CN104181895A - 适应新能源接入的短期与超短期协调滚动调度优化策略 - Google Patents
适应新能源接入的短期与超短期协调滚动调度优化策略 Download PDFInfo
- Publication number
- CN104181895A CN104181895A CN201410433140.8A CN201410433140A CN104181895A CN 104181895 A CN104181895 A CN 104181895A CN 201410433140 A CN201410433140 A CN 201410433140A CN 104181895 A CN104181895 A CN 104181895A
- Authority
- CN
- China
- Prior art keywords
- time
- wind
- scheduling
- rolling
- plan
- 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.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000011217 control strategy Methods 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 67
- 238000005457 optimization Methods 0.000 claims description 47
- 230000005622 photoelectricity Effects 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000009472 formulation Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000009987 spinning Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Wind Motors (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种新能源接入后基于多时间尺度和MPC分层控制理论的短期与超短期协调滚动调度优化策略。该策略包括:确定适应新能源接入的基于多时间尺度的协调滚动调度总体框架;确定本策略使用的MPC(ModelPredictiveControl)控制方法和分层递阶控制方法,包括MPC的概念及其在新能源接入下的应用模型,分层递阶控制方法的研究等;基于多时间尺度、MPC和分层递阶控制方法,确定适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略;研究确定适应新能源接入的协调滚动调度MPC分层优化模型,主要指滚动调度最优计划层和实时修正计划层的数学模型,包括目标函数,各种约束条件等。具体步骤见摘要附图。本发明解决了间歇式新能源接入后的协调滚动调度问题。
Description
技术领域
本发明属于间歇式新能源接入后的优化滚动调度技术领域,尤其涉及一种适应新能源接入的基于多时间尺度和MPC分层控制理论的协调滚动调度优化策略。
背景技术
随着国内风、光电等间歇式新能源并网规模的不断扩大,其对电网的运行安全造成了严重威胁,电力系统能量管理和运行控制正面临着严峻挑战。其原因如下:
1)风、光电出力具有强不确定性。风、光电等间歇式能源出力不确定性大,很难预测,其预测精度也很低,而且预测提前的时间越长,其预测误差越大。大规模新能源的接入使电力系统运行的不确定性增大,迫切需要寻求能够更好应对风、光电出力不确定性的调度控制模式和方法。
2)复杂的优化调度和快速的实时控制矛盾。大规模风电的调度控制要兼顾经济和安全,是一类具有不确定性的复杂大系统多目标优化问题。优化调度和实时控制各自的优化目标和决策的时间尺度是不同的,这与传统的调度模式有很大区别。
国内传统的调度方式主要采用人工日前调度计划和自动发电控制(AGC)等2个时间尺度相结合的调度方式。这2个时间尺度跨度大,调度模式较粗放,无法适应大规模新能源接入后的电网调度。传统调度方式主要存在以下问题:①日前负荷预测结果与实际负荷往往存在较大偏差,特别是大规模上网风、光电的随机性和波动性,使得日前计划在执行中和实际情况存在很大偏差;②日前调度与AGC之间时间跨度太大,日前计划偏差、负荷和风光电随机扰动全部由AGC机组来负担,经常会出现AGC可调容量不足的情况,进一步影响了系统的安全性和电能质量。
因此,需要在传统的调度模式基础上,研究适应间歇式新能源接入的滚动调度优化策略,以更好的弥补风、光电等间歇式能源的预测偏差,消除新能源波动性对系统的不利影响,保证系统的安全性和经济性。
发明内容
本发明的目的在于,提供一种适应新能源接入的短期与超短期协调滚动调度优化策略,用于解决新能源接入后的滚动调度问题。
为实现上述目的,本发明提供的技术方案是,一种适应间歇式新能源接入的基于多时间尺度和MPC分层控制理论的协调滚动调度优化策略,其特征是所述方法包括:
步骤1:确定适应新能源接入的基于多时间尺度的协调滚动调度总体框架:将传统的调度模式改造为具有日前发电计划、滚动调度最优计划、实时调度修正计划和AGC四个时间尺度的滚动调度模式;
步骤2:确定本策略使用的MPC(Model Predictive Control)控制方法和分层递阶控制方法,包括MPC的概念及其在新能源接入下的应用模型,分层递阶控制方法的研究等;
步骤3:在步骤1和步骤2的基础上,确定适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略:将分层递阶控制融入MPC方法中,形成含有滚动调度最优计划层、实时调度修正计划层、反馈校正层的分层MPC控制架构,每一层负责修正上一层的偏差,体现了一种“多级协调、逐级细化”的思想;
步骤4:在步骤3的基础上,确定适应新能源接入的协调滚动调度MPC分层优化模型,主要指滚动调度最优计划层和实时修正计划层的数学模型,包括目标函数,各种约束条件等。
所述适应新能源接入的基于多时间尺度的协调滚动调度总体框架,是在传统调度模式的日前发电计划(day级)和AGC(seconds级)两个时间尺度的基础上,增加滚动调度最优计划(15~30min级)和实时调度修正计划(5~15min级)两个时间尺度。每个时间尺度发电计划的制定,都以上一级的计划数据为基础,并利用最新的风、光电预测值和负荷预测数据,结合相应的调度模型,滚动刷新常规机组出力,将上一级遗留的偏差由下一级来修正,形成适应间歇式新能源接入的多时间尺度滚动调度模式。其中,滚动调度最优计划以扩展短期负荷预测及风功率预测为基础,每15分钟启动一次;实时调度修正计划以超短期负荷预测及风功率预测为基础,每5分钟启动一次。
所述MPC控制方法和分层递阶控制方法是:
1)MPC是一类基于模型的有限时域闭环最优控制算法,由模型预测、滚动优化、反馈校正等3部分组成:模型预测的功能是根据过程的历史信息和未来输入预测过程的未来输出值,为MPC的优化提供先验知识;滚动优化是基于实际系统的输出反馈结果,通过对控制目标的反复滚动寻优,获得将来一段时段的最优控制措施;反馈校正是用实际系统稳态输出量的量测值来校正,修正预测模型,重新进行滚动优化,并循环进行。
大规模间歇式风电接入后,MPC以风电输出功率滚动预测为基础,在每一采样周期根据最新的风电预测结果进行优化控制,以有限时段的基于系统实际运行状态的反复滚动优化代替传统最优控制的一次离线全局优化,以时段最优代替全局最优,以降低风电预测的不准确性对控制过程的影响,其优化模型如下所示:
式中:f1和f2分别为未来负荷需求及风电最大出力预测模型,预测模型以及为输出变量,以风电、负荷历史出力及数值天气预报结果为输入变量;△pd,i和△pu,i分别为发电机i的下调和上调步长约束;g(*)≤0表示系统其他安全约束。
2)分层递阶控制方法:大系统处于不确定环境中,在决策时往往需要通过较长时间积累资料和经验,不断修正控制过程的目标函数、约束条件和数学模型的不确定参数,以保持系统的最优运行状态,但是决策的制定和执行却要求及时、迅速,否则控制就不能适应系统的实时变化。为解决这一矛盾,分层递阶控制通过“变粒度”方法将大系统总的复杂决策问题按控制功能或决策性质的分解来分层,垂直地划分为一些基本的子决策问题,形成多层控制结构。在这种控制结构中,各层在不同时间段内工作,越到上层,时间段越长。每层的决策输出是下一决策单元的输入,较高层的功能较复杂,面对较慢扰动,允许的决策时间较长,决策权较大;较低层的功能较简单,面对较快扰动,允许决策时间短,决策权较小,这种“变粒度”结构有利于任务均衡。
所述适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略是:
1)超前时间环节分层递阶控制模式的引入
在传统MPC结构的基础上,对其滚动优化层按“变粒度”法进一步地分层,将控制过程分解为基于“粗粒度”模型的滚动调度最优计划层和基于“细粒度”模型的实时调度修正计划层,前者侧重经济性,后者侧重安全性,形成内层—外层相嵌套的多级递阶控制结构。滚动调度最优计划层采用“粗粒度”滚动优化模型,基于对风电出力及负荷需求的扩展短期预测结果对较长时段的过程进行优化,给出的是理想情况下的系统经济最优计划,该计划作为下一级实时调度修正计划层的计划调整基点来执行,从而使级别高的目标比级别低的目标优先满足;实时调度修正计划层采用“细粒度”滚动优化模型,基于风电出力及负荷需求的超短期预测结果对计划做进一步细化,以保证控制过程的抗干扰性。同时,为保证系统的经济性,实时调度层的发电机出力调整应紧跟上一层给出的最优计划,出现扰动时,采取偏差最小的控制模式。
2)滞后时间环节风电反馈校正功能的引入
滚动调度最优计划层及实时调度修正计划层执行的都是基于预测的超前控制,风电预测是实现分层MPC的基础,但在目前的风电预测精度下,超前MPC的控制过程无法避免风电出力计划与实际发电能力之间存在偏差,弃风及系统安全问题时有发生。因此,需要滞后的反馈校正环节对这种控制偏差进行修正,保证闭环控制的稳定性。通过在传统的MPC滞后时间环节的反馈校正中引入风电实时出力偏差修正环节,采用基于风火联调或下旋转备用追踪等控制策略,实现系统安全裕度实时监视及风电出力实时调整的目的,弥补了风电计划偏差,形成对风电控制过程的前馈补偿—反馈校正的双层控制结构,并构成闭环,实现对风电预测误差的超前补偿和滞后修正。
3)超前—滞后时间环节的协调
首先,大规模风电的接入使得电网各调度时间级的可调节资源趋于紧张,时间上超前的滚动最优计划层及实时修正计划层能够根据风电负荷预测结果提前安排机组计划,预留调整空间,而时间上滞后的反馈校正层不具有这种前瞻能力,因此,反馈校正层功能的顺利执行依赖于与上一层实时调度修正计划层的动态协调,需要在实时调度计划层决策制定的过程中,为反馈校正层留有足够的备用裕度;其次,为保证控制过程的经济性,反馈校正层需要以实时调度计划层给出的控制指令作为控制基点,在调整过程中,始终围绕控制基点进行调整。
所述的适应新能源接入的协调滚动调度MPC分层优化模型是:
分层MPC架构中的滚动调度最优计划层和实时调度修正计划层的控制都采用MPC,都有预测和滚动优化环节,其各自的优化模型如下:
1)滚动调度最优计划层的优化模型
滚动调度最优计划层要保证计划的经济最优性及闭环控制的平稳性,预测环节采用对风电的扩展短期预测,采用基于最小弃风的经济调度模型,如下式所示:
式中:N为常规机组数;t0为优化起始时段;Th为优化时段长度;ai,bi,ci为常规机组i的煤耗系数;pit为常规机组i在第t个时段的有功出力计划值;λj为弃风成本因子;为风电扩展短期预测出力;为风电机组j在第t个时段的有功出力计划值;为风电机组集合。
在求解模型最优解时,应考虑以下约束条件:
a.机组出力上下界约束
pit,min≤pit≤pit,max
式中:pit,max和pit,min分别为第i台火电机组在第t时段出力的上界和下界。
b.滚动计划对日前计划的修正量约束
考虑到滚动调度的修正值应与原计划值相关联,因此需要将每台机组修正后的出力值与日前计划值的偏差控制在一定的范围内,故有
式中:pit,d为第i台机组在第t时段的日前计划值;△pi为第i台机组的滚动修正值与日前计划值之间允许的最大偏差值;pit,maxt和pit,mint分别为第i台火电机组在第t时段的最大、最小技术出力。
c.机组爬坡率约束
pit-1-△pit,dn≤pit≤pit-1+△pit,up
式中:△pit,dn和△pit,up分别为第i台机组从第t-1时段到第t时段允许的降出力和升出力最大值。
d.断面潮流安全约束
式中:l和L分别为断面编号和总断面数;kli为第i台机组对第l断面的灵敏度因子;Tlt,min和Tlt,max分别为断面潮流的最小值和最大值。
e.负荷平衡约束
式中:Dt和Wt分别为剩余时段的系统负荷预测值和风电出力预测值。
2)实时调度修正计划层的优化模型
实时调度计划层的预测环节采用对风电的超短期预测,通过下式对计划时段内的系统状态进行最小调整以跟踪全局稳态优化结果,保证系统运行的安全性:
式中:T1为实时调度计划层优化时段长度;为机组i在第t个时段滚动调度计划层的计划值;△pit为机组i在第t个时段有功出力计划调整量。
优化过程中,同时需要满足实时的发电负荷平衡、机组物理调节性能及系统安全约束等。
附图说明
图1是新能源接入后基于多时间尺度和MPC分层控制理论的协调滚动调度策略研究思路;
图2是新能源接入后基于多时间尺度的协调滚动调度总体框架;
图3是滚动调度最优计划和实时调度修正计划的决策配合;
图4是MPC的控制结构示意图;
图5是分层递阶控制的结构框架示意图;
图6是适应新能源接入的协调滚动调度MPC分层控制策略流程图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
图1是新能源接入后基于多时间尺度和MPC分层控制理论的协调滚动调度策略研究思路。图1中,本发明提供的基于多时间尺度和MPC分层控制理论的协调滚动调度策略包括:
步骤1:确定适应新能源接入的基于多时间尺度的协调滚动调度总体框架
国内传统的调度方式主要采用人工日前调度计划和自动发电控制(AGC)等2个时间尺度相结合的调度方式,这2个时间尺度跨度大,调度模式较粗放,无法适应大规模新能源接入后的电网调度。通过在传统调度模式的日前发电计划(day级)和AGC(seconds级)两个时间尺度的基础上,增加滚动调度最优计划(15~30min级)和实时调度修正计划(5~15min级)两个时间尺度,形成具有日前发电计划、滚动调度最优计划、实时调度修正计划和AGC四个时间尺度的滚动调度模式,如图2所示。每个时间尺度发电计划的制定,都以上一级的计划数据为基础,并利用最新的风、光电预测值和负荷预测数据,结合相应的调度模型,滚动刷新常规机组出力,将上一级遗留的偏差由下一级来修正,形成适应间歇式新能源接入的多时间尺度滚动调度模式。
滚动调度最优计划以扩展短期负荷预测及风功率预测为基础,每15分钟启动一次;实时调度修正计划以超短期负荷预测及风功率预测为基础,每5分钟启动一次。图3所示为滚动调度最优计划和实时调度修正计划的决策配合示意图。
步骤2:确定本策略使用的MPC(Model Predictive Control)控制方法和分层递阶控制方法
1)MPC是一类基于模型的有限时域闭环最优控制算法,在每一采样周期,控制器以当前时刻的系统状态作为控制的初始状态,基于预测模型对未来状态的预测结果,通过在线滚动求解一个有限时长的最优控制问题。其由模型预测、滚动优化、反馈校正等3部分组成,如图4所示。模型预测的功能是根据过程的历史信息和未来输入预测过程的未来输出值,为MPC的优化提供先验知识;滚动优化是基于实际系统的输出反馈结果,通过对控制目标的反复滚动寻优,获得将来一段时段的最优控制措施;反馈校正是用实际系统稳态输出量的量测值来校正,修正预测模型,重新进行滚动优化,并循环进行。
大规模间歇式风电接入后,MPC以风电输出功率滚动预测为基础,在每一采样周期根据最新的风电预测结果进行优化控制,以有限时段的基于系统实际运行状态的反复滚动优化代替传统最优控制的一次离线全局优化,以时段最优代替全局最优,以降低风电预测的不准确性对控制过程的影响。
2)分层递阶控制方法:分层递阶控制通过“变粒度”方法将大系统总的复杂决策问题按控制功能或决策性质的分解来分层,垂直地划分为一些基本的子决策问题,形成多层控制结构,如图5所示。在这种控制结构中,各层在不同时间段内工作,越到上层,时间段越长。每层的决策输出是下一决策单元的输入,较高层的功能较复杂,面对较慢扰动,允许的决策时间较长,决策权较大;较低层的功能较简单,面对较快扰动,允许决策时间短,决策权较小,这种“变粒度”结构有利于任务均衡。
步骤3:确定适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略
通过将分层递阶控制融入MPC方法中,形成适应新能源接入的协调滚动调度MPC分层控制架构,如图6所示。滚动调度最优计划层的输出值作为实时修正计划层调度的调整基点,而实时修正计划层调整后的调度指令作为反馈校正层的修正基点,反馈校正层将修正后的控制指令下发给机组,构成前向的计划下发数据流程,每一层负责修正上一层的偏差,体现了一种“多级协调、逐级细化”的思想。图6中,为传统机组及风电场的实时出力值; 分别为滚动调度最优计划层、实时调度修正计划层及反馈校正层的传统机组及风电场实时出力反馈值,其采样间隔分别用Th,Tl,Ts表示;AGC表示自动发电控制。具体介绍如下:
1)超前时间环节分层递阶控制模式的引入
在传统MPC结构的基础上,对其滚动优化层按“变粒度”法进一步地分为滚动调度最优计划层和实时调度修正计划层,前者侧重经济性,后者侧重安全性。滚动调度最优计划层采用“粗粒度”滚动优化模型,基于对风电出力及负荷需求的扩展短期预测结果对较长时段的过程进行优化,给出的是理想情况下的系统经济最优计划,该计划作为下一级实时调度修正计划层的计划调整基点来执行,从而使级别高的目标比级别低的目标优先满足;实时调度修正计划层采用“细粒度”滚动优化模型,基于风电出力及负荷需求的超短期预测结果对计划做进一步细化,以保证控制过程的抗干扰性。同时,为保证系统的经济性,实时调度层的发电机出力调整应紧跟上一层给出的最优计划,出现扰动时,采取偏差最小的控制模式。
2)滞后时间环节风电反馈校正功能的引入
