CN103606967B - 一种实现电力系统鲁棒运行的调度方法 - Google Patents
一种实现电力系统鲁棒运行的调度方法 Download PDFInfo
- Publication number
- CN103606967B CN103606967B CN201310610999.7A CN201310610999A CN103606967B CN 103606967 B CN103606967 B CN 103606967B CN 201310610999 A CN201310610999 A CN 201310610999A CN 103606967 B CN103606967 B CN 103606967B
- Authority
- CN
- China
- Prior art keywords
- few days
- lower limit
- period
- conventional rack
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明公开了一种实现电力系统鲁棒运行的调度方法,包括S1获取原始的数据信息;S2获得一定置信度水平下日前、日内和实时风力发电预测误差均值的上、下限,日前、日内和实时光伏发电预测误差均值的上、下限以及日前、日内和实时负荷预测误差均值的上、下限;S3获得日前的调度计划和相应的鲁棒安全运行区间、日内的调度计划和相应的鲁棒安全运行区间和获得实时的调度计划和相应的鲁棒安全运行区间。本发明由于同时考虑预测信息、当前运行信息和历史运行信息的滚动协调技术,并获得系统的鲁棒运行区间,调动计划不局限于唯一的预定数值,可以实现鲁棒区间内的灵活调度。所得调度计划能较好地应对新能源发电的随机波动性,兼顾按安全性和经济性。
Description
技术领域
本发明属于电力系统领域,更具体地,涉及一种实现电力系统鲁棒运行的调度方法。
背景技术
由于固有的间歇性、波动性和低可预测性,大规模可再生能源接入电网给电力系统调度带来了极大挑战。区别于传统以火电、水电以及核电等确定性电源为主的电力系统,未来含有大规模风电、光伏发电和储能的电力系统称为新型电力系统。如何制定安全、可靠和经济的调度计划以应对各种不确定因素,是制约可再生能源大规模发展的瓶颈问题,也是目前电力系统调度部门最关心的问题。现有调度技术中,中国发明专利公开号为CN102904248A和CN102738833A的技术方案中属于应对风电出力不确性的调度技术。CN102904248A中公开了一种基于风电出力不确定性集合的电力系统调度方法。但是,该方法仅涉及到日前调度计划的制定,未涉及到日内和实时的调度计划,而且得到的是一个能适应于各种不确定因素发生情景的裕量较大的调度技术。CN102738833A公开了一种含有风力发电的电力系统多时间尺度滚动协调调度方法,但其各时间尺度的调度计划仅是基于不断更新的预测值进行独立解耦计算,应对风电出力不确定性的能力过小。
魏韡等人在文献“电力系统鲁棒经济调度(一)基础理论”和“电力系统鲁棒经济调度(二)应用实例”)中均提到了应对大规模新能源并网的电力系统鲁棒优化调度的概念,但是所提的方法得到均是一种适应于各种不确定因素发生情景的鲁棒调度策略,具有较大的裕量,经济性值得商榷,且仅涉及到“日前”单一时间断面的调度计划。
综上,现有的应对大规模风电等新能源并网的不确定因素的调度方法中,存在如下3点不足:
(1)或者是涉及单一时间尺度(日前)的调度计划,或者是日前/日内/实时各时间尺度之间独立解耦,忽视了时间尺度的相互耦合作用,使得调度计划的经济性下降。
(2)得到的是唯一的调度计划,与实际运行相比,调度计划往往会“过松”和“过紧”;“过松”则降低经济性,“过紧”则降低安全性。
(3)大部分针对含大规模风电电力系统,缺乏有效调度含有风电-光电-储能联合运行的新型电力系统的技术和方法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种实现电力系统鲁棒运行的调度方法,由此解决现有的调度技术中容易出现过于鲁棒(经济性下降)或过于保守(安全性下降)的技术问题。
本发明提供了一种实现电力系统鲁棒运行的调度方法,包括:
S1:获取原始的数据信息:电力系统的参数,传统机组的参数,风力发电系统的参数,光伏发电系统的参数以及储能系统的参数;
S2:根据上述参数分别获得一定置信度水平下日前风力发电预测误差均值的上、下限,日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限;日内风力发电预测误差均值的上、下限,日内光伏发电预测误差均值的上、下限以及日内负荷预测误差均值的上、下限;和实时风力发电预测误差均值的上、下限,实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限;
S3:根据所述日前风力发电预测误差均值的上、下限,所述日前光伏发电预测误差均值的上、下限,所述日前负荷预测误差均值的上、下限,日前风力发电功率预测值,日前光伏发电功率预测值以及日前负荷预测值获得日前的调度计划和相应的鲁棒安全运行区间;
根据所述日内风力发电预测误差均值的上、下限,所述日内光伏发电预测误差均值的上、下限,日内负荷预测误差均值的上、下限,日内风力发电功率预测值,日内光伏发电功率预测值以及日内负荷预测值获得日内的调度计划和相应的鲁棒安全运行区间;
根据所述实时风力发电预测误差均值的上、下限,所述实时光伏发电预测误差均值的上、下限,所述实时负荷预测误差均值的上、下限,实时风力发电功率预测值,实时光伏发电功率预测值以及实时负荷预测值获得实时的调度计划和相应的鲁棒安全运行区间。
更进一步地,根据1年365天间隔为15min的风力发电功率实际值和日前风力发电功率预测值,光伏发电功率实际值和日前光伏发电功率预测值,负荷的实际值和日前负荷预测值,获得一定置信度水平下日前风力发电预测误差均值的上、下限,日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限。
更进一步地,根据1年365天间隔为15min的风力发电实际值和日内的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计日内风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得一定置信度下日内风力发电预测误差均值的上、下限,日内光伏发电预测误差均值的上、下限以及日内负荷预测误差均值的上、下限。
更进一步地,根据1年365天间隔为5min的风力发电实际值和实时的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计实时风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得一定置信度下实时风力发电预测误差均值的上、下限,实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限。
更进一步地,获得日前的调度计划和相应的鲁棒安全运行区间的步骤具体为:(1)建立日前调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;(2)根据日前风力发电功率预测值、日前光伏发电功率预测值以及日前负荷预测值获得对应于预测值的日前调度计划;所述日前调度计划包括传统机组的出力计划储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的日前出力计划,为储能系统第t时段的日前放电计划,为储能系统第t时段的日前充电计划,为第i台传统机组第t时段的日前计划状态,为第i台传统机组的最大出力,为第i台传统机组第t时段的最小出力;(3)根据日前风力发电预测值和日前风力发电预测误差上、下限获得日前风力发电预测值上、下限;根据日前光伏发电预测值和日前光伏发电预测误差的上、下限获得日前光伏发电预测值上、下限;根据日前负荷预测值和日前负荷预测误差的上、下限获得负荷预测值上、下限;(4)将日前风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景和下限场景获得日前调度计划的鲁棒安全运行区间;所述日前调度计划的鲁棒安全运行区间包括传统机组的出力计划储能系统的调度计划 系统具备的正旋转备用容量系统具备的负旋转备用场景和系统具备的调峰容量 为第i台传统机组第t时段的日前出力计划上限,为第i台传统机组第t时段的日前出力计划下限,为储能系统第t时段的日前放电计划上限,为储能系统第t时段的日前充电计划下限,为在日前计划上限时第i台传统机组第t时段的状态,为在日前计划下限时第i台传统机组第t时段的状态。
