CN107240933B - 一种考虑风电功率特性的风火协调滚动调度方法 - Google Patents

Abstract

本发明属于电力系统调度领域，具体涉及一种针对大规模风电随机性和波动性对电力系统调度计划制定的影响，提出了基于机会约束混合整数规划考虑风电功率特性的风火协调滚动调度方法。该方法首先研究风电功率特性及其对滚动调度计划制定影响，然后建立了一种考虑风电功率特性的风火协调滚动调度模型，并利用matlab和yamlip联合求解，通过滚动调度策略，有效减少系统备用容量，降低系统运行成本，提高系统的经济性，模型考虑风电爬坡约束，能有效降低风电爬坡事件的危害，提高系统的安全性。本发明基于机会约束混合整数规划，提出了一种考虑风电功率特性的滚动调度方法，并进一步将所提出的方法应用于风火联合系统滚动调度，有效兼顾系统的安全性和经济性，降低大规模风电并网引起的系统调度难度。

Description

一种考虑风电功率特性的风火协调滚动调度方法

技术领域

本发明属于电力系统调度领域，具体涉及一种基于机会约束混合整数规划考虑风电功率特性的风火协调滚动调度方法。

背景技术

随着能源危机和环境污染的日益加剧，风电作为一种清洁无污染的可再生能源，越来越受到全世界的关注。2016年，我国的风电总装机容量为148.64GW，风电开发开始由“三北”地区向东部、南部转移，而随着风电并网容量的不断增加，风电功率的随机性和波动性对电力系统的影响日益加重，尤其是大规模集中风电并网对电力系统调度计划制定的影响。首先，风电具有强随机性，随着其并网容量的不断增加，必然会给系统的安全性和稳定性带来不利影响，并且由于气候环境等多种因素的影响，风电的预测精度很低，且对于不同的预测时间尺度呈现“远大近小”的趋势；其次风电具有强波动性，当受到龙卷风、强对流等天气的影响时，风电将会出现爬坡现象，而风电爬坡事件是风电波动性的显著体现，风电爬坡事件的发生可能会导致大面积停电。这都会对电力系统调度计划的制定带来严峻的挑战，因此，为适应电力行业新的发展趋势，考虑风电功率特性的风火协调滚动调度，对我国电力行业的未来发展乃至国民经济环保高效的可持续发展都具有重要意义。

针对上述问题，国内外学者开展了一系列研究并取得了丰硕成果。刘天琪，何川，胡晓通等人设计一种风电爬坡优化控制方法(专利号201510770528.1)，罗建春，罗洪，冉鸿等人设计了一种风光储能并网发电智能优化调度方法(专利号CN201410578942.8)，但其采用储能弥补风电的随机性和波动性，由于储能设备的高成本性，使其不能大规模应用。戚永志，刘玉田设计了一种基于竞争博弈的风电爬坡协同控制系统及方法(专利号201310194192.X)，但是其通过风电场群之间的协同控制来改善风电爬坡特性，如果只依靠风电场群进行爬坡控制，具有一定的局限性，经济性不高。总体而言，目前针对考虑风电功率特性的风火协调滚动调度的研究还很少，多采用储能设备平抑风电波动，但成本较高，故探索考虑风电功率特性的风火协调滚动调度新的求解方案具有一定实际应用价值。

发明内容

本发明所要解决的技术问题是提供一种考虑风电功率特性的风火协调滚动调度方法，在研究风电功率特性及其对滚动调度的影响的基础上，建立了风电预测误差和风电爬坡模型，进而建立考虑风电功率特性的风火协调滚动调度模型，基于机会约束混合整数规划，提出了一种风火协调滚动调度策略，使其能有效兼顾系统的安全性和经济性，降低大规模风电并网引起的系统调度难度。

为了实现上述目的，本发明提供的技术方案如下：

一种考虑风电功率特性的风火协调滚动调度方法，所述方法包括如下步骤：

步骤(1)利用Matlab求得的风电预测误差概率密度函数，求出不同时刻随机约束的确定性形式。

步骤(2)将(1)求出的确定约束输入到Yamlip中，构建混合整数规划模型。

步骤(3)采用滚动调度策略，调用solvesqp求解器对模型进行求解。

步骤(4)将求得的结果返回Matlab，并用图像形式输出。

本发明步骤(3)中采用的滚动调度策略如下：

1)读入滚动调度的初始数据(火电机组基础参数、负荷数据和机组爬坡速率等)

2)每隔一个滚动周期，系统自动获取下一个周期的最新气象信息，预测最新周期的风电出力，并修改对应的系统备用。

3)获取上个滚动周期末端得到的各机组初始状态，包括机组的出力和运行状态。

4)启动滚动调度程序，计算下一周期的火电机组启停计划和机组出力。

5)验证所得结果的安全性，若在该周期中机组启停发生变化，且在下一周期调度中不满足约束，则修改该周期最末的启停变化，若满足约束，则调度继续。

6)重复步骤2)～5)，直至更新一天所有时刻的系统调度计划。

本发明步骤(2)中模型建立如下：

目标函数包括火电机组发电成本、机组启停成本和备用购买成本。

其中a_i，b_i，c_i为火电机组运行成本系数，u_i，t为机组i在t时刻的启停状态，1表示开机，0表示停机。S_i，t表示机组i在t时刻的启动成本，μ_i，ε_i为启动成本特性参数，τ_i为锅炉自然冷却时间常数，

为连续停机时间，本模型中假设停机成本为0。P_i，t为机组i在时段t的出力，U_i，t，D_i，t为机组i在时段t提供的正负旋转备用，α_i，β_i为正负旋转备用容量的报价系数。

约束条件

(1)功率平衡约束

其中P_wft为风电预测出力，e_t为风电预测误差，假定其服从正态分布，L(t)为t时刻系统的负荷值，α为功率平衡约束的置信水平。

(2)最大最小出力约束

u_i，tP_{i min}≤P_i，t≤u_i，tP_{i max} (4)

其中P_{i min}，P_{i max}分别为机组i的最大最小出力。

(3)机组启停时间约束

其中

分别为机组i到时段t-1的连续开机和停机时间，

分别为机组i最小开机和停机时间。

(4)旋转备用约束

r_i，u，r_i，d和分别为机组i的出力下调速率和上调速率，t_r旋转备用响应时间，本文中取10min。

分别为火电机组在时段t需要提供的上下旋转备用容量。

(5)常规机组爬坡约束

P_i，t-P_i，t-1≤u_i，t-1×r_i，u×Δt+SU_i(u_i，t-u_i，t-1)+P_{i max}(1-u_i，t) (7)

P_i，t-1-P_i，t≤u_i，t×r_i，d×Δt+SD_i(u_i，t-1-u_i，t)+P_{i max}(1-u_i，t-1) (8)

其中SU_i和SD_i为机组i的启动爬坡能力和停机爬坡能力(本模型中取其为0.7×P_{i max})，Δt为机组运行时间。由于本模型中考虑调度过程中机组启停的变化，故对常规机组爬坡约束做如下约定：当常规机组出力小于等于SD_i，且满足机组启停约束时，才允许机组停机。

(6)风电爬坡事件约束

本发明中滚动调度模型增加风电爬坡约束，在约束中考虑机组启停的修正，以保证在发生风电爬坡事件时系统不甩负荷。

式中ΔP_Lut，ΔP_Ldt分别为系统负荷在发生风电爬坡事件过程中单位步长的上升量和下降量，ΔP_dt，ΔP_ut分别为风电发生爬坡事件过程中单位步长的下降幅值和上升幅值，Cu_i，t，Cd_i，t分别为系统在单位步长中火电机组的上、下爬坡容量。

滚动策略步骤(1)中初始数据包括常规机组的最大最小出力，常机组的爬坡能力，常规机组发电成本参数，风电预测出力，负荷预测值。

对于随机约束的处理如式(10)所示：

与现有的技术方案相比，本发明的有益效果为：本发明在研究风电功率特性及其对滚动调度计划制定影响的基础上，建立了一种考虑风电功率特性的风火协调滚动调度模型，并利用matlab和yamlip联合求解，通过滚动调度策略，有效减少系统备用容量，降低系统运行成本，提高系统的经济性，模型考虑风电爬坡约束，能有效降低风电爬坡事件的危害，提高系统的安全性。具有一定的现实意义。

附图说明

图1为整体调度算法流程图

图2为误差分布和预测时间尺度关系图

图3为风电预测出力和系统负荷曲线图

图4(a)为日前调度和滚动调度的机组启停结果

图4(b)为日前调度和滚动调度的机组启停结果

图5(a)为日前调度和滚动调度的机组出力对比图

图5(b)为日前调度和滚动调度的机组出力对比图

图6为风电发生下爬坡事件时的风电出力

图7(a)为发生风电爬坡事件时的机组启停结果

图7(b)为发生风电爬坡事件时的机组启停结果

图8(a)为发生风电爬坡事件时的机组出力对比图

图8(b)为发生风电爬坡事件时的机组出力对比图

具体实施方式

下面结合附图，对本发明做进一步的详细说明，但本发明的实施方式不限于此。

本发明针对大规模风电随机性和波动对电力系统调度计划制定的影响而设计一种基于机会约束混合整数规划的风火协调滚动调度算法。算法整体流程图如图1所示，包括如下步骤：

步骤(1)利用Matlab求得的风电预测误差概率密度函数，求出不同时刻随机约束的确定性形式。

步骤(2)将(1)求出的确定约束输入到Yamlip中，构建混合整数规划模型。

步骤(3)采用滚动调度策略，调用solvesqp求解器对模型进行求解。

步骤(4)将求得的结果返回Matlab，并用图像形式输出。

各步骤中的具体内容已在说明书中进行了详细的说明，这里不再一一具体说明。

本发明的关键在于步骤1中风电预测误差的处理和步骤(3)中滚动调度策略在该调度中的应用，下面对该应用方法进行详细的说明。

本发明中对风电预测误差的处理采用随机约束，对于随机约束的处理如下所示：

本发明采用的滚动调度策略如下：

1)读入滚动调度的初始数据(火电机组基础参数、负荷数据和机组爬坡速率等)

2)每隔一个滚动周期(4h)，系统自动获取下一个周期的最新气象信息，预测最新周期的风电出力，并修改对应的系统备用。

3)获取上个滚动周期末端得到的各机组初始状态，包括机组的出力和运行状态。

4)启动滚动调度程序，计算下一周期的火电机组启停计划和机组出力。

5)验证所得结果的安全性，若在该周期中机组启停发生变化，且在下一周期调度中不满足约束，则修改该周期最末的启停变化，若满足约束，则调度继续。

6)重复步骤2)～5)，直至更新一天所有时刻的系统调度计划。

下面通过仿真实例对本发明所设计的方法进行验证。

为验证本发明所提滚动调度方法的有效性，以风火联合系统为例对滚动优化结果进行仿真分析。算例系统由10台火电机组和1个风电场构成，其中风电场的装机容量为500MW，常规机组参数如表1所示。风电预测和系统负荷数据如图3所示，其中风电预测数据滚动更新，其预测误差如图2所示。

表1 各常规机组的参数

发电机	P<sub>max</sub>	P<sub>min</sub>	a	b	c	α	β
								G1	60	15	0.0015	2.2034	15	17.70	15.40
G2	80	20	0.00396	1.9101	25	14.10	13.10
								G3	100	30	0.00393	1.8518	40	13.89	11.80
G4	120	25	0.00382	1.6966	32	16.74	12.51
								G5	150	50	0.00212	1.8015	29	18.14	15.34
G6	280	75	0.00261	1.5354	72	13.53	11.23
								G7	320	120	0.00289	1.2643	49	14.70	13.60
G8	445	125	0.00148	1.213	82	16.36	12.34
								G9	520	250	0.00127	1.1954	105	15.43	14.51
G10	550	250	0.00105	1.1285	100	17.86	1502
								发电机	τ	μ	ε	T<sub>on，min</sub>	T<sub>off，min</sub>	r<sub>u</sub>	r<sub>d</sub>
G1	3	0	85	2	2	0.3	0.3
								G2	3	0	101	2	2	0.4	0.4
G3	3	0	114	2	2	0.5	0.5
								G4	4	0	95	3	3	0.6	0.6
G5	4	0	113	3	3	0.75	0.75
								G6	6	0	176	5	5	1.4	1.4
G7	8	0	187	5	5	1.6	1.6
								G8	10	0	227	8	8	2.225	2.225
G9	12	0	267	8	8	2.6	2.6
								G10	12	0	280	8	8	2.75	2.75

为研究风电预测误差对电力系统调度的影响，对比分析日前调度和滚动调度结果。其中滚动调度的滚动周期为4h，时间尺度为15min。系统在两种调度策略下下连续24小时的机组启停计划和机组出力结果如图4(a)、图4(b)、图5(a)和图5(b)所示，其中图5(a)和图5(b)中实线为日前调度出力，点线为滚动调度出力。

从图4(a)、图4(b)、图5(a)和图5(b)可以看出，，同一时刻日前调度的开机数量除81-89时刻外均大于滚动调度，这种情况在92-96时刻时尤为明显，因为风电预测在不同时间尺度内的预测误差呈现“远大近小”的趋势，日前调度的预测尺度为24h，在预测时间尺度的末端风电预测误差显著增加，故需要增开机组以保证系统所需的旋转备用充足，以防由于风电波动造成系统功率不平衡。而对于滚动调度，由于其风电预测数据滚动更新，预测时间尺度相比日前调度更小，预测更加准确；而在81-89时刻时，虽然滚动调度的开机数量大于日前调度，但是两者在该时段总的煤耗成本分别为31667元和31789元，运行总成本分别为33318元和58958元，由此可知虽然在该时段滚动调度的开机数量大于日前优化，但是其更加经济。

进一步从火电机组出力考虑，因为日前调度同时刻开机数量较多，其相同火电机组相比滚动调度出力较低，该现象在92-96时刻尤为明显。

表2 日前优化和滚动优化的系统运行成本

两种调度方式的运行成本如表2所示。相比于日前调度，虽然滚动调度煤耗成本略有增加，但其启停成本、备用购买成本和运行总成本均明显优于日前调度，其中备用购买成本减小77.5％，运行总成本减小24.3％。由此可见采用滚动调度降低风电预测误差对系统调度的影响，减少系统的运行成本。

风电出力特性除随机性外，还具有波动性，风电爬坡事件是其波动性的显著表现，因此本发明研究风电发生爬坡事件的情况下系统的调度计划。本发明构建如下风电爬坡事件：在71时刻风电出力以13MW/min的平均速率开始下降，持续30min；持续较低出力一小时后，以10MW/min持续上涨至正常状态。发生风电爬坡事件时风电出力如图6所示。

由图7(a)、图7(b)、图8(a)和图8(b)可知，在系统发生风电爬坡事件(71时刻)之前，两种情况的机组启停计划完全相同，发生风电爬坡事件之后，不考虑风电爬坡约束的机组组合方式，虽然机组有足够的容量，但是由于开机机组上爬坡能力不足导致其不能平抑风电下降造成的功率缺额，从而造成系统功率不平衡，进而发生甩负荷；考虑风电爬坡约束的机组组合方式则在风电爬坡事件发生之后，同时开启机组2、3、6，提高系统整体的爬坡速率，使其不小于风电出力的下降速率，保证系统的安全性。从火电机组出力考虑，在71时刻之前，两者出力完全相同，在风电爬坡事件发生之后，机组8、9、10出力有少量下降，因为开启了其他机组，以保证系统备用的充足。

表3 发生风电爬坡时的系统运行成本

由表3可知，考虑风电爬坡约束滚动调度的系统运行成本除备用购买成本外，均高于不考虑风电爬坡约束滚动调度。但其总成本仅增加了1.95％就大大提高了系统的安全性，说明本文提出的滚动调度策略具有一定的可行性。

Claims (3)

1.一种考虑风电功率特性的风火协调滚动调度方法，其特征在于，所述方法包括如下步骤：

步骤(1)利用Matlab求得的风电预测误差概率密度函数，求出不同时刻随机约束的确定性形式；

步骤(2)将(1)求出的确定约束输入到Yamlip中，构建混合整数规划模型；

所述模型建立如下：

目标函数包括火电机组发电成本、机组启停成本和备用购买成本；

其中a_i，b_i，c_i为火电机组运行成本系数，u_i，t为机组i在t时刻的启停状态，1表示开机，0表示停机，S_i，t表示机组i在t时刻的启动成本，μ_i，ε_i为启动成本特性参数，τ_i为锅炉自然冷却时间常数，

为连续停机时间，本模型中假设停机成本为0，P_i，t为机组i在时段t的出力，U_i，t，D_i，t为机组i在时段t提供的正负旋转备用，α_i，β_i为正负旋转备用容量的报价系数；

约束条件

(1)功率平衡约束

其中P_wft为风电预测出力，e_t为风电预测误差，假定其服从正态分布，L(t)为t时刻系统的负荷值，α为功率平衡约束的置信水平；

(2)最大最小出力约束

u_i，tP_imin≤P_i，t≤u_i，tP_imax (4)

其中P_imin，P_imax分别为机组i的最大最小出力；

(3)机组启停时间约束

其中

分别为机组i到时段t-1的连续开机和停机时间，

分别为机组i最小开机和停机时间；

(4)旋转备用约束

r_i，u，r_i，d和分别为机组i的出力下调速率和上调速率，t_r旋转备用响应时间，

分别为火电机组在时段t需要提供的上下旋转备用容量，γ为旋转备用容量约束的置信水平；

(5)常规机组爬坡约束

P_i，t-P_i，t-1≤u_i，t-1×r_i，u×Δt+SU_i(u_i，t-u_i，t-1)+P_imax(1-u_i，t) (7)

P_i，t-1-P_i，t≤u_i，t×r_i，d×Δt+SD_i(u_i，t-1-u_i，t)+P_imax(1-u_i，t-1) (8)

其中SU_i和SD_i为机组i的启动爬坡能力和停机爬坡能力，Δt为机组运行时间，由于本模型中考虑调度过程中考虑机组启停的变化，故对常规机组爬坡约束做如下约定：当常规机组出力小于等于SD_i，且满足机组启停约束时，才允许机组停机；

(6)风电爬坡事件约束

滚动调度模型增加风电爬坡约束，在约束中考虑机组启停的修正，以保证在发生风电爬坡事件时系统不甩负荷；

式中ΔP_Lut，ΔP_Ldt分别为系统负荷在发生风电爬坡事件过程中单位步长的上升量和下降量，ΔP_dt，ΔP_ut分别为风电发生爬坡事件过程中单位步长的上升幅值和下降幅值，Cu_i，t，Cd_i，t分别为系统在单位步长中火电机组的上、下爬坡容量，β为风电爬坡约束的置信水平；

对风电预测误差的处理采用随机约束，对于随机约束的处理如下所示：

g_i(x，ζ)为关于决策变量x和随机变量ζ的函数，h_i(x)是关于x的函数，φ为关于随机变量ζ的分布函数，φ^-1是分布函数的反函数；

步骤(3)采用滚动调度策略，调用solvesqp求解器对模型进行求解；

所述滚动调度策略如下：

1)读入滚动调度的初始数据：火电机组基础参数、负荷数据和机组爬坡速率；

2)每隔一个滚动周期4h，系统自动获取下一个周期的最新气象信息，预测最新周期的风电出力，并修改对应的系统备用；

3)获取上个滚动周期末端得到的各机组初始状态，包括机组的出力和运行状态；

4)启动滚动调度程序，计算下一周期的火电机组启停计划和机组出力；

5)验证所得结果的安全性，若在该周期中机组启停发生变化，且在下一周期调度中不满足约束，则修改该周期最末的启停变化，若满足约束，则调度继续；

6)重复步骤2)～5)，直至更新一天所有时刻的系统调度计划；

步骤(4)将求得的结果返回Matlab，并用图像形式输出。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中初始数据包括常规机组的最大最小出力，常规机组的爬坡能力，常规机组发电成本参数，风电预测出力，负荷预测值。

3.根据权利要求1所建模型，其特征在于，约束(5)中机组启动和停机爬坡能力SU_i和SD_i为0.7*P_imax。

Images