问题的日益加剧，国家节能减排力度不断加大，风能和太阳能等可再生能源迅猛发展。然而由于风的随机性、波动性和难以预测性，大规模风电的并网给电力系统调度带来了严重的挑战。

电力系统调度在时间尺度上主要分为中长期调度、日前调度和实时调度等。目前，针对各个时间尺度的独立调度问题研究的较为成熟，但不同时间尺度之间的协调问题研究较少。在风电等间歇式能源调度方法、协调调度方面缺乏强有力的技术支撑手段，增加了电力系统调度间歇式能源的难度，难以克服风电所带来的不确定影响，无法保证较长时间尺度的发电计划在较短时间尺度中予以执行，难以达到全局优化。

发明内容

本发明提供了一种含风电的电力系统多时间尺度滚动协调调度方法，旨在解决现有调度技术难以克服的大规模风电接入所带来的不确定性影响，保证较长时间尺度的发电计划能在较短时间尺度中顺利执行，达到全局优化的效果。

本发明的目的在于提供一种含风电的电力系统多时间尺度滚动协调调度方法，包括下述步骤：

S1：设置第一计数器T₀=C₀，

n₀为年调度循环执行时间间隔，以周为单位长度；

S2：判断T₀是否等于0，若是，则结束；若否，则进入步骤S3；

S3：滚动编制年调度方案：

S31：根据最新的风电电量年度预测值

负荷电量年度预测值

周峰荷功率年度预测值

火电机组最早开始检修时刻e、火电机组最晚开始检修时刻l和火电机组检修持续时间d构造年调度发电模型，并求解得到火电机组年检修数据x和年发电量

根据所述火电机组年检修数据x向各个火电厂发布火电机组检修信息；

S32：将火电机组的年发电量按比例分摊的形式分解为周发电量的上、下限值；

S4：设置第二计数器T₁=C₁，

n₁为周调度循环执行时间间隔，以日为单位长度；

S5：判断T₁是否等于0，若是，则T₀=T₀-1，并将统计的火电机组在前n₀周的实际发电量反馈给年调度发电模型，并转入步骤S2，若否，则进入步骤S6；

S6：滚动编制周调度方案：

S61：根据最新的风电功率周预测值P_W和负荷功率周预测值P_D、火电机组年检修数据x以及所述周发电量的上、下限值构造周调度发电模型，并求解得到火电机组的启停数据u和周发电量；根据所述火电机组启停数据u向各个电厂发布火电机组启停信息；

S62：将火电机组的周发电量按比例分摊的形式分解为日发电量的上、下限值；

S7：设置第三计数器T₂=C₂，

n₂为日调度循环执行时间间隔，以15min为单位长度；

S8：判断T₂是否等于0，若是，则T₁=T₁-1，并将统计的火电机组在前n₁日的实际发电量反馈给周调度发电模型，并转入步骤S5，若否，则进入步骤S9；

S9：滚动编制日调度方案：

根据最新的风电功率短期预测值

负荷功率短期预测值

启停数据u以及日发电量的上、下限值构造日调度发电模型，并求解得到火电机组的日出力数据

根据所述日出力数据

向各个电厂发布火电机组出力信息；

S10：设置第四计数器T₃=C₃，

n₃为实时调度周期，以15min为单位长度；

S11：判断T₃是否等于0，若是，则T₂=T₂-1，并将统计的火电机组在前n₂×15min的实际发电量反馈给日调度发电模型，并转入步骤S8，若否，则进入步骤S12；

S12：滚动执行实时调度方案：

根据最新的风电功率超短期预测值负荷功率超短期预测值

以及所述日出力数据

构造实时调度发电模型，并求解得到火电机组的出力调整量ΔP_G；根据所述出力调整量ΔP_G向各个电厂发布火电机组调整出力信息；

S13：T₃=T₃-1，并转入步骤S11。

更进一步地，所述年调度发电模型是以火电机组发电成本和检修成本之和最小为目标函数，并结合系统电量平衡约束、火电机组周发电量约束、火电机组年发电量约束、火电机组检修约束、系统备用约束构造的。

更进一步地，所述年调度发电模型包括：年调度目标函数和年调度约束条件；所述年调度目标函数为：

其中，T_year为年调度的时段数，以一周为一个年调度时段，T_year＝n₀T₀；N_G为火电机组个数；

和C_it分别为火电机组i在第t周的发电量和单位电量成本；x_it和m_it分别为火电机组i在第t周的检修状态和检修成本；所述年调度约束条件包括：(a1)系统电量平衡约束，

其中，N_w为风电场个数，

为风电场j在第t周的输出电量年度预测值，

为第t周的系统负荷电量年度预测值；(a2)火电机组周发电量约束，

其中，ΔT_y为年调度的时段长度，P_Gimax为火电机组i的出力上限；(a3)火电机组年发电量约束，

其中，

和

分别为机组i的年发电量上下限值，每隔n₀周，一年内剩余周次的各火电机组年发电量的上下限值按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^y=E_{\mathrm{Gi}\max }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r\\ E_{\mathrm{Gi}\min }^y=\max (E_{\mathrm{Gi}\min }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r,0)\end{array}\right.,$

