CN105337415A - 一种基于预测控制的地区电网调度系统及其方法 - Google Patents

Abstract

本发明公开了一种基于预测控制的地区电网调度系统及其方法，包括数据采集装置、数据预测装置、数据修正装置及电网调度中心，数据预测装置根据从数据采集装置中获取的数据对某一时刻风电场、光伏发电站的输出功率数据和气象数据进行预测，数据修正装置将获取的气象预测值与相同时刻历史气象数据进行对比，修正超过系统预设突变率阈值的气象预测值，并重新获取输出功率预测值；电网调度中心根据地区负荷需求、最终输出功率预测值和各发电机组的出力，采用以发电总成本最小作为目标函数的动态调度模型以求解获取地区电网的最优调度。本发明能充分考虑气象因素的影响，及时修正受影响的输出功率预测值，确保电网系统运行的稳定性和经济性。

Description

一种基于预测控制的地区电网调度系统及其方法

技术领域

本发明涉及电网调度技术领域，更具体地说，是涉及一种基于预测控制的地区电网调度系统及其方法。

背景技术

随着新能源在电力系统中接入的比例不断增长，新能源并网难的问题也逐渐显现。做好新能源发电的预测和调控以满足电网的考核要求，成为新能源电站和电站商普遍关心的问题，也是新能源并网稳定运行和有效消纳的重要条件。以风电、光伏为代表的新能源因具有间歇性、波动性和随机性的特点，当新能源所占的比重大到一定程度时，其出力的波动性和不确定性将会给电网带来诸多挑战。传统电源长时间以来的确定性调度管理方式已不再适用，且新能源发电调度具有很强的政策性，因此有必要针对新能源运行特点及政策要求，建立相适应的调度技术支持手段，使得电网运行能充分适应大规模新能源发电的特性。

专利“一种新能源调度计划的协调方法”（专利号：201510051868.9）提供一种基于接纳能力计算结果的新能源调度计划协调方法，以新能源接纳最大为优化目标，从而实现新能源的优先消纳。但是风电和光伏发电功率的预测精度较低，直接用于系统调度不能获得理想的决策方案，从而影响系统运行的经济性和稳定性。因此，如何解决上述的问题，为亟待解决的问题。

发明内容

本发明的目的旨在提供一种基于预测控制的地区电网调度系统。

本发明的另一目的是为了配合上述的系统，而提供的一种基于预测控制的地区电网调度方法。本发明提高了风电场、光伏发电站的输出功率的预测精度，确保电网系统运行的稳定性和经济性，使电网运行能充分适应大规模新能源发电，具有实用价值。

为实现上述的目的，本发明的一种基于预测控制的地区电网调度系统，其包括：数据采集装置，所述数据采集装置用于采集风电场、光伏发电站的输出功率数据及气象数据；数据预测装置，连接所述数据采集装置，所述的数据预测装置用于接收所述数据采集装置采集的数据，采用风光发电预测模型获取风电场、光伏发电站的输出功率预测值和采用气象因素预测模型获取气象预测值；数据修正装置，连接所述数据预测装置，所述的数据修正装置用于接收所述数据预测装置获取的输出功率预测值和气象预测值，并对比气象预测值与相同时刻历史气象数据，对超过系统预设突变率阈值的气象预测值进行修正以获取最终的输出功率预测值；电网调度中心，连接所述数据修正装置，所述的电网调度中心用于接收所述数据修正装置获取的输出功率预测值，根据输出功率预测值采用以发电总成本最小作为目标函数的动态调度模型求解最优解获取地区电网的最优调度。

本发明的调度系统由数据采集装置、数据据预测装置、数据修正装置和电网调度中心依次组建而成，相较于传统的地区电网调度系统，本电网调度系统充分考虑了气象数据对输出功率预测值的影响，对超过突变率阀值的气象预测值进行修正，避免因天气因素突变导致数据预测装置的预测精度降低而影响电网调度，从而达到电网系统平稳、经济运行的技术目的。

为实现上述的目的，本发明的一种使用上述系统的地区电网调度方法，其包括以下步骤：

步骤一，数据采集装置采集风电场、光伏发电站的输出功率数据和气象数据，并将采集的数据上传到数据预测装置；

步骤二，数据预测装置根据采集的输出功率数据和气象数据采用基于时间序列法的风光发电预测模型获取风电场、光伏发电站t时刻的输出功率预测值，根据采集的气象数据采用气象因素预测模型获取t时刻的气象预测值，并将输出功率预测值和气象预测值上传到数据修正装置；

步骤三，数据修正装置对比t时刻与历史时刻的气象预测值，当对比结果超过系统预设的突变率阈值，则对t时刻的输出功率预测值进行修正以获得最终的输出功率预测值，当对比结果未超过设定的突变率阈值，则直接以接从数据预测装置接收的输出功率预测值作为最终的输出功率预测值，将输出功率预测值上传到电网调度中心；

步骤四，电网调度中心建立以发电总成本最小作为目标函数的动态调度模型，根据地区负荷需求、最终输出功率预测值和各发电机组的出力，确定目标函数的约束条件作为求解最小成本的条件，并对该动态调度模型求解获取地区电网的最优调度。

上述技术方案的进一步改进方案：

上述的地区电网调度方法，所述的气象数据为温度、辐照度和风速，其中各个气象数据采用的气象因素预测模型分别为

a）温度预测模型：

式中：表示预测日前以24h为时间间隔的整点时刻的温度历史值；表示预测日时刻的温度预测值；为温度预测模型权值；为模型白噪声；

b）辐照度预测模型：

式中：表示预测时刻前以30min为时间间隔的个辐照度历史值；表示预测日时刻的辐照度预测值；为辐照度预测模型权值；为模型白噪声；

c）风速预测模型：

式中：表示预测时刻前以15min为时间间隔的个风速历史值；表示时刻的风速预测值；为风速预测模型权值；为模型白噪声。

上述的地区电网调度方法，所述的风光发电预测模型包括风电场预测模型和光伏发电站预测模型，分别为

a）风电场预测模型

式中：为风力发电机的输出功率预测值；为空气密度；为风力机叶轮半径；为叶尖速比；为桨距角；为叶片的风能转换效率系数，是和的函数；

b）光伏发电站预测模型

式中：为光伏输出功率预测值；为光伏阵列的转换效率；为阵列面积；为辐照强度预测值，为温度预测值，为池的额定运行温度。

上述的地区电网调度方法，所述的目标函数以发电总成本最小作为目标函数，主要考虑常规火电机组发电成本、正负备用成本和电网购买可中断负荷成本，所述的目标函数如下：

式中，代表机组总数；为机组在时段的开机情况，0表示停机，1表示开机；为机组在时段的燃料费用；机组在时段的出力；为机组的启动成本；为机组的成本备用函数；，分别为机组在时段的正、负旋转备用容量；为购买可中断负荷成本。

上述的地区电网调度方法，所述目标函数中，、、可分别是表示为：

式中，，，为发电机的燃料成本系数；，分别是正、负旋转备用成本；为时段可中断负荷量；为中断负荷补偿价格。

上述的地区电网调度方法，所述的约束条件包括功率平衡约束、机组出力约束、机组爬坡率约束、机组最小启停时间约束、旋转备用约束以及可中断负荷约束。

上述的地区电网调度方法，所述的各约束条件分别为

a）功率平衡约束：

其中，、为时刻风电和光伏发电功率的预测值；为时刻负荷功率；

b）机组出力约束：

其中，、为机组的最小、最大出力；

c）机组爬坡率约束：

其中，为机组每小时出力的上升、下降速度；

d）机组最小启停时间约束：

其中，、为机组在时段内连续运行和停机的时间，、为最小连续运行时间和最小连续停运时间；

e）旋转备用约束：

其中，，。、为机组在时刻提供的正负旋转备用，其值分别为：

f）可中断负荷约束：

其中，表示t时刻可中断负荷功率，表示t时刻可中断负荷的最大值。

本发明的调度方法通过修正受气象因素影响的输出功率预测数据，提高了功率预测精度，避免因避免因风速、辐照度、温度等气象因素干扰而导致电网系统运行大幅度偏离理想状态的情况发生，增加输出功率的预测精度，而且根据该输出功率预测值、负荷以及各电机组的出力，采用以发电总成本最小作为目标函数的动态调度模型，在该动态调度模型中加入多个约束条件，综合考虑火电机组发电成本，正、负备用成本，电网购买可中断负荷成本以求解获取地区电网最优的调度，优化了电网发电机组的启停策略，确保电网系统运行的稳定性和经济性。

附图说明

下面将结合附图中的具体实施例对本发明作进一步详细说明，但不构成对本发明的任何限制。

图1为本发明的结构示意图；

图2为本发明的方法流程图。

具体实施方式

如图1所示，一种基于预测控制的地区电网调度系统，其包括数据采集装置，所述数据采集装置用于采集风电场、光伏发电站的输出功率数据及气象数据；数据预测装置，连接所述数据采集装置，所述的数据预测装置用于接收所述数据采集装置采集的数据，采用风光发电预测模型获取风电场、光伏发电站的输出功率预测值和采用气象因素预测模型获取气象预测值；数据修正装置，连接所述数据预测装置，所述的数据修正装置用于接收所述数据预测装置获取的输出功率预测值和气象预测值，并对比气象预测值与相同时刻历史气象数据，对超过系统预设突变率阈值的气象预测值进行修正以获取最终的输出功率预测值；电网调度中心，连接所述数据修正装置，所述的电网调度中心用于接收所述数据修正装置获取的输出功率预测值，根据输出功率预测值采用以发电总成本最小作为目标函数的动态调度模型求解最优解获取地区电网的最优调度。

如图2所示，一种采用上述系统的的地区电网调度方法，包括以下步骤：

步骤一，数据采集装置采集风电场、光伏发电站的输出功率数据和气象数据，并将采集的数据上传到数据预测装置；

步骤二，数据预测装置根据采集的输出功率数据和气象数据采用基于时间序列法的风光发电预测模型获取风电场、光伏发电站t时刻的输出功率预测值，根据采集的气象数据采用气象因素预测模型获取t时刻的气象预测值，并将输出功率预测值和气象预测值上传到数据修正装置；

步骤三，数据修正装置对比t时刻与历史时刻的气象预测值，当对比结果超过系统预设的突变率阈值，则对t时刻的输出功率预测值进行修正以获得最终的输出功率预测值，将输出功率预测值上传到电网调度中心；

更进一步地说，气象数据为温度、辐照度和风速，其中各个气象数据采用的气象因素预测模型分别为

a）温度预测模型：

式中：表示预测日前以24h为时间间隔的整点时刻的温度历史值；表示预测日时刻的温度预测值；为温度预测模型权值；为模型白噪声；

b）辐照度预测模型：

式中：表示预测时刻前以30min为时间间隔的个辐照度历史值；表示预测日时刻的辐照度预测值；为辐照度预测模型权值；为模型白噪声；

c）风速预测模型：

式中：表示预测时刻前以15min为时间间隔的个风速历史值；表示时刻的风速预测值；为风速预测模型权值；为模型白噪声。

风光发电预测模型包括风电场预测模型和光伏发电站预测模型，分别为

a）风电场预测模型

式中：为风力发电机的输出功率预测值；为空气密度；为风力机叶轮半径；为叶尖速比；为桨距角；为叶片的风能转换效率系数，是和的函数；

b）光伏发电站预测模型

式中：为光伏输出功率预测值；为光伏阵列的转换效率；为阵列面积；为辐照强度预测值，为温度预测值，为池的额定运行温度。

步骤四，电网调度中心建立以发电总成本最小作为目标函数的动态调度模型，根据地区负荷需求、最终输出功率预测值和各发电机组的出力，确定目标函数的约束条件作为求解最小成本的条件，并对该动态调度模型求解获取地区电网的最优调度。

更进一步说，目标函数以发电总成本最小作为目标函数，主要考虑常规火电机组发电成本、正负备用成本和电网购买可中断负荷成本，所述的目标函数如下：

式中，代表机组总数；为机组在时段的开机情况，0表示停机，1表示开机；为机组在时段的燃料费用；机组在时段的出力；为机组的启动成本；为机组的成本备用函数；，分别为机组在时段的正、负旋转备用容量；为购买可中断负荷成本。

目标函数中，、、可分别是表示为：

式中，，，为发电机的燃料成本系数；，分别是正、负旋转备用成本；为时段可中断负荷量；为中断负荷补偿价格。

作为目标函数求解最小成本的约束条件包括功率平衡约束、机组出力约束、机组爬坡率约束、机组最小启停时间约束、旋转备用约束以及可中断负荷约束。

各约束条件分别为

a）功率平衡约束：

其中，、为时刻风电和光伏发电功率的预测值；为时刻负荷功率；

b）机组出力约束：

其中，、为机组的最小、最大出力；

c）机组爬坡率约束：

其中，为机组每小时出力的上升、下降速度；

d）机组最小启停时间约束：

其中，、为机组在时段内连续运行和停机的时间，、为最小连续运行时间和最小连续停运时间；

e）旋转备用约束：

其中，，。、为机组在时刻提供的正负旋转备用，其值分别为：

f）可中断负荷约束：

其中，表示t时刻可中断负荷功率，表示t时刻可中断负荷的最大值。

数据采集装置和数据预测装置连接，数据预测装置根据从数据采集装置中获取风电场、光伏发电站的当前及历史输出功率数据和气象数据进行预测，获取t时刻（t时刻为预测时刻）的风电场、光伏发电站的输出功率预测值和气象预测值；通过数据预测装置与数据修正装置连接，数据修正装置对比气象预测值与t时刻历史气象数据，对超过系统预设突变率阈值的气象预测值进行修正以获取最终的输出功率预测值；电网调度中心建立以发电总成本最小作为目标函数的动态调度模型，根据地区负荷需求、最终输出功率预测值和各发电机组的出力，求解获取最优解获取地区电网的最优调度进行调度。

综上所述，本发明已如说明书及图示内容，制成实际样品且经多次使用测试，从使用测试的效果看，可证明本发明能达到其所预期之目的，实用性价值乃无庸置疑。以上所举实施例仅用来方便举例说明本发明，并非对本发明作任何形式上的限制，比如数据预测装置、数据修正装置可合为一体对输出功率进行预测和修正，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims (8)

1.一种基于预测控制的地区电网调度系统，其特征在于包括：

数据采集装置，所述数据采集装置用于采集风电场、光伏发电站的输出功率数据及气象数据；

数据预测装置，连接所述数据采集装置，所述的数据预测装置用于接收所述数据采集装置采集的数据，采用风光发电预测模型获取风电场、光伏发电站的输出功率预测值和采用气象因素预测模型获取气象预测值；

数据修正装置，连接所述数据预测装置，所述的数据修正装置用于接收所述数据预测装置获取的输出功率预测值和气象预测值，并对比气象预测值与相同时刻历史气象数据，对超过系统预设突变率阈值的气象预测值进行修正以获取最终的输出功率预测值；

电网调度中心，连接所述数据修正装置，所述的电网调度中心用于接收所述数据修正装置获取的输出功率预测值，根据输出功率预测值采用以发电总成本最小作为目标函数的动态调度模型求解最优解获取地区电网的最优调度。

2.一种使用上述系统的地区电网调度方法，其特征包括以下步骤：

步骤一，数据采集装置采集风电场、光伏发电站的输出功率数据和气象数据，并将采集的数据上传到数据预测装置；

步骤二，数据预测装置根据采集的输出功率数据和气象数据采用基于时间序列法的风光发电预测模型获取风电场、光伏发电站t时刻的输出功率预测值，根据采集的气象数据采用气象因素预测模型获取t时刻的气象预测值，并将输出功率预测值和气象预测值上传到数据修正装置；

步骤三，数据修正装置对比t时刻与历史时刻的气象预测值，当对比结果超过系统预设的突变率阈值，则对t时刻的输出功率预测值进行修正以获得最终的输出功率预测值，将输出功率预测值上传到电网调度中心；

步骤四，电网调度中心建立以发电总成本最小作为目标函数的动态调度模型，根据地区负荷需求、最终输出功率预测值和各发电机组的出力，确定目标函数的约束条件作为求解最小成本的条件，并对该动态调度模型求解获取地区电网的最优调度。

3.根据权利要求2所述的地区电网调度方法，其特征在于：所述的气象数据为温度、辐照度和风速，其中各个气象数据采用的气象因素预测模型分别为

a）温度预测模型：

式中：表示预测日前以24h为时间间隔的整点时刻的温度历史值；表示预测日时刻的温度预测值；为温度预测模型权值；为模型白噪声;

b）辐照度预测模型：

式中：表示预测时刻前以30min为时间间隔的个辐照度历史值；表示预测日时刻的辐照度预测值；为辐照度预测模型权值；为模型白噪声;

c）风速预测模型：

式中：表示预测时刻前以15min为时间间隔的个风速历史值；表示时刻的风速预测值；为风速预测模型权值；为模型白噪声。

4.根据权利要求2所述的地区电网调度方法，其特征在于：所述的风光发电预测模型包括风电场预测模型和光伏发电站预测模型，分别为

a）风电场预测模型

式中：为风力发电机的输出功率预测值；为空气密度；为风力机叶轮半径；为叶尖速比；为桨距角；为叶片的风能转换效率系数，是和的函数;

b）光伏发电站预测模型

式中：为光伏输出功率预测值；为光伏阵列的转换效率；为阵列面积；为辐照强度预测值，为温度预测值，为池的额定运行温度。

5.根据权利要求1至4任一所述的地区电网调度方法，其特征在于：所述的目标函数以发电总成本最小作为目标函数，主要考虑常规火电机组发电成本、正负备用成本和电网购买可中断负荷成本，所述的目标函数如下：

式中，代表机组总数；为机组在时段的开机情况，0表示停机，1表示开机；为机组在时段的燃料费用；机组在时段的出力；为机组的启动成本；为机组的成本备用函数；，分别为机组在时段的正、负旋转备用容量；为购买可中断负荷成本。

6.根据权利要求5所述的地区电网调度方法，其特征在于：所述目标函数中，、、可分别是表示为：

式中，，，为发电机的燃料成本系数；，分别是正、负旋转备用成本；为时段可中断负荷量；为中断负荷补偿价格。

7.根据权利要求5所述的地区电网调度方法，其特征在于：所述的约束条件包括功率平衡约束、机组出力约束、机组爬坡率约束、机组最小启停时间约束、旋转备用约束以及可中断负荷约束。

8.根据权利要求7所述的地区电网调度方法，其特征在于：所述的各约束条件分别为

a）功率平衡约束：

其中，、为时刻风电和光伏发电功率的预测值；为时刻负荷功率；

b）机组出力约束：

其中，、为机组的最小、最大出力；

c）机组爬坡率约束：

其中，为机组每小时出力的上升、下降速度；

d）机组最小启停时间约束：

其中，、为机组在时段内连续运行和停机的时间，、为最小连续运行时间和最小连续停运时间；

e）旋转备用约束：

其中，，，、为机组在时刻提供的正负旋转备用，其值分别为：

f）可中断负荷约束：

其中，表示t时刻可中断负荷功率，表示t时刻可中断负荷的最大值。