CN106253352B - 计及风电概率分布特征的鲁棒实时调度方法 - Google Patents
计及风电概率分布特征的鲁棒实时调度方法 Download PDFInfo
- Publication number
- CN106253352B CN106253352B CN201610682341.0A CN201610682341A CN106253352B CN 106253352 B CN106253352 B CN 106253352B CN 201610682341 A CN201610682341 A CN 201610682341A CN 106253352 B CN106253352 B CN 106253352B
- Authority
- CN
- China
- Prior art keywords
- msup
- mrow
- wind
- power
- electricity generation
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 12
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000005553 drilling Methods 0.000 claims abstract description 9
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 10
- 238000010977 unit operation Methods 0.000 claims description 9
- 238000012886 linear function Methods 0.000 claims description 7
- 230000003827 upregulation Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000018672 Dilatation Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H02J3/386—
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种计及风电功率概率分布特征的鲁棒实时调度方法，该方法包括以下步骤：对节点风电接纳的条件风险价值进行定义；对各节点风电接纳的条件风险价值积分值进行分段线性化表达；依据鲁棒优化建模思路，形成以系统运行总成本与风电接纳的条件风险价值总成本之和最小化为目标的线性优化目标函数及其附加约束，在含风电的实时调度问题中采用仿射补偿机制进行AGC机组的控制，对系统各节点可接纳的风电范围及AGC机组的运行基点进行优化。本发明的方法是随机规划与鲁棒优化两种不确定优化方法的综合，能有效提高电网运行效益且计算效率较高，所得结果可直接用于解决当前电力系统的实时调度问题。
Description
技术领域
本发明涉及一种电力系统计及风电概率分布特征的鲁棒实时调度方法。
背景技术
实时调度衔接电力系统的日前、超前调度与自动发电控制(AGC)过程，是电力系统多时间尺度协调调度的重要环节。在电力系统的运行实际中，实时调度将根据系统的超短期负荷预报结果，修正在线可调机组(多数系统为AGC机组)的运行基点，并配合AGC参与因子的设置，对系统负荷功率的变化进行实时跟踪。
近年来，随着能源、环境及气候问题的日益突出，以风力发电、光伏发电为主的可再生能源发电形式广泛并入电网。其中，风电作为一种发展成熟度较高的新型电源，在为电力系统提供大量清洁电能的同时，增强了电力系统运行中的不确定性，增加了电力系统调度决策的难度。在此背景下，有必要量化分析风电功率随机特性对电力系统运行决策的影响，并就如何提升电力系统的抗扰动能力，增强调度决策的鲁棒性进行探讨。
发明内容
本发明为了解决上述问题，提出了一种计及风电概率分布特征的鲁棒实时调度方法，调度结果具有概率优性，能有效提高电网运行效益且计算效率较高，所得结果可直接用于解决当前电力系统的实时调度问题。
为了实现上述目的，本发明采用如下方案：
一种计及风电功率概率分布特征的鲁棒实时调度方法，包括:
步骤(1)：在各个风力发电装置对应的接入节点上，风力发电注入功率与接纳范围的差值所导致的平均损失定义为该节点接纳风力发电功率的条件风险价值；
步骤(2)：对各节点风电接纳的条件风险价值进行分段线性化表达，并进行优化目标的线性化形式定义。
步骤(3)：依据鲁棒优化建模方法，得到以系统运行总成本与条件风险价值总成本之和最小化为目标的线性目标函数和附加约束，在含风力发电的实时调度问题中采用仿射补偿机制进行AGC机组控制，对系统各节点可接纳的风电范围及AGC机组的运行基点进行优化。
所述步骤(1)中，根据风力发电注入功率超出节点可接纳范围的差值，定义该节点风力发电功率超出接纳范围上限的条件风险价值；根据风力发电注入功率低于节点可接纳范围的差值，定义该节点风力发电功率低于接纳范围下限的条件风险价值。
所述步骤(2)中，对各节点风电接纳的条件风险价值进行分段线性化表达的具体方法是：在节点实际注入的风电功率与节点可接纳的风电功率最小值和最大值之间进行均分，通过已知的概率密度曲线获得各个分段点对应的概率值，在此基础上，获得概率密度函数的分段线性函数和任一分段内的条件风险价值分段线性化表达。
所述步骤(3)中，模型的附加约束包括：运行基点的功率平衡约束、AGC机组最大向上、向下调整能力约束、AGC机组输出功率范围约束、机组运行基点变化速率约束和支路潮流约束。
根据节点处风力发电功率总预测值与各负荷节点处AGC机组的运行基点之和恒等于节点负荷总量与非AGC机组承担的负荷量之差，定义所述运行基点的功率平衡约束。
根据AGC机组最大向上调整量小于或等于AGC机组所能提供的最大向上调整量，定义所述AGC机组最大向上调整能力约束；根据AGC机组最大向下调整量小于或等于AGC机组所能提供的最大向下调整量，定义所述AGC机组最大向下调整能力约束。
根据AGC机组的最大和最小技术出力值，定义所述AGC机组输出功率范围约束。
根据AGC机组输出功率的初值和AGC机组运行基点在调度时间间隔内的上调、下调最大限值，定义所述机组运行基点变化速率约束。
根据支路在两个方向的传输功率上限，定义所述支路潮流约束。
根据AGC机组的参与因子，以及节点接入风力发电功率的最大向上和最大向下扰动量在AGC机组间线性分配，定义所述仿射补偿机制。
本发明的有益效果：
(1)本发明依据系统运行成本与风电接纳条件风险价值双重指标，按照鲁棒优化的建模思路构建优化模型，对各AGC机组的运行基点及备用容量进行决策，获得具有统计意义的节点可接纳风电功率的范围。方法体现了鲁棒优化和随机规划方法的融合，调度结果具有概率优性，能有效提高电网运行效益且计算效率较高。
(2)模型基于当前电力系统调度架构，遵从实时调度与AGC控制间的仿射补偿机制，所得结果可直接用于解决当前电力系统的实时调度问题。
(3)所构建模型属于混合整数线性规划问题，整数变量的数量仅取决于风电场数量及概率分布函数的线性化分段情况，具有较高的计算效率。
(4)通过对简单6节点系统及IEEE-118节点系统的测试分析，验证了本发明具有较好的有效性和较高的计算效率。
附图说明
图1为本发明风电功率概率密度函数示意图；
图2为本发明中所用的分段线性化方法示意图；
图3为本发明实例验证所使用的简单6节点系统2风电场接线图；
图4为本发明方法计算所得的6节点系统风电接纳范围示意图；
图5为本发明方法与最大有效静态安全域方法对比图；
图6为本发明方法对不同线路传输容量的计算结果对比图；
图7为本发明方法对不同AGC机组1最大调整量的计算结果对比图；
图8为本发明方法对不同参与因子的计算结果对比图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
计及风电概率分布特征的鲁棒实时调度方法主要包括如下步骤：
步骤(1)：将各个风力发电装置对应的接入节点上，风电注入功率超出接纳范围的差值所导致的平均损失定义为该节点风电接纳的条件风险价值；
步骤(2)：对各节点风电接纳的条件风险价值进行分段线性化表达，确保优化目标的线性化；
步骤(3)：依据鲁棒优化建模思路，形成以系统运行总成本与风电接纳的条件风险价值总成本之和最小化为目标的线性优化目标函数及其附加约束，在含风电的实时调度问题中采用仿射补偿机制进行AGC机组的控制，对系统各节点可接纳的风电范围及机组的运行基点进行优化。
所述步骤(1)中，风电注入功率x超出wu的差值定义式为：
fu(wu,x)＝max{0,x-wu} (1)
式中，fu(wu,x)为风电功率超出wu的差值；x表示风电功率值，是随机变量；wu表示风电注入节点风电可接纳范围的上限值。
所述步骤(1)中，风电注入功率x低于wl的差值表示为：
fl(wl,x)＝max{0,-x+wl} (2)
式中：fl(wl,x)为风电功率低于wl的差值。
上述差值变量的取值范围如图1所示。
所述步骤(1)中，节点风电功率超出接纳范围上限的条件风险价值定义式为：
式中，Pr(x)是x的概率密度函数；表示风电功率的预测值；wmax表示风电功率上限。
所述步骤(1)中，节点风电功率低于接纳范围下限的条件风险价值定义式为：
所述步骤(2)中，以风电注入功率x超出wu时为例，将各节点风电接纳的条件风险价值的分段线性化方法步骤定义如下：
1)如图2所示，将横坐标与wmax间部分进行均分，获得坐标os，s＝1,2,…,Su，图2示例中取Su＝5；
2)通过已知的概率密度曲线(图中上方曲线，对应左侧纵坐标)获得各个分段点对应的概率值Pr(os)，并在此基础上，获得概率密度函数的分段线性化函数：
式中：分别为概率密度函数上线段s(以线段始端点编号对线段编号，共Su-1段)对应线性函数的系数。
3)根据式(12)及式(10)，可获得任一分段点os至wmax的近似条件风险价值，如下式所示：
4)根据式(13)获得风电接纳的条件风险价值曲线任一分段内的近似分段线性函数曲线(图2中下方红色曲线)：
式中：分别为条件风险价值近似分段线性函数曲线上线段s对应线性函数的系数。
所述步骤(2)中，优化目标的线性化形式定义为：
式中，分别为节点m风电接纳条件风险价值(右侧)线性分段函数曲线第s段的线性化系数；分别为线段s左右端点对应的风电功率值；为标识实际风电功率是否位于线段s的0-1变量；为风电注入功率xm在期望值右侧的取值，由和共同确定；为在线段s内的取值，是随机变量；Sl为将概率密度函数曲线Pr(x)上0至之间部分进行均分获得的坐标下标数；分别为节点m风电接纳条件风险价值(左侧)分段线性函数曲线第s段的线性化系数；分别为线段s左右端点对应的风电功率值；为标识实际风电功率是否位于线段s的0-1变量；为风电注入功率xm在期望值左侧的取值，由和共同确定；为在线段s内的取值，是随机变量。
所述步骤(3)中，线性优化目标函数及其附加约束定义为：
其中，Na为AGC机组数目；ci为AGC机组i的发电成本系数；pi为AGC机组i的运行基点；分别为AGC机组i提供上调备用和下调备用的成本系数；分别为AGC机组i所需提供的最大上调容量与最大下调容量，即AGC机组i的上调、下调备用容量；M为风电接入节点数目；θu、θl分别为两类风电接纳条件风险价值的成本系数；为风电接入点m的风电功率最大值；分别为节点m风电可接纳范围的上、下限值；xm为节点m风电接入的实际功率(随机量)；为xm的概率密度函数。
所述步骤(3)中，约束条件包括运行基点的功率平衡约束、AGC机组最大向上、向下调整能力约束、AGC机组输出功率范围约束、机组运行基点变化速率约束、支路潮流约束。
1)运行基点的功率平衡约束定义为：
式中：为节点m风电功率的预测值；Nd为负荷节点数目；dj为负荷节点j上的负荷量；D为由非AGC机组承担的负荷量，实时调度时为确定值。
2)AGC机组最大向上、向下调整能力约束定义为：
式中：ΔPp,i、ΔPn,i分别为AGC机组i所能提供的最大向上、向下调整量。
3)AGC机组输出功率范围约束定义为：
式中：pi max、pi min分别为AGC机组i的最大、最小技术出力值。
4)机组运行基点变化速率约束到定义为：
式中：pi 0为AGC机组i输出功率的初值；rp,i、rn,i为AGC机组i运行基点在调度时间间隔内的上调、下调最大限值。
5)支路潮流约束定义为
式中：Mil为AGC机组i对支路l的功率转移分布因子；为AGC机组i的输出功率调整量；Mml为风电接入节点m对支路l的功率转移分布因子；为节点m接入风电功率的波动量；Tn，l max、Tp，l max分别为支路l两个方向的传输功率上限，其值已经扣除非AGC机组及确定性负荷所占用的传输容量。
所述步骤(3)中，在含风电的实时调度问题中采用的仿射补偿(Affine Recourse)机制定义为：
式中：αi为AGC机组i的参与因子，所有AGC机组的参与因子之和应为1；分别为节点m接入风电功率的最大向上、向下扰动量。
下面对本文提出的计及风电概率分布特征的鲁棒实时调度方法的有效性进行验证，主要包括如下步骤：
步骤(1)：对如图3所示的含2风电场简单6节点系统进行参数设定。该系统包括3台作为AGC机组的发电机，系统在3、5、6节点接有负荷，在1、5节点处有装机容量为50MW的风电场并网发电，风电场输出功率误差近似服从正态分布。在调度时段内，风电场1的输出功率期望值为30.31MW，风电场2的输出功率期望值为22.58MW，预测标准差与期望之比设为20％。风电接纳条件风险价值对应的成本系数在出现弃风情况时为300元/(MW·h)，出现甩负荷情况时为3000元/(MW·h)。
步骤(2)：采用GAMS(general algebraic modeling system)软件编写程序，并用CPLEX求解器进行求解，得到AGC机组运行基点和各节点的实际风电接纳范围，形成数据文件，存储备用。
步骤(3)：根据风电场发出功率的预测结果，用蒙特卡洛方法模拟各风电接入节点的注入功率。同时，从数据文件中提取各节点的实际风电接纳范围，验证所得各节点风电接纳范围对风电功率扰动的覆盖能力，如图4所示。由图4可见，系统对高估风电功率的功率预测偏差具有更强的覆盖能力，说明按照本文方法的调度结果进行AGC机组配置，整个算例系统能以较大概率应对各种组合的风电功率波动情况，电网各运行约束均得到满足，不会出现约束越限的情况。
步骤(4)：将本发明方法所得调度结果与最大有效静态安全域方法(在对最大有效静态安全域方法的测试中，设各风电接入节点注入功率的波动范围为功率预测值正负3个标注差构成的区间)所得调度结果进行对比，如图5所示。由图5可见，本发明方法获得的节点风电功率接纳范围具有统计优性，大小适中，能够重点覆盖对系统运行造成较大影响的扰动情况，如甩负荷，所得调度总的期望成本与最大有效静态安全域法相比较小。
步骤(5)：改变线路5的最大传输容量限制值，由90MW扩容至130MW，得到各节点风电功率接纳条件风险价值范围大小及相应的总调度成本变化趋势，如图6所示。由图6可见，本发明方法可以有效指导关键线路的动态扩容，为增大相应节点的风电接纳范围，提升系统的抗扰动能力，改善电网运行经济性提供理论依据。
步骤(6)：改变AGC机组1的最大调节容量，由5MW增大至20MW，得到各节点风电功率接纳范围，如图7所示。由图7可见，本发明方法能够给出各节点风电接纳能力与各AGC机组调节能力的对应关系，进而，通过在调度中充分设置、合理利用系统的备用容量，增强AGC机组的调节灵活性，达到减少调度总成本，提高系统抗扰动能力的目的。
步骤(7)：设置两种参与因子配置状况，第一种按照各AGC机组的调节容量之比进行设置，第二种忽略调节容量差异均匀设置参与因子，对比两种参与因子设置方式下的各节点风电功率接纳范围大小，如图8所示。由图8可见，与均匀配置的方法相比，本发明按AGC机组调节容量之比配置参与因子会增强调度结果对风电扰动的覆盖能力，说明参与因子的配置方式会直接影响模型的调度结果。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，包括:
步骤(1)：在各个风力发电装置对应的接入节点上，风力发电注入功率与接纳范围的差值所导致的平均损失定义为该节点风力发电功率的条件风险价值；
步骤(2)：对各节点风电接纳的条件风险价值进行分段线性化表达，并进行优化目标的线性化形式定义；
步骤(3)：依据鲁棒优化建模方法，得到以系统运行总成本与风电接纳的条件风险价值总成本之和最小化为目标的线性目标函数和附加约束，在含风力发电的实时调度问题中采用仿射补偿机制进行AGC机组控制，对系统各节点可接纳的风电范围及AGC机组的运行基点进行优化；
所述步骤(1)中，风电注入功率超出wu的差值定义式为：
fu(wu,x)＝max{0,x-wu}
式中，fu(wu,x)为风电功率超出wu的差值；x表示风电功率值，是随机变量；wu表示风电注入节点风电可接纳范围的上限值；
风电注入功率低于wl的差值表示为：
fl(wl,x)＝max{0,-x+wl}
式中：fl(wl,x)为风电功率低于wl的差值；
节点风电功率超出接纳范围上限的条件风险价值定义式为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<msup>
<mi>f</mi>
<mi>u</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mn>0</mn>
<mo>&le;</mo>
<msup>
<mi>f</mi>
<mi>u</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>max</mi>
</msup>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mo>&Integral;</mo>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msup>
<mi>f</mi>
<mi>u</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>max</mi>
</msup>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
</mrow>
</msub>
<msup>
<mi>f</mi>
<mi>u</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mo>&Integral;</mo>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>max</mi>
</msup>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>u</mi>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Pr(x)是x的概率密度函数；wmax表示风电功率上限；
节点风电功率低于接纳范围下限的条件风险价值定义式为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mn>0</mn>
<mo>&le;</mo>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mo>&Integral;</mo>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
</mrow>
</msub>
<msup>
<mi>f</mi>
<mi>l</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mo>&Integral;</mo>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mo>-</mo>
<mi>x</mi>
<mo>+</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>&le;</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>w</mi>
<mi>l</mi>
</msup>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
所述步骤(2)中对各节点条件风险价值进行分段线性化表达的具体方法是：在风电功率与风电功率最小值和最大值之间进行均分，通过已知的概率密度曲线获得各个分段点对应的概率值，在此基础上，获得概率密度函数的分段线性函数和任一
分段内的条件风险价值分段线性化表达；
所述仿射补偿机制定义为：
式中：αi为AGC机组i的参与因子，所有AGC机组的参与因子之和应为1；分别为节点m接入风电功率的最大向上、向下扰动量；分别为AGC机组i所需提供的最大上调容量与最大下调容量，即AGC机组i的上调、下调备用容量，Na为AGC机组数目。
2.如权利要求1所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，所述步骤(1)中，根据风力发电注入功率超出节点可接纳范围的差值，定义该节点风力发电功率超出接纳范围上限的条件风险价值；根据风力发电注入功率低于节点可接纳范围的差值，定义该节点风力发电功率低于接纳范围下限的条件风险价值。
3.如权利要求1所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是：所述步骤(3)中，模型的附加约束包括：运行基点的功率平衡约束、AGC机组最大向上、向下调整能力约束、AGC机组输出功率范围约束、机组运行基点变化速率约束和支路潮流约束。
4.如权利要求3所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据节点处风力发电功率总预测值与各负荷节点处AGC机组的运行基点之和恒等于节点负荷总量与非AGC机组承担的负荷量之差，定义所述运行基点的功率平衡约束。
5.如权利要求3所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据AGC机组最大向上调整量小于或等于AGC机组所能提供的最大向上调整量，定义所述AGC机组最大向上调整能力约束；根据AGC机组最大向下调整量小于或等于AGC机组所能提供的最大向下调整量，定义所述AGC机组最大向下调整能力约束。
6.如权利要求3所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据AGC机组的最大和最小技术出力值，定义所述AGC机组输出功率范围约束。
7.如权利要求3所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据AGC机组输出功率的初值和AGC机组运行基点在调度时间间隔内的上调、下调最大限值，定义所述机组运行基点变化速率约束。
8.如权利要求3所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据支路在两个方向的传输功率上限，定义所述支路潮流约束。
9.如权利要求1所述的一种计及风电功率概率分布特征的鲁棒实时调度方法，其特征是，根据AGC机组的参与因子，以及节点接入风力发电功率的最大向上和最大向下扰动量在AGC机组间线性分配，定义所述仿射补偿机制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610682341.0A CN106253352B (zh) | 2016-08-17 | 2016-08-17 | 计及风电概率分布特征的鲁棒实时调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610682341.0A CN106253352B (zh) | 2016-08-17 | 2016-08-17 | 计及风电概率分布特征的鲁棒实时调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106253352A CN106253352A (zh) | 2016-12-21 |
| CN106253352B true CN106253352B (zh) | 2017-09-29 |
Family
ID=57591597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610682341.0A Active CN106253352B (zh) | 2016-08-17 | 2016-08-17 | 计及风电概率分布特征的鲁棒实时调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106253352B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107203855B (zh) * | 2017-08-03 | 2020-07-07 | 国网江苏省电力公司宿迁供电公司 | 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 |
| CN107657116B (zh) * | 2017-09-26 | 2020-05-08 | 福州大学 | 一种风电场功率曲线仿射建模的方法 |
| CN107832916B (zh) * | 2017-10-13 | 2022-04-08 | 四川大学 | 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法 |
| CN110610251A (zh) * | 2019-01-14 | 2019-12-24 | 华北电力大学 | 一种高比例风电接入电网超短期调度计划鲁棒优化方法 |
| CN110985294A (zh) * | 2019-12-10 | 2020-04-10 | 华北电力大学 | 一种鲁棒概率tube联合使用的随机模型预测控制方法 |
| CN110909959B (zh) * | 2019-12-16 | 2023-04-07 | 国网青海省电力公司电力科学研究院 | 一种计及风电运行风险的多能互补电力系统鲁棒优化方法 |
| CN112803498A (zh) * | 2021-03-05 | 2021-05-14 | 山东大学 | 概率分布不确定下有功-无功协调的实时调度方法及系统 |
| CN113193600B (zh) * | 2021-03-19 | 2022-08-09 | 山东大学 | 计及风电概率分布不确定性的电力系统调度方法及装置 |
| CN113162049A (zh) * | 2021-03-25 | 2021-07-23 | 山东大学 | 一种概率分布不确定条件下输配协同调度方法及系统 |
| CN115811098B (zh) * | 2023-02-09 | 2023-10-20 | 南方电网数字电网研究院有限公司 | 考虑功率裕度的风储电站agc指令优化方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104600747A (zh) * | 2015-01-21 | 2015-05-06 | 西安交通大学 | 协调运行风险与风能消纳的电力系统运行优化方法 |
| CN105024398A (zh) * | 2015-06-29 | 2015-11-04 | 国电南瑞科技股份有限公司 | 一种基于最优风电置信度的优化调度方法 |
| CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
-
2016
- 2016-08-17 CN CN201610682341.0A patent/CN106253352B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104600747A (zh) * | 2015-01-21 | 2015-05-06 | 西安交通大学 | 协调运行风险与风能消纳的电力系统运行优化方法 |
| CN105024398A (zh) * | 2015-06-29 | 2015-11-04 | 国电南瑞科技股份有限公司 | 一种基于最优风电置信度的优化调度方法 |
| CN105322566A (zh) * | 2015-11-06 | 2016-02-10 | 山东大学 | 考虑预测误差时序分布的含风电机组组合模型建立方法 |
Non-Patent Citations (2)
| Title |
|---|
| CVaR彭莎理论在风电场穿透功率极限计算中的应用研究;彭莎;《万方学位论文数据库》;20110824;全文 * |
| 基于风险理论的含风电电力系统短期充裕性评估与决策;薛志英;《万方学位论文数据库》;20150401;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106253352A (zh) | 2016-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106253352B (zh) | 计及风电概率分布特征的鲁棒实时调度方法 | |
| Zhang et al. | Hierarchically-coordinated voltage/VAR control of distribution networks using PV inverters | |
| Kumar et al. | Recent philosophies of automatic generation control strategies in power systems | |
| Zhang et al. | Coordination of generation, transmission and reactive power sources expansion planning with high penetration of wind power | |
| Ranamuka et al. | Flexible AC power flow control in distribution systems by coordinated control of distributed solar-PV and battery energy storage units | |
| CN105634024A (zh) | 基于价格需求响应的日内经济调度模型及线性求解方法 | |
| CN107123988A (zh) | 一种考虑恢复量不确定的停电电网负荷恢复二阶锥规划方法 | |
| CN105762838A (zh) | 一种风电集群无功电压多目标控制方法 | |
| CN103904664B (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
| CN112561273B (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
| CN108493992A (zh) | 一种含分布式潮流控制器的风电场优化调度方法 | |
| CN106712044A (zh) | 一种风电场内无功电压多目标优化方法 | |
| CN106099991B (zh) | 一种电网风电消纳能力评估方法 | |
| CN107832542A (zh) | 一种基于时空尺度消纳风光的机组组合优化调度方法 | |
| CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
| CN106655194A (zh) | 一种计及upfc的含风电电力系统的atc计算方法 | |
| 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 | |
| Akbari-Zadeh et al. | Dstatcom allocation in the distribution system considering load uncertainty | |
| CN108270213A (zh) | 风电场整场有功损耗的控制方法、装置和系统 | |
| CN106786734A (zh) | 电网风电场接入选址方法 | |
| CN116090868A (zh) | 基于数据驱动的分布式光伏接纳能力鲁棒估计方法及系统 | |
| CN113013884B (zh) | 一种用于含高渗透率光伏配电系统的三段式无功电压控制方法 | |
| CN115392565A (zh) | 一种多能园区低碳运行优化方法及装置 | |
| Huang et al. | Stackelberg Competition Between Merchant and Regulated Storage Investment under Locational Marginal Pricing | |
| Zhou et al. | Q-learning approach for hierarchical AGC scheme of interconnected power grids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |