CN107203855B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107203855B
CN107203855B CN201710656274.XA CN201710656274A CN107203855B CN 107203855 B CN107203855 B CN 107203855B CN 201710656274 A CN201710656274 A CN 201710656274A CN 107203855 B CN107203855 B CN 107203855B
Authority
CN
China
Prior art keywords
wind power
power
fluctuation
formula
unit
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
Application number
CN201710656274.XA
Other languages
English (en)
Other versions
CN107203855A (zh
Inventor
刘新山
刘国静
李娟�
陈肯
潘楠
沙建秀
樊贝
郑宇�
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.)
Suqian Power Supply Co Of State Grid Jiangsu Electric Power Co
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Suqian Power Supply Co Of State Grid Jiangsu Electric Power Co
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
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 Suqian Power Supply Co Of State Grid Jiangsu Electric Power Co, State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd filed Critical Suqian Power Supply Co Of State Grid Jiangsu Electric Power Co
Priority to CN201710656274.XA priority Critical patent/CN107203855B/zh
Publication of CN107203855A publication Critical patent/CN107203855A/zh
Application granted granted Critical
Publication of CN107203855B publication Critical patent/CN107203855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明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属于电力系统实时调度领域，尤其是一种能够在保证电网运行成本在预期范围内的条件下，最小化风电允许波动量与随机波动量的差异，以尽可能满足负荷与风电不确定性。包括上层问题和下层问题，上层问题关注风电接入后电网运行安全，最小化风电允许波动范围与预期波动范围的差异；下层问题构成以最小化电网运行成本为目标的决策问题。本发明模型中上、下层问题间存在明显的层次关系；上、下层问题间存在着紧密的关联；各类电网运行约束均可满足，能够保证决策结果的鲁棒性。

Description

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
技术领域
本发明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属于电力系统实时调度领域，尤其是一种能够在保证电网运行成本在预期范围内的条件下，最小化风电允许波动量与随机波动量的差异，以尽可能满足负荷与风电不确定性。
背景技术
电力系统实时调度是关联超前调度和自动发电控制（AGC）的纽带，其核心是在具有前瞻功能的基础上，决策AGC机组基点与参与因子，该决策决定AGC能否达到预期控制效果，在传统电力系统中已有若干成熟的决策方法。本文中的AGC机组是发电量自动控制的发电机组。
伴随大规模风电、光伏等可再生能源发电并网，电力系统调度与控制所面临的不确定性程度显著增强，使传统调度方法的有效性降低。在此背景下，随机规划、模糊规划、鲁棒优化等不确定性决策方法在电力系统调度中得到了广泛应用。其中，鲁棒优化具有不依赖于不确定量的概率分布、模型简单等优点，成为含风电系统实时调度研究的热点。实时调度作为多时间尺度调度体系中的最后环节，是对机组运行位置进行主动调整的最后机会，后续将进入闭环控制。在实际运用中，实时调度需要根据电网运行条件，决策AGC机组运行基点，并尽量保证运行基点所能覆盖的风电允许波动范围与预期风电波动范围一致。然而，这往往增加了AGC机组调节负担，造成电网运行成本的提高。
为协调风电接入后电网运行安全性与经济性间的矛盾因此，相较其它时间尺度的调度决策，实时调度对电网运行安全性的要求更为苛刻，实时调度中电网运行安全性与经济性关系的协调成为迫切需要解决的问题。
发明内容
本发明的目的是针对上述不足之处提供一种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，通过上层问题最小化风电允许波动量与随机波动量的差异，以保证风电接入后的电网运行安全；下层问题最小化电网运行成本，同时保证风电在允许波动范围内的任意变动，电网运行约束均可满足，以保证调度解的鲁棒性；具体的是在上层问题约束中引入预期电网运行成本上限，上、下层问题构成有机统一的整体，通过将下层问题用其KKT条件代替，并消除其中的非线性项，最终采用常规的混合线性规划算法予以求解。
本发明是采取以下技术方案实现的：
含风电系统实时调度的鲁棒两层优化模型包括上层问题和下层问题，上层问题关注风电接入后电网运行安全，最小化风电允许波动范围与预期波动范围的差异；下层问题构成以最小化电网运行成本为目标的决策问题。
上层问题目标函数表示为，
Figure DEST_PATH_IMAGE001
(1)
式中：T为前瞻时段数量；J为风电场数量；
Figure DEST_PATH_IMAGE002
、分别为t时段风电场j预 期的功率上、下波动量，为固定常数；、分别为t时段风电场j允许的功率上、下 波动量，为待决策量。
公式（1）的约束条件包括：
Figure DEST_PATH_IMAGE006
(2)
Figure DEST_PATH_IMAGE007
(3)
Figure DEST_PATH_IMAGE008
(4)
式中：TC为下层问题目标函数最优值，即电网运行成本最小值；
Figure DEST_PATH_IMAGE009
为电网运行成本允许的最大值。
通过引入预期电网运行成本上限，能够实现对上、下层问题目标的统筹兼顾。给定
Figure DEST_PATH_IMAGE010
，即求得电网运行成本不超出该值的条件下，对应风电波动对电网运行安全影响最小的决策解。在实际运行中，可通过不断调整
Figure 993420DEST_PATH_IMAGE010
的取值，使其在合理范围内连续变化，利用该上层问题目标函数进行反复优化计算，最终调度员可从中选择最满意的调度解。
下层问题以运行成本最小为目标，所述运行成本包括机组发电成本和备用成本；
其中，机组发电成本采用线性或分段线性方式表示；具体如下式所示，
Figure DEST_PATH_IMAGE011
(5)
式中：NG为AGC机组数量；
Figure DEST_PATH_IMAGE012
为t时段机组i输出功率基点；
Figure DEST_PATH_IMAGE013
为机组i发电成本系数；
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE015
为t时段机组i上调、下调备用容量；
Figure DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
分别为机组i提供上调、下调备用的成本系数；
公式（5）的约束条件包括：
（5-1）功率平衡约束
Figure DEST_PATH_IMAGE018
(6)
式中：
Figure DEST_PATH_IMAGE019
为t时段风电场j功率预测值；K为常规负荷数量；
Figure DEST_PATH_IMAGE020
为t时段负荷k功率预测值；
（5-2）机组输出功率范围约束
Figure DEST_PATH_IMAGE021
(7)
Figure DEST_PATH_IMAGE022
(8)
式中：
Figure DEST_PATH_IMAGE023
、
Figure DEST_PATH_IMAGE024
分别为机组i最大、最小允许输出功率；
（5-3）机组调节能力约束
受爬坡速率的限制，调度时段内AGC调节能力是有限的，应满足如下约束，
Figure DEST_PATH_IMAGE025
(9)
Figure DEST_PATH_IMAGE026
(10)
式中：
Figure DEST_PATH_IMAGE027
为机组i最大允许调节速率；为调度时段长度；
（5-4）机组爬坡速率约束
当机组在t-1时段输出功率基点处于其调节范围下限、t时段输出功率基点需位于调节范围上限时，或当机组在t-1输出功率基点处于其调节范围上限、t时段输出功率基点需位于调节范围下限时，将分别对应机组爬坡速率要求最为苛刻的两种情况；对应上述两种最“劣”情况，须满足如下约束，
Figure DEST_PATH_IMAGE029
(11)
Figure DEST_PATH_IMAGE030
(12)
（5-5）备用约束
当t时段风电波动等于其向下波动量、负荷波动等于其向上波动量时，或当t时段风电波动等于其向上波动量、负荷波动等于其向下波动量时，将分别对应AGC机组调节范围要求最为苛刻的两种情况；对应上述两种最“劣”情况，须满足如下约束，
Figure DEST_PATH_IMAGE031
(13)
Figure DEST_PATH_IMAGE032
(14)
式中：
Figure DEST_PATH_IMAGE033
、
Figure DEST_PATH_IMAGE034
分别为t时段负荷k功率预期的上、下波动量；
（5-6）线路传输容量约束
当风电、负荷在允许或预期波动范围内变化时，应保证线路传输功率不超出其传输容量，为此，须满足如下正向输电线路传输容量约束，
Figure 444511DEST_PATH_854105DEST_PATH_IMAGE068
(15)
式中：
Figure DEST_PATH_IMAGE036
为线路l最大传输容量；
Figure DEST_PATH_IMAGE037
、
Figure DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE039
