CN108155674B - 考虑不确定分布特性的水火电联合调度方法及系统 - Google Patents
考虑不确定分布特性的水火电联合调度方法及系统 Download PDFInfo
- Publication number
- CN108155674B CN108155674B CN201810102789.XA CN201810102789A CN108155674B CN 108155674 B CN108155674 B CN 108155674B CN 201810102789 A CN201810102789 A CN 201810102789A CN 108155674 B CN108155674 B CN 108155674B
- Authority
- CN
- China
- Prior art keywords
- model
- thermal power
- representing
- output
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims description 13
- 230000009977 dual effect Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种考虑不确定分布特性的水火电联合调度方法及系统,包括:根据风电机组历史数据,建立考虑不确定分布特性的水火联合调度模型;通过S引理对所述水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型;根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集;通过第二半正定规划模型,获取极端顶点场景;确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。本发明充分利用风电历史数据所能提供的信息,降低保守性,提高系统运行经济性。
Description
技术领域
本发明涉及新能源并网调度技术领域,更具体地,涉及一种考虑不确定分布特性的水火电联合调度方法及系统。
背景技术
随着经济的发展,当今国际社会正面临着能源短缺和环境污染的双重压力。为此,大规模开发可再生能源成为国际能源战略关注的焦点。然而,风电、光伏等可再生能源发电具有较强的随机波动性和不确定性,难以准确预测,其大规模接入对电力系统的安全经济运行提出了挑战。据统计,截至2014年,我国新增装机容量23,196MW,同比增长44.17%,占全球当年新增装机容量的45.36%,全球排名第一。2014年我国累计风电装机总容量114,609MW,占全球累计风电装机容量的31.01%,是火电和水电之外的第三大能源。大规模风电的背景下,如何在不确定性条件下制定合理的调度策略成为研究的热点。
考虑到水电作为我国最主要的清洁能源,调节速度快、成本低,在时间和空间上都有较大的优化潜力,是应对大规模风电接入不确定性的良策。根据中电联快报统计,截至2013年底,水电总装机容量达到2.8亿千瓦,占全国总装机容量12.47亿千瓦的22%,是各类可再生能源发电中所占比例最大的。如此庞大的水电系统,在时间和空间上都有很大的优化余地,通过对水电的精细建模、优化水电调度计划,可以实现经济效益和环境效益的双赢,具有重要的现实意义。
传统的调度方式下,一般通过n-1准则或者按照占负荷一定的比例来进行备用整定。但是,随着风能等大规模可再生能源的接入,由于其高不确定性和低预测精度,仅采用传统方法进行整定已经无法保证电力系统的安全性了。目前主流的研究思路是采用随机规划或者鲁棒优化的方法进行备用整定。其中,随机规划方法采用随机变量对不确定性进行描述,利用一系列模拟场景来刻画风电出力不确定性,但是具有代表性场景筛选困难、计算量大等问题;鲁棒优化方法将不确定性的所有可能实现建立成一个不确定集合,优化的结果能够抵抗最坏场景下对上层优化结果可行性的冲击。但是没有充分利用历史数据得到的均值、高阶矩等信息,对风电出力的刻画不够准确。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种考虑不确定分布特性的水火电联合调度方法及系统。
根据本发明的一个方面,提供一种考虑不确定分布特性的水火电联合调度方法,包括:
S1、通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
S2、根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
S3、通过第二半正定规划模型,获取第二半正定规划模型最优值和极端顶点场景;
S4、若判断获知所述第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
根据本发明的另一个方面,提供一种考虑不确定分布特性的水火电联合调度系统,包括:
正定规划模块,用于通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
预测模块,用于根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一水电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
检验模块,用于通过第二半正定规划模型,获取第二半正定规划模型和极端顶点场景;
判断输出模块,用于若判断获知第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
根据本发明的又一个方面,提供一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行一种考虑不确定分布特性的水火电联合调度方法。
根据本发明的再一个方面,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行一种考虑不确定分布特性的水火电联合调度方法。
本发明提出一种考虑不确定分布特性的水火电联合调度方法,根据历史数据对风电出力进行预测,构造考虑分布特性的风电出力刻画,设置电力系统每个时段需满足的发电容量约束、功率平衡约束、传输线潮流约束、备用量约束。设置电力系统的以最小化成本为目标的优化目标函数。接着构建考虑不确定分布特性的水火联合调度模型。最后利用S-Lemma转化为半正定规划进行求解,得到考虑不确定分布特性的水火联合调度策略。本发明的考虑不确定分布特性的水火联合调度策略,具有充分利用风电历史数据所能提供的信息,降低保守性,提高系统运行经济性的特点。
附图说明
图1为本发明实施例一种考虑不确定分布特性的水火电联合调度方法的流程图;
图2为本发明实施例一种考虑不确定分布特性的水火电联合调度模型整体框架图;
图3为本发明实施例一种考虑不确定分布特性的水火电联合调度问题求解算法流程图;
图4为本发明实施例一种考虑不确定分布特性的水火电联合调度系统的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
为了更好的说明,下面对本发明实施例中的参数的含义一一解释说明:
图1为本发明实施例一种考虑不确定分布特性的水火电联合调度方法的流程图,如图1所示,该方法包括:
S1、通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
S2、根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
S3、通过第二半正定规划模型,获取第二半正定规划模型最优值和极端顶点场景;
S4、若判断获知第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
风电机组历史数据具体包括风电机组各时段的出力。
需要说明的是,S引理的功能、执行过程如下:
由于原问题中w限制于集合B中,故条件
不能直接转化为半正定条件进行求解。S引理证明了,原问题与下述问题等价,即当存在一个正数λ使得
其中,w表示实时风电机组出力,A、b、C为系数矩阵,u表示下层问题对偶变量,vert(U)表示u的可行域顶点,h0、h、H为对偶变量,we为风电的预测出力,Qb为风电出力限制矩阵,Γ为风电出力方差。
本发明实施例考虑不确定分布特性的水火联合调度方法,充分利用风电历史数据所能提供的信息,降低保守性,提高系统运行经济性。
本发明实施例提供一种考虑不确定分布特性的水火电联合调度方法,采用一系列满足均值和高阶矩约束的分布函数来取代不确定集合,充分利用了风电历史数据所能提供的信息,对风电的刻画更为准确,并且在降低了保守性,从而提高了经济性。具体实施方式包括以下步骤:
首先,根据风电历史数据,提取风电特征参数,构建基于分布鲁棒优化的风电不确定刻画模型。
考虑不确定分布特性的风电出力分布函数数学表达式如下:
其中,fj(.)是风电出力的分布函数,we是风电出力的期望值,∑为风电场出力的关联矩阵。这里假设各风电场预测误差的概率分布是相互独立的,即协方差矩阵是一个对角阵,对角元素为风电出力的方差。
获取电力系统每个时段需满足的发电容量约束、功率平衡约束、传输线潮流约束、备用量约束。
具体地,风电出力变化范围的数学表达式如下:
B={w|(w-we)TQb(w-we)≤Γ}, (2)
火电机组每个时段需要满足的发电容量约束的数学表达式:
水电机组每个时段需要满足的发电容量约束的数学表达式:
跨时段水电总出力限制的数学表达式:
电力系统功率平衡约束的数学表达式:
电力系统传输线潮流约束的数学表达式:
火电机组备用量约束的数学表达式:
水电机组备用量约束的数学表达式:
电力系统实时再调度调整的数学表达式:
所述电力系统运行的目标函数的数学表达式:
目标函数(12)是最小化总成本,包括火电机组的运行成本以及备用成本。其中是火电机组i中的备用容量,是火电机组i的备用成本。预留一定容量的备用是需要成本的,倘若增大预留备用容量而该容量在实际运行中未被调用,则会损害运行的经济性。因此,在目标函数中加入备用成本。目标函数(13)是最小化实际电力系统中的调整成本。
图2为本发明实施例一种考虑不确定分布特性的水火电联合调度模型整体框架图,如图2所示,根据上述不确定计划及各相关约束参数,建立考虑不确定分布特性的水火联合调度模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括所述电力系统实时再度调制约束。
水火联合调度模型具体描述了这样一个实际物理过程:根据风电场当前预测出力{we}和未来一段时间的风电可能变化范围,给出当前火电机组的出力火电机组的备用容量保证当风电变化时,能够在备用范围内调整火电机组出力和水电机组的出力,保证满足所有安全约束,同时极小化备用成本。模型的整体框架如图1所示。在上层问题中,制定火电出力计划和备用容量,最小化总成本。在上层策略给定的情况下,下层通过调整各机组出力,极小化调整成本。
所述第一模型的目标函数的数学表达式为:
所述第一模型的约束条件书序表达式为:
其中,∑表示风电出力不确定性的关联性矩阵,Ek表示调度时段范围内水电总出力;
其中,Fl表示传输线约束,πil表示,πjl表示,πkl表示,πql表示,
为描述简便,上述水火联合调度模型可以抽象为下述形式,其中,第一模型的简化表达式如下:
Y(x,w)={y|By≤b-Ax-Cw}, (24)
第二模型的简化表达式如下:
根据物理意义,不妨假设Z(x)有界。而且,同时满足均值和方差的概率密度函数一定存在(如f~N(we,σ)即为满足问题的一个解),上述问题一定有可行解。由于上述问题是一个凸优化问题,因此没有对偶间隙,根据强对偶定理,写出问题(25)-(26)的对偶问题如下:
max E[Q(x,w)]=min tr(HT(∑+we(we)T)+hTwe+h0), (27)
其中,h0、h、H为对偶变量。
约束条件(28)的等价公式如下:
根据S-Lemma可以转化为公式(30)和公式(31):
最后,第一半正定规划模型为:
其中,h0、h、H为对偶变量,A、B、C为系数矩阵,pfg表示每一火电机组的有功出力、pfh表示每一水电机组的有功出力、rg+/rg-表示每一火电机组的备用容量、rh+/rh-表示每一水电机组的备用容量,cT表示c矩阵的转置,we表示风电的预测值,λ表示一个正数组成的向量,Qb表示风电出力限制范围对应的矩阵,ui表示VE中的第i个元素,C表示下层问题约束的系数矩阵,表示Qb矩阵的转置,b表示下层问题约束的常量,Γ表示风电方差。。
步骤S2中,第二半正定规划模型为:
minw∈B,u∈U wTHw+hTw+h0-(b-Ax-Cw)Tu, (33)
其中,wjt表示实时风电机组出力,A、B、C为系数矩阵,u表示下层问题对偶变量,U表示u的可行域,h0、h、H为对偶变量,b表示下层问题约束的系数矩阵。
以上就是水火联合调度模型的建立过程及通过S引理对模型进行转化得到半正定规划模型的过程,图3为本发明实施例一种考虑不确定分布特性的水火电联合调度问题求解算法流程图,如图3所示,接着对模型进行求解,获得风电机组实际出力,在一阶段系统运行点给定的情况下,求解水火电联合实时经济调度模型,给出火电机组实际出力和水电机组的实际出力。
第一步:根据风电预测数据,给出风电预测均值we,风电出力不确定性的关联性矩阵∑,初始化集合预设顶点集其中vert(U)是U的顶点构成的集合,VE是起作用的u的集合。
第二步,根据风电场当前预测出力均值we、风电出力不确定性的关联性矩阵∑和预设顶点集VE,通过第一半正定规划模型,第一半正定规划模型如下:
其中,x=[pfg,pfh,rg+,rg-,rh+,rh-]T,
得到优化总成本R*和化火电机组集X*,优化火电机组集包括每一火电机组的有功出力pfg、每一水电机组的有功出力pfh、每一火电机组的备用容量rg+/rg-和每一水电机组的备用容量rh+/rh-。
第三步,通过第二半正定规划模型,对优化火电机组集进行可行性检测,获取第二半正定规划模型最优值r*和极端顶点场景u*:
minw∈B,u∈U r=wTHw+hTw+h0-(b-Ax*-Cw)Tu, (35)
若判断获知所述第二半正定规划模型最优值r*不小于0,即r*≥0,将所述优化总成本R*作为最优总成本,根据所述优化火电机组集X*,确定每一火电机组的有功出力pfg、每一水电机组的有功出力pfh、每一火电机组的备用容量rg+/rg-和每一水电机组的备用容量rh+/rh-,否则,将所述极端顶点场景u*加入所述预设顶点集VE中,即VE=VE∪u*,重复步骤S3~S5,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
本发明涉及一种考虑不确定分布特性的水火电联合调度方法,首先根据历史数据对风电出力进行预测,构造考虑分布特性的风电出力刻画,设置电力系统每个时段需满足的发电容量约束、功率平衡约束、传输线潮流约束、备用量约束。设置电力系统的以最小化成本为目标的优化目标函数。接着构建考虑不确定分布特性的水火联合调度模型。最后利用S引理转化为半正定规划进行求解,得到考虑不确定分布特性的水火联合调度策略。本发明的考虑不确定分布特性的水火联合调度策略,具有充分利用风电历史数据所能提供的信息,降低保守性,提高系统运行经济性的特点。
图4为本发明实施例一种考虑不确定分布特性的水火电联合调度系统的结构示意图,如图4所示,该系统包括:
正定规划模块,用于通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
预测模块,用于根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一水电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
检验模块,用于通过第二半正定规划模型,获取第二半正定规划模型最优值和极端顶点场景;
判断输出模块,用于若判断获知所述第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
本实施例中,由于水火联合调度模型是根据风电历史数据获得的,因此水火联合调度模型中包括风电历史数据所能提供的信息,通过S引理对水火联合调度模型进行转换,以便于后面对模型的求解。通过第一半正定规划模型求解,得到优化总成本、每一火电机组的有功出力、每一水电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量,接着通过第二半正定规划模型对前面得到的结果进行可行性检测,根据检测指标,来确定最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
本发明实施例考虑不确定分布特性的水火联合调度方法,充分利用风电历史数据所能提供的信息,降低保守性,提高系统运行经济性。
本发明一实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型;根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集;通过第二半正定规划模型,获取极端顶点场景;确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型;根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集;通过第二半正定规划模型,获取极端顶点场景;确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的显示装置的测试设备等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种考虑不确定分布特性的水火电联合调度方法,其特征在于,包括:
S1、通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
S2、根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一水电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
S3、通过第二半正定规划模型,获取第二半正定规划模型最优值和极端顶点场景;
S4、若判断获知所述第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
3.根据权利要求1所述方法,其特征在于,所述第一模型的约束条件为:
其中,∑表示风电出力不确定性的关联性矩阵,Ek表示调度时段范围内水电总出力;
其中,Fl表示传输线约束,πil表示火电机组节点转移分布因子,πjl表示风电机组节点转移分布因子,πkl表示水电机组节点转移分布因子,πql表示负荷节点转移分布因子;
5.根据权利要求1所述方法,其特征在于,步骤S1中,所述第二模型的约束条件为:
其中,表示火电机组i在t时刻的有功出力,和表示火电机组i实际运行中的调整量,wjt表示实时风电出力,表示水电机组k在t时刻的有功出力,和均表示水电机组k实际运行中的调整量,pqt表示负荷q在t时刻的有功功率;
其中,Fl表示传输线约束,πil表示火电机组节点转移分布因子,πjl表示风电机组节点转移分布因子,πkl表示水电机组节点转移分布因子,πql表示负荷节点转移分布因子。
6.根据权利要求1所述方法,其特征在于,步骤S2中,所述第一半正定规划模型为:
mincTx+tr(HT(∑+we(we)T)+hTwe+h0)
x=[pfg,pfh,rg+,rg-,rh+,rh-]T,
8.一种考虑不确定分布特性的水火电联合调度系统,其特征在于,包括:
正定规划模块,用于通过S引理对水火联合调度模型进行转化,获取水火调度模型对应的半正定规划模型,所述半正定规划模型包括第一半正定规划模型和第二半正定规划模型,所述水火联合调度模型包括第一模型和第二模型,所述第一模型的目标函数以最小化总成本为目标,所述第一模型的约束条件包括电力系统每一预设时段对应的功率平衡约束、对应的备用约束和对应的线路潮流约束,所述第二模型的目标函数以最小化电力系统的调整成本为目标,所述第二模型的约束条件包括校正出力范围约束、功率平衡约束和传输线安全约束,所述总成本包括火电运行成本和备用成本,所述水火联合调度模型根据风电机组历史数据获得;
预测模块,用于根据风电场当前预测出力均值、风电出力不确定性的关联性矩阵和预设顶点集,通过第一半正定规划模型,获取优化总成本和优化火电机组集,所述优化火电机组集包括每一火电机组的有功出力、每一水电机组的有功出力、每一火电机组的备用容量和每一水电机组的备用容量;
检验模块,用于通过第二半正定规划模型,获取第二半正定规划模型最优值和极端顶点场景;
判断输出模块,用于若判断获知所述第二半正定规划模型最优值不小于0,将所述优化总成本作为最优总成本,根据所述优化火电机组集,确定每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量,否则,将所述极端顶点场景加入所述预设顶点集中,重复步骤S2~S4,直到获取所述最优总成本、每一火电机组的有功出力、每一火电机组的备用容量和每一水电机组的有功出力、每一水电机组的备用容量。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102789.XA CN108155674B (zh) | 2018-02-01 | 2018-02-01 | 考虑不确定分布特性的水火电联合调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102789.XA CN108155674B (zh) | 2018-02-01 | 2018-02-01 | 考虑不确定分布特性的水火电联合调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108155674A CN108155674A (zh) | 2018-06-12 |
CN108155674B true CN108155674B (zh) | 2020-02-21 |
Family
ID=62459477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810102789.XA Active CN108155674B (zh) | 2018-02-01 | 2018-02-01 | 考虑不确定分布特性的水火电联合调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108155674B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108879796B (zh) * | 2018-08-10 | 2021-07-23 | 广东电网有限责任公司 | 电力日前市场出清计算方法、系统、装置及可读存储介质 |
CN109167367B (zh) * | 2018-09-19 | 2021-12-24 | 长江勘测规划设计研究有限责任公司 | 基于单边匹配机制的水电站负荷动态调整方法 |
CN109995084B (zh) * | 2019-04-24 | 2020-11-06 | 燕山大学 | 一种梯级水电站-火电厂联合优化调度方法及系统 |
CN110717688B (zh) * | 2019-10-16 | 2022-07-01 | 云南电网有限责任公司 | 考虑新能源出力不确定性的水风光短期联合优化调度方法 |
CN112993973B (zh) * | 2019-12-16 | 2023-09-26 | 国网辽宁省电力有限公司 | 储热装置和储电装置的配置方法及装置 |
CN114219170A (zh) * | 2021-12-23 | 2022-03-22 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑可再生能源不确定性的电力系统电源规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246942A (zh) * | 2013-05-21 | 2013-08-14 | 长沙理工大学 | 风电-电动汽车-火电联合运行模型的多目标调度方法 |
CN105932722A (zh) * | 2016-05-20 | 2016-09-07 | 国家电网公司 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
CN106961125A (zh) * | 2017-05-08 | 2017-07-18 | 西安理工大学 | 风水火电力系统动态经济调度的等式约束处理方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 |
CN107302231A (zh) * | 2017-08-23 | 2017-10-27 | 国网山东省电力公司经济技术研究院 | 一种小水电群接入电网的两目标随机经济调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103259285B (zh) * | 2013-05-03 | 2015-04-29 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
-
2018
- 2018-02-01 CN CN201810102789.XA patent/CN108155674B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246942A (zh) * | 2013-05-21 | 2013-08-14 | 长沙理工大学 | 风电-电动汽车-火电联合运行模型的多目标调度方法 |
CN105932722A (zh) * | 2016-05-20 | 2016-09-07 | 国家电网公司 | 计及风电出力不确定性的抽水蓄能-风电联合调度方法 |
CN106961125A (zh) * | 2017-05-08 | 2017-07-18 | 西安理工大学 | 风水火电力系统动态经济调度的等式约束处理方法 |
CN106981888A (zh) * | 2017-05-10 | 2017-07-25 | 西安理工大学 | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 |
CN107302231A (zh) * | 2017-08-23 | 2017-10-27 | 国网山东省电力公司经济技术研究院 | 一种小水电群接入电网的两目标随机经济调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108155674A (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108155674B (zh) | 考虑不确定分布特性的水火电联合调度方法及系统 | |
Li et al. | Grid-side flexibility of power systems in integrating large-scale renewable generations: A critical review on concepts, formulations and solution approaches | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
Liang et al. | Probability-driven transmission expansion planning with high-penetration renewable power generation: A case study in northwestern China | |
Gbadamosi et al. | Reliability assessment of composite generation and transmission expansion planning incorporating renewable energy sources | |
Weibel et al. | Cost-effective design of ringwall storage hybrid power plants: A real options analysis | |
CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
Holttinen et al. | Steps for a complete wind integration study | |
Cano et al. | Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis | |
Liu et al. | A review of wind energy output simulation for new power system planning | |
Monterrat et al. | Integration Cost of Variable Renewable Resources to Power Systems–A Techno-economic Assessment in European Countries | |
Bacha et al. | Optimal sizing of a hybrid microgrid system using solar, wind, diesel, and battery energy storage to alleviate energy poverty in a rural area of Biskra, Algeria | |
CN106655266B (zh) | 一种接入新能源的地区电网可灵活调节电源配置方法 | |
Paliwal | A Technical Review on Reliability and Economic Assessment Framework of Hybrid Power System with Solar and Wind Based Distributed Generators | |
Eltohamy et al. | Technical investigation for power system flexibility | |
Wen et al. | Optimal operation framework of customer-premise battery storage for energy charge reduction and primary frequency regulation | |
Bødal et al. | Production of hydrogen from wind and hydro power in constrained transmission grids, considering the stochasticity of wind power | |
CN113591224A (zh) | 一种城市电网连锁故障风险评估方法及系统 | |
Alkano et al. | Distributed MPC for Power-to-Gas facilities embedded in the energy grids | |
Borbáth et al. | The Impact of Cross-Border Transmission Constraints on Resource Adequacy Assessment | |
Sarkar | Minding the P's and Q's: Real and reactive power assessment of hybrid energy conversion systems with wind and solar resources | |
Sklar-Chik et al. | Integration costs of renewable energy technologies in future energy generation scenarios | |
CN113725904B (zh) | 考虑老化发电机组退役的电网转型方法、装置及设备 | |
Wu et al. | Electricity Market Clearing Model Considering Uncertainty of Wind Power | |
Shirsath et al. | Optimization through wind modeling by means of mechanical design to enhance wind power generation and system reliability |
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 |