为火电机组i在前n₀周的实际发电量；(a4)火电机组检修约束，

其中，s_i为火电机组i的开始检修时刻，e_i和l_i分别为机组i所允许的最早和最晚开始检修时刻，d_i为火电机组i的检修持续时间；(a5)系统备用约束，

其中，

为风电场j在第t周的平均出力预测值，为第t周的系统峰荷功率预测值，

为第t周备用容量。

更进一步地，所述周调度发电模型是以火电机组发电成本和启停成本最小为目标函数，并结合系统功率平衡约束、火电机组出力上下限约束、火电机组启停状态约束、火电机组爬坡约束、火电机组最小启停时间约束、火电机组周发电量约束和系统正、负旋转备用约束构造的。

更进一步地，所述周调度发电模型包括：周调度目标函数和周调度约束条件；所述周调度的目标函数为： $\min F_{\mathrm{week}}=\underset{\mathrm{\τ}=1}{\overset{T_{\mathrm{week}}}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[u_{\mathrm{i\τ}}{F}_{\mathrm{Gi\τ}}\left(P_{\mathrm{Gi\τ}}\right)+u_{\mathrm{i\τ}}(1-u_{i(\mathrm{\τ}-1)})S_{\mathrm{Gi\τ}}],$ 其中，T_week为周调度的时段数，以1h为一个周调度时段，T_week＝24n₁T₁，u_iτ为火电机组i在时段τ的启停状态，P_Giτ为火电机组i在时段τ的出力大小，F_Giτ(P_Giτ)和S_Giτ分别为火电机组i在时段τ的发电成本和启动成本；所述周调度的约束条件包括：(b1)系统功率平衡约束，

其中，P_Wjτ为风电场j在时段τ的输出功率周预测值，P_Dτ为时段τ的系统负荷功率周预测值；(b2)火电机组出力上下限约束，u_iτP_Gimin≤P_Giτ≤u_iτP_Gimax，其中，P_Gimin为火电机组i的出力下限，P_Gimax为火电机组i的出力上限；(b3)火电机组启停状态约束，u_iτ≤x_it，τ∈t；(b4)火电机组爬坡约束，

其中，

和分别为火电机组i有功出力的最大上升和下降速率；(b5)火电机组最小启停时间约束，

其中，

为火电机组i所允许的最小开/停机时间；

为火电机组i在τ-1时段末已连续开/停机时间；(b6)火电机组周发电量约束，

其中，ΔT_w为周调度的时段长度，和

为机组i的周发电量上下限，每隔n₁日，周内剩余时段的机组电量上下限值按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^w=E_{\mathrm{Gi}\max }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r\\ E_{\mathrm{Gi}\min }^w=\max (E_{\mathrm{Gi}\min }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r,0)\end{array}\right.,$

为火电机组i在前n₁日的实际发电量；(b7)系统正、负旋转备用约束， $\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}\min [u_{\mathrm{i\τ}}{\mathrm{\ξ}}_u^i,u_{\mathrm{i\τ}}(P_{\mathrm{Gi}\max }-P_{\mathrm{Gi\τ}})]\≥d\%*P_{\mathrm{D\τ}}+{\mathrm{US}}_{\mathrm{\τ}},\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}\min [u_{\mathrm{i\τ}}{\mathrm{\ξ}}_d^i,u_{\mathrm{i\τ}}(P_{\mathrm{Gi\τ}}-P_{\mathrm{Gi}\min })]\≥d\%*P_{\mathrm{D\τ}}+{\mathrm{DS}}_{\mathrm{\τ}},$ 其中，d％为负荷预测误差百分数；US_τ和DS_τ为时段τ由于风电的接入所需附加的正、负旋转备用容量。

更进一步地，所述日调度发电模型是以火电机组发电成本最小为目标函数，并结合功率平衡约束、火电机组日发电量约束、火电机组出力上下限约束、火电机组爬坡速率约束、系统旋转备用约束构造的。

更进一步地，所述日调度发电模型包括：日调度目标函数和日调度约束条件；所述日调度的目标函数为：

其中，T_day为日调度的时段数，P_Giζ为火电机组i在时段ζ的出力大小，F_Giζ(P_Giζ)为火电机组i在时段τ的发电成本，以15min为一个日调度时段，T_day＝n₂T₂，u_iζ为火电机组i在时段ζ的启停状态，u_iζ=u_iτ，ζ∈τ，τ为周调度发电模型中所采用的时段长度；u_iτ为火电机组i在时段τ的启停状态；所述日调度的约束条件包括火电机组日发电量约束，

其中，ΔT_d为日调度中的时段长度，

和为机组i的日发电量上下限，每隔n₂×15min，日内剩余时段各火电机组发电量上下限按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^d=E_{\mathrm{Gi}\max }^d-E_{\mathrm{Gi}\_\min }^r\\ E_{\mathrm{Gi}\min }^d=\max (E_{\mathrm{Gi}\min }^d-E_{\mathrm{Gi}\_\min }^r,0)\end{array}\right.,$

为火电机组i在前n₂×15min的实际发电量。

更进一步地，所述实时调度发电模型是以火电机组出力调整成本最小为目标函数，并结合系统功率平衡约束、火电机组出力上下限约束、火电机组调节速率约束构造的。

更进一步地，所述实时调度发电模型包括：实时调度目标函数和实时调度约束条件；所述实时调度的目标函数为：其中，

为火电机组i在时段ζ的出力调整量；r_iζ为火电机组i在时段ζ的单位出力调整成本；u_iζ为火电机组i在时段ζ的启停状态；所述实时调度模块的约束条件包括：(c1)系统功率平衡约束，

其中，

和P_Wjζ分别为风电场j输出功率的超短期预测值和短期预测值；

和P_Dζ分别为负荷功率的超短期预测值和短期预测值；(c2)机组出力上下限约束，u_iζ(P_Gimin-P_Giζ)≤ΔP_Giζ≤u_iζ(P_Gimax-P_Giζ)，其中，P_Gimin为火电机组i的出力下限，P_Gimax为火电机组i的出力上限，P_Giζ为火电机组i在时段ζ的出力大小；(c3)机组调节速率约束，

其中，

和分别为火电机组i有功出力的最大上升和下降速率。

本发明提出了不同时间尺度调度之间的递进协调方法，各级环环相扣，使得上级时间尺度制定的调度方案能在下级时间尺度中得到有效执行，达到全局优化的效果；三种不同时间尺度的滚动调度(年内、周内和日内滚动调度)能够根据风电及负荷的最新预测信息，不断修正原有的调度方案，有效的保证了不同时间尺度的调度方案有效衔接和平稳过渡，能够较好的应对大规模风电并网所带来的不确定性影响，保障电力系统的安全经济运行。

附图说明

图1是本发明实施例提供的含风电的电力系统多时间尺度滚动协调调度方法实现流程图；

图2是本发明实施例中风电年度预测电量与时间关系的曲线图；

图3是本发明实施例中负荷年度预测电量与时间关系的曲线图；

图4是本发明实施例中夏季某周风电预测功率与时间关系的曲线图；

图5是本发明实施例中夏季某周负荷预测功率与时间关系的曲线图；

图6是本发明实施例中夏季某日风电预测功率与时间关系的曲线图；

图7是本发明实施例中夏季某日负荷预测功率与时间关系的曲线图；

图8是本发明实施例中火电机组年利用率；

图9是本发明实施例中火电机组夏季某周利用率；

图10是本发明实施例中火电机组夏季某日利用率；

图11是本发明实施例中火电机组某15min的出力调整量。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，含风电的电力系统多时间尺度滚动协调调度系统滚动修正年调度方案、周调度方案和日调度方案：年调度方案每周修正一次，根据最新的风电电量年度滚动预测值、负荷电量年度滚动预测值和周峰荷功率年度滚动预测值计算一年内剩余周次的火电机组检修计划和电量计划；周调度方案每日修正一次，根据最新的风电功率周滚动预测值和负荷功率周滚动预测值计算一周内剩余时段的火电机组启停计划和电量计划；日调度方案每30min修正一次，根据最新的风电功率短期滚动预测值和负荷功率短期滚动预测值计算一日内剩余时段的火电机组出力计划。

在本发明实施例中，年调度为周调度提供火电机组检修计划和周电量上下限值，周调度为日调度提供火电机组启停计划和日电量上下限值，日调度为实时调度提供火电机组出力基本运行点，不同时间尺度调度之间递进协调，环环相扣，上级时间尺度制定的调度方案能在下级时间尺度中得到有效执行，达到了全局优化的效果。滚动调度(年内、周内和日内滚动调度)能够根据风电及负荷的最新预测信息，不断修正原有的调度方案，有效的保证了不同时间尺度的调度方案有效衔接和平稳过渡，能够较好的应对大规模风电并网所带来的不确定性影响，保障电力系统的安全经济运行。

在本发明实施例提供的含风电的电力系统多时间尺度滚动协调调度方法中年调度、周调度、日调度和实时调度能够有效衔接和平稳过渡，有效的克服了大规模风电接入所带来的不确定性影响。

本发明实施例提供的含风电的电力系统多时间尺度滚动协调调度方法，如图1所示，年调度方案每周滚动修正一次，周调度方案每日滚动修正一次，日调度方案每30min滚动修正一次，实时调度的调度周期为15min，则C₀=52，C₁=7，C₂=48，C₃＝2；

步骤一、编制年调度方案：以1周为时段，以1年为周期(共计52个时段)，依据风电电量年度预测值、负荷电量年度预测值、周峰荷功率年度预测值、火电机组检修数据，以火电发电成本和检修成本之和最小为目标函数，考虑系统电量平衡约束、火电机组电量约束、系统备用约束等约束条件，计算火电机组的检修计划和电量计划；

(1)采集风电电量年度预测值

负荷电量年度预测值

周峰荷功率年度预测值

火电机组最早开始检修时刻e、火电机组最晚开始检修时刻l和火电机组检修持续时间d，其中风电电量年度预测值

负荷电量年度预测值

和周峰荷功率年度预测值

可根据风电及负荷历史数据由长期预测方法(如回归分析法、趋势分析法等)获得，火电机组检修数据由其所属火电厂提供；

(2)将采集的数据代入年调度的目标函数中，计算火电机组检修计划x和电量计划

所述年调度的目标函数为：其中，T_year为年调度的时段数，N_G为火电机组个数，

和C_it分别为火电机组i在第t周的发电量和单位电量成本，x_it和m_it分别为火电机组i在第t周的检修状态(检修为0，否则为1)和检修成本；

年调度的约束条件如下：

(a1)系统电量平衡约束

其中，N_w为风电场个数，

为风电场j在第t周的输出电量预测值，

为第t周的系统负荷电量预测值；

(a2)火电机组周发电量约束

其中，ΔT_y为年调度的时段长度(1周)，P_Gimax为火电机组i的出力上限；

(a3)火电机组年发电量约束

其中，

和分别为机组i的年发电量上下限值，考虑燃料合同、燃料运输能力、机组性能、三公原则及社会性因素等，一般设定火电机组的年度最大和最小发电量，该约束类似于燃料计划约束和机组年度利用小时数约束；