更进一步地,所述日前调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;约束条件包括:系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;传统机组出力上、下限约束:传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;储能的功率限制约束: 为储能系统的功率限值;储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;储能的容量限制约束:
更进一步地,获得日内的调度计划和相应的鲁棒安全运行区间的步骤具体为:(1)建立日内调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;(2)根据日内风力发电功率预测值、日内光伏发电功率预测值、日内负荷预测值以及日前调度鲁棒运行区域的正负旋转备用容量下限值获得对应于预测值的日内调度计划;所述日内调度计划包括传统机组的出力储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量:i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的日内出力计划;为储能系统第t时段的日内放电计划,为储能系统第t时段的日内充电计划,为第i台传统机组第t时段的日内计划状态;(3)根据日内风力发电预测值和日内风力发电预测误差上、下限获得日内风力发电预测值上、下限;根据日内光伏发电预测值和日内光伏发电预测误差的上、下限获得日内光伏发电预测值上、下限;根据日内负荷预测值和日内负荷预测误差的上、下限获得负荷预测值上、下限;(4)将日内风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景、下限场景以及日前鲁棒运行区域的正负旋转备用容量下限值获得日内调度计划的鲁棒安全运行区间;所述日内调度计划的鲁棒安全运行区间包括传统机组的出力计划储能系统的调度计划 系统具备的正旋转备用容量系统具备的负旋转备用场景和系统具备的调峰容量 为第i台传统机组第t时段的日内出力计划上限,为第i台传统机组第t时段的日内出力计划下限;为储能系统第t时段的日内放电计划上限、为储能系统第t时段的日内充电计划下限,t=1,2,…,96;为在日内计划上限时第i台传统机组第t时段的状态、为在日内计划下限时第i台传统机组第t时段的状态。
更进一步地,所述日内调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;约束条件包括:系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;传统机组出力上、下限约束:传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;储能的功率限制约束: 为储能系统的功率限值;储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;储能的容量限制约束:
更进一步地,获得实时的调度计划和相应的鲁棒安全运行区间的步骤具体为:(1)建立实时调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;(2)根据实时风力发电功率预测值、实时光伏发电功率预测值、实时负荷预测值以及日内调度鲁棒运行区域的正负旋转备用容量下限值获得对应于预测值的实时调度计划;所述实时调度计划包括传统机组的出力储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的实时出力计划;为储能系统第t时段的实时放电计划,为储能系统第t时段的实时充电计划;为第i台传统机组第t时段的实时计划状态;(3)根据实时风力发电预测值和实时风力发电预测误差上、下限获得实时风力发电预测值上、下限;根据实时光伏发电预测值和实时光伏发电预测误差的上、下限获得实时光伏发电预测值上、下限;根据实时负荷预测值和实时负荷预测误差的上、下限获得负荷预测值上、下限;(4)将实时风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景、下限场景以及日内鲁棒运行区域的正负旋转备用容量下限值获得实时调度计划的鲁棒安全运行区间;所述实时调度计划的鲁棒安全运行区间包括传统机组的出力计划储能系统的调度计划系统具备的正旋转备用容量系统具备的负旋转备用场景和系统具备的调峰容量 为第i台传统机组第t时段的实时出力计划上限,为第i台传统机组第t时段的实时出力计划下限;为储能系统第t时段的实时放电计划上限、为储能系统第t时段的实时充电计划下限,为在实时计划上限时第i台传统机组第t时段的状态、为在实时计划下限时第i台传统机组第t时段的状态。
更进一步地,所述实时调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;约束条件包括:系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;传统机组出力上、下限约束:传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;储能的功率限制约束: 为储能系统的功率限值;储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;储能的容量限制约束:
总体而言,通过本发明所构思的以上技术方案与现有技术相比,由于同时考虑“预测信息”、“当前运行信息”和“历史运行信息”的滚动协调技术,并获得系统的鲁棒运行区间,调动计划不局限于唯一的预定数值,可以实现鲁棒区间内的灵活调度。所得调度计划能较好地应对新能源发电的随机波动性,兼顾按安全性和经济性。
附图说明
图1是本发明实施例提供的半解耦调度方法示意图;
图2是本发明实施例提供的日前调度鲁棒运行区域示意图;
图3是本发明实施例提供的日内优化启动时序示意图;
图4是本发明实施例提供的日内修正调度计划示意图;
图5是本发明实施例提供的实时优化启动时序示意图;
图6是本发明实施例提供的实时修正调度计划示意图;
图7是本发明实施例提供的发电机出力计划的逐级修正的运行曲线意图。
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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明涉及含大规模风电、光电和储能的新型电力系统的鲁棒调度问题,基于此,本发明针对含“风电-光电-储能”联合运行的新型电力系统,公开一种应对新型电力系统不确定因素的日前/日内/实时多种时间尺度半解耦协调的调度方法。该方法基于新能源出力和负荷的预测值,通过统计和估计不确定性因素在一定置信度水平下的发生范围,计算出与新能源出力预测和负荷预测相匹配的调度计划(属于多时间尺度解耦计算)。同时,通过日前/日内/实时多时间尺度协调,计算出可应对新能源出力和负荷不确定性的电力系统鲁棒安全运行的范围(属于多时间尺度耦合计算),是一种解耦和耦合相结合的“半解耦”技术。所提供的调度计划拟尽可能与实际运行相接近(也就是当预测值与实际值接近时),避免运行过于鲁棒,即“过松”带来的经济上损失;所提供的鲁棒安全运行范围又可应对当各种不确定因素发生时(也就是当实际值远离预测值时),避免运行“过紧”导致电力系统无法安全稳定运行。本发明所公开的调度方法,可实现新型电力系统的安全、可靠以及经济运行,为新型电力系统有效应对不确定因素、调度和安排机组运行、检修等提供方法。
