CN104133995B - 一种电力系统在高风险事件下运行缺陷辨识方法 - Google Patents
一种电力系统在高风险事件下运行缺陷辨识方法 Download PDFInfo
- Publication number
- CN104133995B CN104133995B CN201410359542.8A CN201410359542A CN104133995B CN 104133995 B CN104133995 B CN 104133995B CN 201410359542 A CN201410359542 A CN 201410359542A CN 104133995 B CN104133995 B CN 104133995B
- Authority
- CN
- China
- Prior art keywords
- output
- constraint conditions
- sigma
- power
- forall
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000009194 climbing Effects 0.000 claims description 50
- 230000005540 biological transmission Effects 0.000 claims description 26
- 108010074506 Transfer Factor Proteins 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
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
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;wjt、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,ΓS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,βjt第j个分布式电源在t时段的出力的置信概率,σjt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;μjt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;ΓT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;mjt和njt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;pit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,uit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,pi(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,ui(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,Fl为第l条线路的传输能力;L为线路长度;N为火电机组数;πql为负荷线路功率转移因子,πil为火电线路功率转移因子,πjl为分布式电源线路功率转移因子,pqt为线路上转移的负荷;
(5)系统功率平衡约束条件如下:
其中,pjt为第j个分布式电源在t时段的出力,Dt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,ζlt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;ζlt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,Ilt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;wjt、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,ΓS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,βjt第j个分布式电源在t时段的出力的置信概率,σjt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;μjt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;ΓT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;mjt和njt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;pit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,uit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,pi(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,ui(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,Fl为第l条线路的传输能力;L为线路长度;N为火电机组数;πql为负荷线路功率转移因子,πil为火电线路功率转移因子,πjl为分布式电源线路功率转移因子,pqt为线路上转移的负荷;
(5)系统功率平衡约束条件如下:
其中,pjt为第j个分布式电源在t时段的出力,Dt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,ζlt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。
ζlt为第l条传输线在时段t应该增加的传输容量,如果ζlt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,Ilt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αt=95%,βt=90%并假定预测误差满足正态分布,有ΓT=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:
其中,M为分布式电源数;wjt、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,ΓS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,βjt为第j个分布式电源在t时段的出力的置信概率,σjt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;μjt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;ΓT为分布式电源时间不确定预算,且有:
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:
其中,W为分布式电源出力的不确定性集合;mjt和njt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;pit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:
其中,uit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:
其中,pi(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:
其中,ui(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:
其中,Fl为第l条线路的传输能力;L为线路长度;N为火电机组数;πql为负荷线路功率转移因子,πil为火电线路功率转移因子,πjl为分布式电源线路功率转移因子,pqt为线路上转移的负荷;
系统功率平衡约束条件如下:
其中,pjt为第j个分布式电源在t时段的出力,Dt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;ζlt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:
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,Ilt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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410359542.8A CN104133995B (zh) | 2014-07-25 | 2014-07-25 | 一种电力系统在高风险事件下运行缺陷辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410359542.8A CN104133995B (zh) | 2014-07-25 | 2014-07-25 | 一种电力系统在高风险事件下运行缺陷辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104133995A CN104133995A (zh) | 2014-11-05 |
CN104133995B true CN104133995B (zh) | 2017-02-22 |
Family
ID=51806670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410359542.8A Active CN104133995B (zh) | 2014-07-25 | 2014-07-25 | 一种电力系统在高风险事件下运行缺陷辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104133995B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105207247B (zh) * | 2014-06-20 | 2017-08-01 | 国家电网公司 | 电力系统控制方法和装置 |
CN108281989B (zh) * | 2018-03-09 | 2020-11-10 | 广东电网有限责任公司电力科学研究院 | 一种风电电力系统经济调度方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5343155A (en) * | 1991-12-20 | 1994-08-30 | The Research And Development Institute, Inc. At Montana State University | Fault detection and location system for power transmission and distribution lines |
US8395873B2 (en) * | 2010-06-09 | 2013-03-12 | Hamilton Sundstrand Corporation | SSPC with dual fault detectors |
CN103426056B (zh) * | 2013-07-18 | 2016-06-29 | 清华大学 | 基于风险评估的电力系统薄弱环节辨识方法 |
CN103986237B (zh) * | 2014-05-26 | 2016-02-10 | 湖南大学 | 一种配电网的预防控制及故障处理系统 |
-
2014
- 2014-07-25 CN CN201410359542.8A patent/CN104133995B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104133995A (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104242356B (zh) | 考虑风电场集电线故障的鲁棒区间风电调度方法及装置 | |
CN105006844B (zh) | 一种间歇式发电并网条件下的电力系统日前鲁棒调度系统 | |
CN107944757A (zh) | 电力互联系统可再生能源消纳能力评估分析方法 | |
CN103606913B (zh) | 分布式混合发电系统电源规划方法 | |
CN111541244B (zh) | 考虑储能装置度电成本的电网侧储能装置容量计算方法 | |
CN104993523A (zh) | 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法 | |
CN103473393A (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN104820868A (zh) | 一种基于风电概率进行预测的调度展示方法 | |
CN106505590B (zh) | 新能源电力系统小干扰稳定状态紧急控制方法 | |
CN104935017A (zh) | 基于改进轻鲁棒优化模型的风电与火电机组组合方法 | |
CN114676991A (zh) | 基于源荷双侧不确定的多能互补系统优化调度方法 | |
CN104133995B (zh) | 一种电力系统在高风险事件下运行缺陷辨识方法 | |
CN104268403A (zh) | 一种考虑大容量燃煤机组深度调峰和可中断负荷的风电场优化调度模型 | |
CN106329579A (zh) | 一种基于直流传输的风火电打捆发输电系统优化规划方法 | |
Singh et al. | Reliability assessment of a remote hybrid renewable energy system using Monte Carlo simulation | |
Li et al. | A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power | |
CN115377968A (zh) | 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法 | |
Zeng et al. | Long-term wind accommodation of interconnected power grids via HVDC tie-line based on aggregate unit model | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
CN106485593B (zh) | 一种电网侧新能源发电受限原因分析方法 | |
CN114254946A (zh) | 新能源发电等值年费用比较方法、系统、设备及存储介质 | |
Li et al. | Two-stage robust unit commitment with wind farms and pumped hydro energy storage systems under typhoons | |
Gabbar et al. | Key performance indicator modeling for micro grid design and operation evaluation | |
Tang et al. | Robust optimization for energy scheduling of CCHP systems under electrical load tracking and thermal load tracking | |
Yu et al. | Probabilistic Economic and Adequacy Evaluation of the Zero-Carbon Power Systems with CCUS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |