CN107565606B - 计及预测可信度差异性的配电网风光水发电优化调度方法 - Google Patents
计及预测可信度差异性的配电网风光水发电优化调度方法 Download PDFInfo
- Publication number
- CN107565606B CN107565606B CN201710780471.2A CN201710780471A CN107565606B CN 107565606 B CN107565606 B CN 107565606B CN 201710780471 A CN201710780471 A CN 201710780471A CN 107565606 B CN107565606 B CN 107565606B
- Authority
- CN
- China
- Prior art keywords
- load
- wind
- value
- power generation
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 124
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000012546 transfer Methods 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 9
- 230000029087 digestion Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及预测可信度差异性的配电网风光水发电优化调度方法,结合配电网风光水运行特性及用电负荷特性,分别制定小水电优化调度方案和邻区负荷转移方案,在对风光水发电优化调度的过程中,精细化考虑不同预测量在不同时段的预测可信度,将系统的运行裕度、调节能力向随机性强、预测不够准确的时段倾斜,提高了用电负荷追踪能力及配电网安全运行水平。本发明利用可灵活调度的发电资源和用电负荷,通过协调优化制定合理的调度计划,提高了本地区域对风光水电可再生能源的消纳能力,减少了电量反送上级电网及弃风弃光情况的发生。
Description
技术领域
本发明涉及可再生能源电力消纳技术领域,尤其涉及一种计及预测可信度差异性的配电网风光水发电优化调度方法。
背景技术
随着以风电、光伏为代表的分布式可再生能源发电在不同电压等级的规模化接入,对配电网的运行调度模式产生了较大的影响。特别是一些靠近山区丘陵地带的配电网,风电、光伏、水电资源丰富,而用电负荷相对较小,电网也相对薄弱,极易出现本地消纳方面的困难。如何在充分保证电网安全经济的条件下,最大限度地提高可再生能源利用效率成为当前配电网运行管理中面临的重要问题。
针对分布式可再生能源消纳问题,目前国内外学者已开展了大量相关研究工作。部分文献提出了调动广泛灵活的充裕性资源协同参与系统调节,提高风电消纳能力的基本理念和方法,考虑了发电、输配电、用电等环节灵活充裕性资源及综合火电、水电和风电的发电技术特性,以系统运行成本最低为目标,建立了风电消纳能力分析模型。部分文献考虑到风电、光伏功率预测的不确定性,采用机会约束规划的方法建立优化模型,在求解算法上,或采用遗传算法、粒子群优化算法,以提高寻优的效率。部分文献采用概率距离分析及拉丁超立方采用等方法缩减样本,以减少分析场景并尽量增加样本的代表性,从而将随机优化问题转变为确定性优化问题。上述研究对预测量可信度的处理方法较为粗放,没有对不同预测量、不同预测时段的可信度的差异性作精细化考虑,导致电网调度方案对预测可信度差的情况预留资源难以保证,电网运行风险较大。
发明内容
本发明的目的在于提供一种计及预测可信度差异性的配电网风光水发电优化调度方法,能够提高风光水发电对用电负荷的追踪能力,促进可再生能源本地消纳,同时有效降低电网运行风险。
为实现上述目的,本发明采用的技术方案是:
计及预测可信度差异性的配电网风光水发电优化调度方法,包括以下步骤:
A、根据历史上统计的本地区域全天各时段的用电负荷预测值和用电负荷实际值,风光发电预测值和风光发电实际值,分别计算t时段用电负荷预测相对误差的方差t时段风光发电预测相对误差的方差t=1,2,…,24,则t时段用电负荷的预测可信度为:
t时段风光发电的预测可信度为:
B、对本地区域计划日全天各时段的用电负荷和风光发电功率进行预测,得到用电负荷预测值和风光发电预测值,对用电负荷预测值和风光发电预测值作差值,得到功率差值预测值:
PΔ,t=PL,t-PG,t;
其中PΔ,t为t时段功率差值预测值,PL,t为t时段用电负荷预测值,PG,t为t时段风光发电预测值,t=1,2,…,24,当全天各时段的PΔ,t均大于等于设定值P0,t时,进入步骤C,当全天各时段存在PΔ,t小于设定值P0,t的情况时,进入步骤D;
C、制定小水电优化调度方案并进行多场景校验,包括以下步骤:
C1、根据用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电全天的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数;
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为引入的摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
C2、采用蒙特卡洛法对小水电优化调度方案进行校验,以全天各时段的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别加入扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估或消纳情况评估未通过时进入步骤D,当所有场景的安全性评估和消纳情况评估均通过时风光水发电优化调度完成;
D、统计邻近区域可转入的用电负荷,任意选取一个以上用电负荷形成负荷组合,并计算负荷组合全天各时段的用电负荷预测值,将全天各时段的功率差值预测值PΔ,t与用电负荷预测可信度wt,1和风光发电预测可信度wt,2做乘积,按照从小到大的顺序对时段重新排序,依据排序逐个匹配可转入的负荷组合,即依次选取一个负荷组合,将其全天各时段的用电负荷预测值与功率差值预测值PΔ,t对应叠加,得到新的功率差值预测值P′Δ,t,保留可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合,作为待选负荷组合,当不存在可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合时,选择所有邻近区域可转入的用电负荷,作为待选负荷组合,定义待选负荷组合集合M,并将待选负荷组合全部放入待选负荷组合集合M中,定义已选负荷组合集合N,已选负荷组合集合N中初始元素个数为0;
E、从待选负荷组合集合M中选择包含负荷个数最少的负荷组合作为转入负荷组合,当存在两个以上负荷组合包含负荷个数最少时,选择全天用电负荷预测均值最小的负荷组合作为转入负荷组合,并将转入负荷组合从待选负荷组合集合M中取出,放入已选负荷组合集合N中;
F、计算转入负荷组合中各个负荷的全天负荷预测均值,按照从小到大的顺序排序,根据排序逐一选择各个负荷的转移时段,即依次选取一个负荷,从新的功率差值预测值P′Δ,t中扣除当前负荷对应时段的用电负荷预测值后,所得差值小于设定值P0,t的时段为当前负荷必须转入的时段,对当前负荷必须转入的时段进行扩展合并,使得当前负荷的转入转出次数小于固定值;当对所有负荷的转移时段选择完毕后,如果存在同时有两个以上负荷转入或转出的时段,选择当前时段用电负荷预测值较小的负荷提前或延迟转入或转出;
G、根据转入负荷组合中各个负荷的转移时段修正全天各时段的用电负荷预测值,并根据修正后的用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,P′L,t为修正后的t时用电负荷预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数;
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为引入的摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
H、将修正后的用电负荷预测值与风光发电预测值和小水电发电功率预测值做差值,得到修正后的功率差值预测值:
其中为修正后的t时功率差值预测值,P′L,t为修正后的t时用电负荷预测值,PG,t为t时风光发电预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,t=1,2,…,24,当全天各时段的均大于等于设定值P0,t时,进入步骤I,当全天各时段存在小于设定值P0,t的情况时,将风光发电送入上级电网进行调度,然后进入步骤J;
I、采用蒙特卡洛法对经小水电优化调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别确定扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估或消纳情况评估未通过时返回步骤E,当所有场景的安全性评估和消纳情况评估均通过时风光水发电优化调度完成;
J、采用蒙特卡洛法对经上级电网调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、调度后的风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别确定扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时风光水发电优化调度完成。
所述的步骤A中,对预测可信度做归一化处理,则用电负荷t时段的预测可信度为
风光发电t时段的预测可信度为
所述的步骤B中,设定值P0,t为t时段用电负荷预测值与预测平均误差乘积的1.1倍,预测平均误差根据历史上统计的本地区域t时段的用电负荷预测值和用电负荷实际值计算。
所述的步骤I中,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时进行消纳情况评估,对于每一个场景,将全天各时段修正后的用电负荷预测值加入扰动量,然后与小水电发电功率预测值及加入扰动量的风光发电预测值做差值,若存在差值小于0的时段,则该场景记为不可消纳,若差值全部大于等于0,则该场景记为可消纳,若场景集合中不可消纳的场景比例大于5%,则记录不可消纳的场景中相关时段的越限情况,然后返回步骤E,若场景集合中不可消纳的场景比例小于等于5%,则风光水发电优化调度完成。
本发明利用可灵活调度的发电资源和用电负荷,通过协调优化制定合理的调度计划,提高了本地区域对风光水电可再生能源的消纳能力,减少了电量反送上级电网及弃风弃光情况的发生;
本发明结合配电网风光水运行特性及用电负荷特性,在对风光水发电优化调度的过程中,精细化考虑不同预测量在不同时段的预测可信度,将系统的运行裕度、调节能力向随机性强、预测不够准确的时段倾斜,提高了用电负荷追踪能力及配电网安全运行水平。
附图说明
图1为本发明的流程示意图;
图2为24个时段的用电负荷预测可信度和风光发电预测可信度曲线图。
具体实施方式
下面将结合本发明的附图,对本发明的技术方案进行清楚、完整地描述,所描述的实施方式仅仅是本发明一部分实施方式,而非全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
需要说明的是,本发明考虑的配电网区域内的发电资源包括风电、光伏和小水电,区域内的小水电为小库容水电,不具备长周期调节能力,每日有一定数额的必发电量。本发明在进行风光水协调调度时,尽量不反送电力至主网,可灵活调用的资源包括相邻区域的用电负荷和可日内调节的小水电。
如图1所示,本发明所述的一种计及预测可信度差异性的配电网风光水协调调度方法,首先通过初步评估,判断风电光伏是否能被本地区域消纳,如果风电光伏能被消纳,则通过小水电的合理启停,达到最佳的负荷跟踪效果;如果风电光伏不能被消纳,则首先通过邻近区域的负荷转入,加大本地区域负荷需求,再通过小水电的合理启停,达到最佳的负荷跟踪效果;如果风电光伏依然不能被完全消纳,则送上级电网,在更大范围内调度,具体包括以下步骤:
A、根据历史上统计的本地区域全天各时段的用电负荷预测值和用电负荷实际值,风光发电预测值和风光发电实际值,分别计算t时段用电负荷预测相对误差的方差t时段风光发电预测相对误差的方差t=1,2,…,24,则t时段用电负荷的预测可信度为:
t时段风光发电的预测可信度为:
为了更好地对比各时段预测可信度的相对大小,对预测可信度做归一化处理,则用电负荷t时段的预测可信度为
风光发电t时段的预测可信度为
预测可信度与预测量本身的变化规律及预测的提前量等密切相关,表现出明显的类型及时段差异性。例如对于用电负荷预测,夜间由于用电习惯较为统一,规律性强,可信度好,日间则因多种类型用电负荷相互叠加,且受气象等因素影响,规律性差,可信度低。对于风力光伏发电预测,同样存在时段差异性,特别是光伏发电,夜间由于没有光照,发电功率为零,可信度高,日间则受天气情况、云层遮挡、辐射角度等影响,随机性强,可信度低。此外,预测多是基于规律延续性的原理,因此靠近预测执行时间的时段可信度高,距离预测执行时间较远的时段可信度低。本发明采用预测执行时间之前一周的历史数据计算用电负荷预测可信度和风光发电预测可信度,如图2所示,靠前时段的预测可信度整体优于靠后时段,而风光发电综合预测可信度在晚间时段较高,日间时段较低。
B、对本地区域计划日全天各时段的用电负荷和风光发电功率进行预测,得到用电负荷预测值和风光发电预测值,对用电负荷预测值和风光发电预测值作差值,得到功率差值预测值:
PΔ,t=PL,t-PG,t;
其中PΔ,t为t时段功率差值预测值,PL,t为t时段用电负荷预测值,PG,t为t时段风光发电预测值,t=1,2,…,24,当全天各时段的PΔ,t均大于等于设定值P0,t时,进入步骤C,当全天各时段存在PΔ,t小于设定值P0,t的情况时,进入步骤D。其中,设定值P0,t为t时段用电负荷预测值与预测平均误差乘积的1.1倍,预测平均误差根据历史上统计的本地区域t时段的用电负荷预测值和用电负荷实际值计算。
C、制定小水电优化调度方案并进行多场景校验,包括以下步骤:
C1、根据用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电全天的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数。
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为引入的摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
C2、采用蒙特卡洛法对小水电优化调度方案进行校验,以全天各时段的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别加入扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估或消纳情况评估未通过时进入步骤D,当所有场景的安全性评估和消纳情况评估均通过时风光水发电优化调度完成。
D、统计邻近区域可转入的用电负荷,任意选取一个以上用电负荷形成负荷组合,并计算负荷组合全天各时段的用电负荷预测值,将全天各时段的功率差值预测值PΔ,t与用电负荷预测可信度wt,1和风光发电预测可信度wt,2做乘积,按照从小到大的顺序对时段重新排序,依据排序逐个匹配可转入的负荷组合,即依次选取一个负荷组合,将其全天各时段的用电负荷预测值与功率差值预测值PΔ,t对应叠加,得到新的功率差值预测值P′Δ,t,保留可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合,作为待选负荷组合,当不存在可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合时,选择所有邻近区域可转入的用电负荷,作为待选负荷组合,定义待选负荷组合集合M,并将待选负荷组合全部放入待选负荷组合集合M中,定义已选负荷组合集合N,已选负荷组合集合N中初始元素个数为0。本发明按照全天各时段的功率差值预测值与预测可信度的乘积选择满足条件的负荷组合,充分保留了运行裕度。
E、从待选负荷组合集合M中选择包含负荷个数最少的负荷组合作为转入负荷组合,当存在两个以上负荷组合包含负荷个数最少时,选择全天用电负荷预测均值最小负荷组合作为转入负荷组合,并将转入负荷组合从待选负荷组合集合M中取出,放入已选负荷组合集合N中。
F、计算转入负荷组合中各个负荷的全天负荷预测均值,按照从小到大的顺序重新排序,根据排序逐一选择各个负荷的转移时段,即依次选取一个负荷,从新的功率差值预测值P′Δ,t中扣除当前负荷对应时段的用电负荷预测值后,所得差值小于设定值P0,t的时段为当前负荷必须转入的时段,对当前负荷必须转入的时段进行扩展合并,使得当前负荷的转入转出次数小于固定值,如4次;当对所有负荷的转移时段选择完毕后,如果存在同时有两个以上负荷转入或转出的时段,选择当前时段用电负荷预测值较小的负荷提前或延迟转入或转出,避免不必要的短时叠加操作,减小对电网的冲击。
G、根据转入负荷组合中各个负荷的转移时段修正全天各时段的用电负荷预测值,并根据修正后的用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,P′L,t为修正后的t时用电负荷预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数。
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为引入的摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
H、将修正后的用电负荷预测值与风光发电预测值和小水电发电功率预测值做差值,得到修正后的功率差值预测值:
其中为修正后的t时功率差值预测值,P′L,t为修正后的t时用电负荷预测值,PG,t为t时风光发电预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,t=1,2,…,24,当全天各时段的均大于等于设定值P0,t时,进入步骤I,当全天各时段存在小于设定值P0,t的情况时,将风光发电送入上级电网进行调度,然后进入步骤J。
I、采用蒙特卡洛法对经小水电优化调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别加入扰动量,产生多个不同的场景构成场景集合。对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时进行消纳情况评估,对于每一个场景,将全天各时段修正后的用电负荷预测值加入扰动量,然后与小水电发电功率预测值及加入扰动量的风光发电预测值做差值,若存在差值小于0的时段,则该场景记为不可消纳,若差值全部大于等于0,则该场景记为可消纳,若场景集合中不可消纳的场景比例大于5%,则记录不可消纳的场景中相关时段的越限情况,然后返回步骤E,若场景集合中不可消纳的场景比例小于等于5%,则风光水发电优化调度完成。
J、采用蒙特卡洛法对经上级电网调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、调度后的风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别加入扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时风光水发电优化调度完成。
采用本发明所述的计及预测可信度差异性的风光水发电优化调度方法,对某县域电网2015全年、2016全年进行了反演计算,对2017年1-6月进行了跟踪计算。在2015和2016年各日的计算中,假设计划日情况属未知,采用预测值代替;在2017年1-6月的计算中,则取用每天16:00执行预测所得预测值。通过对优化前后方案的评估比较,其效果体现在以下方面:
(1)提高用电负荷追踪能力:将每天各时段的用电负荷减去总发电量,得到功率差值,先以日为单位统计功率差值方均根,后取总平均值。经对比,优化后的功率差值方均根的总平均值减少约3.8%,负荷追踪能力有明显提高。
(2)提高可再生能源本地消纳能力:统计区本地域内可再生能源发电量及反送上级电网的电量,以及弃风弃光弃水情况,对比可得,可再生能源的本地消纳水平平均提高约5.4%。
Claims (4)
1.计及预测可信度差异性的配电网风光水发电优化调度方法,其特征在于,包括以下步骤:
A、根据历史上统计的本地区域全天各时段的用电负荷预测值和用电负荷实际值,风光发电预测值和风光发电实际值,分别计算t时段用电负荷预测相对误差的方差t时段风光发电预测相对误差的方差t=1,2,…,24,则t时段用电负荷的预测可信度为:
t时段风光发电的预测可信度为:
B、对本地区域计划日全天各时段的用电负荷和风光发电功率进行预测,得到用电负荷预测值和风光发电预测值,对用电负荷预测值和风光发电预测值作差值,得到功率差值预测值:
PΔ,t=PL,t-PG,t;
其中PΔ,t为t时段功率差值预测值,PL,t为t时段用电负荷预测值,PG,t为t时段风光发电预测值,t=1,2,…,24,当全天各时段的PΔ,t均大于等于设定值P0,t时,进入步骤C,当全天各时段存在PΔ,t小于设定值P0,t的情况时,进入步骤D;
C、制定小水电优化调度方案并进行多场景校验,包括以下步骤:
C1、根据用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电全天的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数;
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
C2、采用蒙特卡洛法对小水电优化调度方案进行校验,以全天各时段的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别加入扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估或消纳情况评估未通过时进入步骤D,当所有场景的安全性评估和消纳情况评估均通过时风光水发电优化调度完成;
D、统计邻近区域可转入的用电负荷,任意选取一个以上用电负荷形成负荷组合,并计算负荷组合全天各时段的用电负荷预测值,将全天各时段的功率差值预测值PΔ,t与用电负荷预测可信度wt,1和风光发电预测可信度wt,2做乘积,按照从小到大的顺序对时段重新排序,依据排序逐个匹配可转入的负荷组合,即依次选取一个负荷组合,将其全天各时段的用电负荷预测值与功率差值预测值PΔ,t对应叠加,得到新的功率差值预测值P′Δ,t,保留可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合,作为待选负荷组合,当不存在可使全天各时段的P′Δ,t大于等于设定值P0,t的负荷组合时,选择所有邻近区域可转入的用电负荷,作为待选负荷组合,定义待选负荷组合集合M,并将待选负荷组合全部放入待选负荷组合集合M中,定义已选负荷组合集合N,已选负荷组合集合N中初始元素个数为0;
E、从待选负荷组合集合M中选择包含负荷个数最少的负荷组合作为转入负荷组合,当存在两个以上负荷组合包含负荷个数最少时,选择全天用电负荷预测均值最小的负荷组合作为转入负荷组合,并将转入负荷组合从待选负荷组合集合M中取出,放入已选负荷组合集合N中;
F、计算转入负荷组合中各个负荷的全天负荷预测均值,按照从小到大的顺序排序,根据排序逐一选择各个负荷的转移时段,即依次选取一个负荷,从新的功率差值预测值P′Δ,t中扣除当前负荷对应时段的用电负荷预测值后,所得差值小于设定值P0,t的时段为当前负荷必须转入的时段,对当前负荷必须转入的时段进行扩展合并,使得当前负荷的转入转出次数小于固定值;当对所有负荷的转移时段选择完毕后,如果存在同时有两个以上负荷转入或转出的时段,选择当前时段用电负荷预测值较小的负荷提前或延迟转入或转出;
G、根据转入负荷组合中各个负荷的转移时段修正全天各时段的用电负荷预测值,并根据修正后的用电负荷预测值和风光发电预测值建立小水电优化调度模型,确定小水电的启停时间,进而获得小水电优化调度方案,其中,小水电优化调度模型的目标函数为:
其中,wt为t时段可信度修正系数,采用t时段用电负荷预测可信度wt,1和t时段风光发电预测可信度wt,2的乘积,P′L,t为修正后的t时用电负荷预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,d+,t为摄动量,λ为罚系数;
小水电优化调度模型的约束条件为:
1)出口总功率约束
其中,d+,t、d-,t为摄动量,满足d+,t≥0、d-,t≥0,t=1,2,…,24;
2)小水电电量约束
H、将修正后的用电负荷预测值与风光发电预测值和小水电发电功率预测值做差值,得到修正后的功率差值预测值:
其中为修正后的t时功率差值预测值,P′L,t为修正后的t时段用电负荷预测值,PG,t为t时段风光发电预测值,Pi,t为单元小水电i的t时段发电功率预测值,N为单元小水电总数,t=1,2,…,24,当全天各时段的均大于等于设定值P0,t时,进入步骤I,当全天各时段存在小于设定值P0,t的情况时,将风光发电送入上级电网进行调度,然后进入步骤J;
I、采用蒙特卡洛法对经小水电优化调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别确定扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估和消纳情况评估,当任一场景的安全性评估或消纳情况评估未通过时返回步骤E,当所有场景的安全性评估和消纳情况评估均通过时风光水发电优化调度完成;
J、采用蒙特卡洛法对经上级电网调度的风光水发电优化调度方案进行校验,以全天各时段修正后的用电负荷预测值、调度后的风光发电预测值和小水电发电功率预测值为基础,根据全天各时段的用电负荷预测可信度和风光发电预测可信度分别确定扰动量,产生多个不同的场景构成场景集合,对每一个场景进行安全性评估,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时风光水发电优化调度完成。
3.根据权利要求1所述的计及预测可信度差异性的配电网风光水发电优化调度方法,其特征在于:所述的步骤B中,设定值P0,t为t时段用电负荷预测值与预测平均误差乘积的1.1倍,预测平均误差根据历史上统计的本地区域t时段的用电负荷预测值和用电负荷实际值计算。
4.根据权利要求1所述的计及预测可信度差异性的配电网风光水发电优化调度方法,其特征在于:所述的步骤I中,当任一场景的安全性评估未通过时返回步骤E,当所有场景的安全性评估均通过时进行消纳情况评估,对于每一个场景,将全天各时段修正后的用电负荷预测值加入扰动量,然后与小水电发电功率预测值及加入扰动量的风光发电预测值做差值,若存在差值小于0的时段,则该场景记为不可消纳,若差值全部大于等于0,则该场景记为可消纳,若场景集合中不可消纳的场景比例大于5%,则记录不可消纳的场景中相关时段的越限情况,然后返回步骤E,若场景集合中不可消纳的场景比例小于等于5%,则风光水发电优化调度完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710780471.2A CN107565606B (zh) | 2017-09-01 | 2017-09-01 | 计及预测可信度差异性的配电网风光水发电优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710780471.2A CN107565606B (zh) | 2017-09-01 | 2017-09-01 | 计及预测可信度差异性的配电网风光水发电优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107565606A CN107565606A (zh) | 2018-01-09 |
CN107565606B true CN107565606B (zh) | 2020-05-29 |
Family
ID=60979046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710780471.2A Active CN107565606B (zh) | 2017-09-01 | 2017-09-01 | 计及预测可信度差异性的配电网风光水发电优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107565606B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648021B (zh) * | 2019-09-12 | 2021-08-03 | 广东电网有限责任公司电力调度控制中心 | 一种两级电力负荷预测结果协调方法、装置及设备 |
CN115765044B (zh) * | 2022-11-26 | 2023-05-09 | 水利部水利水电规划设计总院 | 风光水电系统联合运行及风险分析方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2017
- 2017-09-01 CN CN201710780471.2A patent/CN107565606B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|
电力系统多级负荷预测及其协调问题;牟涛等;《电力系统自动化》;20100125;第34卷(第2期);第43-47页 * |
计及风电预测可信度的经济调度及辅助决策方法;南晓强等;《电力系统自动化》;20131010;第37卷(第19期);第61-67页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107565606A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874630B (zh) | 基于电量消纳的区域电网新能源开发潜力评估方法 | |
Li et al. | Model and application of renewable energy accommodation capacity calculation considering utilization level of inter-provincial tie-line | |
CN108063451A (zh) | 一种提高风电接纳能力的电网多元优化调度方法 | |
Taneja et al. | Defining cps challenges in a sustainable electricity grid | |
CN107910863A (zh) | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN112734098A (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
Tang et al. | Optimal operation method for microgrid with wind/PV/diesel generator/battery and desalination | |
Ren et al. | Multi-objective optimization of a hybrid distributed energy system using NSGA-II algorithm | |
CN113807566A (zh) | 基于可再生能源和内部负荷不确定的社区能源的调度方法 | |
Xiao et al. | A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage | |
CN107565606B (zh) | 计及预测可信度差异性的配电网风光水发电优化调度方法 | |
Li et al. | Long duration flexibility planning challenges and solutions for power system with ultra high share of renewable energy | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
Patibandla et al. | A multi‐objective approach for the optimal design of a standalone hybrid renewable energy system | |
Vlasov et al. | Predictive control algorithm for a variable load hybrid power system on the basis of power output forecast | |
Yang et al. | A schedule method of battery energy storage system (BESS) to track day-ahead photovoltaic output power schedule based on short-term photovoltaic power prediction | |
CN112736969A (zh) | 基于新能源经济调度的分布式光伏数据处理方法及系统 | |
Li et al. | A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power | |
Brka | Optimisation of stand-alone hydrogen-based renewable energy systems using intelligent techniques | |
Wu et al. | Research on optimal storage capacity of DC micro‐grid system in PV station | |
Li et al. | Multiobjective Optimization Model considering Demand Response and Uncertainty of Generation Side of Microgrid | |
Ganesan et al. | Dynamic and intelligent load servicing strategy for a stand-alone solar PV-based microgrid | |
Zhang et al. | Two‐Stage Optimization Model of Centralized Energy Storage Participating in Peak Shaving with Maximum Reserve Capacity and Minimum Carbon Emission of the System | |
Shi et al. | Multi-dispatch for grid-connected microgrid with robust optimization algorithm |
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 |