(a4)火电机组检修约束

其中，s_i为机组i的开始检修时刻，e_i和l_i分别为机组i所允许的最早和最晚开始检修时刻，d_i为机组i的检修持续时间；

(a5)系统备用约束

其中，

为风电场j在第t周的平均出力预测值，

为第t周的系统峰荷预测值，

为第t周备用容量；

(3)为了满足各个机组的年发电量约束，需将年发电量分解至各周予以具体完成。一方面，不同时间尺度的风电及负荷预测精度不同；另一方面，不同于年调度，周调度考虑了机组爬坡约束、最小启停时间约束等，因此，机组年电量分解至各周的电量范围，而非一具体数值。由年调度得到的机组i第t周的电量上下限可按比例分摊的形式计算： $E_{\mathrm{Gi}\max }^w=\frac{E_{\mathrm{Gi}\max }^y}{\underset{t=1}{\overset{T_{\mathrm{year}}}{\mathrm{\Σ}}}{E}_{\mathrm{Git}}^w}{E}_{\mathrm{Git}}^w,E_{\mathrm{Gi}\min }^w=\frac{E_{\mathrm{Gi}\min }^y}{\underset{t=1}{\overset{T_{\mathrm{year}}}{\mathrm{\Σ}}}{E}_{\mathrm{Git}}^w}{E}_{\mathrm{Git}}^w...\left(1\right),$ 其中，

和

分别为机组i在第t周发电量上下限值，为年调度所安排的机组i的年发电量；

步骤二、编制周调度方案：以1h为时段，以1周为周期(共计168个时段)，依据年调度所计算出的机组检修计划和周电量计划，风电功率周预测值，负荷功率周预测值，以火电发电成本和启停成本最小为目标函数，考虑系统功率平衡约束、机组出力上下限约束、机组爬坡速率约束、正负旋转备用约束等约束条件，计算火电机组的启停计划和日电量计划；

(1)采集风电功率周预测值P_W和负荷功率周预测值P_D、年调度计算出的火电机组检修计划x以及火电机组周发电量上限值

和下限值

其中风电功率周预测值P_W、负荷功率周预测值P_D可根据风电及负荷历史数据由中期预测方法(如灰色模型法)获得；

(2)将采集的数据代入周调度的目标函数中，计算火电机组启停计划u和周出力计划

所述周调度的目标函数为： $\min F_{\mathrm{week}}=\underset{\mathrm{\τ}=1}{\overset{T_{\mathrm{week}}}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[u_{\mathrm{i\τ}}{F}_{\mathrm{Gi\τ}}\left(P_{\mathrm{Gi\τ}}\right)+u_{\mathrm{i\τ}}(1-u_{i(\mathrm{\τ}-1)})S_{\mathrm{Gi\τ}}],$ 其中，T_week为周调度的时段数，u_iτ为火电机组i在时段τ的启停状态，P_Giτ为火电机组i在时段τ的出力计划，F_Giτ(P_Giτ)和S_Giτ分别为火电机组i在时段τ的发电成本和启动成本；

周调度的约束条件如下：

(b1)系统功率平衡约束

其中，P_Wjτ为风电场j在时段τ的输出功率周预测值，P_Dτ为时段τ的系统负荷功率周预测值；

(b2)火电机组出力上下限约束

u_iτP_Gimin≤P_Giτ≤u_iτP_Gimax，其中，P_Gim1n火电机组i的出力下限；

(b3)火电机组启停状态约束

u_iτ≤x_it，τ∈t；年调度计算机组检修计划，处于检修状态的机组在相应的周调度中不能安排出力。

(b4)火电机组爬坡约束

其中，

和

分别为火电机组i有功出力的最大上升和下降速率；

(b5)火电机组最小启停时间约束

$(u_{i(\mathrm{\τ}-1)}-u_{\mathrm{i\τ}})*(T_{i(\mathrm{\τ}-1)}^{\mathrm{on}}-T_i^{\mathrm{on}})\≥0,(u_{\mathrm{i\τ}}-u_{i(\mathrm{\τ}-1)})*(T_{i(\mathrm{\τ}-1)}^{\mathrm{off}}-T_i^{\mathrm{off}})\≥0,$ 其中，

为机组i所允许的最小开/停机时间，

为机组i在τ-1时段末已连续开/停机时间；

(b6)火电机组周发电量约束

其中，ΔT_w为周调度的时段长度(1h)，

和

为机组i的周发电量上下限；

(b7)系统正、负旋转备用约束

$\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}\min [u_{\mathrm{i\τ}}{\mathrm{\ξ}}_u^i,u_{\mathrm{i\τ}}(P_{\mathrm{Gi}\max }-P_{\mathrm{Gi\τ}})]\≥d\%*P_{\mathrm{D\τ}}+{\mathrm{US}}_{\mathrm{\τ}},\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}\min [u_{\mathrm{i\τ}}{\mathrm{\ξ}}_d^i,u_{\mathrm{i\τ}}(P_{\mathrm{Gi\τ}}-P_{\mathrm{Gi}\min })]\≥d\%*P_{\mathrm{D\τ}}+{\mathrm{DS}}_{\mathrm{\τ}},$

其中，d％为负荷预测误差对系统旋转备用的需求百分数，US_τ和DS_τ为时段τ由于风电的接入所需附加的正、负旋转备用容量。

(3)类似于火电机组年发电量分解至各周予以具体完成，火电机组周发电量需要分解至各日予以具体完成。火电机组的日发电量上下限值可按比例分摊的形式计算： $E_{\mathrm{Gi}\max }^d=\frac{E_{\mathrm{Gi}\max }^w}{E_{\mathrm{Gi}}^w}{E}_{\mathrm{Gi}}^d,E_{\mathrm{Gi}\min }^d=\frac{E_{\mathrm{Gi}\min }^w}{\mathrm{\Σ}{E}_{\mathrm{Gi}}^w}{E}_{\mathrm{Gi}}^d...\left(2\right),$ 其中，

和

分别为机组i在第d日的发电量上、下限值，

为火电机组i的周发电量

ΔT_w为周调度的时段长度，ΔT_w以小时为单位；为火电机组i的日发电量 $E_{\mathrm{Gi}}^d=\underset{\mathrm{\τ}=1}{\overset{T_{\mathrm{day}}^{\′}}{\mathrm{\Σ}}}{P}_{\mathrm{Gi\τ}}\mathrm{\Δ}{T}_w,T_{\mathrm{day}}^{\′}=\frac{24}{\mathrm{\Δ}{T}_w};$

步骤三、编制日调度方案：以15min为时段，以1日为周期(共计96个时段)，依据周调度所计算出的机组启停计划和日电量计划、风电功率短期预测值，负荷功率短期预测值，以火电发电成本最小为目标函数，考虑系统功率平衡约束、机组出力上下限约束、机组爬坡速率约束、正负旋转备用约束及线路容量约束等约束条件，计算火电机组的日出力计划；

(1)采集风电功率短期预测值

和负荷功率短期预测值

火电机组启停计划u以及火电机组日发电量上限值

和下限值

其中风电功率短期预测值

负荷功率短期预测值

可根据风电及负荷历史数据由短期预测方法(如人工神经网络法、最小二乘支持向量机法)获得；

(2)将采集的数据代入日调度的目标函数，计算火电机组的日出力计划

所述日调度的目标函数为：

其中，T_day为日调度的时段数，机组启停状态u_iζ由周调度所决定(u_iζ=u_iτ，ζ∈τ)；

日调度的约束条件如下：

火电机组日发电量约束：

其中，ΔT_d为日调度中的时段长度，

和

为机组i的日发电量上下限；

系统功率平衡约束、火电机组出力上下限约束、机组爬坡约束以及系统正负旋转备用约束等约束条件的表达形式类似于周调度。周调度为日调度提供机组组合状态，日调度在周调度计算出的机组启停计划基础上安排机组出力，即u_iζ由周调度所决定。火电机组最小启停机时间一般为数小时，在周调度中计算机组启停计划，能更好的兼顾相邻日之间机组启停的衔接，达到较长时间尺度优化的效果。尤其对于启停费用高昂且启停过程复杂的大容量火电机组，在周调度乃至更长时间尺度上安排机组启停计划较为合理。

步骤四、执行实时调度方案：依据日调度所计算出的火电机组出力计划，风电功率超短期预测值，负荷功率超短期预测值，以火电机组出力调整成本最小为目标函数，考虑系统功率平衡约束、机组出力上下限约束、机组爬坡速率约束、调节死区约束、正负旋转备用约束等约束条件，计算下一时段(未来15min)火电机组出力调整量；

(1)采集风电功率超短期预测值

和负荷功率超短期预测值

以及火电机组的日出力计划

其中风电功率超短期预测值负荷功率超短期预测值

可根据风电及负荷历史数据由超短期预测方法(如负荷求导法、时间序列法)获得；

(2)将采集的数据代入实时调度的目标函数，计算火电机组出力调整量ΔP_G；

所述实时调度的目标函数为：

其中，ΔP_Giζ为火电机组i在时段ζ的出力调整量，r_iζ为火电机组i在时段ζ的单位出力调整成本；

所述实时调度的约束条件如下：

(c1)系统功率平衡约束

$\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{u}_{\mathrm{i\ζ}}\mathrm{\Δ}{P}_{\mathrm{Gi\ζ}}+\underset{j=1}{\overset{N_W}{\mathrm{\Σ}}}(P_{\mathrm{Wj\ζ}}^r-P_{\mathrm{Wj\ζ}})=P_{\mathrm{D\ζ}}^r-P_{\mathrm{D\ζ}},$ 其中，和分别为风电场j输出功率的超短期预测值和短期预测值，

和P_Dζ分别为负荷功率的超短期预测值和短期预测值；

(c2)火电机组出力上下限约束

u_iζ(P_Gimin-P_Giζ)≤ΔP_Giζ≤u_iζ(P_Gimax-P_Giζ)，其中，P_Giζ为机组i的日调度所计算的火电机组出力计划；

(c3)火电机组调节速率约束

$-{\mathrm{\ξ}}_d^i/4\≤\mathrm{\Δ}{P}_{\mathrm{Gi\ζ}}\≤{\mathrm{\ξ}}_u^i/4;$

系统正负旋转备用约束的表达形式类似于周调度。实时调度并非制定全新的发电计划，而是在日调度的基础上进行火电机组出力调整，即日调度为实时调度提供火电机组基本运行点。由于时间已非常临近，风电及负荷预测误差均较小，故火电机组出力调整量一般较小，有效的保证了电量计划的顺利实施。另外，实时调度为单时段静态优化，无法考虑不同时段的相互衔接，故也不宜制定全新的发电计划。

步骤五、滚动修正年内、周内和日内调度方案；

所述年内滚动调度方案每周滚动修正一次，根据最新的风电电量年度预测值

负荷电量年度预测值

周峰荷功率年度预测值

计算一年内剩余周次的火电机组检修计划x和电量计划

已执行检修的机组不再安排检修，正在处于且尚未完成检修的机组按原定计划继续检修，每隔一周，一年内剩余周次的各火电机组年发电量的上下限值按式(3)进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^y=E_{\mathrm{Gi}\max }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r\\ E_{\mathrm{Gi}\min }^y=\max (E_{\mathrm{Gi}\min }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r,0)\end{array}\right....\left(3\right),$ 其中，

为火电机组i在前一周的实际发电量；

所述周内滚动调度方案每日滚动修正一次，根据最新的风电功率周预测值P_W和负荷功率周预测值P_D计算一周内剩余时段的火电机组启停计划u和电量计划

每隔一日，周内剩余时段的机组计划电量上下限值按式(4)进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^w=E_{\mathrm{Gi}\max }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r\\ E_{\mathrm{Gi}\min }^w=\max (E_{\mathrm{Gi}\min }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r,0)\end{array}\right....\left(4\right),$ 其中，

为火电机组i在前一天的实际发电量；

所述日内滚动调度方案每30min滚动修正一次，根据最新的风电功率短期预测值

和负荷功率短期预测值计算一日内剩余时段的火电机组的日出力计划

每隔30min，日内剩余时段各火电机组计划电量上下限按式(5)进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^d=E_{\mathrm{Gi}\max }^d-E_{\mathrm{Gi}\_30\min }^r\\ E_{\mathrm{Gi}\min }^d=\max (E_{\mathrm{Gi}\min }^d-E_{\mathrm{Gi}\_30\min }^r,0)\end{array}\right....\left(5\right),$ 其中，

为火电机组i在前30min的实际发电量。

为了更进一步的说明本发明实施例，现以修改的IEEE118节点系统为算例，将节点36、69、77设定为风电场节点，装机容量分别为250MW、180MW和100MW，其余51台火电机组按节点大小依次顺序编号。风电及负荷年度预测电量分别如图2和图3所示，夏季某周的风电及负荷功率预测值分别如图4和图5所示，该周某日的风电及负荷功率预测值分别如图6和图7所示。

假定每个火电机组在一年内需要进行一次计划检修，且检修时间均为两周。由年调度可得各火电机组的年利用率如图8所示，其中各火电机组年利用率上下限等价于年发电量上下限。容量越大、发电成本越低的机组年度总发电量较多，年利用率相对较大。

在年调度计算出的火电机组检修计划及周电量计划的基础上，进行周调度，可得各火电机组夏季某周的利用率如图9所示。由于年调度使得7和20号机组在该周处于检修状态，故其在此周发电量为0。周利用率能够很好的满足年调度分解至该周的机组利用率，即年调度的电量分配结果能在周调度中得到很好的实施，实现了年调度和周调度的有效衔接。但由年调度和周调度所制定的机组周利用率并不保持完全一致，这是由于不同时间尺度下风电及负荷预测精度不同；另外，不同时间尺度调度所考虑的问题粗细程度不同，如周调度计及机组启停成本，并考虑了爬坡约束等。

在周调度计算出的火电机组启停计划及日电量计划的基础上，进行日调度，可得各火电机组日利用率如图10所示。由于7和20号机组处于检修状态，而在周调度中已安排3、9、31和46号机组在该日处于停机状态，故上述六个机组在该日利用率均为0。从图中可以看出，日调度利用率能够很好的满足周调度分解至该日的机组利用率，实现了周调度和日调度的有效衔接。但二者所制定的机组日利用率并不保持完全一致。

在日调度计算出的火电机组出力基本运行点基础上进行出力调整，即执行实时调度。该日某一时段(15min)的风电及负荷功率短期预测值(日调度中使用的数据)分别为152.87MW和3046.45MW。风电及负荷功率超短期预测值(实时调度中使用的数据)分如下三种情况讨论：

(1)风电及负荷的超短期预测功率分别为140MW和3200MW，此时需增发的火电总功率为166.42MW；

(2)风电及负荷的超短期预测功率分别为165.74MW和2892.9MW，此时需少发的火电总功率为166.42MW；

(3)风电及负荷的超短期预测功率分别为130MW和3350MW，此时需增发的火电总功率为326.42MW；

将以上三种情况分别记为case1、case2和case3，在日调度的基础上执行出力调整，可得各火电机组的调整功率值如图11所示。出力调整成本越小的机组，其功率调整量越大。在case1中，受调节速率的限制，调节成本较小的机组已达到调节速率极限，如11、26和36号火电机组。在case2中，由于风电功率增加而负荷功率减小，故火电机组出力均向下调整。在case3中需要增发的火电机组出力远大于case1，故在case1火电机组出力的基础上，又有19、23、24、37和42等机组参与出力调整。

在本发明中，年调度为周调度提供火电机组检修计划和周电量上下限值，周调度为日调度提供火电机组启停计划和日电量上下限值，日调度为实时调度提供火电机组出力基本运行点，不同时间尺度调度之间环环相扣，有效有序衔接，上级时间尺度制定的调度方案能在下级时间尺度中得到有效执行，达到了全局优化的效果。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种含风电的电力系统多时间尺度滚动协调调度方法，其特征在于，包括下述步骤：

S1：设置第一计数器T₀=C₀，

n₀为年调度循环执行时间间隔，以周为单位长度；

S2：判断T₀是否等于0，若是，则结束；若否，则进入步骤S3；

S3：滚动编制年调度方案：

S31：根据最新的风电电量年度预测值

负荷电量年度预测值

周峰荷功率年度预测值

火电机组最早开始检修时刻e、火电机组最晚开始检修时刻l和火电机组检修持续时间d构造年调度发电模型，并求解得到火电机组年检修数据x和年发电量

根据所述火电机组年检修数据x向各个火电厂发布火电机组检修信息；

S32：将火电机组的年发电量按比例分摊的形式分解为周发电量的上、下限值；

S4：设置第二计数器T₁=C₁，

n₁为周调度循环执行时间间隔，以日为单位长度；

S5：判断T₁是否等于0，若是，则T₀=T₀-1，并将统计的火电机组在前n₀周的实际发电量反馈给年调度发电模型，并转入步骤S2，若否，则进入步骤S6；

S6：滚动编制周调度方案：

S61：根据最新的风电功率周预测值P_W和负荷功率周预测值P_D、火电机组年检修数据x以及所述周发电量的上、下限值构造周调度发电模型，并求解得到火电机组的启停数据u和周发电量；根据所述火电机组启停数据u向各个电厂发布火电机组启停信息；

S62：将火电机组的周发电量按比例分摊的形式分解为日发电量的上、下限值；

S7：设置第三计数器T₂=C₂，

n₂为日调度循环执行时间间隔，以15min为单位长度；

S8：判断T₂是否等于0，若是，则T₁=T₁-1，并将统计的火电机组在前n₁日的实际发电量反馈给周调度发电模型，并转入步骤S5，若否，则进入步骤S9；

S9：滚动编制日调度方案：

根据最新的风电功率短期预测值

负荷功率短期预测值

启停数据u以及日发电量的上、下限值构造日调度发电模型，并求解得到火电机组的日出力数据根据所述日出力数据

向各个电厂发布火电机组出力信息；

S10：设置第四计数器T₃=C₃，n₃为实时调度周期，以15min为单位长度；

S11：判断T₃是否等于0，若是，则T₂=T₂-1，并将统计的火电机组在前n₂×15min的实际发电量反馈给日调度发电模型，并转入步骤S8，若否，则进入步骤S12；

S12：滚动执行实时调度方案：

根据最新的风电功率超短期预测值

负荷功率超短期预测值

以及所述日出力数据

构造实时调度发电模型，并求解得到火电机组的出力调整量ΔP_G；根据所述出力调整量ΔP_G向各个电厂发布火电机组调整出力信息；

S13：T₃=T₃-1，并转入步骤S11。

2.如权利要求1所述的方法，其特征在于，所述年调度发电模型是以火电机组发电成本和检修成本之和最小为目标函数，并结合系统电量平衡约束、火电机组周发电量约束、火电机组年发电量约束、火电机组检修约束、系统备用约束构造的。

3.如权利要求2所述的方法，其特征在于，所述年调度发电模型包括：年调度目标函数和年调度约束条件；

所述年调度目标函数为：

其中，T_year为年调度的时段数，以一周为一个年调度时段，T_year＝n₀T₀；N_G为火电机组个数；

和C_it分别为火电机组i在第t周的发电量和单位电量成本；x_it和m_it分别为火电机组i在第t周的检修状态和检修成本；

所述年调度约束条件包括：(a1)系统电量平衡约束，

其中，N_w为风电场个数，

为风电场j在第t周的输出电量年度预测值，为第t周的系统负荷电量年度预测值；(a2)火电机组周发电量约束，

其中，ΔT_y为年调度的时段长度，P_Gimax为火电机组i的出力上限；(a3)火电机组年发电量约束，

其中，

和

分别为机组i的年发电量上下限值，每隔n₀周，一年内剩余周次的各火电机组年发电量的上下限值按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^y=E_{\mathrm{Gi}\max }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r\\ E_{\mathrm{Gi}\min }^y=\max (E_{\mathrm{Gi}\min }^y-E_{\mathrm{Gi}\_\mathrm{week}}^r,0)\end{array}\right.,$

为火电机组i在前n₀周的实际发电量；(a4)火电机组检修约束，

其中，s_i为火电机组i的开始检修时刻，e_i和l_i分别为机组i所允许的最早和最晚开始检修时刻，d_i为火电机组i的检修持续时间；(a5)系统备用约束，

其中，

为风电场j在第t周的平均出力预测值，为第t周的系统峰荷功率预测值，

为第t周备用容量。

4.如权利要求1所述的方法，其特征在于，所述周调度发电模型是以火电机组发电成本和启停成本最小为目标函数，并结合系统功率平衡约束、火电机组出力上下限约束、火电机组启停状态约束、火电机组爬坡约束、火电机组最小启停时间约束、火电机组周发电量约束和系统正、负旋转备用约束构造的。

5.如权利要求4所述的方法，其特征在于，所述周调度发电模型包括：周调度目标函数和周调度约束条件；

所述周调度的目标函数为： $\min F_{\mathrm{week}}=\underset{\mathrm{\τ}=1}{\overset{T_{\mathrm{week}}}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}[u_{\mathrm{i\τ}}{F}_{\mathrm{Gi\τ}}\left(P_{\mathrm{Gi\τ}}\right)+u_{\mathrm{i\τ}}(1-u_{i(\mathrm{\τ}-1)})S_{\mathrm{Gi\τ}}],$ 其中，T_week为周调度的时段数，以1h为一个周调度时段，T_week＝24n₁T₁，u_iτ为火电机组i在时段τ的启停状态，P_Giτ为火电机组i在时段τ的出力大小，F_Giτ(P_Giτ)和S_Giτ分别为火电机组i在时段τ的发电成本和启动成本；

所述周调度的约束条件包括：(b1)系统功率平衡约束，

其中，P_Wiτ为风电场j在时段τ的输出功率周预测值，P_Dτ为时段τ的系统负荷功率周预测值；(b2)火电机组出力上下限约束，u_iτP_Gmin≤P_Giτ≤u_iτP_Gimax，其中，P_Gimin为火电机组i的出力下限，P_Gimax为火电机组i的出力上限；(b3)火电机组启停状态约束，u_iτ≤x_it，τ∈t；(b4)火电机组爬坡约束，

其中，

和

分别为火电机组i有功出力的最大上升和下降速率；(b5)火电机组最小启停时间约束， $(u_{i(\mathrm{\τ}-1)}-u_{\mathrm{i\τ}})*(T_{i(\mathrm{\τ}-1)}^{\mathrm{on}}-T_i^{\mathrm{on}})\≥0,(u_{\mathrm{i\τ}}-u_{i(\mathrm{\τ}-1)})*(T_{i(\mathrm{\τ}-1)}^{\mathrm{off}}-T_i^{\mathrm{off}})\≥0,$ 其中，

为火电机组i所允许的最小开/停机时间；

为火电机组i在τ-1时段末已连续开/停机时间；(b6)火电机组周发电量约束，

其中，Δ_w为周调度的时段长度，

和

为机组i的周发电量上下限，每隔n₁日，周内剩余时段的机组电量上下限值按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^w=E_{\mathrm{Gi}\max }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r\\ E_{\mathrm{Gi}\min }^w=\max (E_{\mathrm{Gi}\min }^w-E_{\mathrm{Gi}\_\mathrm{day}}^r,0)\end{array}\right.,$

为火电机组i在前n1日的实际发电量；(b7)系统正、负旋转备用约束，

其中，d％为负荷预测误差百分数；US_τ和DS_τ为时段τ由于风电的接入所需附加的正、负旋转备用容量。

6.如权利要求1所述的方法，其特征在于，所述日调度发电模型是以火电机组发电成本最小为目标函数，并结合功率平衡约束、火电机组日发电量约束、火电机组出力上下限约束、火电机组爬坡速率约束、系统旋转备用约束构造的。

7.如权利要求6所述的方法，其特征在于，所述日调度发电模型包括：日调度目标函数和日调度约束条件；

所述日调度的目标函数为：

其中，T_day为日调度的时段数，P_Giζ为火电机组i在时段ζ的出力大小，F_Giζ(P_Giζ)为火电机组i在时段τ的发电成本，以15min为一个日调度时段，T_day＝n₂T₂；u_iζ为火电机组i在时段ζ的启停状态，u_iζ=u_iτ，ζ∈τ，τ为周调度发电模型中所采用的时段长度；u_iτ为火电机组i在时段τ的启停状态；

所述日调度的约束条件包括火电机组日发电量约束，

其中，ΔT_d为日调度中的时段长度，

和

为机组i的日发电量上下限，每隔n₂×15min，日内剩余时段各火电机组发电量上下限按下式进行更新， $\left\{\begin{array}{c}{E}_{\mathrm{Gi}\max }^d=E_{\mathrm{Gi}\max }^d-E_{\mathrm{Gi}\_\min }^r\\ E_{\mathrm{Gi}\min }^d=\max (E_{\mathrm{Gi}\min }^d-E_{\mathrm{Gi}\_\min }^r,0)\end{array}\right.,$

为火电机组i在前n₂×15min的实际发电量。

8.如权利要求1所述的方法，其特征在于，所述实时调度发电模型是以火电机组出力调整成本最小为目标函数，并结合系统功率平衡约束、火电机组出力上下限约束、火电机组调节速率构造的。

9.如权利要求8所述的方法，其特征在于，所述实时调度发电模型包括：实时调度目标函数和实时调度约束条件；

所述实时调度目标函数为：

其中，ΔP_Giζ为火电机组i在时段ζ的出力调整量；r_iζ为火电机组i在时段ζ的单位出力调整成本；u_iζ为火电机组i在时段ζ的启停状态；

所述实时调度的约束条件包括：(c1)系统功率平衡约束，

其中，

和P_Wjζ分别为风电场j输出功率的超短期预测值和短期预测值；

和P_Dζ分别为负荷功率的超短期预测值和短期预测值；(c2)火电机组出力上下限约束，u_iζ(P_Gimin-P_Giζ)≤ΔP_Giζ≤u_iζ(P_Gimax-P_Giζ)，其中，P_Gimin为火电机组i的出力下限，P_Gimax为火电机组i的出力上限，P_Giζ为火电机组i在时段ζ的出力大小；(c3)火电机组调节速率约束，

其中，

和

分别为火电机组i有功出力的最大上升和下降速率。

Images