CN104133995B - 一种电力系统在高风险事件下运行缺陷辨识方法 - Google Patents

Abstract

本发明提供一种电力系统在高风险事件下运行缺陷辨识方法，包括以下步骤：确定分布式电源出力不确定性模型的约束条件；确定高风险事件预测模型的目标函数和约束条件对电力系统在高风险事件下运行缺陷进行辨识。本发明提供的电力系统在高风险事件下运行缺陷辨识方法，基于盒式集合描述分布式电源出力不确定性并合理引入概率测度，完整的建立了电力系统运行缺陷辨识模型；在对电力系统在高风险事件下的运行缺陷建立合理的数学模型并求解，从而有效辨识电力系统在高风险事件下的运行缺陷。

Description

一种电力系统在高风险事件下运行缺陷辨识方法

技术领域

本发明涉及一种辨识方法，具体讲涉及一种电力系统在高风险事件下运行缺陷辨识方法。

背景技术

近年来，风光电力等分布式电源大规模接入电网，其提高系统运行经济、环境效益的同时引入了较高水平的不确定性，为系统运行带来了风险。

高风险事件是指大规模风光等分布式电源接入电网后，导致系统无法得到可行调度策略的分布式电源极端出力情景。为了确保系统运行的安全性，需要对系统可能面临的高风险事件有效预测并评估其发生概率及后果。

在高风险事件下，系统可能因诸如传输线容量不足，发电机出力达到上下限或者发电机爬坡功率不足而被迫弃风。为了更好地指导电力系统日前运行决策，需要有效辨识电力系统在高风险事件下的运行缺陷，即哪些系统元件(例如发电机，传输线等)在高风险事件下会出现什么样的问题(例如容量、爬坡能力不足等)。

发明内容

为了克服上述现有技术的不足，本发明提供一种电力系统在高风险事件下运行缺陷辨识方法，基于盒式集合描述分布式电源出力不确定性并合理引入概率测度，完整的建立了电力系统运行缺陷辨识模型；在对电力系统在高风险事件下的运行缺陷建立合理的数学模型并求解，从而有效辨识电力系统在高风险事件下的运行缺陷。

为了实现上述发明目的，本发明采取如下技术方案：

本发明提供一种电力系统在高风险事件下运行缺陷辨识方法，所述方法包括以下步骤：

步骤1：确定分布式电源出力不确定性模型的约束条件；

步骤2：确定高风险事件预测模型的目标函数和约束条件；

步骤3：对电力系统在高风险事件下运行缺陷进行辨识。

所述步骤1中，分布式电源出力不确定性模型的约束条件包括空间约束条件和时间约束条件；

(1)空间约束条件如下：

其中，M为分布式电源数；w_jt、和为第j个分布式电源在t时段的出力、出力均值和出力半区间，Γ^S为分布式电源空间不确定预算；且有：

其中，和分别为第j个分布式电源在t时段的出力上界和下界，β_jt第j个分布式电源在t时段的出力的置信概率，σ_jt为第j个分布式电源在t时段的出力预测标准差，假定已知出力预测误差的分布；μ_jt为第j个分布式电源在t时段的出力预测均值；

(2)时间约束条件如下：

其中，T为调度时段数；Γ^T为分布式电源时间不确定预算，且有：

所述步骤2中，高风险事件预测模型的目标函数表示为：

其中，W为分布式电源出力的不确定性集合；m_jt和n_jt分别为第j个分布式电源在t时段的出力不平衡量正方向值的权重系数和出力不平衡量负方向值的权重系数；和分别为第j个分布式电源在t时段的功率平衡中松弛变量即功率不平衡量正方向值和负方向值；p_it为第i个火电机组在t时段的出力。

所述步骤2中，高风险事件预测模型的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

(1)火电机组出力约束条件如下：

其中，u_it为第i个火电机组在t时段的机组组合；和分别为第i个火电机组最小出力和最大出力；

(2)火电机组正爬坡约束条件如下：

其中，p_i(t+1)为第i个火电机组在t+1时段的出力，为第i个火电机组正爬坡能力；

(3)火电机组负爬坡约束条件如下：

其中，u_i(t+1)为第i个火电机组在t+1时段的机组组合；为第i个火电机组负爬坡能力；

(4)线路潮流约束条件如下：

其中，F_l为第l条线路的传输能力；L为线路长度；N为火电机组数；π_ql为负荷线路功率转移因子，π_il为火电线路功率转移因子，π_jl为分布式电源线路功率转移因子，p_qt为线路上转移的负荷；

(5)系统功率平衡约束条件如下：

其中，p_jt为第j个分布式电源在t时段的出力，D_t为系统在t时段的负荷需求。

所述步骤3中，电力系统在高风险事件下运行缺陷包括发电机容量不足、发电机爬坡能力不足和传输线容量不足。

所述电力系统在高风险事件下运行缺陷的目标函数为：

其中，ζ_lt为松弛变量，取值都为非负值，且和分别为第i台火电机组在时段t应该提高的容量上限和下限；和分别为第i台火电机组在时段t应该提高的正爬坡能力和负爬坡能力；ζ_lt为第l条传输线在时段t应该增加的传输容量。

电力系统在高风险事件下运行缺陷的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

所述火电机组出力约束条件如下：

火电机组正爬坡约束条件和火电机组负爬坡约束条件如下：

线路潮流约束条件如下：

其中，I_lt为第l条线路在时段t的负荷增量；

系统功率平衡约束条件如下：

其中，为t时段原预测负荷减去高风险事件下可再生能源出力的值。

与现有技术相比，本发明的有益效果在于：

本发明考虑了分布式电源出力在时间上的平滑性和空间上的平均性进而有效降低了预测及评估结果的保守性，并对结果引入概率测度，提高了预测及评估结果的实用性。算例分析表明，该方法能有效辨识电力系统运行缺陷，指出电力系统在高风险事件下的薄弱环节，具有良好的工程应用前景，对电网的发展建设具有很好的指导作用。

附图说明

图1是本发明实施例中IEEE10机39节点系统图；

图2是本发明实施例中负荷需求曲线图；

图3是本发明实施例中分布式电源出力区间图；

图4是本发明实施例中高风险事件时(失负荷量最大)分布式电源出力示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明提供一种电力系统在高风险事件下运行缺陷辨识方法，所述方法包括以下步骤：

步骤1：确定分布式电源出力不确定性模型的约束条件；

步骤2：确定高风险事件预测模型的目标函数和约束条件；

步骤3：对电力系统在高风险事件下运行缺陷进行辨识。

所述步骤1中，分布式电源出力不确定性模型的约束条件包括空间约束条件和时间约束条件；

(1)由于分布式电源通常分布地较为分散且相距较远，在考虑空间上的平均性的情况下，其出力期望在同一时段不太可能同时到达上界或者下界。进而，空间约束条件如下：

其中，M为分布式电源数；w_jt、和为第j个分布式电源在t时段的出力、出力均值和出力半区间，Γ^S为分布式电源空间不确定预算；且有：

其中，和分别为第j个分布式电源在t时段的出力上界和下界，β_jt第j个分布式电源在t时段的出力的置信概率，σ_jt为第j个分布式电源在t时段的出力预测标准差，假定已知出力预测误差的分布；μ_jt为第j个分布式电源在t时段的出力预测均值；

(2)考虑到时间上的平滑性，对于一个特定的分布式电源其出力不太可能在一天不同时段都达到出力上界或者下界。进一步，分布式电源一天不同时段的出力存在的时间约束条件如下：

其中，T为调度时段数；Γ^T为分布式电源时间不确定预算，且有：

所述步骤2中，在为大规模分布式电源接入的电力系统制定机组组合时，为了应对分布式电源出力的不确定性，通常是采用先基于分布式电源预测出力制定初步方案再逐步上调备用的方法。因此，在下述模型中将假定机组组合方案已确定。高风险事件预测模型的目标函数表示为：

其中，W为分布式电源出力的不确定性集合；m_jt和n_jt分别为第j个分布式电源在t时段的出力不平衡量正方向值的权重系数和出力不平衡量负方向值的权重系数；和分别为第j个分布式电源在t时段的功率平衡中松弛变量即功率不平衡量正方向值和负方向值；p_it为第i个火电机组在t时段的出力。

所述步骤2中，高风险事件预测模型的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

(1)火电机组出力约束条件如下：

其中，u_it为第i个火电机组在t时段的机组组合；和分别为第i个火电机组最小出力和最大出力；

(2)火电机组正爬坡约束条件如下：

其中，p_i(t+1)为第i个火电机组在t+1时段的出力，为第i个火电机组正爬坡能力；

(3)火电机组负爬坡约束条件如下：

其中，u_i(t+1)为第i个火电机组在t+1时段的机组组合；为第i个火电机组负爬坡能力；

(4)线路潮流约束条件如下：

其中，F_l为第l条线路的传输能力；L为线路长度；N为火电机组数；π_ql为负荷线路功率转移因子，π_il为火电线路功率转移因子，π_jl为分布式电源线路功率转移因子，p_qt为线路上转移的负荷；

(5)系统功率平衡约束条件如下：

其中，p_jt为第j个分布式电源在t时段的出力，D_t为系统在t时段的负荷需求。

所述步骤3中，电力系统在高风险事件下运行缺陷包括发电机容量不足、发电机爬坡能力不足和传输线容量不足。

(i)发电机容量不足：指在高风险事件下，如果要使电网保持安全运行，发电机的需要出力高于该火力发电机出力的最大值或者低于该火力发电机出力的最小值例如在时段t第i台火力发电机需要出力20MW，但该火力发电机的最小出力为25MW，则在t时段第i台火力发电机遇到了发电容量不足的运行缺陷。

(ii)发电机爬坡能力不足：指在高风险事件下，如果要使电网保持安全运行，发电机的需要的出力爬坡大于发电机的最大爬坡能力。例如t到t+1时段第i台火力发电机需要增加出力20MW，但该时段火力发电机的最大正爬坡能力仅为15MW，则在t时段第i台火力发电机遇到了发电爬坡能力不足的运行缺陷。

(iii)传输线容量不足：指在高风险事件下，如果要使电网保持安全运行，传输线传输的功率大于传输线的容量。例如在t时段第l段传输线需要传输的功率为100MW，但第l段传输线的最大传输功率仅为80MW，则在t时段第i火力发电机遇到了传输线容量不足的缺陷。

所述电力系统在高风险事件下运行缺陷的目标函数为：

其中，ζ_lt为松弛变量，取值都为非负值，且和分别为第i台火电机组在时段t应该提高的容量上限和下限；如果不为0，则说明第i台机组在时段t遇到有功出力高于机组出力上限的运行缺陷；如果不为0，则说明第i台机组在时段t遇到有功出力低于机组出力下限的运行缺陷；

和分别为第i台火电机组在时段t应该提高的正爬坡能力和负爬坡能力；如果不为0，则说明第i台机组在时段t遇到需要的正爬坡高于该时段机组正爬坡能力的运行缺陷；如果不为0，则说明第i台机组在时段t遇到需要的负爬坡高于该时段机组负爬坡能力的运行缺陷。

ζ_lt为第l条传输线在时段t应该增加的传输容量，如果ζ_lt不为0，则说明第l条传输线在时段t遇到需要传输的功率大于该段传输线最大传输容量的运行缺陷。

电力系统在高风险事件下运行缺陷的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

所述火电机组出力约束条件如下：

火电机组正爬坡约束条件和火电机组负爬坡约束条件如下：

线路潮流约束条件如下：

其中，I_lt为第l条线路在时段t的负荷增量；

系统功率平衡约束条件如下：

其中，为t时段原预测负荷减去高风险事件下可再生能源出力的值。

将本发明提出的高风险事件预测及评估方法应用到一个包含1个分布式电源、24调度时段的IEEE39节点标准算例系统中，如图1所示。负荷需求曲线如图2所示，机组组合方案如表1所示。

表1

首先，设定置信概率α_t＝95％,β_t＝90％并假定预测误差满足正态分布，有Γ^T＝8，得到分布式电源出力曲线如图3所示。

接下来将数据带入高风险事件预测模型，可求得高风险事件发生时分布式电源出力情景如图4所示。

之后我们将高风险事件预测的风电出力结果代入运行缺陷辨识的数学模型中，解得电力系统运行缺陷如表2：

表2

其中BU代表发电机容量达到上限，RU代表正爬坡达到上限。如果是弃风量最大或者反调峰最大的高风险事件，还可能出现BL和RL缺陷，BL指发电机容量达到下限，RL代表负爬坡达到下限。对于传输线，只有容量超过最大传输容量一种运行缺陷，所以未标注其类型。值的单位都是MW。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.一种电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述方法包括以下步骤：

步骤1：确定分布式电源出力不确定性模型的约束条件；

步骤2：确定高风险事件预测模型的目标函数和约束条件；

步骤3：对电力系统在高风险事件下运行缺陷进行辨识；

所述步骤1中，分布式电源出力不确定性模型的约束条件包括空间约束条件和时间约束条件；

(1)空间约束条件如下：

$\begin{array}{ccc}{\mathrm{\Σ}}_{j=1}^M\left|w_{jt}-{\hat{w}}_{jt}\right|/{\tilde{w}}_{jt}\≤{\mathrm{\Γ}}^S,& \∀t,& {\mathrm{where\Γ}}^S\∈\[0,M\]\end{array}---\left(1\right)$

其中，M为分布式电源数；w_jt、和为第j个分布式电源在t时段的出力、出力均值和出力半区间，Γ^S为分布式电源空间不确定预算；且有：

${\hat{w}}_{jt}=0.5(w_{jt}^u+w_{jt}^l)---\left(2\right)$

$\begin{array}{cc}{\tilde{w}}_{jt}=0.5(w_{jt}^u-w_{jt}^l)={\mathrm{\σ}}_{jt}\sqrt{1/(1-{\mathrm{\β}}_{jt})}& \∀j,\∀t\end{array}---\left(3\right)$

$\begin{array}{cc}{w}_{jt}^l\≤w_{jt}\≤w_{jt}^u,& \∀j,\∀t\end{array}---\left(4\right)$

$\begin{array}{cc}{\mathrm{\Γ}}^S={\mathrm{\Σ}}_{j=1}^M{\mathrm{\μ}}_{jt}+\sqrt{{\mathrm{\Σ}}_{j=1}^M{\mathrm{\σ}}_{jt}^2}\sqrt{1/(1-{\mathrm{\β}}_{jt})-1}& \∀j,\∀t\end{array}---\left(5\right)$

其中，和分别为第j个分布式电源在t时段的出力上界和下界，β_jt为第j个分布式电源在t时段的出力的置信概率，σ_jt为第j个分布式电源在t时段的出力预测标准差，假定已知出力预测误差的分布；μ_jt为第j个分布式电源在t时段的出力预测均值；

(2)时间约束条件如下：

$\begin{array}{ccc}{\mathrm{\Σ}}_{t=1}^T\left|w_{jt}-{\hat{w}}_{jt}\right|/{\tilde{w}}_{jt}\≤{\mathrm{\Γ}}^T,& \∀j,& {\mathrm{where\Γ}}^T\∈\[0,T\]\end{array}---\left(6\right)$

其中，T为调度时段数；Γ^T为分布式电源时间不确定预算，且有：

$\begin{array}{cc}{\mathrm{\Γ}}^T={\mathrm{\Σ}}_{t=1}^T{\mathrm{\μ}}_{jt}+\sqrt{{\mathrm{\Σ}}_{t=1}^T{\mathrm{\σ}}_{jt}^2}\sqrt{1/(1-{\mathrm{\β}}_{jt})-1}& \∀j,\∀t\end{array}---\left(7\right).$

2.根据权利要求1所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述步骤2中，高风险事件预测模型的目标函数表示为：

$\underset{w_{jt}\∈W}{max}(\underset{p_{it}}{min}{\mathrm{\Σ}}_{t=1}^T{\mathrm{\Σ}}_{j=1}^M{m}_{jt}{s}_{jt}^{+}+n_{jt}{s}_{jt}^{-})---\left(8\right)$

其中，W为分布式电源出力的不确定性集合；m_jt和n_jt分别为第j个分布式电源在t时段的出力不平衡量正方向值的权重系数和出力不平衡量负方向值的权重系数；和分别为第j个分布式电源在t时段的功率平衡中松弛变量即功率不平衡量正方向值和负方向值；p_it为第i个火电机组在t时段的出力。

3.根据权利要求2所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述步骤2中，高风险事件预测模型的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

4.根据权利要求3所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：火电机组出力约束条件如下：

$\begin{array}{cc}{u}_{it}{P}_{min}^i\≤p_{it}\≤u_{it}{P}_{max}^i& \∀i,\∀t\end{array}---\left(9\right)$

其中，u_it为第i个火电机组在t时段的机组组合；和分别为第i个火电机组最小出力和最大出力；

火电机组正爬坡约束条件如下：

$\begin{array}{cc}{p}_{i(t+1)}-p_{it}\≤u_{it}{R}_{+}^i+(1-u_{it})P_{max}^i& \∀i,\∀t\end{array}---\left(10\right)$

其中，p_i(t+1)为第i个火电机组在t+1时段的出力，为第i个火电机组正爬坡能力；

火电机组负爬坡约束条件如下：

$\begin{array}{cc}{p}_{it}-p_{i(t+1)}\≤u_{i(t+1)}{R}_{-}^i+(1-u_{i(t+1)})P_{max}^i& \∀i,\∀t\end{array}---\left(11\right)$

其中，u_i(t+1)为第i个火电机组在t+1时段的机组组合；为第i个火电机组负爬坡能力；

线路潮流约束条件如下：

$\begin{array}{cc}-F_l+{\mathrm{\Σ}}_{l=1}^L{\mathrm{\π}}_{ql}{p}_{qt}\≤{\mathrm{\Σ}}_{i=1}^N{\mathrm{\π}}_{il}{p}_{it}+{\mathrm{\Σ}}_{j=1}^M{\mathrm{\π}}_{jl}{w}_{jt}\≤F_l+{\mathrm{\Σ}}_{l=1}^L{\mathrm{\π}}_{ql}{p}_{qt}& \∀l,\∀t\end{array}---\left(12\right)$

其中，F_l为第l条线路的传输能力；L为线路长度；N为火电机组数；π_ql为负荷线路功率转移因子，π_il为火电线路功率转移因子，π_jl为分布式电源线路功率转移因子，p_qt为线路上转移的负荷；

系统功率平衡约束条件如下：

${\mathrm{\Σ}}_{i=1}^N{p}_{it}+{\mathrm{\Σ}}_{j=1}^M{p}_{jt}+{\mathrm{\Σ}}_{j=1}^M(-s_{jt}^{+}+s_{jt}^{-})=D_t---\left(13\right)$

其中，p_jt为第j个分布式电源在t时段的出力，D_t为系统在t时段的负荷需求。

5.根据权利要求1所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述步骤3中，电力系统在高风险事件下运行缺陷包括发电机容量不足、发电机爬坡能力不足和传输线容量不足。

6.根据权利要求4所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述电力系统在高风险事件下运行缺陷的目标函数为：

其中，为松弛变量，取值都为非负值，且和分别为第i台火电机组在时段t应该提高的容量上限和下限；和分别为第i台火电机组在时段t应该提高的正爬坡能力和负爬坡能力；ζ_lt为第l条传输线在时段t应该增加的传输容量。

7.根据权利要求6所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：电力系统在高风险事件下运行缺陷的目标函数对应的约束条件包括火电机组出力约束条件、火电机组正爬坡约束条件、火电机组负爬坡约束条件、线路潮流约束条件和系统功率平衡约束条件。

8.根据权利要求7所述的电力系统在高风险事件下运行缺陷辨识方法，其特征在于：所述火电机组出力约束条件如下：

$\begin{array}{c}-p_{it}-u_{it}{\mathrm{\δ}}_{it}^{-}\≤-u_{it}{P}_{\min }^i\\ \begin{array}{cc}{p}_{it}-u_{it}{\mathrm{\δ}}_{it}^{+}\≤u_{it}{P}_{\max }^i,& \∀i,\∀t\end{array}\end{array}---\left(15\right)$

火电机组正爬坡约束条件和火电机组负爬坡约束条件如下：

$\begin{array}{c}{p}_{it}-p_{i(t+1)}\≤u_{i(t+1)}(R_{-}^i+{\mathrm{\ρ}}_{it}^{-})+(1-u_{i(t+1)})(P_{\max }^i-{\mathrm{\δ}}_{it}^{-})\\ p_{i(t+1)}-p_{it}\≤u_{it}(R_{+}^i+{\mathrm{\ρ}}_{it}^{+})+(1-u_{it})(P_{max}^i+{\mathrm{\δ}}_{it}^{+})\end{array}---\left(16\right)$

线路潮流约束条件如下：

$\begin{array}{c}-{\mathrm{\ζ}}_{lt}-{\Σ}_{i=1}^N{\mathrm{\π}}_{il}{p}_{it}\≤I_{lt}+F_l\\ -{\mathrm{\ζ}}_{lt}+{\Σ}_{i=1}^N{\mathrm{\π}}_{il}{p}_{it}\≤-I_{lt}+F_l\\ \begin{array}{cc}{I}_{lt}={\Σ}_{j=1}^M{\mathrm{\π}}_{jl}{p}_{jt}-{\Σ}_{l=1}^L{\mathrm{\π}}_{ql}{p}_{qt},& \∀l,\∀t\end{array}\end{array}---\left(17\right)$

其中，I_lt为第l条线路在时段t的负荷增量；

系统功率平衡约束条件如下：

$\begin{array}{cc}{\mathrm{\Σ}}_{i=1}^N{p}_{it}={\hat{D}}_t,& \∀t\end{array}---\left(18\right)$

其中，为t时段原预测负荷减去高风险事件下可再生能源出力的值。