分别为机组i、风电j、负荷k相对线路l的功率转移分布因子；
Figure DEST_PATH_IMAGE040
、
Figure DEST_PATH_IMAGE041
分别为t时段风电j、负荷l功率在允许和预期波动范围内的随机波动量，为不确定量；
Figure DEST_PATH_IMAGE042
为机组i在参与因子引导下的功率调整量，待不确定量实现后依据AGC调整规则确定；
式（15）中
Figure DEST_PATH_IMAGE043
、
Figure DEST_PATH_IMAGE044
为不确定量，为保证决策结果的鲁棒性，应在约束中考虑最“劣”情况；据此，在式（15）所示约束中，
Figure DEST_PATH_IMAGE045
(16)
Figure DEST_PATH_IMAGE046
(17)
Figure DEST_PATH_IMAGE047
(18)
类似，对于反向输电线路传输容量约束，即，
Figure DEST_PATH_IMAGE048
(19)
考虑最“劣”情况后，式中不确定量的取值应满足，
Figure DEST_PATH_IMAGE049
(20)
Figure DEST_PATH_IMAGE050
(21)
Figure DEST_PATH_IMAGE051
(22)。
所述上层问题与下层问题的目标函数、以及公式（1）和公式（5）的约束条件均为线性形式，属于线性两层规划模型，表示为如下形式，
Figure DEST_PATH_IMAGE052
(23)
Figure DEST_PATH_IMAGE053
(24)
Figure DEST_PATH_IMAGE054
(25)
Figure DEST_PATH_IMAGE055
(26)
Figure DEST_PATH_IMAGE056
(27)
式中：x为上层问题决策量，表示风电功率允许的上、下波动量；y为下层问题决策量，表示AGC机组输出功率基点、备用容量等；c1、c2分别为上、下层问题目标函数中的成本系数；A、B为上层问题约束对应的系数矩阵；C、D为下层问题约束对应的系数矩阵；b1、b2分别为上、下层问题约束对应的向量。
含风电系统实时调度的鲁棒两层优化模型的转化等效方法，包括如下步骤：
1）将下层问题用其Kuhn-Tucker条件代替，两层线性规划问题转化为如下单层规划问题，
Figure DEST_PATH_IMAGE057
(28)
Figure DEST_PATH_IMAGE058
(29)
Figure DEST_PATH_IMAGE059
(30)
Figure DEST_PATH_IMAGE060
(31)
Figure DEST_PATH_IMAGE061
(32)
Figure DEST_PATH_IMAGE062
(33)
Figure DEST_PATH_IMAGE063
(34)
式中：u，v为对偶乘子；w为松弛变量；其中，式（30）—式（34）与下层问题等效；
x为上层问题决策量，表示风电功率允许的上、下波动量；y为下层问题决策量，表示AGC机组输出功率基点、备用容量等；c1、c2分别为上、下层问题目标函数中的成本系数；A、B为上层问题约束对应的系数矩阵；C、D为下层问题约束对应的系数矩阵；b1、b2分别为上、下层问题约束对应的向量；
2）在步骤1）中的式（32）、式（33）为非线性互补松弛条件；通过引入一个充分大的常数M和0-1辅助变量，消除模型中的非线性项；
Figure DEST_PATH_IMAGE064
(35)
Figure DEST_PATH_IMAGE065
(36)
Figure DEST_PATH_IMAGE066
(37)
Figure DEST_PATH_IMAGE067
(38)
在式（35）～式（38）中，t、z为引入的0-1辅助变量；i、j为向量行号；
式（32）与式（35）、式（36）等效，式（33）与式（37）、式（38）等效。
以互补松弛约束式（33）为例进行分析。由于u为约束式（30）对应的对偶乘子，显然当u大于0时应有w=0，当u等于0时应有w大于0。与之对应，当
Figure DEST_PATH_IMAGE068
大于0时，式（37）中
Figure DEST_PATH_IMAGE069
取值为1，此时根据式（38）
Figure DEST_PATH_IMAGE070
=0；当
Figure 13023DEST_PATH_IMAGE068
=0时，式（36）中
Figure 792760DEST_PATH_IMAGE069
取值为0，此时根据式（38）
Figure 250286DEST_PATH_IMAGE070
可大于0。因此，式（33）与式（37）、式（38）等效。
本发明模型转化为混合整数线性规划模型，采用cplex软件包进行求解，完整的模型转化与等效过程如下：
1）由下层问题KKT条件，得到（为便于表述，暂仅考虑式（15）、式（19）中转移分布因子均为正值的情况），
Figure DEST_PATH_IMAGE071
(A1)
Figure DEST_PATH_IMAGE072
(A2)
Figure DEST_PATH_IMAGE073
(A3)
Figure DEST_PATH_IMAGE074
(A4)
Figure DEST_PATH_IMAGE075
(A5)
Figure DEST_PATH_IMAGE076
(A6)
Figure DEST_PATH_IMAGE077
(A7)
Figure DEST_PATH_IMAGE078
(A8)
Figure DEST_PATH_IMAGE079
(A9)
Figure DEST_PATH_IMAGE080
