CN104915737A - 基于风险控制含大规模风电的电力系统协调经济调度方法 - Google Patents
基于风险控制含大规模风电的电力系统协调经济调度方法 Download PDFInfo
- Publication number
- CN104915737A CN104915737A CN201510385838.1A CN201510385838A CN104915737A CN 104915737 A CN104915737 A CN 104915737A CN 201510385838 A CN201510385838 A CN 201510385838A CN 104915737 A CN104915737 A CN 104915737A
- Authority
- CN
- China
- Prior art keywords
- load
- risk
- period
- wind
- curve
- 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
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于风险控制含大规模风电的电力系统协调经济调度方法,它包括以下过程:采集历史天气数据和历史负荷曲线数据,并对未来24小时剩余时段的天气和风速进行预测;进行日前负荷、风电预测,得到未来24小时剩余时段的风电出力曲线、负荷曲线和净负荷曲线;进行净负荷建模,得到净负荷预测误差的标准差以及不同场景下的净负荷值;给定风险度计算未来24小时剩余时段的风险备用,得到风险备用曲线;计算风险备用容量,得到风险容量曲线;修正机组组合方案;计算未来一天剩余时段的电力系统的运行费用期望值。本发明引入了日前经济调度与日内滚动经济调度相互协调的策略,既能保证电力系统运行风险可控,又能保证电力系统的运行经济性。
Description
技术领域
本发明涉及电力系统经济调度技术领域,具体地说是一种基于风险控制含大规模风电的电力系统协调经济调度方法。
背景技术
在传统电力系统中,系统的不稳定因素主要来自于负荷侧,发电侧出力是可控的,通过调节发电侧的机组出力来应对负荷侧的随机变化。大规模风电接入电网后,由于风电出力具有波动性和预测精度低等特点,使得发电侧部分电源出力不可控,这部分不可控电源和负荷的随机变化均需要可控的电源调节出力配合运行,给电力系统运行增加了新的不确定因素,所以大规模风电并网对电力系统的短期经济调度问题提出了更高的要求。
风能资源本身具有间歇性和不可控性等特点,受其限制,虽然学者们对风电预测做了大量的研究工作,但是目前为止,日前风电出力预测误差仍然较大。实际运行经验表明,随着预测时间周期的增加,风电出力预测的误差不断增大。因此,在含大规模风电电力系统的经济调度中,若仍照搬传统的方法——根据日前预测确定机组发电出力进行次日的负荷分配,必将造成发电调度结果与实际负荷需求之间的差异。
鉴于风电与常规电源的不同,如何合理考虑风电功率及其预测误差的特性,对含大规模风电的电力系统短期经济调度具有重要的意义。通过缩短风电预测的周期,提高风电预测出力的准确性,进行滚动经济调度能够较好的解决这个问题
《含风电场电力系统经济调度的模糊建模及优化算法》(陈海焱,陈金富,段献忠)通过构造梯形隶属函数考虑风电场的随机性,把各个时段的风电场有功出力看做模糊数,其中,Pw1~Pw1是决定隶属函数的重要参数,可以根据预测的各时段风电场平均输出功率来确定。虽然模糊方法能够较好的处理风电出力的不确定性,但隶属函数的确定使得人为主观因素较强,不能准确地反映风电出力的客观规律。
《间歇性能源入网后电网运营风险的量化与管理》(蒋传文等)采用蒙特卡罗法来处理风电的不确定性,利用均匀分布对不同时段的风电出力进行了随机抽样。蒙特卡罗法是一种对随机抽样的样本进行统计和分析的方法。基于已知概率分布的随机变量,通过构造符合一定规则的随机数,从而计及风电出力的不确定性。由于蒙特卡罗法的计算误差与抽样样本数的平方根成反比,因此蒙特卡罗法的计算工作量较大,且计算结果具有不可重复性。
发明内容
为克服上述现有技术存在的不足,本发明提供了一种基于风险控制含大规模风电的电力系统协调经济调度方法,其不仅能够保证电力系统运行风险可控,而且能够保证电力系统的运行经济性。
本发明解决其技术问题所采取的技术方案是:一种基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,包括以下过程:
采集历史天气数据和历史负荷曲线数据,并对未来24小时剩余时段的天气和风速进行预测;
进行日前负荷、风电预测,得到未来24小时剩余时段的风电出力曲线、负荷曲线和净负荷曲线;
进行净负荷建模,得到净负荷预测误差的标准差以及不同场景下的净负荷值;
给定风险度计算未来24小时剩余时段的风险备用,得到风险备用曲线;
计算风险备用容量,得到风险容量曲线;
修正机组组合方案;
计算未来一天剩余时段的电力系统的运行费用期望值。
优选地,所述净负荷建模的过程包括以下步骤:
一、对风电机组的随机型出力进行建模:
根据中心极限定理,风电场的出力预测误差为服从正态分布的随机变量,风电出力预测误差的标准差与风电预测值的关系为:
式中,σwt为第t时段风电预测误差的标准差;为第t时段风电预测值;kw、k0为风电预测误差系数;
根据公式(1),得到服从正态分布的风电场t时段的出力为:
式中,θwt为第t时段风电出力预测误差值;
二、对电力系统负荷随机特性进行建模:
电力系统负荷的预测误差为服从正态分布的随机变量,电力系统负荷为
式中,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差;
电力系统负荷预测误差的标准差与电力系统负荷预测值的关系为:
式中,kd为电力系统负荷预测误差系数,σdt为第t时段电力系统负荷预测误差的标准差,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差;
三、对电力系统的净负荷进行建模:
电力系统的净负荷净负荷为:
nt=dt-wt (5)
式中,nt为第t时段的净负荷,dt为第t时段电力系统负荷,wt为第t时段风电出力;
由于风电出力和电力系统负荷为互不相关的正态分布的随机变量,则净负荷服从正态分布,净负荷预测误差的标准差为:
四、离散化处理:
对净负荷的概率分布进行离散化处理,将净负荷的概率分布曲线分成若干个区间,得到每个区间对应的概率,然后通过对每个区间分别计算并进行加权,从而逼近净负荷概率分布曲线的结果。
优选地,在电力系统协调经济调度方法过程中采用日前经济调度与日内滚动经济调度相互协调的策略,所述日前经济调度过程为:根据未来一天的负荷、风电预测数据,在保留一定备用的前提下,制定未来一天常规机组的开停机计划,并根据风电和负荷的预测值进行初始经济负荷分配,初步确定未来一天各常规机组的出力水平;所述日内滚动经济调度过程为:在每隔一个滚动周期启动一次滚动经济调度,首先分析系统中所有机组的工作状态以及最新的风电超短期滚动预测的结果,然后对调度周期剩余时段的机组出力计划进行调整和更新。
优选地,所述日前经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来24小时的天气预测情况,预测未来24小时的风电出力数据,得到未来24小时的风电出力曲线
(2)根据历史负荷情况,预测未来24小时的负荷曲线
(3)计算未来24小时的净负荷曲线nt;
(4)计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt;
(5)计算未来24小时的风险备用并得到风险备用曲线;
(6)计算风险容量曲线;
(7)利用风险容量进行机组组合,确定未来一天的机组开机方案以及机组出力计划;
(8)计算日前调度模式下未来一天电力系统的运行费用期望值。
优选地,所述日内滚动经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来一天内剩余时段的天气预测情况,预测一天内剩余时段的风电出力数据,更新未来一天内的风电出力曲线
(2)根据历史负荷情况,预测未来一天内剩余时段的负荷并更新未来一天内的负荷曲线
(3)给予步骤(1)和步骤(2)更新未来一天内剩余时段的净负荷曲线
(4)计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt;
(5)计算未来一天内剩余时段的风险备用并得到风险备用曲线;
(6)计算并更新风险容量曲线;
(7)利用更新后的风险容量曲线,对机组组合方案进行修正,优化未来一天剩余时段的机组开机以及机组出力计划;
(8)计算未来一天内剩余时段电力系统的运行费用期望值。
优选地,t时段的净负荷值nt为:
式中,为第t时段电力系统净负荷预测值,θnt为第t时段风电出力预测误差。
优选地,所述风险备用Δnt的计算公式为:
p(Δnt≤Rt)≥β (8)
式中,p为电力系统的出力,Δnt为净负荷的实际值与预测值的偏差,Rt为变量,β为给定风险置信度。
优选地,所述风险容量曲线由净负荷曲线加上风险备用曲线得到。
优选地,日前调度模式下未来一天电力系统的运行费用期望值为:
式中,F1为运行周期内火电系统的运行总费用;NT为调度周期的时段数,在日前经济调度中,一般取24h;NG为系统常规发电机组数;fGit为火电机组i在时段t的发电成本;sit为火电机组i在时段t的启动成本;xit表示火电机组i在时刻t的运行状态,1代表运行,0代表停运。
优选地,未来一天内剩余时段电力系统的运行费用期望值为:
式中,F2为滚动周期内风电系统的总成本;t0为滚动经济调度的起始时间点;fLt为滚动经济调度周期内由于风电出力远低于预测出力而造成的失负荷惩罚费用;fWt为滚动经济调度周期内由于由于风电大发期而造成的弃风电量的惩罚费用。
本发明的有益效果如下:本发明解决了传统方法难以适应含大规模风电电力系统短期经济调度的问题,构建了一个新型的日前经济调度与日内滚动经济调度相互协调的协调经济调度模型,缩短了风电预测的周期,减小了风电预测的前瞻时间,降低了风电的预测误差,并通过滚动优化更新电力系统的机组出力,从而实时跟踪风电出力的最新变化。在协调经济调度模型中引入机会约束规划,通过设置风险备用的置信度,优化不同概率区间上风电随机性对应的备用,在允许一定电量不足和弃风的前提下,能够获得社会综合效益的最优。本发明提出的协调经济调度模型能够显降低电力系统的运行成本,提高风电的消纳比例,对含大规模风电力系统的生产调度具有一定的参考价值。
本发明通过对净负荷进行建模,综合考虑了风电出力、负荷的随机波动特性,通过设置风险备用的置信度β来控制电力系统运行的风险水平,根据预测误差、预测量对电力系统运行进行合理的调配优化,从而达到了较好的调节风力发电的随机性、波动性、地域性、双向调峰性以及与负荷的相互关系,从而使得电力系统优化运行的目的。
本发明在净负荷建模的基础上,引入了日前经济调度与日内滚动经济调度相互协调的策略,通过实时更新的风电出力,滚动优化调整日内的机组组合方案和火电机组的出力,通过设置风险备用度β,引入风险容量的概念,使得备用容量的设置与系统风险指标紧密联系在一起,既能保证电力系统运行风险可控,又能保证电力系统的运行经济性。
附图说明
下面结合附图对本发明进一步说明:
图1是本发明的方法流程图;
图2是某一实际风电场的24小时风电出力曲线图;
图3是本发明采用日前经济调度和日内滚动经济调度相协调的策略原理图;
图4为风电预测误差的曲线图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示,本发明的一种基于风险控制含大规模风电的电力系统协调经济调度方法,它包括以下过程:
(1)工作开始;
(2)设置调度周期序号k=0;
(3)调度时段T=k*T0;
(4)采集历史天气数据和历史负荷曲线数据,并对未来24小时剩余时段的天气和风速进行预测;
(5)进行日前负荷、风电预测,得到未来24小时剩余时段的风电出力曲线、负荷曲线和净负荷曲线;
(6)进行净负荷建模,得到净负荷预测误差的标准差以及不同场景下的净负荷值;
(7)给定风险度计算未来24小时剩余时段的风险备用,得到风险备用曲线;
(8)计算风险备用容量,得到风险容量曲线;
(9)修正机组组合方案;
(10)计算未来一天剩余时段的电力系统的运行费用期望值;
(11)调度周期序号加1,即k=k+1;
(12)判断调度周期是否达到滚动调度的总次数(k=kroll?),如果是则进入下一步,否则转入步骤(3)直至调度周期达到滚动调度的总次数为止,kroll为一天内需要滚动调度的总次数;
(13)工作结束。
对于短期经济调度而言,调度人员需要提前确定未来各个时段的风电出力和负荷数据,因此系统的调度运行必须依靠风电功率预测和负荷预测。目前,负荷预测技术较为成熟,预测误差较小。受限于现有的风电预测技术,风电出力预测误差较大。因此,如何考虑风电出力预测误差对系统调度运行的影响成为调度部门制定合理的日前发电计划所需解决的首要问题。相关文献研究表明,对于在地理上广泛分布的大量的风力发电机组,利用中心极限定理能够证明风电场出力预测误差、负荷预测误差均服从正态分布。由于负荷和风电这两类随机变量互不相关,且均服从正态分布,所以净负荷的预测误差也应满足正态分布。本发明从净负荷的角度出发,采用零均值正态分布预测误差模型,对考虑风电的净负荷预测误差进行处理,从而实现在含大规模风电电力系统的短期优化运行模拟过程中计及风电和负荷随机性的影响。
图2为某实际风电场24小时风电出力曲线,图2中包括了风电的实际出力曲线、日前风电预测曲线和风电超短期滚动预测曲线。由图2中可以看出,由于预测的时间周期较长,日前风电预测误差较大,且随着预测前瞻时间的增加,风电预测的不准确性不断增加。风电超短期滚动预测是根据不断更新的天气信息和风速数据,滚动对日内剩余时段的风电出力进行预测,由于预测的前瞻时间较短,风电超短期滚动预测的准确性大大提高。因此,在日前风电预测的基础上,辅助进行风电超短期滚动预测能够帮助调度部门掌握更加准确的风电出力信息,及时修正调度计划,有效提升电力系统对于风电不确定性的适应能力。
本发明所述净负荷建模的具体过程如下:
一、对风电机组的随机型出力进行建模:
根据中心极限定理,风电场的出力预测误差为服从正态分布的随机变量,风电出力预测误差的标准差与风电预测值的关系为:
式中,σwt为第t时段风电预测误差的标准差;为第t时段风电预测值;kw、k0为风电预测误差系数;对于不同的风电预测前瞻时间,kw、k0可能为不同值。σwt、以标幺值的形式给出。
风电预测误差不仅具有时间特性,也具有空间特性。在公式(1)中,当风电出力预测的前瞻时间增大时,kw、k0随之增大。另一方面,当风电场的直径增大时,由于风电场群的汇聚效应,距离较远的风电机组出力相关性不断减弱,其出力的随机性会有不同程度的相互抵消,汇聚后风电场的波动性下降,kw、k0随之减小。根据公式(1),得到服从正态分布的风电场t时段的出力为:
式中,θwt为第t时段风电出力预测误差值。
二、对电力系统负荷随机特性进行建模:
电力系统负荷的预测误差为服从正态分布的随机变量,电力系统负荷为
式中,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差;
电力系统负荷预测误差的标准差与电力系统负荷预测值的关系为:
式中,kd为电力系统负荷预测误差系数,σdt为第t时段电力系统负荷预测误差的标准差,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差。
三、对电力系统的净负荷进行建模:
由概率论与统计学的知识可知,有限个相互独立的正态随机变量的线性组合仍然服从正态分布。由于风电出力与负荷没有特定的联系,假设二者相互独立,可以将风电的预测误差与负荷的预测误差用净负荷一个随机变量来考虑。因此,电力系统的净负荷净负荷为:
nt=dt-wt (5)
式中,nt为第t时段的净负荷,dt为第t时段电力系统负荷,wt为第t时段风电出力;
由于风电出力和电力系统负荷为互不相关的正态分布的随机变量,则净负荷服从正态分布,净负荷预测误差的标准差为:
式中,σwt为风电出力预测误差的标准差,σdt为电力系统负荷预测误差的标准差。
四、离散化处理:
对净负荷的概率分布进行离散化处理,将净负荷的概率分布曲线分成若干个区间,得到每个区间对应的概率,然后通过对每个区间分别计算并进行加权,从而逼近净负荷概率分布曲线的结果。
在含大规模风电的电力系统中,由于日前风电预测的精度较差,使得日前发电计划与实际电力需求存在较大的差异,若这个差值全部由AGC机组来承担是不可行的,因此需要调度员不停地人工干预电力系统中各发电机组的出力,维持电力系统功率平衡。
针对风电预测误差较大的特点,本发明采用一种日前经济调度和日内滚动经济调度相协调的调度策略,如图2所示。在日前经济调度过程中,调度部门根据未来一天的负荷、风电预测数据,在保留一定备用的前提下,制定未来一天常规机组的开停机计划,并根据风电和负荷的预测值进行初始经济负荷分配,初步确定未来一天各常规机组的出力水平。在日内滚动经济调度过程中,每隔一个滚动周期troll(troll在具体实施过程中优选为15分钟,日内滚动经济调度过程不断重复,每隔15分钟进行一次,从而实时调整机组开机及机组的出力计划),滚动经济调度启动一次,首先分析系统中所有机组的工作状态以及最新的风电超短期滚动预测的结果,然后对调度周期剩余时段的机组出力计划进行调整和更新。在这种日前经济调度和日内滚动经济调度相协调的策略下,既能根据未来一天的预测数据进行宏观的机组优化启停,又能根据最新的风电预测数据,实时调整在运机组出力,不断跟踪风电的最新变化,避免因调度周期太长导致系统在风电剧烈变化时应对不足而造成系统可靠性下降或者大量弃风现象。
含风电的电力系统协调经济调度包含两个层次:日前经济调度模型和日内滚动经济调度模型。
含风电的电力系统日前经济调度(即含风电的电力系统日前机组组合)是协调经济调度的基础,其模型是根据日前的负荷预测和风电预测值确定常规机组的开停机计划。
在优先利用风电、满足系统各种运行约束条件的前提下,含风电场电力系统机组组合的目标是使运行周期内系统的运行费用最小,日前经济调度的目标函数可描述如下:
式中,F1为运行周期内火电系统的运行总费用;NT为调度周期的时段数,在日前经济调度中,一般取24h;NG为系统常规发电机组数;fGit为火电机组i在时段t的发电成本;sit为火电机组i在时段t的启动成本;xit表示火电机组i在时刻t的运行状态,1代表运行,0代表停运。
火电机组的发电成本:
fGit=(ai+bi×PGit+ci×PGit 2)×uit (11)
式中,ai、bi、ci为机组i的燃料费用系数;PGit代表火电机组i在时刻t的实际出力。
火电机组的启动成本为
式中,SHi为机组i的热态启动费用;SCi为机组i的冷态启动费用;Xi off为机组i在启动时刻前的连续停运时间;Ti off为机组i的最小停运时间;Ti cs为机组i的冷态启动时间。
含风电的电力系统日内滚动经济调度是以系统日前得出的机组开停机状态及负荷分配方案为基础,根据最新的风电预测和负荷预测结果,滚动更新日内剩余时段的负荷分配。其目标是在确定的开停机组合下,根据最新的风电预测值,使滚动周期内系统总成本最小。
日内滚动经济调度的目标函数为:
式中,F2为滚动周期内系统的总成本;t0为滚动经济调度的起始时间点;fLt为滚动经济调度周期内由于风电出力远低于预测出力而造成的失负荷惩罚费用;fWt为滚动经济调度周期内由于由于风电大发期而造成的弃风电量的惩罚费用。
当风电场实际出力低于预测值且系统中机组的上调能力不足时,系统中总发电容量不足以满足所有的负荷,此时需要采取强迫切负荷的方式,保证电力系统的实时功率平衡;当风电场实际出力高于预测值且系统中机组的下调能力不足时,电网并不能完全吸纳所有的风电,此时系统不得不弃风来保证系统的安全,维持电力平衡。针对这两种情况,由于风电的随机变化而导致的强迫失负荷惩罚费用和弃风惩罚费用分别如下:
fLt=CL×ELt (13)
fWt=CW×EWt.ab (14)
式中,CL为单位失负荷电量的惩罚费用;CW为单位弃风电量的惩罚费用;ELt和EWt.ab分别为风电随机波动导致的系统强迫失负荷电量期望值和弃风电量期望值。
相比于日前机组组合,日内滚动经济调度的目标函数没有考虑机组启停,增加了失负荷电量和弃风电量的惩罚费用。这是根据中国电力系统的调度运行实际和机组特性确定的,国内机组的单机容量向大规模方向发展,启停时间长,启停煤耗高,不宜频繁起停。日前机组组合的任务是确定未来24小时常规机组的开停机计划和初步的机组出力水平,因此只需考虑机组的煤耗特性和启停成本。日内滚动经济调度旨在确定的机组开停机计划下,根据风电超短期滚动预测的风电优化机组出力,不需考虑机组启停,但需要综合考虑极端情况下可能发生的失负荷和弃风的情况,因此是一个基于概率统计的期望模型,通过对风电各种可能的出力情境计算并加权,从而求得总成本的期望值。
本发明所述的日前经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来24小时的天气预测情况,预测未来24小时的风电出力数据,得到未来24小时的风电出力曲线
(2)根据历史负荷情况,预测未来24小时的负荷曲线
(3)计算未来24小时的净负荷曲线nt,净负荷定义为负荷与风电出力的差值:nt=dt-wt;
(4)根据净负荷的模型计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt,
净负荷预测误差的标准差与净负荷预测值间关系的数学描述如下:
式中,σnt为第t时段净负荷预测误差的标准差;为第t时段净负荷预测值;kn、k0为净负荷预测误差系数,对于不同的净负荷预测前瞻时间,kn、k0可能为不同值,σnt、以标幺值的形式给出;
t时段的净负荷值nt为:
式中,为第t时段电力系统净负荷预测值,θnt为第t时段风电出力预测误差;
(5)根据风险备用约束计算风险备用:
风险备用约束条件为:
p(Δnt≤Rt)≥β (8)
式中,p为电力系统的出力,Δnt为净负荷的实际值与预测值的偏差,Rt为变量,β为给定风险置信度;
给定风险置信度β,利用公式(8)计算未来24小时的风险备用,得到风险备用曲线;
(6)计算风险容量曲线,所述风险容量曲线由净负荷曲线加上风险备用曲线得到;
(7)利用风险容量进行机组组合,确定未来一天的机组开机方案以及机组出力计划;
(8)计算日前调度模式下未来一天电力系统的运行费用期望值:
式中,F1为运行周期内火电系统的运行总费用;NT为调度周期的时间段;NG为系统常规发电机组数;fGit为火电机组i在时段t的发电成本;sit为火电机组i在时段t的启动成本;xit表示火电机组i在时刻t的运行状态,1代表运行,0代表停运。
本发明所述的日内滚动经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来一天内剩余时段的天气预测情况,预测一天内剩余时段的风电出力数据,更新未来一天内的风电出力曲线
(2)根据历史负荷情况,预测未来一天内剩余时段的负荷并更新未来一天内的负荷曲线
(3)给予步骤(1)和步骤(2)更新未来一天内剩余时段的净负荷曲线
(4)根据净负荷的模型计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt,
净负荷预测误差的标准差与净负荷预测值间关系的数学描述如下:
式中,σnt为第t时段净负荷预测误差的标准差;为第t时段净负荷预测值;kn、k0为净负荷预测误差系数,对于不同的净负荷预测前瞻时间,kn、k0可能为不同值,σnt、以标幺值的形式给出;
t时段的净负荷值nt为:
式中,为第t时段电力系统净负荷预测值,θnt为第t时段风电出力预测误差;
(5)根据风险备用约束计算风险备用:
风险备用约束条件为:
p(Δnt≤Rt)≥β (8)
式中,p为电力系统的出力,Δnt为净负荷的实际值与预测值的偏差,Rt为变量,β为给定风险置信度;
给定风险置信度β,利用公式(8)计算未来未来一天内剩余时段的风险备用,得到未来一天内剩余时段的风险备用曲线;
(6)计算风险容量曲线,所述风险容量曲线由净负荷曲线加上风险备用曲线得到;
(7)利用更新后的风险容量曲线,对机组组合方案进行修正,优化未来一天剩余时段的机组开机以及机组出力计划;
(8)计算未来一天内剩余时段电力系统的运行费用期望值:
式中,F2为滚动周期内风电系统的总成本;t0为滚动经济调度的起始时间点;fLt为滚动经济调度周期内由于风电出力远低于预测出力而造成的失负荷惩罚费用;fWt为滚动经济调度周期内由于由于风电大发期而造成的弃风电量的惩罚费用。
本发明引入了日前经济调度与日内滚动经济调度相互协调的策略,通过实时更新的风电出力,滚动优化调整日内的机组组合方案和火电机组的出力,通过设置风险备用度β,引入风险容量的概念,使得备用容量的设置与系统风险指标紧密联系在一起,既能保证电力系统运行风险可控,又能保证电力系统的运行经济性。
如图4所示,风电预测误差服从正态分布,由于风电预测误差偏离预测值(在正态曲线误差值0处)越多,概率越小,因此,若要保证所有风电出力场景下电力系统的绝对安全,那么要安排大量的备用,相应地会降低机组出力率,使电力系统的经济性降低。本发明通过设置风险置信度β,如图4中竖线所示,预测误差低于竖线对应的误差值的概率为β(即正态分布曲线、横轴、β对应的竖线所包围的区域面积),通过设置β值,仅考虑β值对应竖线左侧区域的绝对安全,对竖线右侧的区域不再考虑(此时通过强制切负荷措施来保证系统的安全,支付相应的惩罚成本)。通过对β值的合理设置,优化电力系统的备用容量,从而能够在保证电力系统安全性较强的前提下,提高电力系统运行的经济性。
由于目前诸多研究成果认为风电预测误差服从正态分布,本发明虽然采用了正态分布来进行解释,但并不仅仅针对正态分布,对于其他风电预测误差所服从的分布,本发明同样适用。
根据研究表明,对于大规模并网的风电,由于大量的风力发电机组在地理分布上的广泛性,根据中心极限定理,风电场的出力预测误差可以考虑为服从正态分布的随机变量。本本发明采用正态分布对风电预测误差进行建模,引入场景技术,对风电预测误差的时间特性进行了分析,基于风电、光伏发电出力的概率分布,采用基于置信度的风险备用对系统风险水平进行控制,综合衡量经济性与可靠性的矛盾,从而获得电力系统运行经济性与可靠性的折衷。
本发明在日前风电预测和风电超短期滚动预测的基础上,针对含风电电力系统的经济调度问题,考虑了风电的预测误差及其时间特性,建立了基于风险控制的含大规模风电的电力系统协调经济调度模型,在该模型中,引入风险备用约束的概念,并考虑了由于风电出力波动性导致的失负荷损失和弃风电量的惩罚费用。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (10)
1.基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,包括以下过程:
采集历史天气数据和历史负荷曲线数据,并对未来24小时剩余时段的天气和风速进行预测;
进行日前负荷、风电预测,得到未来24小时剩余时段的风电出力曲线、负荷曲线和净负荷曲线;
进行净负荷建模,得到净负荷预测误差的标准差以及不同场景下的净负荷值;
给定风险度计算未来24小时剩余时段的风险备用,得到风险备用曲线;
计算风险备用容量,得到风险容量曲线;
修正机组组合方案;
计算未来一天剩余时段的电力系统的运行费用期望值。
2.根据权利要求1所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,所述净负荷建模的过程包括以下步骤:
一、对风电机组的随机型出力进行建模:
根据中心极限定理,风电场的出力预测误差为服从正态分布的随机变量,风电出力预测误差的标准差与风电预测值的关系为:
式中,σwt为第t时段风电预测误差的标准差;为第t时段风电预测值;kw、k0为风电预测误差系数;
根据公式(1),得到服从正态分布的风电场t时段的出力为:
式中,θwt为第t时段风电出力预测误差值;
二、对电力系统负荷随机特性进行建模:
电力系统负荷的预测误差为服从正态分布的随机变量,电力系统负荷为
式中,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差;
电力系统负荷预测误差的标准差与电力系统负荷预测值的关系为:
式中,kd为电力系统负荷预测误差系数,σdt为第t时段电力系统负荷预测误差的标准差,为第t时段电力系统负荷预测值,θdt为第t时段电力系统负荷预测误差;
三、对电力系统的净负荷进行建模:
电力系统的净负荷净负荷为:
nt=dt-wt (5)
式中,nt为第t时段的净负荷,dt为第t时段电力系统负荷,wt为第t时段风电出力;
由于风电出力和电力系统负荷为互不相关的正态分布的随机变量,则净负荷服从正态分布,净负荷预测误差的标准差为:
四、离散化处理:
对净负荷的概率分布进行离散化处理,将净负荷的概率分布曲线分成若干个区间,得到每个区间对应的概率,然后通过对每个区间分别计算并进行加权,从而逼近净负荷概率分布曲线的结果。
3.根据权利要求2所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,在电力系统协调经济调度方法过程中采用日前经济调度与日内滚动经济调度相互协调的策略,所述日前经济调度过程为:根据未来一天的负荷、风电预测数据,在保留一定备用的前提下,制定未来一天常规机组的开停机计划,并根据风电和负荷的预测值进行初始经济负荷分配,初步确定未来一天各常规机组的出力水平;所述日内滚动经济调度过程为:在每隔一个滚动周期启动一次滚动经济调度,首先分析系统中所有机组的工作状态以及最新的风电超短期滚动预测的结果,然后对调度周期剩余时段的机组出力计划进行调整和更新。
4.根据权利要求3所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,所述日前经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来24小时的天气预测情况,预测未来24小时的风电出力数据,得到未来24小时的风电出力曲线
(2)根据历史负荷情况,预测未来24小时的负荷曲线
(3)计算未来24小时的净负荷曲线nt;
(4)计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt;
(5)计算未来24小时的风险备用并得到风险备用曲线;
(6)计算风险容量曲线;
(7)利用风险容量进行机组组合,确定未来一天的机组开机方案以及机组出力计划;
(8)计算日前调度模式下未来一天电力系统的运行费用期望值。
5.根据权利要求3所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,所述日内滚动经济调度的过程包括以下步骤:
(1)根据历史天气情况以及未来一天内剩余时段的天气预测情况,预测一天内剩余时段的风电出力数据,更新未来一天内的风电出力曲线
(2)根据历史负荷情况,预测未来一天内剩余时段的负荷并更新未来一天内的负荷曲线
(3)给予步骤(1)和步骤(2)更新未来一天内剩余时段的净负荷曲线
(4)计算净负荷预测误差的标准差σnt和不同场景下的净负荷值nt;
(5)计算未来一天内剩余时段的风险备用并得到风险备用曲线;
(6)计算并更新风险容量曲线;
(7)利用更新后的风险容量曲线,对机组组合方案进行修正,优化未来一天剩余时段的机组开机以及机组出力计划;
(8)计算未来一天内剩余时段电力系统的运行费用期望值。
6.根据权利要求4或5所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,t时段的净负荷值nt为:
式中,为第t时段电力系统净负荷预测值,θnt为第t时段风电出力预测误差。
7.根据权利要求4或5所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,所述风险备用Δnt的计算公式为:
p(Δnt≤Rt)≥β (8)
式中,p为电力系统的出力,Δnt为净负荷的实际值与预测值的偏差,Rt为变量,β为给定风险置信度。
8.根据权利要求4或5所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,所述风险容量曲线由净负荷曲线加上风险备用曲线得到。
9.根据权利要求4所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,日前调度模式下未来一天电力系统的运行费用期望值为:
式中,F1为运行周期内火电系统的运行总费用;NT为调度周期的时间段;NG为系统常规发电机组数;fGit为火电机组i在时段t的发电成本;sit为火电机组i在时段t的启动成本;xit表示火电机组i在时刻t的运行状态,1代表运行,0代表停运。
10.根据权利要求5所述的基于风险控制含大规模风电的电力系统协调经济调度方法,其特征是,未来一天内剩余时段电力系统的运行费用期望值为:
式中,F2为滚动周期内风电系统的总成本;t0为滚动经济调度的起始时间点;fLt为滚动经济调度周期内由于风电出力远低于预测出力而造成的失负荷惩罚费用;fWt为滚动经济调度周期内由于由于风电大发期而造成的弃风电量的惩罚费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510385838.1A CN104915737A (zh) | 2015-06-30 | 2015-06-30 | 基于风险控制含大规模风电的电力系统协调经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510385838.1A CN104915737A (zh) | 2015-06-30 | 2015-06-30 | 基于风险控制含大规模风电的电力系统协调经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104915737A true CN104915737A (zh) | 2015-09-16 |
Family
ID=54084784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510385838.1A Pending CN104915737A (zh) | 2015-06-30 | 2015-06-30 | 基于风险控制含大规模风电的电力系统协调经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104915737A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105244921A (zh) * | 2015-10-31 | 2016-01-13 | 山西大学 | 含风火水光气的电力系统调度中的备用容量优化分配方法 |
CN106058917A (zh) * | 2016-05-31 | 2016-10-26 | 国网山东省电力公司济南供电公司 | 一种计及光伏发电的电力系统动态经济调度方法 |
CN107069830A (zh) * | 2017-01-25 | 2017-08-18 | 清华大学 | 提高风电消纳能力的方法及装置 |
CN107844896A (zh) * | 2017-10-23 | 2018-03-27 | 国网能源研究院有限公司 | 适用于高风电渗透率电力系统的风电置信容量评估方法 |
CN108805388A (zh) * | 2018-04-09 | 2018-11-13 | 中国电力科学研究院有限公司 | 一种未来年负荷时间序列场景的确定方法和装置 |
CN110311424A (zh) * | 2019-05-21 | 2019-10-08 | 沈阳工业大学 | 一种基于双时间尺度净负荷预测的储能调峰控制方法 |
CN110768265A (zh) * | 2019-11-26 | 2020-02-07 | 华北电力大学 | 一种考虑时序的配电网调度方法 |
CN110889541A (zh) * | 2019-11-18 | 2020-03-17 | 国网江苏省电力有限公司电力科学研究院 | 一种电力系统风险调度决策方法及装置 |
CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111382949A (zh) * | 2020-03-18 | 2020-07-07 | 广东电网有限责任公司计量中心 | 一种电力资源分配方法、系统以及设备 |
CN111950887A (zh) * | 2020-08-07 | 2020-11-17 | 江苏师范大学 | 新型电负荷预测与电力系统经济调度融合方法 |
CN112232716A (zh) * | 2020-11-19 | 2021-01-15 | 国网上海市电力公司 | 一种考虑调峰辅助服务的智慧园区优化决策方法 |
CN113690875A (zh) * | 2021-07-27 | 2021-11-23 | 国网湖北省电力有限公司 | 一种微网实时互动等值模型建立方法 |
CN113822470A (zh) * | 2021-08-31 | 2021-12-21 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113937822A (zh) * | 2021-09-28 | 2022-01-14 | 广东电网有限责任公司 | 一种海上风电调度运行方法、系统、电子装置及存储介质 |
US11261846B2 (en) | 2019-11-01 | 2022-03-01 | General Electric Company | System and method for designing and operating a wind turbine power system based on statistical analysis of operational and/or grid data thereof |
CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
CN116845871A (zh) * | 2023-06-30 | 2023-10-03 | 国家电网有限公司华东分部 | 电力电量平衡方法及装置、存储介质、计算机设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103259285A (zh) * | 2013-05-03 | 2013-08-21 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
-
2015
- 2015-06-30 CN CN201510385838.1A patent/CN104915737A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103259285A (zh) * | 2013-05-03 | 2013-08-21 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
Non-Patent Citations (1)
Title |
---|
LOU SUHUA ET AL: "Coordinated Economic Dispatch for Power System with Significant Wind Power Generation Based on Chance-Constrained Programming", 《ITRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105244921A (zh) * | 2015-10-31 | 2016-01-13 | 山西大学 | 含风火水光气的电力系统调度中的备用容量优化分配方法 |
CN106058917A (zh) * | 2016-05-31 | 2016-10-26 | 国网山东省电力公司济南供电公司 | 一种计及光伏发电的电力系统动态经济调度方法 |
CN107069830A (zh) * | 2017-01-25 | 2017-08-18 | 清华大学 | 提高风电消纳能力的方法及装置 |
CN107069830B (zh) * | 2017-01-25 | 2020-03-31 | 清华大学 | 提高风电消纳能力的方法及装置 |
CN107844896B (zh) * | 2017-10-23 | 2021-09-28 | 国网能源研究院有限公司 | 适用于高风电渗透率电力系统的风电置信容量评估方法 |
CN107844896A (zh) * | 2017-10-23 | 2018-03-27 | 国网能源研究院有限公司 | 适用于高风电渗透率电力系统的风电置信容量评估方法 |
CN108805388A (zh) * | 2018-04-09 | 2018-11-13 | 中国电力科学研究院有限公司 | 一种未来年负荷时间序列场景的确定方法和装置 |
CN110311424A (zh) * | 2019-05-21 | 2019-10-08 | 沈阳工业大学 | 一种基于双时间尺度净负荷预测的储能调峰控制方法 |
US11261846B2 (en) | 2019-11-01 | 2022-03-01 | General Electric Company | System and method for designing and operating a wind turbine power system based on statistical analysis of operational and/or grid data thereof |
CN110889541A (zh) * | 2019-11-18 | 2020-03-17 | 国网江苏省电力有限公司电力科学研究院 | 一种电力系统风险调度决策方法及装置 |
CN110768265A (zh) * | 2019-11-26 | 2020-02-07 | 华北电力大学 | 一种考虑时序的配电网调度方法 |
CN111160653B (zh) * | 2019-12-31 | 2023-06-27 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111382949A (zh) * | 2020-03-18 | 2020-07-07 | 广东电网有限责任公司计量中心 | 一种电力资源分配方法、系统以及设备 |
CN111950887A (zh) * | 2020-08-07 | 2020-11-17 | 江苏师范大学 | 新型电负荷预测与电力系统经济调度融合方法 |
CN112232716A (zh) * | 2020-11-19 | 2021-01-15 | 国网上海市电力公司 | 一种考虑调峰辅助服务的智慧园区优化决策方法 |
CN112232716B (zh) * | 2020-11-19 | 2024-01-05 | 国网上海市电力公司 | 一种考虑调峰辅助服务的智慧园区优化决策方法 |
CN113690875B (zh) * | 2021-07-27 | 2023-10-13 | 国网湖北省电力有限公司 | 一种微网实时互动等值模型建立方法 |
CN113690875A (zh) * | 2021-07-27 | 2021-11-23 | 国网湖北省电力有限公司 | 一种微网实时互动等值模型建立方法 |
CN113822470A (zh) * | 2021-08-31 | 2021-12-21 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113822470B (zh) * | 2021-08-31 | 2024-04-02 | 国网电力科学研究院有限公司 | 计及新能源场站出力不确定性的出力数据生成方法及系统 |
CN113937822A (zh) * | 2021-09-28 | 2022-01-14 | 广东电网有限责任公司 | 一种海上风电调度运行方法、系统、电子装置及存储介质 |
CN113937822B (zh) * | 2021-09-28 | 2024-04-12 | 广东电网有限责任公司 | 一种海上风电调度运行方法、系统、电子装置及存储介质 |
CN116451984B (zh) * | 2023-06-20 | 2023-09-05 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
CN116845871A (zh) * | 2023-06-30 | 2023-10-03 | 国家电网有限公司华东分部 | 电力电量平衡方法及装置、存储介质、计算机设备 |
CN116845871B (zh) * | 2023-06-30 | 2024-03-22 | 国家电网有限公司华东分部 | 电力电量平衡方法及装置、存储介质、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915737A (zh) | 基于风险控制含大规模风电的电力系统协调经济调度方法 | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
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 | |
CN103390902B (zh) | 一种基于最小二乘法的光伏电站超短期功率预测方法 | |
CN109492861B (zh) | 一种梯级水电站群中期电量交易计划分解方法 | |
CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
CN108039737B (zh) | 一种源网荷协调运行模拟系统 | |
CN106058917A (zh) | 一种计及光伏发电的电力系统动态经济调度方法 | |
CN103942613B (zh) | 广义联络线模式下网省两级实时发电计划协调优化方法 | |
CN104933516A (zh) | 一种多时间尺度的电力系统鲁棒调度系统设计方法 | |
CN104810863B (zh) | 一种考虑风电预测误差的机组有功实时调度方法 | |
CN108092324A (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
CN103904664B (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN111245024A (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
CN105305485A (zh) | 一种消纳大规模间歇性能源的安全约束经济调度方法 | |
CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
CN107968442A (zh) | 一种基于滚动优化策略的新能源区域的功率预测方法 | |
CN115392785A (zh) | 计及阻塞抵抗性的配电网阻塞调度方法 | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
Cai et al. | Intra-day Tie-line Scheduling Model Considering New Energy Fluctuation | |
CN118199028A (zh) | 电力系统的日前与日内滚动调度方法、系统及存储介质 | |
Chen et al. | STOCHASTIC UNIT COMMITMENT INCORPORATIING WIND POWER USING IMPROVED GENETIC ALGORITHM | |
CN111030088B (zh) | 一种电力外送输电通道容量预测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150916 |
|
RJ01 | Rejection of invention patent application after publication |