滚动调度最优计划层及实时调度修正计划层执行的都是基于预测的超前控制,风电预测是实现分层MPC的基础,但在目前的风电预测精度下,超前MPC的控制过程无法避免风电出力计划与实际发电能力之间存在偏差,弃风及系统安全问题时有发生。因此,需要滞后的反馈校正环节对这种控制偏差进行修正,保证闭环控制的稳定性。通过在传统的MPC滞后时间环节的反馈校正中引入风电实时出力偏差修正环节,采用基于风火联调或下旋转备用追踪等控制策略,实现系统安全裕度实时监视及风电出力实时调整的目的,弥补了风电计划偏差,形成对风电控制过程的前馈补偿—反馈校正的双层控制结构,并构成闭环,实现对风电预测误差的超前补偿和滞后修正。
3)超前—滞后时间环节的协调
时间上超前的滚动最优计划层及实时修正计划层能够根据风电负荷预测结果提前安排机组计划,预留调整空间,而时间上滞后的反馈校正层不具有这种前瞻能力,因此,反馈校正层功能的顺利执行依赖于与上一层实时调度修正计划层的动态协调,需要在实时调度计划层决策制定的过程中,为反馈校正层留有足够的备用裕度;其次,为保证控制过程的经济性,反馈校正层需要以实时调度计划层给出的控制指令作为控制基点,在调整过程中,始终围绕控制基点进行调整。
步骤4:确定适应新能源接入的协调滚动调度MPC分层优化模型
分层MPC架构中的滚动调度最优计划层和实时调度修正计划层的控制都采用MPC,都有预测和滚动优化环节,其各自的优化模型如下:
1)滚动调度最优计划层的优化模型
滚动调度最优计划层要保证计划的经济最优性及闭环控制的平稳性,预测环节采用对风电的扩展短期预测,采用基于最小弃风的经济调度模型,如下式所示:
式中:N为常规机组数;t0为优化起始时段;Th为优化时段长度;ai,bi,ci为常规机组i的煤耗系数;pit为常规机组i在第t个时段的有功出力计划值;λj为弃风成本因子;为风电扩展短期预测出力;为风电机组j在第t个时段的有功出力计划值;为风电机组集合。
在求解模型最优解时,应考虑以下约束条件:
a.机组出力上下界约束
pit,min≤pit≤pit,max
式中:pit,max和pit,min分别为第i台火电机组在第t时段出力的上界和下界。
b.滚动计划对日前计划的修正量约束
考虑到滚动调度的修正值应与原计划值相关联,因此需要将每台机组修正后的出力值与日前计划值的偏差控制在一定的范围内,故有
式中:pit,d为第i台机组在第t时段的日前计划值;△pi为第i台机组的滚动修正值与日前计划值之间允许的最大偏差值;pit,maxt和pit,mint分别为第i台火电机组在第t时段的最大、最小技术出力。
c.机组爬坡率约束
pit-1-△pit,dn≤pit≤pit-1+△pit,up
式中:△pit,dn和△pit,up分别为第i台机组从第t-1时段到第t时段允许的降出力和升出力最大值。
d.断面潮流安全约束
式中:l和L分别为断面编号和总断面数;kli为第i台机组对第l断面的灵敏度因子;Tlt,min和Tlt,max分别为断面潮流的最小值和最大值。
e.负荷平衡约束
式中:Dt和Wt分别为剩余时段的系统负荷预测值和风电出力预测值。
2)实时调度修正计划层的优化模型
实时调度计划层的预测环节采用对风电的超短期预测,通过下式对计划时段内的系统状态进行最小调整以跟踪全局稳态优化结果,保证系统运行的安全性:
式中:T1为实时调度计划层优化时段长度;为机组i在第t个时段滚动调度计划层的计划值;△pit为机组i在第t个时段有功出力计划调整量。
优化过程中,同时需要满足实时的发电负荷平衡、机组物理调节性能及系统安全约束等。
上述实例分析表明:本方法解决了新能源接入后的滚动调度问题。通过研究基于多时间尺度的优化调度框架、MPC和分层递阶控制方法,得出适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略,并给出了相应层次的优化模型,很好地改善了新能源接入后的滚动调度效果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种适应新能源接入的基于多时间尺度和MPC分层控制理论的短期与超短期协调滚动调度优化策略,其特征是所述方法包括:
步骤1:确定适应新能源接入的基于多时间尺度的协调滚动调度总体框架:将传统的调度模式改造为具有日前发电计划、滚动调度最优计划、实时调度修正计划和AGC四个时间尺度的滚动调度模式;
步骤2:确定本策略使用的MPC(Model Predictive Control)控制方法和分层递阶控制方法,包括MPC的概念及其在新能源接入下的应用模型,分层递阶控制方法的研究等;
步骤3:在步骤1和步骤2的基础上,确定适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略:将分层递阶控制融入MPC方法中,形成含有滚动调度最优计划层、实时调度修正计划层、反馈校正层的分层MPC控制架构,每一层负责修正上一层的偏差,体现了一种“多级协调、逐级细化”的思想;
步骤4:在步骤3的基础上,确定适应新能源接入的协调滚动调度MPC分层优化模型,主要指滚动调度最优计划层和实时修正计划层的数学模型,包括目标函数,各种约束条件等。
2.根据权利要求1所述适应新能源接入的基于多时间尺度的协调滚动调度总体框架,是在传统调度模式的日前发电计划(day级)和AGC(seconds级)两个时间尺度的基础上,增加滚动调度最优计划(15~30min级)和实时调度修正计划(5~15min级)两个时间尺度,每个时间尺度发电计划的制定,都以上一级的计划数据为基础,并利用最新的风、光电预测值和负荷预测数据,结合相应的调度模型,滚动刷新常规机组出力,将上一级遗留的偏差由下一级来修正,形成适应间歇式新能源接入的多时间尺度滚动调度模式;其中,滚动调度最优计划以扩展短期负荷预测及风功率预测为基础,每15分钟启动一次;实时调度修正计划以超短期负荷预测及风功率预测为基础,每5分钟启动一次。
3.根据权利要求1所述的MPC控制方法和分层递阶控制方法
1)MPC是一类基于模型的有限时域闭环最优控制算法,由模型预测、滚动优化、反馈校正等3部分组成:模型预测的功能是根据过程的历史信息和未来输入预测过程的未来输出值,为MPC的优化提供先验知识;滚动优化是基于实际系统的输出反馈结果,通过对控制目标的反复滚动寻优,获得将来一段时段的最优控制措施;反馈校正是用实际系统稳态输出量的量测值来校正,修正预测模型,重新进行滚动优化,并循环进行;