(A10)
Figure DEST_PATH_IMAGE081
(A11)
Figure DEST_PATH_IMAGE082
(A12)
Figure DEST_PATH_IMAGE083
(A13)
Figure DEST_PATH_IMAGE084
(A14)
Figure DEST_PATH_IMAGE085
(A15)
式中：
Figure DEST_PATH_IMAGE086
、
Figure DEST_PATH_IMAGE087
、
Figure DEST_PATH_IMAGE088
、
Figure DEST_PATH_IMAGE089
、
Figure DEST_PATH_IMAGE090
、
Figure DEST_PATH_IMAGE091
、
Figure DEST_PATH_IMAGE092
、
Figure DEST_PATH_IMAGE093
、
Figure DEST_PATH_IMAGE094
、
Figure DEST_PATH_IMAGE095
、
Figure DEST_PATH_IMAGE096
、
Figure DEST_PATH_IMAGE097
、
Figure DEST_PATH_IMAGE098
为对偶乘子，各对偶乘子均大于0；
2）式（3）—式（14）为非线性互补松弛约束，引入0-1辅助变量
Figure DEST_PATH_IMAGE099
、
Figure DEST_PATH_IMAGE100
、
Figure DEST_PATH_IMAGE101
、
Figure DEST_PATH_IMAGE102
、
Figure DEST_PATH_IMAGE103
、
Figure DEST_PATH_IMAGE104
、
Figure DEST_PATH_IMAGE105
、
Figure DEST_PATH_IMAGE106
、
Figure DEST_PATH_IMAGE107
、
Figure DEST_PATH_IMAGE108
、
Figure DEST_PATH_IMAGE109
、
Figure DEST_PATH_IMAGE110
，将其转化为一般形式，具体如下式所示；
Figure DEST_PATH_IMAGE111
(A16)
Figure DEST_PATH_IMAGE112
(A17)
Figure DEST_PATH_IMAGE113
(A18)
Figure DEST_PATH_IMAGE114
(A19)
Figure DEST_PATH_IMAGE115
(A20)
Figure DEST_PATH_IMAGE116
(A21)
Figure DEST_PATH_IMAGE117
(A22)
Figure DEST_PATH_IMAGE118
(A23)
Figure DEST_PATH_IMAGE119
(A24)
Figure DEST_PATH_IMAGE120
(A25)
Figure DEST_PATH_IMAGE121
(A26)
Figure DEST_PATH_IMAGE122
(A27)
Figure DEST_PATH_IMAGE123
(A28)
Figure DEST_PATH_IMAGE124
(A29)
Figure DEST_PATH_IMAGE125
(A30)
Figure DEST_PATH_IMAGE126
(A31)
Figure DEST_PATH_IMAGE127
(A32)
Figure DEST_PATH_IMAGE128
(A33)
Figure DEST_PATH_IMAGE129
(A34)
Figure DEST_PATH_IMAGE130
(A35)
Figure DEST_PATH_IMAGE131
(A36)
Figure DEST_PATH_IMAGE132
(A37)
Figure DEST_PATH_IMAGE133
(A38)
Figure DEST_PATH_IMAGE134
(A39)。
以上构成本发明两层优化模型完整的转化和等效过程，最终两层优化模型的目标函数为式（1），约束条件包括（2）—式（4）、式（6）—式（15）、式（19）、式（A1）—式（A3）、式（A16）—式（A39），为混合整数线性规划模型，采用cplex软件包进行求解。
本发明具有以下优点：
（1）层次性
与传统多目标优化不同，本发明模型中上、下层问题间存在明显的层次关系；上层问题优先对风电功率允许的上、下波动量做出决策，下层问题根据上层问题决策结果，在下层问题目标函数引导下对AGC机组功率基点进行决策；上、下层问题各自控制一部分决策量，优化各自的目标，任何一个问题都不能完全控制另一问题的决策过程。
（2）关联性
本发明模型上、下层问题间存在着紧密的关联；上层问题决策结果，即风电功率允许波动量是下层问题优化决策的参数，而下层问题目标函数最优值反馈到上层问题约束中；上、下层问题构成一个相互关联的整体，实现对电网运行安全性和经济性的统筹兼顾。
（3）鲁棒性
本发明模型在机组爬坡速率约束、备用约束、线路传输容量约束中考虑了最“劣”情况，要求下层问题中对于风电、负荷功率在允许或预期范围内的任意波动，各类电网运行约束均可满足，能够保证决策结果的鲁棒性。
附图说明
以下将结合附图对本发明作进一步说明：
图1是本发明具体实施例的含风电系统鲁棒实时调度模型的基本框架示意图；
图2是本发明的验证算例所使用的6节点系统示意图；
图3是本发明的验证算例中上下层问题目标函数关系图；
图4是风电在前瞻时段内预期波动范围与本发明模型决策的允许波动范围对比情况图。
具体实施方式
若系统由火电机(假设全部为AGC机组)、风电场及负荷构成，图1是本发明应用实施例的含风电系统鲁棒实时调度模型的基本框架示意图。
根据图1所示的调度框架，在实时调度开始前，各节点负荷、风电需要上报前瞻时段内功率预测值Pd、PW，以及围绕预测值的预期波动量。在不考虑机组、输电线路随机故障的条件下，实时调度的目的在于经济的决策AGC机组基点PG及参与因子α，以尽可能满足负荷与风电不确定性。
假设负荷功率在预测值基础上预期的上、下波动量分别为
Figure DEST_PATH_IMAGE135
、
Figure DEST_PATH_IMAGE136
，该波动范围可根据风电波动的概率分布，按一定置信度取值；暂不考虑负荷的可控措施，负荷在预期范围内波动时，电网均应满足。
假设风电功率在预测值基础上预期的上、下波动量分别为
Figure DEST_PATH_IMAGE137
、
Figure DEST_PATH_IMAGE138
，其取值大小一般由外界自然环境决定。由于风电具有较强的波动性和间歇性，风电波动可能超出AGC机组调节范围所对应的允许值，危及电网运行安全。实时调度应决策风电功率在前瞻时段内允许的上、下波动量，假设分别为
Figure DEST_PATH_IMAGE139
、
Figure DEST_PATH_IMAGE140
。若满足如下约束，
Figure DEST_PATH_IMAGE141
(39)
表示风电在预期范围内的波动电网均可满足，不会危及电网运行安全；否则，风电波动可能超出AGC机组最大调节范围，影响电网输电安全及频率质量。因此，实时调度需要根据电网运行条件，决策AGC机组运行基点，并尽量保证运行基点所能覆盖的风电允许波动范围与预期风电波动范围一致。然而，这往往增加了AGC机组调节负担，造成电网运行成本的提高。为协调风电接入后电网运行安全性与经济性间的矛盾，本发明提出了鲁棒两层优化的的解决思路，该思路的核心在于：上层问题关注风电接入后电网运行安全，最小化风电允许波动范围与预期波动范围的差异，而下层构成以最小化电网运行成本为目标的决策问题。
上层问题目标函数表示为，
Figure DEST_PATH_IMAGE142
(1)
式中：T为前瞻时段数量；J为风电场数量；
Figure DEST_PATH_IMAGE143
、
Figure DEST_PATH_IMAGE144
分别为t时段风电场j预期的功率上、下波动量，为固定常数；
Figure DEST_PATH_IMAGE145
、
Figure DEST_PATH_IMAGE146
分别为t时段风电场j允许的功率上、下波动量，为待决策量。
公式（1）的约束条件包括：
Figure DEST_PATH_IMAGE147
(2)
Figure DEST_PATH_IMAGE148
(3)
Figure DEST_PATH_IMAGE149
(4)
式中：TC为下层问题目标函数最优值，即电网运行成本最小值；
Figure DEST_PATH_IMAGE150
为电网运行成本允许的最大值。
算例说明：下面将采用6节点系统对本发明模型进行仿真验证，6节点系统如图2所示；节点5接有风电场，风电功率预测值采用某风电场历史数据；在节点3、节点6接有常规负荷，负荷功率采用某省级电网2座220kV变电站负荷数据。线路、风电以及相应的负荷数据见表1～表3，前瞻周期为1h，各时段时间长度为5min。
表1 常规负荷参数
Figure DEST_PATH_IMAGE151
表2风电功率参数
Figure DEST_PATH_IMAGE152
表3线路参数
Figure DEST_PATH_IMAGE153
以安全性最大为目标：假设实时调度的目标为AGC机组运行基点能够在电网运行安全范围内最大化覆盖风电波动，设定本发明模型中
Figure DEST_PATH_IMAGE154
为远大于电网正常运行成本的固定常数，本例中设为40000 USD/MWh。根据本发明模型，AGC机组在前瞻时段内的输出功率基点如下表4所示。
表4机组输出功率基点和备用容量
Figure DEST_PATH_IMAGE155
根据表4所示决策结果，AGC机组运行基点能够在满足电网运行安全约束前提下，完全覆盖风电、负荷预期的波动，体现决策结果的鲁棒性。
同时，该决策结果对应的实际电网运行成本为20749.4 USD/MWh，远低于设定的预期运行成本上限。可见，本发明模型能够在保证上层问题目标函数最优性的前提下，自动寻求电网运行成本最低的调度解。
安全性与经济性间的协调：为进一步量化分析本发明模型中上层问题目标函数与下层问题目标函数间的牵制关系，将
Figure 272117DEST_PATH_IMAGE154
取值由20749.4 USD/MWh逐渐减小，在此过程中上、下层问题目标函数最优值变化情况如图3所示（由于机组成本系数为固定常数，图3近似为线性）。
由图3可知，随着电网运行成本的降低，AGC机组调控范围减小，上层问题目标函数值逐渐增加，即AGC机组调控范围所能覆盖的风电波动量逐渐减小。图3中的任一点，均对应了电网在满足一定风电波动水平下，运行成本最小的调度解，可辅助调度人员根据目标偏好从中选择。
以图3中
Figure 94580DEST_PATH_IMAGE154
取值为20000USD/MWh为例，此时上层问题目标函数最优值为81.75MW，风电在前瞻时段内预期波动范围与本发明模型决策的允许波动范围对比情况如图4所示。
由图4可知，在前瞻周期内仅有少数时段风电允许波动范围与风电预期波动范围一致，即在该时段内风电任意波动电网均可满足，不会危及电网运行安全。在其它时段内，风电允许波动范围均小于预期波动范围，风电在预期范围内的波动可能会造成输电线路传输功率越限或影响电网频率质量。本发明模型所决策的风电允许波动范围，可进一步为风电场自治手段的配置提供参考。
本发明的鲁棒两层优化模型解决了大规模风电接入后电力系统实时调度面临强不确定性的问题，具有以下优点：
（1）本发明模型能够在保证电网安全运行的同时，兼顾电网运行经济性，符合调度需求；
（2）本发明模型考虑了风电波动最苛刻的情况，能够保证决策结果的鲁棒性；
（3）在上层问题中引入电网运行成本预期上限，上下层问题构成有机统一的整体。
本发明模型最终转化为混合整数规划模型进行求解，并采用商业软件进行求解。

Claims (5)

1.一种含风电系统实时调度的鲁棒两层优化模型，其特征在于：包括上层问题和下层问题，上层问题关注风电接入后电网运行安全，最小化风电允许波动范围与预期波动范围的差异；下层问题构成以最小化电网运行成本为目标的决策问题 ；
下层问题以运行成本最小为目标，所述运行成本包括机组发电成本和备用成本；
其中，机组发电成本采用线性或分段线性方式表示；具体如下式所示，
Figure DEST_PATH_IMAGE002A
(5)
式中：NG为AGC机组数量；
Figure 951763DEST_PATH_IMAGE003
为t时段机组i输出功率基点；
Figure 665641DEST_PATH_IMAGE004
为机组i发电成本系数；
Figure 710958DEST_PATH_IMAGE005
、
Figure 902905DEST_PATH_IMAGE006
为t时段机组i上调、下调备用容量；
Figure 264747DEST_PATH_IMAGE007
、
Figure 883947DEST_PATH_IMAGE008
分别为机组i提供上调、下调备用的成本系数；
公式（5）的约束条件包括：
（5-1）功率平衡约束
Figure DEST_PATH_IMAGE010A
(6)
式中：
Figure 760768DEST_PATH_IMAGE011
为t时段风电场j功率预测值；K为常规负荷数量；
Figure 756405DEST_PATH_IMAGE012
为t时段负荷k功率预测值；
（5-2）机组输出功率范围约束
Figure DEST_PATH_IMAGE014A
(7)
Figure DEST_PATH_IMAGE016A
(8)
式中：
Figure 848120DEST_PATH_IMAGE017
、
Figure 638222DEST_PATH_IMAGE018
分别为机组i最大、最小允许输出功率；
（5-3）机组调节能力约束
受爬坡速率的限制，调度时段内AGC调节能力是有限的，应满足如下约束，
Figure DEST_PATH_IMAGE020A
(9)
Figure DEST_PATH_IMAGE022A
(10)
式中：
Figure 340687DEST_PATH_IMAGE023
为机组i最大允许调节速率；
Figure 608857DEST_PATH_IMAGE024
为调度时段长度；
（5-4）机组爬坡速率约束
当机组在t-1时段输出功率基点处于其调节范围下限、t时段输出功率基点需位于调节范围上限时，或当机组在t-1输出功率基点处于其调节范围上限、t时段输出功率基点需位于调节范围下限时，将分别对应机组爬坡速率要求最为苛刻的两种情况；对应上述两种最“劣”情况，须满足如下约束，
Figure DEST_PATH_IMAGE026A
(11)
Figure DEST_PATH_IMAGE028A
(12)
（5-5）备用约束
当t时段风电波动等于其向下波动量、负荷波动等于其向上波动量时，或当t时段风电波动等于其向上波动量、负荷波动等于其向下波动量时，将分别对应AGC机组调节范围要求最为苛刻的两种情况；对应上述两种最“劣”情况，须满足如下约束，
Figure DEST_PATH_IMAGE030A
(13)
Figure DEST_PATH_IMAGE032A
(14)
式中：
Figure 227182DEST_PATH_IMAGE033
、
Figure 188185DEST_PATH_IMAGE034
分别为t时段负荷k功率预期的上、下波动量；
（5-6）线路传输容量约束
当风电、负荷在允许或预期波动范围内变化时，应保证线路传输功率不超出其传输容量，为此，须满足如下正向输电线路传输容量约束，
Figure DEST_PATH_IMAGE036A
(15)
式中：
Figure 570756DEST_PATH_IMAGE037
为线路l最大传输容量；
Figure 377038DEST_PATH_IMAGE038
、
Figure 302400DEST_PATH_IMAGE039
、
Figure 168725DEST_PATH_IMAGE040
分别为机组i、风电j、负荷k相对线路l的功率转移分布因子；
Figure 428805DEST_PATH_IMAGE041
、
Figure 38778DEST_PATH_IMAGE042
分别为t时段风电j、负荷l功率在允许和预期波动范围内的随机波动量，为不确定量；
Figure 818646DEST_PATH_IMAGE043
为机组i在参与因子引导下的功率调整量，待不确定量实现后依据AGC调整规则确定。
2.根据权利要求1所述的含风电系统实时调度的鲁棒两层优化模型，其特征在于，上层问题目标函数表示为，
Figure DEST_PATH_IMAGE045A
(1)
式中：T为前瞻时段数量；J为风电场数量；
Figure 200080DEST_PATH_IMAGE046
、
Figure 416297DEST_PATH_IMAGE047
分别为t时段风电场j预期的功率上、下波动量，为固定常数；
Figure 95541DEST_PATH_IMAGE048
、
Figure 979183DEST_PATH_IMAGE049
分别为t时段风电场j允许的功率上、下波动量，为待决策量。
3.根据权利要求2所述的含风电系统实时调度的鲁棒两层优化模型，其特征在于，公式（1）的约束条件包括：
Figure DEST_PATH_IMAGE051A
(2)
Figure DEST_PATH_IMAGE053A
(3)
Figure DEST_PATH_IMAGE055A
(4)
式中：TC为下层问题目标函数最优值，即电网运行成本最小值；
Figure 690042DEST_PATH_IMAGE056
为电网运行成本允许的最大值。
4.根据权利要求1所述的含风电系统实时调度的鲁棒两层优化模型，其特征在于，式（15）中
Figure 409867DEST_PATH_IMAGE057
、
Figure 361643DEST_PATH_IMAGE058
为不确定量，在式（15）所示约束中，
Figure DEST_PATH_IMAGE060A
(16)
Figure DEST_PATH_IMAGE062A
(17)
Figure DEST_PATH_IMAGE064A
(18)
对于反向输电线路传输容量约束，即，
Figure DEST_PATH_IMAGE066A
(19)
式（19）中不确定量的取值满足，
Figure DEST_PATH_IMAGE068A
(20)
Figure DEST_PATH_IMAGE070A
(21)
Figure DEST_PATH_IMAGE072A
(22)。
5.权利要求1所述的含风电系统实时调度的鲁棒两层优化模型的转化等效方法，其特征在于，包括如下步骤：
1）将下层问题用其Kuhn-Tucker条件代替，两层线性规划问题转化为如下单层规划问题，
Figure DEST_PATH_IMAGE074A
(28)
Figure DEST_PATH_IMAGE076A
(29)
Figure DEST_PATH_IMAGE078A
(30)
Figure DEST_PATH_IMAGE080A
(31)
Figure DEST_PATH_IMAGE082A
(32)
Figure DEST_PATH_IMAGE084A
(33)
Figure DEST_PATH_IMAGE086A
(34)
式中：u，v为对偶乘子；w为松弛变量；其中，式（30）—式（34）与下层问题等效；
x为上层问题决策量，表示风电功率允许的上、下波动量；y为下层问题决策量，表示AGC机组输出功率基点、备用容量等；c1、c2分别为上、下层问题目标函数中的成本系数；A、B为上层问题约束对应的系数矩阵；C、D为下层问题约束对应的系数矩阵；b1、b2分别为上、下层问题约束对应的向量；
2）在步骤1）中的式（32）、式（33）为非线性互补松弛条件；通过引入一个充分大的常数M和0-1辅助变量，消除模型中的非线性项；
Figure DEST_PATH_IMAGE088A
(35)
Figure DEST_PATH_IMAGE090A
(36)
Figure DEST_PATH_IMAGE092A
(37)
Figure DEST_PATH_IMAGE094A
(38)
在式（35）～式（38）中，t、z为引入的0-1辅助变量；i、j为向量行号；
式（32）与式（35）、式（36）等效，式（33）与式（37）、式（38）等效。
CN201710656274.XA 2017-08-03 2017-08-03 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 Active CN107203855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710656274.XA CN107203855B (zh) 2017-08-03 2017-08-03 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710656274.XA CN107203855B (zh) 2017-08-03 2017-08-03 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

Publications (2)

Publication Number Publication Date
CN107203855A CN107203855A (zh) 2017-09-26
CN107203855B true CN107203855B (zh) 2020-07-07

Family

ID=59911692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710656274.XA Active CN107203855B (zh) 2017-08-03 2017-08-03 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

Country Status (1)

Country Link
CN (1) CN107203855B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108011394A (zh) * 2017-12-08 2018-05-08 浙江大学 一种考虑风电降载的电力系统鲁棒备用优化方法
CN108305001B (zh) * 2018-01-26 2023-05-26 国网辽宁省电力有限公司 新能源电力系统中紧急调控域的调度方法
CN108233430B (zh) * 2018-02-05 2020-11-06 三峡大学 一种计及系统能源波动性的交直流混合微网优化方法
CN108985502B (zh) * 2018-07-02 2022-02-15 国网江西省电力有限公司经济技术研究院 基于两层电能替代规划模型的规划方法及算法框架
CN111181154A (zh) * 2019-12-23 2020-05-19 北京交通大学 互联微网储能容量优化配置方法
CN112053034B (zh) * 2020-08-11 2022-08-05 云南电网有限责任公司 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN112200498A (zh) * 2020-09-02 2021-01-08 国网冀北电力有限公司承德供电公司 一种基于动态调度决策分析的电网经济运行方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664423B (zh) * 2012-05-30 2014-09-17 山东大学 基于粒子群算法的风电场储能容量控制方法
CN102904248B (zh) * 2012-09-27 2014-06-25 广东电网公司电力调度控制中心 基于风电出力不确定性集合的电力系统调度方法
CN103904664B (zh) * 2014-04-03 2016-06-01 国家电网公司 一种基于有效静态安全域的agc机组实时调度方法
CN104242356B (zh) * 2014-09-26 2016-07-06 国家电网公司 考虑风电场集电线故障的鲁棒区间风电调度方法及装置
CN104979850B (zh) * 2015-07-01 2017-09-26 国网山东省电力公司经济技术研究院 一种储能参与备用的含风电的电力系统调度方法
CN105870962B (zh) * 2016-03-31 2019-03-12 国家电网公司 一种考虑电力系统频率响应特性的鲁棒区间风电调度方法
CN106253352B (zh) * 2016-08-17 2017-09-29 山东大学 计及风电概率分布特征的鲁棒实时调度方法
CN106953354B (zh) * 2017-03-10 2019-11-08 国网山东省电力公司经济技术研究院 考虑电压支撑的含风电电力系统机组组合方法

Also Published As

Publication number Publication date
CN107203855A (zh) 2017-09-26

Similar Documents

Publication Publication Date Title
CN107203855B (zh) 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
CN106505635B (zh) 弃风最小的有功调度模型及调度系统
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN104181895A (zh) 适应新能源接入的短期与超短期协调滚动调度优化策略
CN106384168A (zh) 针对特性各异电源的多目标协调优化调度模型
CN106682808A (zh) 在线滚动优化调度模型
Robertson et al. OPF techniques for real-time active management of distribution networks
CN110034587B (zh) 一种优化调度方法
CN108695857A (zh) 风电场自动电压控制方法、装置及系统
CN113258581B (zh) 一种基于多智能体的源荷协调电压控制方法及装置
CN107069830A (zh) 提高风电消纳能力的方法及装置
CN103904664B (zh) 一种基于有效静态安全域的agc机组实时调度方法
CN107508327A (zh) 基于模型预测控制的配电网自治区域并网功率控制方法
CN113364055A (zh) 一种源网荷储网络化协调频率控制方法
CN114597969B (zh) 计及智能软开关和虚拟电厂技术的配电网双层优化方法
CN113159366A (zh) 一种多微电网系统多时间尺度自适应优化调度方法
CN1937347A (zh) 一种分级递阶无功电压优化控制方法
Nguyen et al. MPC based centralized voltage and reactive power control for active distribution networks
CN112383086A (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN112085327A (zh) 一种配电商参与的主动配电网多层分区调控方法及系统
Tang et al. Intra‐day Dynamic Optimal Dispatch for Power System Based on Deep Q‐Learning
CN109066769B (zh) 风电全消纳下虚拟电厂内部资源调度控制方法
CN110048405A (zh) 基于电力弹簧的微电网能量优化方法
CN109286206A (zh) 一种基于单元网布局下的多级能源主动调控方法
CN108258701A (zh) 调节功率的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant