CN107800153B - 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 - Google Patents

Abstract

本发明提出一种电蓄热消纳风电的电热能量滚动鲁棒调度方法，采用滚动鲁棒修正的策略避免因调度时段后延而造成风电预测误差增大，减小系统不确定性对调度计划的影响。本发明分为两部分，第1阶段：日前计划调度。各风电场对下一日的风电出力进行预测并将该风电场的功率预测区间

及其他预测信息上报至电网调度中心。调度中心根据各风电场的功率预测区间及负荷预测信息计算出各风电场的允许出力区间

及其他机组的出力计划值P_plan。然后，调度中心根据计算结果将调度指令下发至各个发电厂进行安全经济调度。第2阶段：日内滚动修正。在这一调度阶段中，各风电场向调度中心上报的风电功率预测区间

及其他预测信息为滚动修正后的结果。

Description

一种电蓄热消纳风电的电热能量滚动鲁棒调度方法

技术领域

本发明属于电力领域，具体涉及一种电蓄热消纳风电的电热能量滚动鲁棒调度方法。

背景技术

目前，由于我国“三北”地区热电机组“以热定电”运行约束而引起的系统调峰能力不足，致使风电发展面临的主要矛盾依然是弃风限电问题。同时，风电出力具有波动性、间歇性和随机性，传统的确定性调度模式采用风电功率点预测结果制定调度计划，存在较大的误差，会增加系统运行风险，进一步加剧反调峰特性的风电并网消纳难度。

针对系统调峰能力不足而引起的严重弃风状况，国内研究人员提出了一些应对措施，如在电热联合系统中配置热泵、储热、电锅炉等装置来解耦热电机组“以热定电”工况约束，通过电热联合运行来尽可能地促进风电消纳。但这方面的研究都仅限于日前计划调度范畴，也未考虑风电不确定性对电热联合系统调度的影响。

在大规模风电并网的前提下，风电出力的不确定性会对系统的安全运行带来不利影响，进一步导致弃风发生。因此，如何在调度计划中考虑风电不确定性以保证系统安全运行，成为近年来研究人员关注的问题之一。目前常采用随机规划方法，通过一定概率下的随机变量来描述风电出力的不确定性，但该方法依赖于风电的概率模型，且仅能保证置信区间内系统的安全性，无法针对极端场景下风电的出力情况。为此，考虑参数不确定性的鲁棒优化在含新能源的电力系统优化调度中得到广泛应用。但是，“三北”地区电源结构复杂，风电渗透率高，热电机组比例大，电热能量调度紧密关联，现有的鲁棒调度方法仅针对电负荷制定调度计划，并未考虑热负荷的影响。同时，单一鲁棒调度方法随着调度时段后延，所利用的预测信息误差将会增大，导致系统不确定性增加。

发明内容

针对上述情况，本发明基于电蓄热参与供热来解耦热电机组“以热定电”工况约束，提高系统调峰能力，为风电并网留出更多空间。在此基础上，提出一种电蓄热消纳风电的电热能量滚动鲁棒调度方法，采用滚动鲁棒修正的策略避免因调度时段后延而造成风电预测误差增大，减小系统不确定性对调度计划的影响，从而进一步促进风电消纳。

本发明分为两部分，第1阶段：日前计划调度。在日前计划调度中，各风电场对下一日的风电出力进行预测并将该风电场的功率预测区间

及其他预测信息上报至电网调度中心。调度中心根据各风电场的功率预测区间及负荷预测信息计算出各风电场的允许出力区间

及其他机组的出力计划值P_plan。然后，调度中心根据计算结果将调度指令下发至各个发电厂进行安全经济调度。由于风电场日前预测误差较大，所以本调度阶段的计划安排只作为参考，下一调度阶段有可能会进行调整。

第2阶段：日内滚动修正。在这一调度阶段中，各风电场向调度中心上报的风电功率预测区间

及其他预测信息为滚动修正后的结果。调度中心根据滚动上报的风电预测信息进行调度决策，得到滚动修正后的风电允许出力区间

及其他机组的出力计划值

从而对各机组出力进行日内滚动调度。

具体构建方法为：

(1)构建日前计划调度模型，包括构建以实现发电成本最小化和风电利用最大化的目标函数；建立约束条件，其中包括电力平衡约束，热力平衡约束，常规机组出力约束，风电场出力约束，机组爬坡约束，最小启停时间约束，旋转备用约束；

(2)构建日内滚动调度模型，其中，日内滚动调度的一般数学模型可以表示为：

minF＝J(U),U＝{u₀,u₁,u₂,…,u_N} (18)

s.t.x_q+1＝f(x_q,u_q,w_q),q＝0,1,…,N-1 (19)

g(x_q,x_q+1,u_q,w_q)≤0,q＝0,1,…,N-1 (20)

式中，N为调度周期；U＝{u₀,u₁,u₂,…,u_N}为计划令序列；x₀、x_q分别为初始状态变量和第q个状态变量；f、g分别为模型的等式约束和不等式约束；

在执行计划指令U＝{u₀,u₁,u₂,…,u_N}时，只有前n(n≤N)个指令被执行，当第n个指令执行完后，返回式(19)—式(20)循环；

(3)对模型进行求解。

其中，步骤(1)中，目标函数如下：

式中，U_i,t表示火电机组i在t时段的启停情况；f₁(P_i,t)为火电机组i在t时段的发电成本，P_i,t为火电机组i在t时段的出力；S_i表示火电机组i的启动成本；

为火电机组i的备用成本，

分别为火电机组i在t时段的正、负旋转备用；f₂(P_E,j,t,P_C,j,t)为热电机组j在t时段的运行成本，P_E，_j,t、P_C,j,t分别为热电机组j在t时段的电出力和热出力；

为风电场k在t时段的出力偏差惩罚成本，

为风电场k在t时段的允许出力上界；N_T为一个调度周期的时段数；N_R为火电机组总数；N_G为热电机组总数；N_H为风电场总数。

所述火电机组运行成本方程为：

式中，a_i、b_i、c_i为火电机组的运行成本系数；

热电机组运行成本方程为

式中，a_j、b_j、c_j为热电机组的运行成本系数；C_v为进汽量固定的情况下抽取单位量蒸汽时机组电出力的减少值；

机组备用成本方程为：

式中，

分别为正、负备用成本；

风电场出力偏差惩罚成本方程为：

式中，λ₀为风电场出力的偏差惩罚系数；

为风电场k在t时段的功率预测上界。

所述约束条件具体为：

1)电力平衡约束

式中，P_W,k,t为风电场k在t时段的计划出力；P_ES,t为电蓄热在t时段所消耗的电功率；

2)热力平衡约束

式中，

为系统在t时段的热负荷；

为电蓄热在t时段的供热功率；

3)常规机组出力约束

式中，P _i,t、

分别为机组i在t时段的出力下界和出力上界；P_W,k,t为风电场的实际出力；α_i,t为常规机组的功率调整系数，其设置满足：

4)风电场出力约束

0≤P _WP,k,t≤P _W,k,t (11)

式中，P _WP,k,t、P _W,k,t分别为风电场k在t时段的允许出力下界和功率预测下界；式(10)—式(12)表示风电场允许出力上界不超过风电功率预测上界，且风电场允许出力下界不超过风电功率预测下界；

5)机组爬坡约束

式中，

分别为机组i在t时段的向上和向下爬坡速度；

6)最小启停时间约束

式中，

分别为机组i在t时段的连续运行时间和连续停机时间；

分别为机组i的最小连续运行时间和最小连续停机时间；

7)旋转备用约束

式(16)—式(17)表示常规机组的正负旋转备用不超过机组的向上向下爬坡速度，且不超过机组的向上向下可调范围。

附图说明

图1滚动鲁棒调度模式

图2传统计划调度风电出力

图3单一鲁棒调度风电出力

图4滚动鲁棒调度风电出力

图5-6不同调度方法的旋转备用容量对比

具体实施方式

滚动鲁棒调度模型

3.1日前计划调度模型

3.1.1目标函数

日前计划调度考虑系统运行经济性，模型在满足系统安全约束的条件下，以实现发电成本最小化和风电利用最大化为目标。目标函数如下：

式中，U_i,t表示火电机组i在t时段的启停情况；f₁(P_i,t)为火电机组i在t时段的发电成本，P_i,t为火电机组i在t时段的出力；S_i表示火电机组i的启动成本；

为火电机组i的备用成本，

分别为火电机组i在t时段的正、负旋转备用；f₂(P_E,j,t,P_C,j,t)为热电机组j在t时段的运行成本，P_E，_j,t、P_C,j,t分别为热电机组j在t时段的电出力和热出力；

为风电场k在t时段的出力偏差惩罚成本，

为风电场k在t时段的允许出力上界；N_T为一个调度周期的时段数；N_R为火电机组总数；N_G为热电机组总数；N_H为风电场总数。

火电机组运行成本方程为：

式中，a_i、b_i、c_i为火电机组的运行成本系数。

热电机组运行成本方程为

式中，a_j、b_j、c_j为热电机组的运行成本系数；C_v为进汽量固定的情况下抽取单位量蒸汽时机组电出力的减少值。

机组备用成本方程为：

式中，

分别为正、负备用成本。

风电场出力偏差惩罚成本方程为：

式中，λ₀为风电场出力的偏差惩罚系数；

为风电场k在t时段的功率预测上界。

3.1.2约束条件

(1)电力平衡约束

式中，P_W,k,t为风电场k在t时段的计划出力；P_ES,t为电蓄热在t时段所消耗的电功率。

(2)热力平衡约束

式中，

为系统在t时段的热负荷；

为电蓄热在t时段的供热功率。

(3)常规机组出力约束

式中，P _i,t、

分别为机组i在t时段的出力下界和出力上界；P_W,k,t为风电场的实际出力；α_i,t为常规机组的功率调整系数，其设置满足：

(4)风电场出力约束

0≤P _WP,k,t≤P _W,k,t (11)

式中，P _WP,k,t、P _W,k,t分别为风电场k在t时段的允许出力下界和功率预测下界。式(10)—式(12)表示风电场允许出力上界不超过风电功率预测上界，且风电场允许出力下界不超过风电功率预测下界。

(5)机组爬坡约束

式中，

分别为机组i在t时段的向上和向下爬坡速度。

(6)最小启停时间约束

式中，

分别为机组i在t时段的连续运行时间和连续停机时间；

分别为机组i的最小连续运行时间和最小连续停机时间。

(7)旋转备用约束

式(16)—式(17)表示常规机组的正负旋转备用不超过机组的向上向下爬坡速度，且不超过机组的向上向下可调范围。

3.2日内滚动调度模型

日内滚动调度以预测周期为调度周期，根据设定的滚动周期进行优化调度。因此，同样需要兼顾经济性与安全性。日内滚动调度的一般数学模型可以表示为：

minF＝J(U),U＝{u₀,u₁,u₂,…,u_N} (18)

s.t.x_q+1＝f(x_q,u_q,w_q),q＝0,1,…,N-1 (19)

g(x_q,x_q+1,u_q,w_q)≤0,q＝0,1,…,N-1 (20)

式中，N为调度周期；U＝{u₀,u₁,u₂,…,u_N}为计划令序列；x₀、x_q分别为初始状态变量和第q个状态变量；f、g分别为模型的等式约束和不等式约束。

在执行计划指令U＝{u₀,u₁,u₂,…,u_N}时，只有前n(n≤N)个指令被执行，当第n个指令执行完后，返回式(19)—式(20)循环。

3.3模型求解

对于如式(21)所描述的含不确定变量的约束条件：

Ax+B≤C (21)

式中，x为不确定变量；A、B、C为常数。

因为不确定变量x的系数为常数，故可以通过其值的上下界代替x。若系数A＞0，则可以用x的上界替代x；若A≤0，则可以用x的下界替代x。如此，便可以将不确定性约束转化为确定性约束。

在滚动鲁棒调度模型中，约束条件的式(8)、(13)、(16)、(17)均含不确定变量P_W,k,t，可以通过上述方法对不确定约束进行转化。

式(8)转化后的等价约束为：

式(13)转化后的等价约束为：

式(16)转化后的等价约束为：

式(17)转化后的等价约束为：

通过约束条件的等价转化，将原来的含不确定变量的调度问题转换为二次锥规划问题，通过CPLEX进行求解。

4算例分析

4.1基础数据

为验证本发明所提基于电蓄热消纳风电的电热能量滚动鲁棒调度方法的可行性与有效性，本发明基于IEEE24节点模型进行仿真验证，将机组5、8、13、21分别设定为风电场1号(200MW)、2号(250MW)、3号(250MW)、4号(600MW)，机组3、7、10、16、19设定为热电机组。风电出力预测与电负荷预测数据见文献，热负荷预测数据见文献。弃风惩罚系数取为100，切负荷惩罚系数取为1000。取日前计划调度周期为1d，以15min为一个调度时段。在日前计划调度的基础上，滚动计划每隔4h更新一次，负责滚动修正1d内剩余时段的发电计划。

4.2不同运行模式下的调度结果分析

系统的总运行成本由基本运行成本和校正调度成本组成，其中基本运行成本包括机组发电成本和弃风偏差成本。为了验证本发明所提调度方法的鲁棒性和经济性，通过对实际风电出力场景进行随机抽样，计算出该场景下的风电出力和机组出力；然后，采取校正调度措施(弃风、切负荷)使系统恢复安全运行；最后，计算校正调度成本并叠加到基本运行成本中去，得到系统的平均总运行成本。校正调度成本M_ad为：

式中，u_t为系统在t时段的切负荷值，λ₁为切负荷的惩罚系数；v_k,t为风电场k在t时段的弃风量，λ₂为弃风惩罚系数。

考虑表1所示6种不同运行模式分析调度结果。

表1运行模式情况

Tab.1 Different operation cases

随机抽取150个风电出力场景，计算得到6种不同运行模式下的调度结果如表2所示。

表2不同运行模式的调度结果对比

Tab.2 Dispatch results comparison between different operation cases

对比表中不同模式的调度结果可以看出，当系统采用鲁棒调度模式时，基本运行成本相比传统计划调度略高，但是校正调度成本却远远低于传统计划调度，其中滚动鲁棒调度较单一鲁棒调度经济性更高。这是由于鲁棒调度利用功率预测区间考虑了风电出力的不确定性，系统具有足够的备用容量应对风电出力波动，且滚动鲁棒调度在单一鲁棒调度的基础上通过滚动修正的策略减小了预测误差对调度结果的影响，进一步减少了弃风量。而传统计划调度未考虑风电出力的不确定性，在极端情况下为了维护系统运行安全性，不得不采取弃风和切负荷校正调度措施，从而使校正调度成本显著增加。

因此，滚动鲁棒调度对于风电出力的不确定性具有更强的鲁棒性，且总运行成本更小，经济性更优。此外，电蓄热参与供热可以通过电热转换改变系统电、热负荷，在一定程度上起到“削峰填谷”和“计划跟踪”的作用，使系统运行成本有所下降。

电蓄热参与供热时，不同调度方法下的风电场出力情况分别如图2、图3、图4所示(以1号风电场为例)。

由图2可以看出，在基于风电功率点预测方式的传统计划调度中，风电功率点预测值位于预测区间内。但是，风电功率点预测误差较大，未合理地考虑风电出力的不确定性，当系统备用无法应对风电波动时，会增加系统运行风险。由图3可以看出，基于预测区间的单一鲁棒调度在初始调度时段内，风电波动比较小，系统具备足够的跟踪能力使风电允许出力区间与功率预测区间保持一致。但随着调度时段后延，预测误差增大，导致风电功率预测区间逐渐增大，为保证系统运行安全性，风电允许出力上限与功率预测上限之间的差距逐渐增大，此时系统在增加弃风的条件下保持安全运行。由图4可以看出，利用滚动更新的策略修正预测信息和调度结果的滚动鲁棒调度在每个滚动周期内，风电功率预测区间依然随着调度时段后延而增大，但是所增大的程度有限，系统具备足够的跟踪能力使风电允许出力区间与功率预测区间保持一致，从而进一步避免了弃风发生。

图5和图6为不同调度方法所留出的旋转备用容量对比，主要考虑风电出力波动对调度计划的影响，因此向上旋转备用容量的影响大于向下旋转备用容量的影响。可以看出，鲁棒调度为了满足系统安全运行的要求，较传统计划调度需要留出更多的向上旋转备用容量。滚动鲁棒调度在单一鲁棒调度的基础上通过滚动修正预测信息和调度计划，减小了调度时段后延引起的预测误差对调度结果的影响，因此所留出的向上旋转备用容量较单一鲁棒调度少一些。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (2)

1.一种电蓄热消纳风电的电热能量滚动鲁棒调度方法，其特征在于，模型构建方法为：

(1)构建日前计划调度模型，包括构建以实现发电成本最小化和风电利用最大化的目标函数；建立约束条件，其中包括电力平衡约束，热力平衡约束，机组出力约束，风电场出力约束，机组爬坡约束，最小启停时间约束，旋转备用约束；所述目标函数如下：

式中，U_i,t表示火电机组i在t时段的启停情况；f₁(P_i,t)为火电机组i在t时段的发电成本，P_i,t为火电机组i在t时段的出力；S_i表示火电机组i的启动成本；

为火电机组i的备用成本，

分别为火电机组i在t时段的正、负旋转备用；f₂(P_E,j,t,P_C,j,t)为热电机组j在t时段的运行成本，P_E，j,t、P_C,j,t分别为热电机组j在t时段的电出力和热出力；

为风电场k在t时段的出力偏差惩罚成本，

为风电场k在t时段的允许出力上界；N_T为一个调度周期的时段数；N_R为火电机组总数；N_G为热电机组总数；N_H为风电场总数；

(2)构建日内滚动调度模型，其中，日内滚动调度的一般数学模型表示为：

minF＝J(U),U＝{u₀,u₁,u₂,…,u_N} (18)

s.t.x_q+1＝f(x_q,u_q,w_q),q＝0,1,…,N-1 (19)

g(x_q,x_q+1,u_q,w_q)≤0,q＝0,1,…,N-1 (20)

式中，N为调度周期；U＝{u₀,u₁,u₂,…,u_N}为计划令序列；x₀、x_q分别为初始状态变量和第q个状态变量；f、g分别为模型的等式约束和不等式约束；

在执行计划指令U＝{u₀,u₁,u₂,…,u_N}时，只有前n(n≤N)个指令被执行，当第n个指令执行完后，返回式(19)—式(20)循环；

(3)对构建的日前计划调度模型及日内滚动调度模型进行求解。

2.根据权利要求1所述一种电蓄热消纳风电的电热能量滚动鲁棒调度方法，其特征在于，所述火电机组运行成本方程为：

式中，a_i、b_i、c_i为火电机组的运行成本系数；

热电机组运行成本方程为

式中，a_j、b_j、c_j为热电机组的运行成本系数；C_v为进汽量固定的情况下抽取单位量蒸汽时机组电出力的减少值；

机组备用成本方程为：

式中，

分别为正、负备用成本；

风电场出力偏差惩罚成本方程为：

式中，λ₀为风电场出力的偏差惩罚系数；

为风电场k在t时段的功率预测上界。

Images