CN106529083B - 考虑输出容量可信度的光伏发电调度曲线编制方法 - Google Patents

考虑输出容量可信度的光伏发电调度曲线编制方法 Download PDF

Info

Publication number
CN106529083B
CN106529083B CN201611099882.7A CN201611099882A CN106529083B CN 106529083 B CN106529083 B CN 106529083B CN 201611099882 A CN201611099882 A CN 201611099882A CN 106529083 B CN106529083 B CN 106529083B
Authority
CN
China
Prior art keywords
output
time window
power
power generation
photovoltaic power
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 - Reinstated
Application number
CN201611099882.7A
Other languages
English (en)
Other versions
CN106529083A (zh
Inventor
李翔宇
朱永强
王福源
唐萁
夏瑞华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201611099882.7A priority Critical patent/CN106529083B/zh
Publication of CN106529083A publication Critical patent/CN106529083A/zh
Application granted granted Critical
Publication of CN106529083B publication Critical patent/CN106529083B/zh
Active - Reinstated legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑输出容量可信度的光伏发电调度曲线编制方法。以输出功率偏移率之和最小作为优化目标建立数学模型，在建立数学模型的基础上，选择合适的时间窗口通过目标函数不断对输出功率进行优化，这样初步得到输出功率参考值，并在此基础上引入输出参考可信度进行修正，得到最终的光伏发电调度曲线。该方法通过选择合适的时间窗口以输出功率偏移率之和最小作为优化目标建立数学模型，并在此基础上引入输出参考可信度进行修正，一方面满足了传统电源的调度规则，减小了光伏发电的波动性，另一方面提供了一种合理高效的光伏发电的调度方法。

Description

考虑输出容量可信度的光伏发电调度曲线编制方法
技术领域：
本发明涉及调度部门对光伏发电的调度曲线的编制方法。
背景技术：
光伏在我国实现了大规模并网，但由于电网公司认为光伏发电的容量可信度不高，同时又要兼顾到整个电网对用户的供电质量，对与光伏发电的调度较为保守，导致目前光伏发电的利用率不高。
发明内容：
本发明的目的就是为了解决上述问题，提出了一种考虑输出容量可信度的光伏发电调度曲线编制方法，该方法平抑了光伏发电的功率输出，提高了光伏电源的可信度，方便了调度部门对光伏发电的调度，也提高了光伏发电的利用率。
为实现上述目的，本发明的具体方案如下：
考虑输出容量可信度的光伏发电调度曲线编制方法，步骤如下：
(1)参照光伏电站的预测功率，求出每一时间窗口内的输出功率参考值Pout；
(2)根据功率预测误差的函数分布规律，计算出相应时间窗口的输出参考可信度Coe；
(3)利用步骤(2)中得到的输出参考可信度对步骤(1)中得到的输出功率参考值Pout进行修正，得到最终的光伏发电调度曲线。
进一步的，参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，在一定时间段内以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口输出功率参考值Pout，如下式所述：
Figure GDA0002276304320000011
Figure GDA0002276304320000012
式中,Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔，N为由Δt构成时间窗口ΔT的个数；
为了提高计算精度，首次应取较小的时间窗口进行目标函数的计算，在此计算结果的基础上成倍地扩大时间窗口再次进行目标函数的计算，这样不断扩大用于计算的时间窗口直到时间窗口接近调度部门制定调度曲线的最小调度周期，此时计算结果即为最终的输出功率参考值。
进一步的，为提高调度部门对光伏发电的可信度，需引入输出参考可信度这一概念，并将输出参考可信度Coe定义为:在每个时间窗口内，光伏发电功率实测平均值
Figure GDA0002276304320000013
与光伏输出功率参考值Pout的比值，如下式所述：
Figure GDA0002276304320000014
由于对于光伏发电功率的预测误差近似符合以0为均值的正态分布，光伏发电功率实测值Pi与光伏发电功率预测值
Figure GDA0002276304320000016
满足以下关系：
Figure GDA0002276304320000015
式中，E表示光伏发电功率的预测误差；Pcap为光伏发电开机容量；σ为分布函数的待估标准差。
进一步的，基于对电力调度曲线窗口期的规定，要舍弃高于调度曲线的值，故先舍去大于0的功率预测误差值，随后选取合理的历史数据，统计出每个时间窗口中的每个预测点的误差E并其分布规律取均值μ，并依据下式对在预测功率基础上得出的输出功率参考值Pout进行修正并计算当天对应时间段的输出参考可信度。
Figure GDA0002276304320000021
Figure GDA0002276304320000022
本发明以输出功率目标值偏移率最小作为优化目标建立数学模型，并通过不断扩大时间窗口对得到的功率调度曲线进行优化，以得到较为理想的目标值。通过引入输出容量可信度，有效的减小了实际输出功率的波动性。最终得到的功率调度曲线呈梯形图，符合调度部门对传统电力调度的规则，方便电力调度。
附图说明：
图1为初步调度曲线。
图2为调度规则下实际输出的功率曲线。
具体实施方式：
下面对本发明进行详细说明：
目前，光伏发电在我国部分实现了大规模并网，但由于电网公司认为其容量可信度不高，同时又要兼顾到整个电网对用户的供电质量，对与光伏发电的调度较为保守，导致目前光伏发电大部分得到了浪费。
所述调度曲线编制方法包括如下步骤：
(1)参照光伏电站的预测功率，求出每一时间窗口内的输出功率参考值Pout；
(2)根据功率预测误差的函数分布规律，计算出相应时间窗口的输出参考可信度Coe；
(3)利用步骤(2)中得到的输出参考可信度对步骤(1)中得到的输出功率参考值Pout进行修正，得到最终的光伏发电调度曲线。
输出功率参考值的计算：其特征在于，参照光伏电站的预测功率，以固定的时间周期作为输出功率的时间窗口，在一定时间段内以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口输出功率参考值Pout，如下式所述：
Figure GDA0002276304320000023
Figure GDA0002276304320000024
式中,Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔，N为由Δt构成时间窗口ΔT的个数；
为了提高计算精度，首次应取较小的时间窗口进行目标函数的计算，在此计算结果的基础上成倍地扩大时间窗口再次进行目标函数的计算，这样不断扩大用于计算的时间窗口直到时间窗口接近调度部门制定调度曲线的最小调度周期，此时计算结果即为最终的输出功率参考值。
目标函数的求解算法及步骤：
采用收敛速度快、收敛性强、算法智能的在粒子群算法基础上优化的模拟退火算法，具体算法及步骤如下：
1)输入各时段太阳能电池板的输出功率。
2)根据本文求解的具体情形，确定初始化种群中各微粒的位置和速度。
3)评价每个微粒p’g的适应度，将当前各微粒的位置和适应值存储在各微粒的pi中，将所有pbest中适应值最有个体的位置和适应值存储于pg中。
4)确定初始温度，并根据下式来确定当前温度下各pi的适配值：
Figure GDA0002276304320000031
5)采用轮盘赌策略从所有pi中确定全局最优的某个替代值p’g，然后根据下式更新各微粒的速度和位置。
Figure GDA0002276304320000032
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (3)
其中,
Figure GDA0002276304320000033
C＝c1+c2 (5)
6)计算各微粒新的目标值pi，更新各微粒的值及群体的pg值。
7)进行退温操作；
8)若满足停止条件(通常为预设的运算精度或迭代次数)，搜索停止，输出结果，否则转4)。
9)初始温度和退温的方式对算法有一定的影响，已不能采用如下的初温和退温方式：
tk+1＝λtk (6)
t0＝f(pg)/ln5 (7)
结合上述算法步骤代入到目标函数中，计算如下：
1)确定预测曲线的最小预测周期，再确定一个大于最小预测周期的较小的时间窗口，代入目标函数中进行计算。
2)成倍的扩大时间窗口，并将上一次的计算结果代入目标函数中，进一步进行计算。
3)按照以上步骤1)、2)逐渐扩大时间窗口，在上一步的计算结果上进行计算，直到时间窗口接近调度部门制定调度曲线的最小调度周期，得到最终的输出功率参考值。
输出参考可信度的计算：由于调度基准值是在风功率预测曲线上得到的，而目前的功率预测还是存在着较大的误差，风功率预测平均水平在25％-40％。故为提高调度部门对光伏发电的可信度，需引入输出参考可信度这一概念，并将输出参考可信度Coe定义为:在每个时间窗口内，光伏发电功率实测平均值
Figure GDA0002276304320000041
与光伏输出功率参考值Pout的比值，如下式所述：
Figure GDA0002276304320000042
由于对于光伏发电功率的预测误差近似符合以0为均值的正态分布，光伏发电功率实测值Pi与光伏发电功率预测值
Figure GDA0002276304320000046
满足以下关系：
Figure GDA0002276304320000043
式中，E表示光伏发电功率的预测误差；Pcap为光伏发电开机容量；σ为分布函数的待估标准差。
基于对电力调度曲线窗口期的规定，要舍弃高于调度曲线的值，故先舍去大于0的功率预测误差值，随后选取合理的历史数据，统计出每个时间窗口中的每个预测点的误差E并其分布规律取均值μ，并依据下式对在预测功率基础上得出的输出功率参考值Pout进行修正并计算当天对应时间段的输出参考可信度。
Figure GDA0002276304320000044
Figure GDA0002276304320000045
最终用得到的输出容量可信度对每一时间窗口初步得到的基准值进行修正，得到最终的光伏发电调度曲线。
验证分析：
本文以配有主控室的某小型微电网模型的光伏功率预测数据为基础，按照上文提出的有关制定调度曲线的方案来实行调度，并对其可行性和有效性进行计算分析。
连续选取该微电网中连续一段时间的数据，首先在该时间内的第五天的预测曲线的基础上进行调度基准值的初步确定。从已给的预测数据中得到最小预测周期是15min,假设调度部门的最小预测周期是2h,那么拟利用目标函数(1)、(2)进行三次优化计算来计算每一时间窗口的输出功率基准值，第一次时间窗口为30min，包含两个最小预测周期，第二次时间窗口为1h,包含四个最小预测周期，第三次时间窗口为2h，包含八个最小预测周期。最终得到如图所示的调度曲线。
以目标函数的输出功率偏移率之和作为衡量输出功率曲线波动性的衡量指标，将在目标函数计算中通过直接计算和通过不断扩大时间窗口的间接计算的结果在表1中进行比较：
表1直接计算与间接计算结果对比
直接计算 间接计算
输出功率偏移率 5.47％ 2.86％
在此基础上，依据式(12)、(13)的对前三天的历史数据进行输出参考可信度的计算。得到加入输出参考可信度的调度曲线,如图2。
通过对初始调度基准值的不断修正，使得最终得到的曲线波动性较小，光伏发电的容量可信度较高，同时也减小了所需的储能容量。表2中分别用实际偏移率与时间窗口调度值的比值与所需储能容量进行对比，并且结合图1和图2，可以看出最终调度值能够平抑输出功率曲线，满足调度部门的要求。
表2输出功率偏移率对比
初步调度 最终调度
输出功率偏移率 2.74％ 0.29％

Claims (1)

1.一种考虑输出容量可信度的光伏发电调度曲线编制方法，其特征在于，所述调度曲线编制方法包括如下步骤：
(1)参照光伏电站的预测功率，求出每一时间窗口内的输出功率参考值Pout，以固定的时间周期作为输出功率的时间窗口，在一定时间段内以特定时间窗口ΔT输出功率偏移率ε之和最小为目标，求出每一时间窗口输出功率参考值Pout，如下式所述：
Figure FDA0002276304310000011
Figure FDA0002276304310000012
式中，Pre(t)为光伏发电预测功率；Δt为光伏发电功率预测的最小时间间隔；N为由Δt构成时间窗口ΔT的个数；其中，为了提高计算精度，首次应取较小的时间窗口进行目标函数的计算，在此计算结果的基础上成倍地扩大时间窗口再次进行目标函数的计算，这样不断扩大用于计算的时间窗口直到时间窗口接近调度部门制定调度曲线的最小调度周期，此时计算结果即为最终的输出功率参考值；
(2)根据功率预测误差的函数分布规律，计算出相应时间窗口的输出参考可信度Coe，输出参考可信度Coe定义为：在每个时间窗口内，光伏发电功率实测平均值
Figure FDA0002276304310000013
与光伏输出功率参考值Pout的比值，如下式所述
Figure FDA0002276304310000014
由于对于光伏发电功率的预测误差近似符合以0为均值的正态分布，光伏发电功率实测值Pi与光伏发电功率预测值Pi for满足以下关系：
Figure FDA0002276304310000015
式中，E表示光伏发电功率的预测误差，Pcap为光伏发电开机容量，σ为分布函数的待估标准差；
(3)利用步骤(2)中得到的输出参考可信度对步骤(1)中得到的输出功率参考值Pout进行修正，得到最终的光伏发电调度曲线，具体为舍去大于0的功率预测误差值，随后选取合理的历史数据，统计出每个时间窗口中的每个预测点的误差E及其分布规律取均值μ，并依据下式对在预测功率基础上得出的输出功率参考值Pout进行修正并计算当天对应时间段的输出参考可信度：
Figure FDA0002276304310000021
Figure FDA0002276304310000022
CN201611099882.7A 2016-12-05 2016-12-05 考虑输出容量可信度的光伏发电调度曲线编制方法 Active - Reinstated CN106529083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611099882.7A CN106529083B (zh) 2016-12-05 2016-12-05 考虑输出容量可信度的光伏发电调度曲线编制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611099882.7A CN106529083B (zh) 2016-12-05 2016-12-05 考虑输出容量可信度的光伏发电调度曲线编制方法

Publications (2)

Publication Number Publication Date
CN106529083A CN106529083A (zh) 2017-03-22
CN106529083B true CN106529083B (zh) 2020-12-29

Family

ID=58354800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611099882.7A Active - Reinstated CN106529083B (zh) 2016-12-05 2016-12-05 考虑输出容量可信度的光伏发电调度曲线编制方法

Country Status (1)

Country Link
CN (1) CN106529083B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861794B (zh) * 2020-07-30 2024-04-12 国网能源研究院有限公司 考虑概率分布的太阳能发电容量可信度获取方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664423A (zh) * 2012-05-30 2012-09-12 山东大学 基于粒子群算法的风电场储能容量控制方法
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
CN103337001A (zh) * 2013-07-18 2013-10-02 山东大学 考虑最佳期望输出与荷电状态的风电场储能容量优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664423A (zh) * 2012-05-30 2012-09-12 山东大学 基于粒子群算法的风电场储能容量控制方法
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
CN103337001A (zh) * 2013-07-18 2013-10-02 山东大学 考虑最佳期望输出与荷电状态的风电场储能容量优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于功率预测的波动性能源发电的多时空尺度调整技术;鲁宗相;《电力科学与技术学报》;20120928;第27卷(第3期);全文 *
计及风电预测可信度的经济调度及辅助决策方法;南晓强;《电力系统自动化》;20131010;第37卷(第19期);全文 *
风电容量可信度及评估方法;石一辉 等;《自动化与仪器仪表》;20141025(第10期);全文 *

Also Published As

Publication number Publication date
CN106529083A (zh) 2017-03-22

Similar Documents

Publication Publication Date Title
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN106487011B (zh) 一种基于q学习的户用微电网能量优化方法
WO2017161786A1 (zh) 基于光储系统运行优化的混合储能配比计算方法
CN104636822B (zh) 一种基于elman神经网络的居民负荷预测方法
CN103117546A (zh) 一种超短期风电功率滑动预测方法
CN107706932B (zh) 一种基于动态自适应模糊逻辑控制器的能量调度优化方法
CN111555355A (zh) 水光蓄联合发电的调度策略及其优化方法
CN111753431B (zh) 综合能源系统中最优配置的计算方法和计算设备
CN106777487A (zh) 一种含有储能系统的光伏电站可信容量计算方法及系统
CN108054790B (zh) 基于预测出力逐次逼近的风光发电集群有功实时优化控制方法
CN112736926A (zh) 一种分布式新能源接入配电网区间仿射潮流动态优化方法
CN103473438A (zh) 风功率预测模型优选及修正方法
CN112510703A (zh) 一种考虑煤耗曲线修正的多能源接入电网优化调度方法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN114841410A (zh) 一种基于组合策略的换热站负荷预测方法和系统
CN115423153A (zh) 基于概率预测的光伏储能系统能量管理方法
CN106529083B (zh) 考虑输出容量可信度的光伏发电调度曲线编制方法
CN103679284A (zh) 一种消纳风电接入的定区间滚动调度方法
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
CN114336762A (zh) 风光发电及电网负荷波动日前调度储能配置优化方法
CN113890016A (zh) 数据驱动的配电网多时间尺度电压协调控制方法
CN112381315A (zh) 一种基于pso优化的ls-svm智能台区负荷预测方法及系统
CN105207255B (zh) 一种适用于风电出力的电力系统调峰计算方法
CN117196668A (zh) 一种基于边际收益大规模新能源基地接入规划方法及系统
CN116706869A (zh) 一种用于区域电网供需平衡场景的预测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20200811

AD01 Patent right deemed abandoned
RR01 Reinstatement of patent right

Former decision: The patent right is deemed to be abandoned

Former decision publication date: 20200811

RR01 Reinstatement of patent right
GR01 Patent grant
GR01 Patent grant