本发明提供的实现新型电力系统鲁棒运行的半解耦调度方法,涉及到日前、日内和实时三个不同时间尺度的协调与解耦计算,因此称为半解耦调度方法。本发明首次采用了传统机组的计划出力,储能系统的计划出力,系统具有的旋转备用容量和调峰容量来描述系统的调度计划。本发明首次采用传统机组的计划出力上、下限,储能系统的调度计划上、下限,系统具有的旋转备用容量和调峰容量来描述鲁棒运行域。本发明同时提供基于预测值的日前/日内/实时多时间尺度的调度计划和可以应对不确定因素发生的鲁棒调度区间,在保证有足够的空间应对系统出现的不确定因素的同时,又考虑系统运行的经济性。
本发明提供的实现电力系统鲁棒运行的调度方法实现流程如图1所示,包括下述步骤:
S1:获取原始的数据信息:电力系统的参数,传统机组的参数,风力发电系统的参数,光伏发电系统的参数以及储能系统的参数,具体如下:系统的参数包括:电力系统1年365天间隔为15min/5min的历史负荷实际值,电力系统1年365天间隔为15min的历史日前负荷预测值,电力系统1年365天间隔为15min的历史日内负荷预测值,电力系统1年365天间隔为5min的历史实时负荷预测值,电力系统所需的旋转备用。传统机组的参数包括:机组的台数,机组出力的上、下限,机组出力上升功率限制、机组出力下降功率限制,机组开机最短持续时间、机组停机最短持续时间,机组启停次数最大限制,机组的能耗费用二次项系数、一次项系数以及常数项系数。风力发电系统的参数包括:风力发电系统1年365天间隔为15min/5min的历史风力发电功率实际值,风力发电预测系统1年365天间隔为15min的历史日前风力发电功率预测值,风力发电预测系统1年365天间隔为15min的历史日内风力发电功率预测值,风力发电预测系统1年365天间隔为5min的实时历史风力发电预测值,风力发电机系统出力的上、下限值。光伏发电系统的参数包括:光伏发电系统1年365天间隔为15min/5min的历史光伏发电功率实际值,光伏发电预测系统1年365天间隔为15min的历史日前光伏发电功率预测值,光伏发电预测系统1年365天间隔为15min的历史日内光伏发电功率预测值,光伏发电预测系统1年365天间隔为5min的历史实时光伏发电功率预测值,光伏发电系统出力的上、下限值。储能系统的参数包括:储能系统的容量限值,储能系统的功率限值,储能系统的充电/放电效率,储能装置的启停次数限值。
S2:依据历史1年365天间隔为15min的风力发电功率实际值和日前风力发电功率预测值,光伏发电功率实际值和日前光伏发电功率预测值,负荷的实际值和日前负荷预测值,计算满足一定置信度水平下日前风力发电预测误差均值的上、下限,日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限。方法如下:
S21:按照公式(1)计算历史1年365天间隔为15min的日前风力发电预测误差,日前光伏发电预测误差和日前负荷预测误差。
预测误差=(实际值-预测值)/实际值(1)
S22:通过统计学的区间估计的一般方法,获得满足一定置信度水平下日前风力发电预测误差均值的上、下限日前光伏发电预测误差均值的上、下限日前负荷预测误差均值的上、下限
S3:日前调度计划为1d运行一次,启动时间为每天16点,启动预测系统,获得未来1天间隔为15min共96个时段的日前风力发电功率预测值PWind,t(t=1,2,…,96),日前光伏发电功率预测值PSolar,t(t=1,2,…,96)以及日前负荷预测值PLoad,t(t=1,2,…,96),依据上述步骤S2得到的日前风力发电预测误差上、下限日前光伏发电预测误差的上、下限和日前负荷预测误差的上、下限分别计算出日前调度计划以及相应的鲁棒运行区间。
具体包括:
S31:建立计算调度计划的数学模型,具体如下:以传统机组运行费用最小为目标建立上述数学模型的目标函数为:
数学模型的约束条件包括:
(a)系统功率平衡约束: 式(3)中,待求变量有:PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;已知量有:PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值。
(b)系统备用容量约束:
式(4)-(8)中,待求变量为:分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;
(c)传统机组出力上、下限约束:
(d)传统机组的启/停时间约束:
式(10)-(11)中,待求变量为:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;
(e)传统机组的启/停次数限制约束:已知量为:为第i台传统机组启停的允许最大次数。
(f)储能的功率限制约束: 式(13)~(14)中,已知量为:储能系统的功率限值。
(g)储能功率和容量的转换关系:式(15)中,待求变量为:CE,t为储能系统在第t时段所具有的能量。
(h)储能的容量限制:
S32:将日前风力发电功率预测值PWind,t(t=1,2,…,96)、日前光伏发电功率预测值PSolar,t(t=1,2,…,96)以及日前负荷预测值PLoad,t(t=1,2,…,96)代入式(3)的PWind,t、PSolar,t和PLoad,t,采用非线性混合整数规划的方法求解模型(2)-(16),即可得到对应于预测值的日前调度计划,该调度计划包含如下内容:传统机组的出力i=1,2,…,NG,t=1,2,…,96;储能系统的出力t=1,2,…,96;电力系统的正旋转备用:t=1,2,…,96;电力系统的负旋转备用:t=1,2,…,96;电力系统的调峰容量:t=1,2,…,96。
图2的曲线即表示了满足运行条件(a)-(e)的调度计划示意图。
S33:将日前风力发电预测值PWind,t(t=1,2,…,96)和日前风力发电预测误差上、下限代入公式P Wind,t=PWind,t×W 日前和中获得日前风力发电预测值上、下限(t=1,2,…,96);将日前光伏发电预测值PSolar,t(t=1,2,…,96)和日前光伏发电预测误差的上、下限代入公式P Solar,t=PSolar,t×V 日前和中获得日前光伏发电预测值上、下限(t=1,2,…,96);将日前负荷预测值PLoad,t(t=1,2,…,96)和日前负荷预测误差的上、下限代入公式P Load,t=PLoad,t×L 日前和中获得负荷预测值上、下限(t=1,2,…,96)。
S34:将日前风力发电预测值上、下限(t=1,2,…,96),(t=1,2,…,96),(t=1,2,…,96)组合成上限场景和下限场景(t=1,2,…,96)分别代入式(3)的变量PWind,t、PSolar,t和PLoad,t,采用非线性混合整数规划的方法求解模型(2)-(16),即可得到日前调度计划的鲁棒安全运行区间,鲁棒运行域由如下内容组成:传统机组的出力计划: i=1,2,…,NG,t=1,2,…,96;储能系统的调度计划: t=1,2,…,96;系统具备的正旋转备用容量: t=1,2,…,96;系统具备的负旋转备用场景:t=1,2,…,96;系统具备的调峰容量:t=1,2,…,96。
图2的灰色区域即为由a)-e)所组成的鲁棒安全区域示意图。至此,可得到日前的调度计划以及相应的鲁棒安全运行区间。
(1)依据历史1年365天间隔为15min的风力发电实际值和日内的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计日内风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得满足一定置信度a下日内风力发电预测误差均值的上、下限,日内光伏发电预测误差均值的上、下限以及日内负荷预测误差均值的上、下限。
具体方法如下:
(1.1)按照公式(1),计算历史1年365天间隔为15min的日内风力发电预测误差,光伏发电预测误差和负荷预测误差。
(1.2)通过统计学的置信区间估计的方法,获得满足一定置信度水平a下日内风力发电预测均值误差的上、下限日内光伏发电预测误差均值的上、下限日内负荷预测误差均值的上、下限
(2)日内调度计划为1h运行一次,启动时间为整点启动(启动时序如图3所示)。启动未来1个小时到未来12个小时的预测程序,获得未来1~12个小时间隔为15min(共48个时段)风力发电预测值PWind,t(t=1,2,…,48),光伏发电预测值PSolar,t(t=1,2,…,48)以及负荷预测值PLoad,t(t=1,2,…,48),依据上述第(4)步得到的日内风力发电预测误差均值的上、下限日内光伏发电预测误差均值的上、下限和日内负荷预测误差均值的上、下限分别计算出调度计划以及相应的鲁棒运行区间,并基于此,对日前的调度计划和鲁棒运行区间进行修正,具体步骤如下:
(2.1)建立式(2)~(16)的数学模型。
(2.2)将日内风力发电预测值PWind,t(t=1,2,…,48)、日内光伏发电预测值PSolar,t(t=1,2,…,24)以及日内负荷预测值PLoad,t(t=1,2,…,48)代入式(3)的PWind,t、PSolar,t和PLoad,t,将日前调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日前和日内的协调,采用传统非线性混合整数规划的方法求解模型(2)~(16),即可得到日内调度计划,该调度计划包含如下内容:
(a)传统机组的出力计划:i=1,2,…,NG,t=1,2,…,48;
(b)储能系统的调度计划:t=1,2,…,48;
(c)系统具备的正旋转备用容量:t=1,2,…,48;
(d)系统具备的负旋转备用容量:t=1,2,…,48;
(e)系统具备的调峰容量:t=1,2,…,48;
图4的曲线即为满足条件(a)~(d)的调度计划示意图。
(1)根据日内风力发电预测值PWind,t(t=1,2,…,48),光伏发电预测值PSolar,t(t=1,2,…,48)以及负荷预测值PLoad,t(t=1,2,…,48),将日内风力发电预测误差均值上、下限日内光伏发电预测误差均值的上、下限和日内负荷预测误差均值的上、下限转换为日前风力发电预测值上、下限(t=1,2,…,48), (t=1,2,…,48),(t=1,2,…,48),具体如下:
(a)P Wind,t=PWind,t×W 日内,
(b)P Solar,t=PSolar,t×V 日内,
(c)P Load,t=PLoad,t×L 日内,
(2)将日内风力发电预测值上、下限(t=1,2,…,48),(t=1,2,…,48),(t=1,2,…,48)组合成上限场景和下限场景(t=1,2,…,48)分别代入式(3)的PWind,t、PSolar,t和PLoad,t,将日前调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日前和日内的协调,采用传统非线性混合整数规划的方法求解模型(2)~(16),即可得到日内调度计划的鲁棒运行域,并基于此对日前鲁棒运行域进行修正,鲁棒运行域由如下内容组成:
(a)传统机组的出力计划:i=1,2,…,NG,t=1,2,…,48;
(b)储能系统的调度计划:t=1,2,…,48;
(c)系统具备的正旋转备用容量:t=1,2,…,48;
(d)系统具备的负旋转备用容量:t=1,2,…,48;
(e)系统具备的调峰容量:t=1,2,…,48;
图4的灰色区域即为由(a)~(e)所组成的鲁棒安全区域示意图。至此,可得到日内的调度计划以及相应的鲁棒运行区间。
(1)依据历史1年365天间隔为5min的风力发电实际值和实时的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计实时风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得满足一定置信度a下实时风力发电预测误差均值的上、下限,实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限。方法如下:(1.1)按照公式(1),计算历史1年365天间隔为5min的实时风力发电预测误差,光伏发电预测误差和负荷预测误差。(1.2)通过统计学置信度区间估计的方法,获得满足一定置信度水平a下实时风力发电预测误差的上、下限实时光伏发电预测误差的上、下限实时负荷预测误差的上、下限
(2)实时调度计划为5min运行一次,该计划直接输出作为AGC控制的整定值,启动时间点为整5min提前3min(启动时序如图5所示),启动未来5min到未来1h的预测程序,获得未来5min~1小时间隔为5min共12个时段的风电功率预测值PWind,t(t=1,2,…,12),光伏发电预测值PSolar,t(t=1,2,…,12)以及负荷预测值PLoad,t(t=1,2,…,12),依据上述第(6)步得到的实时风力发电预测误差上、下限实时光伏发电预测误差的上、下限和实时负荷预测误差的上、下限分别计算出调度计划以及相应的鲁棒运行区间,并基于此,对日内的调度计划和鲁棒运行区间进行修正,具体步骤如下:
(2.1)建立式(2)~(16)的数学模型;
(2.2)将实时风力发电预测值PWind,t(t=1,2,…,12)、实时光伏发电预测值PSolar,t(t=1,2,…,12)以及实时负荷预测值PLoad,t(t=1,2,…,12)代入式(3)的变量PWind,t、PSolar,t和PLoad,t,将日内调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日内和实时的协调,采用传统非线性混合整数规划的方法求解模型(2)~(16),即可得到对应预测值的日前确切调度计划,该调度计划包含如下内容:
(a)传统机组的出力计划:i=1,2,…,NG,t=1,2,…,12;
(b)储能系统的调度计划:t=1,2,…,12;
(c)系统具备的正旋转备用容量:t=1,2,…,12;
(d)系统具备的负旋转备用容量:t=1,2,…,12;
(e)系统具备的调峰容量:t=1,2,…,12;
图6的曲线即表示了满足运行条件a)~e)的调度计划示意图。
(1)根据实时风力发电预测值PWind,t(t=1,2,…,12),光伏发电预测值PSolar,t(t=1,2,…,12)以及负荷预测值PLoad,t(t=1,2,…,12),将实时风力发电预测误差上、下限日内光伏发电预测误差的上、下限和日内负荷预测误差的上、下限转换为实时风力发电预测值上、下限(t=1,2,…,12),(t=1,2,…,12),(t=1,2,…,12),具体如下:
(a)P Wind,t=PWind,t×W 实时,
(b)P Solar,t=PSolar,t×V 实时,
(c)P Load,t=PLoad,t×L 实时,
(2)将实时风力发电预测值上、下限(t=1,2,…,12),(t=1,2,…,12),(t=1,2,…,12)组合成上限场景和下限场景(t=1,2,…,48)分别代入式(3)的PWind,t、PSolar,t和PLoad,t,将日内调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日内和实时的协调,采用传统非线性混整规划的方法求解模型(2)~(16),即可得到实时调度计划的鲁棒运行域,并基于此对日内鲁棒运行域进行修正,鲁棒运行域由如下内容组成:
(a)传统机组的出力计划:i=1,2,…,NG,t=1,2,…,12;
(b)储能系统的调度计划:t=1,2,…,12;
(c)系统具备的正旋转备用容量:t=1,2,…,12;
(d)系统具备的负旋转备用容量:t=1,2,…,12;
(e)系统具备的调峰容量:t=1,2,…,12。
图6的灰色区域即为由(a)~(e)所组成的鲁棒安全区域示意图。至此,可得到日内的调度计划以及相应的鲁棒运行区间。
本发明针对含“风电-光电-储能”联合运行的新型电力系统,公开一种应对新型电力系统不确定因素的日前/日内/实时多种时间尺度半解耦协调的调度方法,该方法能依据预计的新能源出力和负荷的预测值以及不确定性因素可能发生的范围,提供系统运行的安全鲁棒区域,并通过不断协调修正鲁棒运行区域,使得计划值接近实际值,避免实际运行时大范围的潮流转移,大大降低调度的难度。本发明所公开的调度方法,可实现新型电力系统的安全、可靠以及经济运行。
下面结合实施例及附图对本发明作进一步详细说明,但本发明的实施方式不限于此。
为了便于说明本发明原理和步骤,下面采用一个风电-光电-火电-储能系统某日的调度过程为例,对本发明所公开的方法进行说明。
实施步骤1:获取系统的参数,传统机组的参数,风力发电系统的参数,光伏发电系统的参数以及储能系统的参数;
实施步骤2:计算满足一定置信度水平a下日前风力发电预测误差均值的上、下限日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限假设a=0.95,计算得到
实施步骤3:计算日前调度计划以及相应的鲁棒运行区间。
(1)将日前的风力发电预测值、日前光伏发电预测值以及日前负荷预测值代入式(3)的PWind,t、PSolar,t和PLoad,t,采用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到对应预测值的日前确切调度计划,得到如表一所描述的日前调度计划,火电机组的日前调度曲线如附图1“日前调度曲线”所示。
表一
(2)将日前的风力发电预测值上、下限,日前光伏发电预测值上、下限以及日前负荷预测值上、下限组合成上限场景和下限场景(t=1,2,…,96)代入式(3)的PWind,t、PSolar,t和PLoad,t,采用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到如表二所描述的日前鲁棒运行区域。
表二
从表一和表二看,表一的调度计划在表二所示的鲁棒安全运行区间范围内。
实施步骤4:计算满足一定置信度水平a下日内风力发电预测误差均值的上、下限日内光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限假设a=0.95,计算得到
实施步骤5:在整点时刻,例如在23点,计算24:00~12:00时刻的调度计划以及相应的鲁棒运行区间。
(1)将日内的风力发电预测值、日内光伏发电预测值以及日内负荷预测值代入式(3)的PWind,t、PSolar,t和PLoad,t,将日前调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日前和日内的协调,w用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到如表三所描述的日内调度计划,机组的日内调度修正曲线如附图1“日内修正”所示。
表三
(2)将日内的风力发电预测值上、下限,日内光伏发电预测值上、下限以及日内负荷预测值上、下限组合成上限场景和下限场景(t=1,2,…,48)代入式(3)的PWind,t、PSolar,t和PLoad,t,将日前调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日前和日内的协调,采用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到如表四所描述的日内鲁棒运行区域。
表四
从表三和表四看,表三的调度计划在表四所示的鲁棒安全运行区间内。
实施步骤6:计算满足一定置信度水平a下实时风力发电预测误差均值的上、下限实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限假设a=0.95,计算得到
实施步骤7:实时调度计划为5min运行一次,启动时间为整5min提前3min,例如在上午00:12时刻,计算00:15~01:00间隔1h的实时调度计划以及相应的鲁棒运行区间。
(1)将实时的风力发电预测值、实时光伏发电预测值以及实时负荷预测值代入式(3)的PWind,t、PSolar,t和PLoad,t,将日内调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日内和实时的协调,采用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到如表五所描述的实时调度计划,火电机组的实时调度修正曲线如附图7“实时修正”所示。
表五
(2)将实时的风力发电预测值上、下限,日前光伏发电预测值上、下限以及实时负荷预测值上、下限组合成上限场景和下限场景(t=1,2,…,48)分别代入式(3)的PWind,t、PSolar,t和PLoad,t,将日内调度鲁棒运行区域的正负旋转备用容量下限值代入式子(4)的和将传统机组出力的上、下限值代入式子(6)的和式子(7)的实现日内和实时的协调,采用传统的非线性混合整数规划的方法求解模型(2)~(16),即可得到如表六所描述的实时鲁棒运行区域。
表六
从表五和表六看,表五的调度计划在表六所示的鲁棒安全运行区间内。
同时,通过对比表二、表四和表六可以看出,表六的区域包含于表四中,表四的区域包含于表二种,这表明了日前的预留的调度区域能满足实际风力发电、光伏发电和负荷的不确定变化。且通过逐级的修正,所制定的调度计划逐步逼近于实际运行,避免潮流的大范围转移,附图7为发电机1出力计划的逐级修正的运行示意图,首先给出日前调度计划曲线,而后按照所述方法对日前的调动计划进行修正,最后进行实时的修正进一步提高调度计划的精度。
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 (10)
1.一种实现电力系统鲁棒运行的调度方法,其特征在于,包括:
S1:获取原始的数据信息:电力系统的参数,传统机组的参数,风力发电系统的参数,光伏发电系统的参数以及储能系统的参数;
所述电力系统的参数包括:电力系统1年365天间隔为15min/5min的历史负荷实际值,电力系统1年365天间隔为15min的历史日前负荷预测值,电力系统1年365天间隔为15min的历史日内负荷预测值,电力系统1年365天间隔为5min的历史实时负荷预测值,电力系统所需的旋转备用;
所述传统机组的参数包括:机组的台数,机组出力的上、下限,机组出力上升功率限制、机组出力下降功率限制,机组开机最短持续时间、机组停机最短持续时间,机组启停次数最大限制,机组的能耗费用二次项系数、一次项系数以及常数项系数;
所述风力发电系统的参数包括:风力发电系统1年365天间隔为15min/5min的历史风力发电功率实际值,风力发电预测系统1年365天间隔为15min的历史日前风力发电功率预测值,风力发电预测系统1年365天间隔为15min的历史日内风力发电功率预测值,风力发电预测系统1年365天间隔为5min的实时历史风力发电预测值,风力发电机系统出力的上、下限值;
所述光伏发电系统的参数包括:光伏发电系统1年365天间隔为15min/5min的历史光伏发电功率实际值,光伏发电预测系统1年365天间隔为15min的历史日前光伏发电功率预测值,光伏发电预测系统1年365天间隔为15min的历史日内光伏发电功率预测值,光伏发电预测系统1年365天间隔为5min的历史实时光伏发电功率预测值,光伏发电系统出力的上、下限值;
所述储能系统的参数包括:储能系统的容量限值,储能系统的功率限值,储能系统的充电/放电效率,储能装置的启停次数限值;
S2:根据上述参数分别获得一定置信度水平下日前风力发电预测误差均值的上、下限,日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限;日内风力发电预测误差均值的上、下限,日内光伏发电预测误差均值的上、下限以及日内负荷预测误差均值的上、下限;和实时风力发电预测误差均值的上、下限,实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限;
S3:根据所述日前风力发电预测误差均值的上、下限,所述日前光伏发电预测误差均值的上、下限,所述日前负荷预测误差均值的上、下限,日前风力发电功率预测值,日前光伏发电功率预测值以及日前负荷预测值获得日前的调度计划和相应的鲁棒安全运行区间;
根据所述日内风力发电预测误差均值的上、下限,所述日内光伏发电预测误差均值的上、下限,日内负荷预测误差均值的上、下限,日内风力发电功率预测值,日内光伏发电功率预测值以及日内负荷预测值获得日内的调度计划和相应的鲁棒安全运行区间;
根据所述实时风力发电预测误差均值的上、下限,所述实时光伏发电预测误差均值的上、下限,所述实时负荷预测误差均值的上、下限,实时风力发电功率预测值,实时光伏发电功率预测值以及实时负荷预测值获得实时的调度计划和相应的鲁棒安全运行区间。
2.如权利要求1所述的调度方法,其特征在于,根据1年365天间隔为15min的风力发电功率实际值和日前风力发电功率预测值,光伏发电功率实际值和日前光伏发电功率预测值,负荷的实际值和日前负荷预测值,获得一定置信度水平下日前风力发电预测误差均值的上、下限,日前光伏发电预测误差均值的上、下限以及日前负荷预测误差均值的上、下限;所述一定置信度为0.95。
3.如权利要求1所述的调度方法,其特征在于,根据1年365天间隔为15min的风力发电实际值和日内的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计日内风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得一定置信度下日内风力发电预测误差均值的上、下限,日内光伏发电预测误差均值的上、下限以及日内负荷预测误差均值的上、下限;所述一定置信度为0.95。
4.如权利要求1所述的调度方法,其特征在于,根据1年365天间隔为5min的风力发电实际值和实时的预测值,光伏发电实际值和预测值,负荷的实际值和预测值,统计实时风力发电预测误差、光伏发电预测误差、负荷预测误差的概率分布,获得一定置信度下实时风力发电预测误差均值的上、下限,实时光伏发电预测误差均值的上、下限以及实时负荷预测误差均值的上、下限;所述一定置信度为0.95。
5.如权利要求1所述的调度方法,其特征在于,获得日前的调度计划和相应的鲁棒安全运行区间的步骤具体为:
(1)建立日前调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;
(2)根据日前风力发电功率预测值、日前光伏发电功率预测值以及日前负荷预测值获得对应于预测值的日前调度计划;所述日前调度计划包括传统机组的出力计划储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量
i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的日前出力计划,为储能系统第t时段的日前放电计划,为储能系统第t时段的日前充电计划,为第i台传统机组第t时段的日前计划状态,为第i台传统机组的最大出力,为第i台传统机组第t时段的最小出力;
(3)根据日前风力发电预测值和日前风力发电预测误差上、下限获得日前风力发电预测值上、下限;
根据日前光伏发电预测值和日前光伏发电预测误差的上、下限获得日前光伏发电预测值上、下限;
根据日前负荷预测值和日前负荷预测误差的上、下限获得负荷预测值上、下限;
(4)将日前风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景和下限场景获得日前调度计划的鲁棒安全运行区间;所述日前调度计划的鲁棒安全运行区间包括传统机组的出力计划 储能系统的调度计划系统具备的正旋转备用容量系统具备的负旋转备用场景和系统具备的调峰容量
为第i台传统机组第t时段的日前出力计划上限,为第i台传统机组第t时段的日前出力计划下限,为储能系统第t时段的日前放电计划上限,为储能系统第t时段的日前充电计划下限,为在日前计划上限时第i台传统机组第t时段的状态,为在日前计划下限时第i台传统机组第t时段的状态。
6.如权利要求5所述的调度方法,其特征在于,所述日前调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;
约束条件包括:
系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;
系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;
传统机组出力上、下限约束:
传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;
传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;
储能的功率限制约束: 为储能系统的功率限值;
储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;
储能的容量限制约束:
7.如权利要求1所述的调度方法,其特征在于,获得日内的调度计划和相应的鲁棒安全运行区间的步骤具体为:
(1)建立日内调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;
(2)根据日内风力发电功率预测值、日内光伏发电功率预测值、日内负荷预测值以及日前调度鲁棒运行区域的正负旋转备用容量下限值获得对应于预测值的日内调度计划;所述日内调度计划包括传统机组的出力储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量:
i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的日内出力计划;为储能系统第t时段的日内放电计划,为储能系统第t时段的日内充电计划,为第i台传统机组第t时段的日内计划状态;
(3)根据日内风力发电预测值和日内风力发电预测误差上、下限获得日内风力发电预测值上、下限;
根据日内光伏发电预测值和日内光伏发电预测误差的上、下限获得日内光伏发电预测值上、下限;
根据日内负荷预测值和日内负荷预测误差的上、下限获得负荷预测值上、下限;
(4)将日内风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景、下限场景以及日前鲁棒运行区域的正负旋转备用容量下限值获得日内调度计划的鲁棒安全运行区间;所述日内调度计划的鲁棒安全运行区间包括传统机组的出力计划储能系统的调度计划系统具备的正旋转备用容量 系统具备的负旋转备用场景 和系统具备的调峰容量
为第i台传统机组第t时段的日内出力计划上限,为第i台传统机组第t时段的日内出力计划下限;为储能系统第t时段的日内放电计划上限、为储能系统第t时段的日内充电计划下限,t=1,2,L,96;为在日内计划上限时第i台传统机组第t时段的状态、为在日内计划下限时第i台传统机组第t时段的状态。
8.如权利要求7所述的调度方法,其特征在于,所述日内调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;
约束条件包括:
系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;
系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;
传统机组出力上、下限约束:
传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;
传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;
储能的功率限制约束: 为储能系统的功率限值;
储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;
储能的容量限制约束:
9.如权利要求1所述的调度方法,其特征在于,获得实时的调度计划和相应的鲁棒安全运行区间的步骤具体为:
(1)建立实时调度计划的数学模型:以传统机组运行费用最小为目标建立上述数学模型的目标函数以及相应的约束条件;
(2)根据实时风力发电功率预测值、实时光伏发电功率预测值、实时负荷预测值以及日内调度鲁棒运行区域的正负旋转备用容量下限值获得对应于预测值的实时调度计划;所述实时调度计划包括传统机组的出力储能系统的出力计划电力系统的正旋转备用电力系统的负旋转备用和电力系统的调峰容量
i=1,2,…,NG,t=1,2,…,96,G表示传统机组,NG为传统机组的台数,为第i台传统机组第t时段的实时出力计划;为储能系统第t时段的实时放电计划,为储能系统第t时段的实时充电计划;为第i台传统机组第t时段的实时计划状态;
(3)根据实时风力发电预测值和实时风力发电预测误差上、下限获得实时风力发电预测值上、下限;
根据实时光伏发电预测值和实时光伏发电预测误差的上、下限获得实时光伏发电预测值上、下限;
根据实时负荷预测值和实时负荷预测误差的上、下限获得负荷预测值上、下限;
(4)将实时风力发电预测值上、下限组合成上限场景和下限场景;并根据所述上限场景、下限场景以及日内鲁棒运行区域的正负旋转备用容量下限值获得实时调度计划的鲁棒安全运行区间;所述实时调度计划的鲁棒安全运行区间包括传统机组的出力计划储能系统的调度计划系统具备的正旋转备用容量 系统具备的负旋转备用场景 和系统具备的调峰容量
为第i台传统机组第t时段的实时出力计划上限,为第i台传统机组第t时段的实时出力计划下限;为储能系统第t时段的实时放电计划上限、为储能系统第t时段的实时充电计划下限,为在实时计划上限时第i台传统机组第t时段的状态、为在实时计划下限时第i台传统机组第t时段的状态。
10.如权利要求9所述的调度方法,其特征在于,所述实时调度计划的数学模型中目标函数为 其中di,t和di,t-1分别表示第i台传统机组第t时段和t-1时段的状态;PG,i,t为第i台传统机组第t时段的出力;ci,2,ci,1,ci,0分别为第i台传统机组的2次煤耗费用系数、1次煤耗费用系数和0次煤耗费用系数;为第i台传统机组的启动费用;NG为传统机组的台数;T优化调度的周期,t∈T;
约束条件包括:
系统功率平衡约束: PDis,t、PCh,t分别为储能系统第t时段充电/放电功率;PWind,t风力发电系统在第t时段出力的预测值;PSolar,t为太阳能发电系统在第t时段出力的预测值;PLoad,t为系统在第t时段的负荷值;
系统备用容量约束: 其中分别为第i台传统机组在第t时段出力的上、下限值;分别为储能系统在第t时段充电和放电的限值;已知量为:为第i台传统机组的物理出力上限;为第i台传统机组的物理出力下限;ΔP为相邻时段之间传统机组出力增大/减小的限值;CE,0为储能系统的初始能量;为储能系统的容量限值;ηE为储能系统的转换效率;为系统第t时段所需的正旋转备用;为系统第t时段所需的负旋转备用;
传统机组出力上、下限约束:
传统机组的启/停时间约束:TOff,i,t为第i台传统机组在第t时刻连续停机的时段总数;TOn,i,t为第i台传统机组在第t时刻连续开机的时段总数;已知量为:为第i台传统机组连续停机的允许最小时段总数;为第i台传统机组连续开机的运行最小时段总数;
传统机组的启/停次数限制约束: 为第i台传统机组启停的允许最大次数;
储能的功率限制约束: 为储能系统的功率限值;
储能功率和容量的转换关系约束:其中CE,t为储能系统在第t时段所具有的能量;
储能的容量限制约束:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310610999.7A CN103606967B (zh) | 2013-11-26 | 2013-11-26 | 一种实现电力系统鲁棒运行的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310610999.7A CN103606967B (zh) | 2013-11-26 | 2013-11-26 | 一种实现电力系统鲁棒运行的调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103606967A CN103606967A (zh) | 2014-02-26 |
CN103606967B true CN103606967B (zh) | 2015-11-18 |
Family
ID=50125172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310610999.7A Active CN103606967B (zh) | 2013-11-26 | 2013-11-26 | 一种实现电力系统鲁棒运行的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103606967B (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986194B (zh) * | 2014-06-04 | 2016-04-13 | 国家电网公司 | 一种独立型微网优化配置方法和装置 |
CN104036332A (zh) * | 2014-06-17 | 2014-09-10 | 中国地质大学(武汉) | 基于平均梯度值和改进多目标粒子群优化的鲁棒优化系统 |
CN104299173B (zh) * | 2014-10-31 | 2017-07-11 | 武汉大学 | 一种适用于多种能源接入的鲁棒优化日前调度方法 |
CN104753086B (zh) * | 2015-04-09 | 2017-01-25 | 广西大学 | 一种满足多种场景鲁棒运行的最小旋转备用调度方法 |
CN104933516A (zh) * | 2015-05-27 | 2015-09-23 | 华南理工大学 | 一种多时间尺度的电力系统鲁棒调度系统设计方法 |
CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
CN107196310B (zh) * | 2016-03-15 | 2021-04-06 | 中国电力科学研究院 | 考虑源网荷协调互动的主动配电网多时间尺度优化方法 |
CN106451553B (zh) * | 2016-11-22 | 2019-01-04 | 安徽工程大学 | 一种多时间尺度的光伏微网区间优化调度方法 |
CN107039975B (zh) * | 2017-05-27 | 2020-03-24 | 上海电气分布式能源科技有限公司 | 一种分布式能源系统能量管理方法 |
CN107292383B (zh) * | 2017-07-06 | 2019-12-03 | 郑保宁 | 基于深度学习算法与混合整数线性规划相结合的水质波动区间预测方法 |
CN107528341B (zh) * | 2017-08-25 | 2019-08-20 | 电子科技大学 | 一种用于高风电渗透率的大电网储能调度的方法 |
CN107832868A (zh) * | 2017-10-11 | 2018-03-23 | 广东电网有限责任公司电力调度控制中心 | 一种热电机组监视及发电计划编制的系统及方法 |
CN107994571A (zh) * | 2017-12-04 | 2018-05-04 | 国网山东省电力公司德州供电公司 | 一种含多模糊参数的区域能源网多时间尺度管理方法 |
CN108388954B (zh) * | 2018-01-05 | 2021-07-20 | 上海电力学院 | 一种基于随机安全域的梯级水电鲁棒优化调度方法 |
CN108090632B (zh) * | 2018-01-23 | 2020-06-02 | 南方电网科学研究院有限责任公司 | 基于鲁棒优化的新能源并网电力系统多时间尺度调度方法 |
CN108985524B (zh) * | 2018-08-07 | 2020-11-17 | 南京南瑞继保电气有限公司 | 一种多能互补系统的协调控制方法 |
CN109474024B (zh) * | 2018-09-12 | 2022-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种含光电场的区域电网优化调度方法 |
CN109193802A (zh) * | 2018-09-25 | 2019-01-11 | 中国电力科学研究院有限公司 | 一种考虑新能源预测误差的需求侧资源调度方法和系统 |
CN109217378B (zh) * | 2018-10-12 | 2020-10-30 | 许昌许继软件技术有限公司 | 适用于新能源的功率波动调节方法与装置 |
CN109599879B (zh) * | 2018-12-10 | 2022-02-22 | 国网吉林省电力有限公司电力科学研究院 | 考虑储能设备充放电次数优化的配电网有功功率调度方法 |
CN110610251A (zh) * | 2019-01-14 | 2019-12-24 | 华北电力大学 | 一种高比例风电接入电网超短期调度计划鲁棒优化方法 |
CN110135631B (zh) * | 2019-04-26 | 2022-02-22 | 燕山大学 | 基于信息间隙决策理论的电气综合能源系统调度方法 |
CN110543966A (zh) * | 2019-07-23 | 2019-12-06 | 四川大学 | 一种电热气联供的微能源网的日前调度优化方法 |
CN112989279B (zh) * | 2019-12-16 | 2023-11-17 | 国网辽宁省电力有限公司 | 含风电的电热联合系统的调度方法及装置 |
CN111240282B (zh) * | 2019-12-31 | 2021-12-24 | 联想(北京)有限公司 | 一种工艺优化方法、装置、设备及计算机可读存储介质 |
CN111049161A (zh) * | 2020-01-03 | 2020-04-21 | 浙江大学台州研究院 | 一种储能多场景应用协同控制方法 |
CN111967652B (zh) * | 2020-07-22 | 2023-10-24 | 国网浙江省电力有限公司电力科学研究院 | 一种双层协同实时校正光伏预测方法 |
CN112769159B (zh) * | 2020-12-31 | 2022-06-07 | 国网黑龙江省电力有限公司佳木斯供电公司 | 多能源联合发电系统 |
CN114050570B (zh) * | 2021-11-17 | 2024-03-01 | 许继集团有限公司 | 一种源网荷储系统协同调控方法及装置 |
CN114662798B (zh) * | 2022-05-17 | 2022-09-06 | 浙江大学 | 一种基于电网经济运行域的调度方法及装置、电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904248A (zh) * | 2012-09-27 | 2013-01-30 | 广东电网公司电力调度控制中心 | 基于风电出力不确定性集合的电力系统调度方法 |
CN103311940A (zh) * | 2013-07-08 | 2013-09-18 | 东南大学 | 一种微电网负荷储能一体化控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8946929B2 (en) * | 2011-11-04 | 2015-02-03 | Honeywell International Inc. | Method and apparatus for effective utilization of energy storage components within a microgid |
-
2013
- 2013-11-26 CN CN201310610999.7A patent/CN103606967B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904248A (zh) * | 2012-09-27 | 2013-01-30 | 广东电网公司电力调度控制中心 | 基于风电出力不确定性集合的电力系统调度方法 |
CN103311940A (zh) * | 2013-07-08 | 2013-09-18 | 东南大学 | 一种微电网负荷储能一体化控制方法 |
Non-Patent Citations (1)
Title |
---|
电力系统稳定控制方法综述;滕夏晨等;《电网与清洁能源》;20090325;第25卷(第3期);21-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN103606967A (zh) | 2014-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606967B (zh) | 一种实现电力系统鲁棒运行的调度方法 | |
CN110417006B (zh) | 一种综合能源系统多时间尺度能量调度方法 | |
Qiu et al. | Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
CN104104116A (zh) | 一种含多分布式能源的光伏微电网供需控制系统设计方法 | |
CN110311397B (zh) | 基于自适应识别的储能电站多场景协同控制方法 | |
CN107482690B (zh) | 风电与电动汽车协同调度的电力系统调度优化方法及系统 | |
Hug-Glanzmann | Coordination of intermittent generation with storage, demand control and conventional energy sources | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN103414206A (zh) | 一种考虑安全约束的水光火联合优化发电计划优化方法 | |
CN110400096A (zh) | 一种火电融合电储能联合调峰的日前发电计划优化方法及系统 | |
CN108009681B (zh) | 一种基于电网负荷尖峰时段曲线提高风电消纳方法 | |
CN109842140B (zh) | 高压配网峰谷负荷平衡智能管控方法 | |
CN114336599B (zh) | 一种独立型微电网动态优化调度方法 | |
Wang et al. | A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation | |
CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
Rossi et al. | Real-time optimization of the battery banks lifetime in hybrid residential electrical systems | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
CN111864749A (zh) | 光伏系统出力园区电动汽车充电方法、系统及存储介质 | |
Michaelides et al. | The effect of electric vehicle energy storage on the transition to renewable energy | |
Li et al. | A novel two-stage energy management of hybrid AC/DC microgrid considering frequency security constraints | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN104239960A (zh) | 考虑抽水蓄能机组的发电计划优化方法 | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
CN116247745A (zh) | 考虑非计划离网风险的氢能微网滚动优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |