CN106156955A - 一种考虑电力需求侧不确定性的电力规划方法 - Google Patents

Abstract

本发明公开了一种考虑电力需求侧不确定性的电力规划方法，包括在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案，其特征在于，具体包括以下几个步骤：1)区间线性规划可以用于解决目标规划模型中目标函数、约束系数、参数的不确定性问题；2)区间规划模型转化为两个确定性子模型进行求解。本发明的优点在于：与现有技术相比，在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案。

Description

一种考虑电力需求侧不确定性的电力规划方法

技术领域

本发明涉及电能计量规划领域，具体地指一种考虑电力需求侧不确定性的电力规划方法。

背景技术

近年来，电力系统规模和发电机组容量不断增大，新能源大力推广，使得电源结构日益复杂。随着社会经济的发展和人民生活水平的提高，电力需求量也越来越大，在电力规划中考虑需求侧管理，合理规划电力负荷及用电方式显得日益重要。由于电力市场和新技术的发展，将电源侧及需求侧作为一个整体进行电力规划是未来规划时必须予以考虑的重要因素。如高赐威等(2012)提出将需求侧资源与供求侧资源同等纳入电力规划，在规划模型中区分不同需求侧管理措施进行量化。曾鸣等(2007)提出了电源电网协调规划模型，着重考虑了调节型电源的装机规划与输电线路选址问题。

由于电力系统固有的复杂性，传统规划方法无法满足不确定性因素对规划结果的影响，甚至可能导致由于未来不确定性因素的影响而进行的大量补偿投资，造成巨大损失。为了克服传统规划方法的不足，在规划中考虑不确定性因素的影响已经取得了社会的广泛关注。目前在电网规划中的不确定因素主要有负荷增长率、发电技术和装机扩容费用、环境约束等。

发明内容

本发明的目的是为了克服上述不足提供一种考虑电力需求侧不确定性的电力规划方法，与现有技术相比，在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案。

为实现上述目的，本发明包括在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案，其特征在于，具体包括以下几个步骤：

1)区间线性规划可以用于解决目标规划模型中目标函数、约束系数、参数的不确定性问题；

2)区间规划模型转化为两个确定性子模型进行求解。

进一步地，步骤1中，区间数x^±为上下界已知，但其概率分布未知的区间，x^±＝[x^-,x⁺]＝[t∈x,x^-≤t≤x⁺]，其中x⁺，x^-为x^±的上下界，当x⁺＝x^-时，x^±为确定数，区间线性规划可以描述为：

minf^±＝C^±X^±

Subject to

A^±X^±≤B^±

$x_j^{\±}\≥0,x_j^{\±}\∈X^{\±}$

其中：

A^±＝[A^-,A⁺]

B^±＝[B^-,B⁺]

C^±＝[C^-,C⁺]。

更进一步地，步骤2中的方法如下：

2.1)确定中的符号，假设c_j≥0，j＝1,2,…,k,c_j≤0，j＝k+1,k+2,…,n；

2.2)写出f^-对应模型，并进行求解：

$\min f^{-}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{-}{x}_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{-}{x}_j^{+}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{-}Sign\left(a_{ij}^{-}\right)x_j^{+}\≤b_i,\∀i$

$x_j^{-}\≥0,x_j^{-}\∈X^{\±},j=1,2,...n$

|a_ij|为a_ij的绝对值，为a_ij的正负符号，

解上面线性规划，即得

2.3)写出f⁺对应模型，并进行求解：

$\min f^{+}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{+}{x}_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{+}{x}_j^{-}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{-}\right)x_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}\≤b_i,\∀i$

$x_j^{+}\≥x_{jopt}^{-},j=1,2,...k$

$x_j^{-}\≥x_{jopt}^{+},j=k+1,k+2,...n$

$x_j^{+}\≥0,x_j^{+}\∈X^{\±},j=1,2,...n$

通过求解上面线性规划，即可求出 把构成约束条件代入对应方程式求解；

2.4)整理出ILP问题的最优解及最优值：

$x_{jopt}^{\±}=\[x_{jopt}^{-},x_{jopt}^{+}\],\∀j;f_{jopt}^{\±}=\[f_{jopt}^{-},f_{jopt}^{+}\].$

本发明的优点在于：与现有技术相比，在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案。

具体实施方式

本发明一种考虑电力需求侧不确定性的电力规划方法，包括在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案，其特征在于，具体包括以下几个步骤：

1)区间线性规划可以用于解决目标规划模型中目标函数、约束系数、参数的不确定性问题，区间数x^±为上下界已知，但其概率分布未知的区间，x^±＝[x^-,x⁺]＝[t∈x,x^-≤t≤x⁺]，其中x⁺，x^-为x^±的上下界，当x⁺＝x^-时，x^±为确定数，区间线性规划可以描述为：

minf^±＝C^±X^±

Subject to

A^±X^±≤B^±

$x_j^{\±}\≥0,x_j^{\±}\∈X^{\±}$

其中：

A^±＝[A^-,A⁺]

B^±＝[B^-,B⁺]

C^±＝[C^-,C⁺]；

2)区间规划模型转化为两个确定性子模型进行求解，其步骤如下：

2.1)确定中的符号，假设c_j≥0，j＝1,2,…,k,c_j≤0，j＝k+1,k+2,…,n；

2.2)写出f^-对应模型，并进行求解：

$\min f^{-}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{-}{x}_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{-}{x}_j^{+}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{-}Sign\left(a_{ij}^{-}\right)x_j^{+}\≤b_i,\∀i$

$x_j^{-}\≥0,x_j^{-}\∈X^{\±},j=1,2,...n$

|a_ij|为a_ij的绝对值，为a_ij的正负符号，

解上面线性规划，即得

2.3)写出f⁺对应模型，并进行求解：

$\min f^{+}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{+}{x}_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{+}{x}_j^{-}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{-}\right)x_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}\≤b_i,\∀i$

$x_j^{+}\≥x_{jopt}^{-},j=1,2,...k$

$x_j^{-}\≥x_{jopt}^{+},j=k+1,k+2,...n$

$x_j^{+}\≥0,x_j^{+}\∈X^{\±},j=1,2,...n$

通过求解上面线性规划，即可求出 把构成约束条件代入对应方程式求解；

Step 4，整理出ILP问题的最优解及最优值：

$x_{jopt}^{\±}=\[x_{jopt}^{-},x_{jopt}^{+}\],\∀j;f_{jopt}^{\±}=\[f_{jopt}^{-},f_{jopt}^{+}\].$

区间线性规划模型一方面可以解决用电负荷、需求量预测、电源容量成本、发电成本及扩容费用等区间数的不确定性问题，另一方面模型得到装机容量、发电量及扩容量的区间解，决策者可根据实际情况及系统费用的预期，在解区间内调整决策变量值，得到满意电力规划方案。

下面结合具体事例对本发明进行描述：

冀北电力公司营业区域包括唐山、张家口、秦皇岛、承德、廊坊5市，43个县(区、市)，面积10.41万平方公里，人口约2277万人。2015年，冀北电网总装机容量2484万千瓦，冀北电网最大负荷2114万千瓦，售电量1362亿千瓦时。近年冀北地区风电装机规模持续增长，太阳能发电发展迅猛，在保证电网安全稳定运行的前提条件下，采取积极措施在运行中优先调度可再生能源发电，提高风电等可再生能源消纳能力，从规划层面确保可再生能源与电网协调发展。

风电、水电、太阳能为清洁能源，对环境污染小，污染物排放主要考虑火力发电厂SO₂和NO_x排放，火电厂SO₂污染物排放系数6.2g/kWh，NO_x污染物排放系数2.1g/kWh，排放标准不超过当地污染物排放总量限额。如表1，为依据冀北地区能源和电力需求水平进行为期六年的规划，用电量预测及规划期限。如表2，为电源规划的容量成本、发电的电量成本及电厂的扩容费用。为适应清洁能源发展趋势，设计扩容方案为：第一规划期扩容火电和风电(2016年-2017年)，第二规划期扩容风电和太阳能(2018年-2019年)，第三规划期扩容风电、太阳能和水电(2020年-2021年)。

电力规划方案，其模型如下：

$\min f^{\±}=\underset{i=1}{\overset{4}{\Σ}}{c}_i^{\±}{x}_i^{\±}+\underset{t=1}{\overset{3}{\Σ}}\underset{=1}{\overset{4}{\Σ}}{d}_{it}^{\±}{y}_{it}^{\±}+\underset{i=1}{\overset{3}{\Σ}}\underset{t=1}{\overset{4}{\Σ}}{z}_{it}^{\±}{\mathrm{IC}}_{it}^{\±}{\mathrm{EC}}_{it}^{\±}$

约束条件

1)用电需求约束

$\underset{i=1}{\overset{4}{\Σ}}{y}_{it}^{\±}\≥\underset{i=1}{\overset{4}{\Σ}}{D}_{it}^{\±}$

2)可靠性约束

$\underset{i=1}{\overset{4}{\Σ}}{x}_i^{\±}+z_{it}^{\±}{\mathrm{EC}}_{it}^{\±}\≥(1+R)\underset{i=1}{\overset{4}{\Σ}}{P}_{it}^{\±}$

3)运行约束

$\underset{i=1}{\overset{t}{\Σ}}{y}_{it}^{\±}\≤\underset{i=1}{\overset{4}{\Σ}}(x_i^{\±}+z_{it}^{\±}{\mathrm{EC}}_{it}^{\±}){\mathrm{\η}}_{it}$

4)污染物排放约束

SO₂排放约束：

NO_x排放约束：

5)非负约束

$y_{it}^{\±},x_{it}^{\±}\≥0$

式中：

f^±为规划期总成本(万元)；i表示能源类型(i＝1火电，i＝2风电，i＝3水电，i＝4太阳能)；t表示规划期(t＝1表示2016年至2017年，t＝2表示2018年至2019年，t＝3表示2020年至2021年)；为第i个能源的容量(MW)；为规划期t第i个能源的发电量(kWh)；为t阶段i种能源是否扩容；为规划期t第i个能源的容量成本(元/MW)；为规划期t第i个能源的电量成本(元/kWh)；表示规划期t第i种能源扩容的花费(元/MW)；表示规划期t第i种能源的扩容量(MW)；为规划期t的最大电力需求(kWh)；为规划期t的电源容量(MW)；R表示系统备用容量系数；η表示装机容量的出力系数；表示污染物排放系数；为污染物排放量上限(t/a)。

结合冀北电力能源资源及电力需求现状，可以看出：规划初期电源容量为火电[15000,16000]MW，费用[900,1440]亿元；风电[8000,9000]MW，费用[240,630]亿元；水电[400,600]MW，费用[36,60]亿元；太阳能[400,600]MW，费用[32,60]亿元。

如表3，为电源扩建容量及费用，第一个规划期扩容火电[360,480]MW、风电[482,566]MW，扩建费用为[36.06,71.5]亿元；第二个规划期扩容风电[503,610]MW、太阳能[45,62]MW，扩建费用为[15.99,32.98]亿元；第三个规划期扩容风电[558,700]MW、太阳能[36,52]MW、水电[55,75]MW，扩建费用为[21.08,43.2]亿元。

如表4，规划期电源装机容量，其中“+”表示装机容量区间值的上界，“-”表示装机容量区间值的下界。表4列出了规划期内各电源装机容量的变化及分布，结果表明规划期末冀北装机容量为[25839,28745]MW，其中火电装机容量[15360,16480]MW、风电装机容量[9543,10876]MW，火电和风电是冀北电力规划的主要能源类型，水电及太阳能维持较小装机容量。

表1

表2

表3

表4

Claims (3)

1.一种考虑电力需求侧不确定性的电力规划方法，包括在不确定性线性规划模型中融入需求侧、电源规划及装机扩容等问题，以满足预测电力需求的成本最小为目标函数，考虑负荷增长率、系统可靠性、环境约束等建立数学模型，寻求最佳规划方案，其特征在于，具体包括以下几个步骤：

1)区间线性规划可以用于解决目标规划模型中目标函数、约束系数、参数的不确定性问题；

2)区间规划模型转化为两个确定性子模型进行求解。

2.按权利要求1所述的一种考虑电力需求侧不确定性的电力规划方法，其特征在于：步骤1中，区间数x^±为上下界已知，但其概率分布未知的区间，x^±＝[x^-,x⁺]＝[t∈x,x^-≤t≤x⁺]，其中x⁺，x^-为x^±的上下界，当x⁺＝x^-时，x^±为确定数，区间线性规划可以描述为：

minf^±＝C^±X^±

Subject to

A^±X^±≤B^±

$x_j^{\±}\≥0,x_j^{\±}\∈X^{\±}$

其中：

A^±＝[A^-,A⁺]

B^±＝[B^-,B⁺]

C^±＝[C^-,C⁺]。

3.按权利要求2所述的一种考虑电力需求侧不确定性的电力规划方法，其特征在于：步骤2中的方法如下：

2.1)确定中的符号，假设c_j≥0，j＝1,2,…,k,c_j≤0，j＝k+1,k+2,…,n；

2.2)写出f^-对应模型，并进行求解：

$\min f^{-}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{-}{x}_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{-}{x}_j^{+}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{-}Sign\left(a_{ij}^{-}\right)x_j^{+}\≤b_i,\∀i$

$x_j^{-}\≥0,x_j^{-}\∈X^{\±},j=1,2,...n$

|a_ij|为a_ij的绝对值，为a_ij的正负符号，

解上面线性规划，即得

2.3)写出f⁺对应模型，并进行求解：

$\min f^{+}=\underset{j=1}{\overset{k}{\Σ}}{c}_j^{+}{x}_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{c}_j^{+}{x}_j^{-}$

Subject to

$\underset{j=1}{\overset{k}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{-}\right)x_j^{+}+\underset{j=k+1}{\overset{n}{\Σ}}{\left(\right|a_{ij}\left|\right)}^{+}Sign\left(a_{ij}^{+}\right)x_j^{-}\≤b_i,\∀i$

$x_j^{+}\≥x_{jopt}^{-},j=1,2,...k$

$x_j^{-}\≥x_{jopt}^{+},j=k+1,k+2,...n$

$x_j^{+}\≥0,x_j^{+}\∈X^{\±},j=1,2,...n$

通过求解上面线性规划，即可求出把构成约束条件代入对应方程式求解；

2.4)整理出ILP问题的最优解及最优值：

$x_{jopt}^{\±}=\[x_{jopt}^{-},x_{jopt}^{+}\],\∀j;f_{jopt}^{\±}=\[f_{jopt}^{-},f_{jopt}^{+}\].$