大规模间歇式风电接入后,MPC以风电输出功率滚动预测为基础,在每一采样周期根据最新的风电预测结果进行优化控制,以有限时段的基于系统实际运行状态的反复滚动优化代替传统最优控制的一次离线全局优化,以时段最优代替全局最优,以降低风电预测的不准确性对控制过程的影响,其优化模型如下所示:
式中:f1和f2分别为未来负荷需求及风电最大出力预测模型,预测模型以及为输出变量,以风电、负荷历史出力及数值天气预报结果为输入变量;△pd,i和△pu,i分别为发电机i的下调和上调步长约束;g(*)≤0表示系统其他安全约束;
2)分层递阶控制方法:大系统处于不确定环境中,在决策时往往需要通过较长时间积累资料和经验,不断修正控制过程的目标函数、约束条件和数学模型的不确定参数,以保持系统的最优运行状态,但是决策的制定和执行却要求及时、迅速,否则控制就不能适应系统的实时变化;为解决这一矛盾,分层递阶控制通过“变粒度”方法将大系统总的复杂决策问题按控制功能或决策性质的分解来分层,垂直地划分为一些基本的子决策问题,形成多层控制结构:在这种控制结构中,各层在不同时间段内工作,越到上层,时间段越长;每层的决策输出是下一决策单元的输入,较高层的功能较复杂,面对较慢扰动,允许的决策时间较长,决策权较大;较低层的功能较简单,面对较快扰动,允许决策时间短,决策权较小,这种“变粒度”结构有利于任务均衡。
4.根据权利要求1所述的适应新能源接入的短期与超短期协调滚动调度MPC分层控制策略
1)超前时间环节分层递阶控制模式的引入
在传统MPC结构的基础上,对其滚动优化层按“变粒度”法进一步地分层,将控制过程分解为基于“粗粒度”模型的滚动调度最优计划层和基于“细粒度”模型的实时调度修正计划层,前者侧重经济性,后者侧重安全性,形成内层—外层相嵌套的多级递阶控制结构:滚动调度最优计划层采用“粗粒度”滚动优化模型,基于对风电出力及负荷需求的扩展短期预测结果对较长时段的过程进行优化,给出的是理想情况下的系统经济最优计划,该计划作为下一级实时调度修正计划层的计划调整基点来执行,从而使级别高的目标比级别低的目标优先满足;实时调度修正计划层采用“细粒度”滚动优化模型,基于风电出力及负荷需求的超短期预测结果对计划做进一步细化,以保证控制过程的抗干扰性,同时,为保证系统的经济性,实时调度层的发电机出力调整应紧跟上一层给出的最优计划,出现扰动时,采取偏差最小的控制模式;
2)滞后时间环节风电反馈校正功能的引入
滚动调度最优计划层及实时调度修正计划层执行的都是基于预测的超前控制,风电预测是实现分层MPC的基础,但在目前的风电预测精度下,超前MPC的控制过程无法避免风电出力计划与实际发电能力之间存在偏差,弃风及系统安全问题时有发生;因此,需要滞后的反馈校正环节对这种控制偏差进行修正,保证闭环控制的稳定性,通过在传统的MPC滞后时间环节的反馈校正中引入风电实时出力偏差修正环节,采用基于风火联调或下旋转备用追踪等控制策略,实现系统安全裕度实时监视及风电出力实时调整的目的,弥补了风电计划偏差,形成对风电控制过程的前馈补偿—反馈校正的双层控制结构,并构成闭环,实现对风电预测误差的超前补偿和滞后修正。
3)超前—滞后时间环节的协调
首先,大规模风电的接入使得电网各调度时间级的可调节资源趋于紧张,时间上超前的滚动最优计划层及实时修正计划层能够根据风电负荷预测结果提前安排机组计划,预留调整空间,而时间上滞后的反馈校正层不具有这种前瞻能力,因此,反馈校正层功能的顺利执行依赖于与上一层实时调度修正计划层的动态协调,需要在实时调度计划层决策制定的过程中,为反馈校正层留有足够的备用裕度;其次,为保证控制过程的经济性,反馈校正层需要以实时调度计划层给出的控制指令作为控制基点,在调整过程中,始终围绕控制基点进行调整。
5.根据权利要求1所述的适应新能源接入的协调滚动调度MPC分层优化模型
分层MPC架构中的滚动调度最优计划层和实时调度修正计划层的控制都采用MPC,都有预测和滚动优化环节,其各自的优化模型如下:
1)滚动调度最优计划层的优化模型
滚动调度最优计划层要保证计划的经济最优性及闭环控制的平稳性,预测环节采用对风电的扩展短期预测,采用基于最小弃风的经济调度模型,如下式所示:
式中:N为常规机组数;t0为优化起始时段;Th为优化时段长度;ai,bi,ci为常规机组i的煤耗系数;pit为常规机组i在第t个时段的有功出力计划值;λj为弃风成本因子;为风电扩展短期预测出力;为风电机组j在第t个时段的有功出力计划值;为风电机组集合;
在求解模型最优解时,应考虑以下约束条件:
a.机组出力上下界约束
pit,min≤pit≤pit,max
式中:pit,max和pit,min分别为第i台火电机组在第t时段出力的上界和下界;
b.滚动计划对日前计划的修正量约束
考虑到滚动调度的修正值应与原计划值相关联,因此需要将每台机组修正后的出力值与日前计划值的偏差控制在一定的范围内,故有
式中:pit,d为第i台机组在第t时段的日前计划值;△pi为第i台机组的滚动修正值与日前计划值之间允许的最大偏差值;pit,maxt和pit,mint分别为第i台火电机组在第t时段的最大、最小技术出力;
c.机组爬坡率约束
pit-1-△pit,dn≤pit≤pit-1+△pit,up
式中:△pit,dn和△pit,up分别为第i台机组从第t-1时段到第t时段允许的降出力和升出力最大值;
d.断面潮流安全约束
式中:l和L分别为断面编号和总断面数;kli为第i台机组对第l断面的灵敏度因子;Tlt,min和Tlt,max分别为断面潮流的最小值和最大值;
e.负荷平衡约束
式中:Dt和Wt分别为剩余时段的系统负荷预测值和风电出力预测值;
2)实时调度修正计划层的优化模型
实时调度计划层的预测环节采用对风电的超短期预测,通过下式对计划时段内的系统状态进行最小调整以跟踪全局稳态优化结果,保证系统运行的安全性:
式中:T1为实时调度计划层优化时段长度;为机组i在第t个时段滚动调度计划层的计划值;△pit为机组i在第t个时段有功出力计划调整量;
优化过程中,同时需要满足实时的发电负荷平衡、机组物理调节性能及系统安全约束等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410433140.8A CN104181895A (zh) | 2014-08-28 | 2014-08-28 | 适应新能源接入的短期与超短期协调滚动调度优化策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410433140.8A CN104181895A (zh) | 2014-08-28 | 2014-08-28 | 适应新能源接入的短期与超短期协调滚动调度优化策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104181895A true CN104181895A (zh) | 2014-12-03 |
Family
ID=51963033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410433140.8A Pending CN104181895A (zh) | 2014-08-28 | 2014-08-28 | 适应新能源接入的短期与超短期协调滚动调度优化策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104181895A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
CN105046395A (zh) * | 2015-05-15 | 2015-11-11 | 华南理工大学 | 一种含多类型新能源的电力系统日内滚动计划编制方法 |
CN105048499A (zh) * | 2015-07-24 | 2015-11-11 | 中国农业大学 | 基于模型预测控制的风电并网实时调度方法及装置 |
CN105375479A (zh) * | 2015-12-14 | 2016-03-02 | 东南大学 | 一种基于模型预测控制的分布式能源能量管理方法 |
CN106356899A (zh) * | 2016-09-20 | 2017-01-25 | 北京恒泰实达科技股份有限公司 | 适用于大规模风电控制过程的分层优化模型 |
CN106384168A (zh) * | 2016-09-20 | 2017-02-08 | 北京恒泰实达科技股份有限公司 | 针对特性各异电源的多目标协调优化调度模型 |
CN106505635A (zh) * | 2016-09-20 | 2017-03-15 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN106682808A (zh) * | 2016-09-20 | 2017-05-17 | 北京恒泰实达科技股份有限公司 | 在线滚动优化调度模型 |
CN106712031A (zh) * | 2017-02-10 | 2017-05-24 | 东南大学 | 计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法 |
CN107065518A (zh) * | 2016-11-28 | 2017-08-18 | 国网浙江省电力公司电力科学研究院 | 一种超临界机组协调预测函数控制算法 |
CN107404127A (zh) * | 2017-08-10 | 2017-11-28 | 中国农业大学 | 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法 |
CN107767086A (zh) * | 2017-11-24 | 2018-03-06 | 国网甘肃省电力公司电力科学研究院 | 基于发电功率预测的新能源场站出力下限滚动修正方法 |
CN107918282A (zh) * | 2017-11-30 | 2018-04-17 | 湖北工业大学 | 用于互联电网自动发电控制的可变域mpc方法 |
CN108695907A (zh) * | 2018-06-26 | 2018-10-23 | 四川大学 | 一种微电网多时间尺度优化调度方法 |
CN108985711A (zh) * | 2018-06-29 | 2018-12-11 | 北京仿真中心 | 一种智能工厂动态计划排程系统 |
CN109038686A (zh) * | 2018-08-28 | 2018-12-18 | 国网山东省电力公司聊城供电公司 | 一种基于风电出力预测误差的滚动优化调度方法 |
CN109376426A (zh) * | 2018-10-23 | 2019-02-22 | 株洲中车时代电气股份有限公司 | 一种风电并网功率调度方法及装置 |
CN109888839A (zh) * | 2019-01-22 | 2019-06-14 | 清华大学 | 电厂机组的负荷平衡能力评价方法及系统 |
CN110826773A (zh) * | 2019-10-17 | 2020-02-21 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种考虑新能源接入的火电机组月度发电计划优化方法 |
CN111064205A (zh) * | 2019-12-28 | 2020-04-24 | 杭州电子科技大学 | 基于惯性下垂和动态矩阵分段控制的储能调频控制方法 |
CN111082435A (zh) * | 2019-12-13 | 2020-04-28 | 葛洲坝中科储能技术有限公司 | 一种风电搭配压缩空气储能的出力控制系统及方法 |
CN111092428A (zh) * | 2019-12-10 | 2020-05-01 | 南京理工大学 | 基于模型预测控制的主动配电网动态虚拟集群划分方法 |
CN112865174A (zh) * | 2021-01-07 | 2021-05-28 | 福州大学 | 基于双层模型预测控制的微能网多时间尺度优化控制方法 |
CN115765044A (zh) * | 2022-11-26 | 2023-03-07 | 水利部水利水电规划设计总院 | 风光水电系统联合运行及风险分析方法和系统 |
-
2014
- 2014-08-28 CN CN201410433140.8A patent/CN104181895A/zh active Pending
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046395A (zh) * | 2015-05-15 | 2015-11-11 | 华南理工大学 | 一种含多类型新能源的电力系统日内滚动计划编制方法 |
CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
US10833508B2 (en) | 2015-06-30 | 2020-11-10 | China Electric Power Research Institute Company Limited | Active power distribution network multi-time scale coordinated optimization scheduling method and storage medium |
CN104993522B (zh) * | 2015-06-30 | 2018-01-19 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
CN105048499A (zh) * | 2015-07-24 | 2015-11-11 | 中国农业大学 | 基于模型预测控制的风电并网实时调度方法及装置 |
CN105375479B (zh) * | 2015-12-14 | 2017-11-17 | 东南大学 | 一种基于模型预测控制的分布式能源能量管理方法 |
CN105375479A (zh) * | 2015-12-14 | 2016-03-02 | 东南大学 | 一种基于模型预测控制的分布式能源能量管理方法 |
CN106384168A (zh) * | 2016-09-20 | 2017-02-08 | 北京恒泰实达科技股份有限公司 | 针对特性各异电源的多目标协调优化调度模型 |
CN106505635B (zh) * | 2016-09-20 | 2020-05-12 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN106682808A (zh) * | 2016-09-20 | 2017-05-17 | 北京恒泰实达科技股份有限公司 | 在线滚动优化调度模型 |
CN106505635A (zh) * | 2016-09-20 | 2017-03-15 | 北京恒泰实达科技股份有限公司 | 弃风最小的有功调度模型及调度系统 |
CN106356899A (zh) * | 2016-09-20 | 2017-01-25 | 北京恒泰实达科技股份有限公司 | 适用于大规模风电控制过程的分层优化模型 |
CN107065518A (zh) * | 2016-11-28 | 2017-08-18 | 国网浙江省电力公司电力科学研究院 | 一种超临界机组协调预测函数控制算法 |
CN107065518B (zh) * | 2016-11-28 | 2019-12-24 | 国网浙江省电力公司电力科学研究院 | 一种超临界机组协调预测函数控制算法 |
CN106712031A (zh) * | 2017-02-10 | 2017-05-24 | 东南大学 | 计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法 |
CN106712031B (zh) * | 2017-02-10 | 2019-04-30 | 东南大学 | 主动配电网序贯-自适应鲁棒优化调度系统及调度方法 |
CN107404127A (zh) * | 2017-08-10 | 2017-11-28 | 中国农业大学 | 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法 |
CN107404127B (zh) * | 2017-08-10 | 2019-12-03 | 中国农业大学 | 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法 |
CN107767086A (zh) * | 2017-11-24 | 2018-03-06 | 国网甘肃省电力公司电力科学研究院 | 基于发电功率预测的新能源场站出力下限滚动修正方法 |
CN107918282A (zh) * | 2017-11-30 | 2018-04-17 | 湖北工业大学 | 用于互联电网自动发电控制的可变域mpc方法 |
CN107918282B (zh) * | 2017-11-30 | 2020-11-06 | 湖北工业大学 | 用于互联电网自动发电控制的可变域mpc方法 |
CN108695907A (zh) * | 2018-06-26 | 2018-10-23 | 四川大学 | 一种微电网多时间尺度优化调度方法 |
CN108695907B (zh) * | 2018-06-26 | 2020-09-29 | 四川大学 | 一种微电网多时间尺度优化调度方法 |
CN108985711A (zh) * | 2018-06-29 | 2018-12-11 | 北京仿真中心 | 一种智能工厂动态计划排程系统 |
CN109038686A (zh) * | 2018-08-28 | 2018-12-18 | 国网山东省电力公司聊城供电公司 | 一种基于风电出力预测误差的滚动优化调度方法 |
CN109038686B (zh) * | 2018-08-28 | 2020-02-11 | 国网山东省电力公司聊城供电公司 | 一种基于风电出力预测误差的滚动优化调度方法 |
CN109376426A (zh) * | 2018-10-23 | 2019-02-22 | 株洲中车时代电气股份有限公司 | 一种风电并网功率调度方法及装置 |
CN109888839A (zh) * | 2019-01-22 | 2019-06-14 | 清华大学 | 电厂机组的负荷平衡能力评价方法及系统 |
CN109888839B (zh) * | 2019-01-22 | 2020-11-24 | 国家电网公司华中分部 | 电厂机组的负荷平衡能力评价方法及系统 |
CN110826773A (zh) * | 2019-10-17 | 2020-02-21 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种考虑新能源接入的火电机组月度发电计划优化方法 |
CN110826773B (zh) * | 2019-10-17 | 2023-04-07 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种考虑新能源接入的火电机组月度发电计划优化方法 |
CN111092428A (zh) * | 2019-12-10 | 2020-05-01 | 南京理工大学 | 基于模型预测控制的主动配电网动态虚拟集群划分方法 |
CN111092428B (zh) * | 2019-12-10 | 2022-09-27 | 南京理工大学 | 基于模型预测控制的主动配电网动态虚拟集群划分方法 |
CN111082435A (zh) * | 2019-12-13 | 2020-04-28 | 葛洲坝中科储能技术有限公司 | 一种风电搭配压缩空气储能的出力控制系统及方法 |
CN111082435B (zh) * | 2019-12-13 | 2021-10-08 | 葛洲坝中科储能技术有限公司 | 一种风电搭配压缩空气储能的出力控制系统及方法 |
CN111064205A (zh) * | 2019-12-28 | 2020-04-24 | 杭州电子科技大学 | 基于惯性下垂和动态矩阵分段控制的储能调频控制方法 |
CN112865174A (zh) * | 2021-01-07 | 2021-05-28 | 福州大学 | 基于双层模型预测控制的微能网多时间尺度优化控制方法 |
CN115765044A (zh) * | 2022-11-26 | 2023-03-07 | 水利部水利水电规划设计总院 | 风光水电系统联合运行及风险分析方法和系统 |
CN115765044B (zh) * | 2022-11-26 | 2023-05-09 | 水利部水利水电规划设计总院 | 风光水电系统联合运行及风险分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104181895A (zh) | 适应新能源接入的短期与超短期协调滚动调度优化策略 | |
CN106505635B (zh) | 弃风最小的有功调度模型及调度系统 | |
CN105162149B (zh) | 基于模糊自适应调节的光储系统跟踪发电计划出力方法 | |
Oshnoei et al. | Disturbance observer and tube-based model predictive controlled electric vehicles for frequency regulation of an isolated power grid | |
CN109687530A (zh) | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 | |
CN103023074B (zh) | 一种基于模型预测控制的大电网有功实时调度方法 | |
CN110148956B (zh) | 一种基于mpc的电池储能系统辅助agc控制方法 | |
CN107404127B (zh) | 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法 | |
CN104993522A (zh) | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 | |
CN107203855B (zh) | 含风电系统实时调度的鲁棒两层优化模型及转化等效方法 | |
CN110071530B (zh) | 基于lstm的含储能电力系统风电爬坡协调调度方法 | |
CN109765787B (zh) | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 | |
CN104158231B (zh) | 一种基于实时发电计划的机组控制模式动态转换方法 | |
CN108462212B (zh) | 一种新能源电力系统在多源多调控域运行方式下控制方法 | |
WO2020088206A1 (zh) | 权重与约束关联调整的电网实时发电控制优化决策方法 | |
CN111030141A (zh) | 一种基于一致性算法的源-荷协同分布式优化调控方法 | |
CN108964121B (zh) | 计及水电日前日内计划及电量目标的风光水实时控制方法 | |
CN105184426A (zh) | 一种基于随机连续寻优策略的梯级电站调峰方法 | |
CN113067344A (zh) | 一种基于模型预测控制的主动配电网无功优化方法 | |
CN104332985A (zh) | 基于混合控制策略的直流配网运行控制与优化调度方法 | |
CN103904664A (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
CN103401257B (zh) | 含风电电网应对高峰期功率陡坡的多源协调型控制方法 | |
CN114665519A (zh) | 一种基于分层模型的风电场集群有功功率协调控制方法 | |
CN103679284A (zh) | 一种消纳风电接入的定区间滚动调度方法 | |
CN106356899A (zh) | 适用于大规模风电控制过程的分层优化模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141203 |
|
WD01 | Invention patent application deemed withdrawn after publication |