具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种电力系统有功调度保守度的优化方法,具体地,如图1所示,该电力系统有功调度保守度的优化方法包括:
步骤S1、建立含风力出电的电力系统有功调度模型。
步骤S2、根据电力系统有功调度模型,获得电力系统有功调度方案。
步骤S3、根据电力系统有功调度方案,建立电力系统有功调度保守度的多目标优化模型。
步骤S4、根据多目标优化模型,通过优化算法,获得电力系统有功调度的最优保守度。
在本实施例的技术方案中,在建立了含风力出电的电力系统有功调度模型,并根据该电力系统有功调度模型,获得了电力系统有功调度方案之后,可根据该电力系统有功调度方案,建立电力系统有功调度保守度的多目标优化模型,通过优化算法,优化该电力系统有功调度保守度的多目标优化模型之后,即可获得电力系统有功调度的最优保守度,从而使得在该最优保守度下,电力系统有功调度的方案能够协调电力系统有功调度的经济性和鲁棒性,进而保证电力系统的安全、经济运行。
示例性地,上述电力系统有功调度模型包括煤耗成本目标函数和约束条件。
具体地,煤耗成本目标函数为:其中,G为电力系统有功调度模型中火电机组总数,T为电力系统有功调度的调度周期,Fg(t)为电力系统有功调度模型中火电机组的发电成本,Fg(t)=(apg 2(t)+bpg(t)+c),其中,pg(t)为第g个火电机组在时段t内的输出功率,a为发电成本Fg(t)的二次项系数、b为发电成本Fg(t)的一次项系数、c为发电成本Fg(t)的常数项。
具体地,上述约束条件包括:有功平衡约束条件、上下限约束条件、爬坡速度约束条件和线路传输约束条件。
其中,有功平衡约束条件为:
其中,t=1,2,...,T,W为电力系统有功调度模型中风电场总数,D(t)为时段t内所述电力系统有功调度模型中的负荷功率,p w,t 为第w个风电场在时段t内的出力区间下限,为第w个风电场在时段t内的出力区间上限。
上下限约束条件为:
其中,g=1,2,...,G,t=1,2,...,T,为第g个火电机组在时段t内的出力下限,为第g个火电机组在时段t内的出力上限。
爬坡速度约束条件为:
其中,g=1,2,...,G,t=2,3,...,T,为第g个火电机组的向下爬坡速度,为第g个火电机组的向上爬坡速度,t0为电力系统有功调度的调度时间间隔。
线路传输约束条件为:
其中,l=1,2,...,L,t=1,2,...,T,L为所述电力系统有功调度模型中的线路总数,γg-l为第g个火电机组在所述电力系统有功调度模型中的第l条线路上的功率分布因子,D为电力系统有功调度模型中负荷总数,γd-l为第d个负荷在第l条线路上的功率分布因子,γw-l为第w个风电场在所述第l条线路上的功率分布因子,为第l条线路的最大传输功率。
示例性地,上述电力系统有功调度保守度的优化方法还可包括:步骤S1a、在建立含风力出电的电力系统有功调度模型之后,优化约束条件。
可选地,可通过消除电力系统有功调度模型中的区间变量,来优化上述约束条件,具体地,该优化约束条件的具体步骤包括:
步骤S1a1、简化有功平衡约束条件,获得简化后的有功平衡约束条件,简化后的有功平衡约束条件包括:
其中,t=1,2,...,T,为第w个风电场在时段t内的预测出力,为火电机组在时段t内场景s1下的输出功率,为火电机组在时段t内场景s2下的输出功率,场景s1为风电场在时段t内的出力均为出力下限时的场景,场景s2为风电场在时段t内的出力均为出力上限时的场景。
步骤S1a2、简化线路传输约束条件,获得简化后的线路传输约束条件,简化后的线路传输约束条件为:
其中,为风电场对第l条线路的潮流贡献的上限,A为风电场对第l条线路的潮流贡献的下限,PD为负荷对第l条线路的潮流贡献,
需要补充的是,对于风电场对第l条线路的潮流贡献的上限和风电场对第l条线路的潮流贡献的下限的具体取值,可通过上述电力系统有功调度模型中的电网结构确定,其计算方法与现有的获取风电场对电网线路的潮流贡献的计算方法相同,故此处不再赘述。
步骤S1a3、获取电力系统有功调度过渡到场景s1的第一过渡约束条件:
其中,g=1,2,...,G,t=1,2,...,T,tc1为电力系统有功调度中预测场景过渡到场景s1的最大允许时间。
步骤S1a4、获取电力系统有功调度过渡到场景s2的第二过渡约束条件:
其中,g=1,2,...,G,t=1,2,...,T,tc2为电力系统有功调度中预测场景过渡到场景s2所需的最大允许时间。
示例性地,上述电力系统有功调度保守度的多目标优化模型的控制变量为α=[α1,α2...,αW],其中,W为电力系统有功调度模型中风电场总数,αW为第w个风电场的有功调度保守度,αW∈[0,1],该多目标优化模型包括:煤耗成本目标函数f1、风险损失目标函数f2和线路越限功率总和目标函数f3。
示例性地,上述步骤S3中,根据电力系统有功调度方案,建立电力系统有功调度保守度的多目标优化模型的具体步骤包括:
步骤S31、根据电力系统有功调度方案,获得煤耗成本目标函数f1,其中,G为电力系统有功调度模型中火电机组总数,T为电力系统有功调度的调度周期,Fg(t)为电力系统有功调度模型中火电机组的发电成本。
步骤S32、根据电力系统有功调度方案,获得风险损失目标函数f2,min f2=min(fc+fw),其中,fc为电力系统有功调度的切负荷损失,fw为电力系统有功调度的弃风损失。
步骤S33、根据电力系统有功调度方案,获得线路越限功率总和目标函数f3,其中,L为电力系统有功调度模型中的线路总数,yl(t)为电力系统有功调度模型中的第l条线路在时段t内的越限功率期望值。
步骤S34、根据煤耗成本目标函数f1、风险损失目标函数f2和线路越限功率总和目标函数f3,建立电力系统有功调度保守度的多目标优化模型。
可选地,上述步骤S32中,根据电力系统有功调度方案,获得风险损失目标函数f2的具体步骤包括:
步骤S321、根据电力系统有功调度方案,获得电力系统有功调度模型中风电场总出力的概率密度函数
步骤S322、根据电力系统有功调度方案,获得电力系统有功调度模型中火电机组的下调容量Pd(t),其中,为第g个火电机组的向下爬坡速度,t0为电力系统有功调度的调度时间间隔,pg(t)为第g个火电机组在时段t内的输出功率,为第g个火电机组在时段t内的出力下限。
步骤S323、根据电力系统有功调度方案,获得电力系统有功调度模型中火电机组的上调容量Pu(t),其中,为第g个火电机组的向上爬坡速度,为第g个火电机组在时段t内的出力上限。
步骤S324、根据风电场总出力的概率密度函数和火电机组的下调容量Pd(t),获得风电场的切负荷量Qc(t),其中,为电力系统有功调度模型中风电场的总装机容量。
步骤S325、根据风电场总出力的概率密度函数和火电机组的上调容量Pu(t),获得风电场的弃风量Qw(t),
步骤S326、根据切负荷量Qc(t),获得切负荷损失fc,fc=ηc×Qc,sum,其中,ηc为单位切负荷量的损失成本。
步骤S327、根据总弃风量Qw(t),获得弃风损失fw,fw=ηw×Qw,sum,其中,ηw为单位弃风量的损失成本。
步骤S328、根据切负荷损失fc和弃风损失fw,获得风险损失目标函数f2,f2=min(fc+fw)。
可选地,上述步骤S33中,根据电力系统有功调度方案,获得线路越限功率总和目标函数f3的具体步骤包括:
步骤S331、根据电力系统有功调度方案,获得风电场在场景sn下的风电出力组合出现的概率其中,W为电力系统有功调度模型中风电场总数。
步骤S332、根据风电出力组合出现的概率获得第l条线路在时段t内的传输功率期望值其中,为预测场景s0下第l条线路在时段t内的传输功率,N为时段t内选取的场景个数,γw-l为第w个风电场在第l条线路上的功率分布因子,为第w个风电场在场景sn下的风电出力,为第w个风电场在预测场景s0下的风电出力。
步骤S333、根据第l条线路在时段t内的传输功率期望值获得第l条线路在时段t内的越限功率期望值yl(t),其中,为第l条线路的传输功率最大值。
步骤S334、根据第l条线路在时段t内的越限功率期望值yl(t),获得线路越限功率总和目标函数f3,
在获得上述多目标优化模型之后,上述步骤S4中,根据多目标优化模型,通过优化算法,获得电力系统有功调度的最优保守度的具体步骤包括:
步骤S41、根据多目标优化模型,通过最大满意度指标法,获得煤耗成本目标函数f1的隶属度函数
其中,F1为电力系统有功调度的煤耗成本理想值,δ1为电力系统有功调度的煤耗成本可伸缩值。
示例性地,通过将电力系统有功调度保守度设为零,得到的煤耗成本目标函数f1的优化值即为电力系统有功调度的煤耗成本理想值F1。
步骤S42、根据多目标优化模型,通过最大满意度指标法,获得风险损失目标函数f2的隶属度函数
其中,F2为电力系统有功调度的风险损失理想值,δ2为电力系统有功调度的风险损失可伸缩值。
示例性地,通过将电力系统有功调度保守度设为1,得到的风险损失目标函数f2的优化值即为电力系统有功调度的风险损失理想值F2。
步骤S43、根据多目标优化模型,通过最大满意度指标法,获得线路越限功率总和目标函数f3的隶属度函数
其中,F3为电力系统有功调度的线路越限功率理想值,δ3为电力系统有功调度的线路越限功率可伸缩值。
示例性地,通过将电力系统有功调度保守度设为1,得到的线路越限功率总和目标函数f3的优化值即为电力系统有功调度的线路越限功率理想值F3。
需要说明的是,对于电力系统有功调度的煤耗成本可伸缩值δ1、电力系统有功调度的风险损失可伸缩值δ2和电力系统有功调度的线路越限功率可伸缩值δ3的具体取值,本领域技术人员可根据实际需求进行设定,本发明实施例对此不进行限定。
步骤S44、根据煤耗成本目标函数f1的隶属度函数风险损失目标函数f2的隶属度函数和线路越限功率总和目标函数f3的隶属度函数获得电力系统有功调度的满意度指标μ,其中,
步骤S45、根据满意度指标μ,通过遗传算法,获得电力系统有功调度的最优保守度。
为了便于本领域技术人员的理解与实施,下面本发明实施例将给出使用上述电力系统有功调度保守度的优化方法对电力系统有功调度保守度进行优化的具体应用实例。
具体地,建立采用了IEEE-39节点系统的电力系统有功调度模型,该模型中包括10台火电机组,各个火电机组的具体参数如表1所示,模型中全天24个调度时段内的具体负荷大小如表2所示。
表1电力系统有功调度模型中各个火电机组的参数
表2全天24个调度时段内的负荷大小
时段 |
负荷/MW |
时段 |
负荷/MW |
时段 |
负荷/MW |
1 |
1036 |
9 |
1724 |
17 |
1480 |
2 |
1110 |
10 |
1741 |
18 |
1628 |
3 |
1258 |
11 |
1735 |
19 |
1676 |
4 |
1406 |
12 |
1717 |
20 |
1698 |
5 |
1480 |
13 |
1734 |
21 |
1701 |
6 |
1628 |
14 |
1623 |
22 |
1587 |
7 |
1632 |
15 |
1599 |
23 |
1456 |
8 |
1706 |
16 |
1554 |
24 |
1333 |
分别在第1节点、第3节点、第5节点、第10节点、第12节点接入一个风电场,各风电场的出力曲线如图2所示,风电总出力的渗透率达到10.2%。假设各风电场的出力满足正态分布其中μw为第w个风电场的预测出力,标准差σw=0.3μw。
上述电力系统有功调度中,单位切负荷成本ηc=30元/kWh,单位弃风成本ηw=0.61元/kWh。
通过原对偶内点法,对电力系统有功调度模型进行优化,获得电力系统有功调度方案,其中,设定最大迭代次数为50,收敛判据为对偶间隙小于10-6。
具体地,设定上述电力系统有功调度保守度(即上述电力系统有功调度中每个风电场的有功调度保守度)为0,得到电力系统有功调度的煤耗成本理想值F1、电力系统有功调度的风险损失最差值F2'和电力系统有功调度的线路越限功率F3',其中,F1=23239408元,F2'=99804元,F3'=126.10MW;设定上述电力系统有功调度保守度为0.96(由于当保守度大于0.96时,电力系统有功调度模型的算法不收敛,因此,上述电力系统有功调度保守度的最大取值即为0.96),得到电力系统有功调度的煤耗成本最差值F1'、电力系统有功调度的风险损失理想值F2和电力系统有功调度的线路越限功率理想值F3,其中,F1'=23268402元,F2=591元,F3=0.67MW。
取电力系统有功调度的煤耗成本理想值F1与电力系统有功调度的煤耗成本最差值F1'之间的差作为电力系统有功调度的煤耗成本可伸缩值δ1,则δ1=28994元;取电力系统有功调度的风险损失最差值F2'与电力系统有功调度的风险损失理想值F2之间的差作为电力系统有功调度的风险损失可伸缩值δ2,则δ2=99213元;取电力系统有功调度的线路越限功率F3'与电力系统有功调度的线路越限功率理想值F3之间的差作为电力系统有功调度的线路越限功率可伸缩值δ3,则δ3=125.43MW。
然后根据电力系统有功调度方案,建立电力系统有功调度保守度的多目标优化模型,通过遗传算法,对多目标优化模型进行优化,其中,设定种群规模为10,迭代次数为50。
当电力系统有功调度模型中的每个风电场有功调度保守度相同或各风电场有功调度保守度不同时,通过上述算法,分别获得各风电场有功调度的最优保守度,以及相应的电力系统有功调度的满意度指标μ,各风电场有功调度的最优保守度以及相应的电力系统有功调度的满意度指标μ的具体取值如表3所示。
表3各风电场有功调度的最优保守度以及相应的满意度指标
保守度 |
α1 |
α2 |
α3 |
α4 |
α5 |
μ |
各风电场有功调度保守度相同 |
0.77 |
0.77 |
0.77 |
0.77 |
0.77 |
0.77 |
各风电场有功调度保守度不同 |
0.95 |
0.69 |
0.64 |
0.80 |
0.86 |
0.82 |
由表3可知,当电力系统有功调度模型中的每个风电场有功调度保守度不同时,通过优化获得的电力系统有功调度的满意度指标μ更大。但发明人发现,当电力系统有功调度模型中的每个风电场保守度相同时,使用上述优化方法,只需15秒即可获得优化结果,而当电力系统有功调度模型中的每个风电场有功调度保守度不同时,则需要354秒才可获得优化结果。因此,本领域技术人员可根据实际情况,设定电力系统有功调度模型中的每个风电场有功调度保守度是否相同,本发明实施例不进行限定。
采用本发明实施例提供的电力系统有功调度保守度的优化方法对上述电力系统有功调度保守度进行优化而获得的调度结果、采用传统的备用法获得的电力系统有功调度结果以及采用传统的鲁棒法获得的电力系统有功调度结果如表4所示。
表4通过不同优化方法获得的电力系统有功调度结果
由表4中的电力系统有功调度结果可知,一方面,虽然采用传统备用法得到的电力系统有功调度结果中,煤耗成本最低,但风险损失和越限功率确远远大于采用传统鲁棒法和本发明实施例提供的优化方法获得的风险损失和越限功率,因此,在传统备用法获得电力系统有功调度结果下,电力系统有功调度方案无法保证电力系统的安全运行;另一方面,虽然采用传统鲁棒法得到的电力系统有功调度结果中,风险损失最小,但煤耗成本确远远大于本发明实施例提供的优化方法获得的煤耗成本,因此,在传统鲁棒法获得的电力系统有功调度结果下,电力系统有功调度成本较高,无法满足电力系统经济运行的要求。
综上可知,通过使用本发明提供的电力系统有功调度保守度的优化方法,可以获得电力系统有功调度的最优保守度,从而使得在该最优保守度下,电力系统有功调度的方案能够协调电力系统有功调度的经济性和鲁棒性,进而保证电力系统的安全、经济运行。
以上所述,仅为本发明的具体实施方式,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以所述权利要求的保护范围为准。